Uji Hipotesis

Dalam kehidupan sehari-hari seringkali kita harus menduga sesuatu yang

perlu diuji kebenarannya. Jika yang harus diuji tersebut berkaitan dengan
karakteristik suatu populasi atau lebih, maka dugaan tersebut disebut hipotesis
statistik dan proses untuk mendapatkan kesimpulan hipotesis disebut uji hipotesis.
Pengujian hipotesis adalah suatu anggapan yang mungkin benar atau tidak
mengenai satu populasi atau lebih. Pengujian hipotesis ada dua :
Hipotesis nol → H0 : nilainya tepat (tanda “=”)
Hipotesis tandingan → H1 : ada beberapa kemungkinan (<, >, )
Penolakan hipotesis nol padahal hipotesis itu benar disebut galat jenis I. Taraf
keberartian/signifikansi () adalah peluang menolak H0 padahal H0 benar.
 = P(menolak H0 | H0 benar)
= P(galat jenis I)
Umumnya, digunakan 1% <  < 10%.  disebut juga daerah kritis yaitu daerah
dimana H0 ditolak

Statistik uji jatuh di daerah kritis → H0 ditolak (H1 diterima)

Contoh

1. Misalkan seorang ahli alergi ingin menguji hipotesis bahwa

setidaknya 20% dari penduduk, alergi terhadap udang. Jelaskan kapan ia
dikatakan melakukan
a. Galat tipe I
b. Galat tipe II
2. Suatu hasil penelitian menyebutkan bahwa tingkat kefektifan
vaksin flu yang sekarang digunakan sama dengan 25%. Seorang peneliti
berhasil menemukan vaksin flu baru dan ia ingin menguji keefektifannya
dibanding vaksin sebelumnya. Misalkan ia ingin menguji apakah hasil

1
 temuannya lebih unggul atau sama saja. Untuk itu, ia memberikan suntikan
vaksin kepada 20 orang yang diambil secara acak.
Kriteria lebih unggul : suatu vaksin flu dikatakan lebih unggul dari vaksin flu
lain jika tingkat kefektifannya lebih dari 40% (sedikitnya 8 dari 20 orang,
kebal terhadap flu). Kapan si peneliti dikatakan melakukan kesalahan tipe I?

Uji rataan populasi 

a. Uji-Z → jika  diketahui

X - 0
Z hitung = = t ;n -1
/ n
b. Uji-t → jika  tidak diketahui
X - 0
Thitung = = tn -1 = t9
s/ n
Contoh
Misalkan simpangan baku dari suatu populasi  = 3,6 Dari 36 sampel diperoleh
X = 68

2
Jawab
Berdasarkan teorema limit pusat, distribusi sampel (dari X ) adalah hampir

normal dengan simpangan baku  X =  / n = 3,6/6 = 0,6

Ingat!!:
a. Untuk sampel besar  dapat diganti dengan S bila tidak ada taksiran
lain dari  yang tersedia.
b. Rataan sampel X adalah penaksir  yang paling efisien

Akan diuji:
H0:  = 68
H1:   68
Karena  diketahui, gunakan uji Z
X - 0
Z hitung = = t ;n -1
/ n
Patokan keputusan untuk pengujian:
Tolak H0 Terima H0 Tolak H0
Peluang melakukan galat jenis I (taraf keberhasilan uji tersebut) tersebut sama
dengan luas daerah yang diarsir

/2 (daerah kritis) /2 (daerah kritis)

0 = 68

Nilai Z yang berpadanan dengan X1 = 67 dan X2 = 69 bila H0 benar adalah

67 - 68 69 - 68
Z1 = = -1, 67 dan Z 2 = = 1, 67
0, 6 0, 6
dan
 = P ( Z < -1, 67) + P( Z > 1, 67)
= 2 P( Z < -1, 67) = 0, 0950

3
Jadi 9,5% dari sampel berukuran 36 akan menghasilkan penolakan  = 68 padahal
benar bahwa  = 68.

Untuk memperkecil , ukuran sampel bisa diperbesar atau daerah penerimaan

diperlebar.
Misalkan n = 64 dan  X = 3,6/8 = 0,45 maka
67 - 68 69 - 68
Z1 = = -2, 22 dan Z 2 = = 2, 22
0, 45 0, 45
dan
 = P ( Z < -2, 22) + P( Z > 2, 22)
= 2 P (Z < -2, 22) = 0, 0264

Sampel diambil acak → untuk mempelajari kenyataan yang ada pada populasi.
Caranya:
1. Estimasi (penaksiran)
2. Menguji kebenaran dari suatu statemen pada populasi melalui sampel acak
tersebut
1. Statemen benar | sampel tidak mendukung
P(H0 benar | H0 salah )
2. Statemen salah | sampel mendukung
P(H0 salah | H0 benar)
Ingat!
H0 → selalu memuat “= “ (boleh juga  atau )
H1 → tanda lain (<, >, ) → berupa penolakan
Contoh
1. Misal akan diuji bahwa “nilai rata-rata SPMB jurusan Biologi lebih dari 70”
maka uji hipotesisnya
H0:  = 70
H1:   70
2. Jika yang ingin diuji “nilai rata-rata SPMB jurusan Biologi tidak lebih dari
70” maka uji hipotesisnya

4
 H0:   70
H1:  > 70
Karena tidak lebih dari: ≤ , dan notasi ini mengandung sama dengan jadi ≤ masuk
ke H0
3. Misal akan diuji bahwa “nilai rata-rata SPMB jurusan Biologi kurang
dari 90 ” maka uji hipotesisnya
H0:  = 90
H1:  < 90
Ho ditolak, observasi kita mendukung H1 (bukan berarti menerima)
80 0 20 80 56 70 80 4 80 85 19 91
Misal akan diuji bahwa “nilai rata-rata SPMB jurusan Biologi lebih dari 90
” maka uji hipotesisnya
H0:  = 90
H1:  > 90
4. Misal akan diuji bahwa “nilai rata-rata SPMB jurusan Biologi di
sekitar 90 ” maka uji hipotesisnya
H0:  = 90
H1:  ≠ 90

Contoh
Misalkan akan ditunjukkan bahwa rata-rata suhu minggu ini adalah 29 0C. Untuk
itu dilakukan pengamatan dengan mengambil 10 ruangan secara acak dan masing-
masing diukur suhunya dengan hasil sebagai berikut: 30, 35, 29, 28, 31, 32, 34,
33, 33, 30. Apakah anda setuju dengan pendapat di atas jika taraf signifikansinya
5%?
Jawab:
Uji hipotesis H0:  = 29

5
 H1:  ≠ 29
Karena  tidak diketahui, gunakan uji-t,
X - 0 31,5 - 29
Thitung = = = 3, 478
s / n 2, 273/ 10
Diketahui
 = P(menolak H0 | H0 benar) = P( > 29 |  = 29) = 0,05
Dari tabel, T/2;9 = T0,025; 9 = 2,262
Karena Thitung > Ttabel (Thitung jatuh di daerah kritis) maka H0 ditolak.

 = 5%

1,833
Jadi dari perhitungan tersebut saya setuju dengan pendapat tersebut bahwa untuk
 = 5% suhu ruangan tidak sama dengan 290C.
Modifikasi soal:
1. Misalkan akan ditunjukkan bahwa rata-rata suhu minggu ini adalah 29 0C.
Untuk itu dilakukan pengamatan dengan mengambil 10 ruangan secara acak dan
masing-masing diukur suhunya dengan hasil sebagai berikut: 30, 35, 29, 28, 31,
32, 34, 33, 33, 30. Apakah anda setuju dengan pendapat di atas.
1. hipotesis tetap
2. statistik tetap (krn data tetap dan juga H0)
3. taraf siginifikansi tdk diberikan, jadi kita harus menyimpulkan unt
bbrp α.
4. mulai α berapa H0 ditolak
5. Untuk soal ini α>1%
3. Dilakukan pengamatan dengan mengambil 10 ruangan secara acak dan
masing-masing diukur suhunya dengan hasil sebagai berikut: 30, 35, 29,
28, 31, 32, 34, 33, 33, 30. Apakah anda setuju jika Eko mengatakan bahwa
suhu hari ini lebih dari 29 0C.

6
 1. hipotesis berubah, tapi di H1
2. statistik tetap (krn data tetap dan juga H0)
3. taraf siginifikansi tdk diberikan, jadi kita harus menyimpulkan unt
bbrp α.
4. mulai α berapa H0 ditolak
5. Untuk soal ini α>1%

Misalkan akan ditunjukkan bahwa rata-rata suhu minggu ini adalah 29 0C. Untuk
itu dilakukan pengamatan dengan mengambil 10 ruangan secara acak dan masing-
masing diukur suhunya dengan hasil sebagai berikut: 30, 35, 29, 28, 31, 32, 34,
33, 33, 30. Apakah anda setuju dengan pendapat di atas jika taraf signifikansinya
5%?

Contoh
Berdasarkan 100 laporan kematian di AS yang diambil secara acak, diperoleh
bahwa rata-rata usia meninggal adalah 71,8 tahun dengan simpangan baku 8,9
tahun. Hal ini memberikan dugaan bahwa rata-rata usia meninggal di AS lebih
dari 70 tahun.

Berdasarkan 100 laporan kematian di AS yang diambil secara acak, diperoleh

bahwa rata-rata usia saat meninggal adalah 71,8 tahun dengan simpangan baku 8,9
tahun. Hal ini memberikan dugaan bahwa rata-rata usia meninggal di AS lebih
dari 70 tahun.
a. Nyatakan dugaan tersebut dalam pernyataan hipotesis statistik
b. Untuk tingkat signifikansi  = 5% , benarkah dugaan tersebut?

Diketahui : X = 71,8 , s = 8,9 ,  0 = 70 ,  = 0,05

Ditanya

7
 a. Hipotesis statistik
b. Kesimpulan uji hipotesis

Jawab
a. Parameter yang akan diuji : 
Hipotesis : H0 :  = 70
H1 :  > 70
b.  = 0,05 maka titik kritis Z  = 1,645
X -  0 71,8 - 70
Z= = = 2,02
s 8,9
n 100
Karena Z  < Z maka berada pada daerah penolakan sehingga keputusannya H 0
ditolak.
Jadi dugaan tersebut benar bahwa rata-rata usia meninggal di AS lebih dari 70
tahun.

COMFORT
LA BILTMORE 4 140 DC INN 1 64

8
 CAPITOL
LA LE PARC 2 165 DC HILL 1 120
RAD PRK
LA SHERATON GRD 3 175 DC TERR 3 119
SF HOL INN FIN 2 99 NY EASTGATE 1 170
HELMSLEY
SF STOUFFER 5 185 NY MID 2 135
HOL INN
SF MANDARIN 4 265 NY CRWN 2 185
SF DIVA 2 109 NY THE MARK 3 250
SF GRAND HYATT 4 169 NY PENINSULA 4 250
SF HOL INN GATE 2 99 NY WARWICK 2 170
GRAND
SF NOB HILL LAM 2 175 NY HYATT 3 210
THE
SF INN AT OPERA 3 110 NY REGENCY 4 215

Langkah pertama yang harus dilakukan adalah menentukan hipotesis nol dan
hipotesis tandingan. Hipotesis yang akan diuji adalah apakah tedapat perbedaan
rata-rata harga hotel pada keempat kota tersebut.
H0 : 1 =  2 = 3 =  4
H1 : paling sedikit ada dua rataan yang tidak sama

Dengan  = 5%, maka daerah kritis adalah jika F (hitung) > F 0,05 (k - 1, N - k). Jadi jika F
(hitung) > F0,05 (k-1, N – k) atau jika P-value <  maka H0 kita tolak. Artinya terdapat
perbedaan rata-rata harga hotel pada kota-kota tersebut.

One-way ANOVA: Price versus City

Sumber Jumlah Derajat Rataan F (hitung)

Variasi Kuadrat Kebebasan Kuadrat
Perlakuan JKP = 21145 k-1=3 JK F(hitung) =
RKP = = 7048
P

(kota) k -1 RK P

JK =
RKG = G
= 1954 RK G
Galat JKG=JKT - JKP= 54715 N-k = 28 N -k 3.61
Total JKT = 75860 N-1 = 31
(menggunakan software minitab)
Individual 95% CIs For Mean

9
Based on Pooled StDev

Level N Mean
StDev -+---------+---------+---------+-----
DC 8 135.38
42.08 (--------*--------)
LA 8 135.38
31.32 (--------*--------)
NY 8 198.13
40.61 (---------*--------)
SF 8 151.38
58.44 (--------*--------)
-+---------+---------+---------+-----
Pooled StDev = 44.21 105 140 175 210

Kita dapatkan nilai F hitung = 3,61 dan nilai P = 0,025.

F tabel : F0,05 (k-1, N – k) = 2.9467.
Karena F hitung = 3,61 > F0,05 (k-1, N – k) = 2.9467, maka hipotesis H0 kita tolak. Artinya
terdapat perbedaan rata-rata harga hotel pada kota-kota tersebut.

10
 Analisis Regresi

Analisis regresi menggunakan model yang terdiri atas beberapa buah asumsi.
Pola kerja dalam pemodelan dengan regresi adalah sebagai berikut:

Misalkan X variabel bebas yang digunakan sebagai prediktor dari variabel tak
bebas Y disebut respon. Hubungan sebenarnya di alam, antara X dan Y
berbentuk:
Y = f (X)

dengan f tak diketahui.

Berdasarkan data, kita ingin mempelajari bentuk fungsi f. Misalkan tersedia data
hasil n kali pengamatan terhadap X dan Y. Hasil pengamatan tersebut kita tuliskan
dalam tabel berikut:
Observasi 1 2 3 … n
X X1 X2 X3 … Xn
Y Y1 Y2 Y3 … Yn
Jadi
Yi = f ( X i ) + e i
dengan ei adalah galat yang disebabkan karena ketidakmampuan
a. Melakukan pengukuran dengan tepat.
b. Melibatkan semua prediktor (atau faktor) dari Y

Secara umum, hubungan X dan Y dirumuskan sebagai berikut:

Yi = b 0 + b1 X i + ei

11
dengan ei adalah galat pada pengamatan ke-i dan disebut galat acak.
Ada tiga sumber terjadinya galat ini, yang dikelompokkan menjadi dua kelompok
(atau komponen).
a. Komponen tetap (lack of fit), yaitu ketidakmampuan merumuskan
fungsi f dengan tepat.
b. Komponen acak, yaitu ketidakmampuan:
i. dalam melakukan pengukuran dengan tepat.
ii. untuk melibatkan semua prediktor (atau faktor).
Agar regresi linear sederhana memiliki nilai penggunaan, haruslah i (galat yang
disebabkan oleh lack of fit) sangat kecil relatif terhadap ei sehingga dapat
diabaikan.

Tujuan regresi linear :

1. Mencari pola umum dari suatu kumpulan data
2. Melakukan prediksi terhadap y untuk suatu nilai x tertentu berdasarkan
model regresi linier yang diperoleh (intrapolasi).

Model Regresi Linear Sederhana

Yang dimaksud linear dalam regresi linear adalah peubah tak bebas (y)
merupakan fungsi linear dari parameter pada persamaannya dan bukan dari
peubah bebasnya (x). Dengan kata lain y linear terhadap β0 dan β1 .
Model yang digunakan dalam analisis regresi linear sederhana, terdiri atas asumsi
berikut:
Asumsi 1: Ada pengaruh linear X terhadap Y .
Asumsi 2: Yi = b 0 + b1 X i + ei ; i = 1, 2,…, n.
Asumsi 3: Nilai harapan dari ei adalah 0, atau E ( ei ) = 0 ; i = 1, 2,…, n.

Asumsi 4: Variansi dari ei , sama untuk semua i = 1, 2,…, n, atau  ei = 

2 2

Asumsi 5: Distribusi dari ei adalah normal untuk semua i = 1, 2,…, n.

Asumsi 6: e1 , e2 ,L , en saling bebas (independen).
Catatan: Asumsi 4, 5, dan 6 diperlukan untuk penaksiran dan pengujian hipotesis.

Penaksiran Parameter Model

12
Parameter β0 dan β1 tidak diketahui sehingga ditaksir oleh a dan b. Sehingga
persamaan (1) menjadi
yˆ = ax + b

Kriteria penaksiran: Least Square (agar bebas dari asumsi-asumsi tentang ei)
n
yakni: minimumkan �e
i =1
2
i

Sehingga diperoleh:
n
 n  n 
n xi y i -   xi   y i 
a = i=1  i=1  i=1 
2
n
 n 
n xi -   xi 
2

i=1  i=1 
1 n 1 n
b=  i n
n i=1
y - a
i=1
xi

Atau
b = y - ax

Atau secara umum dengan menggunakan Least square diperoleh,:

1. (i). b1 ditaksir oleh

bˆ1 =
�( X i - X ) ( Yi - Y )

�(X -X)
2
i

SXY
=
SXX

(ii). b1 ditaksir oleh bˆ0 = Y - bˆ1 X

(iii).  2 ditaksir oleh

1
( )
2
ˆ 2 =
n-2
� Yi - Yˆi
RSS
=
n-2
RSS dapat disederhanakan menjadi:

( SYY )
2

; SYY = � ( Yi - Y )
2
RSS = SYY -
SXX
Catatan: RSS adalah singkatan dari Residual Sum of Square.
2. bˆ0 , bˆ1 , dan ˆ 2 bersifat tak bias, artinya:

13
 ( ) ( )
E bˆ0 = b 0 , E bˆ1 = b1 , dan E ( ˆ 2 ) =  2 .

Kecocokan Model Regresi

Alat ukur:
n

JKR
 (yˆ i - y) 2
R2 = = i=1
n
, 0  R2  1
JKT
 (y
i=1
i - y) 2

dengan JKR adalah jumlah kuadrat regresi dan JKT adalah jumlah kuadrat total.
Semakin dekat R2 dengan 1 maka semakin baik kecocokan data dengan model,
dan sebaliknya, makin dekat R2 dengan 0 makin tidak baik kecocokan data dengan
model tersebut.

Pengujian Koefisien Persamaan Regresi

Tujuan : menentukan apakah koefisien tersebut dapat diabaikan (dianggap) atau
tidak.
Rumusan Hipotesis :
H0 : koefisien regresi = 0
H1 : koefisien regresi  0.
Gunakan uji t dengan derajat kebebasan n-2, atau gunakan P-value.
 Tolak H0, apabila nilai P-Value < taraf keberartian (signifikansi) α ,artinya
koefisien regresi tidak bisa dianggap nol
 H0 Tidak ditolak apabila nilai P-Value > α , artinya koefisien regresi bisa
dianggap nol (dapat diabaikan).

Pelinearan Data
Dilakukan apabila pasangan data yang akan dimodelkan tidak linier.
Cara : melakukan transformasi data sesuai dengan hubungan data yang ada
tersebut, sehingga dapat dibuat suatu model regresi linear dan prediksi model
tersebut.

Contoh :

14
Pusat Konsultasi Statistika di Virginia Polytechnic Institute and State University
menganalisis data tentang sejenis tikus hutan atas permintaan Jurusan Kedokteran
Hewan. Peubah yang menjadi perhatian adalah berat badan dalam gram dan berat
jantung dalam gram. Ingin dilihat persamaan regresi linier dan kemudian
diselidiki apakah ada hubungan linier yang berarti antara berat badan dengan berat
badan jantung.

Berat
Berat Badan
No. Jantung
(gram)
(gram)
1 4050 11.2
2 2465 12.4
3 3120 10.5
4 5700 13.2
5 2595 9.8
6 3640 11
7 2050 10.8
8 4235 10.4
9 2935 12.2
10 4975 11.2
11 3690 10.8
12 2800 14.2
13 2775 12.2
14 2170 10
15 2370 12.3
16 2055 12.5
17 2025 11.8
18 2645 16
19 2675 13.8

15
Solusi.
Secara umum persamaan regresi : Yi = b 0 + b1 X i + ei
Parameter regresi b 0 dan b 1 ditaksir oleh a dan b, sehingga persamaan
regresinya menjadi
yˆ = a + bx

Dalam kasus ini berat jantung tikus merupakan variabel bebas (prediktor, x)
dan berat badan tikus sebagai variabel tak bebas (respon, y)
Mencari koefisien regresi
Berat Badan Berat Jantung
No. xi2 xiyi
(y) (gram) (x) (gram)
1 4050 11.2 125.44 45360
2 2465 12.4 153.76 30566
3 3120 10.5 110.25 32760
4 5700 13.2 174.24 75240
5 2595 9.8 96.04 25431
6 3640 11 121 40040
7 2050 10.8 116.64 22140
8 4235 10.4 108.16 44044
9 2935 12.2 148.84 35807
10 4975 11.2 125.44 55720
11 3690 10.8 116.64 39852
12 2800 14.2 201.64 39760
13 2775 12.2 148.84 33855
14 2170 10 100 21700
15 2370 12.3 151.29 29151
16 2055 12.5 156.25 25687.5
17 2025 11.8 139.24 23895
18 2645 16 256 42320
19 2675 13.8 190.44 36915
Σ: 58970 226.3 2740.15 700243.5
rata2: 3103.684211 11.91052632
n = 19
n
 n  n 
n xi y i -   xi   y i 
b = i=1  i=1  i=1  = 19 ( 700243.5) - ( 226.3)( 58970 )
19( 2740.15) - ( 226.3)
2 2
n
 n 
n  xi -   xi 
2

i=1  i=1 
= -47.3289
 1 n 1 n
a= 
n i=1
y i - b  xi
n i=1

Atau

a = y - bx = 3103.684211 - (-47.3289)(11.91052632)
= 3667.396788
Jadi persamaan regresinya,
yˆ = 3667.396788 - 47.3289 x
Bab IV Soal Latihan
1. Uji t dapat dipakai untuk menguji hipotesa nol ………………, sedangkan uji khi
kuadrat untuk hipotesa nol………………………………………………(gunakan
kalimat, bukan symbol)
2. Dalam penaksiran ada 2 jenis penaksiran yaitu taksiran ............ dan
taksiran ........................................................................................................................
.................
3. Dalam uji hipotesa dikenal istilah daerah kritis,
yaitu ................................................................................................................................
.........
4. Metode Analisis regresi biasanya diterapkan, jika kita ingin mempelajari:
a. ...................................................................................................................... ………
b. ...................................................................................................................................
5. Dalam statistik inferensi uji hipotesa, kita mengenal 2 jenis uji hipotesa, masing-
masing
yaitu:.........................................dan..................................................................................
6. Dalam uji hipotesa dikenal istilah taraf signifikansi,
artinya .............................................................................................................................
............
7. Dalam uji hipotesa juga yang disebut nilai-p
artinya .............................................................................................................................
............
8. Jika anda diminta oleh salah satu dosen untuk melihat pengaruh MgNH 4PO4
(diukur dalam gram/bushel, ditulis g/bu), masing-masing 50 g/bu, 100 g/bu, 200g/bu,
dan 400g/bu, pada respon pertumbuhan chrysanthemums selama 4 minggu, anda
dapat memakai metode
statistik ................................................................................................
9. Pada populasi multivariat, dikenal koefisien korelasi , yang didefinisikan
sebagai: ...........................................................................................................................
..............
Selanjutnya dalam sampel, dikenal juga korelasi r2, yang dihitung melalui definisi:
.........................................................................................................................................
10. Pada regresi linier, yang dimaksud dengan istilah linier
adalah ................................ linier
terhadap .................................................................................................................
 Selain untuk menguji rasio variansi, uji chi square dapat digunakan juga
untuk ...............................................................................................................................
..........

1. Batang dan daun dari ketebalan interorbital burung merpati dari suatu lokasi
adalah sbb (dalam mm)

13 3
12 9
12 0 0 1 2 2 3 4
11 5 6 6 6 6 8 8 8 9 9 9 9 9
11 0 1 1 1 2 2 3 3
10 5 7 7 8 9 8 7
10 2 4 4
Batang satuan, Daun sepersepuluhan

a. Tentukan ukuran pemusatan data (median dan rata-rata)

b. Tentukan ukuran penyebaran data (variansi )
c. Selidiki adakah pencilan pada data diatas dan berikan penjelasan.
d. Buat diagram kotak dan titik

2. Dalam mengukur suhu suatu reaksi, kita tentu melalukan suatu error
(galat). Misalkan galat tersebut, dalam 0C, dinyatakan sebagai T, mempunyai
fungsi distribusi peluang sebagai berikut
 t2
 -1 < t < 2
f (t ) =  3 ,
 0, untuk t lainnya
a. Hitunglah P(0<T ≤1)
b. Tentukan F(t) dan gambarkan
c. Rataan dan simpangan baku galat ini.
3. Dalam suatu penelitian rasio seseorang sembuh dari leukemia dan tidak
adalah 4:6. Hitunglah peluang :
a. Kurang dari 4 dari 10 orang yang terserang leukemia
b. Yang tidak sembuh antara 6 sampai 8 dari 10 orang yang terserang
leukemia
c. Dari 100 orang yang terserang leukemia, yang sembuh antara 20 sampai
dengan 75 orang.

4. Salah satu sifat manusia yang bisa dikukur secara kontinyu dianggap
berdistribusi hampir normal dengan rataan 28,6 dan simpangan baku 16,2.
Cari peluang seseorang mempunyai sifat :
a. Lebih dari 40,0
b. paling panjang 3,7
c. dari 100 orang, berapa orang yang akan mempunyai sifat antara, dan
termasuk 28,2 dan 40,6

5. Jurusan biologi membeli beberapa alat untuk percobaan botani pada akhir
tahun, banyaknya tergantung pada seringnya perbaikan pada tahun
sebelumnya. Misalkan Y menyatakan banyaknya alat, yang dibeli tiapa tahun
dengan distribusi peluang sbb:
Y 0 1 2 3
P(Y=y) 0,1 0,6 0,4 0,2

a.Hitunglah rataan dan simpangan baku dari distribusi banyakanya alat yang
dibeli.
b.Hitung F(y) dan gambarkan
c.Bila harga alat dalam ribuan rupiah, tetap 1.200 sepanjang tahun ini dan
potongan 50Y2 ribu rupiah diberikan terhadap pembelian. Berapa besar
yang aharus dibayar Jurusan untuk memebeli alat baru pada akhir tahun
ini

1. Dalam suatu penelitian rasio buah jeruk yang terserang virus dan tidak
adalah 1:2. Hitunglah peluang :
 a.Kurang dari 4 dari 10 buah jeruk terserang virus tersebut.
b.Buah jeruk yang baik tidak lebih dari 8 dari 10 buah jeruk
c.Dari 100 buah jeruk, yang terserang antara 20 sampai dengan 75 buah.

2. Panjang petal suatu spesies tumbuhan, sebut X dianggap berdistribusi

hampir normal dengan rataan 3,2 cm dan simpangan baku 1,8 cm. Bila
pengukuran dilakukan sampai dengan perseratuasan cm terdekat, cari peluang
panjang petal :
a. Lebih dari 4,5 cm
b. paling panjang 3,78 cm
c. antara, dan termasuk 2,9 dan 3,6 cm

3. Dalam mengukur suhu suatu reaksi, kita tentu melalukan suatu error
(galat). Misalkan galat tersebut, dalam 0C, dinyatakan sebagai T, mempunyai
fungsi distribusi peluang sebagai berikut
 t2
 -1 < t < 2
f (t ) =  3 ,
 0, untuk t lainnya
a. Hitunglah P(0<T ≤1)
b. Tentukan F(t) dan gambarkan
c. Rataan dan simpangan baku galat ini.

4. Sekumpulan tim peneliti ingin membandingkan hasil panen dari 3 jenis varitas
pohon jeruk berusia 4 tahun (misalkan A, b, dan C) pada suatu kebun buah.
Mereka mengambil sampel acak ukuran 7 untuk masing-masing varitas. Panen
dari 3 jenis pohon tersebut adalah sebagai berikut (dalam ons):
A 13 19 22 25 10 38
B 27 31 36 29 45 32 44
C 40 44 41 37 36 38 35

Masalah utama yang ingin dipelajari oleh tim peneliti di atas adalah apakah
ada perbedaan panen pada 3 varitas di atas. Jika diambil  = 0,05 apakah 3
 varitas di atas menghasilkan rata-rata berat panen buah yang sama.

5. Seorang pegawai Perhutani ingin menaksir volume (dalam feet 3) pohon-

pohon pada suatu penjualan kayu. Dalam penelitiannya ia mengambil seorang
asisten dan diminta untuk menaksir (estimasi) volume kayu. Ia memilih
secara acak 9 kayu dan mengukut volume sebenarnya (aktual), sedangkan
asistennya diminta untuk menaksir. Hasilnya sebagai berikut:

Taksiran 12 14 8 12 17 16 14 14 15
Aktual 13 14 9 15 19 20 16 15 17
Jika diambil taksiran sebagai peubah bebas model regresi linier sederhana, dan
juga korelasinya.

6. 13 merk rokok yang dipilih secara acak dan kadar nikotinnya diukur dalam
mg adalah sebagai berikut:
7,3 8,6 10,4 9,5 16,5 12,2 11,5
8,1 11,5 9,3 9,2 8,5 10,5
a. Tentukanlah selang kepercayaan 95% untuk rataan nikotin dalam rokok.
b. Dengan taraf signifikan 5%, ujilah hipotesis bahwa rataan kadar nikotin
dalam rokok adalah 9, jika kadar nikotin rokok berdistribusi normal.

7. Kuat rentangan suatu logam dianggap berdistribusi normal dengan rataan

10.000 kg/cm2 dan simpangan baku (deviasi standar) 100 kg/cm2. Tentukanlah:
a. Bagian dari komponen yang mempunyai kekuatan rentangan lebih
dari 10.150 kg/cm2
b. Bagian dari komponen yang mempunyai kekuatan rentangan antara
9.250 dan 10.750 kg/cm2.
c. Bila ketentuan mengharuskan bahwa kuat rentangan komponen
antara dan termasuk 9.800 dan 10.200 kg/cm2, berapa bagian dari
komponen dapat diharapkan akan terbuang
8. Suatu riset dilakukan untuk membuktikan bhw: suhu pisau mempengaruhi
kekuatan luka pada pemotongan dlm pembedahan. 8 anjing dipilih dan
pembedahan dilakukan dgn pisau panas dan dingin pada setiap anjing dan
kekuatannya diukur, hasilnya sbb
 Anjing 1 2 3 4 5 6 7 8
Panas 5.120 10.000 10.000 10.000 10.000 7.900 510 1.020
Dingin 8.200 8.600 9.200 6.200 10.000 5.200 885 460
Uji apakah rata-rata perbedaan antara kekuatan pemotongan panas dan dingin
lebih dari 700, gunakan taraf keberartian 5%

9. Dalam suatu uji bahan, tekanan normal atas bahan dianggap berkaitan
secara fungsional dgn tahanan. Hasil percobaan sebagai berikut

Tek. normal 26,8 25,4 28,9 23,6 27,7 23,9 24,7 28,1 26,9
Tahanan 26,5 27,3 24,2 27,1 23,6 25,9 26,3 22,5 21,7
Taksir model regresi linier

10. Waktu reaksi dari sampel acak sebanyak 9 subjek terhadap suatu obat
perangsang tercatat sebagai berikut (dalam detik):
2,5 3,6 3,1 4,3 2,9 2,3 2,6 4,1 3,4
a. Tentukan selang kepercayaan 90% untruk rataan waktu reaksi obat
perangsang di atas
b. Peneliti sebelumnya menyatakan bahwa rataan waktu reaksi tidak
sama dengan 3 detik. Apakah data tersebut mendukung pendapat tersebut,
gunakan  = 1%

11. Data berikut, dalam hari, menyatakan waktu yang diperlukan penderita
sampai sembuh, penderita dipilih secara acak untuk mendapat salah satu dari
dua obat yang dapat menyembuhkan infeksi berat pada saluran kencing:
Obat 1 Obat 2
n = 14 n = 16

x = 17
1 x = 19
2
2 2
s = 1,5
1 s = 1,8
2

Apakah obat 2 memberikan waktu yang lebih lama dari obat 1.

12. Seorang ahli biologi ingin melihat pengaruh vaksin dengan dosis berbeda
pada seekor tikus sebut dosis A, dosis B, dan dosis C
Data di bawah ini adalah nilai akhir yang didapat
A 93 97 91 94
B 80 75 79
C 68 65 72 75 70
Gunakan taraf keberartian 0,05 untuk menguji pendapat peneliti lain bahwa dosis
vaksin tidak mempunyai pengaruh yang berbeda
Lampiran
 Uji Kebaikan Suai, Uji Kebebasan dan Uji Kehomogenan
Data observasi seringkali dinyatakan dalam frekuensi dan disajikan dalam tabel:
Kategori Frek. X
Y Total
(kelas) 1 2  c
1 O1 1 O11 O12  O1c 
2 O2 atau 2 O21 O22  O2c 
     
k Ok r Or1 Or2  Orc 
Total … Total     
Tabel frekuensi Tabel Kontingensi r x c

Bagaimana Bagaimana
menguji bahwa menguji bahwa Bagaimana
distribusi frekuensi X dan Y menguji bahwa
sesuai saling bebas? Y1, Y2, ..., Yr, diambil dari
dengan distribusi yang populasi yang homogen
diharapkan? terhadap kriteria/klasifikasi X ?

Uji Kebebasan
Uji Kehomogenan
Uji Kebaikan Suai Eij : frek. harapan pada baris
ke-i dan kolom ke-j. Jika
Ei : frek. Harapan ke-i. Jika >
> tolak Ho bahwa
Jika > ,
tolak Ho bahwa ” Y1, Y2, ..., Yr, diambil dari
tolak Ho bahwa
”X dan Y saling bebas” populasi yang homogen
”dist. frek = dist. yang
diharapkan ” terhadap kriteria X ”
 Diperlukan asumsi
Bagaimana menguji
Pada Penaksiran dan kenormalan
nya ????
Uji hipotesis

Uji kebaikan
suai

Contoh 1:
Misalkan distribusi frekuensi daya tahan baterai (bulan) dapat dinyatakan dalam tabel berikut:
Batas kelas Frekuensi Untuk tingkat signifikansi 5%, apakah daya tahan
1,45 - 1,95 2 baterai tersebut dapat dianggap berdistribusi N
1,95 - 2,45 1 (3,5; 0,7)?
2,45 - 2,95 4
2,95 - 3,45 15
3,45 - 3,95 10
3,95 - 4,45 5
4,45 - 4,95 3

Penyelesaian:
a. Hipotesis
H0 : Daya tahan baterai ~ N (3,5; 0,7)
H1 : Daya tahan baterai tidak berdistribusi N (3,5; 0,7)
b. Menghitung 2 :
Menghitung frekuensi harapan kesatu (E1)
X -
Nilai Z = yang berpadanan dengan 1,45 dan 1,95
2
1,45 - 3,5 P(-2,93 < Z < -2,21)
Z1 = = -2,93
0,7 = P(Z < -2,21) - P(Z < -2,93)
1,95 - 3,5 = 0,0136 – 0,0017
Z2 = = -2,21
0,7 = 0,0119
 Jadi E1 = (0,0019)(40) = 0,476  0,5
Latihan: E2 = .......; E3 = .......; .... ; E7 = .......
Tabel frekuensi amatan dan harapan: Nilainya disatukan karena
Batas kelas Oi Ei nilai E1 dan E2 kurang
1,45 - 1,95 2 0,5 dari 5
1.95 - 2,45 1 7 2,1 8,5
2,45 - 2,95 4 5,9
2,95 - 3,45 15 10,3 Nilainya disatukan karena
3,45 - 3,95 10 10,7 nilai E7 < 5
3,95 - 4,45 5 8 7,0 10,57
4,45 - 4,95 3 3,5
40

Setelah disatukan
Batas kelas Oi Ei (Oi - Ei ) 2/ Ei
1,45 - 2,95 7 8,5 0,26
2,95 - 3,45 15 10,3 2,14
3,45 - 3,95 10 10,7 0,05
3,95 – 4,95 8 10,5 0,60
40  = 3,05
2

c. Keputusan:
Titik kritis untuk  = 0,05 dan  = 4-1 = 3 adalah 2 , = 7,815
Karena 2 <  2 , maka H0 tidak ditolak
d. Kesimpulan: Daya tahan baterai dapat dianggap berdistribusi N (3,5; 0,7)

Contoh 2:
Menurut hukum Mendel rasio antara pewarisan sifat dominan, campuran dan resesif adalah 1:2:1. Pemeriksaan
terhadap 200 individu yang diambil secara acak menghasilkan 43 individu bersifat dominan, 125 campuran dan 32
resesif. Untuk tingkat signifikansi 5%, apakah hasil tersebut sesuai dengan hukum mendel?
Penyelesaian:
a. Hipotesis
H0 : Hasil pemeriksaan sesuai hukum Mendel
(Rasio sifat dominan, campuran dan resesif adalah 1:2:1)
H1 : Hasil pemeriksaan tidak sesuai hukum Mendel
b. Menghitung 2:
Sifat Oi Ei (Oi - Ei ) 2/ Ei
Dominan 43 1/4 x 200 = 50 0,98
Campuran 125 1/2 x 200 = 100 6,25
Resesif 32 1/4 x 200 = 50 6,48
Jumlah 200  = 13,71
2

c. Keputusan
Titik kritis untuk  = 0,05 dan  = 3-1 = 2 adalah 2 , = 5,991
Karena 2 >  2 , maka H0 ditolak
d. Kesimpulan:
Hasil pemeriksaan tidak sesuai hukum Mendel
Contoh Uji Kebebasan
Seorang peneliti ingin mengetahui apakah golongan darah mempengaruhi daya tahan seseorang terhadap penyakit
flu atau tidak (dengan tingkat signifikansi 5%). Untuk itu, ia melakukan survey terhadap 1500 orang yang dipilih
secara acak dan hasilnya adalah sebagai berikut:
Tingkat ketahanan tubuh Golongan darah
A B AB O Total
Lemah 543 211 90 476 1320
Sedang 44 22 8 31 105
Kuat 28 9 7 31 75
Total 615 242 105 538 1500
Penyelesaian:
a. Hipotesis
H0 : Golongan darah dan daya tahan terhadap flu, saling bebas
H1 : Golongan darah dan daya tahan terhadap flu, tidak saling bebas
b. Menghitung 2:
Menghitung E11 (frekuensi harapan dari (Lemah  A))
1320 615
Jika H0 benar, P (Lemah  A) = P (Lemah) P (A) =
1500 1500
Sehingga
E11 = P (Lemah  A) x # responden
1320 615
= x 1500 = 541,20
1500 1500
Latihan :
E12 = ..... E13 = .....
E21 = ..... E22 = ..... E23 = .....
E31 = ..... E32 = ..... E33 = .....

Tabel frekuensi amatan dan harapan:

Tingkat ketahanan tubuh Golongan darah
A B AB O Total
Lemah 543 211 90 476 1320
(541,20) (212,96) (92,40) (473,44)
Sedang 44 22 8 31 105
(43,05) (16,94) (7,35) (37,66)
Kuat 28 9 7 31 75
(30,75) (12,10) (5,25) (26,90)
Total 615 242 105 538 1500
Dari tabel tersebut dapat dihitung
(543 - 541,20) 2 (211 - 212,96) 2 (31 - 26,90) 2
2 = + ++ = 5,12
541,20 212,96 26,90
c. Keputusan:
Titik kritis untuk  = 0,05 dan  = (r -1)(c-1) = (3-1)(4-1) = 6 adalah 2 , = 10,645

Karena 2 <  2 , maka H0 tidak ditolak

d. Kesimpulan
Golongan darah tidak mempengaruhi daya tahan tubuh terhadap penyakit flu.

Perbedaan tabel kontingensi pada uji kebebasan dan uji kehomogenan

 Tabel Uji Menyangkut Rataan danVariansi
H0 H1 Uji statistik Daerah kritis

μ < μ0 Z < - z
Xμ- 0
μ = μ0 μ > μ0 Z= ; Z > z
σ/ n
μ �μ0  diketahui Z < - z dan Z > z
2 2

μ < μ0 T < -t

Xμ- 0
μ = μ0 μ > μ0 T= ; v = n -1 T > t
S/ n
μ �μ0  tidak diketahui T < -t dan T > t 
2 2

Z=
(X 1 - Xμ2 ) - 0
Z < - z
μ1 - μ2 < μ0 σ 2
σ 2 ;
μ1 - μ2 = μ0 μ1 - μ2 > μ0 + 1 2
Z > z
n1 n2
μ1 - μ2 �μ0 Z < - z dan Z > z
 1 dan  2 diketahui
2 2

T=
(X 1 - Xμ2 ) - 0

1 1 ;
Sp + T < -t
μ1 - μ2 < μ0 n1 n2
μ1 - μ2 > μ0 v = n1 + n2 - 2 , T > t
μ1 - μ2 = μ0
μ1 - μ2 �μ0  1 =  2 tapi tidak diketahui , T < -t dan T > t 
2 2
2 (n - 1 )S12 + (n2 - 1 )S 22
S = 1
p
n1 + n2 - 2

T=
(X 1 - Xμ2 ) - 0
2 2 ;
S S
1
+ 2
n1 n2
μ1 - μ2 < μ0 2
T < -t
�S12 S22 �
μ1 - μ2 = μ0 μ1 - μ2 > μ0 � + � T > t
�n1 n2 �
μ1 - μ2 �μ0
v= 2 2 ; T < -t dan T > t 
1 �S12 � 1 �S 22 �
� � + � � 2 2
(n1 - 1 ) �n1 � (n2 - 1 ) �n2 �
 1 � 2 dan tidak diketahui

 D < 0 Dμ- 0 T < -t

 D = 0 T= ; v = n -1
 D > 0 Sd / n T > t
 D �0 pengamatan yang dipasangkan T < -t dan T > t 
2 2

 2 <  02 X < 2 2
1-
 =
2 2
(n - 1) S 2
X 2 > 2
0
 2 >  02 X2 = ; v = n -1
 02 X 2 <  2  dan X 2 >  2
 2 � 02 1-
2 2

 =
2 2
 <
2 2
S 2
F < f1- (v1 , v2 )
1 2 1 2
F= 1
;
 >
2
1
2
2
S 2
2
F > f (v1 , v2 )
 12 � 22 v1 = n1 - 1 dan v2 = n2 - 1
F< f  (v1 , v2 ) dan F > f  (v1 , v2 )
1-
2 2
Sampling Design

Tiga komponen penting dalam pengambilan sampel (sampling) :

1. Waktu (Time)
2. Biaya (Cost)
3. Visibilitas (Visibility)

Kaidah sampling :
- Ekspektasinya sama dengan yang ditaksir (unbiased)
- Variansinya kecil
- Keakuratan yang tinggi

Sampel yang baik adalah :

1. Sampel yang menghasilkan karakteristik yang tidak jauh berbeda dengan
karakteristik populasinya. Hal ini dapat diperoleh dengan pengambilan
sampel secara acak.

Karakteristik :

- bentuk distribusi

- parameter distribusi (mean, variansi)

2. Sampel yang bebas dari pemilihan yang bias (selection bias)

3. Sampel yang bebas dari pengukuran yang bias (measurement bias), sehingga
dapat memberikan jawaban yang akurat

Sampling :
- Semakin homogen populasi, semakin kecil ukuran sampel. Artinya, semakin
kecil variansi populasi, ukuran sampelnya semakin kecil

- Makin besar ukuran sampel, maka hasilnya makin bagus

Tiga jenis sampling :
1. Simple Random Sampling (SRS)
2. Sratified Random Sampling (StRS)
3. Cluster Sampling (CS)
Ilustrasi :

* ** * * *
** ** *
* *
*
*
** * *
* * * **
* * * * * * * * * * * * * * ** ** *
* * * *
* * * * * * * * * ** * * * * ***
* * * * * * * ** * *
* * * *
* * * * **
* ** ** * *

SRS StRS CS

1. Simple Random Sampling (SRS)

SRS : Simple Random Sampling without Replacement
- Langsung mengambil sampel random dari seluruh populasi
- Biayanya mahal dan pengerjaannya lama
- Dengan cara ini bisa dipastikan sampel tidak terambil lebih dari 1 kali

Menentukan ukuran sampel n

Kaidah dalam menentukan n adalah sebagai berikut :
n harus ditentukan sedemikian rupa sehingga perbedaan informasi yang diberikan
sampel (Is) dengan informasi yang sebenarnya dalam populasi (Ip) tidak melebihi
suatu batas toleransi (E) dengan resiko maksimum  . Dengan kata lain, n harus
memenuhi,
(
P Is - I p < E = 1-)

n
1
Misalkan y i menyatakan sampel ke-i dan y =
n
y
i =1
i .

E disebut juga Margin of Error dimana E = Z / 2 var( y ) .

 Khusus untuk  = 5% , diperoleh Z  / 2 = 1,96  2 . Sehingga,
N
(1) n 
NE 2 + 1
(2) Bila N cukup besar, sehingga NE 2 + 1  NE 2 , maka
N 1
n 2
= 2
NE E
Dalam prakteknya E harus ditetapkan (dalam %)

2. Stratified Random Sampling (StRS)

 Dalam hal ini, populasi dibagi dulu menjadi beberapa strata, kemudian
pada setiap strata dilakukan SRS
 Digunakan jika variansi antar stratum besar, sedangkan variansi dalam
stratum kecil dan jika perbedaan mean antar stratum mencolok
 Strata terdiri atas beberapa stratum, di mana di setiap stratum semua
unit populasi dianggap homogen

Langkah :
 Lakukan stratifikasi
 Lakukan SRS pada setiap stratum
Menentukan ukuran sampel n

N i ( Si )
L 2

� N
n= i =1
2
� � 2 L
� �N + �N i ( Si )
2

�Z / 2 � i =1

N : ukuran polulasi
N i : ukuran populasi strata ke-i

( Si )
2
: variansi sampel strata ke-i

Untuk masing-masing strata, besarnya sampel dapat dihitung melalui :

1. Alokasi proporsional
 Ni
ni = �n
N
2. Alokasi Neyman
N i Si
ni = L
�n
�N S
i =1
i i

3. Alokasi Optimum
N i Si ci
ni = L
�n
�N S
i =1
i i ci

Contoh:
Dari seluruh pejabat legislatif yang ada di Indonesia akan diambil 100 sampel
yang akan digunakan untuk meneliti tingkat kesehatan para pejabat tersebut secara
umum. Misal teknik pengambilan sampel yang digunakan StRS.

Langkah 1: Stratifikasi
Populasi = seluruh pejabat legislatif di Indonesia
Stratifikasi dapat dilakukan berdasarkan unit kerjanya yaitu, strata DPR pusat,
DPRD tk I, dan DPRD tk II.

Langkah 2:
Untuk masing-masing strata, ambil sampel dengan menggunakan alokasi yang
diinginkan. Adapun alokasi proporsional merupakan cara yang paling sederhana.

Keuntungan melakukan stratifikasi

- Terhindar dari kemungkinan mendapatkan sampel yang jelek, terutama jika
populasinya heterogen

- Variansi dalam sampel kecil sehingga didapatkan data dengan presisi tinggi
pada tiap stratum

- Biayanya jauh lebih rendah dibandingkan SRS

 - Taksiran parameter populasi lebih precise (variansinya kecil)

- Manajemen data jauh lebih ringan dari pada SRS

3. Cluster Sampling (CS)

 Dari setiap strata, dipilih beberapa strata yang akan diambil
sampel randomnya, kemudian pada strata yang terpilih, dilakukan SRS
 Penentuan strata didasarkan pada kemiripan sifat atau
karakteristik
 Pengambilan sampel untuk tiap strata harus sama banyaknya.