-Part 11-

One- and Two-Sample Tests of Hypotheses

(Uji Hipotesis Parameter Populasi berdasarkan Satu dan Dua Sampel)

1. Statistical Hypotheses: General 7. Graphical Methods for Comparing

Concepts Means
o The Role of Probability in Hypothesis 8. One Sample: Test on a Single
Testing Proportion
o The Null and Alternative Hypotheses
9. Two Samples: Tests on Two
2. Testing a Statistical Hypothesis Proportions
3. The Use of P-Values for Decision 10.One- and Two-Sample Tests
Making in Testing Hypotheses Concerning Variances
4. Single Sample: Tests Concerning 11.Goodness-of-Fit Test
a Single Mean 12.Test for Independence
5. Two Samples: Tests on Two (Categorical Data)
Means 13.Test for Homogeneity
6. Choice of Sample Size for Testing 14.Two-Sample Case Study
Means
Inferential statistics berhubungan dengan cara membuat
kesimpulan mengenai parameter populasi dari data
(sampel) yang telah dikumpulkan untuk suatu maksud tertentu.
 Pada umumnya parameter dari sebuah populasi, tidak
diketahui nilainya atau nilai yang sudah ada, tetapi diduga
sudah tidak berlaku lagi. Sehingga, apabila diinginkan untuk
mengetahui nilai parameter tersebut, atau ingin membuktikan
apakah nilai yang sudah ada masih berlaku atau tidak,
dibutuhkan metode tertentu.
 Dalam statistika, metode untuk mencapai tujuan tersebut,
secara garis besarnya dapat dilakukan melalui penaksiran atau
melalui pengujian (uji) hipotesis.

 One- and Two-Sample Estimation Problems

 One- and Two-Sample Tests of Hypotheses
(1) Statistical Hypotheses: General Concepts
(Konsep Umum Hipotesis Statistik)

Definisi
Hipotesis statistik adalah sebuah klaim/pernyataan atau
conjecture tentang populasi.
Atau suatu anggapan/pernyataan, yang mungkin benar atau
tidak, mengenai satu populasi atau lebih.

Sering permasalahan yang dihadapi oleh peneliti adalah menyangkut cara

pengambilan keputusan berdasarkan data mengenai suatu sistem.

Contoh masalah yang akan dijawab dengan hipotesis statistik:

o Apakah merokok menaikkan resiko kanker?
o Apakah tipe darah ada hubungannya dengan berat badan?

Benar atau tidaknya sebuah hipotesis statistik secara mutlak hanya akan diperoleh
bilamana seluruh populasi dipelajari. Hal ini sulit atau tidak mungkin pada banyak kasus.
Sehingga diambil sampel saja, berdasarkan data dari sampel kemudian diambil keputusan
untuk menerima atau menolak hipotesis tentang populasi.
 Keterangan dari sampel yang tidak selaras dengan hipotesis
yang telah dirumuskan akan mengakibatkan penolakan
hipotesis,

 sedangkan informasi dari sampel yang mendukung

hipotesis akan mengakibatkan penerimaan hipotesis.

Perancangan prosedur pengambilan keputusan harus

dikerjakan dengan pengertian adanya Peluang Keputusan
yang Salah.

Contoh:
Hipotesis yang diramalkan oleh insinyur ialah bahwa proporsi
yang cacat p dalam suatu proses ialah 0.10. Percobaan bertujuan
mengamati suatu sampel acak dari hasil yang ingin diselidiki.
Andaikan bahwa 100 barang diuji dan ternyata ditemukan 12 yang
cacat, maka dari sini cukup wajar bila disimpulkan bahwa
kenyataan ini tidak menolak bahwa p=0.10, jadi mengarahkan kita
pada penerimaan hipotesis. Akan tetapi, inipun tidak menolak
bahwa p=0.12 atau malahan p=0.15.
Akibatnya, pembaca haruslah membiasakan diri dengan pengertian bahwa

Penerimaan suatu hipotesis hanyalah menegaskan

bahwa datanya tidak cukup memberi kenyataan untuk menolaknya.

Di pihak lain,

Penolakan suatu hipotesis hanya menunjukkan

bahwa kenyataan dari sampel membantah kebenarannya.

Dengan perkataan lain,

Sesungguhnya hipotesis benar, tapi ada kemungkinan, dan

peluangnya kecil, bahwa informasi dari sampel yang kita peroleh
bertentangan dengan hipotesis.
(2) Testing a Statistical Hypothesis
(Uji Hipotesis Statistik)

 Dugaan sementara mengenai distribusi (parameter) dari sebuah

populasi tertentu disebut hipotesis statistik.

 Misalkan di majalah, televisi, radio, koran, atau media komunikasi

lainnya ada pernyataan : “Rata-rata pendapatan penduduk
Indonesia Rp. 750.000 per bulan”.

 Para pembaca, penonton, atau pendengar pernyataan ini secara

umum akan terbagi menjadi dua kelompok, yaitu:
1. Kelompok yang percaya dan
2. Kelompok yang meragukan atau tidak percaya.
Selanjutnya, kelompok yang tidak percaya ini dapat terbagi lagi
menjadi tiga kelompok.
a) Pertama, tidak menerima pernyataan tersebut tetapi tidak
mempunyai keyakinan atau dugaan apakah angka tersebut terlalu
rendah atau terlalu tinggi.
b) Kedua, tidak menerima pernyataan tersebut karena mempunyai
keyakinan atau dugaan bahwa angka tersebut terlalu rendah.
c) Ketiga, tidak menerima pernyataan tersebut karena mempunyai
keyakinan atau dugaan bahwa angka tersebut terlalu tinggi.
 Dalam uraian di atas, rata-rata
pendapatan dinyatakan dalam pengertian
sebesar atau sama dengan.

o Pada kesempatan lain, mungkin saja

pernyataan dilontarkan dalam
pengertian maksimal, sehingga “Rata-rata pendapatan
penduduk Indonesia maksimal
kelompok yang tidak menerima Rp. 750.000 per bulan”.
pernyataan tersebut pasti mempunyai
keyakinan bahwa angka tersebut
terlalu rendah.

o Atau dinyatakan dalam pengertian “Rata-rata pendapatan

penduduk Indonesia minimal Rp.
minimal, sehingga kelompok yang 750.000 per bulan”.
tidak menerima pernyataan tersebut
pasti mempunyai keyakinan bahwa
angka tersebut terlalu tinggi.
 Berdasarkan gambaran di atas, dapat diambil kesimpulan
bahwa:
sebuah pernyataan dapat :
 diterima, atau
 diragukan

Ketika sebuah pernyataan diragukan, maka salah satu dari

pasangan pernyataan yang saling bertentangan akan
terjadi.
 Dari pasangan yang terjadi, salah satu pernyataan pasti
salah (harus ditolak). Karena jika ada dua pernyataan yang
bertentangan, adalah mustahil jika kedua-duanya benar
(harus diterima). Untuk menentukan pernyataan mana yang
salah, metode statistika dapat digunakan, yaitu uji
(pengujian) hipotesis.
 Di dalam uji hipotesis:

o Pernyataan mengenai rata-rata pendapatan

yang dilontarkan disebut hipotesis nol (null
hypothesis), H0;

o sedangkan lawannya atau sanggahannya

disebut hipotesis tandingan/alternatif
(alternative hypothesis), H1.

o Kesimpulan dari uji hipotesis adalah

menerima atau menolak H0.
  Pernyataan yang dilontarkan tersebut, di dalam
kenyataannya bisa benar, bisa salah.

 Dan, pernyataan tersebut mungkin diterima,

mungkin ditolak.

Dengan demikian,
kelompok yang menerima dan kelompok yang menolak,
keduanya bisa keliru

 Kelompok yang menerima adalah keliru jika ternyata pernyataan

tersebut adalah salah, sedangkan
 kelompok yang menolak adalah keliru jika ternyata pernyataan
tersebut adalah benar.

Dengan kata lain, dalam uji hipotesis ada dua kekeliruan yang akan terjadi, yaitu:
 menolak H0 yang benar dan
 menerima H0 yang salah.
Hipotesis Nol dan Tandingan

 Struktur pengujian hipotesis akan dirumuskan dengan

menggunakan istilah: Hipotesis nol (H0)
 Ini menyatakan bahwa setiap hipotesis yang ingin
diuji dinyatakan dengan H0.

 Penolakan H0 menjurus pada penerimaan suatu

hipotesis tandingan, yang dinyatakan dengan H1.

Suatu H0 mengenai suatu parameter populasi akan selalu

dinyatakan sedemikian rupa sehingga parameter tersebut
tertentu nilainya secara tepat, sedangkan H1 memungkinkan
beberapa nilai.

Jadi, bila H0 menyatakan hipotesis nol p=0.5 untuk populasi

binomial, maka H1 mungkin salah satu dari p>0.5, p<0.5 atau
p0.5.
Pengujian Hipotesis Statistik

Situasi Yang Mungkin dalam

Pengujian Hipotesis Statistik

H0 benar H0 salah

H0 Tidak ditolak Keputusan Benar Error Tipe II (β)

H0 Ditolak Error Tipe I (α) Keputusan Benar

o Error tipe I adalah situasi dimana H0 benar tetapi ditolak

(berarti H1 diterima)
o Besarnya probabilitas (α) untuk melakukan error tipe I disebut
juga tingkat signifikan (level of significance) atau taraf
keberartian dari test statistik.
o Error tipe II adalah situasi dimana H0 salah tetapi tidak ditolak,
sehingga H1 tidak diterima.
 Daerah penerimaan ??
Semua nilai yang memungkinkan H0 diterima ??

 Daerah kritis ??
Semua nilai yang memungkinkan H0 tidak diterima ??

 Nilai kritis ??
Nilai yang memisahkan antara batas daerah
penerimaan dan daerah kritis ??
Daerah Kritis dan Nilai Kritis

Daerah kritis adalah luas sisi/ekor pada kurva distribusi normal, yang
menyatakan probabilitas untuk mendapatkan nilai rata-rata sampel lebih
besar atau lebih kecil dari nilai kritis tertentu, walaupun nilai rata-rata
populasinya sebesar X=X0.

Luas daerah kritis ini mencerminkan probabilitas untuk menolak H0

walaupun sebenarnya H0 benar.

Nilai kritis
Daerah kritis
Uji Ekasisi dan Dwisisi

 Uji Ekasisi (satu ekor):

setiap uji hipotesis statistik dengan hipotesis tandingan
yang berpihak satu.

H0 : X = X0
H1 : X > X0

Atau

H0 : X = X0
H1 : X < X0

 Uji Dwisisi (dua ekor):

setiap uji hipotesis statistik dengan hipotesis tandingan
yang berpihak dua.

H0 : X = X0
H1 : X ≠ X0
Beberapa pegangan diperlukan dalam menentukan hipotesis yang mana
seharusnya yang menjadi H0 dan yang mana yang menjadi H1.

 Pertama-tama, baca permasalahannya baik-baik dan tentukan pernyataan

yang mana yang ingin diuji.

 Bila pernyataan itu menyarankan arah yang sederhana seperti lebih besar
daripada, kurang daripada, lebih unggul daripada, lebih jelek daripada,
dst., maka nyatakanlah H1 menggunakan lambang ketidaksamaan (< atau >)
sesuai arah dari pernyataan.

Bila misalnya, dalam menguji suatu obat baru kita ingin menunjukkan
kenyataan yang kuat bahwa lebih dari 30% orang akan diobati, maka
tulislah:
H1 : p>0.3  H0 : p=0.3

 Bila pernyataannya menunjukkan arah ganda (kesamaan maupun arah)

seperti paling sedikit, sama atau lebih besar, paling besar, tidak lebih
daripada, dst., maka seluruh arah ganda ini ( atau ) dinyatakan sebagai
H0, tapi hanya menggunakan tanda sama, dan H1 sebagai arah sebaliknya.
Akhirnya, bila sama sekali tidak ada arah yang ditunjukkan oleh pernyataan
tersebut maka H1 dinyatakan sebagai lambang tidak sama (≠).
Contoh (a) :

Suatu pabrik rokok tertentu menyatakan bahwa:

“rata-rata kadar nikotin rokoknya tidak melebihi 2.5 mg”.

a) Tulislah hipotesis nol dan tandingannya untuk

menguji pernyataan tersebut dan
b) tentukan daerah kritisnya.

Jawab:

a) Pernyataan tersebut seharusnya hanya akan ditolak bila 

lebih besar daripada 2.5 mg dan seharusnya diterima bila
 lebih kecil atau sama dengan 2.5 mg.

Karena hipotesis nol selalu dinyatakan sebagai suatu nilai

tunggal parameter, maka yang kita uji ialah:

H0: =2.5;
Apa yang membuat H1 diterima ?
H1: >2.5
b) Meskipun hipotesis nol dinyatakan menggunakan tanda
sama, tapi tanda ini sesungguhnya mencakup seluruh nilai
yang tidak tercakup oleh hipotesis tandingan.

Oleh karena itu, penerimaan H0 tidaklah berarti bahwa 

tepat sama dengan 2.5 mg melainkan bahwa tidak
terdapat cukup kenyataan untuk mendukung H1.

Karena uji ini ekasisi maka lambang lebih besar daripada

menunjukkan bahwa daerah kritis terletak seluruhnya di
sisi kanan distribusi uji statistik .
Contoh (b) :

Suatu perumahan menyatakan bahwa:

“60% dari rumah tinggal yang dibangun saat ini berkamar 3”.
Untuk menguji pernyataan ini suatu sampel besar penghuni baru
diuji; proporsi rumahnya yang mempunyai 3 kamar dicatat dan
dipakai sebagai uji statistik.

a) Tulislah hipotesis nol dan tandingan yang digunakan

dalam pengujian ini, dan
b) Tentukan letak daerah kritisnya.
Jawab:

a) Bila uji statistik jauh lebih besar atau lebih kecil daripada
p=0.6, maka kita tolak pernyataan tadi.

Jadi seharusnya, kita menguji:

H0: p=06;
Apa yang membuat H1 diterima ?
H1: p0.6

b) Hipotesis tandingan mensyaratkan uji dwisisi dengan daerah

kritis terbagi sama di sebelah kiri dan kanan dari distribusi
statistik yang kita gunakan.
Prosedur Testing Hipotesis
dengan Error Tipe I ditentukan dulu ( Fixed)

1. Tuliskan H0 dan H1.

2. Pilih tingkat signifikan, yaitu  (biasanya 5% atau 10%).

3. Pilih test statistik yang sesuai dan nilai kritis yang

membatasi daerah kritis sesuai dengan tingkat signifikan
yang dipilih.

4. Hitung statistik yang bersesuaian dengan (3) di atas

berdasarkan sampel data.

5. Ambil keputusan : H0 ditolak jika hasil hitung test

statistik masuk di daerah kritis, kalau tidak H0 tidak bisa
ditolak (atau terima H1).
6. Buat kesimpulan.
Test Statistik Berkenaan dengan
Rata-Rata 1 Populasi
(Variansi Populasi Diketahui)

Situasi : ingin menguji rata-rata sebuah populasi.

Variansi populasi (σ) diketahui. Dari sampel yang diambil
berukuran n diketahui rata-rata sampelnya .
Test – Dwisisi
1. Tuliskan H0 dan H1
H0 : μ = μ0
H1 : μ ≠ μ0
2. Pilih tingkat signifikan :  (misal 5%)
3. Test statistik untuk rata-rata adalah dengan menghitung nilai Z
dari rata-rata. Karena  =5% maka nilai kritis yang
bersesuaian dari tabel adalah Z0.025 = 1.96 dan –Z0.025 (test
dwisisi).
Daerah kritis adalah Z>1.96 atau Z<-1.96.

4. Hitung Z dari sampel: x

Z hitung 
/ n
5. Ambil keputusan berdasarkan (4) dan (3)
Daerah kritis untuk hipotesis tandingan μ ≠ μ0
Test – Ekasisi

1. Tuliskan H0 dan H1
H0 : μ = μ0
H1 : misal kan μ > μ0
2. Pilih tingkat signifikan :  (misal 5%)
3. Test statistik untuk rata-rata adalah dengan menghitung nilai Z
dari rata-rata. Karena  =5% maka nilai kritis yang
bersesuaian dari tabel adalah Z0.05 = 1.645 (test ekasisi).

Daerah kritis adalah Z>1.645

x
4. Hitung Z dari sampel: Z hitung 
/ n
5. Ambil keputusan berdasarkan (4) dan (3)
Daerah kritis untuk hipotesis tandingan μ > μ0
Contoh (1) :
Test Dwisisi

Sebuah pabrik senar pancing mengklaim produk barunya memiliki

kekuatan rata-rata 8 kg dan standard deviasi 0.5 kg. Sampel
random 50 buah senar baru tersebut menghasilkan rata-rata
kekuatan 7.8 kg. Periksalah hipotesis μ = 8 kg tersebut dengan
alternatif μ ≠ 8 kg dengan tingkat signifikan 1%.

Jawab:
1. H0: μ=8 dan H1: μ≠8
2.  = 0.01
3. Daerah kritis:
Z0.005 = 2.575
Tolak H0 jika Z < -2.575 atau Z > 2.575,

x 7.8  8
4. Hitung Z dari sampel: Z hitung  Z hitung   2.83
/ n 0.5 / 50

5. Keputusan : Tolak H0 sebab Zhitung < -2.575

6. Kesimpulan: kekuatan rata-rata senar tidak 8 kg (kenyataannya < 8 kg)
Contoh (2) :
Test Ekasisi

Sampel random 100 catatan kematian di USA tahun lalu

menyatakan umur rata-rata penduduknya 71.8 tahun.
Misalkan diketahui standard deviasi populasi adalah 8.9
tahun, apakah hasil ini mendukung dugaan bahwa umur rata-
rata penduduk USA lebih dari 70 tahun? Pergunakan tingkat
signifikan 5%.

Jawab: ??
Test Statistik Berkenaan dengan
Rata-Rata 1 Populasi
(Variansi Populasi Tidak Diketahui)

Situasi : ingin menguji rata-rata sebuah populasi.

Variansi populasi (σ) tidak diketahui. Dari sampel yang
diambil berukuran n diketahui rata-rata sampelnya .

Maka uji statistik yang bersesuaian adalah t student:

x  0
t
S/ n
Dengan derajat kebebasan v=n-1
Contoh (3) :

Hasil studi tentang konsumsi listrik berbagai peralatan rumah

tangga mengklaim bahwa vacuum cleaner rata-rata
mengkonsumsi 46 KwH/tahun. Sampel random 12 rumah
tangga yang memiliki vacuum cleaner menghasilkan rata-rata
42 KwH/tahun dengan standard deviasi sampel 11.9 KwH.

Apakah hasil ini menyarankan bahwa sebenarnya vacuum

cleaner mengkonsumsi listrik rata-rata di bawah 46 KwH
/tahun? Pergunakanlah tingkat signifikan 5% dan asumsikan
populasinya terdistribusi normal.
Jawab:

1. H0: μ=46 dan H1: μ < 46

2.  = 0.05
3. Daerah kritis (ekasisi / satu ekor, t student)
n= 12, derajat kebebasan v=n-1=11
t0.05 =-1.796 (ekor/sisi kiri)

Tolak H0 jika t < -1.796

4. Hitung statistik:
x 42  46
t hitung    1.16
S / n 11.9 / 12

5. Keputusan : Tidak bisa menolak H0 sebab thitung > -1.796

6. Kesimpulan: rata-rata konsumsi listrik vacuum cleaner tidak secara
signifikan kurang dari 46 KwH/tahun
Test Statistik Berkenaan dengan
Rata-Rata 2 Populasi
(Variansi Populasi Diketahui)

Situasi : berdasarkan 2 set sampel dengan rata-rata

dan yang berasal dari dua populasi, ingin
diuji perbedaan rata-rata dari dua buah
populasi asal sampel diambil. Jika variansi populasi
(σ1 dan σ2 ) diketahui, maka variabel statistik:

( x1  x2 )  ( 1   2 )
Z
 12  22

n1 n2

Akan terdistribusi normal standard.

Contoh (4) :

Pabrik benang mengklaim bahwa rata-rata kekuatan benang

tipe A paling tidak 12 kg lebih besar dibandingkan benang
tipe B.

Untuk memeriksa klaim tersebut diambil sampel 50 buah dari

tiap-tiap tipe benang. Ternyata sampel benang A memiliki rata-
rata kekuatan 86.7 kg, standard deviasi populasi dari benang
tipe A diketahui 6.26 kg. Sedangkan rata-rata kekuatan
sampel benang B adalah 77.8 kg, dan dari data-data
sebelumnya diketahui standard deviasi kekuatan benang B
adalah 5.61. Periksalah klaim pabrik tersebut pada tingkat
signifikan 5%.
Jawab:

Diketahui:
Benang A Benang B
nA = 50 nB=50
xA = 86.7 xB = 77.8
σA = 6.26 σB = 5.61

=5%

Klaim : xSA-xsB > 12

1. Hipotesis
H0: μA- μB ≤ 12
H1: μA- μB> 12

2. Tingkat signifikansi  =5%

3. Daerah kritis
Test statistik untuk kasus ini adalah Z, :
( x1  x2 )  ( 1   2 )
Z
 12  22

n1 n2

dengan nilai kritis Z0.05 = 1.65.

Tolak H0 jika Z > 1.65

4. Hitung statistik
( x1  x2 )  ( 1   2 ) (86.7  77.8)  (12)
Z hitung    2.608
 2
 2
6.26 2
5.61 2
1
 2

n1 n2 50 50
5. Keputusan
Karena Zhitung = -2.608 < 1.65, maka
Tidak bisa menolak H0, jadi μA-μB ≤ 12
Test Statistik Berkenaan dengan Rata-Rata 2 Populasi
(Variansi Populasi TIDAK diketahui TAPI SAMA)

Situasi : berdasarkan 2 set sampel yang memiliki rata-rata

sampel dan serta standard deviasi sampel S1 dan S2
yang berasal dari dua populasi normal, ingin diuji
perbedaan rata-rata dari dua buah populasi asal sampel
diambil. Variansi populasi (σ1 dan σ2 ) TIDAK diketahui
tapi dapat dianggap SAMA, maka variabel statistik:

( x  x )  ( 1   2 ) (n1  1) S12  (n2  1) S 22

t 1 2 S 2P 
1 1 n1  n2  2
SP 
n1 n1

Akan terdistribusi menurut student t dengan derajat

kebebasan v=n1+n2-2
Contoh (5) :

Kecepatan penipisan lapisan pelindung produksi dari sebuah

pabrik ditest secara statistik. Pabrik tersebut ingin mengetahui
perbedaan kecepatan penipisan lapisan pelindung yg terbuat
dari bahan A dan dari bahan B.

12 sampel dari bahan A dicek, dan didapati rata-rata

penipisan 85 unit dan standard deviasi 4.

Sedangkan 10 buah sampel dari bahan B memiliki rata-rata

81 dengan sampel standard deviasi 5.

Dapatkah disimpulkan bahwa rata-rata penipisan bahan A

lebih besar dari 2 unit dibandingkan penipisan bahan B?
Asumsikan populasi keduanya normal, dan variansi kedua
populasi sama. Pergunakan tingkat signifikan 5%.
Jawab:

Diketahui:
Sampel A Sampel B
nA = 12 nB = 10
xsA = 85 xSB = 81
SA = 4 SB = 5.

σ tidak diketahui, tapi dianggap sama. Populasi normal.

α= 5%
Klaim μA – μB > 2
1. Hipotesa
H0: μA – μB ≤ 2
H1: μA – μB > 2
2. Tingkat signifikan α = 5%
3. Daerah kritis
Test statistik yg dipakai adalah student t, dengan derajat kebebasan
v=nA+nB – 2 = 12+10-2 = 20, dengan t adalah
( x  x )  ( 1   2 ) (n1  1) S12  (n2  1) S 22
t 1 2 S 2
P 
SP
1 1

n1  n2  2
n1 n1

Nilai kritis t0.05 = 1.725 (untuk v=20).

Tolak H0 jika t > t0.05 = 1.725
4. Hitung statistik:

(n1  1) S12  (n2  1) S 22 (12  1) * 42  (10  1) * 52

S 2
P    4.478
n1  n2  2 12  10  2

( x1  x2 )  ( 1   2 ) (85  81)  (2)

t hitung    1.04
1 1 1 1
SP  4.478 
n1 n1 12 10

5. Keputusan:
Karena thitung < 1.725, maka H0 tak dapat ditolak,

Berarti μA – μB ≤ 2, rata-rata penipisan bahan A tak dapat disimpulkan

lebih dari 2 unit dibandingkan dari bahan B
Test Statistik Berkenaan dengan Rata-Rata 2 Populasi
(Variansi Populasi TIDAK diketahui TAPI BEDA)

Situasi : berdasarkan 2 set sampel yg memiliki rata-rata

sampel xSA dan xSB serta standard deviasi sampel SA dan
SB yang berasal dari dua populasi normal, ingin diketahui
perbedaan rata-rata dari dua buah populasi asal sampel
diambil. Variansi populasi (σ1 dan σ2 ) TIDAK diketahui tapi
dapat dianggap BEDA, maka variabel statistik:

( x1  x2 )  ( 1   2 )
t
S12 S 22

n1 n2
2
 S12 S 22 
  
dengan derajat kebebasan v:
  2  12 2 2
n n

S1 / n1  

S 2 / n2 
2

n1  1 n2  1
Contoh (6) :

Berikut ini adalah data lama waktu pemutaran film yang diproduksi
oleh dua buah rumah produksi:

Rumah
Produksi
LAMA WAKTU (menit)
A 102 80 98 109 92
B 81 165 97 134 92 87 114

Hipotesanya adalah rata-rata lama waktu film produksi B lebih

lama 10 menit dibandingkan rumah produksi A, dengan
alternatif hipotesanya adalah lama waktu film dari A kelebihannya <
10 menit dibandingkan dengan film produksi B.

Pergunakan tingkat signifikansi 10% dan asumsikan distribusi

populasi A dan B normal dengan variansi yang tidak sama.
 Jawab:

Perhitungan rata-rata dan variansi

XA XB N

102 81
dA=XA-Xsa dB=XB-Xsb dA2 dB2
x j

x
j
5.8 -29 33.64 841 N
80 165
N

 j
-16.2 55 262.4 3025
( x  x ) 2
98 97
S2 
j
1.8 -13 3.24 169
109 134 N 1
12.8 24 163.8 576
92 92
-4.2 -18 17.64 324
xA  96.2
87
-23 529 S A2  480.8 / 4  120.2
114
4 16 S B2  5480 / 6  913.3

Sum 481 770 480.8 5480

Rata 96.2 110

Variabel t :

( xB  x A )  (  B   A ) (110  96.2)  (10)

t   0.306
S A2 S B2 120.2 / 5  913.3 / 7

n A nB

Derajat kebebasan v:

2
 S12 S 22   120 .2 913.3 
2
     
 2  n1 n2 
  5 7 
 8.00

S1 / n1
2
  2
S /n
 2 2
2

120 .2 / 5 2

913 .3 / 7 2

n1  1 n2  1 5  1 7 1
1. Hipotesa
H0: μB – μA ≥ 10
H1: μB – μA <10
2. Tingkat signifikan α = 0.1
3. Daerah kritis
Test statistik yg dipakai adalah variabel t:
( x1  x2 )  ( 1   2 )
t
S12 S 22

n1 n2

Nilai kritis -t0.1 = -1.397 untuk derajat kebebasan v=8

Tolak H0 jika t < -1.397
4. Perhitungan statistik:

( xB  x A )  (  B   A ) (110  96.2)  (10)

t hitung    0.306
S A2 S B2 120.2 / 5  913.3 / 7

n A nB

5. Keputusan:

Karena thitung > -1.397 maka H0 tak bisa ditolak

atau lama waktu film A memang lebih dari 10 menit dari pada film B
Test Statistik Berkenaan dengan
Pengamatan Pasangan Data

Situasi : Pengamatan pasangan data, dengan d1, d2 dst

adalah selisih dari data-data hasil pengamatan yang diambil
dari populasi normal. Ingin diketahui apakah rata-rata
selisihnya sama dengan nilai tertentu. Dari sampel-sampel
diketahui rata-rata dan standard deviasi selisih sampel
sebagai D dan SD. Variabel statistik yang diperiksa adalah:

d  D
t
SD / n
dimana μD adalah rata-rata populasi yang memiliki
distribusi student t dengan derajat kebebasan v=n-1
 One Sample: Test on a Single
Proportion
 Two Samples: Tests on Two
Proportions
 One- and Two-Sample Tests
Concerning Variances
 Goodness-of-Fit Test
 Test for Independence
(Categorical Data)
 Test for Homogeneity
 Two-Sample Case Study
 Tugas 12
(9 April 2019, waktu 1 minggu)
From Walpole, R.E., Myers, R.H., Myers, S.L., and Ye, K., 2007, Probability & Statistics for Engineers &
Scientists

 Pelajari materi :
 Chapter 10: One- and Two-Sample Tests of Hypotheses

 Kerjakan latihan soal berikut:

1. Suatu sampel random 8 rokok merk tertentu mempunyai rata-rata
kadar nikotin 4.2 mg dan simpangan baku 1.4 mg. Apakah ini sesuai
dengan pernyataan pabriknya bahawa rata-rata kadar nikotin tidak
melebihi 3.5 mg?
2. Suatu penelitian dilakukan untuk menaksir perbedaan gaji profesor
universitas negeri dan swasta di negara Virginia, USA. Sampel acak 100
profesor universitas swasta mempunyai gaji rata-rata $32,000 dalam 9
bulan dengan deviasi standar $1,300. Sampel acak 200 profesor
universitas negeri menunjukkan rata-rata gaji $32,900 dengan deviasi
standar $1,400. Ujilah hipotesis bahwa selisih rata-rata gaji profesor
universitas negeri dan swasta tidak lebih dari $500. Gunakan taraf
keberartian 0.01
3. Data berikut menunjukkan waktu putar film oleh dua perusahaan film:

Perusahaan Waktu Putar Film

(menit)

A 102 86 98 109 92
B 81 165 97 134 92 87
114

Ujilah hipotesis bahwa rata-rata waktu putar film oleh perusahaan B

lebih 10 menit dari rata-rata waktu putar film oleh perusahaan A.
Gunakan taraf keberartian 0.1 dan anggaplah kedua distribusi tersebut
hampir normal dengan variansi tidak sama.