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.
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,
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
Di pihak lain,
Dengan demikian,
kelompok yang menerima dan kelompok yang menolak,
keduanya bisa keliru
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
H0 benar H0 salah
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.
Nilai kritis
Daerah kritis
Uji Ekasisi dan Dwisisi
H0 : X = X0
H1 : X > X0
Atau
H0 : X = X0
H1 : X < X0
H0 : X = X0
H1 : X ≠ X0
Beberapa pegangan diperlukan dalam menentukan hipotesis yang mana
seharusnya yang menjadi H0 dan yang mana yang menjadi H1.
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
Jawab:
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.
a) Bila uji statistik jauh lebih besar atau lebih kecil daripada
p=0.6, maka kita tolak pernyataan tadi.
H0: p=06;
Apa yang membuat H1 diterima ?
H1: p0.6
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).
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
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
Jawab: ??
Test Statistik Berkenaan dengan
Rata-Rata 1 Populasi
(Variansi Populasi Tidak Diketahui)
x 0
t
S/ n
Dengan derajat kebebasan v=n-1
Contoh (3) :
4. Hitung statistik:
x 42 46
t hitung 1.16
S / n 11.9 / 12
( x1 x2 ) ( 1 2 )
Z
12 22
n1 n2
Diketahui:
Benang A Benang B
nA = 50 nB=50
xA = 86.7 xB = 77.8
σA = 6.26 σB = 5.61
=5%
1. Hipotesis
H0: μA- μB ≤ 12
H1: μA- μB> 12
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)
Diketahui:
Sampel A Sampel B
nA = 12 nB = 10
xsA = 85 xSB = 81
SA = 4 SB = 5.
5. Keputusan:
Karena thitung < 1.725, maka H0 tak dapat ditolak,
( 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
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
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
5. Keputusan:
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
A 102 86 98 109 92
B 81 165 97 134 92 87
114