MODUL III

UJI HIPOTESIS RATA RATA

1.1 Tujuan Praktikum

1. Praktikan dapat merumuskan hipotesis dan melakukan pengujian hipotesis untuk selisih
satu rata – rata untuk sampel besar dan sampel kecil.
2. Praktikan dapat merumuskan hipotesis dan melakukan pengujian hipotesis untuk selisih
dua rata – rata data independen
3. Praktikan dapat merumuskan hipotesis dan melakukan pengujian hipotesis untuk data
berpasangan

1.2 Landasaan teori

Salah satu kegiatan statistik induktif adalah uji hipotesis. Hipotesis adalah suatu anggapan
atau pernyataan yang mungkin benar atau mungkin juga tidak benar tentang suatu poulasi.
Prosedur yang umum dn harus diikuti untuk melakukan uji hipotesis antara lain ( Fauzy,2008)
:
1. Nyatakan hipotesis nol dan hipotesis alternatifnya.
2. Pilih tingkat kepercayaan tertentu dan tentukan besarnya sampel yang diambil.
3. Pilih statistik uji yang sesuai sebagai dasar bagi prosedur pengujian.
4. Tentukan daerah kritisnya.
5. Kumpulkan data sampel dan hitung statistik sampelnya, kemudian ubah ke dalam variabel
normal standart (Z) atau t tergantung banyaknya sampel.
6. Nyatakan menolak atau menerima H0.

Ada tiga alternatif dalam menyusun hipotesis nol dan hipotesis alternatifnya (Akhmad
Fauzy,2008) yaitu :
1. Ho : ukuran statistik = nilai tertentu
H1 : ukuran statistik ≠ nilai tertentu
Uji hipotesis ini disebut uji hipotesis dua sisi atau dua arah karena pada hipotesis
alternatifnya betanda “tidak sama dengan”. Dengan demikian tingkat kesalahannya (α)
dibagi menjadi dua bagian yang sama.
2. Ho : ukuran statistik = nilai tertentu
H1 : ukuran statistik < nilai tertentu
Uji hipotesis ini disebut uji hipotesis satu sisi atau satu arah karena pada hipotesis
alternatifnya betanda “kurang dari”. Dengan demikian tingkat kesalahannya (α) tidak perlu
dibagi menjadi dua. Uji ini disebut juga uji sisi kiri.
3. Ho : ukuran statistik = nilai tertentu
H1 : ukuran statistik > nilai tertentu
 Uji hipotesis ini disebut uji hipotesis satu sisi atau satu arah karena pada hipotesis
alternatifnya betanda “lebih dari”. Dengan demikian tingkat kesalahannya (α) tidak perlu
dibagi menjadi dua. Uji ini disebut juga uji sisi kanan.

Kesalahan yang mungkin dilakukan pada pengambilan keputusan adalah menolak hipotesis
nol yang seharusnya diterima (kesalahan jenis I) atau menerima hipotesis nol yang seharusnya
ditolak (kesalahan jenis II). Didalam ilmu statistik, kususnya dalam uji hipotesis ukuran sampel
dikelompokkan ke dalam dua kategori yaitu sampel besar dan sampel kecil. Sampel dikatakan
berukuran besar jika jumlah sampel yang diambil minimal 30 buah (n≥30), sedangkan sampel
dikatakan berukuran kecil jika jumlah sampel yang diambil kurang dari 30 (n<30).
Tabel penentuan hipotesis :
Ho = x dan H1 ≠ x 2 sisi atau 2 arah
Ho = x dan H1 ≤ x atau 1 sisi atau 1 arah
Ho = x dan H1 ≥ x

Pengujian hipotesis untuk 1 sisi atau 1 arah :

1. Ragam diketahui
Uji hipotesis untuk rata−rata x, di mana hipotesis nol menyebar normal dengan nilai
tengah 0 dan simpangan baku rata−rata populasi /n, statistik ujinya adalah :
x − 0
Z=

n
Kriteria penolakan terhadap hipotesis nol ditampilkan dalam tabel berikut :
Hipotesis
NO Kriteria penolakan
Alternatif
1 H1 :   0 H0 ditolak pada saat Z  Z/2 atau Z  Z1−/2
2 H1 :  > 0 H0 ditolak pada saat Z  Z1−
3 H1 :  < 0 H0 ditolak pada saat Z  Z

2. Ragam tidak diketahui

Bila ragam tidak diketahui, maka statistik ujinya adalah t−student, di mana ragam
populasi diduga oleh ragam sampel. Statistik ujinya didefinisikan sebagai berikut
x − 0
t=
s
n
Adapun kriteria penolakan terhadap hipotesis nol dijelaskan pada tabel berikut
NO Hipotesis Alternatif Kriteria penolakan
1 H1 :   0 H0 ditolak saat t  t/2, n−1 atau t  t1−/2, n−1
2 H1 :  > 0 H0 ditolak pada saat t  t1−, n−1
3 H1 :  < 0 H0 ditolak pada saat t  t, n−1
Pengujian hipotesis untuk selisih dua nilai tengah
X1, X2, …, Xn dan Y1, Y2, …, Yn merupakan dua peubah acak yang saling bebas dan
menyebar secara normal dengan nilai tengah x dan y, simpangan baku x dan y. Perumusan
hipotesinya sebagai berikut :
H0 : x − y = 0 atau H0 : x − y  0 atau H0 : x − y  0
H1 : x − y  0 H1 : x − y > 0 H1 : x − y < 0

Di mana 0 adalah suatu konstanta bernilai positif atau nol yang menunjukkan selisih antara
dua nilai tengah yang tidak diketahui.seperti pada pengujian hipotesis untuk satu nilai tengah,
ada dua asumsi yaitu :

1. Variansi/Ragam populasi diketahui

Statistik uji didefinisikan sebagai berikut
x − y − 0
Z=
 2x  y
2
+
nx n y

Kriteria penolakan terhadap hipotesis nol adalah :

Hipotesis
No Kriteria penolakan
Alternatif
1 H1 : x − y  0 H0 ditolak pada saat Z  Z/2 atau Z  Z1−/2
2 H1 : x − y > 0 H0 ditolak pada saat Z  Z1−
3 H1 : x − y < 0 H0 ditolak pada saat Z  Z

2. Variansi/Ragam populasi tidak diketahui

Bila ragam tidak diketahui, maka sebelum dilakukan pengujian hipotesis terlebih
dahulu dilakukan pengujian terhadap ragam. Pengujian tersebut dilakukan untuk menduga
apakah ragam kedua sampel sama atau tidak. Hipotesisnya adalah sebagai berikut : H0 :
x = y H1 : x  y
2
S maks
Sedangkan statistik ujinya adalah statistik uji Fisher yaitu F = 2
.
S min

Bila didapatkan bahwa F  F(, (nx−1, ny−1)), maka H0 ditolak, artinya ragam kedua
sampel tidak sama. Sehingga derajat bebas yang akan digunakan dalam statistik ujinya
adalah
 2
 S 2 S y2 
 x + 
n n 
v=  x y 
2
 S x2 
2  S y2 
   
 nx   ny 
  + 
nx − 1 ny −1

Statistik uji pengujian hipotesis terhadap selisih antara dua nilai tengah untuk ragam
berbeda adalah
x − y − 0
t=
2
S x2 S y
+
nx n y

Sedangkan untuk ragam sama, dalam statistik ujinya menggunakan ragam gabungan, yaitu
:
(n x − 1) S x2 + (n y − 1)S y2
2
S gab =
nx + n y − 2

dimana statistik ujinya adalah

x − y − 0
t= .
1 1
S gab +
nx n y

Kriteria penolakan terhadap hipotesis nol adalah :

Hipotesis
No Kriteria penolakan
Alternatif
1 H1 : x − y  0 H0 ditolak pada saat t  t/2, m atau t  t1−/2, m
2 H1 : x − y > 0 H0 ditolak pada saat t  t1−, m
3 H1 : x − y < 0 H0 ditolak pada saat t  t, m
 Tabel 1. Uji Untuk Rata – Rata (Nilai Tengah)

H0 NilaiStatistikUji H1 Wilayah Kritik

𝜇 < 𝜇0 𝑧 < −𝑧𝛼
𝑥̅ − 𝜇0
𝑧= 𝜇 > 𝜇0 𝑧 > 𝑧𝛼
𝜇 = 𝜇0 𝜎/√𝑛 𝜇 ≠ 𝜇0 𝑧 < −𝑧𝛼 dan 𝑧
𝜎 diketahui atau n ≥ 30 2
> 𝑧𝛼/2
𝑥̅ − 𝜇0 𝜇 < 𝜇0 𝑡 < −𝑡𝛼
𝑡= ;𝑣 = 𝑛 − 1
𝜇 = 𝜇0 𝑠/√𝑛 𝜇 > 𝜇0 𝑡 > 𝑡𝛼
𝜎 tidak diketahui atau n < 30 𝜇 ≠ 𝜇0 𝑡 < −𝑡𝛼 dan 𝑡 > 𝑡𝛼/2
2
(𝑥̅1 − 𝑥̅2 ) − 𝑑0 𝜇1 − 𝜇2 < 𝑑0 𝑧 < −𝑧𝛼
𝑧= 𝜇1 − 𝜇2 > 𝑑0 𝑧 > 𝑧𝛼
𝜇1 − 𝜇2 = 𝑑0 𝜎2 𝜎2
√( 1 ) + ( 2 ) 𝜇1 − 𝜇2 ≠ 𝑑0 𝑧 < −𝑧𝛼 dan 𝑧
𝑛1 𝑛2 2
𝜎1 𝑑𝑎𝑛 𝜎2 diketahui > 𝑧𝛼/2
(𝑥̅1 − 𝑥̅2 ) − 𝑑0 𝜇1 − 𝜇2 < 𝑑0 𝑡 < −𝑡𝛼
𝑡=
1 1 𝜇1 − 𝜇2 > 𝑑0 𝑡 > 𝑡𝛼
𝑆𝑝 √(𝑛 ) + (𝑛 )
1 2 𝜇1 − 𝜇2 ≠ 𝑑0 𝑡 < −𝑡𝛼 dan 𝑡 > 𝑡𝛼/2
2
𝜇1 − 𝜇2 = 𝑑0 𝑣 = 𝑛1 + 𝑛2 − 2
𝜎1 = 𝜎2 tetapi tidak diketahui
(𝑛1 − 1)𝑆1 2 + (𝑛2 − 1)𝑆2 2
𝑆𝑝 2 =
𝑛1 + 𝑛2 − 2
(𝑥̅1 − 𝑥̅2 ) − 𝑑0 𝜇1 − 𝜇2 < 𝑑0 𝑡 < −𝑡𝛼
𝑡=
𝜇1 − 𝜇2 > 𝑑0 𝑡 > 𝑡𝛼
𝑆2 𝑆 2
√( 1 ) + ( 2 ) 𝜇1 − 𝜇2 ≠ 𝑑0 𝑡 < −𝑡𝛼 dan 𝑡 > 𝑡𝛼/2
𝑛1 𝑛2 2
2
𝑆2 𝑆 2
( 𝑛1 + 𝑛2 )
𝜇1 − 𝜇2 = 𝑑0 1 2
𝑣=
(𝑆1 2 /𝑛1 )2 (𝑆2 2 /𝑛2 )2
𝑛1 − 1 + 𝑛2 − 1

𝜎1 ≠ 𝜎2 dan tidak diketahui

𝑑̅ − 𝑑0 𝜇𝑝 < 𝑑0 𝑡 < −𝑡𝛼

𝑡= ;𝑣 = 𝑛 − 1 𝑡 > 𝑡𝛼
𝜇 𝐷 = 𝑑0 𝑠𝑑 /√𝑛 𝜇𝑝 > 𝑑0
Pengamatan berpasangan 𝜇𝑝 ≠ 𝑑0 𝑡 < −𝑡𝛼 dan 𝑡 > 𝑡𝛼/2
2
( Walpole,2002)
1.3 Pengolahan Data dengan Bantuan Software
1.3.1 Uji Hipotesis Selisih Satu Nilai Tengah
Sebuah perusahaan ingin mengetahui apakah kandungan Vit. C dalam suatu produk
ditetapkan sebesar 50 mg/100 gram. Dari 10 sampel acak yang diambil didapatkan data
kandungan Vit. C per 100 gram adalah sebagai berikut :
40 52 45 52 50 42 48 50 50 52
Apakah dari sampel yang diambil dapat disimpulkan bahwa kandungan Vit. C telah
sesuai dengan spesifikasi yang ditetapkan
Langkah Penyelesaian :
1. Buka software Minitab
2. Isikan data pada worksheet
3. Pilih Stat – Basic Statistics -1 sample t
4. Input data dengan keterangan pengisian seperti ini :

a. Variable : isi dengan data yang telat diinputkan

b. Confidence level : tingkat kepercayaan dalam proses pengambilan data
c. Test mean : nilai rata – rata yang diujikan
d. Alternative : jenis hubungan hipotesis alternatif
Jika sudah klik OK

1.3.2 Uji Hipotesis Selisih Dua Rataan Sampel Independen

Seorang manager produksi ingin mengetahui apakah ada perbedaan jumlah produk
cacat Mesin 1 dan Mesin 2. Untuk itu dibandingkan antara jumlah produk cacat Mesin
1 dan Mesin 2 selama 20 hari.
Hari Jumlah Produk Cacat (unit)
Ke- Mesin 1 Mesin 2
 1 28 34
2 20 32
3 32 35
4 40 30
5 40 24
6 44 40
7 13 31
8 28 37
9 39 41
10 21 18
11 24 36
12 16 34
13 15 39
14 22 34
15 24 29
16 13 36
17 25 39
18 27 27
19 31 34
20 27 35

Langkah Penyelesaian :
1. Buka software Minitab
2. Isikan data pada worksheet
3. Pilih Stat – Basic Statistics -2 sample t
4. Input data dengan keterangan pengisian seperti ini :

a. Pilih samples in different colums : isi dengan data yang telat diinputkan
b. Confidence level : tingkat kepercayaan dalam proses pengambilan data
c. Alternative : jenis hubungan hipotesis alternatif
 d. Buka menu graph : klik kedua jenis grafik
Jika sudah klik OK

1.3.3 Uji Hipotesis Dua Rataan Sampel / Data Berpasangan

Sebuah perusahaan akan memberlakukan sistem penggajian baru berdasarkan
keterlambatan para karyawan perusahaan. Perusahaan ingin mengetahui tingkat
perbedaan antara lama keterlambatan 30 orang karyawan yang diambil secara acak
sebelum dan sesudah dilaksanakannya sistem penggajian yang baru. Adapun data
keterlambatan 30 orang karyawan tersebut seperti pada tabel di bawah ini :

Keterlambatan (menit) Keterlambatan (menit)

No Nama No Nama
Sebelum Sesudah Sebelum Sesudah
1 Ani 18 12 16 Hendri 19 12
2 Agus 16 22 17 Amar 29 19
3 Budi 37 12 18 Diki 16 13
4 Bambang 22 9 19 Yanto 20 13
5 Jaka 25 15 20 Fajar 23 8
6 Zubaid 11 11 21 Samsuri 24 24
7 Bunga 17 9 22 Sanusi 17 18
8 Mawar 22 14 23 Toni 19 12
9 Roni 13 15 24 Tito 14 17
10 Rino 31 14 25 Nina 17 7
11 Santi 24 17 26 Tina 32 16
12 Lilik 24 20 27 Susi 19 19
13 Tomi 7 10 28 Chandra 21 20
14 Ana 20 11 29 Agni 27 18
15 Heni 20 18 30 Tyas 29 12
Untuk penyelesaian Paired Sample t Test dengan menggunakan program
MINITAB langkah – langkahnya adalah sebagai berikut :
1. Buka software Minitab
2. Isikan data pada worksheet
3. Pilih Stat – Basic Statistics – paired sample t
4. Input data dengan keterangan pengisian seperti ini :
 a. Pilih first sample dan second sample: isi dengan data yang telat diinputkan
b. Pilih option : isi Confidence Interval : tingkat kepercayaan dalam proses
pengambilan data dan Alternative : jenis hubungan hipotesis alternatif
c. Buka menu graph : klik pada Boxplot on diferent.
Jika sudah klik OK

3.4 Prosedur Penugasan

Lakukan prosedur pengujian hipotesis untuk menjawab soal soal berikut dengan
menggunakan cara manual dan bantuan software.
1. Berdasarkan hasil pengumpulan data sampel IPK mahasiswa teknik industri yang telah
dikumpulkan pada modul 1, apakah dapat ditarik kesimpulan bahwa rata – rata IPK
mahasiswa Teknik industri tidak kurang dari 3,2X? (X: SATU ANGKA NIM AKHIR)
Tingkat Signifikansi 5% (NIM GENAP), 10 % (NIM GANJIL)
2. Sebuah sepeda motor ingin memutuskan apakah akan mengunakan ban merk T atau merk
Z bagi sepeda motor produksi terbarunya. Untuk membantu mencapai keputusan tersebut
sebuah percobaan dilakukan dengan menggunakan 5X ban untuk setiap merk tersebut.
Ban-ban tersebut dipasang dan digunakan sampai aus sehingga harus diganti. Hasilnya
ban merk T memiliki rata rata 37XY8 Km dengan standar deviasi 5YX2 Km. Dan ban
merk Z memiliki rata rata 38YY0 Km dengan standar deviasi 5X0Y Km. Berdsarkan hasil
percobaan tersebut apakah dapat dinyatakan bahwa ban merek Z lebih baik daripada
merek T. Asumsikan bahwa kedua popluasi mempunyai ragam yang sama.
 (X: SATU ANGKA NIM AKHIR, Y: NOMOR KELOMPOK)
Tingkat Signifikansi 5% (NIM GENAP), 10 % (NIM GANJIL)
3. Sebuah perusahaan cat menyatakan bahwa isi bersih dalam satu kaleng cat adalah 2,50
Liter. Untuk menguji pernyataan tersebut diambil 12 sampel secara acak dari lantai
produksi dan diperoleh data sebagaimana berikut :
Sampel ke - Isi bersih (liter) Sampel ke - Isi bersih (liter)
1 2,X9 7 2,6X
2 2,5Y 8 2,50
3 2,49 9 2,6Y
4 2,50 10 2,47
5 2,5X 11 2,5X
6 2,4Y 12 2,50
Apakah hasil sampel tersebut mendukung pernyataan perusahaan ? (X: SATU ANGKA
NIM AKHIR, Y: NOMOR KELOMPOK), Tingkat Signifikansi 5% (GANJIL), 2,5
% (NIM GENAP)
4. Sebuah perusahaan mobil hendak mengetahui apakah penggunaan BBM yang berbeda
akan bisa menghemat bahan bakar atau tidak. Sampel sebanyak 12 mobil diisi dengan
dua jenis BBM yang berbeda dan kemudian dicoba pada suatu rute yang telah ditentukan
lebih dulu. Tanpa mengganti pengemudi, kecepatan yang sama dan kondisi keramaian
jalan yang sama. Konsumsi bahan bakarnya dalam km/liter, tercatat sebagai berikut :

Km /liter Mobil Km /liter

Mobil
BBM Pe BBM Pt BBM Pe BBM Pt
1 14,Y 14,8 7 15,7 15,X
2 14,7 15,X 8 16,0 15,8
3 16,6 16,2 9 17,Y 17,9
4 15,X 16,9 10 14,9 14,7
5 16,7 17,2 11 16,1 16,X
6 14,5 14,9 12 15,X 14,Y
 Pada taraf nyata 0,025 dapatkah kita menyimpulkan bahwa tidak ada perbedaan konsumsi
bahan bakar pada jenis BBM jenis Pe dan jenis BBM Pt? Asumsikan kedua populasi itu
menyebar normal dan ragamnya sama.
5. Sebuah perusahaan konveksi memberikan pelatihan metode kerja kepada dua kelompok
pekerja. Setelah pelatihan perusahaan ingin mengetahui apakah pelatihan yang diberikan
kepada kedua kelompok sama. Untuk keperluan tersebut diambil sampel 12 karyawan
dengan metode pelatihan A dan 10 karyawan dengan metode pelatihan B. Pada akhir shift
diukur jumlah produk yang dihasilkan oleh pekerja. Kelompok dengan metode pelatihan
A mendapatkan rata – rata hasil produksi 6X produk dengan simpangan baku 3,5.
Sedangkan kelompok dengan metode pelatihan B mendapatkan rata – rata hasil produksi
6Y dengan simpangan baku 5. Ujilah hipotesis bahwa kedua metode pelatihan itu sama
dengan menggunakan taraf nyata 0,10. Asumsikan bahwa kedua popluasi itu menghampiri
sebaran normal dengan ragam yang sama. (X: NOMOR KELOMPOK, SATU ANGKA
NIM AKHIR), Tingkat Signifikansi 1% (NIM GENAP), 2,5 % (NIM GANJIL)
 MODUL IV
UJI HIPOTESIS VARIANSI DAN PROPORSI

2.1 Tujuan Praktikum

1. Praktikan dapat merumuskan hipotesis dan melakukan pengujian hipotesis untuk satu
varians
2. Praktikan dapat merumuskan hipotesis dan melakukan pengujian hipotesis untuk dua
varians
3. Praktikan dapat merusak hipotesis dan melakukan pengujian hipotesis satu proporsi
4. Praktikan dapat merusak hipotesis dan melakukan pengujian hipotesis dua proporsi

2.2 Landasan Teori

2.2.1 Uji Hipotesis Untuk Variansi
Dalam teori probabilitas dan statistika, varians (dari bahasa Inggris: variance) atau
ragam suatu perubah acak (atau distribusi probabilitas) adalah ukuran bagi persebaran
(dispersi) data. Yang diukur adalah seberapa jauh data tersebar disekitar merata, atau
simpangan dari nilai tengahnya. Varians merupakan salah satu parameter bagi
distribusi Normal. Varians diperoleh dari penjumlahan kuadrat semua deviasi nilai-
nilai individual terhadap rata-rata. Dalam populasi, varians dilambangkan dengan 02,
sedanglan dalam sampel lambing varians adalah ss.
Pengujian varians merupakan pengujian mengenai keragaman suatu populasi atau
membandingkan keragaman suatu populasi dengan populasi lainnya. Dalam suatu
proses produksi, pengujian varians digunakan untuk mengetahui tingkat konsistensi
dan kestabilan data, serta mengetahui tingkat homogenitas data. Jadi, jika nilai
variansnya besar, maka tingkat kestabilan dan konsistensi datanya buruk, karena
varians yang besar menunjukkan data yang semakin bervarians. Jika nilai variansnya
kecil, maka tingkat kestabilan dan konsistensi data semakin baik, karena varians kecil
menunjukkan data yang semakin homogeny atau hamper sama. Dan jika nilai
variansnya nol, maka semua datanya bernilai sama
2
(𝑛 − 1). 𝑠 2
𝑋 =
𝜎2
Dengan :
2 = variabel standardized chi-square
n = jumlah sampel
s2 = varians sampel
σ2 = varians yang di hipotesiskan
 Di dalam pengujian hipotesis mengenai varians satu populasi terdapat langkah-
langkah yang harus dilakukan agar peneliti sampai pada keputusan dan kesimpulan.
Berikut akan dijelaskan mengenai prosedur dalam pengujian varians.
1. Merumuskan hipotesis yaitu HO dan HI
a. Hipotesis nol : suatu pernyataan yang akan diuji, hipotesis tersebut tidak
memiliki perbedaan atau perbedaannya nol dengan hipotesis sebenarnya.
b. Hipotesis alternative : segala hipotesis yang berbeda dengan hipotesis nol.
Pemilihan hipotesis ini tergantung dari sifat masalah yang dihadapi.
Untuk hipotesis alternative (Hi), terdapat dua tipe pengujian, yaitu pengujian sutu
arah dan dua arah
a. Pengujian satu arah
Hi : o2 > σo2 atau Hi : σ2 < σo2
b. Pengujian dua arah
Hi : σ2 ≠ σ02
2. Menentukan derajat kepercayaan berdasarkan kesalahan tipe 1 (tingkat signifikan)
3. Menentukan statistik uji, yaitu uji X2 (Chi-square)
(𝑛−1)𝑠2
𝑋2 = σ2
4. Menentukan daerah kritis berdasarkan α
5. Menentukan criteria penolakan berdasarkan kesalahan tipe 1 (Tabel Chi-square).
Hipotesis Alternatif : Tolak Ho jika :
o > σo
2 2
X2>X2(α.df)
o2 < σo2 X2<X2(1- α.df)
σ2 ≠ σ02 X2>X2(α/2.df) X2<X2(-α/2.df)
d.f = n – 1
6. Membuat keputusan dan kesimpulan.
Kesimpulan didasarkan pada criteria penolakan dari hipotesis yang sedang
diuji. Kesimpulan bisa berupa gagal tolak maupun tolak hipotesis nol.

Sedangkan dalam pengujian dua varians distribusi yang digunakan adalah distribusi
F. berikut tahapan dalam pengujian hipotesis :
1. Merumuskan hipotesis, yaitu HO dan HI
HO : o2 = σ22
Pengujian satu arah
HI : o2 > σ22 atau HI : o2 < σ22
Pengujian dua arah
HI : σ2 ≠ σ22
2. Menentukan derajat kepercayaan berdasarkan kesalahan tipe 1 (tingkat
signifikan). Menentukan daerah kritis berdasarkan a.
3. Menentukan statistik uji, yaitu uji F
 • Statistik uji yang digunakan untuk menguji ketiga hipotesis di atas adalah,
𝑆1 2
F= 2
𝑆2
• Jika HO benar, statistik uji tersebut berdistribusi Fisher dengan derajat
kebebasan,
V1 = n1 – 1 dan v2 = n2 – 2
4. Menentukan criteria penolakan berdasarkan kesalahan tipe 1.
Hipotesis Alternatif : Tolak HO jika :
o > σo
2 2
F > fa/2.(v1.v2)
o < σo
2 2
F > f1-a/2.(v1.v2)
σ ≠ σ0
2 2
F > fa/2.(v1.v2) atau F > f1-a/2.(v1.v2)
5. Membuat keputusan dan kesimpulan
Kesimpulan didasarkan pada criteria penolakan dari hipotesis yang sedang
diuji. Kesimpulan bisa berupa gagal tolak maupun tolak hipotesis nol.

2.2.2 Uji Hipotesis Proporsi

Selain rataan dan variansi, proporsi populasi banyak di kaji dalam berbagai bidang
untuk pengambilan keputusan. Sebagai contoh manajer produksi berkpentingan untuk
mengetahui proporsi produk cacat yang dihasilkan dari lini produksi. Parameter
proporsi juga dapat digunakan untuk membandingkan antara dua populasi yang dikaji
sehingga bisa diambil kesimpulan berdasarkan hasil yang diperoleh. Uji hipotesis
mengenai proporsi populasi yang dibahas dalam modul ini mengenai proporsi satu
populasi dan uji hipotesis mengenai selisih proporsi dua populasi. Dalam kasus uji
hipotesis mengenai satu proporsi untuk sampel kecil dapat digunakan distribusi
binomial sedangkan untuk sampel besar digunakan hampiran kurva normal.
Dalam uji hipotesis mengenai proporsi satu populasi akan diuji mengenai hipotesis
nol apakah proporsi suatu populasi p sama dengan suatu nilai po tertentu yang
ditetapkan. Statistik yang cocok sebagai dasar keputusan pengambilan kesimpulan
mengenai uji hipotesis adalah besaran X yang merupakan variable nominal disket. Jika
persoalan uji hipotesis menyangkut sampel kecil digunakan nilai P dalam pengambilan
keputusan. Nilai p diperoleh dari table jumlah peluang binomial variable X yang
bernilai x dengan p = po.
Uji hipotesis mengenai proporsi menyangkut sampel besar, uji hipotesis dapat
menggunakan hampiran kurva normal dengan rataan dan varians µ = n.p0 dan o2 =
n.p0.q0 asalkan p0 tidak terlalu dekat ke pengujian hipotesis terbentuk :

𝑥−𝑛.𝑝0
Z=
√𝑛.𝑝0.𝑞0
Dengan :
𝑝̂ = proporsi sukses dari sampel
 𝑥
𝑝̂ = 𝑛
𝑥 = jumlah sukses
𝑛 = jumlah sampel
𝑝0 = peluang “sukses” proporsi

Dimana nilai statistik z merupakan variable normal buku. Dengan demikian nilai-
nilai kritis untuk pengujian hipotesis mengenai satu proporsi populasi dengan sampel
besar dapat ditentukan dari table luas bawah kurva normal baku.
Prosedur uji proporsi adalah sebagai berikut :
1. Nyatakan hipotesis nol (Ho: p = p0) dan hipotesis alternatifnya (HI: p≠p0, HI: p
>p0), H1: p < p0)
2. Pilih tingkat kepercayaan tertentu dan tentukan besarnya sampel yang diambil
3. Pilih statistik uji yang sesuai sebagai dasar bagi prosedur pengujian
4. Tentukan daerah kritisnya
5. Kumpulkan data sampel dan hitung statistik sampelnya, kemudian ubah kedalam
variable normal standart (Z) atau nilai P dari nilai Minitab
6. Nyatakan menolak atau menerima H0

2.2.3 Uji Hipotesis Selisih Proporsi Dua Populasi

Dalam uji hipotesis mengenai selisih dua proporsi populasi, kita ingin menguji
hipotesis nol, apakah selisih dua proporsi adalah sama, yaitu jika kita menguji H0 : P1
= P2 dan hipotesis tandingannya H1:P1<P2 , H1:P1<P2 atau H1:P1≠P2. Statistik yang
digunakan dalam menguji hipotesis mengenai dua proporsi H0 : P1 = P2 ditentukan
denga rumus :
(p1 − p2 )
𝑍=
1 1
√𝑝. 𝑞 {( ) + ( )}
𝑛1 𝑛 2
Keterangan :
̂ = proporsi keberhasilan Populasi 1
𝑝1
̂ = proporsi keberhasilan Populasi 2
𝑝2
𝑝̂ = proporsi keberhasilan gabungan kedua populasi
𝑥1 + 𝑥2
𝑝̂ =
𝑛1 + 𝑛2
𝑞̂ = proporsi kegagalan gabungan kedua populasi
𝑞̂ = 1- 𝑝̂
𝑥1 , 𝑥2 = jumlah keberhasilan masing-masing populasi
𝑛1 , 𝑛2 = jumlah atau akuan masing-masing populasi
̂ = 𝑥1
𝑝1 ̂ = 𝑥2
𝑝2
𝑛1 𝑛2
 Dalam software Minitab, Statistik Z tersebut dapat dirubah menjadi nilai P sehingga
keduanya dapat digunakan sebagai besaran dalam mengambil kesimpulan mengenai
penerimaan atau penolakan hipotesis.
2.3 Pengolahan Data
2.3.1 Uji Hipotesis Satu Variansi
Sebuah perusahaan aki mobil mengklaim bahwa lifetime dari produknya
berdistribusi normal dengan simpangan baku (σ) 0.9 tahun. Dan diambil random
sampling dari 20 sampel berikut :
No Random Sampling
1 18
2 23
3 12
4 14
5 18
6 19
7 20
8 24
9 35
10 32
11 41
12 37
13 26
14 17
15 27
16 37
17 38
18 15
19 36
20 15

Benarkah klaim σ > 0.9 tahun ? Gunakan taraf keberartian 5%

Langkah penyelesaian :
1. Buka software minitab
2. Isikan data pada worksheet
3. Pilih Stat – Basic Statistic – 1 Variance
 4. Input data dengan keterangan pengisian seperti ini :

a. Pilih one or more sample each in coloum : isi dengan data yang telah di
inputkan
b. Centang Perform hypotheis test : masukkan nilai standart deviasi yang
akan di uji
c. Klik menu Option
Confidence level : tingkat kepercayaan dalam proses pengambilan data
Alternative hypotheis : jenis hubungan hipotesis alternative
Jika sudah klik OK

2.3.2 Uji Hipotesis Dua Variansi

Seorang manager produksi ingin mengetahui apakah ada perbedaan variansi antara
dua mesin produksi yang digunakan oleh perusahaan. Untuk itu dibandingkan antara
jumlah produk cacat Mesin 1 dan Mesin 2 selama 20 hari. Dengan taraf keberartian 2%

Jumlah produk
No
Mesin 1 Mesin 2
1 14 11
2 15 22
3 27 33
4 14 44
 5 25 12
6 46 41
7 27 41
8 36 25
9 28 63
10 28 64
11 38 74
12 48 52
13 48 41
14 58 63
15 26 75
16 52 52
17 46 63
18 36 56
19 15 34
20 36 64

Langkah penyelesaian :
1. Buka software Minitab
2. Isikan data pada worksheet
3. Pilih Stat – Basic Statistic – 2 Variance

4. Input data dengan keterangan pengisian seperti ini

 a. Pilih samples is in its own coloumn : isi dengan data yang telah di
inputkan
b. Klik Option
Confidence level : tingkat kepercayaan dalam proses pengambilan data
Alternatife hypothesis : jenis hubungan hipotesis alternatif
Jika sudah klik OK

2.3.3 Uji Hipotesis Satu Proporsi

Sebuah obat penenang ketegangan syaraf diduga hanya 60% efektif. Hasil
percobaan dengan obat baru terhadap 100 orang dewasa penderitaan ketegangan syaraf,
diambil secara acak, menunjukkan bahwa obat baru ini efektif kepada 70 orang.
Apakah ini merupakan bukti yang cukup untuk menyimpulkan bahwa obat baru itu
lebih baik dari yang beredar sekarang ? Gunakan taraf 5%

Langkah penyelesaian :
1. Buka software minitab
2. Pilih Stat – Basic Statistic – 1 Proportion
3. Input data dengan keterangan pengisian seperti ini :
a. Summarized data : jika data yang akan di olah berupa data input langsung
b. Number of event : Jumlah kejadian
c. Number of trial : Jumlah data percobaan
d. Centang Perform Hypothesis : Masukkan nilai standart deviasi yang akan di
uji
er

4. Klik Option
 Confidence Level : Tingkat kepercayaan dalam proses pengambilan data
Alternatifve hypothesis : Jenis hubungan hipotesis alternative
Method : Pemilihan metode perhitungan
a. Normal approximation : Metode distribusi binomal
b. Exact : Metode distribusi normal

5. Jika sudah klik OK

2.3.4 Uji Hipotesis Dua Proporsi

Mahasiswa jurusan pertanian ditugaskan untuk menguji formula pupuk terbaru
untuk tanaman cabe. Mereka mengelompokkan tanaman-tanaman cabe menjadi dua
kelompok.. Kelompok tanaman cabe pertama diberi pupuk dan kelompok tanaman
cabe kedua tidak diberi pupuk. Dari 250 batang tanaman cabe yang diberi pupuk, mati
sebanyak 20 batang. Sedangkan dari 200 batang tanaman cabe yang tidak diberi pupuk,
juga mati sebanyak 15 batang. Dengan a = 0.05, apakah pemberian pupuk formula
terbaru pada cabe akan menjadi lebih baik daripada diberi pupuk ?

Langkah penyelesaian :
1. Buka software Minitab
2. Pilih Stat – Basic Statistic – 2 Proportion
3. Input data dengan keterangan pengisian seperti ini :
a. Samples in coloumn : di isi jika data yang akan diolah dalam bentuk data
kolom
b. Summarized data : jika data yang akan di olah berupa data input langsung
c. Number of event : Jumlah kejadian
d. Number of trial : Jumlah data percobaan
 4. Klik Option
a. Confidence level : Tingkat kepercayaan dalam proses pengambilan data
b. Hypothesis difference : Masukkan nilai hipotesis 0
c. Alternative Hypothesis : jenis hubungan hipotesis alternative
d. Test methode : Pilih untuk memperkirakan proporsi secara terpisah atau
menggunakan perkiraan gabungan dari p untuk uji hipotesis
Estimate the proportions separately : Memperkirakan proporsinya
terpisah
Use the pooled estimate of the proportion : Menggunakan gabungan
proporsi

5. Klik OK

4.4 Prosedur Penugasan

Lakukan prosedur pengujian hipotesis untuk menjawab soal soal berikut dengan
menggunakan cara manual dan bantuan software.
1. Sebuah perusahaan baterai menyatakan bahwa 9X% produk yang dihasilkan merupakan
produk yang tidak cacat. Toko alat elektronik membeli 1YX0 buah baterai dan diambil
sampel 1/5 produk yang dibeli untuk diinspeksi. Hasil inspeksi produk baterai didapatkan
hasil 2X yang rusak. Apakah pernyataan perusahaan terkait klaim produk baterai tersebut
adalah benar? (X: SATU ANGKA NIM AKHIR, Y: NOMOR KELOMPOK)
Tingkat Signifikansi 2,5% (NIM GENAP), 5 % (NIM GANJIL)
2. PT HEXAGON mempunyai 3 pemasok salah satu bahan pembantu pembuatan furniture.
Perusahaan menyatakan kepada pemasok bahwa presentase produk cacat yang di ijinkan
mereka kirim maksimal adalah X%. Manajer purchasing memerintahkan bagian logistic
untuk melakukan pemeriksaan jumlah komponen cacat pada tiap lot pengiriman produk,
dimana 1 lot berisi 700 unit komponen
Pengiriman ke Supplier
1 2 3
1 11 10 1X
2 1Y 14 14
 3 14 1Y 12
4 23 1X 18
5 1X 14 15
6 10 1Y 16
7 1Y 22 13
8 12 16 1X

a. Lakukan pengecekan untuk tiap supplier, apakah benar bahwa jumlah komponen cacat
sudah sesuai dengan standart perusahaan? (X: SATU ANGKA NIM AKHIR, Y:
NOMOR KELOMPOK) Tingkat Signifikansi 2,5% (NIM GENAP), 5 % (NIM
GANJIL)
b. Lakukan pengecekan tiap pengiriman persupplier (no pengiriman dan supplier akan
ditentukan oleh asisten), apakah benar bahwa komponen cacat kurang dari standart
maksimal perusahaan? (X: SATU ANGKA NIM AKHIR, Y: NOMOR
KELOMPOK) Tingkat Signifikansi 7% (NIM GENAP), 8 % (NIM GANJIL)
2. Dibagian produksi suatu perusahaan dilakukan penelitian untuk mengetahui apakah
ada perbedaan variansi produktivitas pekerja yang bekerja pada waktu pagi dan pada
waktu siang. Sebanyak 22 orang pekerja terpilih secara random dengan sample 10
orang pekerja yang bekerja pada waktu pagi dan 12 orang pekerja yang bekerja yang
bekerja pada waktu siang. Produktivias pekerja (dihitung dalam satuan unit/hari)
dicatat dan disajikan pada tabel berikut :

Produktivitas 1 2 3 4 5 6 7 8 9 10 11 12
Pekerja

Shift pagi 4Y 45 6Y 64 5X 75 72 93 72 7Y

Shift siang YX XY 72 5Y 62 4X 78 62 73 42 72 3Y

Berdasarkan data tersebut, apakah variansi produktivitas pekerja yang bekerja pada
waktu siang dengan pada waktu malam sama? (X: NOMOR KELOMPOK,
Y: SATU ANGKA NIM AKHIR) Tingkat Signifikansi 5% (NIM GENAP), 1 %
(NIM GANJIL)
3. Sebuah toko sepatu ingin mengetahui merek sepatu apa yang paling laku di toko
tersebut. Untuk tujuan tersebut diambil sampel hasil penjualan sepatu merek A dan
sepatu merek N selama 9 bulan. Dari 1100 buah merek sepatu A terjual sebanyak
8YX buah dan dari 1500 buah merek sepatu N terjual 12XY. Dari tersebut apakah
dapat dinyatakan bahwa sepatu merek N lebih laku daripada merek A? (X: SATU
ANGKA NIM AKHIR, Y: SATU ANGKA NIM AKHIR) Tingkat Signifikansi
5% (NIM GENAP), 10 % (NIM GANJIL)
4. Suatu perusahaan yang memproduksi bohlam lampu telah memproduksi bohlam lampu
jenis terbaru dengan variansi lama tahan menyalanya lebih dari 19 jam. Sampel random
sebanyak 2X bohlam lampu jenis terbaru diambil. Variansi lama tahan menyalanya dari
ke 2X bohlam lampu diketahui 19,1 jam. Dapatkah diambil suatu kesimpulan bahwa
lama tahan lampu menyala lebih dari 19 jam? (X: SATU ANGKA NIM AKHIR,
Tingkat Signifikansi 1% (NIM GENAP), 2,5 % (NIM GANJIL)