BAB II

PEMBAHASAN

2.1. Pengertian Hipotesis

Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk
menjelaskan hal itu yang sering dituntut untuk melakukan pengecekannya. Jika
asumsi atau dugaan itu dikhususkan mengenai populasi, maka hipotesis itu
disebut hipotesis statistik. Berikut contoh yang dapat dianggap hipotesis :
a. Peluang lahirnya bayi berjenis laki-laki = 0,5
b. 30% masyarakat termasuk golongan A
c. Rata-rata pendapatan keluarga di suatu daerah Rp. 35.000,00 tiap bulan.

Setiap hipotesis bisa benar atau tidak benar karenanya perlu diadakan
penelitian sebelum hipotesis itu diterima atau ditolak. Prosedur untuk
menentukan nya hipotesis diterima atau ditolak dinamakan pengujian
hipotesis.
2.2 Dua Macam Kekeliruan
Cara untuk pengujian hipotesis yaitu penelitan dilakukan, sampel acak
diambil, nilai-nilai statistik yang perlu dihitung kemudian dibandingkan
menggunakan kriteria tertentu dengan hipotesis. Jika hasil yang didapat dalam
pengertian peluang, jauh berbeda dari hasil yang diharapkan terjadi berdasarkan
hipotesis, maka hipotesis ditolak. Jika sebaliknya, hipotesis diterima.
Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat
terjadi yaitu dikenal dengan nama-nama:
a. Kekeliruan tipe I; ialah menolak hipotesis yang seharusnya diterima
b. Kekeliruan tipe II; ialah menerima hipotesis yang seharusnya ditolak.

2
 Untuk mengingat hubungan antara hipotesis, kesimpulan dan tipe kekeliruan,
dapat dilihat dalam tabel berikut.

KEADAAN SEBENARNYA
KESIMPULAN HIPOTESIS BENAR HIPOTESIS SALAH
TERIMA HIPOTESIS BENAR KELIRU
(KEKELIRUAN TIPE II)
TOLAK HIPOTESIS KELIRU BENAR
(KEKELIRUAN TIPE I)

Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan
dalam peluang. Peluang membuat kekeliruan tipe I biasa dinyatakan dengan α (baca :
alfa) dan peluang membuat kekeliruan tipe II biasa dinyatakan dengan β (baca : beta).
Berdasarkan ini kekeliruan tipe I dinamakan pula kekeliruan α dan kekeliruan tipe II
dikenal dengan kekeliruan β.

Dalam penggunaannya, α disebut pula taraf signifikan atau taraf arti atau
sering disebut pula taraf nyata. Besar kecilnya α dan β yang dapat diterima dalam
pengambilan kesimpulan bergantung pada akibat-akibat atas diperbuatnya kekeliruan-
kekeliruan itu. Selain itu perlu diketahui bahwa kedua kekeliruan tersebut saling
berkaitan. Jika α diperkecil, maka β menjadi besar dan sebaliknya. Pada dasarnya,
hasil pengujian hipotesis yang baik harus bersifat bahwa di antara semua pengujian
yang dapat dilakukan denga harga α yang sama besar, ambilah sebuah yang
mempunyai kekekliruan β paling kecil.

Prinsip teersebut memerlukan pemecahan matematik. Karenanya, untuk

keperluan praktis, kecuali dinyatakan lain, α akan diambil lebih dahulu dengan harga

3
yang biasa digunakan, yaitu α = 0,01 atau α = 0,05. Dengan α = 0,05 misalnya, atau
sering pula disebut taraf nyata 5%, berarti kira-kira 5 dari tiap 100 kesimpulan bahwa
kita akan menolak hipotesis yang seharusnya diterima. Dengan kata lain kira-kira
95% yakin bahwa kita telah membuat kesimpulan yang benar. Dengan demikian
dikatakan bahwa hipotesis telah ditolak pada taraf nyata 0,05 yang berarti kita
mungkin salah dengan peluang 0,05.

Untuk setiap pengujian dengan α yang ditentukan, besar β dapat dihitung.

Harga (1 – β) dnamakan kuasa uji. Ternyata bahwa nilai β berbeda untuk harga
parameter yang berlainan, jadi β bergantung pada parameter, katakanlah θ, sehingga
didapat β (θ) sebuah fungsi yang bergantung pada θ. Bentuk β (θ) dinamakan fungsi
ciri operasi, disingkat C.O dan 1 - β (θ) disebut fungsi kuasa.

2.3 Langkah-langkah Pengujian Hipotesis

Agar penentuan salah satu dianatara dua pilihan itu lebih terperinci dan mudah
dilakukan, maka digunakan perumusan-perumusan seperlunya. Hipotesis
dinyatakan dengan H, supaya dirumuskan dengan singkat dan jelas sesuai
dengan persoalan yang dihadapi. Supaya nampak adanya dua pilihan, hipotesis H
ini perlu didampingi oleh pernyataan yang isinya berlawanan. Pernyataan ini
merupakan hipotesis tandingan untuk H, akan disebut alternative, dinyatakan
dengan A. Pasangan H melawan A, lebih jauh juga menentukan kriteria
pengujian yang terdiri dari daerah penerimaan dan daerah penolakan hipotesis
atau sering disebut juga dengan nama daerah kritis
Kalau yang sedang diuji itu parameter 𝜃 (dalam penggunaannya nanti 𝜃 bisa
rata-rata µ, proporsi π, simpangan baku σ dan sebagainya), maka akan didapat
hal-hal :
a. Hipotesis mengandung pengertian sama. Dalam hal ini pasangan H dan A
adalah:

4
 1. H : 𝜃 = 𝜃o 3. H : 𝜃 = 𝜃o
A : 𝜃 = 𝜃1 A : 𝜃 > 𝜃o
2. H : 𝜃 = 𝜃o 4. H : 𝜃 = 𝜃o
A : 𝜃 ≠ 𝜃o A : 𝜃 < 𝜃o
Dengan 𝜃o, 𝜃1 dua harga berlainan yang diketahui. Pasangan (1)
dinamakan pengujian sederhana lawan sederhana sedangkan yang lainnya
merupakan pengujian sederhana lawan komposit.

b. Hipotesis mengandung pengertian maksimum. Untuk ini H dan A berbentuk:

H : 𝜃 ≤ 𝜃o
A : 𝜃 > 𝜃o

Yang biasa dinamakan pengujian komposit lawan komposit.

c. Hipotesis mengandung pengertian minimum. Perumusan H dan A berbentuk:

H : 𝜃 ≥ 𝜃o
A : 𝜃 < 𝜃o

Ini juga pengujian komposit lawan komposit.

Hipotesis yang perumusan nya mengandung pengertian sama atau tidak

memiliki perbedaan, disebut hipotesis nol dengan lambing Ho melawan hipotesis
tandingannya dengan lambang H₁ yang mengandung pengertian tidak sama, lebih
besar atau lebih kecil. H₁ ini harus dipilih atau ditentukan peneliti sesuai dengan
persoalan yang dihadapi.

Pasangan Ho dan H₁ yang telah dirumuskan dalam bentuk:

𝐻𝑜 ∶ 𝜃 = 𝜃o
{
𝐻1 ∶ 𝜃 ≠ 𝜃o

5
 𝐻𝑜 ∶ 𝜃 = 𝜃o
atau {
H1 ∶ 𝜃 > 𝜃o

𝐻𝑜 ∶ 𝜃 = 𝜃o
atau {
H1 ∶ 𝜃 < 𝜃o

Langkah berikutnya, kita pilih bentuk statistik mana yang harus digunakan,
apakah z, t, χ², F atau lainnya. Harga statistik yang dipilih, besarnya dhitung dari data
sampel yang dianalisa. Kemudian, pilihan taraf nyata α atau disebut juga ukuran
daerah kritis, kriteria pengujian ditentukan. Menurut Sudjana (1996), peran hipotesis
tandingan H₁ dalam penentuan daerah kritis adalah sebagai berikut:

1. Jika tandingan H₁ mempunyai perumusan tidak sama, maka dalam distribusi

statistik yang digunakan, normal untuk angka z, Student untuk t, dan seterusnya,
didapat dua daerah kritis masing-masing pada ujung-ujung distribusi. Luas
daerah kritis atau daerah penolakan pada tiap ujung adalah ½ α, sehingga
adanya dua daerah penolakan ini, maka pengujian hipotesis dinamakan uji dua
pihak.

Daerah Daerah
Penolakan H0 Penolakan H0 Daerah Kritis

Daerah
Luas 1/2a Luas 1/2a
Penerimaan H0

d1 d2

6
 Kriteria yang didapat adalah : terima hipotesis Ho jika harga statistik yang
dihitung berdasarkan data penelitian jatuh antara d1 dan d2 dalam hal lainnya
Ho ditolak.

2. Untuk tandingan H₁ mempunyai perumusan lebih besar, maka dalam distribusi

statistik yang digunakan didapat sebuah daerah kritis yang terletak di ujung
sebelah kanan. Luas daerah kritis atau daerah penolakan ini adalah α. Harga d
didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan
oleh α, menjadi batas antara daerah kritis dan daerah penerimaan Ho. Pengujian
ini dinamakan uji satu pihak, tepatnya pihak kanan.

Daerah
Penolakan H0 (Daerah Kritis)

Daerah
Luas = a
Penerimaan H0

3. Jika tandingan H₁ mempunyai perumusan lebih kecil, maka daerah kritis ada di
ujung kiri dari distribusi yang digunakan. Luas daerah ini = α yang menjadi
batas daerah penerimaan Ho oleh bilangan d yang terdaftar distribusi yang
bersangkutan. Kriteria yang didapat adalah : terima Ho jika statistik yang
dihitung berdasarkan penelitian lebih besar dari d, dalam hal lainnya Ho ditolak.

7
 Daerah
Penolakan H0 (Daerah Kritis)

Daerah
Luas = a
Penerimaan H0

Dengan demikian, dalam hal ini kita mempunyai uji satu pihak, ialah pihak
kiri.

2.4 Menguji Rata-rata µ : Uji Dua Pihak

Populasi berdistribusi normal dengan rata-rata µ dan simpangan baku
σ. Akan diuji mengenai parameter rata-rata µ.
Untuk ini, seperti biasa diambil sebuah sampel berukuran n , lalu hitung
statistik 𝑥 dan s. Dibedakan seperti hal-hal berikut :

Hal. A). 𝜎 diketahui

𝐻𝑜 ∶ 𝜇 = 𝜇𝑜
Untuk pasangan hipotesis {
𝐻₁ ∶ 𝜇 = 𝜇𝑜
dengan 𝜇𝑜 sebuah harga yang diketahui, digunakan statistik:

𝑥−𝜇0
XII(1). . . . . . . . . . 𝑧 ′ =
𝜎/√𝑛

Statistik z ini berdistribusi normal baku, sehingga untuk menentukan

kriteria pengujian, seperti dalam gambar XII(1), digunakan daftar
distribusi normal baku. Ho kiita terima jika −z½(1 – α) < z < z½(1 – α)
dengan z½(1 – α) didapat dari daftar normal baku dengan peluang
½(1−α). Dalam hal lainnya, Ho ditolak.

8
 Hal. B). 𝜎 tidak diketahui
Pada kenyataannya simpangan baku 𝜎 sering tidak diketahui. Maka
diambil taksirannya, ialah simpangan baku s yang dihitung dari sampel
dengan menggunakan Rumus V(5). Statistik yang digunakan untuk
menguji pasangan hipotesis:

𝐻𝑜 ∶ 𝜇 = 𝜇𝑜
{
𝐻1 ∶ 𝜇 ≠ 𝜇𝑜

Tidak lagi seperti dalam Rumus XII(1), akan tetapi:

𝑥 − 𝜇𝑜
XII(2)……………….. 𝑡 =
𝑠/√𝑛

Untuk populasi normal, bahwa t berdistribusi Student dengan dk = (n – 1).

Karena itu, Ho kita terima jika –t₁ −½ α < t₁ − ½ α dengan t₁ −½ α
didapat dari daftar distribusi t dengan peluang (1 – ½α) dan dk = (n – 1).
Dalam hal lainnya, Ho kita tolak.

2.5 Menguji Rata-rata 𝝁 : Uji Satu Pihak

Perumusan yang umum untuk uji pihak kanan mengenai rata-rata 𝜇
berdasarkan Ho dan H₁ adalah :
𝐻𝑜 ∶ 𝜇 = 𝜇𝑜
{
𝐻₁ ∶ 𝜇 > 𝜇𝑜

9
Misalkan populasi berdistribusi normal dan daripadanya sebuah sampel
acak berukuran n telah diambil. Seperti biasa, dari sampel tersebut
dihitung 𝑥 dan s.

Hal A). 𝜎 diketahui

Jika simpangan baku 𝜎 untuk populasi diketahui, digunakan statistik z
yang tertera dalam Rumus XII(1). Sketsa untuk kriteria pengujian seperti
nampak pada Gambar XII(2), ialah menggunakan distribusi normal baku.
Batas kriteria, tentunya didapat dari daftar normal baku. Kita nolak Ho
jika z ≥ z₀,₅ − 𝛼 dengan z₀,₅ − 𝛼 didapat dari daftar normal baku
menggunakan peluang (0,5 − 𝛼). Dalam hal lainnya, Ho kita terima.

Contoh :
Proses pembuatan barang rata-rata menghasilkan 15,7 unit per jam.
Hasil produksi mempunyai varians = 2,3. Metode baru diusulkan untuk
mengganti yang lama jika rata-rata per jam menghasikan paling sedikit 16
buah. Untuk menentukan apakah metode diganti atau tidak, metode baru
dicoba 20 kali dan ternyata rata-rata per jam menghasilkan 16,9 buah.
Pengusaha bermaksud mengambil risiko 5% untuk menggunakan metode
baru apabila metode ini rata-rata menghasilkan lebih dari 16 buah. Apakah
keputusan si pengusaha?

Jawab : Dengan memisalkan hasil produksi berdistribusi normal, maka

kita akan menguji pasangan hipotesis:

10
 Ho : 𝜇 = 16, berarti rata-rata hasil metode baru paling tinggi 16.
Jika ini terjadi, metode lama masih dipertahankan.
H₁ : 𝜇 > 16, berarti rata-rata hasil metode baru lebih dari 16 dan
karenanya metode lama dapat diganti.
Harga-harga yang perlu untuk mrnggunakan Rumus XII(1) adalah 𝑥 =
16,9 buah, n = 20, 𝜎 √2,3 dan 𝜇ₒ = 16 buah. Didapat :

16,9 − 16
𝑧 = = 2,65
√(2,3)/20

Distribusi
Normal
baku Daerah 0,05
Penerimaan Ho

1,64
Gambar XII(6)

Hal B). 𝜎 tak diketahui

Seperti dalam bagian 4, maka jika 𝜎 tidak diketahui, statistik yang
digunakan untuk menguji
𝐻𝑜 ∶ 𝜇 = 𝜇𝑜
{
𝐻₁ ∶ 𝜇 = 𝜇𝑜
adalah statistik t seperti dalam Rumus XII(2).

11
Kriteria pengujian didapat dari daftar distribusi Student t dengan dk = (n
– 1) dan peluang (1 − ∝). Jadi kita tolak Ho jika t ≥ t₁ − ∝ dan diterima
Ho dalam hal lainnya.

Contoh :
Dikatakan bahwa dengan menyuntikkan semacam hormone tertentu
kepada ayam akan menambah berat telurnya rata-rata dengan 4,5 gram.
Sampel acak yang terdiri atas 31 butir telur dari ayam yang telah diberi
suntikan hormone tersebut memberikan rata-rata berat 4,9 gram dan
simpangan baku s = 0,8 gram. Cukup beralasankah untuk menerima
pernyataan bahwa rata-rata berat telur paling sedikit 4,5 gram?

Jawab : Yang kita hadapi adalah pasangan hipotesis:

Ho : 𝜇 = 4,5 ; menyuntik ayam dengan hormonn tidak
menyebabkan bertambahnya rata-rata berat
telur dengan 4,5 gram
H₁ : 𝜇 > 4,5 ; suntikan hormon mengakibatkan berat telur
rata-rata bertambah paling sedikit dengan 4,5
gram

Dari Rumah XII(2) dengan 𝑥 = 4,9 gram s = 0,8 gram, n = 31

dan 𝜇ₒ = 4,5
didapat :
4,9 − 4,5
𝑡 = = 2,78
0,8/√31

12
 Distribusi
Student
dk = 30
Daerah penerimaan
Hₒ ∝= 0,01

2,46

Gambar XII (7)

Kriteria pengujian adalah : tolak hipotesis Ho jika 𝑡 hitung lebih besar atau sama
dengan 2,6 dan terima Ho dalam hal lainnya. Penelitian memberikan hasil 𝑡 = 2,78
dan ini jatuh pada daerah penolakan Ho. Jadi hipotesis Ho ditolak.

Penyuntikan hormon terhadap ayam meyakinkan kita dapat menambah berat

telurnya rata-rata paling sedikit dengan 4,5 gram. Kesimpulannya, kesempatan ini
melakukan kekeliruan terjadi kurang dari 5 di antara setiap 1.000.

𝐻𝑜 ∶ 𝜇 = 𝜇𝑜
Untuk menguji pihak kiri {
𝐻₁ ∶ 𝜇 > 𝜇𝑜

cara yang sama berlaku seperti untuk uji pihak kanan. Jika diketahui, maka statistik z
seperti dalam Rumus XII(1) digunakan dan tolak Ho jika z ≤ − z₀,₅ − 𝛼 , dengan

z₀,₅ − 𝛼 didapat dari normal baku menggunakan peluang (0,5 − 𝛼). Dalam lainnya
Ho diterima. Disini 𝛼 = taraf nyata.

Jika 𝜎 tidak diketahui, maka untuk uji pihak kiri digunakan statistik 𝑡 seperti
yang tertera dalam Rumus XII(2). Dalam hal ini kita tolak hipotesis Ho jika 𝑡 ≤ −

13
𝑡₁ − 𝛼, dengan 𝑡₁ − 𝛼 didapat dari daftar distribusi Student 𝑡 menggunakan
peluang (1 − 𝛼) dan dk = (n − 1). Untuk 𝑡 > − 𝑡₁ − 𝛼 , hipotesis Ho kita terima.

2.6 Menguji Proporsi 𝝅 : Uji Dua Pihak

Misalnya populasi binom dengan proporsi peristiwa A = 𝜋.
Berdasarkan sampel acak yang diambil dari populasi itu, akan diuji mengenai
uji dua pihak:
𝐻𝑜 ∶ 𝜋 = 𝜋ₒ
{
𝐻₁ ∶ 𝜋 ≠ 𝜋ₒ

Dengan 𝜋ₒ sebuah harga yang diketahui. Dari sampel berukuran n itu

dihitung proporsi sampel x/n adanya peristiwa A. dengan menggunakan
pendekatan oleh distribusi normal, maka untuuk pengujian ini digunakan
statistik 𝑧 yang rumusnya:

𝑥
−𝜋ₒ
𝑛
XII(3)………………….𝑧 =
𝜋ₒ(1 – 𝜋ₒ)
√
𝑛

Bagian 3, Rumus X(7)).

Kriteria untuk pengujian ini, dengan taraf nyata ∝ adalah terima Ho
jika − 𝑧½ (1 − 𝛼) < 𝑧 < 𝑧½ (1 − 𝛼), di mana 𝑧½ (1 − 𝛼) didapat dari

dafta normal baku dengan peluang ½(1 − 𝛼). Dalam hal lainnya, hipotesis
Ho ditolak.

14
2.7 Menguji Proporsi 𝝅 : Uji Satu Pihak
Jika yang diuji dari populasi binom itu berbentuk :
𝐻𝑜 ∶ 𝜋 = 𝜋ₒ
{
𝐻₁ ∶ 𝜋 > 𝜋ₒ
maka pengujian tersebut merupakan uji pihak kanan. Untuk itu, statistik
yang digunakan masih statistik 𝑧 seperti tertera dalam Rumus XII(3). Yang
berbeda hanyalah dalam penentuan kriteria pengujiannya. Dalam hal ini, tolak
Ho jika 𝑧 ≥ 𝑧₀,₅ − 𝛼 , di mana 𝑧₀,₅ − 𝛼 didapat dari daftar normal baku

dengan peluang (0,5 – 𝛼). Untuk 𝑧 < 𝑧₀,₅ − 𝛼 hipotesis Ho diterima.

Untuk uji pihak kiri, maka pasangan hipotesis nol dan tandingannya
adalah:
𝐻𝑜 ∶ 𝜋 = 𝜋ₒ
{
𝐻₁ ∶ 𝜋 < 𝜋ₒ
Disini pun, masih menggunakan statistik 𝑧 seperti dalam Rumus
XII(3). Kriteria pengujian adalah tolak Ho jika 𝑧 ≤ 𝑧₀,₅ − 𝛼 di mana 𝑧₀,₅ −

𝛼 didapat dari daftar normal baku dengan peluang (0,5 – 𝛼). Dalam hal
lainnya, Ho diterima.

2.8 Menguji Varians 𝝈²

Ketika menguji rata-rata 𝜇 untuk populasi normal, didapat hal di mana
simpangan baku 𝜎 diketahui (lihat bagian 3). Harga yang diketahui ini
umumnya didapat dari pengalaman dan untuk menentukan besarnya perlu
diadakan pengujian. Untuk ini, misalnya populasi berdistribusi normal
dengan varians 𝜎² dan diambil sebuah sampel acak berukuran n. Varians
sampel yang besarnya s² dihitung dengan Rumus V(5) atau Rumus V(6).

15
 Kita bedakan dua hal berikut:

Hal A). Uji Dua Pihak

Untuk ini pasangan Ho dan H₁ adalah:
Ho : 𝜎² = 𝜎02
H₁ : 𝜎² ≠ 𝜎02
Untuk pengujian ini dipakai statistik chi-kuadrat.

(𝑛 −1)𝑠²
XII(4)……………… 𝑥² =
𝜎02

Jika dalam pengujian dipakai taraf nyata 𝛼, maka kriteria pengujian

adalah: terima Ho jika 𝑥²½𝛼 < 𝑥² < 𝑥12 − ½𝛼 di mana 𝑥²½𝛼 dan 𝑥12

− ½𝛼 di dapat dari daftar distribusi chi-kuadrat dengan dk = (n − 1) dan

masing-masing dengan peluang ½𝛼 dan (1 − ½𝛼). Dalam hal lainnya Ho
ditolak.

Hal B). Uji Satu Pihak

Sering dikehendaki adanya varians yang berharga kecil. Untuk ini
pengujian diperlukan dan akan uji pihak kanan:
Ho : 𝜎² = 𝜎02
H₁ : 𝜎² > 𝜎02
Statistik yang digunakan masih tetap 𝑥² seperti dalam Rumus XII(4).
Kriteria pengujian dalam hal ini adalah: tolak Ho jika 𝑥² ≥ 𝑥12 – 𝛼, di mana

𝑥12 – 𝛼 , didapat dari daftar chi-kuadrat dengan dk = (n − 1) dan peluang

16
 (1 – 𝛼). Dalam hal lainnya, Ho diterima. Jika hipotesis nol dan tandingannya
menyebabkan uji pihak kiri, yakni pasangan:
Ho : 𝜎² = 𝜎02
H₁ : 𝜎² < 𝜎02
Maka hal yang sebaliknya akan terjadi mengenai kriteria pengujian,
yaitu tolak Ho jika 𝑥² ≤ ²𝛼 , di mana 𝑥²𝛼 di dapat dari daftar chi-kuadrat
dengan dk = (n − 1) dan peluang 𝛼 sedangkan satistik 𝑥² tetap dihitung oleh
Rumus XII(4).

2.9 Menguji Kesamaan Dua Rata-rata : Uji Dua Pihak

Banyak penelitian memerlukan perbandingan antara dua keadaan atau
tepatnya dua populasi. Untuk ini akan digunakan dasar distribusi sampling
mengenai statistik, misalnya selisih rata-rata dan selisih proporsi.
Misalkan kita mempunyai dua populasi normal masing-masing dengan
rata-rata 𝜇₁ dan 𝜇₂ sedangkan simpangan bakunya 𝜎₁ dan 𝜎₂. Secara
independen dari populasi kesatu diambil sebuah sampel acak berukuran n₁
sedangkan dari populasi kedua sebuah sampel acak berukuran n₂. dari kedua
sampel ini berturut-turut didapat 𝑥₁ , s₁ , dan 𝑥₂ , s₂. Akan diuji tentang
rata- rata 𝜇₁ dan 𝜇₂.

Pasangan hipotesis nol dan tandingannya yang akan diuji adalah:

Ho : 𝜇₁ = 𝜇₂
H₁ : 𝜇₁ ≠ 𝜇₂
Untuk ini bedakan hal-hal berikut:

17
Hal A). 𝜎₁ = 𝜎₂ = 𝜎 dan 𝜎 diketeahui
Statistik yang digunakan jika Ho benar, adalah:

𝑥₁− 𝑥₂
XII(5)……………. 𝑧 =
1 1
𝜎√ +
𝑛₁ 𝑛₂

Dengan taraf nyata 𝛼, maka kriteria pengujian adalah terima Ho jika

− 𝑧½ (1 − 𝛼) < 𝑧 < 𝑧½ (1 − 𝛼) , di mana 𝑧½ (1 − 𝛼) di dapat dari
dafatr normal baku dengan peluang ½ (1 − 𝛼). Dalam hal lainnya Ho
ditolak.

Hal B). 𝜎₁ = 𝜎₂ = 𝜎 tetapi 𝜎 tidak diketeahui

Jarang sekali 𝜎₁ dan 𝜎₂ diketahui besarnya. Jika Ho benar dan 𝜎₁ = 𝜎₂
= 𝜎 sedangkan 𝜎 tidak diketahui harganya, statistik yang digunakan
adalah:

XII(6)…………… 𝑡 = 𝑐
dengan

(𝑛₁−1) 𝑠12 +(𝑛₂−1)𝑠22

XII(7)………....... 𝑠² =
𝑛₁+𝑛₂−2

Menurut teori distribusi sampling, maka statistik 𝑡 di atas berdistribusi

Student dengan dk = (𝑛₁ + 𝑛₂ − 2). Kriteria pengujian adalah terima Ho
jika − 𝑡₁ −½α < 𝑡 < 𝑡₁ −½α , di mana 𝑡₁ −½α didapat dari daftar
distribusi 𝑡 dengan dk = (𝑛₁ + 𝑛₂ − 2) dan peluang (1 − ½𝛼). Untuk
harga-harga lainnya Ho ditolak.

18
Hal C). 𝜎₁ ≠ 𝜎₂ dan kedua-duanya tidak diketahui
Jika kedua simpangan baku tidak sama tetapi kedua populasi
berdistribusi normal, hingga sekarang belum ada statistik yang tepat yang
dapat digunakan. Pendekatan yang cukup memuaskan adalah dengan
menggunakan statistik 𝑡′ sebagai berikut:

𝑥₁− 𝑥₂
XII(8)…………… 𝑡 =
√( 𝑠12 /𝑛₁)+( 𝑠22 /𝑛₂ )

Kriteria pengujian adalah: terima hipotesis Ho jika

𝑤₁𝑡₁+ 𝑤₂𝑡₂ 𝑤₁𝑡₁+ 𝑤₂𝑡₂

− < 𝑡′ <
𝑤₁+ 𝑤₂ 𝑤₁+ 𝑤₂

dengan : w₁ = 𝑠12 /n₁ ; w₂ = 𝑠22 /n₂

t₁ = 𝑡( 1 −½α ) , (n₁ – 1) dan
t₂ = 𝑡( 1 −½α ) , (n₂ – 1)
t𝛽, m didapat dari daftar distribusi Student dengan peluang 𝛽 dan dk = m.
Untuk harga-harga lainnya, Ho dtolak.

Hal D). Observasi berpasangan

Untuk observasi berpasangan kita ambil 𝜇𝐵 = 𝜇₁ dan 𝜇₂. Hipotesis nol
dan tandingannya adalah:
Ho : 𝜇𝐵 = 0
H₁ : 𝜇𝐵 ≠ 0

19
 Jika B₁ = x₁ – y₁ , B₂ = x₂ – y₂ , ……. , B𝑛 = x𝑛 – y𝑛 , maka data
B₁ ,B₂ , …. , B𝑛 menghasilkan rata-rata 𝐵̅ dan simpangan baku 𝑠𝐵 . Untuk
pengujian hipotesis, digunakan statistik:

̅
B
XII(9)………….. . 𝑡 =
𝑠𝐵 / √𝑛

dan terima Ho jika − 𝑡₁ −½α < 𝑡 < 𝑡₁ −½α di mana 𝑡₁ −½α didapat dari
daftar distribusi 𝑡 dengan peluang (1− ½𝛼) dan dk = (n − 1). Dalam hal
lainnya Ho ditolak.

2.10 Menguji Kesamaan Dua Rata-Rata : Uji Satu Pihak

Sebagaimana dalam uji dua pihak, untuk uji satu pihak pun dimisalkan
bahwa kedua populasi berdistribusi normal dengan rata-rata 𝜇₁ dan 𝜇₂ dan
simpangan baku 𝜎₁ dan 𝜎₂. Karena umumnya besar 𝜎₁ dan 𝜎₂ tidak
diketahui, maka disini ditinjau hal-hal berikut 𝜎₁ = 𝜎₂ atau 𝜎₁ ≠ 𝜎₂.

Hal A). Uji pihak kanan

Yang diuji adalah Ho : 𝜇₁ = 𝜇₂
H₁ : 𝜇₁ > 𝜇₂
Dalam hal 𝜎₁ = 𝜎₂, maka statistik yang digunakan adalah statistik 𝑡 seperti
dalam Rumus XII(6) dengan s² seperti dalam Rumus XII(7). Kritera
pengujian yang berlaku ialah : terima Ho jika 𝑡₁ −α dan tolak Ho jika 𝑡
mempunyai harga-harga lain. Derajat kebebasan untuk daftar distribusi 𝑡
ialah (𝑛₁ + 𝑛₂ − 2) dengan peluang (1 − 𝛼). Jika 𝜎₁ ≠ 𝜎₂, maka statistik

20
yang digunakan adalah statistik 𝑡′ seperti dalam Rumus XII(8). Dalam hal
ini, kriteria pengujiannya adalah: tolak hipotesis Ho jika :
𝑤₁𝑡₁+ 𝑤₂𝑡₂
𝑡′ ≥
𝑤₁+ 𝑤₂

dan terima Ho jika terjadi sebaliknya, dengan w₁ = 𝑠12 /n₁ , w₂ = 𝑠22 /n₂ ,
𝑡₁ = 𝑡( 1 −α ) , (n₁ − 1) dan 𝑡₂ = 𝑡( 1 −α ) , (n₂ − 1). Peluang untuk
menggunakan daftar distribusi 𝑡 ialah (1 – 𝛼) sedangkan dik-nya masing-
masing (n₁ − 1) dan (n₂ − 1).

Untuk observasi berpasangan, pasangan hipotesis nol Ho dan hipotesis

tandingan H₁ untuk uji pihak kanan adalah:
Ho : 𝜇𝐵 = 0
H₁ : 𝜇𝐵 > 0
Statistik yang digunakan masih statistik 𝑡 dalam Rumus XII(9) dan tolak
Ho jika 𝑡 ≥ 𝑡₁ − 𝛼 di mana 𝑡₁ − 𝛼 didapat dari daftar distribusi Student
dengan dk = (n − 1) dan peluang (1 – 𝛼).

Hal B). Uji pihak kiri

Perumusan hipotesis Ho dan hipotesis tandingan H₁ untuk uji pihak
kiri ialah :

Ho : 𝜇₁ = 𝜇₂
H₁ : 𝜇₁ < 𝜇₂

21
 Langah-langkah yang ditempuh dalam hal ini sejalan dengan yang
dilakukan oleh pihak kanan.
Jika 𝜎₁ = 𝜎₂, kedua-duanya nilainya tak diketahui, maka digunakan
statistik 𝑡 dalam Rumus XII(6). Kriteria pengujian adalah : tolak Ho jika 𝑡
≤ 𝑡₁ − 𝛼, di mana 𝑡₁ − 𝛼 didapat dari daftar distribusi 𝑡 dengan dk =
(𝑛₁ + 𝑛₂ − 2) dan peluang (1− 𝛼). Untuk harga-harga 𝑡 lainnya, Ho
diterima.
Jika 𝜎₁ ≠ 𝜎₂, maka yang digunakan dalam statistik 𝑡′ dalam Rumus
XII(8) dan tolak Ho untuk

−( 𝑤₁𝑡₁+ 𝑤₂𝑡₂)
𝑡′ ≤
𝑤₁+ 𝑤₂

dimana w₁ , w₂ , t₁ , dan t₂ semuanya seperti telah diuraikan di muka.

Jika 𝑡′ lebih besar dari harga tersebut, maka Ho diterima.

Untuk observasi berpasangan, hipotesis Ho dan tandingan yang akan

diuji adalah:

Ho : 𝜇 = 0
H₁ : 𝜇 < 0

Statistik yang digunakan ialah statistik 𝑡 dalam Rumus XII(9) dan tolak
Ho jika 𝑡 ≤ 𝑡(1− 𝛼) , (n − 1) dan terima Ho untuk 𝑡 > 𝑡(1− 𝛼) , (n − 1).

2.11 Menguji Kesamaan Dua Proporsi : Uji Dua Pihak

Misalkan kita mempunyai dua populasi binom dengan masing-masing
proporsi peristiwa A sebesar 𝜋₁ dan 𝜋₂. Dari populasi kesatu sebuah

22
 sampel acak berukuran n₁ dan didalam nya terdapat proporsi peristiwa A
sebesar x₁/n₁. Dari populasi kedua angka-angka tersebut berturut-turut
adalah n₂ dan x₂/n₂. Kedua sampel diambil secara independen. Akan diuji
hipotesis:

𝐻𝑜 ∶ 𝜋₁ = 𝜋₂
{
𝐻₁ ∶ 𝜋₁ ≠ 𝜋₂

Untuk ini digunakan pendekatan oleh distribusi normal dengan statistik :

( 𝑥₁ /𝑛₁) −( 𝑥₂/𝑛₂ )
XII(10)………….. 𝑧 =
√𝑝𝑞 {(1/𝑛₁) +(1/𝑛₂)}

x₁+x₂
dengan p= dan q = 1 = p.
𝑛₁+𝑛₂

Jika dalam pengujian digunakan taraf nyata 𝛼, maka kriteria pengujian

adalah: Terima Ho untuk − 𝑧½ (1 − 𝛼) < 𝑧 < 𝑧½ (1 − 𝛼) dan tolak Ho
untuk harga-harga 𝑧 lainnya.
Seperti biasa, 𝑧½ (1 − 𝛼) didapat dari daftar distribusi normal baku
dengan peluang ½ (1 − 𝛼).

2.12 Menguji Kesamaan Dua Proporsi : Uji Satu Pihak

Untuk uji pihak kanan, maka pasangan hipotesisnya adalah:
𝐻𝑜 ∶ 𝜋₁ = 𝜋₂
{
𝐻₁: 𝜋₁ > 𝜋₂

23
 Dengan statistik yang sama, tolak Ho untuk 𝑧 ≤ 𝑧₀,₅ − 𝛼 dan diterima
Ho jika 𝑧 ≥ 𝑧₀,₅ − 𝛼. Untuk kedua-duanya 𝑧₀,₅ − 𝛼 didapat dari daftar
distribusi normal baku dengan peluang (0,5 − 𝛼).

2.13 Menguji Kesamaan Dua Varians

Ketika menaksir selisih rata-rata, dan menguji kesamaan atau
perbedaan dua rata-rata telah berulang kali ditekankan adanya asumsi
bahwa kedua populasi mempunyai varians yang sama agar menaksir dan
menguji bisa berlangsung. Dalam hal varians yang berlainan, hingga
sekarang hanya digunakan cara-cara pendekatan. Oleh karena itu perlu
untuk melakukan pengujian mengenai kesamaan dua varians atau lebih.
Populasi-populasi dengan varians yang sama dinamakan populasi dengan
varians yang homogen. Dalam hal lainnya, disebut populasi dengan
varians yang heterogen.
Dengan ini akan dilakukan pengujian kesamaan varians untuk dua
populasi.
Misalkan kita mempunyai dua populasi nnormal dengan varians 𝜎12
dan 𝜎22 .
Akan diuji mengenai dua pihak untuk pasangan hipotesis nol Ho dang
tandingannya H₁ :
Ho : 𝜎12 = 𝜎22
H₁ : 𝜎12 ≠ 𝜎
berdasarkan sampel acak yang masing-masing secara independen daimbil
dari populasi tersebut. Jika sampel dari populasi kesatu berukuran n₁
dengan varians 𝑠12 dan sampel dari kedua berukuran n₂ dengan varians 𝑠22
maka untuk menguji hipotesis digunakan statistik :

24
 𝑠12
XII(11)………….. F =
𝑠22

Kriteria pengujian adalah: terima hipotesis Ho jika

F(1 − 𝛼)(𝑛₁ −1) < F < F½α (n₁ −1,𝑛₂ −1)

untuk taraf nyata 𝛼, di mana F𝛽 (𝑚 ,𝑛) didapat dari daftar distribusi F

dengan peluang 𝛽, dk pembilang = n dan dk penyebut = n. Dalam hal

lainnya Ho ditolak.
Statistik yang digunakan menguji hipotesis Ho di muka juga adalah:

Varians terbesar
XII(12)…………. F =
Varians terkecil

dan tolak Ho hanya jika F ≥ F½α (𝑣₁ ,𝑣₂)

dengan F½α (𝑣₁ ,𝑣₂) didapat daftar distribusi F dengan peluang ½α,

sedangkan derajat kebebasan v₁ dan v₂ masing-masing sesuai dengan dk

pembilang dan penyebut dalam Rumus XII(12). Seperti biasa α = taraf
nyata.
Dalam perhitungan F dari daftar, jika peluang beda dari 0,01 atau 0,05,
maka digunakan Rumus VIII(22).

Jika pengujian merupakan uji satu pihak, yaitu uji pihak kanan, untuk
hipotesis nol Ho dengan tandingan H₁, maka:

25
 Ho : 𝜎12 = 𝜎22
H₁ : 𝜎12 > 𝜎22

dan uji pihak kiri :

Ho : 𝜎12 = 𝜎22
H₁ : 𝜎12 < 𝜎22
Maka dalam kedua hal, statistik yang digunakan masih F = 𝑠12 /𝑠22 seperti
dalam Rumus XII(11). Untuk uji pihak kanan, kriteria pengujian adalah:
tolak Ho jika F ≥ Fα (n₁ −1,𝑛₂ −1) sedangkan untuk uji pihak kiri, tolak

Ho jika F ≤ F(1 − 𝛼(n₁ −1,𝑛₂ −1) . Dalam hal-hal lain Ho diterima.

2.14 Kuasa Uji Dan Kurva Ciri Operasi

Dalam membuat pengujian hipotesis terjadi dua tipe kekeliruan, ialah
𝛼 dan 𝛽. Kekeliruan 𝛼, atau kekeliruan tipe I, terjadi jika menolak
hipotesis nol yang seharusnya diterima. Sedangkan kekeliruan 𝛽 atau
ditolak. Untuk mendapatkan keputusan yang baik kedua kekeliruan
tersebut haruslah seminimal mungkin. Namun hal itu sangatlah sulit di
karenakan meminimalkan yang satu akan terjadi peningkatan yang lain.
Kecuali, dengan jalan memperbesar ukuran sampel, yang pada umumnya
jarang bisa dilaksanakan. Kekeliruan tipe I sering dibatasi dengan jalan
menentukan terlebih dahulu taraf nyata misalnya 𝛼 = 0,01 atau 𝛼 = 0,05
atau nilai lainnya.

26
2.15 Menentukan Ukuran Sampel
Faktor yang ikut menentukan dalam menentukan ukuran sampel
adalah:
a. Mengenai parameter apakah hipotesis yang akan diuji itu,
b. Bagaimana pengujian dilakukan, satu pihak atau dua pihak,
c. Berapa besar taraf nyata yang akan digunakan,
d. Berapa besar kekeliruan yang mau dilakukan,
e. Berapa besar penyimpangan yang dapat diterima diukur dari nilai
hipotesis

Contoh : Sebuah sampel acak diperlukan untuk menguji Ho : 𝜇 = 50

melawan H₁ : 𝜇 ≠ 50 dengan syarat-syarat sebagai berikut :

Jawab : Syarat a) mengatatakan bahwa paling tinggi 𝛼 = 0,05,

Syarat b) mengatakan paling tinggi 𝛽 = 0,10 terjadi pada 𝜇 =

45 dan 𝜇 = 50

Daerah penerimaan Ho adalah antara 𝑧 = −1,96. Dengan

Rumus XII(1), dari distribusi normal dengan 𝜇 = 50 didapat:

𝑥₂−50
1,96 = , n = ukuran sampel,
6/√𝑛

dan dari distribusi normal 𝜇 = 55 dan 𝛽 = 0,10 didapat,

𝑥₂−55
−1,28 = , n = ukuran sampel,
6/√𝑛

Kedua persamaan diatas memberikan

27
 11,76/√n = 𝑥 – 50

–7,68/√n = 𝑥 – 55

Setelah diselesaikan didapat n = 15,12

Paling sedikit perlu diteliti 16 obyek.

Dengan n = 16 ini akan didapat 𝑥₂ = 52,9 dan 𝑥₁ = 47,1.

Kriteria pengujian adalah: jika dari sampel berukuran 16 didapat 𝑥

antara 47,1 dan 52,9 maka Ho diterima, sedangkan dalam hal lainnya Ho
harus ditolak.

Catatan: hasil yang sama akan diperoleh apabila diambil distribusi normal
dengan 𝜇 = 50 dan 𝜇 = 45. Jika untuk contoh diatas diambil 𝛽 = 0,05, maka
persamaan yang harus diselesaikan adalah:

𝑥₂−50 𝑥₂−55
1,96 = dan – 1,645 =
6/√𝑛 6/√𝑛

atau 11,76/√n = 𝑥 – 50

–9,87/√n = 𝑥 – 55.

Hal ini memberikan hasil n = 18,71 yang berarti paling sedikit sampel itu
berukuran 19.

Bahwa makin kecil kekeliruan yang dikehendaki makin besar ukuran

sampel yang yang diperlukan. Hal yang sama akan terjadi apabila
mengehendaki penyimpangan yang semakin kecil dari nilai yang
dihipotesiskan.

28
2.16 Menguji Homogenitas Varians Populasi
Untuk menguji kesamaan beberapa buah rata-rata misalnya populasinya
mempunyai varians yang homogen, yaitu 𝜎12 = 𝜎22 = …….. = 𝜎𝑘2 . Demikian
pula untuk menguji kesamaan dua rata-rata, tealah dimisalkan 𝜎12 = 𝜎22 .
Untuk hal ini, pengujian kesamaan varians 𝜎12 = 𝜎22 untuk dua populasi telah
diuraikan pada Bagian 13. Sekarang akan diuraikan perluasannya yaitu
untuk menguji kesamaan k buah (k ≥ 2) varians populasi yang berdistribusi
normal. Misalkan, kita mempunyai k (k ≥ 2) buah populasi berdistribusi
independen dan normal masing-masing dengan varians 𝜎12 , 𝜎22 , … , 𝜎𝑘2 .
Akan diuji hipotesis :

Ho : 𝜎12 = 𝜎22 = …….. = 𝜎𝑘2 .

H₁ : paling sedikit satu tanda sama dengan tidak berlaku,

berdasarkan sampel-sampel acak yang masing-masing diambil dari setiap

populasi.
Ada beberapa metoda untuk melakukan pengujian ini, tetapi hanya
akan diberikan sebuah saja yang dikenal dengan nama uji Bartlett.
Misalkan masing-masing sampel berukuran n₁ , n₂, … , n𝑘 dengan
data Yij ( i = 1, 2, . . . , k dan j = 1, 2, . . . . , n𝑘 ) dan hasil pengamatan telah
disusun seperti dalam Daftar XII(4). Selanjutnya, seperti sampel-sampel itu
kita hitung variansnya masing-masing ialah 𝑠12 , 𝑠22 , . . . . , 𝑠𝑘2 .

29
 DAFTAR XII(4)
DATA SAMPEL DARI k BUAH POPULASI
Untuk memudahkan perhitungan, satuan-satuan yang diperlukan untuk
DARI POPULASI KE
1 2 …. k
𝛾11 𝛾21 ……. 𝛾𝑘1
Data hasil …….
𝛾12 𝛾22 𝛾𝑘₂
pengamatan …….
. .
…….
𝛾1𝑛₁ 𝛾2𝑛₂ 𝛾𝑘𝑛𝑘
Uji Bartlett lebih baik disusun seperti dalam sebuah Daftar XII(5).

DAFTAR XII(5)
HARGA-HARGA YANG PERLU UNTUK UJI BARTLETT
Ho : 𝜎12 = 𝜎22 = . . . = 𝜎𝑘2

Sampel ke Dk 1 𝑠𝑖 ² log 𝑠𝑖 ² (dk) log

𝑑𝑘 𝑠𝑖 ²
1 𝑛1 – 1 1/( 𝑛1 − 1 𝑠1 ² log 𝑠1 ² (𝑛1 − 1 )
) log 𝑠1 ²
2 𝑛2 – 1 1/( 𝑛2 − 1 𝑠2 ² log 𝑠2 ² (𝑛2 − 1 )
) log 𝑠2 ²
.
.

30
 .
∑(𝑛1 – 1) 1 ∑(𝑛1 – 1)
Jumlah ∑( ) − −
𝑛1 – 1
log . 𝑠𝑖 ²

Dari daftar ini dihitung dari harga-harga yang diperlukan, yakni:

1) Varians gabungan dari semua sampel

XII(13)……….. 𝑠 2 = (∑(𝑛𝑖 − 1) 𝑠𝑖 ² / ∑(𝑛𝑖 − 1)

2) Harga satuan B dengan rumus :

XII(14)……….. B = (log s²) ∑(𝑛𝑖 − 1)

Ternyata untuk uji Bartlett digunakan statistik chi-kuadrat.

XII(15)…………. 𝑥 2 = (In 10) {B − ∑(𝑛𝑖 − 1) log 𝑠𝑖 ²

Dengan In 10 = 2,3026, disebut logaritma asli dari bilangan 10.

Dengan taraf nyata 𝛼, tolak hipotesis Ho jika 𝑥 2 ≥ 𝑥 2 (1− 𝛼)(𝑘−1) , di

mana 𝑥 2 (1− 𝛼)(𝑘−1) didapat dari daftar distribusi chi-kuadrat dengan

peluang (1 – 𝛼) dan dk = (k – 1).

31
 BAB III
PENUTUP
3.1 Kesimpulan
Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan
dari analisa data, baik dari percobaan yang terkontrol, maupun dari
observasi (tidak terkontrol). Dalam statistik sebuah hasil bisa dikatakan
signifikan secara statistik jika kejadian tersebut hampir tidak mungkin
disebabkan oleh faktor yang kebetulan, sesuai dengan batas probabilitas
yang sudah ditentukan sebelumnya.
Hipotesis yakni dugaan yang mungkin benar, atau mungkin juga salah.
Dia akan ditolak jika salah atau palsu, dan akan diterima jika faktor-
faktor membenarkannya. Penolakan dan penerimaan hipotesis, dengan
begitu sangat tergantung kepada hasil-hasil penyelidikan terhadap faktor-
faktor yang lain.

32
 DAFTAR PUSTAKA
Prof. Dr. Sudjana, M.A., M.SC. 2013. Metoda Statistika. Bandung : PT. Tarsito

33