PEMBAHASAN
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.
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.
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.
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:
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.
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.
𝑥−𝜇0
XII(1). . . . . . . . . . 𝑧 ′ =
𝜎/√𝑛
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
𝑥 − 𝜇𝑜
XII(2)……………….. 𝑡 =
𝑠/√𝑛
9
Misalkan populasi berdistribusi normal dan daripadanya sebuah sampel
acak berukuran n telah diambil. Seperti biasa, dari sampel tersebut
dihitung 𝑥 dan s.
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?
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)
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?
12
Distribusi
Student
dk = 30
Daerah penerimaan
Hₒ ∝= 0,01
2,46
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.
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.
𝑥
−𝜋ₒ
𝑛
XII(3)………………….𝑧 =
𝜋ₒ(1 – 𝜋ₒ)
√
𝑛
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
𝛼 didapat dari daftar normal baku dengan peluang (0,5 – 𝛼). Dalam hal
lainnya, Ho diterima.
15
Kita bedakan dua hal berikut:
(𝑛 −1)𝑠²
XII(4)……………… 𝑥² =
𝜎02
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).
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
XII(6)…………… 𝑡 = 𝑐
dengan
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 )
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.
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).
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
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).
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
( 𝑥₁ /𝑛₁) −( 𝑥₂/𝑛₂ )
XII(10)………….. 𝑧 =
√𝑝𝑞 {(1/𝑛₁) +(1/𝑛₂)}
x₁+x₂
dengan p= dan q = 1 = p.
𝑛₁+𝑛₂
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).
24
𝑠12
XII(11)………….. F =
𝑠22
Varians terbesar
XII(12)…………. F =
Varians terkecil
dengan F½α (𝑣₁ ,𝑣₂) didapat daftar distribusi F dengan peluang ½α,
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
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
𝑥₂−50
1,96 = , n = ukuran sampel,
6/√𝑛
𝑥₂−55
−1,28 = , n = ukuran sampel,
6/√𝑛
27
11,76/√n = 𝑥 – 50
–7,68/√n = 𝑥 – 55
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.
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 :
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
30
.
∑(𝑛1 – 1) 1 ∑(𝑛1 – 1)
Jumlah ∑( ) − −
𝑛1 – 1
log . 𝑠𝑖 ²
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