HELLO!

You can Call Us

The Remedies In Grades we Fight !!
1

Dzaki Naufal Jasir (15)

Glady Fiona (19)
Ludfi Wicaksono (22)
Suryo Akhsan Baihaqi (37)
BeJaT
Menguji Klaim Tentang
Mean: Diketahui
Key Concept
Bagian ini menyajikan metode untuk menguji
klaim tentang mean populasi,
mengingat standar deviasi populasi adalah
nilai yang diketahui.
Bagian ini menggunakan distribusi normal
dengan komponen tes hipotesis yang sama
yang diperkenalkan pada Bagian 8-2
(pertemuan sebelumnya).
Notation

n = sample size

x = sample mean
x = population mean of all sample
means from samples of size n

 = known value of the population

standard deviation
Persyaratan utk Menguji Klaim Tentang
Rata-rata Populasi (dgn  diketahui)

1) Sampelnya adalah sampel acak

sederhana.

2) Nilai deviasi standar populasi 

diketahui.
3) Salah satu atau kedua kondisi ini
terpenuhi: Populasi terdistribusi
normal atau n> 30.
Uji Statistik untuk Menguji Klaim
Tentang Rata-rata (dengan 
diketahui)

x – µx
z=

n
 Example:
Orang-orang meninggal dlm kecelakaan kapal karena perkiraan lama
menggunakan dari berat rata-rata pria.

Dgn menggunakan bobot sampel acak pria sederhana dari Data Set 1 di
Appendix B, kita mendapatkan statistik contoh berikut:
n = 40 dan x̄ = 172,55 lb.

Penelitian dari beberapa sumber lain menunjukkan bahwa populasi bobot

manusia memiliki standar deviasi yang diberikan oleh  = 26 lb.
Gunakan hasil ini untuk menguji klaim bahwa pria memiliki berat badan
rata-rata lebih besar dari 166,3 lb, yang merupakan berat dalam
rekomendasi Dewan Transportasi dan Keselamatan Nasional M-04-04.
Gunakan tingkat signifikansi 0,05 dan gunakan metode nilai-P yang
digariskan pada Gambar 8-8.
Example:
Persyaratan dipenuhi: sampel acak
sederhana,  diketahui (26 lb), ukuran sampel
adalah 40 (n> 30)
Langkah 1: langsung klaim sebagai  > 166,3
lb
Langkah 2: alternatif utk klaim adl  ≤ 166,3
lb
Langkah 3:  > 166,3 lb tidak mengandung
persamaan, ini adalah hipotesis
alternatif:
H0:  = 166,3 lb hipotesis nol
H1:  > 166,3 lb hipotesis alternatif dan klaim
asli
Example:
Langkah 4: tingkat signifikansi adalah  =
0,05
Langkah 5: klaim adalah ttg mean populasi, jadi
statistik yg relevan adalah mean
sampel (172,55 lb),  diketahui (26 lb),
ukuran sampel lebih besar dari 30
Langkah 6: hitung z
x  x 172.55  166.3
z   1.52
 26
n 40
Uji ekor kanan, jadi P-value adalah
luasnya di sebelah kanan z = 1,52;;
Example:
Tabel A-2: luas di sebelah kiri z =
1,52 adalah 0,9357, jadi luas ke
kanan adalah? 1 - 0,9357 = 0,0643.
P-value adalah 0,0643
Langkah 7: Nilai P = 0,0643 lebih besar dari
tingkat signifikansi  = 0,05, kita
gagal menolak hipotesis nol.

P-value = 0.0643

 = 166.3
or x  172.55
z=0 or
z = 1.52
 Example:

Nilai P = 0,0643 memberi tahu kita bahwa

jika pria memiliki berat rata-rata yang diberikan oleh  = 166,3 lb,
ada kemungkinan bagus (0,0643) mendapatkan
mean sampel sebesar 172,55 pon. Sampel sampel seperti
172,55 lb dapat dengan mudah terjadi oleh kesempatan.
Tidak ada bukti yang cukup untuk mendukung kesimpulan
bahwa mean populasi lebih besar dari 166,3 lb, seperti
rekomendasi Dewan Transportasi dan Keselamatan Nasional.
Example:

Metode tradisional: Gunakan z = 1,645 daripada

menemukan nilai P. Karena z = 1,52 tidak jatuh
di wilayah kritis, sekali lagi gagal menolak
hipotesis nol.

Confidence Interval method: Gunakan tes satu-

ekor dengan a = 0,05, jadi buatlah interval
kepercayaan 90%:
165,8 <  <179,3
Interval kepercayaan mengandung 166,3 lb, kita
tidak dapat mendukung klaim bahwa  lebih
besar dari 166,3. Sekali lagi, gagal menolak
hipotesis nol.
Underlying Rationale of Hypothesis
Testing
If, under a given assumption, there is an
extremely small probability of getting sample
results at least as extreme as the results that
were obtained, we conclude that the assumption
is probably not correct.

When testing a claim, we make an

assumption (null hypothesis) of equality. We
then compare the assumption and the
sample results and we form one of the
following conclusions:
Dasar pemikiran dari Pengujian
Hipotesis - lanjutan
▹ Jika hasil sampel (atau hasil yang lebih
ekstrem) dapat dengan mudah terjadi ketika
asumsi (hipotesis nol) benar, kami mengaitkan
perbedaan yang relatif kecil antara asumsi dan
hasil sampel sebagai kebetulan.

• Jika hasil sampel tidak dapat dengan mudah

terjadi ketika asumsi itu (hipotesis nol) benar,
kami menjelaskan perbedaan yang relatif
besar antara asumsi dan hasil sampel dengan
menyimpulkan bahwa asumsi itu tidak benar,
jadi kami menolak asumsi tersebut.
Recap

In this section we have discussed:

v Requirements for testing claims about
population means, σ known.
v P-value method.
v Traditional method.
v Confidence interval method.
v Rationale for hypothesis testing.
 “
kalau ada 1000 cara
untuk gagal
aku punya 1001 cara
untuk BERHASIL

~Ava Ulinton
Statistika Terapan > 67

17
Menguji Klaim Tentang
Suatu Mean:  tidak
diketahui
INSTRUCTIONS FOR USE
▹ Sampelnya adalah sampel acak sederhana.

▹ Nilai deviasi standar populasi  tidak diketahui.

▹ Salah satu atau kedua kondisi ini terpenuhi:

19
Populasi terdistribusi normal atau n> 30.
 FORMULA

20

Keterangan :
n = Ukuran sampel

x = mean sampel
x = mean populasi dari semua mean sampel dari sampel dengan ukuran n
 PERLU DIINGAT !!!
▹ Distribusi Student t berbeda untuk ukuran sampel
yang berbeda
▹ Distribusi Student t memiliki bentuk lonceng yang
sama dengan distribusi normal
▹ Deviasi standar distribusi Student t bervariasi
21
dengan ukuran sampel dan lebih besar dari 1
▹ Distribusi Student t memiliki rata-rata t = 0 (sama
seperti standar distribusi normal memiliki mean z =
0).
▹ Ukuran sampel n semakin besar, distribusi Student t
semakin mendekati distribusi normal standar.
 “
G unakan distribusi Student t
ketika  tidak diketahui dan
salah satu atau kedua kondisi
ini terpenuhi : Populasi
biasanya terdistribusi normal
atau n> 30.

22
Contoh Soal
Data 5 (tersedia daring) berisi sampel
acak sederhana mengenai cuaca Kota
Surabaya dalam satu dekade, yaitu
mulai tahun 2008 sampai tahun 2017. 23
Dengan menggunakan data tersebut,
ujilah klaim yang menyatakan bahwa
suhu kota tersebut lebih dari 26,13°C,
yaitu mean suhu Indonesia pada
dekade tersebut. Gunakan tingkat
signifikansi 0,05.
PEMBAHASAN
(1) Sampel dalam Data 5 merupakan sampel acak sederhana.
(2) Simpangan baku populasi tidak diketahui.
(3) Ukuran sampel n = 40 lebih dari atau sama dengan 30. Semua
persyaratan terpenuhi, maka:
24
L angkah 1 Klaim yang menyatakan bahwa suhu Kota Surabaya lebih
dari 26,1°C bisa dituliskan menjadi μ > 26,13°C.
L angkah 2 Bentuk μ ≤ 26,13°C akan benar ketika klaim awal salah.
PEMBAHASAN
L angkah 3 Menentukan Hipotesis
H0: μ = 26,13°C
H1: μ > 26,13°C
L angkah 4 Informasi dalam soal menyatakan bahwa α = 0,05.
L angkah 5 Klaim awal merupakan pernyataan mengenai mean
populasi μ, sehingga statistik yang relevan adalah mean sampel . x
25
L angkah 6 Hitung t

df = n - 1 = 39, luas 0,05, hasil satu ekor t = 1,685;

PEMBAHASAN
L angkah 7 Karena statistik uji t = 10,16 berada pada daerah kritis
yang dibatasi oleh nilai kritis t = 1,685 (lihat Gambar 3-9) , maka kita
tolak hipotesis nol

26
INTERPRESTASI

Terdapat cukup bukti untuk

mendukung klaim bahwa mean
suhu Kota Su ra ba y a le bih da ri
26,13°C. Dengan kata lain, mean
suhu Kota Surabaya lebih dari mean 27

suhu Indonesia secara umum.

 Metode P-Value

Nilai Probabilitas (P-Value) dapat diartikan sebagai besarnya

peluang (probabilitas) yang diamati dari statistik uji. 
vKalkulator TI-83/84 Plus.
vTabel A-3

28
Contoh Soal
Dalam uji hipotesis ekor kiri, ukuran
sampel adalah n = 12, dan statistik uji
adalah t = -2,007.
Kesimpulan : 0,02 5 < P-value
< 0,05 .
 Menguji Klaim Tentang 30

Standar Deviasi atau Varians

 “
Konsep Dasar

B agian ini memperkenalkan metode uk

menguji klaim yg dibuat tentang
penyimpangan standar populasi σ atau
varians populasi σ 2 . M etode bagian ini
menggunakan distribusi chi-kuadrat yg
p ertam a k ali dip erk enalk an p a d a
B agian 7 -5 .

31
 Persyaratan untuk Pengujian
Klaim Tentang  atau  2

n = sample size
s = sample standard deviation
s2 = sample variance 32

= claimed value of the population

standard deviation
2 = claimed value of the population
variance
Persyaratan untuk Pengujian
Klaim Tentang  atau  2

1. Sampelnya adalah sampel acak

sederhana.

2. Populasi memiliki distribusi normal.

(Ini adalah persyaratan yang jauh lebih
ketat daripada persyaratan distribusi
normal saat menguji klaim tentang
means.)
 Chi-Square Distribution

Test Statistic

 2

n  1s 2

 2
P-Values and Critical Values for
Chi-Square Distribution

• Use Table A-4. 35

• The degrees of freedom = n

–1.
Caution
Tes  2 pada bagian ini tidak kuat
terhadap penyimpangan dari normalitas,
yang berarti bahwa tes tersebut tidak
berfungsi dengan baik jika populasi
memiliki distribusi yang jauh dari normal.
Oleh karena itu, kondisi populasi yang
terdistribusi secara normal merupakan
persyaratan yang jauh lebih ketat
daripada di Bagian 8-4 dan 8-5.
Properties of Chi-Square
Distribution
• Semua nilai  2 bersifat nonnegatif, dan
distribusinya tidak simetris (lihat
Gambar 8-13, berikut).
• Ada distribusi yang berbeda untuk
setiap jumlah derajat kebebasan (lihat
Gambar 8-14, berikut).
• Nilai kritis ditemukan pada Tabel A-4
menggunakan n - 1 derajat kebebasan.
 Properties of Chi-Square
Distribution - cont
Properties of the Chi- Chi-Square Distribution
Square Distribution for 10 and 20 df

Different distribution for

each number of df.
Figure 8-13 Figure 8-14
Table A-4
Tabel A-4 didasarkan pada area kumulatif
dari kanan (tidak seperti entri pada Tabel A-
2, yang merupakan daerah kumulatif dari
kiri). Nilai kritis ditemukan pada Tabel A-4
dengan terlebih dahulu menemukan baris
yg sesuai dgn jumlah derajat kebebasan yg
sesuai (di mana df = n -1). Selanjutnya,
tingkat signifikansi  digunakan utk
menentukan kolom yg benar. Contoh
berikut didasarkan pada tingkat signifikansi
 = 0,05, namun tingkat signifikansi lainnya
dapat digunakan dengan cara yang sama.
Table A-4
Uji ekor kanan:
Karena area di sebelah kanan nilai kritis
adalah 0,05, temukan 0,05 di bagian atas
Tabel A-4.

Uji ekor kiri:

Dengan area ekor kiri 0,05, luas di
sebelah kanan nilai kritis adalah 0,95,
jadi temukan 0,95 di bagian atas Tabel A-
4.
 Table A-4
Uji dua-ekor:

Berbeda dengan distribusi Student dan

normal, nilai kritis dalam tes 2 ini akan
menjadi dua nilai positif yang berbeda
(bukan sesuatu seperti ± 1.96). Bagilah
tingkat signifikansi 0,05 antara ekor kiri dan
kanan, sehingga area di sebelah kanan dua
nilai kritis masing-masing adalah 0,975 dan
0,025. Temukan 0,975 dan 0,025 di bagian
atas Tabel A-4
 Example:

Tujuan umum dalam bisnis dan industri adalah untuk

meningkatkan kualitas barang atau jasa dengan
mengurangi variasi. Insinyur pengontrol kualitas ingin
memastikan bahwa produk memiliki arti yang dapat
diterima, namun mereka juga ingin menghasilkan
barang dengan kualitas yg konsisten sehingga hanya
sedikit cacat. Jika bobot koin memiliki variasi rata-rata
tapi terlalu banyak, beberapa akan memiliki bobot yang
terlalu rendah atau terlalu tinggi, sehingga mesin
penjual otomatis tidak akan bekerja dengan benar (tidak
seperti kinerja bintang yg sekarang mereka berikan).
Example:
Pertimbangkan sampel acak sederhana dari 37
bobot uang pasca 1983 yang tercantum dalam
Kumpulan Data 20 di Lampiran B. Bobot 37
memiliki rata-rata 2.49910 g dan standar deviasi
0,01648 g. Spesifikasi A.S. Mint mengharuskan
uang dibuat sedemikian rupa sehingga berat
rata-rata adalah 2.500 g. Uji hipotesis akan
memverifikasi bahwa sampel tersebut nampak
berasal dari populasi dengan rata-rata 2.500 g
jika diperlukan, namun menggunakan tingkat
signifikansi 0,05 untuk menguji klaim bahwa
populasi bobot memiliki standar deviasi kurang
dari spesifikasi 0,0230 g.
Example:
Persyaratan dipenuhi: sampel acak
sederhana; dan STATDISK menghasilkan
histogram dan plot kuantil - sampel
tampaknya berasal dari populasi yang
memiliki distribusi normal.
Example:
Step 1: Ekspresikan klaim sebagai  < 0.0230 g
Step 2: Jika  < 0.0230 adalah salah, kemudian 
≥ 0.0230 g
Step 3:  < 0.0230 g tidak mengandung
kesetaraan jadi itu adalah hipotesis
alternatif; hipotesis nol adalah = 0.0230
g
H0:  = 0.0230 g
H1:  < 0.0230 g
Step 4: tingkat signifikansi adalah  = 0.05
Step 5: Klaim tentang  maka gunakan chi-
square
Example:
Step 6: Uji Statistik
 n  1 s 37  10.01648 
2 2

 2
   18.483
 2
0.0230 2

Nilai kritis dari Tabel A-4 sesuai dengan 36

derajat kebebasan dan "area di sebelah kanan"
0,95 (berdasarkan tingkat signifikansi 0,05 untuk
tes ekor kiri). Tabel A-4 tidak termasuk 36 derajat
kebebasan, tetapi Tabel A-4 menunjukkan bahwa
nilai kritis antara 18.493 dan 26.509.
(Menggunakan teknologi, nilai kritisnya adalah
23.269.)
Example:
Example:
Step 7: Karena statistik uji berada di
wilayah kritis, tolak hipotesis nol.

Ada bukti yang cukup untuk mendukung

klaim bahwa standar deviasi bobot kurang
dari 0,0230 g. Tampaknya variasi kurang dari
0,0230 g seperti yang ditentukan, sehingga
proses pembuatan dapat diterima.
Recap

In this section we have discussed:

v Tests for claims about standard deviation
and variance.
v Test statistic.
v Chi-square distribution.
v Critical values.
 = Hilang

50

Terimakasih atas Perhatiannya