1
Penerapan Pengujian Hipotesis Satu Populasi Pada Data
Nilai IPS Mahasiswa Departemen Teknik Elektro
Otomasi ITS Angkatan 2019
Kharin
Brilliant
Octavian
AyangRanto,
I. (10611910000007),
Ir. Sri Pingit Wulandari,
AirlanggaM.Si.,
Bharatantra
Mike Prastuti,
Departemen Statistika Bisnis, Fakultas(10611910000068)
Vokasi, Institut Teknologi Sepuluh Nopember (ITS)
Kampus ITS Sukolilo-Surabaya 60111, Indonesia
e-mail: anisaputriad@gmail.com
Abstrak — Sering kita jumpai banyak
permasalahan yang belum pasti keakuratannya dalam
kehidupan sehari-hari. Untuk menetukan kebenaran dari
dugaan tersebut, diperlukan adanya penelitian. Hipotesis
adalah pernyataan atau dugaan mengenai keadaan populasi
yang sifatnya masih sementara atau lemah tingkat
kebenarannya. Pengujian hipotesis digunakan sebagai
metode analisis dalam praktikum kali ini. Praktikum ini
bertujuan untuk mengetahui bagaimana karakteristik data
IPS mahasiswa Departemen Teknik Elektro Otomasi ITS
angkatan 2019 sebanyak 78 orang, serta membuktikan
kebenaran dari dugaan-dugaan yang ada. Dengan
menggunakan metode pengujian hipotesis dua arah maupun
satu arah melalui pendugaan rata-rata, varians dan
proporsi, dapat diketahui dan ditarik kesimpulan mengenai
bagaimana suatu keputusan tentang suatu dugaan tehadap
rata-rata, varians dan proporsi pada data populasi IPS
mahasiswa Departemen Teknik Elektro Otomasi ITS
angkatan 2019. Sehingga dari praktikum kali ini, dapat
diambil kesimpulan bahwa dugaan yang dibuat tidaklah
sesuai dengan pembuktian yang telah dilakukan.
Kata Kunci — IPS Mahasiswa Departemen Teknik Elektro
Otomasi ITS angkatan 2019, Pengujian Hipotesis, Uji
Hipotesis Proporsi, Uji Hipotesis Rata-rata, Uji Hipotesis
Varians.
I. PENDAHULUAN
D
alam proses pembelajaran pada perguruan tinggi,
indeks prestasi merupakan suatu indikator yang
dapat dijadikan tolak ukur capaian dan
keberhasilan mahasiswa selama belajar. Setiap
mahasiswa aktif akan mendapatkan nilai indeks prestasi
setiap semesternya. Data IPS (Indeks Prestasi Semester)
dari suatu perguruan tinggi, fakultas maupun departemen
tentunya merupakan data yang cukup besar. Data IPS
mahasiswa Departemen Teknik Elektro Otomasi ITS
angkatan 2019 contohnya. Untuk mengetahui
karakteristik dari data IPS mahasiswa Departemen Teknik
Elektro Otomasi ITS angkatan 2019 yang terdiri dari 78
data IPS masing-masing mahasiswa tersebut, akan
dibutuhkan waktu yang sangat lama untuk
menghitungnya secara keseluruhan.
Data IPS mahasiswa Departemen Teknik Elektro
Otomasi ITS angkatan 2019 dapat diuji dengan
menggunakan metode pengujian hipotesis satu populasi.
Uji hipotesis merupakan suatu usaha menguji parameter
populasi berdasarkan pengambilan sampel. Hipotesis
ialah pernyataan atau dugaan mengenai keadaan
poopulasi yang sifatnya masih sementara atau lemah
tingkat keberadaannya. Pengujian hipotesis digunakan
untuk menguji merupakan kebenaran suatu pernyataan
secara statistik dan menarik kesimpulan apakah menerima
(10611910000050),
S.Si., M.Si., Nur
Anisa
Azizah,
Putri S.Si.,M.Si.,
Aliya D.
atau menolak pernyataan tersebut. Suatu pernyataan akan
ditolak jika salah atau palsu, dan akan diterima jika
faktor-faktor membenarkannya. Pada data IPS mahasiswa
Departemen Teknik Elektro Otomasi ITS angkatan 2019
digunakan uji hipotesis rata-rata, varians, dan proporsi.
Pengujian hipotesis pada data IPS mahasiswa
Departemen Teknik Elektro Otomasi ITS angkatan 2019
dilakukan dengan pengujian hipotesis dua arah yang
kemudian dilanjutkan dengan pengujian satu arah yang
dikarenakan hipotesis masih ditolak.
Pada praktikum ini, data IPS mahasiswa
Departemen Teknik Elektro Otomasi ITS angkatan 2019
diolah dengan menggunakan metode uji hipotesis dengan
tujuan untuk mengetahui bagaimana karakteristik IPS
mahasiswa Departemen Teknik Elektro Otomasi ITS
angkatan 2019 yang berjumlah sebanyak 78 orang. Serta
dengan menggunakan metode pengujian hipotesis melalui
pendugaan rata-rata, varians dan proporsi, dapat diketahui
dan ditarik kesimpulan mengenai bagaimana suatu
keputusan tentang suatu dugaan tehadap rata-rata, varians
dan proporsi pada data populasi IPS mahasiswa
Departemen Teknik Elektro Otomasi ITS angkatan 2019.
Manfaat dari dilakukannya praktikum ini yaitu pembaca
bisa mendapatkan informasi mengenai pengujian
hipotesis pada satu populasi yang dapat diterapkan dalam
kehidupan sehari-hari, sehingga nantinya mampu
menentukan keputusan suatu pernyataaan atau dugaan
dengan pengujian hipotesis terhadap suatu masalah, dan
juga peneliti dapat mengetahui pengertian dan konsep
pengujian hipotesis serta pengalikasikan ilmu dan teori
pada data yang tersedia.
II. TINJAUAN PUSTAKA
A. Statistika Deskriptif
Metode ini hanya mendeskripsikan kondisi dari data
dan menyajikannya dalam bentuk tabel, diagra, grafik.
Dan bentuk lainnya, yang disajikan dalam uraian-uraian
singkat dan terbatas. Statistika Deskriptif memberikan
informasi hanya mengenai data yang dimiliki dan sama
sekali tidak menarik inferensia atau kesimpulan apapun
tentang data tersebut.[2]
1. Rata-rata
Mean atau rata-rata adalah salah satu ukuran
pemusatan data pada statistika yang merupakan jumlah
nilai dari setiap data dibagi dengan banyaknya data.[2]
Rumus rata-rata yang digunakan adalah rata-rata pada

data tunggal yang ditunjukkan pada persamaan 2.1
sebagai berikut.
n Rata-rata merupakan rasio dari total nilai
x 1 + x 2 +. . .+ xn ∑i=1 x i
X= = rata-rata satu populasi adalah uji statistik yang digunakan
n n (2.1)
2. Median
Median adalah nilai tengah sebuah data setelah data
tersebut diurutkan median digunakan untuk menentukan
pusat dari sebuah data.[2] Rumus Median yang digunakan
adalah median pada data tunggal dengan jumlah ganjil
yang ditunjukan pada persamaan 2.2 sebagai berikut.
n+1
Me=X ( )
2 (2.2)
3. Varians
Varians biasa disebut ragam.Varians adalah salah
satu ukuran dispersi atau ukuran variasi. Varians dapat
menggambarkan bagaimana berpencarnya suatu data
kuantitatif (Montgomery, 2014). Rumus varians yang
digunakan adalah varians pada data sampel yang
ditunjukkan pada persamaan 2.4 sebagai berikut.
n 2
∑ (x i−X )
S 2= i=1
n−1 (2.4)
4. Box-Plot
Box-Plot merupakan ringkasan distribusi sampel
yang disajikan secara grafis yang bisa menggambarkan
bentuk distribusi data. Box-Plot ini juga dapat membantu
kita merefleksikan properti sampel yang melingkupi
rentang interkuartil sebagai ekstrimnya. Selain itu boxplot
juga bisa menampilkan data outliers.[6]
B. Uji Hipotesis
Hipotesis adalah suatu perumusan sementara
mengenai suatu hal yang dibuat untuk menjelaskan hal itu
dan itu juga dapat menuntun/mengarahkan pada
penyelidikan selanjutnya.[8] Hipotesis statistik adalah
adalah pernyataan atau dugaan mengenai keadaan
populasi yang sifatnya masih sementara atau lemah
tingkat kebenarannya. Pengujian hipotesis terhadap suatu
pernyataan yang dilakukan dengan menggunakan metode
statistik menghasilkan pengujian yang dapat dinyatakan
signifikan secara statistik. Pengujian hipotesis juga
merupakan suatu usaha menguji parameter populasi
berdasarkan pengambilan sampel. Hipotesis statistik bisa
berbentuk suatu variabel seperti binomial, poisson, dan
normal atau nilai dari suatu parameter, seperti mean,
varians, standar devaiasi dan proporsi. Hipotesis statistik
haruslah diuji, karena itu data yang didapat harus
berbentuk kuantitas agar dapat diterima atau ditolak.
Hipotesis akan diterima  (data tidak memberikan bukti
untuk menolak) jika hasil pengujian membenarkan
pernyataannya dan akan ditolak ditolak (data memberikan
bukti untuk menolak hipotesis) jika terjadi penyangkalan
dari pernyataan tersebut. Langkah-langkah dalam
menguji hipotesis yaitu :
1. Menetapkan hipotesis nol dan hipotesis alternatif
2. Menetapakan tingkat signifikan
3. Menetapkan daerah kritis
4. Menetapkan statistik uji
2
5. Mengambil keputusan dan interpretasi hasil.
C. Uji Hipotesis Rata-rata
pengamatan dengan banyak pengamatan.[4] Uji hipotesis
untuk mengetahui apakah suatu populasi memiliki rata-
rata yang sama dengan, lebih kecil atau lebih besar dari
suatu nilai rata-rata tertentu sesuai dengan hipotesis yang
telah ditetapkan. Untuk setiap pengujian hipotesis selalu
dibutuhkan taraf signifikan atau bisa didefinisikan
sebagai sesuatu yang benar-benar berbeda atau nyata
yang secara etimologi, kata “signifikan” berasal dari
bahasa Inggris “significant” yang artinya sesuatu yang
penting “dalam suatu persoalan”. Pada output SPSS kata
“Sig” merupakan signifikansi atau “p-value” yang
artinya adalah kemungkinan salah menolak H0. Pada uji
hipotesis rata-rata satu populasi ini dibagi menjadi dua
yakni uji hipotesis rata-rata dengan sampel besar dan
varians diketahui dan uji hipotesis rata-rata sampel kecil
dan varians tidak diketahui.
1. Uji hipotesis rata-rata dengan varians diketahui.
H 0 :μ=μ 0 dan H 1 : μ≠μ 0
Memiliki daerah penolakan z > zα/2 atau z < -zα/2.
H 0 :μ=μ 0 dan H 1 : μ<μ 0
Memiliki daerah penolakan z < -zα.
H 0 :μ=μ 0 dan H 1 : μ>μ 0
Memiliki daerah penolakan z > zα.
Dengan satistik uji (Z).
x−μ 0
Z=
σ
√n
(2.1)
2. Uji hipotesis rata-rata dengan varians tidak
diketahui.
H 0 :μ=μ 0 dan H 1 : μ≠μ 0
Memiliki daerah penolakan t > tα/2(n-1) atau t <
-tα/2(n-1).
H 0 :μ=μ 0 dan H 1 : μ<μ 0
Memiliki daerah penolakan t < -tα(n-1).
H 0 :μ=μ 0 dan H 1 : μ>μ 0
Memiliki daerah penolakan t > tα(n-1).
Dengan statistik uji (T).
x −μ 0
T=
S
√n
(2.2)
D. Uji Hipotesis Varians
Varians adalah rata-rata hitung deviasi kuadrat
terhadap rata-rata hitungnya dikuadratkan. [1] Pengujian
hipotesis mengenai variansi populasi atau simpangan
baku berarti kita ingin menguji hipotesis mengenai
keseragaman suatu populasi atau barang membandingkan
keseragaman suatu populasi dengan populasi lainnya.
Untuk setiap pengujian hipotesis diperlukan yang
 3

namanya taraf signifikan atau nilai yang dapat
membuktikan kemungkinan salah menolak H 0. Pada uji
hipotesis varians ini digunakan statistik uji chi-square.
H 0 :μ=μ 0 dan H 1 : μ≠μ 0
Memiliki daerah penolakan x 2 > x 2α/2(n-1) atau x 2 < -
x 2α/2(n-1).
H 0 :μ=μ 0
dan H 1 : μ<μ 0
Memiliki daerah penolakan x 2 < - x 2(1-α).
H 0 :μ=μ 0dan H 1 : μ>μ 0
Memiliki daerah penolakan x 2 > x 2(1-α).
Dengan rumus statistik uji sebagai berikut.
X2 (n−1 )S2
=
σ2
(2.3)
E. Uji Hipotesis Proporsi
Proporsi adalah rasio yang spesifik, dengan
pembilang yang termasuk kedalam penyebutnya dan nilai
akhir dinyatakan sebagai persentase atau bilangan
pecahan.[5] Proporsi merupakan alat ukur untuk
membandingkan suatu kejadian (x) dalam populasinya.
Uji proporsi adalah suatu pecahan, rasio atau persentase
yang menunjukkan suatu bagian populasi atau sampel
yang mempunyai sifat luas. Untuk dapat menguji
hipotesis proprsi perlu adanya taraf signifikan yang dapat
melnentukan daerah penolakan H0. Pada output SPSS
kata “Sig” merupakan signifikansi atau “p-value” yang
artinya adalah kemungkinan salah menolak H0.Pada uji
hipotesis proporsi untuk menguji suatu pernyataan atau
hipotesa awalnya bisa digunakan statistik uji Z dengan
rumus sebagai berkut.
H 0 :μ=μ 0 dan H 1 : μ≠μ 0
Memiliki daerah penolakan z > zα/2 atau z < -zα/2.
H 0 :μ=μ 0 dan H 1 : μ<μ 0
Memiliki daerah penolakan z < -zα.
H 0 :μ=μ 0 dan H 1 : μ>μ 0
Memiliki daerah penolakan z > zα.
Dengan satistik uji (Z).
x IV.
−P 0
P−P 0 n
Z= = Teknik Elektro Otomasi ITS Angkatan 2019
σ σ
F. Variabel
Variabel adalah sesuatu yang menjadi pusat atau
fokus perhatian, yang memberikan pengaru dan memiliki
nilai sehingga dapat berubah.[8] Variabel: adalah suatu
sifat atau fenomena yang menunjukan sesuatu yang dapat
Variabel merupakan elemen penting dalam masalah
penelitian. Dalam statisik, variabel didefinisikan sebagai
konsep, kulaitas, atribut, atau sifat-sifat dari suatu objek
(orang, benda, tempat, dll) yang nilainya berbeda-beda
antara satu objek dengan objek lainnya dan sudah
ditetapkan oleh peneliti untuk dipelajari dan ditarik
kesimpulannya
III. METODOLOGI PENELITIAN
A. Sumber Data
Data yang digunakan dalam penelitian ini adalah
data sekunder IPS mahasiswa Departemen Teknik Elektro
Otomasi ITS angkatan 2019 yang diambil langsung
melalui website www.integra.its.ac.id. Data tersebut
diambil pada hari Minggu, 22 Maret 2020 pukul 14.18
WIB hingga 14.42 WIB.
B. Variabel Penelitian
Variabel penelitian pada praktikum Uji Hipotesis
Satu Populasi ini adalah.
Tabel 3.1 Variabel Penelitian
Vari Skala
Keterangan
abel Data
Nilai IPS mahasiswa Departemen Teknik Interv
x1
Elektro Otomasi ITS angkatan 2019 al
C. Langkah Analisis
Langkah analisis yang kami lakukan pada praktikum
ini adalah sebagai berikut.
1. Mengumpulkan data IPS mahasiswa Departemen
Teknik Elektro Otomasi ITS angkatan 2019.
2. Mengolah data IPS mahasiswa Departemen Teknik
Elektro Otomasi ITS angkatan 2019 menggunakan
software.
3. Mendeskripsikan karakteristik data IPS mahasiswa
Departemen Teknik Elektro Otomasi ITS angkatan
2019.
4. Menguji hipotesis populasi rata-rata, varians, dan
proporsi terhadap data IPS mahasiswa Departemen
Teknik Elektro Otomasi ITS angkatan 2019.
5. Menginterpretasikan hasil analisis.
6. Menarik kesimpulan dan saran.
ANALISIS DAN PEMBAHASAN
A. Karakteristik Data IPS Mahasiswa Departemen
(2.4)
Karakteristik data IPS mahasiswa Departemen
Teknik Elektro Otomasi ITS angkatan 2019 dapat
dituunjukkan pada gambar 4.1 berikut.
4.0

diamati dan nilainya berbeda-beda. Sesuatu dikatakan 3.5

variabel, jika: Mean : 3.11231

3.0


Median : 3.14
Mempunyai nama
2.5

 Dapat diamati atau diukur 2.28

2.0
 Nilainya berbeda-beda

1.5
Memiliki definisi verbal
 Ada kelompok penggolongan atau satuan 1.0
0.78
 4

Gambar 1. Boxplot IPS Mahasiswa Departemen Teknik Elektro Statistik uji :

Otomasi ITS Angkatan 2019 Tabel 2 Statistik Uji Hipotesis Rata-Rata Satu Arah
Gambar 1 menunjukkan bahwa IPS mahasiswa Statistik Uji Nilai Tabel P-
Departemen Teknik Elektro Otomasi memiliki rata-rata Value
sebesar 3,11 dan median sebesar 3,14, yang artinya 50% 2,85 1,96 0,002
data berada diatas dan dibawah 3,14. Jarak kuartil 1 ke Tabel 2 menunjukkan bahwa data IPS mahasiswa
kuartil 3 kecil sehingga menandakan data IPS mahasiswa Departemen Teknik Elektro Otomasi ITS angkatan 2019
Departemen Teknik Elektro Otomasi ITS angkatan 2019
memiliki varians yang kecil. Pada data IPS mahasiswa memiliki nilai
Z hitung sebesar 2,85 >
sebesar
Z tabel
Departemen Teknik Elektro Otomasi ITS angkatan 2019 1,96 dan P-Value sebesar 0,002 < α sebesar 0,05
terdapat 2 data outlier. sehingga menandakan tolak H0. Yang artinya rata-rata
A. Uji Hipotesis Rata-Rata IPS Mahasiswa IPS mahasiswa Departemen Teknik Elektro Otomasi ITS
Departemen Teknik Elektro Otomasi ITS Angkatan angkatan 2019 lebih besar dari 3,0.
2019 B. Uji Hipotesis Varians IPS Mahasiswa Departemen
Uji hipotesis rata-rata IPS mahasiswa Departemen Teknik Elektro Otomasi ITS Angkatan 2019
Teknik Elektro Otomasi ITS angkatan 2019 dilakukan Uji hipotesis varians IPS mahasiswa Departemen
dengan hipotesis dua arah sebagai berikut. Teknik Elektro Otomasi ITS angkatan 2019 dilakukan
Hipotesis : dengan hipotesis dua arah sebagai berikut.
H0 : μ= 3,0 (Nilai rata-rata IPS sama dengan Hipotesis :
3,0)
H0 : σ 2= 0,5 (Nilai varians IPS sama dengan
H1 : μ≠¿ ¿ 3,0 (Nilai rata-rata IPS tidak sama
0,5)
dengan 3,0)
Taraf signifikan, α = 0,05 H1 : σ 2≠¿ ¿ 0,5 (Nilai varians IPS tidak sama
Daerah penolakan : dengan 0,5)
Taraf signifikan, α = 0,05
Tolak H0 jika P-value < α
Z hitung >Z α Daerah penolakan:
Tolak H0 jika 2 atau Tolak H0 jika P-value < α
2 2
Z hitung <−Z α X hitung > X α
2 Tolak H0 jika ( 2
,v ) atau
Statistik uji : X 2hitung < X 2 α
Tabel 1. Statistik Uji Hipotesis Rata-Rata Dua Arah (
1− , v
2 )
Statistik Uji Nilai Tabel P- Statistik uji :
Value
Tabel 3. Statistik Uji Hipotesis Varians Dua Arah
2,85 1,96 0,004
Nilai Tabel
P-
Tabel 1 menunjukkan bahwa data IPS mahasiswa Statistik Uji X2 α X 2α Value
Departemen Teknik Elektro Otomasi ITS angkatan 2019 (1− ,v) ( ,v)
2 2
18,70 103,16 95,51 0,00
memiliki nilai
Z hitung sebesar 2,85 >
Z tabel sebesar Tabel 3 menunjukkan bahwa data IPS mahasiswa
1,96 dan P-value sebesar 0,004 < α sebesar 0,05 Departemen Teknik Elektro Otomasi ITS angkatan 2019
sehingga menandakan tolak H0. Yang artinya rata-rata 2 2
IPS mahasiswa Departemen Teknik Elektro Otomasi ITS memiliki nilai
X hitung sebesar 18,70 <
X tabel
angkatan 2019 tidak sama dengan 3,0. Oleh karena itu sebesar 103,16 dan P-value sebesar 0,00 < α sebesar
dapat dilanjutkan dengan pengujian satu arah sebagai 0,05 sehingga menandakan tolak H0. Yang artinya varians
berikut. IPS mahasiswa Departemen Teknik Elektro Otomasi ITS
Hipotesis : angkatan 2019 tidak sama dengan 0,5. Oleh karena itu
H0 : μ= 3,0 (Nilai rata-rata IPS sama dengan dapat dilanjutkan dengan pengujian satu arah sebagai
3,0) berikut.
H1 : μ>¿ ¿ 3,0 (Nilai rata-rata IPS lebih besar dari Hipotesis :
3,0)
H0 : σ 2= 0,5 (Nilai varians IPS sama dengan
Taraf signifikan, α = 0,05 0,5)
Daerah penolakan :
Tolak H0 jika P-value < α H1 : σ 2 <¿ ¿ 0,5 (Nilai varians IPS tlebih kecil
Z hitung >Z α dari 0,5)
Tolak H0 jika 2 Taraf signifikan, α = 0,05
 5

Daerah penolakan: H1 : p>¿ ¿ 0,4 (Nilai proporsi lebih besar dari

Tolak H0 jika P-value < α 40%)
2 2
X hitung < X α Taraf signifikan, α = 0,05
Tolak H0 jika (1− 2 , v) Daerah penolakan :
Statistik uji : Tolak H0 jika P-value < α
Tabel 4. Statistik Uji Hipotesis Varians Satu Arah
Z hitung >Z α
P-
Statistik Uji Nilai Tabel Tolak H0 jika 2 .
Value
18,70 103,16 0,00 Statistik uji :
Tabel 6 Statistik Uji Hipotesis Proporsi Satu Arah
Tabel 4 menunjukkan bahwa data IPS mahasiswa Statistik Uji Nilai Tabel P-
Departemen Teknik Elektro Otomasi ITS angkatan 2019 Value
2 2 6,43 1,96 0,00
memiliki nilai hitungX sebesar 18,70 < tabel X
Tabel 6 menunjukkan bahwa data IPS mahasiswa
sebesar 103,16 dan P-value sebesar 0,00 < α sebesar Departemen Teknik Elektro Otomasi ITS angkatan 2019
0,05 sehingga menandakan tolak H0. Yang artinya varians
IPS mahasiswa Departemen Teknik Elektro Otomasi ITS memiliki nilai
Z hitung sebesar 6,43 > Z tabel sebesar
angkatan 2019 lebih kecil dari 0,5. 1,96 dan P-Value sebesar 0,00 < α sebesar 0,05
C. Uji Hipotesis Proporsi IPS Mahasiswa sehingga menandakan tolak H0. Yang artinya proporsi
Departemen Teknik Elektro Otomasi ITS IPS mahasiswa Departemen Teknik Elektro Otomasi ITS
Angkatan 2019 ¿ 3,00 sebesar 40% angkatan 2019 ¿ 3,00 lebih besar dari 40%.
Uji hipotesis proporsi IPS mahasiswa Departemen
V. KESIMPULAN DAN SARAN
Teknik Elektro Otomasi ITS angkatan 2019 ¿ 3,00
dilakukan dengan hipotesis dua arah sebagai berikut. A. Kesimpulan
Hipotesis : Berdasarkan hasil praktikum terhadap IPS
H0 : p= 0,4 (Nilai proporsi sama dengan 40%) mahasiswa Departemen Teknik Elektro Otomasi ITS
angkatan 2019 kali ini, maka dapat diambil kesimpulan
H1 : p≠¿ ¿
0,4 (Nilai proporsi tidak sama dengan sebagai berikut.
40%) 1. Data IPS mahasiswa Departemen Teknik Elektro
Taraf signifikan, α = 0,05 Otomasi ITS angkatan 2019 memiliki
Daerah penolakan : keberagaman data yang kecil dilihat dari lebar
Tolak H0 jika P-value < α boxplot nya dan terdapat 2 data outlier bawah.
Z hitung >Z α 2. Pengujian hipotesis rata-rata IPS mahasiswa
Departemen Teknik Elektro Otomasi ITS angkatan
Tolak H0 jika 2 atau
2019 menghasilkan keputusan H0 ditolak, sehingga
Z hitung <−Z α rata-rata IPS mahasiswa Departemen Teknik
2 Elektro Otomasi ITS angkatan 2019 lebih besar
Statistik uji : dari 3,00.
Tabel 5 Statistik Uji Hipotesis Proporsi Dua Arah 3. Pengujian hipotesis varians IPS mahasiswa
Statistik Uji Nilai Tabel P- Departemen Teknik Elektro Otomasi ITS angkatan
Value
2019 menghasilkan keputusan H0 ditolak, sehingga
6,43 1,96 0,00
varians IPS mahasiswa Departemen Teknik
Tabel 5 menunjukkan bahwa data IPS mahasiswa Elektro Otomasi ITS angkatan 2019 lebih kecil
Departemen Teknik Elektro Otomasi ITS angkatan 2019 dari 0,5.
4. Pengujian hipotesis proporsi IPS mahasiswa
memiliki nilai
Z hitung sebesar 6,43 >
sebesar
Z tabel Departemen Teknik Elektro Otomasi ITS angkatan
1,96 dan P-Value sebesar 0,00 < α sebesar 0,05 2019 ¿ 3,00 menghasilkan keputusan H0
sehingga menandakan tolak H0. Yang artinya proporsi ditolak, sehingga proporsi IPS mahasiswa
IPS mahasiswa Departemen Teknik Elektro Otomasi ITS Departemen Teknik Elektro Otomasi ITS angkatan
2019 ¿ 3,00 lebih besar dari 40%.
angkatan 2019 ¿ 3,00 tidak sama dengan 40%. Oleh
karena itu dapat dilanjutkan dengan pengujian satu arah
B. Saran
sebagai berikut.
Dengan adanya praktikum ini, diharapkan
Hipotesis : pembaca dapat menerapkan ilmu hipotesis satu populasi
H0 : p= 0,4 (Nilai proporsi sama dengan 40%) dalam menyelesaikan permasalahan dalam kehidupan
sehari-hari, selain itu pembaca juga diharapkan dapat
meningkatkan IPS yang diperoleh. Penulis diharapkan
 6

dapat mengembangkan ilmu yang diperoleh semaksimal 10311910000051 3.17 10311910000014 2.83
mungkin. 10311910000016 3.17 10311910000066 2.81
10311910000003 3.17 10311910000058 2.81
DAFTAR PUSTAKA 10311910000010 3.14 10311910000005 2.72
10311910000036 3.14 10311910000011 2.28
[1] Lind, R. D. (2013). Teknik Statisika untuk Bisnis dan 10311910000024 3.14 10311910000046 0.78
Ekonomi. Jakarta: Erlangga.
Lampiran 2. Output Software
[2] Montgomery, D. C. (2013). Statistical Quality
Control : A Modern Introducion, Seventh Edtion. Uji Hipotesis Rata-Rata IPS Dua Arah
Asia: John Wiley & Sons, Inc.
[3] Novel, S. S. (2017). Kampuspedia Direktori PTN dan
One-Sample Z: IPS
PTS di Indonesia. Jakarta: PT. Grasindo. Descriptive Statistics
[4] Nugroho, A. (2007). Pengantar Ilmu Budaya Insan.
Jakarta: Cendekia. N Mean StDev SE Mean 95% CI for μ
[5] Pohan, I. S. (2006). Jaminan Mutu Layanan 7 3.1123 0.3484 0.0394 (3.0350, 3.1896)
Kesehatan : Dasar-dasar Pengertian dan 8
Penerapan. Jakarta: Buku Kedokteran EGC. μ: mean of IPS
[6] Ronald E. Walpole, R. H. (2016). Probability & Known standard deviation = 0.3484
Statstics for Engineers and Scientist. Universitas
of Texas : San Antonio.
[7] Tia Mutiara, E. M. (2008). IPA - Kelas X. Jakarta:
Penerbit Erlangga.
Test
[8] Umar, H. (2005). Riset SDM Dalam Organisasi. Null hypothesis H₀: μ = 3
Jakarta: PT. Gramedia Pustaka Umar.
Alternative H₁: μ ≠ 3
LAMPIRAN hypothesis
Lampiran 1. Data IPS Mahasiswa Departemen Teknik Z-
Elektro Otomasi ITS angkatan 2019 Value P-Value
NRP IPS NRP IPS 2.85 0.004
10311910000057 3.64 10311910000022 3.14
10311910000013 3.61 10311910000048 3.14
10311910000079 3.61 10311910000078 3.14
Uji Hipotesis Rata-Rata IPS Satu Arah
10311910000034
10311910000073
3.47
3.47
10311910000001
10311910000002
3.11
3.08
One-Sample Z: IPS
10311910000055 3.47 10311910000059 3.08 Descriptive Statistics
10311910000037 3.44 10311910000071 3.08
10311910000041 3.42 10311910000068 3.08 95% Lower Boun
10311910000025 3.39 10311910000043 3.08
SE d
10311910000008 3.39 10311910000044 3.06
10311910000031 3.36 10311910000052 3.06 N Mean StDev Mean for μ
10311910000081 3.36 10311910000056 3.06
10311910000082 3.31 10311910000028 3.06 7 3.112 0.348 0.0394 3.0474
10311910000029 3.31 10311910000035 3.06 8 3 4
10311910000033 3.31 10311910000015 3.03 μ: mean of IPS
10311910000023 3.31 10311910000038 3.03 Known standard deviation = 0.3484
10311910000019 3.31 10311910000050 3.00
10311910000020 3.31 10311910000053 3.00
10311910000042 3.31 10311910000032 3.00 Test
10311910000040 3.31 10311910000080 3.00
10311910000075 3.31 10311910000009 2.97 Null hypothesis H₀: μ = 3
10311910000064 3.31 10311910000006 2.97
10311910000077 3.28 10311910000012 2.97 Alternative H₁: μ > 3
10311910000039 3.28 10311910000049 2.97 hypothesis
10311910000067 3.25 10311910000061 2.94
10311910000027 3.25 10311910000017 2.94 Z-
10311910000026 3.22 10311910000021 2.94 Value P-Value
10311910000030 3.22 10311910000063 2.92
10311910000065 3.22 10311910000069 2.92 2.85 0.002
10311910000060 3.22 10311910000076 2.86
10311910000074 3.22 10311910000045 2.86
Uji Hipotesis Varians IPS Dua Arah
10311910000054 3.22 10311910000004 2.86
10311910000072 3.22 10311910000083 2.86
 7

Test and CI for One Variance: Bound for Bound for σ

σ using using
IPS e Bonett Chi-Square
Method 7 0.348 0.121 0.582 0.402
σ: standard deviation of IPS 8

The Bonett method is valid for any continuous

distribution. Test
The chi-square method is valid only for the
Null hypothesis H₀: σ² = 0.5
normal distribution.
Alternative H₁: σ² < 0.5
hypothesis
Descriptive Statistics
Test
95% CI for σ 95% CI for σ Method Statistic DF P-Value
StDe Varianc using using
Bonett — — 0.012
N v e Bonett Chi-Square
Chi- 18.70 77 0.000
7 0.348 0.121 (0.193, (0.301,
Square
8 0.644) 0.414)

Test
Null hypothesis H₀: σ² = 0.5
Alternative hypothesis H₁ : σ² ≠ 0.5 Uji Hipotesis Proporsi IPS Dua Arah

Test and CI for One Proportion:

Test
kode IPS
Method Statistic DF P-Value Method
Bonett — — 0.024 Event: kode IPS = 1
Chi- 18.70 77 0.000 p: proportion where kode IPS = 1
Square
Normal approximation method is used for this
analysis.
Uji Hipotesis Varians IPS Satu Arah

Test and CI for One Variance: Descriptive Statistics

IPS N Event Sample p 95% CI for p
Method 7 59 0.756410 (0.661151, 0.851670)
σ: standard deviation of IPS 8

The Bonett method is valid for any continuous

distribution. Test
The chi-square method is valid only for the Null hypothesis H₀: p = 0.4
normal distribution.
Alternative hypothesis H₁: p ≠ 0.4
Z-
Descriptive Statistics
Value P-Value
N StDev Varianc 95% Upper 95% Upper 6.43 0.000
 8

Uji Hipotesis Proporsi IPS Satu Arah

Test and CI for One Proportion:

IPS
Method
Event: IPS = 1
p: proportion where IPS = 1
Normal approximation method is used for this
analysis.

Descriptive Statistics
Sample 95% Lower Bound
N Event p for p

7 59 0.756410 0.676466
8

Test
Null hypothesis H₀: p = 0.4
Alternative hypothesis H₁: p > 0.4
Z-
Value P-Value

6.43 0.000
 9

Lampiran 3. Perhitungan Manual

Mean
78
∑ xi
242, 7594
x̄= i=1 = =3 , 1123
n 78
Standar Deviasi

∑ (x 1− x̄ )2 =
σ=
√ n−1
Uji Hipotesis Rata-Rata IPS
√ 9 ,34645712
77
=0 , 3484

x̄−μ0 3 , 1123−3
Z hitung = = =2 , 846747
σ 0 , 3484
√n √78
Uji Hipotesis Varians IPS

2 (n−1)s 2 (78−1)0 ,3484 2

X = = =18 , 692914
σ 20 0,5
Uji Hipotesis Proporsi IPS

p^ − p0 0 ,75641−0,4
Z= = =6 , 42527
p 0 ( 1− p 0 ) 0 ,5547
√ n
 1

LEMBAR ASISTENSI
PRAKTIKUM PENGANTAR METODE STATISTIKA
SEMESTER GANJIL 2019/2020

Modul Ke-/Judul : 3 / Penerapan Pengujian Hipotesis Satu

Populasi Pada Data Nilai IPS Mahasiswa
Departemen Teknik Elektro Otomasi ITS Angkatan
2019
Nama Asdos : Kharin Octavian Ranto

Nama Praktikan 1/NRP : Brilliant Ayang Iswenda (10611910000007)

Nama Praktikan 2/NRP : Airlangga Bharatantra (10611910000050)

Nama Praktikan 3/NRP : Anisa Putri Aliya Diana (10611910000068)

ASISTENSI 1 TTD ASDOS

Kehadiran 1. Hadir 2. Hadir 3. Hadir
 Tanggal : 4 April 2020

Judul, Abstrak (kata kunci), Bab I (paragraf 2 dan 3), Bab II

(statistika deskriptif dan variabel), Bab III (tabel variabel  
Materi yang penelitian dan langkah analisis), Bab IV (isi), Lampiran
direvisi