1

Penerapan Pengujian Hipotesis Dua Populasi Pada Data

IPS Mahasiswa Departemen Statistika Bisnis dan Teknik
Elektro Otomasi ITS Angkatan 2019
Brilliant
KharinAyang
Octavian
I. (10611910000007),
Ranto, Ir. Sri PingitFita
Wulandari,
Asri K. (10611910000008),
M.Si., Mike Prastuti,Anjani
S.Si., Silmiya
M.Si., Nur
U. Azizah,
N. (10611910000009)
S.Si.,M.Si.,
Departemen Statistika Bisnis, Fakultas Vokasi, Institut Teknologi Sepuluh Nopember (ITS)
Kampus ITS Sukolilo-Surabaya 60111, Indonesia
e-mail: ayangbrilliant@gmail.com, fitaasrikaromah76@gmail.com, anjaninajla9@gmail.com

Abstrak — Dalam kehidupan sehari–hari manusia
dihadapkan pada sebuah persoalan untuk menguji apakah
hipotesis atau pernyataan yang kita ambil adalah benar
atau salah melalui suatu pernyataan yang diambil dengan
bukti – bukti yang akurat. Uji hipotesis adalah cabang ilmu
statistika inferensial yang dipergunakan untuk menguji
apakah data dari sampel yang ada baik itu rata-rata,
varians, dan proporsi sudah cukup kuat untuk
menggambarkan populasinya. Dalam pengujian hipotesis,
kita dapat menguji dengan satu populasi maupun dua
populasi. Pengujian hipotesis dapat dilakukan berdasarkan
rata-rata, varians, dan proporsi. Pengujian hipotesis dapat
berupa pengujian satu arah dan dua arah. Penelitian dalam
makalah ini menggunakan dua populasi. Dalam praktikum
kali ini, data IPS mahasiswa Departemen Statistika Bisnis
dan Teknik Elektro Otomasi ITS angkatan 2019. Data ini
menunjukkan bahwa persebaran data cukup beragam
namun dan terdapat masing-masing satu data dan dua data
dengan perbedaan yang cukup jauh, hal ini terbukti dengan
adanya data outlier. Dari pengujian hipotesisnya
menghasilkan 2 keputusan, yakni H0 gagal ditolak dan H0
ditolak.
Kata kunci : Hipotesis, Pengujian Hipotesis, IPS Mahasiswa
Departemen Statistika Bisnis dan Teknik Elektro Otomasi
ITS Angkatan 2019.
I. PENDAHULUAN
proporsi sudah cukup kuat untuk menggambarkan
populasinya[1]. Dalam pengujian hipotesis, kita dapat
menguji dengan satu populasi maupun dua populasi.
Pengujian hipotesis dapat dilakukan berdasarkan
rata-rata, varians, dan proporsi. Dalam pengujian
hipotesis, kita dapat menguji dengan satu populasi
maupun dua populasi. Penelitian dalam makalah ini
menggunakan dua populasi. Pengujian hipotesis dapat
berupa pengujian satu arah dan dua arah. Dalam
praktikum kali ini, data yang digunakan ialah data tentang
data IPS mahasiswa Departemen Statistika Bisnis dan
Teknik Elektro Otomasi ITS angkatan 2019. Praktikum
kali ini ditujukan untuk mengetahui bagaimana
karakteristik dari data IPS mahasiswa Departemen
Statistika Bisnis dan Teknik Elektro Otomasi ITS
angkatan 2019, megetahui bagaiamana hipotesis dari rata-
rata, varians, dan proporsi dari data IPS mahasiswa
Departemen Statistika Bisnis dan Teknik Elektro Otomasi ITS
angkatan 2019 dengan manfaat yang diharapkan adalah
penulis dapat mengetahui pengertian, tujuan dan
penerapan dari hipotesis dua populasi mulai dari rata-rata,
varians, dan proporsi. sehingga dapat menamabah
wawasan dalam membantu kegiatan yang terkait. Manfaat
bagi pembaca yaitu mampu mengetahui pengunaan
hipotesis dalam dua populasi di kehidupan sehari-hari.

T
yang
idak jarang dalam kehidupan sehari-hari manusia
tinggi, mendapatkan persoalan untuk menguji apakah
hipotesis atau pernyataan yang kita ambil dari
suatu populasi adalah benar atau salah melalui suatu
pernyataan yang diambil dengan adanya bukti – bukti
yang akurat. Contoh yang nyata dalam kehidupan ialah
mengenai pendidikan yang ada di Indonesia khusnya
dalam dunia perkuliahan. Sistem perkuliahan yang ada di
Indonesia sudah sangat jelas dengan berbagai jenis
jurusan yang ada, mulai dari semester awal hingga
semester akhir dengan nilai IPS/IPK sebagai standar
untuk mengetahui seberapa jauh seorang mahasiswa
memahami mata kuliah yang telah diajarkan. Oleh karena
itu, untuk mengetahui bagaimana kualitas pendidikan di
suatu Universitas bedasarkan pengetahuan yang
didapatkan oleh mahasiswanya berdasarkan nilai IPK/IPS
perlu diadakan uji hipotesis dengan populasi berupa nilai
IPS/IPK dari mahasiswa tersebut.
Dalam menyelesaikan permasalahan di atas, kita
dapat menggunakan ilmu statistika, pernyataan yang akan
diuji kebenarannya disebut hipotesis, sedangkan metode
untuk menguji kebenaran hipotesis disebut pengujian
hipotesis. Uji hipotesis adalah cabang ilmu statistika
inferensial yang dipergunakan untuk menguji apakah data
dari sampel yang ada baik itu rata-rata, varians, dan
 2

LAMPIRAN 10311910000040 3.31 10311910000080 3.00

10311910000075 3.31 10311910000009 2.97
Lampiran 1. Data IPS Mahasiswa Departemen Statistika 10311910000064 3.31 10311910000006 2.97
Bisnis dan Teknik Elektro Otomasi ITS angkatan 2019 10311910000077 3.28 10311910000012 2.97
A. IPS Mahasiswa Departemen Statistika Bisnis ITS 10311910000039 3.28 10311910000049 2.97
Angkatan 2019 10311910000067 3.25 10311910000061 2.94
10311910000027 3.25 10311910000017 2.94
NRP IPK NRP IPK 10311910000026 3.22 10311910000021 2.94
10611910000011 3.79 10611910000029 3.03 10311910000030 3.22 10311910000063 2.92
10611910000066 3.71 10611910000037 3.00 10311910000065 3.22 10311910000069 2.92
10611910000035 3.68 10611910000063 3.00 10311910000060 3.22 10311910000076 2.86
10611910000008 3.65 10611910000070 3.00 10311910000074 3.22 10311910000045 2.86
10611910000040 3.62 10611910000059 2.97 10311910000054 3.22 10311910000004 2.86
10611910000034 3.59 10611910000026 2.94 10311910000072 3.22 10311910000083 2.86
10611910000068 3.53 10611910000012 2.94 10311910000051 3.17 10311910000014 2.83
10611910000071 3.53 10611910000001 2.94 10311910000016 3.17 10311910000066 2.81
10611910000032 3.50 10611910000009 2.94 10311910000003 3.17 10311910000058 2.81
10611910000036 3.47 10611910000061 2.91 10311910000010 3.14 10311910000005 2.72
10611910000028 3.47 10611910000069 2.91 10311910000036 3.14 10311910000011 2.28
10611910000027 3.38 10611910000060 2.88 10311910000024 3.14 10311910000046 0.78
10611910000004 3.38 10611910000048 2.85
10611910000010 3.35 10611910000057 2.85 Lampiran 2. Output Software
10611910000054 3.35 10611910000002 2.85 Uji Hipotesis Rata-Rata

Two-Sample T-Test and CI:

10611910000041 3.32 10611910000022 2.85
10611910000055 3.29 10611910000038 2.82

IPK1, IPK2
10611910000030 3.29 10611910000033 2.82
10611910000031 3.29 10611910000046 2.82
10611910000023
10611910000005
3.26
3.26
10611910000039
10611910000013
2.79
2.79
Method
10611910000003 3.24 10611910000019 2.76
10611910000053 3.24 10611910000058 2.76 μ₁: mean of IPKdsb
10611910000073 3.18 10611910000043 2.74 µ₂: mean of IPKdteo
10611910000017 3.18 10611910000051 2.71
10611910000020 3.18 10611910000014 2.68 Difference: μ₁ - µ₂
10611910000007 3.15 10611910000024 2.68 Equal variances are assumed for this analysis.
10611910000064 3.15 10611910000044 2.65
10611910000067 3.12 10611910000062 2.62 Descriptive Statistics
10611910000056 3.12 10611910000025 2.62
10611910000047 3.12 10611910000021 2.59 Mea
10611910000006 3.09 10611910000050 2.59
Sample N n StDev SE Mean
10611910000018 3.06 10611910000049 2.50
10611910000052 3.06 10611910000016 2.44 IPKdsb 7 3.043 0.358 0.042
10611910000045 3.03 10611910000072 2.38
10611910000065 3.03 10611910000074 1.82
2
B. IPS Mahasiswa Departemen Teknik Elektro Otomasi IPKdteo 7 3.112 0.348 0.039
ITS Angkatan 2019 8
NRP
10311910000057
IPS
3.64
NRP
10311910000022
IPS
3.14
Estimation for Difference
10311910000013 3.61 10311910000048 3.14
10311910000079 3.61 10311910000078 3.14
Differenc Pooled 95% CI for
10311910000034 3.47 10311910000001 3.11 e StDev Difference
10311910000073 3.47 10311910000002 3.08
10311910000055 3.47 10311910000059 3.08 -0.0693 0.3529 (-0.1832, 0.0447)
10311910000037 3.44 10311910000071 3.08 Test
10311910000041 3.42 10311910000068 3.08
10311910000025 3.39 10311910000043 3.08 Null hypothesis H₀: μ₁ - µ₂ = 0
10311910000008 3.39 10311910000044 3.06
10311910000031 3.36 10311910000052 3.06 Alternative H₁: μ₁ - µ₂ ≠ 0
10311910000081 3.36 10311910000056 3.06 hypothesis
10311910000082 3.31 10311910000028 3.06
10311910000029 3.31 10311910000035 3.06 T-
10311910000033 3.31 10311910000015 3.03 Value DF P-Value
10311910000023 3.31 10311910000038 3.03
10311910000019 3.31 10311910000050 3.00 -1.20 14 0.232
10311910000020 3.31 10311910000053 3.00 8
10311910000042 3.31 10311910000032 3.00
 3

2
Uji Hipotesis Varians
kodedte 7 59 0.756410
Test and CI for Two Variances: o 8

IPK1, IPK2 Estimation for Difference

Method Differenc 95% CI for
e Difference
σ₁: standard deviation of IPKdsb
-0.200855 (-0.350013, -0.051697)
σ₂: standard deviation of IPKdteo CI based on normal approximation
Ratio: σ₁/σ₂ Test
F method was used. This method is accurate for
normal data only. Null hypothesis H₀: p₁ - p₂ = 0

Descriptive Statistics Alternative H₁: p₁ - p₂ ≠ 0

hypothesis
Variabl
Method Z-Value P-Value
e N StDev Variance 95% CI for σ
Normal -2.59 0.009
IPKdsb 72 0.358 0.128 (0.307, 0.428)
approximation
IPKdteo 78 0.348 0.121 (0.301, 0.414)
Fisher's exact   0.010
Ratio of Standard Deviations The pooled estimate of the proportion (0.66) is used for the
tests.
Estimate 95% CI for
Lampiran 3. Perhitungan Manual
d Ratio using
Ratio F Mean IPS Statistika Bisnis
1.02688 (0.817, 1.294) 78

Test  xi 219,096
x1  i 1
  3,043
Null hypothesis H₀: σ₁ / σ₂ = 1
n 72
Mean IPS Teknik Elektro Otomasi
Alternative H₁: σ₁ / σ₂ ≠ 1
hypothesis 78

Significance level α = 0.05

 xi 242,7594
x2  i 1
  3,1123
Metho Test n 78
d Statistic DF1 DF2 P-Value Standar Deviasi IPS Statistika Bisnis
F 1.05 71 77 0.818
Uji Hipotesis Proporsi 1   (x 1  x )2

9,2278
 0,358
n 1 72
Test and CI for Two
Standar Deviasi IPS Teknik Elektro Otomasi
Proportions: IPK1, IPK2
Method 2   (x 1  x )2

9,34645712
 0,3484
n 1 77
Event: 1
Uji Hipotesis Rata-Rata Dua IPS
p₁: proportion where kodedsbs = 1
p₂: proportion where kodedteo = 1
Sp 
 n1  1 S12   n2  1 S 22 
18,695
 0,35
Difference: p₁ - p₂ n1  n2  2 148
Descriptive Statistics
Sample N Event Sample p

kodedsbs 7 40 0.555556
 4

Thitung 
 x1  x2    1   2    0,0639  1,2
1 1 0,0572
Sp 
n1 n2
Uji Hipotesis Varians IPS

S12 0,128
F   1,05
S 22 0,121

Uji Hipotesis Proporsi IPS

Z
 p1  p2    p1  p2    0,2
 2,5974
1 1 0,077
p 1  p    
 n1 n2 