Pengujian Hipotesis Makalah Pengantar Statistika PDF
Pengujian Hipotesis Makalah Pengantar Statistika PDF
PENDAHULUAN
A. Latar Belakang
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 di khususkan mengenai populasi, umumnya mengenai
nilai-nilai parameter populasi, maka hipotesis itu disebut hipotesis statistik.
Kecuali dinyatakan lain, disini dengan hipotesis di maksudkan hipotesis statistik.
Demikianlah misalnya , yang berikut dapat dianggap sebagai hipotesis:
Setiap hipotesis bisa benar atau tidak benar dan karenanya perlu diadakan
penelitian sebelum hipotesis itu diterima atau di tolak. Langkah atau prosedur
untuk menentukkan apakah menerima atau menolak hipotesis dinamakan
pengujian hipotesis.
Di dalam bab ini, cara pengujian hipotesis akan dipelajari dan dari hasilnya
kesimpulan tentang populasi akan di buat
B. Rumusan Masalah
1. Apakah yang dimaksud dengan pengujian hipotesis?
2. Apa saja macam-macam kekeliruan dalam pengujian hipotesis?
3. Bagaimanakah langkah- langkah dalam pengujian hipotesis?
4. Bagaimana cara menguji rata-rata 𝜇 untuk uji dua pihak?
Pengujian Hipotesis 1
5. Bagaimana cara menguji rata-rata 𝜇 untuk uji satu pihak?
6. Bagaimana cara menguji proporsi 𝜋 untuk uji dua pihak?
7. Bagaimana cara menguji proporsi 𝜋 untuk uji satu pihak?
8. Bagaimana cara menguji varians 𝜎 2 ?
9. Bagaimana cara menguji kesamaan dua rata-rata untuk uji dua pihak?
10. Bagaimana cara menguji kesamaan dua rata-rata untuk uji satu pihak?
11. Bagaimana cara menguji kesamaan dua proporsi untuk uji dua pihak?
12. Bagaimana cara menguji kesamaan dua proporsi untuk uji satu pihak?
13. Bagaimana cara menguji kesamaan dua varians?
14. Bagaimanakah cara menentukan kuasa uji dan kurva ciri operasi?
15. Bagaimanakah caranya menentukan ukuran sampel?
16. Bagaimanakah cara menguji homogenitas varians populasi?
C. Tujuan
Pengujian Hipotesis 2
BAB II
PEMBAHASAN
Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat
terjadi, dikenal dengan nama-nama:
Keadaan sebenarnya
Pengujian Hipotesis 3
Tolak hipotesis Keliru Benar
(kekeliruan tipe I)
Dalam penggunaannya α disebut pula taraf signifikan atau taraf arti atau
sering pula disebut taraf nyata. Besar kecilnya α dan β yang dapat diterima dalam
pengambilan kesimpulan bergantung pada akibat-akibat atas diperbuatnya
kekeliruan-kekeliruan itu. Selain daripada itu perlu pula dikemukakan bahwa
kedua kekeliruan itu saling berkaitan. Jika α diperkecil, maka β menjadi besar dan
demikian sebaliknya. Pada dasarnya, harus dicapai hasil pengujian hipotesis yang
baik, ialah pengujian yang bersifat bahwa diantara semua pengujian yang dapat
dilakukan dengan harga α yang sama besar , ambillah sebuah yang mempunyai
kekeliruan β paling kecil.
Pengujian Hipotesis 4
Untuk setiap pengujian dengan α yang ditentukan, besar β dapat dihitung.
Harga ( 1 – β ) dianamakan 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.
Kalau yang sedang di uji parameter θ (dalam penggunaannya nanti θ bisa rata-
rata µ, proporsi π, simpangan baku σ dan lain-lain), maka akan didapat hal-hal:
2) H : 0 = 00
A : 0 ≠ 01
Pengujian Hipotesis 5
3) H : 0 = 00
A : 0 > 01
4) H : 0 = 00
A : 0 < 01
H0 : 0 = 00
Pengujian Hipotesis 6
H1 : 0 ≠ 01 atau
H0 : 0 = 00
H1 : 0 > 01 atau
H0 : 0 = 00
H1 : 0 < 01
Langkah berikutnya, kita pilih bentuk statistik mana yang harus digunakan,
apakah z, t X2 , F, atau lainnya. Harga statistik yang dipilih, besarnya dihitung dari
data sampel yang dianalisis. Kemudian berdasarkan pilihan taraf nyata α atau
disebut juga ukuran daerah kritis, kriteria pengujian kita tentukan. Peran hipotesis
tandingan H1 dalam penentuan daerah kritis adalah sebagai berikut:
Daerah penerimaan Ho
α/2 d1 d2 α/2
Gambar 1
Pengujian Hipotesis 7
yang didapat adalah terima hipotesis H0 jika harga statistik dihitung
berdasarkan data penelitian jatuh antara d 1 dan d2 , dalam hal lainnya H0
ditolak.
b) Untuk tandingan H1 yang mempunyai perumusan lebih besar, maka dalam
distribusi yang digunakan didapat sebuah daerah kritis letaknya di ujung
sebelah kanan. Luas daerah kritis atau daerah penolakan ini sama dengan α.
Daerah Penerimaan Ho α
Daerah kritis
d Daerah penolakan Ho
Gambar 2
Harga d, didapat dari daftar distribusi yang bersangkutan dengan peluang
yang ditentukan oleh α, menjadi batas antara daerah kritis dan daerah
penerimaan H0 . Kriteria yang dipakai adalah tolak H0 jika statistik yang
dihitung berdasarkan sampel tidak kurang dari d,. Dalam hal lainnya kita
terima H0. pengujian ini dinamakan uji satu pihak, tepatnya pihak kanan.
c) Akhirnya, jika tandingan H1 mengandung pernyataan lebih kecil, maka
daerah kritis ada diujung kiri dari distribusi yang digunakan. Luas daerah ini
= α yang menjadi batas daerah penerimaan H0 oleh bilangan d yang didapat
dari daftar distribusi yang bersangkutan. Peluang untuk mendapatkan d
ditentukan oleh taraf nyata α.
Daerah Penerimaan Ho
Daerah penolakan Ho
α daerah penerimaan Ho
Pengujian Hipotesis 8
daerah kritis Gambar 3
a. σ diketahui
untuk pasangan hipotesis H0 : µ = µ0
H0 : µ = µ0
𝑥̅ − 𝜇0
𝑧= … … … (1)
𝜎 /√𝑛
Contoh :
Pengujian Hipotesis 9
50 lampu. Ternyata rata-ratanya 792 jam. Dari pengalaman, diketahui bahwa
simpangan baku masa hidup lampu 60 jam. Selidikilah dengan taraf nyata 0,05
apakah kualitas lampu itu sudah berubah atau belum.
Jawab:
Dengan memisalkan masa hidup lampu berdistribusi normal, maka kita akan
menguji
H0 : µ = 800 jam, berarti lampu itu masa pakainya sekitar 800 jam
H1 : µ ≠ 800 jam, berarti kualitas lampu telah berubah bukan 800 jam lagi.
Dari penelitian didapat 𝑥̅ = 792 jam dengan n = 50. Statistik yang digunakan
adalah seperti dalam rumus (1) diatas dengan mesubtitusikan µ0 = 800, didapat:
792 − 800
𝑧= = −0,94
60/√50
Kriteria yang dipakai, dari daftar normal baku untuk uji dua pihak dengan α =
0,05 yang memberikan z0,475 = 1,96 adalah:
Daerah Penerimaan Ho
-1,96 1,96
Pengujian Hipotesis 10
Distribusi Normal Baku
Gambar 4
Terima H0 jika z hitung terletak antara -1,96 dan 1,96. Dalam hal lainnya
H0 ditolak. Dari penelitian sudah didapat z = -0,94 dan ini jelas terletak dalam
daerah penerimaan H0 jadi H0 diterima.
b. σ tidak diketahui
Pada kenyataannya, simpangan baku σ sering tidak diketahui. Dalam hal ini, maka
diambil taksirannya, ialah simpangan baku s yang dihitung dari sampel dengan
menggunakan rumus yang telah dibahas pada bab sebelumnya . statistik yang
digunakan untuk menguji hipotesis:
H0 : µ = µ0
H1 : µ ≠ µ0
𝑥̅ − 𝜇0
𝑡= … … … (2)
𝑠 /√𝑛
< t < t1 – 1/2α dengan t1 – 1/2α didapat dari daftar distribusi t dengan peluang (1 –
1/2α) dan dk = ( n – 1 ). Dalam hal lainnya, H0 kita tolak.
Pengujian Hipotesis 11
Contoh:
Untuk contoh sebelumnya yaitu tentang masa pakai lampu, misalkan simpangan
baku populasi tidak diketahui, dan dari sampel didapat s = 55 jam, maka dari
rumus (2) dengan 𝑥̅ = 792 jam, µ = 800, s = 55 dan n = 50, didapat:
792−800
𝑡= = −1,029
55/√50
Daerah Penerimaan Ho
-2,01 2,01
Gambar 5
Dari daftar distribusi student dengan α = 0,05 dan dk = 49 untuk uji dua pihak,
didapat t = 2,01 kriteria pengujian: terima H0 jika t dihitung terletak antara -2,01
dan 2,01 sedangkan dalam hal lainnya H0 ditolak.
Perumusan yang umum untuk uji satu pihak kanan mengenai rata-rata µ
berdasarkan H0 dan H1 adalah:
H0 : µ = µ0
Pengujian Hipotesis 12
H1 : µ > µ0
a. σ diketahui
dengan z0,5 – α didapat dari daftar normal baku menggunakan peluang (0,5 – α).
Dalam hal lainnya H0 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 menghasilkan paling sedikit 16 buah. Untuk
menentukan apakah metode diganti atau tidak, metode baru dicoba 20 kali dan
ternyata rat-rata per jam menghasilkan 16,9 buah.
Jawab:
Dengan memisalkan hasil produksi berdistribusi normal, maka kita akan menguji
pasangan hipotesis:
H0 : µ = 16, berarti rata-rata hasil metode baru paling tinggi 16. Jika ini terjadi,
metode lama masih dipertahankan
Pengujian Hipotesis 13
H1 : µ > 16, berarti rata-rata hasil metode baru lebih dari 16 dan karenanya
metode lama dapat diganti.
Harga-harga yang perlu untuk menggunakan rumus (1) adalah 𝑥̅ = 16,9 buah, n =
20, σ = √ 2,3 dan µ0 = 16 buah. Didapat
16,9 − 16
𝑧= = 2,65
√(2,3)/20
Daerah Penerimaan Ho
1,64
Gambar 6
Daftar penelitian didapat z = 2,65 yang jelas jatuh pada daerah kritis jadi
H0 ditolak. Ini menyimpulkan bahwa metode baru dapat menggantikan metode
lama dengan mengambil resiko 5%.
Pengujian Hipotesis 14
Sering dikehendaki berapa besar peluang yang terjadi ketika keputusan
berdasarkan hasil pengujian dibuat. Untuk contoh di atas, misalnya peluang
tersebut adalah:
Jawab: untuk α = 0,01 dari daftar normal baku didapat z = 2,33. Dari perhitungan
harga z = 2,65 dan ini lebih besar dari 2,33 jadi, jatuh pada daerah kritis.
Karenanya H0 ditolak. Kesimpulan dapat dibuat seperti diatas, hanya sekarang
resikonya 1%.
Catatan: uji yang berarti pada taraf 1% dikatakan hasil uji sangat berarti, atau
sangat nyata atau sangat signifikan.
Contoh:
𝑥̅ − 16
2,33 = 𝑎𝑡𝑎𝑢 𝑥̅ = 16,79
√(2,3)/20
A. σ tak diketahui
Pengujian Hipotesis 15
Seperti dalam bagian 4, maka jika σ tidak dikatahui, statistik yang digunakan
menguji
H0 : µ = µ0
H1 : µ > µ0
Adalah statistik t seperti pada rumus (2). Kriteria pengujian didapat dari
daftar distribusi student t dengan dk = (n – 1) dan peluang (1 – α). Jadi kita tolak
H0 jika t ≥ t1 – α dan terima H0 dalam hal lainnya.
Contoh:
Jawab:
Dari rumus (2) dengan 𝑥̅ = 4,9 gram, s = 0,8 gram, n = 31, dan µ = 4,5 didapat:
4,9 − 4,5
𝑡= = 2,78
0,8/√31
Pengujian Hipotesis 16
Distribusi Student, dk= 30
𝛼 = 0,01
Daerah Penerimaan Ho
2,46
Gambar 7
Kriteria pengujian adalah tolak hipotesis H0 jika t hitung lebih besar atau
sama dengan 2,46 dan terima H0 dalam hal lainnya. Penelitian memberikan hasil t
= 2,78 dan ini jatuh pada daerah penolakan H0 . Jadi hipotesis H0 kita tolak.
Cara yang sama berlaku seperti untuk uji pihak kanan. Jika σ diketahui, maka
statistik z seperti dalam rumus (1) digunakan dan tolak H0 jika z ≤ - z0,5 – α dengan
z0,5 – α didapat dari daftar normal baku menggunakan peluang (0,5 – α). Dalam hal
lainnya H0 di terima. Disini α = taraf nyata.
Jika σ tidak diketahui, maka untuk uji pihak kiri tersebut digunakan statistik t
seperti tertera dalam rumus (2). Dalam hal ini kita tolak hipotesis H0 jika t ≤ –t1 –
Pengujian Hipotesis 17
Contoh:
Jawab:
Jika rata-rata isi kaleng tidak kurang dari 5 ons, jelas masyarakat tidak
akan mengeluh. Karenya akan diuji pasangan hipotesis:
H0 : µ = 5
H1 : µ < 5
4,9−5
𝑡= 0,2/√23
= −2,398
Distribusi t, dk = 22
0,05
Daerah Penerimaan Ho
-1,72
Gambar 8
Dengan nilai α = 0,05 dan dk = 22, dari daftar distribusi t didapat t = 1,72. Aturan
untuk menguji adalah tolak H0 jika t hitung ≤ - 1,72 dan terima H0 dalam hal
lainnya. Dari perhitungan didapat t = -2,398 yang jelas jatuh pada daerah
Pengujian Hipotesis 18
penolakan H0 . Jadi H0 kita tolak dan pengujian memberikan hasil yang berarti
pada taraf 5%.
H0 : π = π0
H1 : π ≠ π0
Dengan π0 sebuah harga yang diketahui. dari sampel berukuran n itu kita
hitung proporsi sampe x/n adanya peristiwa A. Dengan menggunakan pendekatan
oleh distribusi normal, maka untuk pengujian ini digunakan statistik z yang
rumusnya:
𝑥
− 𝜋0
𝑧= 𝑛 … … … (3)
√𝜋0 (1 − 𝜋0 )/𝑛
Kriteria untuk pengujian ini, dengan taraf nyata α adalah terima H0 jika
terima – z1/2 (1 – α ) < z < z1/2 (1 – α ) dengan z1/2 (1 – α ) didapat dari daftar normal baku
dengan peluang ½ (1 – α ). Dalam hal lainnya hipotesis H0 ditolak.
Contoh:
Kita ingin menguji bahwa distribusi jenis kelamin laki-laki dan jenis
kelamin perempuan adalah sama. Sebuah sampel acak terdiri atas 4.800 orang
mengandung 2.458 laki-laki. Dalam taraf nyata 0,05 betulkah distribusi kedua
jenis kelamin itu sama?
Jawab:
Pengujian Hipotesis 19
Jika π = peluang terdapatnya laki-laki, maka akan diuji pasangan hipotesis:
H0 : π = ½
H1 : π ≠ ½
2.458
𝑧= 4800 − 0,5 = 1,68
√(0,5)(0,5)/4.800
Angka z dari daftar normal baku dengan α = 0,05 adalah 1,96. Jadi kriteria
pengujian yang dipakai adalah terima H0 jika z hitung terletak antara -1,96 dan
1,96 sedangkan dalam hal lainnya H0 ditolak. Harga z = 1,68 ada pada daerah
penerimaan H0 sehingga H0 diterima.
H1 : π > 0,6
x
−π0
n
Untuk rumus z = , kita gunakan harga-harga x = 5,426, n=8.500, π = 0,6
π (1−π 0 )
√ 0
n
5.426
− 0,6
z = 8.500 = 2,79
(0,6)(0,4)
√
8.500
Dengan taraf nyata α = 0,01 dari daftar normal baku memberikan z0,49 =
2.33. harga z hitung = 2.79 lebih besar dari z daftar = 2.33. Maka H0 ditolak dan
Pengujian Hipotesis 20
uji sangat berarti. Ini mengatakan bahwa presentase anggota masyarakat golongan
A sudah melampaui 60%.
Untuk uji pihak kiri, maka pasangan hipotesis nol dan tandingannya
adalah:
H0 : π = 0,6
H1 : π < 0,6
Di sini pun, statistic yang digunakan masih statistic z seperti dalam rumus
x
−π0
n
z= . Kriteria pengujiannya adalah: tolak H0 jika z ≤ −z0,5−α dimana
π (1−π 0 )
√ 0
n
z0,5−α didapat dari daftar normal baku dengan peluang (0,5 − α). Dalam hal
lainnya H0 diterima.
H1 : π < 0,3
x
Sampel acak berukuran n = 425 memberikan n
= 0,28. Bagaimana hasil
Jawab:
0,28 − 0,3
z= = −0,90
(0,3)(0,7)
√
425
Dari daftar normal baku dengan α = 0,05 didapat z0,45 = 1,64. Untuk uji
pihak kiri, maka tolak H0 jika z hitung ≤ −1,64 dan terima H0 dalam hal lainnya.
Jelas bahwa z hitung = −0,90 ada pada daerah penerimaan H0 . Jadi H0 : π = 0,3
diterima pada taraf nyata 0,05. Pengujian tak berarti.
F. Menguji varians 𝛔𝟐
Pengujian Hipotesis 21
Ketika menguji rata-rata µ untuk poulasi normal, didapat hal dimana
simpangan baku σ diketahui. Harga yang diketahui ini umumnya didapat dari
pengalaman dan untuk menentukan besarnya pelu diadakan pengujian. Untuk ini,
kita misalkan populasi berdistribusi normal dengan varians σ2 dan daripadanya
diambil sebuah sampel acak berukuran n. varians sampel yang besarnya s 2
∑(xi −x) 2 n ∑ x2i −( ∑ xi ) 2
dihitung dengan rumus s 2 = atau rumus s 2 = .
n−1 n(n−1)
H0 : σ2 = σ20
H1 : σ2 ≠ σ20
(n − 1)s2
x2 = … … … (4)
σ20
Contoh:
Dalam bagian 4 bab ini terdapat contoh soal tentang masa hidup lampu A.
Disitu diambil σ = 60 jam. Dengan sampel berukuran n = 50 didapat s = 55jam.
Jika masa hidup lampu berdistribusi normal, benarkah σ = 60 jam dengan taraf
α = 0,05?
Jawab:
Pengujian Hipotesis 22
Untuk menyelidiki benar atau tidaknya tentang σ, maka kita berhadapan
dengan pengujian
H0 : σ2 = 3.600 jam
H1 : σ2 ≠ 3.600 jam
(n−1)s2
Dari rumus x 2 = dengan n = 50 dan s 2 = 3.025, maka
σ20
Dengan dk = 49 dan peluang 0,025 dan 0,975, dari daftar distribusi chi-
2
kuadrat berturut-turut didapat x0,025 = 32,4 dan x20,975 = 71,4.
Kriteria pengujian: teima H0 jika x 2 antara 32,4 dan 71,4. Untuk harga-
harga lainnya, H0 ditolak. Dari perhitungan didapat x 2 = 41,174 dan ini jauh
antara 32,4 dan 71,4; jadi dalam daerah penerimaan hipotesis. Kesimpulan:
hipotesis σ = 60 jam dapat diterima dengan menanggung risiko 5% akan
terjadinya penolakan hipotesis bahwa σ2 = 3.600 jam.
H0 : σ2 = σ20
H1 : σ2 > σ20
(n−1)s2
Statistik yang digunakan masih tetap x 2 dalam rumus x 2 = .
σ20
Pengujian Hipotesis 23
hal lainnya, H0 diterima. Jika hipotesis nol dan tandinagnnya menyebabkan uji
pihak kiri, yakni pasangan:
H0 : σ2 = σ20
H1 : σ2 < σ20
Maka hal yang sebaliknya akan terjadi mengenai kriteria pengujian, yaitu
tolak H0 jika x 2 ≤ xα2 , dimana xα2 didapat dari daftar chi-kuadrat dengan dk = (n −
1) dan peluang α sedangkan statistic x 2 tetap dihitung dengan rumus:
2
(n − 1)s 2
x =
σ20
Contoh:
Jawab:
H0 : σ2 = 0,50
H1 : σ2 > 0,50
2
Dari daftra chi-kuadrat dengan dk = 19 dan peluang 0,95 diperoleh x0,95 = 30,1 =
30,1.
Pengujian Hipotesis 24
Karena chi-kuadrat dari penelitian lebih besar dari 30,1 maka H0 ditolak
pada taraf 5%. Ini berarti variasi isi botol telah menjadi lebih besar, sehingga
dianjurkan untuk menyetel kembali mesin agar mendapatkan pengisian yang lebih
merata.
H0 : μ1 = μ2
H1 : μ1 ≠ μ2
x̅1 − x̅2
z= … … … (5)
1 1
σ√n + n
1 2
Pengujian Hipotesis 25
Dengan taraf nyata α, maka kriteria pengujian adalah: terima H0 jika
−z1/2(1−α) < z < z1/2(1−α) dimana z1/2(1−α) didapat dair daftra normal baku
dengan peluang 1/2(1 − α). Dalam hal lainnya H0 ditolak.
x̅1 − x̅1
t= … … … (6)
1 1
s√n + n
1 2
dengan
2
(n1 − 1)s12 + (n2 − 1)s22
s = … … … (7)
n1 + n2 − 2
Contoh:
Makanan A 3,1 3,0 3,3 2,9 2,6 3,0 3,6 2,7 3,8 4,0 3,4
Makanan B 2,7 2,9 3,4 3,2 3,3 2,9 3,0 3,0 2,6 3,7
Dalam taraf nyata α = 0,05, tentukan apakah kedua makanan itu sama
baiknya atau tidak.
Pengujian Hipotesis 26
Jawab:
Dari data diatas didapat x̅A = 3,22, x̅B = 3,07, sA2 = 0,1996 dan sB2 =
x̅ 1 −x̅1
0,1112. Simpangan baku gabungan, dari rumus t = 1 1
memberikan:
s√ +
n1 n2
Dari penelitian didapat t = 0,862 dan ini jelas ada dalam daerah
penerimaan. Jadi H0 diterima.
Jika kedua simpangan baku tidak sama tetapi kedua populasi berdistribusi
normal, hingga sekarang belum ada statistic yang tepat yang dapat digunakan.
Pendekatan yang cukup memuaskan adalah dengan menggunakan statistic t’
sebagai berikut:
x̅1 − x̅2
t′ = … … … (8)
s12 s22
√(
n1 ) + ( n2 )
w1 t 1 + w2 t 2 w t + w2 t 2
− < t′ < 1 1
w1 + w2 w1 + w2
Pengujian Hipotesis 27
Dengan:
s2 s2
w1 = n1 ; w2 = n2
1 2
t 2 = t (1−1/2α) , (n2 − 1)
Contoh:
Jawab:
yang sama.
yang berlainan.
Pengujian Hipotesis 28
9,25 − 10,40 −1,15
t′ = = = −1,339
0,859
√(5,0176) + (9,7344)
20 20
5,0176 9,7344
w1 = = 0,2509, w2 = = 0,4867
20 20
Sehingga didapat:
w1 t 1 + w2 t 2 (0,2509)(2,09) + (0,4867)(2,09)
= = 2,09
w1 + w2 0,2509 + 0,4869
Kriteria pengujian adalah: terima H0 jika −0,29 < t ′ < 2,09 dan tolak H0
dalam hal lainnya. Jelas bahwa t’ = −1,339 ada dalam daerah penerimaan H0 . Jadi
kita terima H0 dalam taraf yang nyata 0,05.
H0 : μB = 0
H1 : μB ≠ 0
̅
B
t= s … … … (9)
B
⁄ n
√
dan terima H0 jika −t 1−1/2α < t < t 1−1/2α dimana t 1−1/2α didapat dari daftar
distribusi t dengan peluang (1 − 1⁄2) dan dk n − 1 dalam hal lainnya H0 ditolak.
Pengujian Hipotesis 29
Contoh:
Kita ambil contoh dlam Bab XI bagian 7C mengenai tinggi anak laki-laki
̅ = 0,8 dan sB2 = 11,07.
pertama dan tinggi ayah. Disana telah didapat n = 10, B
Maka,
0,8
t= = 0,762
√11,07/10
Dari daftar distribusi t dengan peluang 0,975 dan dk = 9 didapat t 0,975 = 2,26.
Ternyata t = 0,762 ada dalam daerah penerimaan H0 . Jadi penelitian menghasilkan
uji yang tak berarti.
Sebagaimana dalam uji dua pihak, untuk uji satu pihak pun di misalkan
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 disisni akan ditinjau hal-hal tersebut untuk keadaan σ1 = σ2 atau σ1 ≠ σ2 .
H0 : μ1 = μ2
H1 : μ1 > μ2
Terima H0 jika t < t 1−α dan tolak H0 jika t mempunyai harga-harga lain.
Derajat kebebasan untuk daftar distribusi t ialah (n1 + n2 − 2) dengan peluang
(1 − α).
Pengujian Hipotesis 30
Jika σ1 ≠ σ2 , maka statistic yang digunakan adalah statistic t’ seperti dalam
rumus XII. Dalam hal ini kriteria pengujian adalah:
w 1 t1 +w 2 t2
t’ ≥
w 1 +w 2
s2 s22
dan terima H0 terjadi sebaliknya, dengan w1 = n1 , w2 = , t 1 = t (1−α),(n1 −1)
1 n2
Contoh :
Jawab:
Jika distribusi tinggi badan untuk kedua kelompok pemuda itu normal dan
σ1 = σ2 , maka statistic t dalam rumus VI dapat digunakan. Kita punya n1 = 15,
x̅1 = 167,2 cm, s1 = 6,7cm, n2 = 20, x̅2 = 160,3 cm dan s2 = 7,1 cm. dari
rumus VII didapat varians gabungan
167,2 − 160,3
t= = 2,913
1 1
√(48,07){( ) + ( )}
15 20
Pengujian Hipotesis 31
Dari daftar distribusi t dengan peluang 0,95 dan dk = 33, didapat t 0,95 =
1,70. Dari penelitian didapat t = 2,913 dan ini lebih besar dari t = 1,70. Jadi H0 =
μ1 = μ2 ditolak, dimana indeks satu menyatakan pemuda yang senang berenang.
Penyelidikan memberikan hasil yang berarti pada taraf 5%. Dugaan di muka dapat
diterima.
44,89 50,41
w1 = = 2,99, w2 = = 2,52
15 20
w1 t 1 + w2 t 2 (2,99)(1,76) + (2,52)(1,73)
= = 1,75
w1 + w2 2,99 + 2,52
Sehingga diperoleh:
167,2 − 160,3
t′ = = 2,94
√(44,89) + (50,41)
15 20
H0 ∶ μ B = 0
H1 ∶ μ B > 0
Pengujian Hipotesis 32
Contoh:
Laki-laki 30 21 21 27 20 25 27 22 28
18
Perempuan 31 22 37 24 30 15 25 42 19
38
Jawab:
Ambil μL = rata-rata hasil ujian untuk anak laki-laki dan μP = rata-rata hasil ujian
untuk anak perempuan.
H0 ∶ μ B = μ P − μ L = 0
H1 ∶ μ B > 0
Dari data diatas, setelah dihitung berdasarkan beda (selisih) tiap pasang data.
̅ = 4,4 dan SB = 11,34. Rumus IX memberikan
Didapat B
4,4
t= = 1,227
11,34/√ 10
dengan dk = 9 dan peluang 0,95 dari daftra distribusi Student didapat t 0,95 = 1,83.
Karena t = 1,23 lebih kecil dari 1,83 maka H0 diterima. Dalam hal ini masih dpat
dikatakan bahwa rata-rata hasil ujian anak laki-laki lebih baik daripada rata-rata
hasil ujian anak perempuan.
Pengujian Hipotesis 33
Hal B. Uji Pihak Kiri
H0 ∶ μ 1 = μ 2
H1 ∶ μ 1 < μ 2
Jika σ1 ≠ σ1 , maka yang digunaka adalah statistic t’dalam rumus VIII dan
tolak H0 untuk
−(w1 t 1 + w2 t 2 )
t′ ≤
w1 + w2
H0 ∶ μ = 0
H1 ∶ μ < 0
Staistik yang digunakan ialah statistic t dalam rumus IX dan tolak H0 jika
t ≤ −t (1−α),(n−1) dan terima H0 untuk t > −t (1−α),(n−1).
Pengujian Hipotesis 34
Dalam bagian ini contohnya tidak dibeikan karena cara penyelesaiannya
sejalan benar untuk uji pihak kanan. Bedanya hanya terletak pada letak daerah
kritisnya saja.
H0 ∶ π 1 = π 2
H1 ∶ π 1 ≠ π 2
x x
(n1 ) − (n2 )
1 2
z= … … … (10)
1 1
√pq {(n ) + (n )}
1 2
x1 +x2
Dengan p = dan q = 1 − p.
n1 +n2
Jika dalam pengujian ini digunakan taraf nyata α, maka kiteria pengujian
adalah: Terima H0 untuk −z1/2(1−α) < z < z1/2(1−α) dan tolak H0 untuk harga-
harga z lainnya.
Seperti biasa, z1/2(1−α) didapat dari daftar distribusi normal baku dengan
peluang 1/2(1 − α).
Contoh:
Pengujian Hipotesis 35
terhadap 300 pemilih dan terdapat 162 yang akan memilih calon C. adakah
perbedaan yang nyata mengenai pemilihan calon C diantara kedua daerah itu?
Jawab:
150 +162
Untuk menggunakan rumus X, perlu dihitung dulu 𝑝 = 250 +300 = 0,5673
150 162
(250) − (300)
𝑧= = 1,42
1 1
√(0,5673)(0,4327) {( )+( )}
250 300
Dengan peluang 0,475, dari daftar distribusi normal baku didapat 𝑧0,475 = 1,96.
Kriteria pengujian adalah: terima H0 jika −1,96 < 𝑧 < 1,96 dan tolak H0
dlam hal lainnya. Jelas bahwa z = 1,42 ada dalam daerah penerimaan H0 .
Kesimpulan: dalam taraf 5%, penelitian memperlihatkan bahwa tidak terdapat
perbedaan yang nyata antara kedua daerah itu terhadap pemilihan calon C.
H0 ∶ π 1 = π 2
H1 ∶ π 1 > π 2
Pengujian Hipotesis 36
Statistik yang digunakan masih berdasarkan pendekatan oleh ditribusi
normal, jadi digunakan statistic z dalam rumus X. dalam hal ini tolak H0 jika 𝑧 ≥
𝑧0,5−𝛼 dan terima H0 untuk 𝑧 < 𝑧0,5−𝛼 , dengan 𝛼 = taraf nyata.
H0 ∶ π 1 = π 2
H1 ∶ π 1 < π 2
Dengan statistic yang sama seperti diatas, tolak H0 untuk 𝑧 ≤ −𝑧0,5−𝛼 , dan
terima H0 jika 𝑧 > −𝑧0,5−𝛼 . Untuk kedua-duanya 𝑧0,5−𝛼 didapat dari daftra
distribusi normal baku dengan peluang (0,5 − 𝛼).
Contoh:
Jawab:
80+68
𝑝= = 0,74 dan q = 0,26.
100 +100
0,80 − 0,68
𝑧= = 1,94.
√(0,74)(0,26)(0,02)
Pengujian Hipotesis 37
H0 ∶ π A = π B
H1 ∶ π A > π B
Tolak H0 untuk 𝑧 ≥ 1,64 dan terima H0 untuk 𝑧 < 1,64 dengan 𝛼 = 0,05.
Penelitian ini menghasilkan z = 1,94 yang jatuh dalam daerah kritis. Jadi
pengujian barangkali berarti (untuk 𝛼 = 0,01 ℎarga z = 2.33).
Dalam bagian ini akan ddilakukan pengujian kesamaan varians untuk dua
populasi.
Misalkan kita mempunyai dua populasi normal dengan varians 𝜎12 dan 𝜎22 .
Akan diuji mengenai uji dua pihak untuk pasangan hipotesis H0 dan tandingannya
H0 : σ21 = σ22
H1 : σ21 ≠ σ22
Pengujian Hipotesis 38
varians s12 dan sampel dari populasi kedua berukuran s22 maka untuk menguji
hipotesis diatas menggunakan statistik.
s12
F= … … … (11)
s22
Statistic lain yang digunakan untuk menguji hipotesis H0 di muka juga adalah:
𝑣𝑎𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟
𝐹=
𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙
Dan ditolak H0 jika 𝐹 ≥ 𝐹1/2𝛼 (𝑣1 ,𝑣2 ) dengan 𝐹1/2𝛼 (𝑣1 ,𝑣2 ) didapat daftar
distribusi F dengan peluang 1/2𝛼, 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).
Contoh:
Jawab
Pengujian Hipotesis 39
Dengan rumus XII(12) didapa F = 37,2/24,7 = 1,506.derajat kebebasan
untuk pembilang = 12 dan untuk penyebut = 9. Dengan 𝛼 = 0,01 dari daftar
distrubusi F didapt 𝐹0,05 (12,9) = 3,07.
Dari penelitian didapat F = 1,506 dan ini lebih kecil dari 3,07. Jadi, H0 ∶
𝜎12 = 𝜎22 diterima dan H1 : 𝜎12 ≠ 𝜎22 ditolak. Kedua cara pengukuran dapat
dikatakan mempunyai varians yang sama besar.
1
Sehingga 𝐹0,05 (9,12) = 3,07 = 0,328.
Kriteia pengujian adalah terima H0 jika 0,328 < F < 2,80 dan tolak H0
dalam hal lainnya. Kita punya F = 0,664 yang jatuh dalam daerah penerimaan H0 .
Jadi, H0 diterima dan kesimpulan sama seperti dimuka.
Jika pengujian yang dihadapi merupakan uji satu pihak, yaitu uji pihak
kanan, untuk hipotesis nol H0 dengan tandingan H1 .
H0 ∶ 𝜎12 = 𝜎22
H0 ∶ 𝜎12 = 𝜎22
s21
Maka dalam kedua hal, statistic yang digunakan masih F = seperti
s22
dalam rumus (11). Untuk uji pihak kanan, kriteria pengujian adalah: tolak H0 jika
𝐹 ≥ 𝐹𝛼(𝑛1 −1,𝑛2 −1) sedangkan untuk uji pihak kiri, tolak H0 jika 𝐹 ≥
𝐹(1−𝛼)(𝑛1 −1,𝑛2 −1). Dalam hal-hal lain, H0 diterima.
Pengujian Hipotesis 40
Contoh:
Jawab:
H0 ∶ 𝜎12 = 𝜎22
Pengujian Hipotesis 41
atau nilai lainnya. Berpegang kepada prinsi ini, marilah sekarang kita lihat berapa
besar kekeliruan 𝛽 mungkin dibua dan berapa besar kuasa uji (1- 𝛽) ddapat
berdasarkan 𝛼 yang dipilih lebih dahulu tersebut.
Dalam bagian 4, bab ini, diberikan contoh tentang uji rata-ata masa hidup
lampu, ialah H0 ∶ 𝜇 = 800 jam melawan H1 ∶ 𝜇 ≠ 800 jam dengan 𝜎 = 60 jam
diketahui. Dengan sampel berukuran n = 50 dan x̅ = 792 jam, pengujian
menyatakan menerima H0 pada taraf 𝛼 = 0,05. Jika sebenarnya rata-rata masa
hidup lampu itu bukan 800 jam, melainkan 𝜇 = 778 jam, berapakah 𝛽 yaitu
peluang membuat kekeliruan tipe II, dalam penambilan keputusan diatas?
Untuk menentukan 𝛽 kita buat sketsa dua distribusi normal, yang satu
dengan 𝜇 = 800 dan satu lagi dengan 𝜇 = 778. Kedua duanya mempunyai 𝜎 =
60 jam.
Gambar 9
Pengujian Hipotesis 42
𝛽 adalah bagian grafik dalam distribusi norman dengan 𝜇 = 778 yang dalam
daerah penerimaan H0 yaitu dari 78336 ke 816,46. Dalam distribusi normal baku,
783 ,36−778 816,64−778
ini sama dari 𝑧 = 60 ke 𝑧 = 60 atau dari z = 0,63 ke z = 4.55 atau
√50 √50
praktis dari z = 0,63 ke kanan. Luasnya adalah 0,5 – 0,2357 = 0,28643. Jadi 𝛽 =
0,2643.
Ini berarti peluang menerima hipotesis nol bahwa rata-rata masa hidup
lampu 800 jam padahal sebenarnya 778 jam adalah 0,2643. Untuk ini, kuasa uji
dapat ditentukan ialah (1- 𝛽) = 0,7357 dan ini tiada lain daripada peluang
menolak hipotesis 𝜇 = 800 karena sebenarnya 𝜇 = 778.
Dalam angka z, ternyata 𝛽 antara z = -4,91 dan z =-0,99 atau praktis dari z
=-099 ke kiri. Luasnya adalah 0,5 – 0,3389 = 0,1111. Dengan demikian 𝛽 =
0,1111 dan kuasa uji = 0,8889.
Pengujian Hipotesis 43
Daftar (2)
Grafik 𝛽 terhadap 𝜇 dinaakan kurva ciri operasi, disingkat kurva CO, yang
dapat dilihat dibawah ini:
Bentuk kurva Co seperti diatas adalah khas untuk uji dua oihak. Makin
tajam puncak kuva makin baik aturan keputusan untuk menolak hipotesis yang
kurang berlaku.
Pengujian Hipotesis 44
M. Menentukan Ukuran Sampel
Contoh:
Jawab:
Pengujian Hipotesis 45
Daerah penerimaan H0 ada aadalah antara z = -1,96 dan z =1,96. Dengan rumus
(1) dari sistribusi normal dengan 𝜇 = 50 didapat:
x̅2 −50
1,96 = , n = ukuran sampel,
6 √𝑛
x̅2 −55
−1,28 == , n = ukuran sampel
6 √𝑛
11,76/√ n = x̅ − 50
-7,68/√ n = x̅ − 55
kriteria pengujian adalah: jika dari sampel berukuran 16 didapat 𝑥̅ antara 47,1 dan
52,9 maka 𝐻0 diterima, sedangkan dalam hal lainnya 𝐻0 harus di tolak.
Catatan: Hasil yang sama akan diperoleh apabila diambil distribusi normal
dengan 𝜇 = 50 dan 𝜇 = 45.
Jika untuk contoh di atas diambil 𝛽 = 0,05, maka oersamaan yang perlu di
hasilkan adalah
𝑥̅2− 50 𝑥̅2− 55
1,96 = 6 /√𝑛
dan -1,645 = 6 /√𝑛
atau 11,76 / √𝑛 = 𝑥̅ – 50
- 9,87 / √𝑛 = 𝑥̅ – 55.
Hal ini memberikan hasil n = 18,71 yang berarti paling sedikit sampel itu harus
berukuran 19.
Pengujian Hipotesis 46
Kita lihat bahwa makin kecil kekeliruan yang dikehendaki makin besar
ukuran sampel yang diperlukan. Hal yang sama akan terjadi apabila menghendaki
penyimpangan yang semakin kecil dari nilai yang dihipotesiskan.
Jawab: kita lihat hal ini uji pihak kanan dengan keadaan seperti tertera dalam
gambar di bawah ini.
𝑥
− 0,3
𝑛
1,645 = , n = ukuran sampel
√ ( 0,3) (0,7)/𝑛
𝑥
− 0,4
𝑛
-1,645 = , n = ukuran sampel
√ ( 0,4) (0,6)/𝑛
Pengujian Hipotesis 47
x/n 0,4 = 0,8059 / √ 𝑛
Pengujian Hipotesis 48
Berdasarkan sampel-sampel acak yang masing-masing di ambil dari setiap
populasi.
Daftar 4
DARI POPULASI KE
1 2 …………… 4
𝑦11 𝑦21 …………… 𝑦𝑘 1
𝑦12 𝑦22 …………… 𝑦𝑘 2
Data Hasil . . .
Pengamatan . . .
. . .
𝑦1𝑛1 𝑦2𝑛2 …………… 𝑦𝑘𝑛𝑘
Untuk memudahkan perhitungan, satuan-satuan yang diperlukan untuk uji
Bartlett lebih baik disusun dalam sebuah daftar seperti dalam daftar (5)
Daftar (5)
Pengujian Hipotesis 49
.
.
.
K 𝑛𝑘 − 1 1⁄ 𝑠𝑘2 log 𝑠 𝑘2 (𝑛𝑘 − 1) log 𝑠 𝑘2
(𝑛𝑘 − 1)
Jumlah -- --
∑(𝑛𝑖 − 1) ∑ 1⁄(𝑛 − 1) ∑(𝑛𝑖 − 1) log 𝑠 𝑖2
𝑖
Dengan taraf nyata 𝛼, kia tola hipotesis H0 jika 𝑥 2 ≥ 𝑥 (21− 𝛼) (𝑘−1), dimana
𝑥 (21− 𝛼) (𝑘−1) didapat dari daftar distribusi chi-kuadat dengan peluang (1- 𝛼) dan dk
= (k-1).
Pengujian Hipotesis 50
BAB III
PENUTUP
A. Kesimpulan
Pengujian Hipotesis 51
DAFTAR PUSTAKA
Pengujian Hipotesis 52