ESTIMASI PARAMETER

& PENGUJIAN HIPOTESIS

Pertemuan Kesembilan Mata Kuliah Statistika Pendidikan

Learning Partner:
Ahmad Dimyati, M.Pd
Dosen UIN Syarif Hidayatullah Jakarta
 ~Motivation Today~
“You will never achieve anything in your life … unless you make it a
MUST!” –Adam khoo
 Estimasi Parameter
(1) Statistik & Parameter (2)
Penaksiran Parameter Populasi,

Hipotesis Penelitian
(1) Hakikat Hipotesis, Populasi, dan
Sampling (2) Berbagai Macam Hipotesis

PRESENTATION Pengujian Hipotesis

AGENDA (1) Kekeliruan dalam Pengambilan
Keputusan (2) Uji Satu Sisi & Uji Dua Sisi
(3) Tingkat Keyakinan (4) Langkah-
Langkah Pengujian Hipotesis
ESTIMASI PARAMETER
[ Statistik & Parameter, Penaksiran Parameter Populasi ]
Kegiatan penelitian pada umumnya tidak dilakukan terhadap anggota populasi,
melainkan lebih banyak menggunakan sampel. Berdasarkan data-data yang
diperoleh dari sampel kemudian dianalisis dan dilakukan generalisasi terhadap
populasi dengan menggunakan teknik statistika inferensial. Tugas utama statistika
inferensial adalah menaksir parameter populasi & menguji hipotesis.
2 KEGIATAN DALAM

Secara umum, ada dua kegiatan yang dapat dilakukan

dalam statistika inferensial, yaitu:

Menaksir (to estimate) populasi

01 Menaksir (to estimate) parameter populasi
berdasarkan ukuran-ukuran sampel.

Menguji (to test) hipotesis

02 Menguji hipotesis tentang berbagai ukuran (parameter)
populasi.

Dengan statistika inferensial, kita dapat menaksir

(mengestimasi) dan menguji hipotesis tentang berbagai
ukuran (parameter) populasi. alam melakukan kedua
kegiatan tersebut, kita melakukan perhitungan-perhitungan
terhadap data hasil pengukuran untuk menemukan ukuran-
ukuran sampel.
[A] STATISTIK & PARAMETER
Suatu penelitian biasanya tidak mengukur peubah (misalnya
tinggi badan, hasil belajar, IPK) dari seluruh anggota populasi.
Namun, suatu penelitian biasanya hanya mengukur peubah-
peubah yang dikaji dari sekelompok subjek yang diharapkan
mewakili populasinya yang kita kenal dengan istilah sampel
penelitian.

Oleh karena itu, kita harus memahami bahwa yang diketahui

peneliti dalam suatu penelitian biasanya nilai-nilai atau ukuran
yang dihitung dan diperoleh dari data sampel penelitian yang
disebut statistik atau estimator. Contohnya seperti rata-rata
sampel, simpangan baku sampel, koefisien korelasi sampel, dan
lain-lain.
[A] STATISTIK & PARAMETER
CONTOH:
Seeorang peneliti ingin mengkaji tinggi dan berat badan
penduduk yang berusia 20 tahun ke atas di suatu provinsi
dengan jumlah penduduknya adalah 3 juta.

Dalam penelitian, peneliti tersebut tidak mengukur 3 juta orang,

melainkan hanya mengukur tinggi dan berat badan sejumlah
penduduk saja sebagai sampel penelitian, katakanlah 3000
orang. Setelah itu, peneliti mencari dan menemukan nilai rata-
rata serta simpangan baku tinggi dan berat badan dari 3000
orang tersebut.

Misalnya, peneliti menemukan nilai rata-rata tinggi badan & berat

badan sampel adalah 155 cm dan 59 kg dengan simpangan
bakunya masing-masing 17,3 dan 10,5. Nah, keempat nilai
tersebut merupakan Statistik atau estimator yaitu nilai atau
harga yang diperoleh dari sampel.
[B] PENAKSIRAN
PARAMETER POPULASI
Dalam penelitian, kita harus memahami bahwa di populasi ada
ukuran, nilai-nilai atau harga yang disebut parameter yang besar
dan arahnya tidak diketahui oleh peneliti. Untuk mengetahui nilai
atau harga parameter tersebut peneliti memperkirakan atau menaksir
harga-harga pada populasi (parameter) dengan memanfaatkan
harga-harga yang diperolehdari sampel (statistik atau estimator).

Sebagai contoh: menaksir harga rata-rata berat badan 3 juta orang

berdasarkan rata-rata berat badan 3000 orang. Peneliti memperoleh
nilai rata-rata berat badan penduduk yang berusia 20 tahun ke atas
dari 3000 orang sampel (56 kg) yang kemudian dapat digunakan
untuk menasir (to estimate) rata-rata populasinya (3 juta penduduk).
[B] PENAKSIRAN
PARAMETER POPULASI
Berikut ini beberapa jenis lambang yang sering digunakan untuk
menyatakan ukuran statistik sampel & parameter populasi.

Jenis Ukuran Statistik Sampel Parameter

Populasi
Rata-rata 𝑋ത 𝜇
Simpangan baku 𝑠 𝜎
Variansi 𝑠2 𝜎2
Koefisien korelasi 𝑟 𝜌
Koefisien regresi 𝑏 𝛽

Kolom satu adalah jenis-jenis ukuran yang sering ditemukan pada

buku-buku statistika terapan. Kolom kedua berisi lambang-lambang
yang sering digunakan untuk menyatakan ukuran pada sampel dan
kolom ketiga berisi lambang-lambang untuk menyatakan ukuran
pada populasi. Tabel di atas menunjukkan bahwa 𝑋ത digunakan
untuk menaksir 𝜇; 𝑠 untuk menaksir 𝜎 dan seterusnya.

#1 (SATU)
Menaksir dengan
menggunakan satu titik atau
nilai (point estimate)
Contoh: Prakiraan cuaca di
1 kota Jakarta besok hari
adalah 320C
Dalam cara pertama, kita
2 hanya menentukan satu nilai
berdasarkan pertimbangan
bahwa nilai itulah yang
paling besar
kemungkinannya untuk
muncul.
2 JENIS CARA
MENAKSIR PARAMETER
POPULASI
#2 (DUA)
Menaksir dengan
menggunakan rentangan
nilai (interval estimate)
Contoh: Prakiraan cuaca di
1 kota Jakarta besok hari
berkisar antara 290C - 350C
Dalam cara kedua, atas
2
“
dasar toleransi terhadap
kemungkinan terjadinya
Semakin besar rentangan nilai yang kekeliruan tertentu kita
dibuat maka kemungkinan prakiraan itu mengatakan bahwa nilai
yang muncul akan bergerak
meleset semakin kecil dan sebaliknya, antara dua buah angka,
semakin kecil rentangan nilai yang dibuat yaitu paling rendah 290C
maka kemungkinan prakiraan itu meleset dan paling tinggi 350C
semakin besar.
KARAKTERISTIK
PENAKSIR PARAMETER
Dalam penelitian, kita menggunakan statistik atau penaksir
(estimator) untuk menaksir parameter. Ada tiga ciri penting yang
harus dimiliki oleh suatu statistik atau penaksir, yaitu (1) tidak
bias, (2) konsisten, (3) efisien.

01
TIDAK BIAS
Suatu penaksir (statistik) disebut tidak bias jika rata-rata dari yang disampel
secara acak dan berulang dalam jumlah yang tidak terhingga sama dengan
paramter populasi yang ditaksir.
𝑋ത1 + 𝑋ത2 + 𝑋ത3 + … + 𝑋ത𝐾
𝑋ത𝑋ത = =𝜇
𝑘
KONSISTEN
02 Suatu penaksir disebut konsisten jika penambahan jumlah sampel
menyebabkan penaksir itu bertambah dekat (makin sama) dengan parameter
yang ditaksir. Berdasarkan ciri ini maka selisih rata-rata yang dihitung dari
sampel yang berukuran 𝑛 = 60 lebih kecil dibandingkan selisih rata-rata sampel
dengan 𝑛 = 30 dari rata-rata populasinya.

EFISIEN
03 Suatu penaksir disebut efisien jika variansinya dari satu sampel ke sampel yang
lain relatif kecil. Efisiensi relatif suatu penaksir jga dapat dilihat dari besaran
galat baku taksirannya.
INTERVAL KEYAKINAN
Pada contoh sebelumnya, prakiraan cuaca dapat dinyatakan dalam
bentuk rentangan nilai, seperti antara 290C - 350C, yang disebut
interval estimate. Secara lebih formal, taksiran dalam bentuk
rentangan nilai biasanya didasarkan kepada (a) bentuk distribusi
data atau ukuran yang ditaksir, (b) galat baku taksiran (akar kuadrat
dari variansi distribusi sampel) dan ( c ) tingkat keyakinan yang
digunakan atau toleransi atas kekeliruan yang mungkin terjadi.

Rentangan nilai yang dihasilkan melalui prosedur formal di atas

dikenal dengan istilah interval keyakinan (confidence interval).
Rentang nilai yang diperoleh melalui cara ini diperkirakan, pada
taraf keyakinan tertentu, akan mengandung nilai parameter
populasi.

Sebagai contoh, pada 𝜶 = 𝟎, 𝟎𝟏 (toleransi atas kekeliruan

sebesar 0,01), interval keyakinan rata-rata tinggi badan anak
usia 10 tahun di suatu daerah adalah 136 – 140 cm, maka rata-
rata tinggi badan bagi populasi anak tersebut, dengan toleransi
atas kemungkinan terjadinya kekeliruan sebesar 1%, akan
berkisar antara 136 cm sampai dengan 140 cm.
HIPOTESIS PENELITIAN
[ Hakikat Hipotesis, Populasi, & Sampling ; Berbagai Macam Hipotesis]
Berbicara mengenai populasi dan sampel tidak akan terlepas juga dari
pembicaraan tentang hipotesis, karena ketika penelitian kuantitatif akan
melakukan pengujian hipotesis pada saat itu juga peneliti diperkenankan
menggunakan sebagian anggota populasi yang dinamakan sampel
penelitian.
 PROSEDUR PENELITIAN
Penelitian merupakan suatu upaya sistematis untuk memecahkan suatu masalah. Berikut ini prosedur penelitian yang terdiri atas
rangkaian kegiatan yang sejalan dengan langkah-langkah pemecahan masalah yang dikemukakan oleh John Dewey (dalam buku
Statistika Terapan untuk Penelitian)

PERUMUSAN MASALAH
Setiap penelitian dimulai dari adanya suatu
masalah yang dirasakan atau diamati oleh
peneliti. Perumusan masalah merupakan tugas
1
yang paling sulit dalam keseluruhan proses
penelitian.

PERUMUSAN HIPOTESIS
Setelah peneliti merumuskan masalah, kemudian
peneliti menelaah dan mengkaji berbagai sumber
(teori/konsep/asumsi dan temuan terdahulu) yang
2
relevan. Atas dasar kajian itu, hipotesis
dirumuskan yaitu prediksi tentang hasil penelitian
yang akan diperoleh.
 IDENTIFIKASI PEUBAH & DEFINISI
OPERASIONAL
Langkah ketiga dalam penelitian adalah mengidentifikasi dan
3
merumuskan peubah yang terlibat pada setiap hipotesis. Setiap
peubah kemudian harus dirumuskan secara operasional sehingga
jelas aspek-aspeknya yang hendak diukur.

4
RENCANA PENELITIAN
Rencana penelitian merupakan uraian rinci mengenai metode penelitan
(bagaimana penelitian akan dilakukan?), desain eksperimen, populasi dan
sampel, teknik dan alat pengumpul data, serta teknik analisis dan penyajian
data.
 PENGUMPULAN DATA, ANALISIS DATA & PENAFSIRAN HASILNYA
Dalam penelitian eksperimen, langkah pengumpulan data disebut pelaksanaan eksperimen.

5 Data penelitian dikumpulkan dengan alat pengumpul data dari sumber data. Kemudian data
yang sudah dikumpulkan, kemudian dianalisis dengan menggunakan teknik statistika sesuai
dengan masalah dan tujuan penelitian serta jenis data yang dianalisis.

KESIMPULAN PENELITIAN
Hasil analisis data harus ditafsirkan dengan merujuk kepada rumusan masalah atau
6 hipotesis penelitian yang dikaji, teori yang digunakan, dan temuan lain yang relevan.
Kesimpulan penelitian merupakan hasil berpikir reflektif peneliti atas hasil analisis data
(temuan yang diperoleh), bukan rangkuman hasil analisis data atau temuan yang
diperoleh.
[A] HAKIKAT HIPOTESIS,
POPULASI, & SAMPLING
Jika peneliti ingin menguji beberapa hipotesis, maka
peneliti harus melakukan sampling (pengambilan
sampel) dan sampel inilah yang akan dijadikan dasar untuk
dicocokkan dengan populasi.

Jadi, hipotesis tersebut adalah populasi yang diindikasikan

oleh dua hal yaitu:

01
Notasi yang dipakai saat merumuskan
Hipotesis statistika adalah parameter, ukuran-ukuran
populasi, bukan menggunakan notasi atau ukuran statistik
sampel.
Distribusi sampling (Distribusi sampel)
02 Tempat atau lapangan yang dibentuk oleh rata-rata dan
galat baku dengan besar total probabilitas 100% adalah
populasi. Contoh distribusi sampel seperti distribusi F,
distribusi t dan distribusi lainnya yang ada pada slide
pertemuan sebelumnya.
 Beberapa Jenis

SAMPLING
Proses pengambilan sampel yang disebut sampling harus dilakukan secara logis agar tidak terjadi kekeliruan
dalam melakukan analisis statistika. Teknik sampling dari no. 1 s.d 4 adalah termasuk sampling probabilitas,
sedangkan teknik sampling no.5 s.d 8 termasuk sampling non probabilitas.

SAMPLING ACAK SAMPLING SAMPLING DOBEL

01
SEDRHANA
(Simple Random Sampling) Jika setiap anggota
populasi mempunyai probabilitas (peluang)
yang sama untuk terambil sebagai anggota
dalam sampel dengan unidian acak, maka
sampling ini di sebut sampling acak sederhana
04 SISTEMATIK
(Systematical sampling) Contoh: jika ingin
mengambil sampel berukuran 500 dari suatu
populasi berukuran 10.000 secara acak kita
pilih suatu angka antara 1 sampai 20 misalnya,
katakanlah angka itu 13. kita ambil setiap kartu
ke-20 dimulai dari kartu ke-13. (13, 33, 53, dst)
07
Diambil sampel pendahuluan sebagai
bahan informasi, kemudian diambil sub
sampel untuk penelitian lebih lanjut,
informasi ini digunakan untuk stratifikasi.

02 SAMPLING BERSTRATA 05 SAMPLING KUOTA 08 SAMPLING SEKUENSIAL

(Stratified Sampling) Jika terdapat informasi (Quota sampling) biasanya digunakan pada (Sequential sampling) tidak ditentukan
tentang populasi, maka dapat dipakai sampling saat pengumpulan pendapat. Pewawancara jumlah sampel yang diperlukan. Sampel
berstrata. Populasi dipecah dalam kelompok ditugaskan mencari sejumlah orang diambil satu persatu, diperiksa dulu baru
dengan unsur-unsur dalam satu kelompok lebih menurut suatu pembatasan tertentu diambil sampel berikutnya.
serupa jika dibandingkan dengan kelompok (kelamin tertentu, kelompok umur tertentu
lainnya. dan sebagainya)

03 SAMPLING CLUSTER 06 SAMPLING PURPOSIVE

(Cluster Sampling) Misal, jika kita ingin (Purposive sampling) orang yang
mengambil sample siswa. Pertama kita ambil melakukan adalah orang yang mempunyai
sampel sekolah. Kedua, dari setiap sekolah itu penilaian baik dan pengathuan ahli. Jadi, ia
secara acak diambil sampel muridnya yang dapat mengambil sampel serepresentatif
banyaknya berbanding lurus dengan jumlah mungkin
murid sekolah tersebut.
[A] HAKIKAT HIPOTESIS,
POPULASI, & SAMPLING
Hipotesis merupakan suatu proposisi/pernyataan atau
jawaban sementara/dugaan yang mungkin benar dan
digunakan sebagai dasar pembuatan
keputusan/penyelesaian dari suatu masalah untuk
penelitian.

Hipotesis adalah hasil kajian pustaka atau proses

rasional dari penelitian yang telah mempunyai
kebenaran secara teoretik”. Kebenaran hipotesis masih
harus diuji kebenarannya secara empirik, dengan
demikian hipotesis dapat dianggap sebagai jawaban
sementara terhadap masalah yang telah dirumuskan
dalam suatu penelitian dan masih perlu diuji
kebenarannya dengan menggunakan data empirik
(Djaali, 2003).
Hipotesis diartikan sebagai kesimpulan bersifat
sementara atau proposisi tentatif tentang hubungan
antara dua variabel atau lebih (Kerlinger, 2002)
[A] HAKIKAT HIPOTESIS,
POPULASI, & SAMPLING
Pada hakikatnya hipotesis merupakan jawaban sementara
terhadap masalah penelitian (rumusan masalah)
didasarkan pada model teori, kerangka berpikir teoritik,
atau paling tidak berdasarkan generalisasi atau dapat juga
berdasarkan hasil-hasil penelitian relevan.

Dalam penelitian terdapat dua macam hipotesis yaitu:

1 Hipotesis penelitian
Yang harus dirumuskan persis seperti menjawab rumusan
masalah secara konsisten dengan kalimat verbal.

Hipotesis statistik
2 Yang harus dituliskan dengan notasi statistika. Hipotesis
statistik terdiri dari hipotesis nol dan hipotesis satu atau
hipotesis alternatif.
CONTOH HIPOTESIS PENELITIAN
& HIPOTESIS STATISTIKA
Seorang peneliti menduga bahwa keunggulan siswa sekolah-
sekolah favorit dalam UN & SBMPTN lebih berkaitan dengan
kemampuan potensial mereka daripada keunggulan sekolah dalam
menyelenggarakan kegiatan pembelajaran. Sesuai dengan dugaan
tersebut, peneliti merumuskan hipotesis penelitiannya. Kemudian
hipotesis tersebut dijabarkan menjadi hipotesis statistikanya.

1 Hipotesis penelitian
”Siswa sekolah favorit secara rata-rata memiliki tingkat kecerdasan
yang lebih tinggi daripada siswa sekolah tidak favorit”

Hipotesis statistik
2 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 > 𝜇2
Pada rumusan hipotesis di atas, angka 1 = sekolah favorit dan
angka 2 = sekolah tidak favorit. Perlu diingat rumusan hipotesis
harus menggunakan notasi yang menunjukkan parameter populasi,
bukan statistik sampel
[B] BERBAGAI
JENIS HIPOTESIS
Dalam penelitian kuantitatif kunci utama adalah hipotesis. Selain itu,
hipotesis statistika yang sesuai dengan hipotesis satu (alternatif: 𝐻1 )
adalah hipotesis penelitian yang ditulis dalam kalimat verbal sebagai
jawaban sementara terhadap rumusan masalah.

Oleh karena itu, hanya hipotesis satu (𝐻1 ) yang memiliki 3 kemungkinan
notasi yang berbeda tergantung teori yang dijadikan dasar dalam
merumuskan jawaban sementara terhadap masalah penelitian.

HIPOTESIS JENIS 1
A 𝐻0 : 𝜇1 = 60 𝐻0 : 𝜇1 = 𝜇2 3 bunyi hipotesis tersebut akan
𝐻1 : 𝜇1 ≠ 60 𝐻1 : 𝜇1 ≠ 𝜇2 mempengaruhi pengujian hipotesis.
Bunyi hipotesis A adalah tidak memihak
B HIPOTESIS JENIS 2 (nondirectional), maka hipotesis A
𝐻0 : 𝜇1 = 60 menuntut uji dua sisi. Sedangkan bunyi
𝐻0 : 𝜇1 = 𝜇2 hipotesis B & C adalah memihak
𝐻1 : 𝜇1 > 60 𝐻1 : 𝜇1 > 𝜇2 (directional) maka hipotesis B & C
masing-masing menuntut uji satu sisi.
C HIPOTESIS JENIS 3
𝐻0 : 𝜇1 = 60 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 < 60 𝐻1 : 𝜇1 < 𝜇2
PENGUJIAN HIPOTESIS
[Kekeliruan dalam Pengambilan Keputusan; Uji Satu Sisi & Uji Dua Sisi; & Tingkat Keyakinan]
Masalah yang dipertanyakan oleh pengujian hipotesis adalah perbedaan di
dalam populasi (perbedaan parameter), bukan hanya perbedaan pada sampel
(perbedaan statistik). Selain itu, pengujian hipotesis dilakukan berdasarkan
pada asumsi bahwa hipotesis nol itu benar.
[A] PENGUJIAN HIPOTESIS
Dalam pengujian hipotesis, hipotesis yang diuji adalah hipotesis
nol ( 𝐻0 ), bukan hipotesis alternatif atau hipotesis satu (𝐻1 ).
Alasannya antaralain:

“Jika hipotesis alternatif yang digunakan, dan andaikan

hipotesisnya diterima (dan itulah yang diharapkan), maka
penerimaan itu belum kuat. Hal itu dikarenakan penerimaan
itu belum kuat karena penerimaan ini baru SEBUAH dari
banyak penerimaan yang bisa terjadi. Tetapi, jika hipotesis
nol yang digunakan, maka jika terjadi penolakan (dan itulah
yang diharapkan) meskipun hanya ada sebuah, maka itu
cukup kuat untuk mengambil keputusan bahwa perbedaan
itu ada”.

Akibat adanya hipotesis nol (𝐻0), terdapat hipotesis alternatif (𝐻1)

yang akan diterima seandainya hipotesis nol ditolak.Hipotesis
alternatif pun ada dua macam, yaitu satu arah dan dua arah
yang sudah dibahas pada sub macam-macam hipotesis.
[B] KEKELIRUAN DALAM
PENGAMBILAN KEPUTUSAN
Dalam pengujian hipotesis, peneliti berperan sebagai pengambil
keputusan, yaitu menentukan untuk “menolak atau tidak menolak
hipotesis nol”. Oleh karena keputusan peneliti tentang parameter
populasi didasarkan pada data sampel maka ada kemungkinan
keputusannya keliru, menolak hipotesis nol yang seharusnya diterima
atau sebaliknya menerima hipotesis nol yang seharusnya ditolak
(salah).

Sebagai contoh, rata-rata populasi kecerdasan anak di suatu provinsi

adalah 120. jika berdasarkan data sampel yang diperoleh, seorang
peneliti kemudian menolak hipotesis nol (𝐻0 : 𝜇 = 120) maka ia telah
membuat keputusan yang keliru. Begitu pula, jika ternyata rata-rata
kecerdasan populasi A dan B masing-masing adalah 120 dan 121,
kemudian peneliti (berdasarkan hasil penelitiannya) tidak menolak
hipotesis nol (𝐻0 : 𝜇1 = 𝜇2) maka ia telah membuat keputusan keliru.

Contoh tersebut menggambarkan dua jenis kekeliruan dalam

pengambilan keputusan: (a) Kekeliruan Tipe I: menolak
hipotesis yang benar dan (b) tidak menolak hipotesis yang
salah.
KEKELIRUAN TIPE I
PENGAMBILAN KEPUTUSAN
Secara visual, berikut ini empat kemungkinan pengambilan
keputusan tentang parameter populasi.

Dalam banyak hal, pengujian hipotesis didasarkan pada asumsi

bahwa hipotesis nol adalah benar. Pada tabel, kekeliruan tipe I
disebut dengan 𝛼 dan nilainya ditetapkan sekecil mungkin yaitu 𝛼 =
0,05 (5%) atau 𝛼 = 0,01 (1%) untuk meminimalkan peluang
kekeliruan Tipe I. Dengan demikian, peluang untuk membuat
keputusan yang benar (tidak menolak 𝐻0 yang benar), 1 − 𝛼 adalah
1 − 0,05 = 0,95 (95%) atau 1 − 0,01 = 0,99 (99%)
KEKELIRUAN TIPE II
PENGAMBILAN KEPUTUSAN
Secara visual, berikut ini empat kemungkinan pengambilan
keputusan tentang parameter populasi.

Jika hipotesis nol itu salah dan peneliti tidak menolaknya, maka ia
melakukan kekeliruan tipe II dalam mengambil keputusan. Peluang
membuat kekeliruan tipe II dilambangkan dengan β (baca: beta) dan
peluang membuat keputusan yang benar (menolak hipotesis nol yang
salah) disebut kuasa uji statistik (1 − β).
 LEVEL SIGNIFIKANSI
Dalam pengujian hipotesis, kita menggunakan level atau tingkat
signifikansi /keberartian (significance level) tertentu yang
dilambangkan dengan 𝜶 (baca: alpha). Dengan asumsi bahwa
risiko kekeliruan tipe I cukup berat, peneliti biasanya menetapkan
level signifikansi yang rendah, yaitu 0,05 atau 0,01. Bilangan 1
− 𝜶 disebut tingkat kepercayaan. Jika dalam pengujian hipotesis
itu 𝜶 = 𝟎, 𝟎𝟓 , maka tingkat kepercayaannya adalah 0,95 atau
95%. atau Misalnya, suatu penelitian melaporkan bahwa
hipotesis nol ditolak pada “tingkat kepercayaan” 99% atau pada 𝜶
= 𝟎, 𝟎𝟏.

Level signifikansi atau 𝜶 menunjukkan peluang munculnya

nilai sampel jika hipotesis nol itu benar. Misalnya, jika kita
pilih 𝜶 = 𝟎, 𝟎𝟓, itu artinya kita akan menerima suatu peluang 0,05
hipotesis nol itu ditolak dalam hal hipotesis nol itu benar. Dengan
kata lain, pada 𝜶 = 𝟎, 𝟎𝟓 hanya 5% dari statistik sampelnya, rata-
rata sampel misalnya, berada di daerah penolakan. Atau kalau
pun terjadi kekeliruan, paling tinggi hanya ada 5 dari 100 kali
penelitian (eksperimen).
 Hipotesis Penelitian Hipotesis Uji / Statistik

Hipotesis Nol (Ho)

Hipotesis Alternatif (H1)
(“=“; “≤”; “≥”)

Uji dua pihak Uji satu pihak kiri

Uji satu pihak kanan (>)
(≠) (<)

P-value/Sig (2-tailed) P-value/Sig (1-tailed) P-value/Sig (1-tailed)

 [C]
Didalam pengujian hipotesis dikenal ada uji satu sisi (one-tail test) dan uji dua sisi (two-tail test) yang merujuk kepada
daerah penolakan hipotesis nol.

2
DAERAH PENOLAKAN 𝐻0 PADA UJI SATU SISI & DUA SISI
Bila daerah penolakan hipotesis nol berada pada salah
satu sisi kurva distribusi statistik yang digunakan maka DAERAH PENOLAKAN 𝐻0 PADA UJI DUA SISI
disebut uji satu sisi. Letak daerah penolakan 𝐻0 pada Perhatikan rumusan hipotesis berikut:
kurva distribusi statistik berkaitan dengan bunyi 𝐻0 : 𝜇1 = 60
hipotesis penelitian yang hendak diuji, apakah memihak 𝐻1 : 𝜇1 ≠ 60
(directional) atau tidak memihak (nondirectional). Rumusan hipotesis di atas tidak memihak karena
Rumusan yang memihak menuntut uji satu sisi, baik uji hipotesis satu atau alternatifnya (𝐻1 ) menggunakan
sisi kanan atau uji sisi kiri. Sedangkan rumusan tanda ≠ (tidak sama dengan). Pada gambar di atas,
hipotesis yang tidak memihak menuntut uji dua sisi. daerah yang diarsir, menunjukkan daerah penolakan
𝐻0 dengan besar 𝛼 = 0,05 yang terbagi menjadi dua
bagian masing-masing 0,025 atau 2,5%.
 3

4
DAERAH PENOLAKAN 𝐻0 PADA UJI SISI KANAN
Perhatikan rumusan hipotesis berikut:
𝐻0 : 𝜇1 = 60
𝐻1 : 𝜇1 > 60
Rumusan hipotesis di atas memihak ke kanan
karena hipotesis satu atau alternatifnya ( 𝐻1 )
menggunakan tanda > (lebih dari). Pada gambar
di atas, daerah penolakan 𝐻0 berada di sebelah
sisi kanan dengan besar 𝛼 = 0,05 atau 5%.
DAERAH PENOLAKAN 𝐻0 PADA UJI SISI KIRI
Perhatikan rumusan hipotesis berikut:
𝐻0 : 𝜇1 = 60
𝐻1 : 𝜇1 < 60
Rumusan hipotesis di atas memihak ke kiri
karena hipotesis satu atau alternatifnya ( 𝐻1 )
menggunakan tanda < (kurang dari). Pada
gambar di atas, daerah penolakan 𝐻0 berada di
sebelah sisi kiri dengan besar 𝛼 = 0,05 atau 5%.
 [D] LANGKAH-LANGKAH

1 1 HIPOTESIS STATISTIK
Di dalam merumuskan hipotesis statistik
yang perlu diperhatikan adalah penulisan
notasi yang harus berkaitan dengan
parameter apa yang akan diuji. Parameter
yang sering diuji biasanya rata-rata ( 𝜇 ).
Perhatikan juga jenis hipotesis alternatifnya
(𝐻1 ).

2
2 DATA SAMPEL Contoh: peneliti menduga bahwa metode
pembelajaran A lebih efektif daripada metode
Informasi pada langkah kedua yang pembelajaran B untuk meningkatkan daya
diperlukan adalah data tentang jumlah ingat anak. Rumusan hipotesis statistikanya
sampel, rata-rata, simpangan baku, varians, adalah:
dan mungkin koefisien korelasi bila dibutuhkan
saat menguji selisih dua rata-rata yang 𝐻0 : 𝜇𝐴 = 𝜇𝐵
dependen, seperti antara pretest ddengan
𝐻1 : 𝜇𝐴 > 𝜇𝐵
postest.
 3 3 DISTRIBUSI SAMPLING
Berdasarkan hipotesis statistika pada langkah
pertama, distribusi sampling dapat ditentukan,
apakah menggunakan distribusi Z, distribusi t,
distribusi F, atau khi-kuadrat tergantung parameter
yang diuji dan banyaknya rata-rata juga.

4 KRITERIA PENGUJIAN
Pada langkah ini, yang dimaksud kriteri pengujian adalah
kriteria kapan menolak dan menerima 𝐻0 sesuai dengan
besar hasil perhitungan terhadap nilai Z, t, F atau khi-
kuadrat hitung yang dibandingkan dengan tabel kritis
4
untuk masing-masing distribusi sampling seperti tabel
kritis Z, t, F atau khi-kuadrat. Besar harga tabel-tabel kritis
tersebut ditentukan oleh taraf/level signifikansi yang dipilih
dan besar sampel atau derajat kebebasan.
Harapan peneliti dalam pengujian hipotesis adalah
menolak 𝐻0 sehingga harus diupayakan harga-harga Z, t,
F atau khi-kuadrat hitung lebih besar daripada harga tabel
pada taraf signifikansi tertentu.
 5 5 PERHITUNGAN
Pada langkah ini, sesuai dengan distribusi sampling
dapat dilakukan perhitungan terhadap galat
(kekeliruan) baku /standar error untuk distribusi
sampling tertentu. Besarnya kekeliruan baku ini
ditentukan oleh besar kecilnya simpangan baku dan
jumlah sampel.
Jika galat baku semakin besar, maka semakin sulit
kemungkinan menolak hipotesis nol karena galat
baku yang besar ini akan menjadi pembagi sehingga

6
memperkecil harga Z, t, F atau khi-kuadrat dalam
pengujian hipotesis.
6 KESIMPULAN PENGUJIAN
Langkah terakhir adalah pengambilan keputusan
berkaitan dengan apakah hipotesis nol diterima atau
ditolak. Apabila 𝐻0 ditolak jangan menyatakan 𝐻1
diterima. Karena dalam pengujian hipotesis yang
ditolak dan diterima hanya 𝐻0 dan 𝐻1 tidak pernah
ditolak dan diterima karena 𝐻1 merupakan
konsekuensi logis dari hasil keputusan pengujian
terhadap 𝐻0
 KONVENSIONAL MODERN

Bandingkan nilai statistik hitung dengan nilai Bandingkan nilai α dengan nilai sig (p-value).
statistik tabel. Jika nilai sig (p-value) < α maka Ho ditolak.
Jika nilai statistik hitung terletak pada Jika nilai sig (p-value) ≥ α maka Ho diterima.
daerah kritis maka Ho ditolak.
Jika nilai statistik hitung terletak pada
daerah penerimaan maka Ho diterima.
 BEBERAPA CONTOH

Contoh 1: Pengujian Hipotesis Satu Rata-rata (d) Kriteria Pengujian

01 Seorang peneliti ingin mengetahui bahwa rata-rata tingkat kecemasan Dalam hal ini pengujian menggunakan uji satu sisi (one-tail test)
siswa belajar matematika adalah 70 dan simpangan baku populasi sebelah kanan dengan 𝛼 = 0,05. pada tabel Z yang kita lihat adalah
4,65. jika dengan sampel 100 siswa diperoleh rata-rata sampel tingkat luas daerah are beyond z yaitu yang mendekati 0,05 adalah 1,65.
kecemasan siswa belajar matematika sebesar 74, apakah pada taraf
signifikansi 𝛼 = 0,05 rata-rata tingkat kecemasan siswa belajar
matematika lebih tinggi dari pada siswa yang diduga sebelumnya yaitu
sebesar 70 dengan asumsi populasi berdistribusi normal?

Penyelesaian
Langkah-langkah untuk pengujian hipotesis sebagai berikut:

(a) Hipotesis statistika:

𝐻0 : 𝜇 = 70
𝐻1 : 𝜇 > 70

(b) Data sampel yang diketahui:

ഥ = 𝟕𝟒,
𝑛 = 100, 𝑿

(c) Distribusi sampling:

Karena ukuran sampel besar (n = 100) maka distribusi berbentuk
normal (Z) dengan 𝜇 = 70 dengan kekeliruan baku (galat baku)
sebesar:
𝝈 𝟒, 𝟔𝟓
𝝈𝑿ഥ = = = 𝟎, 𝟒𝟔𝟓
𝒏 𝟏𝟎𝟎
 BEBERAPA CONTOH

Lanjutan Penyelesaian (e)Perhitungan atau statistik sampel

(d)Kriteria Pengujian Karena distribusi berbentuk normal (Z), maka kita
Berikut gambar daerah penolakan Hipotesis nol menggunakan rumus distribusi Z, yaitu:

ഥ
𝑿−𝝁 𝟕𝟒−𝟕𝟎
𝒛= = = 𝟖, 𝟔𝟎
𝝈𝑿
ഥ 𝟎,𝟒𝟔𝟓

1−𝛼
(f) Kesimpulan pengujian
Berdasarkan perhitungan, kita peroleh harga 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 = 8,60.
oleh karena 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 > 1,65 maka kita menolak 𝐻0 pada 𝛼 =
0,05 sehingga dari hasil pengujian dapat disimpulkan bahwa
Harga z kritis = 1,65 rata-rata tingkat kecemasan siswa belajar matematika lebih
Maka, kriteria pengujian sebagai berikut: tinggi dari pada siswa yang diduga sebelumnya yaitu
Tolak 𝐻0 jika 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 > 1,65 dan terima 𝐻0 jika sebesar 70.
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 1,65
 BEBERAPA CONTOH

Contoh 2: Pengujian Hipotesis Satu Rata-rata (d) Kriteria Pengujian

02 Pada tahun 2019 diketahui bahwa prestasi siswa SMA X yang
dinyatakan dalam rata-rata skor adalah 60. pada tahun ini, diambil 100
siswa secara acak kemudian diperoleh rata-rata dan simpangan baku
masing masing 𝑿ഥ = 𝟔𝟏 dan 𝒔 = 𝟒. Apakah pada taraf signifikansi 𝛼 =
0,01 kedua berbeda secara signifikan?
Dalam hal ini pengujian menggunakan uji dua sisi (two-tail test)
dengan 𝛼 = 0,01. apabila pengujian hipotesis dilakukan yaitu pada 𝛼 =
1
0,01 maka 2 𝛼 = 0,005 . pada tabel Z yang kita lihat adalah luas daerah
are beyond z yaitu yang mendekati 0,005 adalah 2,58.

Penyelesaian
Langkah-langkah untuk pengujian hipotesis sebagai berikut:

(a) Hipotesis statistika:

𝐻0 : 𝜇 = 60
𝐻1 : 𝜇 ≠ 60

(b) Data sampel yang diketahui:

ഥ = 𝟔𝟏, 𝒔 = 𝟒
𝑛 = 100, 𝑿

(c) Distribusi sampling:

Karena ukuran sampel besar (n = 100), tapi simpangan baku
populasi tidak diketahui, tidak masalah kita menggunakan
distribusi Z dengan menggunakan ‘Z’ (Z pendekatan). Karena jika
ukuran sampel besar kekeliruan akibat z diganti dengan ‘z’
tidaklah mengganggu. Tapi jika ukuran sampelnya kecil,
kekeliruan itu bisa fatal akibatnya dan mengharuskan
menggunakan distribusi t. (n-1) tetap digunakan karena tidak
adanya simpangan baku dengan kekeliruan baku (galat baku)
sebesar:
𝒔 𝟒
𝝈𝑿ഥ = = = 𝟎, 𝟒𝟎𝟐
𝒏−𝟏 𝟏𝟎𝟎 − 𝟏
 BEBERAPA CONTOH

Lanjutan Penyelesaian (e)Perhitungan atau statistik sampel

(d)Kriteria Pengujian Karena menggunakan pendekatan distribusi normal (Z),
Berikut gambar daerah penolakan Hipotesis nol maka kita menggunakan rumus distribusi Z, yaitu:

ഥ
𝑿−𝝁 𝟔𝟏−𝟔𝟎
𝒛= = = 𝟐, 𝟒𝟖𝟔
𝝈𝑿
ഥ 𝟎,𝟒𝟎𝟐

(f) Kesimpulan pengujian

Maka, kriteria pengujian sebagai berikut:
Tolak 𝐻0 jika 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 > 2,58 atau 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 < −2,58
dan terima 𝐻0 jika −2,58 ≤ 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 2,58
Berdasarkan perhitungan, kita peroleh harga 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 =
2,486. oleh karena 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 berada diantara −2,58 ≤ 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤
2,58 maka kita menerima 𝐻0 pada 𝛼 = 0,01 sehingga dari
hasil pengujian dapat disimpulkan bahwa tidak ada
perbedaan rata-rata prestasi siswa SMA X pada tahun ini
dengan tahun 2019.
 BEBERAPA CONTOH

Contoh 3: Pengujian Hipotesis Satu Rata-rata (d) Kriteria Pengujian

03 Peneliti mengkaji tentang evaluasi suatu program terhadap 25 sampel agen
yang telah dipilih secara acak dari sampling frame agen di seluruh Jakarta.
Setiap agen tetap memiliki catatan keberhasilan (performance) yang dinilai
berdasarkan kriteria standar. Suatu standar telah ditetapkan bahwa semua
agen harus memiliki rata-rata berhasil sebesar 60.
Dalam hal ini pengujian menggunakan uji satu sisi (one-tail test)
sebelah kiri dengan 𝛼 = 0,05. Dengan derajat kebebasan sebesar
𝑛 − 1 = 25 − 1 = 24 dan 𝛼 = 0,05 , maka diperoleh harga tabel
sebesar 1,711. Karena ini uji satu sisi sebelah kiri maka nilainya minus,
yaitu – 1,711.

Dari sampel diperoleh rata-rata berhasil sebesar 52 dengan simpanan baku.

Ujilah apakah tingkat penmpilan (performance) sampling frame agen secara
keseluruhan dibawah standar yang diharapkan?

Penyelesaian
Langkah-langkah untuk pengujian hipotesis sebagai berikut:

(a) Hipotesis statistika:

𝐻0 : 𝜇 = 60
𝐻1 : 𝜇 < 60

(b) Data sampel yang diketahui:

ഥ = 𝟓𝟐, s = 12
𝑛 = 25, 𝑿

(c) Distribusi sampling:

Karena simpangan baku populasi tidak diketahui dan ukuran
sampe kecil (n < 40) maka distribusi yang kita gunakan adalah
distribusi-t. (n - 1 ) adalah derajat kebebasan (df) yang penting
untuk menentukan 𝑡𝑡𝑎𝑏𝑒𝑙 pada 𝛼 tertentu dengan kekeliruan
baku (galat baku) sebesar:
𝒔 𝟏𝟐
𝝈𝑿ഥ = = = 𝟐, 𝟒𝟓
𝒏−𝟏 𝟐𝟓 − 𝟏
 BEBERAPA CONTOH

Lanjutan Penyelesaian (e)Perhitungan atau statistik sampel

(d)Kriteria Pengujian Karena distribusinya adalah distribusi t, maka kita
Berikut gambar daerah penolakan Hipotesis nol menggunakan rumus distribusi t, yaitu:

ഥ −𝝁
𝑿 ഥ −𝝁
𝑿 𝟓𝟐−𝟔𝟎
𝒕= =𝒔 = = −𝟑, 𝟐𝟕
𝝈𝑿ഥ ൗ 𝒏−𝟏 𝟐,𝟒𝟓

1−𝛼 (f) Kesimpulan pengujian

Harga t kritis = -1,711
Maka, kriteria pengujian sebagai berikut:
Tolak 𝐻0 jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 < −1,711 dan terima 𝐻0 jika
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 ≥ −1,711
Berdasarkan perhitungan, kita peroleh harga 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
− 3,27. oleh karena 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 < −1,711 maka kita menolak 𝐻0
pada 𝛼 = 0,05 sehingga dari hasil pengujian dapat
disimpulkan bahwa keberhasilan atau performance nyata
sampling frame agen masih di bawah standar yang
diharapkan.
 Pengolahan Data

Non
Parametrik
parametrik

Uji Uji Uji Uji

perbedaan hubungan perbedaan hubungan
 KOMPARATIF LEBIH DARI 2
KOMPARATIF DUA SAMPEL
SAMPEL
SKALA
DESKRIPTIF ASOSIATIF
PENGUKURAN
SATU SAMPEL (HUBUNGAN)
DATA
Berpasangan Berpasangan
Independen Independen
(Pairs) (Pairs)

Binomial Mc Nemar Fisher Exact Cochran’s Chi Kuadrat

Contingency
Chi-kuadrat (frekuensi Probability Q (frekuensi K sampel
Coefficient C
Dikotomi) dikotomi)
Cramer V
Phi
Asosiasi
Nominal
Pearson
Asosiasi
Tschuprow

Asosiasi Yule
Lambda
 KOMPARATIF LEBIH DARI 2
KOMPARATIF DUA SAMPEL
SKALA SAMPEL
DESKRIPTIF ASOSIATIF
PENGUKURAN
SATU SAMPEL (HUBUNGAN)
DATA Berpasangan Berpasangan
Independen Independen
(Pairs) (Pairs)

Freidman Median Spearman Rank

Sign test Median test
test extension correlation

Wilcoxon Mann-
matched Whitney U Kendall’s W Kruskal-Wallis Kendall-tau
pairs test

Marginal
Kolmogorov- Jonckheere-
Homoge- Gamma
Ordinal Run test Smirnov Terpstra
neity

Wald-
Woldfowitz Somers’ d
runs

Moses
Uncentainty
extreme
coefficient
reactions
 KOMPARATIF KOMPARATIF
DUA SAMPEL LEBIH DARI 2 SAMPEL
SKALA
DESKRIPTIF ASOSIATIF
PENGUKURAN
SATU SAMPEL (HUBUNGAN)
DATA
Berpasangan Berpasangan
Independen Independen
(Pairs) (Pairs)

t-test t-tes of t-test 1-way 1-way Anova Product

related indepen- Anova 2-way Anova moment
dent 2-way Pearson
Anova
Korelasi Parsial

Interval / Korelasi Ganda

Rasio
Regresi
sederhana

Regresi Ganda

Analisis Jalur
 Asosiasi Korelasi
Interval/
Nominal Ordinal
Rasio
Nominal • Contingency • Eta
coefficient
• Phi
• Cramer’s V
• Uncentainty
coefficient
Asosiasi Ordinal • Gamma
• Spearman
• Somers’ d
• Kendal’s tau b
• Kendal’s tau c

Korelasi Interval/Rasio • Pearson

TUGAS MANDIRI 1
You are given the following data: 𝑋ത = 63, σ = 12, 𝑛 = 100, 𝐻0 : 𝜇 = 60,
01 and 𝐻1 : 𝜇 ≠ 60. (a) test the null hypothesis at the .05 significane level
and state your conclusions (b) test the null hypothesis at the .01
significane level and state your conclusions

The eightth-grade national normfor a social science test is a score of

02 123. the research director of a school district wants know how the
score of pupils in his district compare with this standard. He select a
random sample of 81 students and finds that 𝑋ത = 117. assume σ =
10. (a) state the null hypothesis and alternative hypothesis best suited
to the nature of his inquiry. (b) test the null hypothesis at the .05
significane level and state your conclusions ( c ) test the null
hypothesis at the .01 significane level and state your conclusions

The national mean for the English component of the ACT test is 18.9.
03 You wish to compare how students at your school perform on this
testt. You randomly select a sample of 25 students and obtain the
following results: 𝑋ത = 16.1, s = 5.2 (a) State formally the hypothesis
necessary to conduct a directional test. (b) test the null hypothesis at
the .05 significane level and state your conclusions
THANKS
FOR YOUR
TIME
@aadimi | Ahmad Dimyati Maestro