Pengujian Hipotesis

Analisis Data
• Deskriptif
– Menghitung ukuran tendensi central (mean,
median dan modus) dan ukuran dispersi
(range, mean deviasi, SD)
– Penelitian deskriptif tidak untuk menguji
hipotesis
• Inferensial
– biasanya disebut analisis inferensial
– Analisis data dilakukan dengan menguji
hipotesis penelitian melalui statistik sampel
 Hipotesis
• Hipotesis : Kesimpulan sementara atau dugaan
logis tentang keadaan populasi
• Secara statistik Hipotesis menyatakan
parameter populasi dari suatu variabel yang
terdapat dalam populasi dan dihitung
berdasarkan statistik sampel.
• Karena merupakan dugaan sementara, maka
hipotesis mungkin benar, tetapi mungkin juga
tidak benar
 Pengujian Hipotesis
• tujuan pengujian hipotesis adalah kita ingin
mendapatkan kesimpulan mengenai suatu populasi
berdasarkan sampel yang kita miliki

• Bila kita ingin mengetahui pendapat mahasiswa tentang

kelangkaan BBM dan menanyakan kepada seluruh
mahasiswa → sensus → analisis deskriptif → tidak perlu
uji hipotesis.

• Tetapi bila kita hanya mengambil sampel mahasiswa →

uji hipotesis → untuk membuktikan jawaban dari sampel
bisa mewakili jawaban seluruh mahasiswa
 Pengujian Hipotesis

Kesimpulan dari pengujian hipotesis secara

statistik hanya berupa menerima atau menolak
hipotesis dan ini tidak membuktikan kebenaran
hipotesis karena statistika sama sekali tidak
melakukan pembuktian
Penerimaan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk
MENOLAK hipotesis tersebut dan BUKAN karena HIPOTESIS ITU BENAR

Penolakan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk

MENERIMA hipotesis tersebut dan BUKAN karena HIPOTESIS ITU SALAH
Contoh 1
• Perusahaan otomotif “A” memproduksi mobil
berteknologi baru dan mengklaim bahwa mobil tersebut
lebih hemat BBM dibanding dengan mobil yang telah
diproduksi saat ini

• Hipotesis awal (H0): Mobil berteknologi baru tidak lebih

hemat BBM dibandingkan mobil yang telah diproduksi saat
ini
• Dalam kasus ini peneliti/perusahaan mengharapkan bahwa
Hipotesis awal tidak diterima
 Prosedur pengujian hipotesis
1. Rumuskan hipotesis yang akan diuji : H0 dan Ha
2. Tentukan derajat kemaknaan (α) atau kesalahan tipe 1
3. Tentukan uji statistik yang akan digunakan (z atau t)
4. Tentukan nilai titik kritis atau daerah penerimaan –
penolakan H0
5. Hitung nilai statistik sampel dengan uji statistik pada
derajat kemaknaan yg telah ditentukan
6. Buatlah kesimpulan yang tepat pada populasi
bersangkutan → menerima atau menolak H0
 Hipotesis Nol dan Hipotesis Alternatif

H0 -> Hipotesis Nol

Ha -> Hipotesis Alternatif
• Hipotesis selalu menyinggung parameter atau
karakteristik populasi daripada karakteristik
sampel.
• Artinya populasi, bukan sampel, bahwa kita ingin
membuat sebuah kesimpulan (inference) dari
data yang terbatas.
– Ho : µ = µo dengan beberapa kemungkinan Ha

– Ha : µ < µo ; µ > µo ; ataukah µ ≠ µo

Contoh Hipotesis
• Untuk menguji apakah ada perbedaan rata-rata
hasil UTS Pemrograman mahasiswa Putra dan
Putri ?
H0 → u1 = u2
Tidak ada perbedaan rata-rata hasil UTS
Biostatistik antara mahasiswa reguler dgn mandiri.
Ha → u1 # u2 (dua arah)
Ada perbedaan rata-rata hasil UTS Biostatistik
antara mahasiswa reguler dgn mandiri.
Ha → u1 > u2 atau u1 < u2 (satu arah)
Rata-rata hasil UTS Biostatistik mahasiswa reguler
lebih besar dari mandiri atau sebaliknya.
Step 2 : Tentukan Derajat Kemaknaan

keputusan Ho benar Ho salah

Terima Ho Tepat (1-α) Salah tipe II (β)

Tolak Ho Salah tipe I (α) Tepat (1-ß)

Probabilitas Kesalahan Tipe I (α) → adalah probabilitas

menolak H0 ketika H0 benar (Significance level / derajat
kemaknaan)

Probabilitas Kesalahan Tipe II (ß) → adalah probabilitas

menerima H0 ketika H0 salah
 Derajat Kemaknaan
(Significancy Level)
• Tidak ada ketentuan yang baku untuk besarnya
derajat kemaknaan.
• Tetapi yang lazim digunakan adalah :
α = 0,05 (CI=95%) atau α = 0,01 (CI=99%)

CI = Confidence Interval (Tingkat Kepercayaan)

= komplemen dari α
=1-α
 P-value
(observed signivicance level)
• Peluang variabel yang dibandingkan pada
sampel berbeda secara bermakna pada derajat
kepercayaan yang telah ditetapkan → simbol (p)
value → actual signicance level.
• Bandingkan p –value hasil uji statistik dengan α

Jika : P < α → Tolak H0

Dan jika : P ≥ α → Gagal tolak H0

Step 3 : Tentukan Uji Statistik

Beberapa Uji Hipotesis pada Statistika Parametrik

1. Uji rata-rata dari sampel besar → Uji z 1 sampel

2. Uji rata-rata dari sampel kecil → Uji t 1 sampel

3. Uji beda rata-rata dari 2 sampel besar → Uji z 2 sampel

4. Uji beda rata-rata dari 2 sampel kecil → Uji t 2 sampel

5. Uji korelasi → Uji Korelasi Pearson

6. Uji regresi → Uji regresi linear

 Nilai uji
H0 Ha Wilayah kritis
statistik
1.μ = μ0 _ μ < μ0 z < -zα
Z = x - μ0
s/√n μ > μ0 z > zα
Sampel besar
n>30
μ = μ0 z < -zα/2 dan z >
zα/2

2. μ = μ0 _ μ < μ0 z < -z(db;α)

t = x - μ0
s/√n μ > μ0 z > z(db;α)
Sampel kecil
n<30 μ = μ0 z < -z(db;α/2) dan
z > z(db;α/2)
 Wilayah
H0 Nilai uji statistik Ha
kritis
3. [μ1 - μ2] = d0 _ _ [μ1 - μ2] < d0 z < -zα
Z = [x1 – x2] – d0
√(s12/n1)+(s22/n2) [μ - μ ] > d z > z
Sampel besar 1 2 0 α

n1 ≥ 30
[μ1 - μ2] = d0 z < -zα/2 dan z
n2 ≥ 30 > zα/2

4. [μ1 - μ2] = d0 _ [μ1 - μ2] < d0 t < -tα

t = [x1 – x2] – d0
√(s12/n1)+(s22/n2) [μ1 - μ2] > d0 t > tα
Sampel kecil
[μ1 - μ2] = d0 t < -tα/2 dan
n1 ≤ 30 t > tα/2
n2 ≤ 30
 4. Tentukan daerah penerimaan-penolakan H0

1. Uji satu arah (one tail)

H0 : Ditulis dalam bentuk persamaan (=)
Ha : Ditulis dalam bentuk (>) atau (<)
Contoh uji satu arah :
a. H0 : μ = 50 menit
Ha : μ < 50 menit

Luas daerah
terarsir = α

Daerah
-zα atau –t(db;α) 0
penolakan H0
Titik kritis z / t
 Arah Pengujian Hipotesis
1. Uji satu arah (one tail)
b. H0 : μ = μ0 menit
Ha : μ > μ0 menit

Luas daerah
terarsir = α

Daerah
penolakan H0

0 zα atau t(db;α)

Titik
kritis z
atau t
 Arah Pengujian Hipotesis
2. Uji dua arah (two tail)
H0 : μ = μ0 menit
Ha : μ ≠ μ0 menit
Daerah
Penerimaan H0
Luas daerah
terarsir = α

Daerah Daerah
penolakan H0 penolakan H0

-zα/2 atau -t(db;α/2) 0 zα/2 atau t(db;α/2)

 Nilai z-tabel
• Zα → Nilai z tabel pada α tertentu

❑Z5% = Z0,05 = 1,645

❑Z10% = Z0,10 = 2,33
❑Z2,5% = Z0,025 = 1,96
❑Z0,5% = Z0,005 = 2,575
 Nilai t-tabel
• tdb;α → Nilai t tabel pada α dan derajat bebas (db)

❑db = derajat bebas = degree of freedom (df)

satu populasi → db = n – 1
dua populasi → db = (n1 – 1) + (n2 – 1)
= n1 + n2 - 2
 Latihan

Untuk pertimbangan ekonomis, penggantian mesin pada sebuah pabrik

akan diterapkan jika mesin merk baru mempunyai kelebihan
kemampuan tertentu dibanding mesin merk yang lama. Bagaimana
hipotesis awal yang akan dibuat manajemen pabrik?
Hipotesis Awal : .........?

Eko Nomia S.E., seorang akuntan memperbaiki sistem pembebanan biaya

di perusahaan tempatnya bekerja.
Ia berpendapat setelah perbaikan sistem pembebanan biaya pada produk
maka rata-rata harga produk turun.
Bagaimana ia menyusun hipotesis awal penelitiannya?
Hipotesis Awal : .........?
Hipotesis Awal yang diharap akan ditolak disebut : Hipotesis Nol (H0)
Hipotesis Nol juga sering menyatakan kondisi yang menjadi dasar pembandingan.

Penolakan H0 membawa kita pada penerimaan Hipotesis Alternatif (H1) (beberapa

buku menulisnya sebagai Ha)

Nilai Hipotesis Nol (H0) harus menyatakan dengan pasti nilai parameter.
H0 ditulis dalam bentuk persamaan

Sedangkan Nilai Hipotesis alternatif (H1) dapat memiliki beberapa kemungkinan.

H1 ditulis dalam bentuk < ; > ; ≠

Pada beberapa buku dijumpai bentuk penulisan H0 yang disesuaikan dengan bentuk H1
H0 ≤ jika H1 >
H0 ≥ jika H1 <
H0 = jika H1 ≠

Catatan: Pada beberapa jurnal penelitian, hipotesis kadang tidak ditulis sebagai H0 atau H1
Contoh
Jika menggunakan sistem lama (pendaftaran ulang secara manual), rata-rata waktu
yang dibutuhkan 50 menit

Kita akan menguji pendapat Staf PSA (pada contoh sebelumnya), maka Hipotesis awal
dan Alternatif yang dapat kita buat :

H0 : μ = 50 menit (sistem baru dan sistem lama tidak berbeda/sama)

H1 : μ < 50 menit ( sistem baru lebih cepat)

karena staf PSA berharap waktu yang dibutuhkan lebih cepat jika menggunakan sistem
"ON-LINE"

atau
H0 : μ ≥ 50 menit (sistem baru tidak lebih cepat dari sistem lama)
H1 : μ < 50 menit ( sistem baru lebih cepat)

bentuk H0 menyesuaikan betuk H1

 Keputusan menerima Ho yang benar
atau
menolak Ho yang salah keputusan BENAR

sebaliknya

Keputusan menerima Ho yang salah

atau
menolak Ho yang benar keputusan SALAH

kesalahan= error = galat

2 jenis kesalahan yaitu:

1. Penolakan Hipotesis Nol (H0) yang benar

Galat Jenis 1, dinotasikan sebagai 
 juga disebut taraf nyata uji

2. Penerimaan Hipotesis Nol (H0) yang salah

Galat Jenis 2, dinotasikan sebagai β

Prinsip pengujian hipotesis yang baik meminimalkan nilai  dan β

ARAH PENGUJIAN HIPOTESIS
Pengujian Hipotesis dapat dilakukan secara :
1. Satu arah
2. Dua arah

UJI SATU ARAH

Pengajuan H0 dan H1 dalam uji satu arah adalah sbb :
H0 : ditulis dalam bentuk persamaan ( = )
H1 : ditulis dalam bentuk lebih besar (>) atau lebih kecil (<)

atau
H0 : ditulis dalam bentuk persamaan (≤ )
untuk
H1 : ditulis dalam bentuk lebih besar (>)

H0 : ditulis dalam bentuk persamaan (≥ )

untuk
H1 : ditulis dalam bentuk lebih kecil (<)
Uji Satu Arah
H 0 : μ = μ0 atau H 0 : μ ≤ μ0 H 0 : μ = μ0 atau H 0 : μ ≥ μ0
H 1 : μ > μ0 H 1 : μ > μ0 H 1 : μ < μ0 H 1 : μ < μ0

μ0 adalah suatu rata-rata yang diajukan

dalam H0 Wilayah kritis

Penggunaan tabel z atau tabel t

tergantung ukuran sampel dan
informasi simpangan baku populasi
(σ) Zα atau
tdb;α
Wilayah kritis
Uji Dua Arah

H0 : ditulis dalam bentuk persamaan (menggunakan tanda =)

H1 : ditulis dengan menggunakan tanda ≠

H 0 : μ = μ0 H 1 : μ ≠ μ0

Wilayah kritis

Langkah Pengerjaan Uji Hipotesis

1. Tentukan H0 dan H1
2. Tentukan statistik uji [ z atau t]
3. Tentukan arah pengujian [1 atau 2]
4. Taraf Nyata Pengujian [ atau /2]
5. Tentukan nilai titik kritis atau daerah penerimaan-penolakan H0
6. Cari nilai Statistik Hitung

7. Tentukan Kesimpulan [terima atau tolak H0 ]

Uji Hipotesis Rata-rata Sampel Besar
(n ≥ 30 atau σ diketahui)
Contoh
Dari 100 nasabah bank rata-rata melakukan penarikan $495 per bulan melalui
ATM, dengan simpangan baku = $45. Dengan taraf nyata 1% , ujilah :

a. apakah rata-rata nasabah menarik melalui ATM kurang dari $500 per
bulan ?

b. apakah rata-rata nasabah menarik melalui ATM tidak sama dengan $500
per bulan ?

Diketahui
x = 495 s = 45 n = 100
μ0 = 500 α = 1%

a) 1. H0 :  = 500 atau H0 :  ≥ 500 H1 :  < 500

2. statistik uji : z → karena sampel besar
3. arah pengujian : 1 arah
4. Taraf Nyata Pengujian =  = 1% = 0.01
5. Wilayah kritis → z < -z 0.01 → z < - 2.33
5. Wilayah kritis → z < -z 0.01 → z < - 2.33

7. Kesimpulan :
z hitung = -1.11 ada di daerah penerimaan H0
H0 diterima, rata-rata pengambilan uang di ATM masih = $ 500
atau
rata-rata pengambilan uang di ATM tidak kurang dari $ 500
kesimpulan menolak H1
Uji Hipotesis Rata-rata Sampel Kecil

(n<30 dan σ tidak diketahui)

Contoh
Seorang job-specialist menguji 25 karyawan dan mendapatkan bahwa
rata-rata penguasaan pekerjaan kesekretarisan adalah 22 bulan
dengan simpangan baku = 4 bulan. Dengan taraf nyata 5% ,
ujilah :
a. Apakah rata-rata penguasaan kerja kesekretarisan tidak sama
dengan 20 bulan?
b. Apakah rata-rata penguasaan kerja kesekretarisan lebih dari 20
bulan?

x
Diketahui
= 22 s=4 n = 25
μ0 = 20 α = 5%

1. H0 :  = 20 H1 :   20
2 statistik uji : t → karena sampel kecil dan σ tidak diketahui
3 arah pengujian : 2 arah
4 Taraf Nyata Pengujian ()= 5% = 0.05
/2 = 2.5% = 0.025
5. Wilayah kritis
db = n-1 = 25-1 = 24
Wilayah kritis → t < -t (24; 2.5%) → t < -2.064dan
t > t (24; 2.5%) → t > 2.064

6. Statistik uji

x − 0 22 − 20 2
t = = = = 2.5
s 4 0.8
n 25

7. Kesimpulan : t hitung = 2.5 ada di daerah penolakan H0

(H0 ditolak, H1 diterima)
rata-rata penguasaan pekerjaan kesekretarisan  20 bulan (karena t
hitung berada di daerah kanan dapat diartikan penguasaan pekerjaan kesekretarisan
lebih dari 20 tahun)
Uji Hipotesis Beda 2 Rata-rata
1. n1 dan n2 ≥ 30 ATAU σ1 dan σ2 diketahui
a. Apakah perbedaan rata-rata nilai prestasi kerja > 0?
b. Apakah ada perbedaan rata-rata prestasi kerja  0?

Jawab :  = 5 % do = 0

1. Ho:│ μ1 – μ2 │= 0 H1:│ μ1 – μ2 │> 0

2. statistik uji : z → karena sampel besar
3. arah pengujian : 1 arah
4. taraf Nyata Pengujian =  = 5%
5. Titik kritis → z > z 5% → z > 1.645
6. statistik hitung
x1 − x 2 − d 0 300 − 302 − 0
z= = =4
 2
 
 s1  +  s 2 
2
 ( 40) (
4 + 4.5
30
)
 n1   n2 
   

7. Kesimpulan :
z hitung = 4 ada di daerah penolakan H0
(karena z hitung > z tabel)
H0 ditolak, H1 diterima
→ beda rata-rata prestasi kerja > 0
(beda rata-rata prestasi kerja pekerja yang mendapat training dan pekerja yang
tidak mendapat training lebih dari nol)
2. n1; n2 < 30 dan σ1 = σ2 tapi tidak diketahui
Contoh

Dari 12 orang Jepang yang ditanyai diketahui rata-rata kebiasaan mereka minum
22 liter teh setiap bulan dengan Ragam = 16 liter.
Sedangkan dari 10 orang Inggris yang juga ditanyai diketahui rata-rata mereka
minum teh 26 liter setiap bulan dengan Ragam = 25 liter. Jika ragam kedua
populasi sama tapi tidak diketahui, ujilah apakah rata-rata kebiasaan minum teh
seluuh orang Jepang dan seluruh orang Inggris sama? Gunakan taraf nyata 5 %.
Jawab
n1 =10 n2 =12 db= 10 + 12 – 2 = 20
x1 = 26 x2 = 22 s12 = 25 s22= 16

1. Ho:│ μ1 – μ2 │= do H1:│ μ1 – μ2 │≠ do
Karena do = 0 maka :
Ho: μ1 = μ2 H1: μ1 ≠ μ2
2. statistik uji : t → karena kedua sampel berukuran kecil dan
kedua ragam populasi sama tapi tidak diketahui
3. arah pengujian : 2 arah

Uji Hipotesis-Statistika
38
2
4. Taraf Nyata Pengujian =  = 5%
5. Daerah penolakan Ho : t < t α/2; db dan t >t α/2; db
t < - t 0.025; 20 dan t > t 0.025; 20
t < - 2.086 dan t > 2.086
6. Statistik hitung

s 2
gab =
(n1 − 1)s12 + (n2 − 1)s 2 2
=
(9 x5 )+ (11x4 ) = 20.05
2 2

n1 + n2 − 2 10 + 12 − 2

s gab = sgab2 = 20.05 = 4.477

26 − 20 − 0
t = = 2.08
1 1
4.48 +
10 12

7. Kesimpulan: H0 diterima, karena – 2.086 < t hitung < 2.086

rata-rata kebiasaan minum teh orang Inggris dan Jepang
tidak berbeda
n1; n2 < 30 dan σ1 ≠ σ2 tapi tidak diketahui
Contoh
Berikut data rata-rata waktu bolos (jam per bulan) karyawan dua divisi.
Divisi Rata-rata Ragam Jumlah karyawan
A 17 1.54 7
B 10 1.35 5
Diasumsikan karyawan berasal dari dua populasi yang mempunyai ragam waktu bolos
tidak sama dan nilainya tidak diketahui.
Dengan taraf nyata 5%, ujilah apakah perbedaan rata-rata waktu bolos kedua divisi lebih
dari 5 jam perbulan? Gunakan derajat bebas =10
(dalam soal yang lain derajat bebas dapat dihitung menggunakan rumus)

Jawab:

n1=7 n2=5 db=10 α = 5%

1. Ho:│ μ1 – μ2 │= 5 H1:│ μ1 – μ2 │> 5

2. statistik uji : t → karena sampel keduanya kecil dan kedua ragam
populasi sama tapi tidak diketahui
3. arah pengujian : 1 arah
4. Taraf Nyata Pengujian =  = 5%
5. Daerah penolakan Ho t >t α; db
7. Kesimpulan: t hitung =2.857,terletak di daerah penolakan H0
(t hitung > t tabel)
rata-rata perbedaan waktu bolos karyawan kedua divisi
lebih dari 5 jam
Uji satu proporsi sampel besar (π)

x adalah banyaknya anggota SUKSES dalam sampel

SUKSES adalah kejadian yang diujikan atau ingin diketahui pada penelitian
n=ukuran sampel
p0 adalah proporsi SUKSES yang dicantumkan dalam H0
q0 = 1 – p0
 Contoh

Dari 330 mahasiswa yang dijadikan sampel, hanya 30 orang yang setuju
kenaikan SPP. Dengan taraf nyata 1%, ujilah apakah proporsi mahasiswa
yang setuju kenaikan SPP tidak sama dengan 10%?

Diketahui
n = 330 x = 30
p0 = 10 % = 0.1 q0 = 0.9
α = 1%

1. H0: π = 0.10 H1: π ≠ 0.10

2. Statistik Uji : z
3. Uji 2 Arah

4. Taraf Nyata Pengujian = α = 1% → α/2 = 0.5% = 0.005

5. Wilayah kritik (Daerah Penolakan H0)
z < −z0.005 dan z > z0.005 z < -2.575 dan z > 2.575

7. Kesimpulan: z = -0.55 ada di daerah penerimaan H0

Proporsi mahasiswa yang setuju kenaikan SPP masih

sama 0.10
Uji beda dua proporsi sampel besar (π1-π2)

x
proporsi SUKSES =
n
Contoh

Dari 500 orang mahasiswa fakultas Ekonomi yang diwawancara secara acak 325
orang menyatakan senang berorganisasi.
Sedangkan dari 600 orang mahasiswa fakultas Komputer, 240 orang diantaranya
menyatakan senang berorganisasi. Apakah hasil wawancara menunjukkan
selisih proporsi mahasiswa kedua fakulas yang senang berorganisasi kurang dari
30 %? Gunaan taraf nyata 5 %.

Diketahui
n1 = 500 x1 = 325 n2 = 600 x2 = 240
7. Kesimpulan:
H0 ditolak, karena z hitung < -1.645
beda proporsi mahasiswa yang senang berorganisasi di dua
fakultas kurang dari 30 persen