6.

1 Pengertian, Fungsi, Macam-macam dan Bentuk Hipotesa

6.1.1. Pengertian Hipotesa

Hipotesa berasal dari bahasa Yunani, yaitu “Hupo yang artinya sementara” dan
“Thesis artinya pernyataan”. Jadi hipotesa atau hipotesis adalah pernyataan sementara.
Beberapa pengertian hipotesa oleh para ahli dikemukakan disini, antara lain :
1. Hipotesa adalah pernyataan atau jawaban sementara terhadap rumusan masalah
penelitian.
2. Hipotesa adalah suatu pernyataan atau dugaan mengenai parameter populasi yang
masih perlu diuji kebenarannya.
3. Hipotesa adalah suatu anggapan atau pernyataan yang diterima secara tentatif
(a tentative statement) untuk menjelaskan suatu fakta yang dipakai sebagai dasar
pengambilan keputusan.
4. Hipotesa adalah suatu proposisi atau anggapan yang mungkin benar, dan sering
digunakan sebagai dasar pembuatan keputusan atau pemecahan persoalan ataupun
untuk dasar penelitian lebih lanjut.
Dalam merumuskan hipotesa harus berdasarkan pada teori, pengalaman dan ketajaman
berfikir.

6.1.2. Fungsi Hipotesa

Karena hipotesa dirumuskan berdasarkan teori, maka hipotesa memiliki 3 fungsi
antara lain :
1. Untuk menguji kebenaran suatu teori.
2. Memberikan gagasan baru untuk mengembangkan teori.
3. Memperluas pengetahuan peneliti mengenai suatu gejala yang sedang dipelajari.

Statistik Induktif Untuk Ekonomi dan Bisnis 87

6.1.3. Macam-macam Hipotesa
1. Menurut sifatnya, hipotesa terdiri dari 2 macam, antara lain :
a. Hipotesa kualitatif, misalnya seorang hakim menganggap seseorang bersalah.
b. Hipotesa kuantitatif yang disebut hipotesa statistik, misalnya rata-rata keuntungan
seluruh pedagang kaki lima di kota M dalam sehari sebesar Rp. 50.000,-
Hipotesa statistik dirumuskan sebagai pernyataan tentang nilai suatu parameter,
seperti ; µ (rata-rata populasi), P (proporsi populasi), σ2 (varians populasi),
ß (koefisien regresi populasi), dan ρ (koefisien korelasi populasi) dan sebagainya.
2. Dalam statistik dan penelitian terdapat 2 macam hipotesa, antara lain :
a. Hipotesa Nol (Null Hypothesis) yang dinotasikan dengan “H0”, yaitu merupakan
hipotesa yang mempunyai perbedaan nol (tidak mempunyai perbedaan) dengan
pernyataan yang sebenarnya. Hipotesa Nol merupakan hipotesis yang akan diuji dan
yang nantinya akan diterima atau ditolak.
b. Hipotesa alternatif (Alternative Hypothesis) yang dinotasikan dengan “HA atau HI”
dan disebut juga dengan hipotesa kerja, yaitu hipotesa tandingan yang dirumuskan
sebagai kebalikan dari hipotesa nol (H0).

6.1.4. Bentuk-bentuk Perumusan Hipotesa Statistik

Ada 3 bentuk perumusan hipotesa statistik, antara lain :
1. Hipotesa Deskriptif, yaitu pernyataan yang menunjukkan dugaan tentang nilai suatu
parameter mandiri, artinya tidak membuat perbandingan atau hubungan.
Misalnya ;
a. Manajer produksi dari industri lampu merk A menyatakan bahwa rata-rata daya
tahan seluruh lampu hasil produksinya sebesar 1.000 jam.
Bila µ = rata-rata daya tahan seluruh lampu merk A,
maka perumusan hipotesis nol dan alternatif, sebagai berikut ;
H0 : µ = 1.000 jam
HA : µ ≠ 1.000 jam.
b. Pejabat dari lembaga yang membina pedagang kecil di kota M menyatakan bahwa
rata-rata keuntungan per hari dari seluruh pedagang kaki lima (PKL) paling
rendah Rp. 50.000.-

Statistik Induktif Untuk Ekonomi dan Bisnis 88

 Bila µ = rata-rata keuntungan per hari dari seluruh pedagang kaki lima (PKL) di
kota M,
maka perumusan hipotesis nol dan alternatif, sebagai berikut ;
H0 : µ ≥ Rp. 50.000
HA : µ < Rp. 50.000
c. Manajer pemasaran alat-alat kecantikan mengadakan penghematan dengan
menentukan pengeluaran rata-rata untuk setiap salesmannya per hari paling tinggi
Rp. 10.000. Setelah berjalan lama, dilakukan pengamatan apakah ketentuan ini
benar-benar ditepati dengan mengadakan penelitian terhadap sampel.
Bila µ = rata-rata pengeluaran semua salesman per hari,
maka perumusan hipotesis nol dan alternatif, sebagai berikut ;
H0 : µ ≤ Rp. 10.000
HA : µ > Rp. 10.000
2. Hipotesis komparatif yaitu pernyataan yang menunjukkan dugaan tentang
perbandingan dua atau lebih nilai parameter pada sampel yang berbeda.
Misalnya, Pejabat dari Badan Koordinasi Penanaman Modal (BKPM) menyatakan
bahwa tidak ada perbedaan rata-rata modal dari seluruh perusahaan Nasional dan
Asing di Indonesia.
Bila µ1 = rata-rata modal dari seluruh perusahaan Nasional dan
µ2 = rata-rata modal dari seluruh perusahaan Asing,
maka perumusan hipotesis nol dan alternatif, sebagai berikut ;
H0 : µ1 = µ2 (artinya rata-rata modal dari seluruh perusahaan Nasional dan
Asing sama)
HA : µ1 ≠ µ2 (artinya rata-rata modal dari seluruh perusahaan Nasional dan
Asing tidak sama)
3. Hipotesis Asosiatif yaitu suatu pernyataan yang menunjukkan dugaan tentang
hubungan antar dua atau lebih nilai parameter.
Misalnya,
a. Manajer pemasaran suatu perusahaan menyatakan bahwa penambahan biaya
pemasangan iklan tidak dapat menaikkan hasil penjualan, maka biaya
pemasangan iklan tidak perlu dinaikkan.

Statistik Induktif Untuk Ekonomi dan Bisnis 89

 Pernyataan ini dianalisa dulu dengan menggunakan “regresi”, kemudian
dilakukan pengujian terhadap parameter β (koefisien regresi populasi), maka
perumusan hipotesis nol dan alternatif, sebagai berikut ;
H0 : β = 0 (artinya biaya pemasangan iklan tidak berpengaruh signifikan
terhadap hasil penjualan)
HA : β ≠ 0 (artinya biaya pemasangan iklan berpengaruh signifikan terhadap
hasil penjualan)
c. Ada anggapan bahwa tidak ada hubungan antara gaya kepemimpinan dengan
efektifitas kerja.
Pernyataan ini dianalisa dulu dengan menggunakan “korelasi”, kemudian
dilakukan pengujian terhadap parameter ρ (koefisien korelasi populasi), maka
perumusan hipotesis Nol dan Alternatif, sebagai berikut ;
H0 : ρ = 0 (artinya gaya kepemimpinan tidak berhubungan signifikan
dengan efektifitas kerja)
HA : ρ ≠ 0 (artinya gaya kepemimpinan berhubungan signifikan dengan
efektifitas kerja)

Hipotesa atau anggapan di atas, seringkali digunakan untuk mengambil

keputusan, kalau hipotesa itu keliru dengan sendirinya keputusannya dapat keliru.
Oleh karena itu, hipotesa harus diuji berdasarkan data empiris, yaitu data berdasarkan
pada penelitian suatu sampel.
Berdasarkan keadaan yang nyata ini, maka hasil pengujian hipotesa dapat
digunakan sebagai dasar pengambilan keputusan. Bila terjadi kesalahan yang diakibatkan
pengambilan keputusan, maka hal itu merupakan resiko dalam pengambilan keputusan.
Agar suatu hipotesa dapat diuji, maka hipotesa haruslah ;
1. Dirumuskan secara jelas dan bersifat operasional.
2. Dapat dinyatakan secara kuantitatif.

6.2 Prosedur Pengujian Hipotesa

Statistik Induktif Untuk Ekonomi dan Bisnis 90

 Suatu pengujian hipotesa statistik ialah prosedur yang memungkinkan keputusan
yang dapat dibuat, yaitu keputusan untuk menerima atau menolak hipotesis yang sedang
dipersoalkan atau diuji.
Prosedur dari pengujian hipotesa merupakan tahapan-tahapan didalam pengujian hipotesa
secara keseluruhan. Adapun tahapan-tahapan pengujian hipotesa secara umum, sebagai
berikut :
1. Perumusan Hipotesa Nol (H0) dan Hipotesa Alternatif (HA atau HI).
Diatas sudah dijelaskan tentang pengertian dan perumusan hipotesis nol dan
alternatif.
2. Menentukan taraf nyata (significant level) dengan simbol “ α “.
Taraf nyata adalah suatu nilai yang dapat menunjukkan besarnya peluang
(probabilita) dilakukan kesalahan dalam pengambilan keputusan, yaitu menolak H0
yang benar yang seharusnya diterima, atau menerima H0 yang keliru/salah yang
seharusnya ditolak.
Dalam penentuan taraf nyata (α) tidak ada standar yang pasti, tapi berdasarkan
penelitian-penelitian terdahulu taraf nyata (α) yang sering digunakan adalah 1%, 5%,
dan 10%.
Bila α = 1% maka besar peluang dilakukan kesalahan dalam pengambilan keputusan
(menolak H0 yang benar atau menerima H0 yang keliru) adalah 1%.
Dengan kata lain, 99% yakin bahwa keputusan yang diambil adalah
benar.
Bila α = 5% maka besar peluang dilakukan kesalahan dalam pengambilan keputusan
(menolak H0 yang benar atau menerima H0 yang keliru) adalah 5%.
Dengan kata lain, 95% yakin bahwa keputusan yang diambil adalah
benar.
Bila α = 10% maka besar peluang dilakukan kesalahan dalam pengambilan keputusan
(menolak H0 yang benar atau menerima H0 yang keliru) adalah 10%.
Dengan kata lain, 90% yakin bahwa keputusan yang diambil adalah
benar
3. Menentukan statistik uji atau taraf uji.
Ada 4 statistik uji atau taraf uji, antara lain ;

Statistik Induktif Untuk Ekonomi dan Bisnis 91

 a. Uji Z (Distribusi Z) untuk sampel besar (n > 30)
b. Uji t (Distribusi t atau Distribusi Student) untuk sampel kecil (n ≤ 30).
Kedua statistik uji diatas digunakan dalam pengujian hipotesa terhadap ;
i). Satu parameter rata-rata (µ),
ii). Satu parameter proporsi (P),
iii). Selisih atau beda dua parameter rata-rata (µ1 – µ2),
iv). Selisih atau beda dua parameter proporsi (P1–P2),
v). Koefisien regresi populasi (β) secara parsial,
vi). Koefisien korelasi populasi (ρ) secara parsial.
c. Uji F (Distribusi F) atau dinamakan Analisis Varians (ANOVA) digunakan
dalam pengujian hipotesa terhadap ;
i). Selisih/beda lebih dari dua parameter rata-rata rata (µ1 – µ2 – ............ – µn),
ii). Selisih/beda dua ragam atau varians (σ12–σ22),
iii). Koefisien regresi populasi (β) secara simultan atau serentak.
iv). Koefisien korelasi populasi (ρ) secara simultan atau serentak.
d. Uji X2 (Distribusi Kai Kuadrat atau Chi Square) digunakan dalam pengujian
hipotesa terhadap ;
i). Selisih/beda lebih dari dua parameter proporsi (P1 – P2 – ............ – Pn),
ii). Persesuaian frekuensi hasil observasi dengan frekuensi teoritisnya (test of
goodness of fit),
iii). Hubungan antar variabel atau uji independensi (test of indefendence),
iv). Homogenitas suatu suatu variabel (test of homogenity).
4. Menetukan wilayah/daerah kritik/kritis.
Wilayah/daerah kritik/kritis yaitu wilayah/daerah penolakan hipotesis nol (H0).
Penentuan wilayah atau daerah kritik dilakukan dengan menggunakan kurva normal.
5. Perhitungan.
Pada tahap ini dihitung nilai dari statistik uji yang telah ditetapkan pada tahap ke 3.
6. Pengambilan keputusan.
Dengan membandingkan nilai tabel (yang ditentukan pada tahap ke-4) dengan hasil
perhitungan pada tahap ke-5, maka keputusannya yaitu menerima atau menolak H0.

Statistik Induktif Untuk Ekonomi dan Bisnis 92

 Dalam pengambilan keputusan ini dapat terjadi 2 jenis kesalahan, antara lain :
a. Kesalahan jenis I disebut kesalahan Alpha, yaitu menolak hipotesis nol (H 0) yang
benar, yang seharusnya diterima.
b. Kesalahan jenis II disebut kesalahan Beta, yaitu menerima hipotesis nol (H0) yang
salah, yang seharusnya ditolak.

6.3 Pengujian Hipotesa Pada Sampel Besar (n > 30)

6.3.1. Pengujian Hipotesa Terhadap Satu Parameter Rata-Rata ( µ )

Bila dari sebuah populasi dengan rata-rata

μ 0 dan simpangan baku σ diambil

sampel besar secara random berukuran n dengan rata-rata X̄ , maka tahapan-

tahapan dalam pengujian hipotesa terhadap satu parameter rata-rata ( μ ) sebagai berikut
;

1. Perumusan H0 dan HA,

H0 :
μ = μ0

HA :
μ ≠ μ 0 (untuk uji dua sisi) atau
μ > μ 0 (untuk uji satu sisi kanan) atau
μ < μ 0 (untuk uji satu sisi kiri)

2. Menetukan taraf nyata (α).

3. Statistik uji,

X̄− μ 0
Z0 =
σ/ √n
( 6.1 )

Jika σ tidak diketahui tetapi yang diketahui s, maka

Statistik Induktif Untuk Ekonomi dan Bisnis 93

 X̄− μ 0
Z0 =
s/ √ n
( 6.2 )

4. Menetukan wilayah/daerah kritik,

a. Untuk uji dua sisi,

Gambar 30. Kurva Normal Standar Uji Dua Sisi

Daerah Daerah
Penolakan H0 Daerah Penolakan H0
Penerimaan H0
‫׀‬
- Zα/2 0 Zα/2

wilayah/daerah kritiknya, Z0 > Zα/2 atau Z0 < - Zα/2

b. Untuk uji satu sisi,

Gambar 31. Kurva Normal Standar Uji Satu Sisi Kanan dan Kiri

Daerah
Penolakan H0
Daerah Daerah
Penerimaan H0 Penerimaan H0
‫׀‬ ‫׀‬
0 Zα -Zα 0
Uji sisi kanan Uji sisi kiri
Wilayah/daerah kritiknya, Z0 > Zα Wilayah/daerah kritiknya, Z0 < - Zα .

5. Perhitungan, yaitu menghitung nilai Z0.

6. Keputusan,
a. Untuk uji dua sisi, bila -Zα/2 ≤ Z0 ≤ Zα/2, maka H0 diterima, sedangkan bila
Z0 > Zα/2 atau Z0 < -Zα/2, maka H0 ditolak.

Statistik Induktif Untuk Ekonomi dan Bisnis 94

 b. Untuk uji satu sisi kanan, bila Z0 ≤ Zα, maka H0 diterima, sedangkan bila Z0 > Zα
maka H0 ditolak.
Untuk uji satu sisi kiri, bila Z0 ≥ Zα, maka H0 diterima, sedangkan bila Z0 < -Zα,
maka H0 ditolak.

Contoh 6.1. Sebuah perusahaan alat olah raga mengembangkan jenis batang pancing
sintetik, yang dikatakan mempunyai kekuatan rata-rata 8 kg dan simpangan baku 0,5 kg.
Suatu sampel random diambil sebanyak 49 buah pancing untuk di tes dan ternyata
kekuatannya rata-rata 7,8 kg. Gunakan taraf nyata 1% untuk menguji pendapat diatas,
dengan alternatif tidak sama.

Penyelesaian

Diketahui ;
μ 0 = 8 kg, σ = 0,5 kg, X̄ = 7,8 kg, n = 49 buah, maka
pengujian hipotesa tentang batang pancing sintetik hasil produksi perusahaan alat olah
raga diatas,
1. Perumusan H0 dan HA ,

H0 : μ = 8 kg

HA : μ ≠¿ ¿ 8 kg
2. Taraf nyata (α) = 0,01
3. Statistik uji,
X̄− μ 0
Z0 =
σ/ √ n

4. Wilayah/daerah kritik,
bila α = 0,01, maka Zα/2 = Z0,01/ 2 = Z0,005 = ± 2,58

Gambar 32. Kurva Normal Z0,005 = ± 2,58, Uji Dua Sisi

Statistik Induktif Untuk Ekonomi dan Bisnis 95

 Daerah Daerah
Penolakan H0 Daerah Penolakan H0
Penerimaan H0
‫׀‬ Z
-2,58 0 2,58

Jadi wilayah/daerah kritiknya, Z0 > 2,58 atau Z0 < -2,58

5. Perhitungan,
X̄− μ 0 7,8−8 −0,2
Z0 = = = =−2 , 86
σ/ √ n 0,5/ √ 49 0 , 07
6. Keputusan,
oleh karena Z0 = -2,86 lebih kecil dari Z0,005 = ± 2,58, maka H0 ditolak artinya
kekuatan rata-rata dari seluruh batang pancing sintetik yang dihasilkan oleh
perusahan tersebut tidak sama dengan 8 kg.

Contoh 6.2. Pejabat dari suatu lembaga yang membina pedagang kecil di kota M
menyatakan bahwa rata-rata keuntungan per hari dari seluruh pedagang kaki lima (PKL)
paling rendah Rp 50.000, dengan alternatif lebih kecil dari itu. Untuk menguji
pendapatnya telah diteliti sebanyak 100 orang yang dipilih secara acak dan ternyata rata-
rata keuntungannya adalah sebesar Rp 49.100 per hari dengan simpangan baku sebesar
Rp 6.200 per hari. Dengan taraf nyata 5%, ujilah pendapat pejabat tersebut.

Penyelesaian

Diketahui ;
μ 0 = Rp. 50.000, X̄ = Rp. 49.100, s = Rp. 6.200, maka pengujian
hipotesa dari pejabat lembaga yang membina pedagang kecil di kota M,
1. Perumusan H0 dan HA

H0 : μ≥ Rp. 50.000

HA : μ <¿ ¿ Rp. 50.000

2. Taraf nyata (α) = 0,05
3. Statistik uji,

Statistik Induktif Untuk Ekonomi dan Bisnis 96

 X̄− μ 0
Z0 =
s/ √ n

4. Wilayah/daerah kritik,
bila α = 0,05, maka Zα = Z0,05 = ± 1,64
Gambar 33. Kurva Normal Z0,05 = ± 1,64, Uji Satu Sisi Kiri

Daerah
Penolakan H0
Daerah
Penerimaan H0
‫׀‬ Z
-1,64 0
Jadi wilayah/daerah kritiknya, Z0 < -1,64
5. Perhitungan,
X̄− μ 0 49 .100−50 .000 −900
Z0 = = = =−1 , 45
s/ √ n 6 .200 / √100 620

6. Keputusan,
oleh karena Z0 = -1,45 lebih besar dari Z0,05 = - 1,64, maka H0 diterima artinya
rata-rata keuntungan per hari dari seluruh pedagang kaki lima lebih besar dan sama
dengan Rp 50.000.-

6.3.2. Pengujian Hipotesa Terhadap Beda Dua Parameter Rata-rata ( μ1 − μ2 )

Bila dari dua populasi dengan rata-rata

μ 1 dan μ2 serta simpangan baku

masing-masing
σ1 dan
σ2 , diambil secara random dua buah sampel yang

independen berukuran
n1 dan n2 dengan rata-rata
X̄ 1 dan X̄ 2 , maka
perumusan H0 dan HA serta statistik ujinya, sebagai berikut ;

Perumusan H0 dan HA,

H0 :
μ 1 =μ 2 atau
μ 1 −μ 2=0

HA :
μ 1 ≠μ 2 atau
μ 1 −μ 2≠0 (uji dua sisi)

Statistik Induktif Untuk Ekonomi dan Bisnis 97

 μ 1 >μ2 atau
μ 1 −μ 2 >0 (uji satu sisi kanan)
μ 1 <μ2 atau
μ 1 −μ 2 <0 (uji satu sisi kiri)

Statistik uji,
X̄ 1 − X̄ 2
Z 0=
σ σ

√ n1
12
+ 22
n2 (6.3)

Jika σ tidak diketahui dan s yang diketahui, maka

X̄ 1− X̄ 2
Z 0=
s s

√ n1
12
+
n2
22

Contoh 6.3. Seorang manajer produksi suatu perusahaan yang menghasilkan pompa air,
(6.4)

beranggapan bahwa rata-rata efisiensi waktu perakitan dari dua jenis pompa tangan, yaitu
jenis A dan B yang dihasilkan perusahaannya adalah sama. Untuk itu dilakukan
pengamatan dengan mengambil sampel yang jumlahnya sama, yaitu masing-masing 40
buah. Setelah diadakan pengamatan pada perakitannya, pompa jenis A membutuhkan
waktu rata-rata 30 menit dan simpangan baku sebesar 3 menit. Sedangkan pompa jenis B
membutuhkan waktu rata-rata 28 menit dan simpangan baku sebesar 2 menit. Dengan
taraf nyata 5%, ujilah anggapan bahwa efisiensi waktu perakitan seluruh pompa jenis A
dan B sama, dengan alternatif tidak sama.

Penyelesaian

Diketahui ;
X̄ A = 30 menit, s A = 3 menit, X̄ B = 28 menit, s B = 2 menit, n A

= nB = 40, maka pengujian hipotesa dari manajer produksi perusahaan yang

menghasilkan pompa air
diatas,
1. Perumusan H0 dan HA,

Statistik Induktif Untuk Ekonomi dan Bisnis 98

 H0 :
μ A = μ B (artinya rata-rata efisiensi waktu perakitan seluruh pompa jenis A
dan jenis B sama)
HA :
μ A ≠ μ B (artinya rata-rata efisiensi waktu perakitan seluruh pompa jenis A
dan jenis B tidak sama)

2. Taraf nyata ( α ) = 0,05

3. Statistik uji,

X̄ A − X̄ B
=
s s
Z0 √ nA
A2
+
nB
B2

4. Wilayah/daerah kritik,
bila α = 0,05, maka Zα/2 = Z0,05/2 = Z0,025 = ± 1,96.

Gambar 34. Kurva Normal Z0,025 = ± 1,96, Uji Dua Sisi

Daerah Daerah
Penolakan H0 Daerah Penolakan H0
Penerimaan H0
‫׀‬ Z
-1,96 0 1,96

Jadi wilayah/daerah kritiknya, Z0 > 1,96 atau Z0 < -1,96.

5. Perhitungan,

X̄ A − X̄ B
= 30−28 2
s s = = =3,5

Z0 √ nA
A2
+
nB
B2

√ 32 22
+
40 40
0 , 57

Statistik Induktif Untuk Ekonomi dan Bisnis 99

6. Keputusan,
oleh karena Z0 = 3,5 lebih besar dari Z0,025 = ± 1,96, maka H0 ditolak artinya rata-
rata efisiensi waktu perakitan seluruh pompa jenis A dan B tidak sama.
Jadi anggapan dari manajer produksi perusahaan yang menghasilkan pompa air itu
ternyata tidak benar.

6.3.3. Pengujian Hipotesa Terhadap Satu Parameter Proporsi ( P )

Dalam praktik, yang harus diuji seringkali berupa pendapat tentang proporsi
(persentase), misalnya persentase barang yang rusak sebesar 10%, nasabah yang tidak
puas sebesar 25%, karyawan yang tidak bergairah kerja 5%, dan lain-lain.
Bila dari sebuah populasi yang besar dengan proporsi P 0, diambil sampel random

x
p=
berukuran n dengan proporsi n , maka perumusan H0 dan HA serta statistik ujinya
sebagai berikut ;

Perumusan H0 dan HA,

H0 :
P=P0

HA :
P≠P0 ( untuk uji dua sisi ) atau
P> P0 ( untuk uji satu sisi kanan ) atau
P< P0 ( untuk uji satu sisi kiri )

Statistik uji,

p−P 0
Z 0=
P0 ( 1−P0 )
√ n (6.5)

Contoh 6.4. Seorang pejabat dari salah satu Bank Umum Milik Negara (BUMN)
berpendapat bahwa semua pengusaha kecil peminjam Kridit Usaha Kecil (KUK) yang
belum mengembalikan kriditnya (kridit macet) paling banyak 70%, dengan alternatif

Statistik Induktif Untuk Ekonomi dan Bisnis 100

lebih besar dari itu. Untuk menguji pendapat tersebut, diambil sampel secara random
sebanyak 225 orang pengusaha kecil peminjam KUK untuk diteliti. Ternyata ada 169
orang pengusaha kecil yang belum mengembalikan kridit. Dengan taraf nyata 5%, ujilah
pendapat diatas.

Penyelesaian
169
Diketahui ;
P0 = 0,70, n = 225 orang, x = 150 orang, maka p= 225 = 0,75,
maka pengujian hipotesa dari pejabat Bank Umum Milik Negara (BUMN) diatas,

1. Perumusan H0 dan HA,

H0 : P≤ 0,70
HA : P>¿ ¿ 0,70

2. Taraf nyata (α) = 0,05

3. Statistik uji,

p−P0
Z 0=
P0 ( 1−P0 )
√ n
4. Wilayah/daerah kritik,
bila α = 0,05, maka Zα = Z0,05 = 1,64

Gambar 35. Kurva Normal Z0,05 = ±1,64, Uji Satu Sisi Kanan

Daerah
Penolakan H0
Daerah
Penerimaan H0
‫׀‬ Z
0 1,64

Jadi wilayah/daerah kritiknya,

Z 0 >¿¿ 1,64

5. Perhitungan,

Statistik Induktif Untuk Ekonomi dan Bisnis 101

 p− P0 0 , 75−0 ,70 0 , 05
Z 0= = = =
P0 ( 1− P0 ) 0 , 70( 1−0 , 70 ) 0 , 0306
√ n √ 225 1,63

6. Keputusan,

oeh karena
Z 0= 1,63 lebih kecil dari
Z 0,05= 1,64, maka H0 diterima artinya
semua pengusaha kecil peminjam Kridit Usaha Kecil (KUK) yang belum
mengembalikan kriditnya (kridit macet) paling banyak 70%.
Jadi pendapat dari pejabat Bank Umum Milik Negara (BUMN) diatas ternyata benar.

6.3.4. Pengujian Hipotesa Terhadap Beda Dua Parameter Proporsi (

P1−P 2 )
Kita juga seringkali dihadapkan pada masalah yang mengharuskan untuk menguji
hipotesis nol yang menyatakan dua parameter proporsi sama. Misalnya kita ingin menguji
proporsi konsumen yang menyukai sabun merk A dengan merk B di suatu daerah atau
proporsi nasabah bank A dan B yang tidak puas dengan pelayanan dari karyawan kedua
bank tersebut.
Bila dari dua buah populasi dengan proporsi masing-masing P1 dan P2, diambil sampel

x1
p1 =
random masing-masing berukuran n1 dan n2 dengan proporsi n1 dan

x2
p2 =
n2 , maka perumusan H0 dan HA serta statistik ujinya sebagai berikut ;

Perumusan H0 dan HA,

H0 :
P1=P 2

HA :
P1≠P 2 ( untuk uji dua sisi ) atau
P1 > P2 ( untuk satu sisi kanan ) atau
P1 <P2 ( untuk satu sisi kiri )

Statistik uji,

Statistik Induktif Untuk Ekonomi dan Bisnis 102

 p1 − p2
Z 0=
p1 ( 1− p1 ) p2 ( 1− p 2 )

(6.6)
√ n1
+
n2

Contoh 6.5. Suatu penelitian mengenai prefrensi seluruh konsumen terhadap sabun
mandi cap “Dewi” telah dilakukan oleh perusahaan industri sabun yang bersangkutan
dengan mengambil sampel secara random sebanyak 200 orang konsumen di Jakarta.
Berdasarkan pendapatan rata-rata per bulan, para konsumen dibagi menjadi dua golongan
yang berpendapatan berbeda. Golongan I merupakan golongan yang mampu dan meliputi
30% dari seluruh konsumen yang di observir, sedangkan golongan II merupakan
golongan yang kurang mampu dan meliputi 70% dari seluruh konsumen yang diobservir.
Pada golongan I, 40 orang menyatakan suka pada sabun cap “Dewi“, sedangkan
golongan II, 80 orang menyatakan suka pada sabun cap “Dewi”. Berdasarkan hasil
penelitian diatas, adakah alasan guna menyangsikan pernyataan bahwa proporsi kedua
golongan konsumen yang menyukai sabun mandi cap “Dewi” adalah sama, dengan
alternatif tidak sama dengan menggunakan taraf nyata 5%.

Penyelesaian

hui ;
n1 = 0,30 x 200 = 60,
x1 = 40, maka
p1 =40/60=0 , 67
Diketa

n2 = 0,70 x 200 = 140,

x1 = 80, maka
p2 =80/140=0 ,57
Pengujian hipotesa terhadap proporsi dua golongan konsumen yang menyukai sabun
mandi cap Dewi,

1. Perumusan H0 dan HA,

H0 :
P1=P 2 (artinya proporsi golongan konsumen I dan II yang menyukai sabun
mandi cap “Dewi” adalah sama)

Statistik Induktif Untuk Ekonomi dan Bisnis 103

 HA :
P1≠P 2 (artinya proporsi golongan konsumen I dan II yang menyukai sabun
mandi cap “Dewi” adalah tidak sama)

2. Taraf nyata (α) = 0,05

3. Statistik uji,

p1 − p2
Z 0=
p1 ( 1− p1 ) p2 ( 1− p 2 )
√ n1
+
n2

4. Wilayah/daerah kritik,

bila α = 0,05, maka Zα/2 =

Z 0,05/2 =
Z 0 ,025 =±1,96

Gambar 36. Kurva Normal Z0,025 = ± 1,96, Uji Dua Sisi

Daerah Daerah
Penolakan H0 Daerah Penolakan H0
Penerimaan H0
‫׀‬ Z
-1,96 0 1,96

Jadi wilayah/daerah kritiknya, Z0 > 1,96 atau Z0 < -1,96.

5. Perhitungan,

p 1− p2 0 , 67−0 , 57
Z 0= =
p1 ( 1− p1 ) p2 ( 1− p 2 ) 0 , 67( 1−0 , 67 ) 0 , 57( 1−0 ,57 )
√ n1
+
n2 √ 60
+
140

0 , 10 0 , 10
= = =
0 ,67 ( 0 ,33 ) 0 , 57( 0 , 43 ) 0 , 0681
√ 60
+
140 1,47

6. Keputusan,

Statistik Induktif Untuk Ekonomi dan Bisnis 104

 oleh karena -1,96 ≤ Z0 ≤ 1,96, maka H0 diterima, artinya proporsi golongan
konsumen I dan II yang menyukai sabun mandi cap “Dewi” adalah sama.

6.4 Pengujian Hipotesa Pada Sampel Kecil (n ≤ 30)

6.4.1. Pengujian Hipotesa Terhadap Satu Nilai Parameter Rat-rata ( µ )
Apabila sampel random kecil (n ≤ 30), maka statistik uji yang digunakan adalah
distribusi t atau disebut distribusi “student” dengan rumus,

X̄ − μ 0
t0 =
s/ √ n
( 6.7 )

Sedangkan penentuan wilayah/daerah kritiknya, sebagai berikut ;

a. Untuk uji dua sisi,

Gambar 37. Kurva Normal Uji Dua Sisi Pada Uji t

Daerah Daerah
Penolakan H0 Daerah Penolakan H0
Penerimaan H0
‫׀‬
−t α/2, df 0 t α/2, df

Wilayah/daerah kritiknya,
t 0 >t α/2, df atau
t 0<−t α/2, df

b. Untuk uji satu sisi,

Gambar 38. Kurva Normal Uji Satu Sisi Kanan dan Kiri Pada Uji t

Daerah
Penolakan H0 Daerah
Daerah
Penerimaan H0 Penerimaan H0
‫׀‬ ‫׀‬
0 t α, df −t α, df 0

Statistik Induktif Untuk Ekonomi dan Bisnis 105

 Uji sisi kanan Uji sisi kiri

Wilayah/daerah kritiknya,
t 0 >t α, df Wilayah/daerah kritiknya,
t 0 <−t α, df

Dimana ; df = degree of freedom) atau derajat bebas (db)

df = n – 1 atau db = n - 1

Contoh 6.6. Manajer produksi suatu perusahaan yang menghasilkan lampu pijar,
mengatakan bahwa daya tahan dari seluruh lampu pijar hasil produksinya rata-rata
sebesar 1.000 jam sesuai standar kualitas yang ditetapkan perusahaanya dengan alternatif
tidak sama. Namun akhir-akhir ini dalam pemasaran banyak keluhan dari para konsumen
terhadap daya tahan lampu ini, sehingga lembaga konsumen mengadakan penelitian
dengan mengambil sampel secara random sebanyak 25 buah lampu. Hasil penelitian
menunjukkan bahwa daya tahan rata-rata 985 jam dengan simpangan baku sebesar
65 jam. Dengan taraf nyata 5%, apakah keluhan para konsumen terhadap lampu pijar ini
dapat dibenarkan.

Penyelesaian

Diketahui ;
μ0 = 1.000 jam, n = 25 buah, X̄ = 985 jam, s = 65 jam, maka
pengujian hipotesa dari manajer produksi perusahaan yang menghasilkan lampu pijar,
1. Perumusan H0 dan HA,

H0 : μ = 1.000 jam

HA : μ ≠¿ ¿ 1.000 jam
2. Taraf nyata (α) = 0,05
3. Statistik uji,
X̄ − μ 0
t0 =
s/ √ n

4. Wilayah/daerah kritik,

t α/2, (n− 1) t 0,05/2, ( 25 − 1 ) t 0,025; 24=

bila α = 0,05, maka = = ± 2,064

Statistik Induktif Untuk Ekonomi dan Bisnis 106

 Gambar 39. Kurva Normal
t 0,025; 24 = ±2,064, Uji Dua Sisi

Daerah Daerah
Penolakan H0 Daerah Penolakan H0
Penerimaan H0
‫׀‬ t
-2,064 0 2,064

Jadi wilayah/daerah kritiknya,

t 0>¿ ¿ 2,064 atau
t 0<¿ ¿ 2,064

5. Perhitungan,

X̄ − μ 0 985−1. 000 −15

t0 = = = =−1 , 15
s/ √ n 65/ √ 25 13

6. Keputusan,

oleh karena -2,064 ≤

t0 ≤ 2,064, maka H0 diterima artinya daya tahan dari seluruh
lampu pijar hasil produksi perusahaan tersebut rata-rata 1.000 jam sesuai standar
kualitas yang ditetapkan perusahaanya.
Jadi keluhan para konsumen terhadap lampu pijar ini tidak dapat dibenarkan.

6.4.2. Pengujian Hipotesa Terhadap Beda Dua Parameter Rata-rata (

μ1 − μ2 )
:
Apabila dari dua populasi diambil dua sampel random yang independen atau

bebas berukuran kecil masing-masing n1 dan n2 dengan rata-rata

X̄ 1 dan X̄ 2 serta

s2 s
varians 1 dan 22 maka statistik uji yang digunakan untuk pengujian hipotesa

terhadap beda atau selisih dua parameter rata-rata (

μ 1−μ 2 ) adalah ;

Statistik Induktif Untuk Ekonomi dan Bisnis 107

 X̄ 1− X̄ 2
t 0=
( n1 −1 ) s 2 +( n2−1) s
√ 1
n 1 + n2 −2
2
2
⋅
√ 1 1
+
n1 n2 (6.8)

Sedangkan derajat bebasnya ;

db=n1 +n 2−2

Contoh 6.7. Seorang pejabat Badan Koordinasi Penanaman Modal (BKPM) berpendapat
bahwa tidak ada perbedaan rata-rata modal dari seluruh perusahaan nasional dan asing
dengan alternatif ada perbedaan. Untuk menguji pendapat tersebut, dilakukan penelitian
dengan mengambil sampel secara acak, dimana ada 8 perusahaan nasional dan 6
perusahaan asing diteliti. Hasil penelitian modal perusahaan (dalam milyar rupiah)
sebagai berikut :

Nomor 1 2 3 4 5 6 7 8
Perusahaan Nasional 5 7 6 3 4 8 6 5
Perusahaan Asing 6 5 4 7 8 6

Dengan taraf nyata 5 %, ujilah pendapat pejabat BKPM tersebut.

Penyelesaian
Pengujian hipotesa dari pejabat Badan Koordinasi Penanaman Modal (BKPM) diatas,

1. Perumusan H0 dan HA,

H0 :
μ N =μ A (artinya tidak ada perbedaan rata-rata modal dari seluruh
perusahaan nasional dan asing)
HA :
μ N ≠μ A (artinya ada perbedaan rata-rata modal dari seluruh perusahaan
nasional dan asing)

2. Taraf nyata ( α ) = 0.05

3. Statistik uji,

Statistik Induktif Untuk Ekonomi dan Bisnis 108

 X̄ N − X̄ A
t 0=
( n N −1 ) s 2 +( n A −1) s
√ n N +n A −2
N A
2
⋅
√ 1
+
1
nN nA

4. Wilayah/daerah kritik,

bila α = 0,05, maka

t α/2, ( n
A
+nB − 2)
=
t 0,05/2,(8+6−2)
=
t 0,025; 12 = ± 2,179

Gambar 40. Kurva Normal

t 0,025; 12 = ± 2,179, Uji Dua Sisi

Daerah Daerah
Penolakan H0 Daerah Penolakan H0
Penerimaan H0
‫׀‬ t
-2,179 0 2,179

Jadi wilayah/daerah kritiknya,

t 0>¿ ¿ 2,179 atau
t 0<¿ ¿ -2,179

5. Perhitungan,

Nomor 1 2 3 4 5 6 7 8 Jumlah
Perusahaan Nasional 5 7 6 3 4 8 6 5 44
Perusahaan Asing 6 5 4 7 8 6 36
( x iN− X̄ N )2 0,25 2,25 0,25 2,25 0,25 6,25 0,25 0,25 12
2
( x iA− X̄ A ) 0 1 4 1 4 0 10

n n
∑ x iN ∑ x iA
i =1 44 i=1 36
X̄ N = = =5,5 X̄ A = = =6
nN 8 ;
nA 6
,

Statistik Induktif Untuk Ekonomi dan Bisnis 109

 n
∑ ( x iN− X̄ N )2
i=1 12 12
s =
n N −1
= = =1,7
8−1 7
s
N2 ; A2
n
∑ ( x Ai− X̄ A )2
i=1 10 10
= = = =2
n A −1 6−1 5

X̄ N − X̄ A
t 0=
( n N −1 ) s 2 +( n A −1) s
√ n N +n A −2
N A
2
⋅
√ 1
+
1
nN nA

5,9−6
=
( 8−1 ) 4 , 12+( 6−1) 2 1 1
√
8+ 6−2 √ +
8 6

−0,1 −0,1
= = =−0 , 13
√ 3 , 2392⋅√ 0 ,2917 0 , 97

7. Keputusan,

oleh karena - 2,179 ≤

t 0 ≤ 2,179, maka H diterima artinya tidak ada perbedaan
0

rata-rata modal dari seluruh perusahaan nasional dan asing.

Jadi pendapat pejabat Badan Koordinasi Penanaman Modal (BKPM) itu benar.

6.4.3. Pengujian Hipotesa Terhadap Beda Dua Parameter Rata-rata Untuk

Pengamatan Berpasangan (Sampel Dependen)
Diatas kita telah membahas tentang pengujian hipotesa terhadap beda dua rata-
rata dengan mengambil sampel yang bebas atau tidak terkait (independent). Namun pada
situasi lain, dimana kita sering dihadapkan pada sampel yang terkait (dependent),
misalnya; a). Seorang manajer personalia dari suatu perusahaan ingin mengetahui
efisiensi dari hasil pelatihan karyawannya, maka datanya berupa data berpasangan yaitu
produktivitas karyawan sebelum dan setelah pelatihan, b). Kita ingin mengetahui harga
saham dari perusahaan sebelum dan setelah bom Bali, dan lain sebagainya. Adapun
perumusan H0 dan HA serta statistik ujinya, sebagai berikut ;

Statistik Induktif Untuk Ekonomi dan Bisnis 110

Perumusan H0 dan HA ,

H0 :
μd = 0 atau
μd = μ 1−μ 2= 0

HA :
μd ≠ 0 atau
μd = μ 1−μ 2≠ 0 (uji dua sisi) atau
μd > 0 atau
μd = μ 1−μ 2 > 0 (uji satu sisi kanan) atau
μd < 0 atau
μd = μ 1−μ 2 < 0 (uji satu sisi kiri)

Statisik uji,
d̄
t 0=
sd / √ n
(6.9)

Dimana,
n n 2

(6.10)
sd =
√ n ∑ d 2−
i=1 i

n( n− 1)
( )
∑ di
i=1

Keterangan ;
d i = Selisih data pengamatan berpasangan

d̄ = Rata-rata selisih data pengamatan berpasangan

sd = Simpangan baku dari selisih data pengamatan berpasangan
Sedangkan derajat bebas ; db = n - 1

Contoh 6.8. Direktur sebuah perusahaan ingin mengetahui efektivitas dari kegiatan
pelatihan yang diikuti oleh karyawannya. Untuk melihat hasil pelatihan tersebut diambil
sampel 10 orang dengan hasil kinerja sebelum dan sesudah pelatihan sebagai berikut :
Karyawa
1 2 3 4 5 6 7 8 9 10
n

Statistik Induktif Untuk Ekonomi dan Bisnis 111

 Sebelum
19 20 25 21 19 26 17 21 19 22
Pelatihan
Setelah
20 19 21 22 21 22 15 18 16 23
Pelatihan

Ujilah hipotesis yang menyatakan bahwa rata-rata hasil kinerja sesudah pelatihan lebih
besar atau paling tidak sama dengan hasil kinerja sebelum pelatihan. Dengan kata lain,
pelatihan tersebut efektif terhadap perbaikan kinerja karyawan pada taraf nyata 10%.

Penyelesaian
Pengujian hipotesa rata-rata hasil kinerja sesudah pelatihan lebih besar atau sama dengan
sebelum pelatihan,

1. Perumusan H0 dan HA,

H0 :
μd ≥ 0 (artinya rata-rata hasil kinerja sesudah pelatihan lebih besar atau sama
dengan hasil kinerja sebelum pelatihan)
HA :
μd < 0 (artinya rata-rata hasil kinerja sesudah pelatihan lebih kecil dari
hasil kinerja sebelum pelatihan )

2. Taraf nyata (α) = 0,10

3. Statistik uji,

n n 2

t 0=
d̄
s d / √n dan
sd =
√ n ∑ d 2−
i=1 i (
n( n−1)
∑ di
i=1
)

4. Wilayah/daerah kritik,

bila α = 0,10, maka

t α, (n − 1)
=
t 0,10, (10 − 1)
=
t 0.10; 9 =± 1,383

Statistik Induktif Untuk Ekonomi dan Bisnis 112

 Gambar 41. Kurva Normal 0,10 ; 9
t =± 1,383,
Uji Satu Sisi Kiri

Daerah
Penolakan H0
Daerah
Penerimaan H0
‫׀‬ t
-1,383 0

Jadi wilayah/daerah kritiknya,

t 0<¿ ¿ -1,383

5. Perhitungan ;

Karyawan Sesudah Pelatihan Sebelum Pelatihan

d d2
1 20 19 1 1
2 19 20 -1 1
3 21 25 -4 16
4 22 21 1 1
5 21 19 2 4
6 22 26 -4 16
7 15 17 -2 4
8 18 21 -3 9
9 16 19 -3 9
10 23 22 1 1
Jumlah
-12 62

−12
d̄= =−1,2
10 ;

10(62 )−(−12)2
sd=
√
10(10−1)
=
620−144
10(9 )
=
476
90 √=√ 5 ,29=2,3
√
d̄ −1,2 −1,2
t 0= = = =
sd 2,3 0 , 7373
√n √10 - 1,63

Statistik Induktif Untuk Ekonomi dan Bisnis 113

6. Keputusan,

oleh karena
t 0=− 1,63 lebih kecil dari
t 0. 10 ; 9=− 1,383, maka H0 ditolak
artinya rata-rata hasil kinerja sesudah pelatihan lebih kecil dari hasil kinerja sebelum
pelatihan. Dengan kata lain, pelatihan tidak efektif terhadap perbaikan kinerja
karyawan.

Statistik Induktif Untuk Ekonomi dan Bisnis 114