DISUSUN OLEH :
FAKULTAS KESEHATAN
2020
Hipotesis berasal dari bahasa yunani yang mempunyai dua arti kata yaitu kata “hupo” berarti
lemah atau kurang atau dibawah (sementara) dan “thesis” berarti (pernyataan atau teori,
proposisi atau pernyataan yang disajikan sebagai bukti.). Jadi, hipotesis merupakan pernyataan
sementara yang masih lemah kebenarannya dan perlu dibuktikan atau dugaan yang sifatnya
masih sementara.. Kemudian para ahli menafsirkan arti hipotesis sebagai perkiraan terhadap
hubungan antara dua buah variable atau lebih. Sehingga dapat diartikan bahwa hipotesis adalah
jawaban atau perkiraan (dugaan) sementara yang harus diuji lagi kebenarannya.
Hipotesis statistik adalah suatu pernyataan atau perkiraan mengenai keadaan populasi yang
sifatnya masih sementara atau lemah kebenarannya. Hipotesis statistic dapat berbentuk suatu
variable seperti Binomial, Poisson, dan Normal atau nilai dari suatu parameter, seperti rata-rata,
varians, simpangan baku dan proporsi. Hipotesis statistik akan diterima jika hasil pengujian
membenarkan pernyataannya dan akan ditolak jika terjadi penyangkalan ( penyanggahan dari
pernyataan tersebut .
Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan memutuskan apakah
kita menerima atau menolak suatu hipotesis itu. Dalam pengujian hipotesa, keputusan yang
dibuat itu mengandung ketidakpastian, artinya keputusan itu bisa benar atau salah, sehingga
menimbulkan resiko. Besar kecilnya resiko dinyatakan dalam bentuk probabilitas. Pengujian
hipotesis merupakan bagian terpenting dari statistic inferensi ( statistic induktif ), karena
berdasarkan pengujian tersebut, pembuatan keputusan atau pemecahan persoalan sebagai dasar
penelitian lebih lanjut dapat terselesaikan.
B. Bentuk-Bentuk Hipotesis
1. Hipotesis Deskriptif.
Hipotesis deskriptif adalah perkiraan tentang nilai suatu variable mandiri. Tidak membuat
perbandingan atau hubungan. Sebagai contoh bila rumusan masalah penelitian sebagai berikut
ini, maka hipotesis (jawaban sementara) yang dirumuskan adalah hipotesis deskriptif. Dalam
perumusan hipotesis statistik, antara hipotesis nol (H0) dan hipotesis alternative (H1) selalu
berpasangan, bila salah satu ditolak, maka yang lain diterima sehingga dapat dibuat keputusan
yang tegas, yaitu kalau H0 ditolak pasti H1 diterima.
Contoh : Seorang dokter mengatakan bahwa lebih 60% pasien kanker adalah karena merokok.
H0: µ ≥ 0.60
Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan perkiraan tentang hubungan
antara dua variable atau lebih. Contoh rumusan masalahnya adalah “apakah ada hubungan
antara gaya hidup dengan kesuksesan?”. Rumus dan hipotesis nolnya adalah: Tidak ada
hubungan antara gaya gaya hidup dengan kesuksesan. Hipotesis statistiknya adalah:
H0 : ρ = 0
H1 : ρ ≠ 0
Prosedur pengujian hipotesis statistic adalah langkah-langkah yang dipergunakan dalam menye-
lesaikan pengujian hipotesis tersebut.
Penerimaan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENOLAK
hipotesis tersebut dan BUKAN karena HIPOTESIS ITU BENAR
DAN
Penolakan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENERIMA
hipotesis tersebut dan BUKAN karena HIPOTESIS ITU SALAH
1. Tentukan H0 dan H1
H1 : ditulis dalam bentuk lebih besar (>) atau lebih kecil (<)
Contoh 6.
Contoh Uji Satu Arah
a. H0 : m = 50 menit b. H0 : m = 3 juta
M Nilai a tidak dibagi dua, karena seluruh a diletakkan hanya di salah satu sisi selang
misalkan :
H0 : 0 *)
H1 : 0
ini =
-z atau - t(db;) 0
misalkan :
H0 : 0 *)
H1 : 0
z > z t > t( db , )
Wilayah Kritis**) : atau
ini =
0 z atau t (db;)
Contoh 7.
Contoh Uji Dua Arah
a. H0 : m = 50 menit a. H0 : m = 3 juta
H1 : m ¹ 50 menit H1 : m ¹ 3 juta
misalkan :
H0 : 0 *)
H1 : 0
z < z z > z
Wilayah Kritis**) : 2 dan 2
atau
t t ( db , t t ( db;
2) dan 2)
”.
Untuk pengujian hipotesis satu rata-rata dengan sample besar (n > 30), uji statistiknya
menggunakan distribusi Z. Prosedur pengujian hipotesisnya adalah sebagai berikut.
Formulasi hipotesis
1. Ho : µ = µo H1 : µ > µo
2. Ho : µ = µo H1 : µ < µo
3. Ho : µ = µo H1 : µ ≠ µo
Penentuan nilai α (taraf nyata) dan nilai Z table (Zα) Menentukan nilai α sesuai soal,
kemudian nilai Zα atau Zα/2ditentukan dari tabel.
Kriteria Pengujian
Untuk Ho : µ = µo dan H1 : µ ≠ µo
o Ho di terima jika – Zα/2 ≤ Zo ≤ Zα/2 o Ho di tolak jika Zo > Zα/2 atau Zo < – Zα/2
Uji Statistik
Kesimpulan
DR. Harjanto Sutedjo SSI. MMSI. hal 7
PENGUJIAN HIPOTESA
Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap
nilai parameter populasinya. Taraf nyata dilambangkan dengan α (alpha). Semakin tinggi taraf
nyata yang digunakan, semakin tinggi pula penolakan hipotesis nol atau hipotesis yang diuji,
padahal hipotesis nol benar. Besarnya nilai α bergantung pada keberanian pembuat keputusan
yang dalam hal ini berapa besarnya kesalahan yang akan ditolerir. Besarnya kesalahan
tersebut disebut sebagai daerah kritis pengujian (critical region of test) atau daerah penolakan
(region of rejection).
Apabila hipotesis nol (H0) diterima (benar) maka hipotesis alternatif (Ha) di tolak. Demikian pula
sebaliknya, jika hipotesis alternatif (Ha) di terima (benar) maka hipotesis nol (H0) ditolak.
Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap
nilai parameter populasinya. Semakin tinggi taraf nyata yang di gunakan, semakin tinggi pula
penolakan hipotesis nol atau hipotesis yang di uji, padahal hipotesis nol benar.
Besaran yang sering di gunakan untuk menentukan taraf nyata dinyatakan dalam %, yaitu: 1%
(0,01), 5% (0,05), 10% (0,1), sehingga secara umum taraf nyata di tuliskan sebagai α 0,01,α0,05, α0,1.
Besarnya nilai α bergantung pada keberanian pembuat keputusan yang dalam hal ini berapa
besarnya kesalahan (yang menyebabkan resiko) yang akan di tolerir. Besarnya kesalahan tersebut
di sebut sebagai daerah kritis pengujian (critical region of a test) atau daerah penolakan ( region
of rejection).
Nilai α yang dipakai sebagai taraf nyata di gunakan untuk menentukan nilai distribusi yang di
gunakan pada pengujian, misalnya distribusi normal (Z), distribusi t, dan distribusi X². Nilai itu
sudah di sediakan dalam bentuk tabel di sebut nilai kritis.
Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau menolak hipotesis
nol (H0) dengan cara membandingkan nilai α tabel distribusinya (nilai kritis) dengan nilai uji
statistiknya, sesuai dengan bentuk pengujiannya.
1. Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih besar daripada nilai
positif atau negatif dari α tabel. Atau nilai uji statistik berada di luar nilai kritis.
2. Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih kecil daripada nilai
positif atau negatif dari α tabel. Atau nilai uji statistik berada di dalam nilai kritis.
Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi tertentu dalam
pengujian hipotesis. Uji statistik merupakan perhitungan untuk menduga parameter data sampel
yang di ambil secara random dari sebuah populasi. Misalkan, akan di uji parameter populasi (P),
maka yang pertama-tama di hitung adalah statistik sampel (S).
1. 0 x 0 0 ® z z
z
/ n
sampel besar 0 z z
®
n 30 dapat diganti
dengan s 0 z z
® 2 dan
z z
2
2. 0 x 0 0 ® t < t( db; )
t
s / n
0 ® t > t( db , )
sampel kecil
n<30 0 t t ( db ,
®
2) dan
t t ( db;
2)
db = n-1
1 2 d 0 ® z z
3. 1 2 d 0 x1 x2 d 0
z
(12 / n1 ) ( 22 / n2 )
Jika 1 dan 2
2 2
tidak 1 2 d 0 ®
2 z z
sampel-sampel diketahui ® gunakan s 1
besar 2
dan s2
n1 30 1 2 d 0 ® z z
2 dan
n2 30 z z
2
x1 x2 d 0 1 2 d 0 ® t t
4. 1 2 d 0 t
( s12 / n1 ) (s22 / n2 ) t t
sampel -sampel 1 2 d 0 ®
kecil
n1 < 30 t t ( db ,
2)
n2 < 30
1 2 d 0 ® t t ( db;
dan 2)
db = n1 n2 2
5. Membuat Kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau penolakan
hipotesis nol (Ho)yang sesuai dengan kriteria pengujiaanya. Pembuatan kesimpulan dilakukan
setelah membandingkan nilai uji statistik dengan nilai α tabel atau nilai kritis.
1. Penerimaan Ho terjadi jika nilai uji statistik berada di luar nilai kritisnya.
2. Penolakan Ho terjadi jika nilai uji statistik berada di dalam nilai kritisnya.
Kelima langkah pengujian hipotesis tersebut di atas dapat di ringkas seperti berikut.
Langkah 1 : Menentukan formulasi hipotesis nol (H0) dan hipotesis alternatifnya (Ha)
Langkah 2 : Memilih suatu taraf nyata (α) dan menentukan nilai table.
Contoh 8 :
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 ?
Jawab :
6. Statistik Hitung
x 0 495 500 5
z
/ n = 45 / 100 = 4.5 = -1.11
Daerah penolakan H0 =
ini = = 1%
Daerah penerimaan H0
-2.33 0
b) Coba anda kerjakan sebagai latihan ! ( H1 : 500; Uji 2 arah, /2 = 0.5%, statistik uji=z)
Contoh 9 :
Jawab:
Diketahui : x = 22 s=4 n = 25 0 = 20 = 5%
a) Ditinggalkan sebagai latihan ( H1 : > 20; uji 1 arah, =5%, statistik uji = t, db = 24)
b) 1. H0 : = 20 H1 : 20
5. Titik kritis
db = n-1 = 25-1 = 24
t t ( db , t t ( db;
Titik kritis 2) dan 2)
6. Statistik Hitung
x 0 22 20 2
t
s / n = 4 / 25 = 0.8 = 2.5
Daerah penerimaan H0
-2.064 0 2.064
Contoh 10 :
Berikut adalah data nilai prestasi kerja karyawan yang mendapat training dengan yang tidak
mendapat training.
ukuran sampel n1 = 40 n2 = 30
Jawab : = 5 % d0 = 0
a) 1. H0 : 1 2 = 0 H1 : 1 2 > 0
6. Statistik Hitung
x1 x2 d 0 300 302 0
z 2 2 2
( s12 / n1 ) ( s22 / n2 ) (4 / 40) (4.5 / 30)
= = . 015
01 . 0.25 0.5 = 4
Contoh 11 :
Berikut adalah data kerusakan produk yang dibuat oleh karyawan shift malam dan siang.
rata-rata kerusakan x1 = 20 x2 = 12
ukuran sampel n1 = 13 n2 = 12
Jawab : = 1 % d 0 = 10
( H1 :
1 2 < 10; uji 1 arah, =1%, statistik uji = t, db = 13 + 12 - 2 = 23)
b) 1. H0 : 1 2 = 10 H1 : 1 2 10
5. Titik kritis
db = n1 + n2 - 2 = 13+ 12 - 2 = 23
t t ( db , t t ( db;
Titik kritis 2) dan 2)
6. Statistik Hitung
x1 x2 d 0 20 - 12 10 8 10 2 2
t
( s / n1 ) (s / n2 )
2 2
(3.9 / 13) (0.72 / 12) 0.30 0.06 0.36 0.60
1 2 = = -3.33
DAFTAR PUSTAKA
Babcock, P., & Marks, M. (2010). Leisure College, USA: The Decline in Student Study Time.
Education Outlook, 7.
Badan Pusat Statistik. (2017). Statistik Indonesia dalam Infografis 2017. Jakarta: Badan Pusat
Statistik.
Data Historis USD IDR. (n.d.). Retrieved April 19, 2018, from
https://id.investing.com/currencies/usd-idr-historical-data.