LAPORAN PRAKTIKUM KE-1

METODE STATISTIKA II
“UJI HIPOTESIS”

Oleh:
Nama : Mutiara Ishanifa
NIM : 205090500111011
Asisten : 1. Rana Athaya I. (195090500111035)
2. Izka Ardinavaizura (195090501111028)
3. Nadya Camelia N.Z.(195090501111038)
4. Metasari Ayu P. A. (195090501111054)
5.Inayah Wijaya A. (195090507111052)

PROGRAM STUDI S-1 STATISTIKA

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
2021
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam kehidupan sehari-hari seringkali dihadapkan dengan banyak hal
yang dapat dideskripsikan dalam bentuk data. Informasi data harus
diolah terlebih dahulu menjadi sebuah data yang mudah dibaca dan
dipahami. Ilmu statistika mempelajari tentang cara-cara pengolahan,
analisis, atau pengambilan keputusan dari data. Pengambilan keputusan
tersebut akan melibatkan data-data yang berhubungan dengan masalah
yang hendak diputuskan.
Berkaitan dengan hal itu, diperlukan analisis yang akurat terhadap data
agar segala keputusan yang diambil adalah keputusan yang benar dan
didukung oleh fakta atau tidak. Sebelum melakukan analisis, kita akan
menduga-duga terlebih dahulu terhadap apa yang akan dianalisis.
Pernyataan dugaan atau pernyataan sementara tersebut disebut
hipotesis, sedangkan metode yang digunakan untuk menguji kebenaran
hipotesis tersebut disebut pengujian hipotesis. Pengujian hipotesis
dapat dilakukan berdasarkan rata-rata, varians, dan proporsi. Pengujian
hipotesis dapat berupa pengujian dua arah atau satu arah. Pengujian
hipotesis dua arah dengan hipotesis alternatif tidak sama dengan
parameter yang digunakan. Sedangkan pengujian satu arah merupakan
pengujian hipotesis dengan hipotesis alternatif kurang dari atau lebih
dari parameter yang digunakan. Seluruh pembahasan dalam melakukan
hipotesis akan dibahas dalam laporan ini. Sementara untuk pengujian
hipotesis ini menggunakan software RStudio yang telah berkembang di
dunia statistika dan teruji keakuratannya dalam sebuah pengujian
hipotesis, dan analisis lain di bidang statistika.

1.2 Tujuan
Tujuan yang akan dicapai dalam kegiatan praktikum ini yaitu sebagai
berikut :

1. Untuk memenuhi tugas praktikum Metode Statistika II uji hipotesis

dengan menggunakan perhitungan manual dan software RStudio.
2. Untuk mengetahui pengujian hipotesis dari data dan jenis-jenis uji
hipotesis
3. Mengetahui cara menguji hipotesis menggunakan perangkat lunak
GenStat.
4. Untuk mengetahui perbandingan hasil dari menghitung manual dan
hasil menghitung RStudio.
 BAB II
TINJAUAN PUSTAKA
2.1 Hipotesis
Hipotesis adalah pernyataan atau dugaan mengenai satu atau lebih populasi
yang akan dibuktikan kebenarannya berdasarkan hasil pengamatan
terhadap sampel. Hipotesis statistik adalah suatu anggapan atau pernyataan,
yang mungkin benar atau tidak, mengenai satu populasi atau lebih.
Hipotesis selalu menguji tentang parameter populasi yang melibatkan nilai
tengah, ragam, atau proporsi sukses. Dalam hubungannya dengan
pengujian maka hipotesis dibagi menjadi dua yaitu hipotesis nol (H 0) dan
hipotesis alternatif (H1), yang bersifat saling melengkapi dan H0 selalu
dianggap benar. Artinya bila data sampel mendukung hipotesis nol maka
hipotesis ini diterima dan hipotesis alternatif ditolak. Sebaliknya maka
hipotesis alternatif yang diterima. Sedangkan, pengujian hipotesis adalah
suatu prosedur yang dilakukan dengan tujuan memutuskan apakah
menerima atau menolak hipotesis mengenai parameter populasi. Dalam
pengujian hipotesis, keputusan yang di buat mengandung keputusan benar
atau salah yang menimbulkan risiko. Besar kecilnya risiko dinyatakan
dalam bentuk probabilitas.
2.2 Tingkat Kepercayaan atau Taraf
Tingkat kepercayaan (α ) adalah besarnya toleransi dalam menerima
kesalahan hasil hipotesis terhadap nilai parameter populasinya. Tingkat
kepercayaan dalam bentuk % umumnya sebesar 1%, 5% dan 10%
ditulis 0,01; 0,05; 0,1. Tingkat kepercayaan yang sering digunakan
dalam pengujian statistik adalah 95% atau (1-α ) = 0,95 maka α = 0.05
dan dapat dikurangi sesuai dengan jenis penelitian yang dilakukan.
Besarnya kesalahan disebut sbg daerah kritis pengujian (critical region
of a test) atau daerah penolakan (region of rejection).
1. Uji dua arah
Uji dua arah digunakan saat peneliti tidak memiliki informasi mengenai
arah kecenderungan dari karakteristik populasi yang sedang diamati,
maka tingkat kepercayaan yang digunakan adalah α /2 .
2. Uji satu arah
Uji satu arah digunakan saat peneliti memiliki informasi mengenai arah
kecenderungan dari karakteristik populasi yang sedang diamati, maka
tingkat kepercayaan yang digunakan adalah α .

2.3 Statistik Uji dan Distribusinya

1. Pengujian Hipotesis 1 Populasi
 a. Pengujian hipotesis bagi μ (jika σ 2 diketahui)
 Hipotesis

H0: μ=μ0
H1: μ≠μ0 H1: μ>μ0 H1: μ<μ0

 Statistik Uji
x́−μ 0
Z hit =
σ / √n
Keterangan :
x́ = Rata-rata sampel dari populasi
μ0 = Rata-rata populasi
σ = Simpangan baku populasi
n = Ukuran sampel dari populasi

 Titik Kritis
Titik Kritis Uji Satu Arah:
−z α untuk H0 μ: < 0
z α untuk H0 μ: > 0

Titik Kritis Uji Dua Arah:

−z α dan z α
2 2

 Uji P-value
P( Z> z¿¿ hit ) ¿

 Selang Kepercayaan

σ σ
(
P x́−z α
2 √n
< μ< x́ + z α
2 √n
=1−α
)
b. Pengujian hipotesis bagi μ (jika σ 2 tidak diketahui)
 Hipotesis

H0: μ=μ0
H1: μ≠μ0 H1: μ>μ0 H1: μ<μ0
  Statistik Uji
x́−μ0
t hit =
s/√n
Keterangan :
x́ = Rata-rata sampel dari populasi
μ0 = Rata-rata populasi
s = Simpangan baku sampel
n = Ukuran sampel dari populasi

 Titik Kritis
Titik Kritis Uji Satu Arah:
−t α (n−1)untuk H0 μ: < 0
t α (n−1)untuk H0 μ: > 0

Titik Kritis Uji Dua Arah:

−t α tα
(n−1)dan (n−1)
2 2

 Uji P-value
P(t >t¿ ¿ hit) ¿

 Selang Kepercayaan

s s
(
P x́−t α
2
(n−1) √n
< μ< x́ +t α
2
(n−1 ) )
√n
=1−α

c. Pengujian hipotesis bagi proporsi p

 Hipotesis

H0: p=p0
H1: p≠p0 H1: p>p0 H1: p<p0
 Statis
tik Uji
 ^p − p0
Z hit =
p 0 (1− p0 )
√ n

Keterangan :
^p = Proporsi keberhasilan dari sampel
p0 = Proporsi sukses
1− p0 = Proporsi kegagalan
n = Ukuran sampel dari populasi

 Titik Kritis
Titik Kritis Uji Satu Arah:
−z α untuk H0 μ: < 0
z α untuk H0 μ: > 0

Titik Kritis Uji Dua Arah:

−z α dan z α
2 2
 Uji P-value
P( Z> z¿¿ hit ) ¿
 Selang Kepercayaan

p0 (1−p 0) p (1− p0)

( √
P ^p −z α
2
n
< p< ^p + z α 0
2 √n
=1−α
)
2. Pengujian Hipotesis 2 Populasi
a. Pengujian hipotesis 2 rata-rata populasi berpasanagan
(Dependen)
 Hipotesis

H0: μ1=μ2
H1: μ1≠μ2 H1: μ1>μ2 H1: μ1<μ2
  Statistik Uji
|d́|−μd
|t hit|=
sd 2

n
√ n

∑ di
d́= i=1
n
n

∑ (d i− d́)
sd = i=1
2
n−1

Keterangan :
di = Selisih antara x1i dan x2i
d́ = Rata-rata selisih sampel dari x1i dan x2i
μd = Rata-rata selisih populasi dari x1i dan x2i
sd 2 = Ragam populasi 1 dan 2
n = Ukuran sampel

 Titik Kritis
Titik Kritis Uji Satu Arah:
−t α (n−1)untuk H0 μ: < 0
t α (n−1)untuk H0 μ: > 0

Titik Kritis Uji Dua Arah:

−t α tα
(n−1)dan (n−1)
2 2

 Uji P-value
P(t >t¿ ¿ hit) ¿

 Selang Kepercayaan

sd sd
(
P d́−t α
2
(n−1 ) √ n
< μ d < d́ +t α
2
)
(n−1) √ n
=1−α
 b. Pengujian hipotesis 2 rata-rata populasi dengan ragam
diketahui
 Hipotesis

H0: μ1=μ2
H1: μ1≠μ2 H1: μ1>μ2 H1: μ1<μ2

 Statistik Uji

|x́ 1−x́ 2|−|μ1 −μ 2|

|Z hit|=
σ 1 2 σ 22
√ n1 n2
+

keterangan
x́ 1 , x́ 2 = Rata-rata sampel dari populasi 1 dan 2

μ1 , μ 2 = Rata-rata populasi 1 dan 2

σ 12 , σ 22 = Ragam populasi 1 dan 2

n1 , n2 = Ukuran sampel dari populasi 1 dan 2

 Titik Kritis
Titik Kritis Uji Satu Arah:
−z α untuk H0 μ: < 0
z α untuk H0 μ: > 0

Titik Kritis Uji Dua Arah:

−z α dan z α
2 2

 Uji P-value
P( Z> z¿¿ hit ) ¿

 Selang Kepercayaan

σ 12 σ 22 σ 12 σ 2 2
(
P ( x́ 1− x́ 2 ) −z α
2 √ +
n1 n 2 √
< μ1−μ2 < ( x́ 1− x́ 2 ) + z α
2
+
n1 n2
 c. Pengujian hipotesis 2 rata-rata populasi dengan ragam
tidak diketahui
 Hipotesis

H0: μ1=μ2
H1: μ1≠μ2 H1: μ1>μ2 H1: μ1<μ2

 Uji F
Untuk menentukan apakah ragam dari kedua populasi
sama atau tidak ditentukan dengan melakukan uji F.
Dengan hipotesis :
H0: σ 12=σ 22
H1: σ 12 ≠ σ 22
Jika Fhitung ≤ Ftabel, maka ragam sama
Jika Fhitung ≥ Ftabel, maka ragam tidak sama

S besar 2
F hit =
Skecil 2

a) Ragam sama σ 12=σ 22

 Statistik Uji

|x́ 1−x́ 2|−|μ 1−μ2|

|t hit|=
s gab 2 sgab 2
√ n1
+
n2

( n1−1 ) s 12+ ( n2−1 ) s22

σ gab 2=
n1 +n2−2

db=n1 +n 2−2

Keterangan :
x́ 1 , x́ 2 = Rata-rata sampel dari populasi 1 dan 2
μ1 , μ 2 = Rata-rata populasi 1 dan 2
 s12 , s22 = Ragam populasi 1 dan 2
n1 , n2 = Ukuran sampel dari populasi 1 dan 2

 Titik Kritis
Titik Kritis Uji Satu Arah:
−t α (n−1)untuk H0 μ: < 0
t α (n−1)untuk H0 μ: > 0

Titik Kritis Uji Dua Arah:

−t α tα
(n−1)dan (n−1)
2 2

 Uji P-value
P(t >t¿ ¿ hit) ¿

 Selang Kepercayaan

1 1
(
P ( x́ 1− x́ 2 ) −t α s gab2
(db)
2 √ + < μ −μ < ( x́ − x́ ) +t
n1 n 2 1 2 1 2 α2 (db) ga
s

b) Ragam tidak sama σ 12 ≠ σ 22

 Statistik Uji

|x́ 1−x́ 2|−|μ 1−μ2|

|t hit|=
s12 s 22
√ +
n1 n2
2
( w1 +w 2)
db=
w 12 w 22
+
n 1−1 n2−1
s 12 s22
w 1= w2=
n1 n2
Keterangan :
x́ 1 , x́ 2 = Rata-rata sampel dari populasi 1 dan 2
 μ1 , μ 2 = Rata-rata populasi 1 dan 2

s12 , s22 = Ragam populasi 1 dan 2

n1 , n2 = Ukuran sampel dari populasi 1 dan 2

 Titik Kritis
Titik Kritis Uji Satu Arah:
−t α (n−1)untuk H0 μ: < 0
t α (n−1)untuk H0 μ: > 0

Titik Kritis Uji Dua Arah:

−t α tα
(n−1)dan (n−1)
2 2
 Uji P-value
P(t >t¿ ¿ hit) ¿

 Selang Kepercayaan

s12 s22 s 12
(
P ( x́ 1− x́ 2 ) −t α
2
(db) √ + < μ 1−μ2 < ( x́ 1− x́ 2 ) +t α
n1 n2 2 √
(db) n1
+

2.4 Keputusan dan Kesimpulan

Keputusan dan kesimpulan yang akan diambil berdasarkan statistik uji,
titik kritis, P-value, dan selang kepercayaan yang telah dihitung.
1. Berdasarkan statistik uji dengan titik kritis
Tolak H0 jika statistika uji > titik kritis
2. Berdasarkan P-value dengan α
Tolak H0 jika P-value < α
3. Berdasarkan selang kepercayaan
Tolak H0 jika nilai yang dihipotesiskan tidak berada dalam selang
kepercayaan.
4. Berdasarkan kurva sebaran
Daerah penolakan berdasarkan sebaran Z
Daerah penolakan berdasarkan sebaran t
 BAB III
METODOLOGI
Langkah-langkah untuk pengujian hipotesis dengan menggunakan
program RStudio adalah sebagai berikut :
1. Buka aplikasi RStudio dengan meng-klik ikon RStudio pada desktop

2. Pilih File → New File → R Script.

3. Input syntax yang akan digunakan

4. Kemudian memblok seluruh syntax dan klik run

5. Kemudian muncul output

 BAB IV
HASIL DAN PEMBAHASAN
4.1 Soal
1. Tinggi rata-rata mahasiswi statistika di suatu perguruan tinggi
adalah 162.5 cm dengan simpangan baku 6.1 cm. Apakah ada
alasan untuk mempercayai bahwa telah terjadi perubahan dalam
tinggi rata-rata, bila suatu contoh acak 50 mahasiswi statistika
mempunyai tinggi rata-rata 165.2 cm? Gunakan taraf nyata 0.02.
2. Di suatu perguruan tinggi diduga kurang dari 35% mahasiswa
merupakan anak sulung. Apakah dugaan di atas dapat diterima bila
ternyata di antara 90 mahasiswa yang diambil secara acak terdapat
28 orang yang merupakan anak sulung? Gunakan taraf nyata 0.04.
3. Data di bawah ini menunjukkan masa putar film (dalam menit)
yang diproduksi dua perusahaan film yang berbeda:
Perusahaa 102 85 98 109 92
n1
Perusahaa 82 160 99 135 94 87 124
n2
Ujilah hipotesis bahwa masa putar rata-rata film yang diproduksi
perusahaan 2 melebih masa putar rata-rata film perusahaan 1 sebesar
11 menit. Gunakan taraf nyata 0.05.
4.2 Pembahasan
A. Manual

1. Diketahui
μ0=162,5
σ = 6,1
n = 50
x́ =165,2

Rumusan Hipotesis :
H 0 :μ =162,5
H 1 : μ ≠162,5
 α
Taraf yang digunakan adalah α =0,02 dan = 0,01
2
Statistik uji :
162,5−165,2
x́−μ 0 2,7
Z hit = = 6,1 = = 3,1298
σ / √n 0,86267
√ 50
Zt abel= Z a = Z 0,01= 2,326
2
Karena Z hit > Z 0,01 atau 3,1298>2,326 maka H 0ditolak.

Uji P-value :
2×P(Z > 3,1298) = 0,001749
Karena P-value <a atau 0,001749 < 0,02 maka H 0ditolak.

Selang kepercayaan :
Untuk uji dua arah maka menghitung batas atas dan batas bawah
selang. Dengan taraf nyata α =0,02.

σ σ
(
P x́−z α
2 √n
< μ< x́ + z α
2 √n
)
=1−α

6,1 6,1
(
P 165,2−z0.01
√ 50
< μ<165,2+ z 0.01 )
√50
=0,98

P ( 165,2−(2,3263)( 0,8627)< μ<165,2+(2,3263)(0,8627) )=0,98

P ( 165,2−2,0069< μ<165,2+2,0069 )=0,98
P ( 163,1931< μ< 167,2069 )=0,98
Karena μ0tidak berada diantara batas, maka H0 ditolak.
Interpretasi : Sehingga dapat disimpulkan, dengan tingkat kepercayaan
98% untuk menyatakan bahwa rata-rata tinggi mahasiswi statistika
tidak sama dengan 162,5.
2. Diketahui :
p0 = 0,35
x 28
^p = = = 0,311
n 90
n = 90
α = 0,04
 Rumusan hipotesis :
H 0 : p = 0,35
H 1 : p < 0,35

Taraf yang digunakan adalah α =0,04

Statistik uji :

^p − p0 0,311−0,35
Z hit = −0,039
p 0 (1− p0 ) = (0,35)( 0,65) = 0,050277 = −0,7757
√ n √ 90

Ztabel = Z α= Z 0,04= 1,75

Karena Z hit < Z 0,04 atau -0,7757 < 1,75 maka H 0diterima.

Uji P-value :
P(Z > - 0,7757) = 0,78104
Karena P-value > α atau 0,78104 > 0,04 maka H0 diterima.

Selang kepercayaan :
Untuk uji satu arah maka menghitung batas atas selang. Dengan
taraf nyata α =0,04.

p0 (1− p0 )
(
P p< ^p + z α
√ n )
=1−α

(
P p<0,311 + z 0,04
√ (0,35)(0,65)
90 )
=0,96

P ( p <0,311+(1,75)( 0,0503) ) =0,96

P ( p< 0,311+0,086 )=0,96

P ( p< 0,399 )=0,96

Karena p0 berada di dalam selang, maka H0 diterima.
Interpretasi : Sehingga dapat disimpulkan, dengan tingkat kepercayaan
96% untuk menyatakan bahwa mahasiswa yang merupakan anak
sulung di perguruan tinggi tidak kurang dari 35%.
3. Diketahui :
n

x́ 1 =
∑ xi 1 = 486 = 97,2
i=1
5
n1
n
xi 2 781
x́ 2 = ∑
i=1 = = 111,57
7
n2
n

2 ∑ ( x i 1−x́ 1)2 338,2

s1 = i=1 = = 84,7
4
n1 −1
n

2 ∑ ( x i 2−x́ 2)2 4993,72

s =
2 i=1 = =832,3
6
n2 −1
n1=5
n2 =7
α =0,05
α
= 0,025
2

Rumusan hipotesis :

H 0 :μ 1−μ2= -11
H 1 : μ 1−μ2< - 11

Statistik Uji F :

S besar 2 832,3
F hit = 2 = = 9,826
Skecil 84,7

F α (n −1 , n )= F 0,05(4,6 ) = 4,53
1 2−1
 Karena F hit> F 0,05(4,6 ) atau 9,826 > 4,53 maka ragam kedua
populasi tidak sama.

Statistik uji :

( x́1 −x́2 ) −( μ1−μ2 ) ( 97,2−111,57 )−(−11)

t hit = −3,37
2 2
s s = 84,7 832,3 = =

-0,289
√ 1
+
n1 n2
2
√ 5
+
7
11,655

s 12 84,7
w 1= = = 16,94
n1 5
s 22 832,3
w 2= = = 118,9
n2 7
2
( w1 +w 2) ( 16,94+ 118,9 )2
db= 2 2
w 12 w 2 = ( 16,94 ) ( 118,9 ) = 7,5995≈8
+ 2 +
n 1−1 n2−1 4 6
t α (db)= t 0,05(8)=1,86
Karena t hit < t 0,025(8) atau -0,289 < 1,86 maka H0 diterima.

Uji P- value :
P(t >−0,289) = 0,389
Karena P-value > α atau 0,389 > 0,05 maka H0 diterima.

Selang Kepercayaan:

s12 s22
(
P μ1 −μ 2< ( x́1 −x́2 ) + t α (db)
√ ) +
n1 n2
=1−α

84,7 832,3
(
P μ1 −μ 2< ( 97,2−111,57 ) +t 0,05 (8 )
√ 5
+
7 )
=0,95

P ( μ1−μ2 <−14,37+(1,86)(11,655) ) =0,95

P ( μ1−μ2 <−14,37+ 26,876 )=0,95

P ( μ1−μ2 <12,50643 ) =0,95

Karena μ1−μ 2=−11 berada diantara batas, maka H0 diterima.

Interpretasi : Sehingga dapat disimpulkan, dengan tingkat kepercayaan
95% untuk menyatakan bahwa masa putar rata-rata film yang
diproduksi perusahaan 2 melebih masa putar rata-rata film perusahaan
1 adalah sebesar 11 menit.

B. Output RStudio
1. One-sample z-Test

data: Summarized x
z = 3.1298, p-value = 0.001749
alternative hypothesis: true mean is not equal to 162.5
98 percent confidence interval:
163.1931 167.2069
sample estimates:
mean of x
165.2

Z > Z0,01 atau 3,1298 > 2,326 maka H0 ditolak.

P-value <a atau 0,001749 < 0,02 maka H 0ditolak.
98 percent confidence interval :
163,1931 167,2069
Karena mean of x tidak berada di antara batas, maka H 0 ditolak.

Interpretasi : Sehingga dapat disimpulkan, dengan tingkat

kepercayaan 98% untuk menyatakan bahwa rata-rata tinggi
mahasiswi statistika tidak sama dengan 162,5.

2. 1-sample proportions test with continuity correction

data: 28 out of 90, null probability 0.35

X-squared = 0.43956, df = 1, p-value = 0.2537
alternative hypothesis: true p is less than 0.35
 96 percent confidence interval:
0.0000000 0.4073376
sample estimates:
p
0.3111111

χ 2hit < χ 20,04 (1 ) atau 0,43956 < 4,21788 maka H0 diterima.

P-value > α atau 0,2537 > 0,04 maka H0 diterima.
96 percent confidence interval:
0,0000000 0,4073376
Karena null probability 0.35 berada diantara batas, maka H 0
diterima
Interpretasi : Sehingga dapat disimpulkan, dengan tingkat
kepercayaan 96% untuk menyatakan bahwa mahasiswa yang
merupakan anak sulung di perguruan tinggi tidak kurang dari 35%.

3. Uji F
H 0 :σ 12=σ 22
H 1 : σ 12 ≠ σ 22
Output :
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 1 2.5581 0.1408
10
Karena Pr(>F) > α atau 0,1408 > 0,05 maka terima H0 yaitu kedua
ragam sama.

Output :
Two Sample t-test

data: Perusahaan1 and Perusahaan2

t = -0.24934, df = 10, p-value = 0.4041
alternative hypothesis: true difference in means is less than -11
95 percent confidence interval:
-Inf 10.13564
sample estimates:
mean of x mean of y
97.2000 111.5714
 t < t 0,05 (8) atau -0.24934 < 1.86 maka H0 diterima.
p-value > α atau 0.4041 > 0.05 maka H0 diterima.
95 percent confidence interval:
-Inf 10.13564
Karena μ1−μ 2=−11 berada diantara batas, maka H0 diterima.

Interpretasi : Sehingga dapat disimpulkan, dengan tingkat

kepercayaan 95% untuk menyatakan bahwa masa putar rata-rata
film yang diproduksi perusahaan 2 melebih masa putar rata-rata
film perusahaan 1 adalah sebesar 11 menit.

4.3 Perbandingan Hasil Hitung Manual dengan Hasil RStudio

N Perbandinga Hasil Hitung Hasil Output
o n Manual RStudio
1. Statistik Uji Z hit > Z 0,01 atau Z > Z 0,01atau 3,1298
3,1298 > 2,326 maka > 2,326 maka H0
H 0ditolak ditolak

P-Value P-value <a atau P-value <a atau

0,001749 < 0,02 0,001749 < 0,02
maka H 0ditolak maka H 0ditolak

Selang 98 percent
Kepercayaan confidence interval:
163,1931< μ<167,2069
Karena μ0tidak 163,1931 167,2069
berada diantara Karena mean of x
batas, maka H0 tidak berada diantara
ditolak batas, maka H0
ditolak
2. Statistik Uji Z hit < Z 0,04 atau χ 2hit < χ 20,04 (1 ) atau
-0,7757 < 1,75 maka 0,43956 < 4,21788
H 0diterima maka H0 diterima
P-Value P-value > α atau P-value > α atau
0,78104 > 0,04 maka 0,2537 > 0,04 maka
H0 diterima H0 diterima
Selang p<0,399 Karena p0 96 percent
 Kepercayaan confidence interval:
0,0000000 0,4073376
berada di dalam
selang, maka H0 Karena null
diterima probability 0.35
berada diantara batas,
maka H0 diterima
3. Uji F F hit> F 0,025(4,6) atau Pr(>F) > α atau
9,826 > 6,22 maka 0,1408 > 0,05 maka
kedua ragam kedua ragam populasi
populasi tidak sama sama

Statistik Uji |t hit|< t 0,05(8) atau t < t 0,05 (8) atau

1,23 < 1,86 maka H0 -0.24934 < 1.86
diterima maka H0 diterima
P-Value P-value > α atau p-value > α atau
0,389 > 0,05 maka 0.4041 > 0.05 maka
H0 diterima H0 diterima
Selang μ1−μ 2<12,50643 95 percent
Kepercayaan confidence interval:
Karena
μ1−μ 2=−11 berada -Inf 10.13564
diantara batas, maka Karena μ −μ =−11
1 2
H0 diterima
berada diantara batas,
maka H0 diterima

4.4 Source code dan pembahasan

No Source code Pembahasan
1 install.packages("BSDA") Menginstall packages BSDA pada
RStudio
library("BSDA") Mengaktifkan packages untuk
agar tersimpan ke file BSDA
zsum.test(mean.x=165.2, Melakukan uji z asumsi dengan x́
sigma.x=6.1, n.x=50, =165,2;σ = 6,1; μ0=162,5;n = 50
alternative="two.sided",
 mu=162.5,
conf.level=0.98)
2 install.packages("Teachin Menginstall packages Teaching
gDemos") Demos pada RStudio
library(TeachingDemos) Mengaktifkan packages untuk
agar tersimpan ke file Teaching
Demos
prop.test(x=28, n=90, Melakukan uji proporsi dengan p
p=0.35, = 0,35;n = 90;α = 0,04
alternative="less",
conf.level=0.96)
3 install.packages("car") Menginstall packages car pada
RStudio
library(car) Mengaktifkan packages untuk
agar tersimpan ke file car
perusahaan<-c(rep(1,5), Menginput data durasi film pada
rep(2,7)) perusahaan 1 dan 2 ke dalam
Rstudio
durasi<-
c(102,85,98,109,92,82,16
0,99,135,94,87,124)

leveneTest(durasi,as.facto Menghitung uji levene untuk

r(perusahaan)) homogenitas varian di seluruh
kelompok
install.packages("Teachin Menginstall packages Teaching
gDemos") Demos pada RStudio
Mengaktifkan packages untuk
library(TeachingDemos) agar tersimpan ke file Teaching
Demos
Perusahaan1<- Menginput data perusahaan 1 ke
c(102,85,98,109,92) dalam RStudio
Perusahaan2<- Menginput data perusahaan 2 ke
c(82,160,99,135,94,87,12 dalam RStudio
4)

Melakukan uji t asumsi dengan x

t.test(x=Perusahaan1, = Perusahaan1, y = Perusahaan2,
y=Perusahaan2, alternative = kurang dari,
alternative="less", var.equel = true karena ragam
paired=FALSE, sama, α =0,05, dan μ1−μ 2= -11
var.equal=TRUE,
conf.level=0.95,mu=-11)
 BAB V
PENUTUP
5.1 Kesimpulan
Dari praktikum uji hipotesis menggunakan perhitungan manual dan
menggunakan software RStudio didapatkan perbandingan sebagai
berikut :
N Perbandinga Perhitungan Hasil Output
o n Manual RStudio
1. Statistik Uji Z hit > Z 0,01 atau z > Z0,01 atau 3,1298
3,1298 > 2,326 maka > 2,326 maka H0
H 0ditolak ditolak

P-Value P-value <a atau P-value <a atau

0,001749 < 0,02 0,001749 < 0,02
maka H 0ditolak maka H 0ditolak

Selang 98 percent
Kepercayaan confidence interval:
163,1931< μ<167,2069
163,1931 167,2069
Karena μ0tidak
Karena mean of x
berada diantara tidak berada diantara
batas, maka H0 batas, maka H0
ditolak ditolak

2. Statistik Uji Z hit < Z 0,04 atau χ 2hit < χ 20,04 (1 ) atau
-0,7757 < 1,75 maka 0,43956 < 4,21788
H 0diterima maka H0 diterima
P-Value P-value > α atau P-value > α atau
0,78104 > 0,04 maka 0,2537 > 0,04 maka
H0 diterima H0 diterima
Selang p<0,399 Karena p0 96 percent
Kepercayaan berada di dalam confidence interval:
selang, maka H0
0,0000000 0,4073376
diterima
 Karena null
probability 0.35
berada diantara batas,
maka H0 diterima
3. Uji F F hit> F 0,025(4,6) atau Pr(>F) > α atau
9,826 > 6,22 maka 0,1408 > 0,05 maka
kedua ragam kedua ragam populasi
populasi tidak sama sama

Statistik Uji |t hit|< t 0,05(8) atau t < t 0,05 (8) atau

1,23 < 1,86 maka H0 -0.24934 < 1.86
diterima maka H0 diterima

P-Value P-value > α atau p-value > α atau

0,389 > 0,05 maka 0.4041 > 0.05 maka
H0 diterima H0 diterima
Selang μ1−μ 2<12,50643 95 percent
Kepercayaan confidence interval:
Karena
μ1−μ 2=−11 berada -Inf 10.13564
diantara batas, maka Karena μ −μ =−11
1 2
H0 diterima
berada diantara batas,
maka H0 diterima

Jadi, dapat disimpulkan bahwa perhitungan manual dan menggunakan

software RStudio memiliki hasil uji hipotesis yang sama. Namun,
terdapat beberapa perbedaan rumus antara perhitungan manual dan
menggunakan software RStudio yang mengakibatkan hasil hitung dan
output RStudio berbeda tetapi memiliki kesimpulan yang sama.

5.2 Saran
Software RStudio sangat membantu dalam pengujian hipotesis menjadi
lebih mudah untuk digunakan para statistisi. terdapat beberapa
perbedaan rumus antara perhitungan manual dan menggunakan
software RStudio yang mengakibatkan hasil hitung dan output RStudio
berbeda, tetapi memiliki kesimpulan yang sama. Para pengguna
RStudio disarankan untuk meneliti kembali syntax yang akan diinput
karena kesalahan dalam penulisan syntax dapat mengakibatkan
RStudio error dan kekeliruan dalam pengambilan keputusan. Selain itu,
perhitungan manual juga membutuhkan ketelitian agar tidak terjadi
kesalahan saat pengambilan keputusan. Jadi, sebaiknya saat mengolah
data lebih baik menggunakan software RStudio daripada menghitung
manual karena jika menggunakan software RStudio lebih mudah
daripada hitungan manual yang membutuhkan waktu cukup lama dan
ketelitian. Untuk meminimalisir kesalahan dapat dilakukan re-checking
pada syntax yang sudah di input.
 DAFTAR PUSTAKA
Supranto, J. 1981. Statistik Teori dan Aplikasi. Jakarta: Erlangga.

Walpole, Ronald E. 1988. Pengantar Statistika. Jakarta: Gramedia Pustaka

Utama.

Yitnosumarto, Suntoyo.1990. Dasar-Dasar Statistika. Jakarta: Rajawali

Press.
 LAMPIRAN
Input :
install.packages("BSDA")
library("BSDA")
zsum.test(mean.x=165.2, sigma.x=6.1, n.x=50, alternative="two.sided",
mu=162.5, conf.level=0.98)

install.packages("TeachingDemos")
library(TeachingDemos)
prop.test(x=28, n=90, p=0.35, alternative="less", conf.level=0.96)

install.packages("car")
library(car)
perusahaan<-c(rep(1,5), rep(2,7))
durasi<-c(102,85,98,109,92,82,160,99,135,94,87,124)
leveneTest(durasi,as.factor(perusahaan))

install.packages("TeachingDemos")
library(TeachingDemos)
Perusahaan1<-c(102,85,98,109,92)
Perusahaan2<-c(82,160,99,135,94,87,124)
t.test(x=Perusahaan1, y=Perusahaan2, alternative="less", paired=FALSE,
var.equal=TRUE, conf.level=0.95,mu=-11)
Output :
One-sample z-Test

data: Summarized x
z = 3.1298, p-value = 0.001749
alternative hypothesis: true mean is not equal to 162.5
98 percent confidence interval:
163.1931 167.2069
sample estimates:
mean of x
165.2

1-sample proportions test with continuity correction

data: 28 out of 90, null probability 0.35

X-squared = 0.43956, df = 1, p-value = 0.2537
alternative hypothesis: true p is less than 0.35
96 percent confidence interval:
0.0000000 0.4073376
sample estimates:
p
0.3111111

Levene's Test for Homogeneity of Variance (center = median)

Df F value Pr(>F)
group 1 2.5581 0.1408
10

Two Sample t-test

data: Perusahaan1 and Perusahaan2
t = -0.24934, df = 10, p-value = 0.4041
alternative hypothesis: true difference in means is less than -11
95 percent confidence interval:
-Inf 10.13564
sample estimates:
mean of x mean of y
97.2000 111.5714