dan hasil uji sama dengan nol. Sedangkan apabila terjadi perbedaan antara nilai
yang dihipotesiskan dengan nilai hasil pengamatan, maka ini berarti nilainya tidak
sama dengan nol atau berbeda. Oleh karena itulah dalam perumusan hipotesis
akan disebut dengan Hipotesis Nol (Ho) dan lawannya disebut Hipotesis Satu
(H1) atau (Ha) yang disebut juga dengan hipotesis alternatif.
bahwa pendapatan petani minimal atau paling sedikit atau lebilh besar dari atau
sama dengan Rp 1,5 juta. Ini berarti lawan dari pernyataan tersebut adalah
lebih kecil dari, yang merupakan pernyataan untuk hipotesis alternatifnya.
Dari tabel di atas terlihat bahwa, "keputusan benar tipe A" yaitu apabila
hipotesis nol benar dan kita putuskan untuk menerimanya. "Keputusan benar tipe
B" adalah apabila hipotesis nol salah dan kita putuskan untuk menolaknya.
"Kesalahan tipe 1" adalah apabila hipotesis nol benar dan kita putuskan
menolaknya, sedangkan "Kesalahan tipe 11" adalah apabila hipotesis nol salah
dan kita putuskan menerimanya.
Suatu keputusan yang kita buat sebaiknya selalu keputusan yang benar.
Akan tetapi, secara statistik hal tersebut tidak mungkin karena keputusan yang
kita buat berdasarkan informasi yang berasal dari sampel. Terdapat beberapa
Jurusan Sosial Ekonomi Pertanian
Fakultas Pertanian Universitas Sriwijaya
Diktat Mata Kuliah Statistik Bidang Sosek (PPK 342) 5
0 Zα Z -Z α / 2 + Zα / 2 Z
wilayah kritis u_ji satu arah wilayah kritis uji dua arah
4. Penentuan nilai uji statistika
Setelah kreteria uji ditentukan, langkah selanjutnya mencari nilai uji
statistikanya. Nilai uji statistika ini sering juga disebut nilai uji statistika hitung.
Langkah keempat ini merupakan lanjutan dari point pertama dari langkah ketiga,
Jurusan Sosial Ekonomi Pertanian
Fakultas Pertanian Universitas Sriwijaya
Diktat Mata Kuliah Statistik Bidang Sosek (PPK 342) 7
yaitu apabila telah diketahui statistik ujinya, maka tinggal melakukan perhitungan
untuk mendapatkan nilai uji statistikanya. Misalkan dari contoh kasus di atas
statistik uji yang digunakan adalah uji z, maka rumus uji z adalah sebagai berikut
χ −µ
Ζ=
σ/ n
Hasil pcrhitungan yang mendapatkan nilai z inilah yang disebut nilai uji
statistika. Nilai ini kemudian dibandingkan dengan nilai z tabel pada tingkat
kepercayaan tertentu untuk menentukan menolak atau menerima hipotesis
nol. Pada bab berikut akan lebih banyak dibahas mengenai nilai uji statistika
ini.
Contoh: 1
Seorang peneliti ingin mcmbuktikan pernyataan Menteri Pertanian
bahwa, harga dasar gabah yang berlaku sekarang telah dapat dinikmati petani
apabila dibandingkan dengan harga pokoknya. Secara lebih spesifik, peneliti
tersebut ingin menguji pernyataan menteri apakah harga pokok rata-rata
untuk menghasilkan gabah dalam bentuk Gabah Kering Panen (GKP) masih
Icbih rendah dibandingkan dengan harga dasar gabah ratarata sebesar Rp
1100 per kilogram GKP sekarang. Tentukan hipotesis nol dan alternatifnya.
Jawab:
Untuk membentuk hipotesis, pcrtama-tama kita perlu mengidentifikasi
parameter populasi dalam pernyataan tersebut dan nilai yang akan
dibandingkan. "Harga pokok gabah rata-rata" adalah parameter populasi yaitu
µ dan "Rp 1100 per kilogram" adalah nilai spesifik yang akan dibandingkan.
Peneliti tersebut ingin mengetahui berapa besar harga pokok gabah yang
sebenarnya di lapangan. Ini berarti berhubungan dengan nilai Rp 1100
sebagai pembanding. Oleh karena itu terdapat tiga kemungkinan tanda untuk
hipotesis nol dan alternatifnya, yaitu :(1) µ >1100, (2) µ < 1100 dan
(3) µ = 1100. Ketiga pernyataan tersebut mesti diseleksi menjadi dua, satu
pernyataan yaitu "apa yang ingin peneliti itu tunjukkan dari pernyataan menteri
pertanian" dan satu lainnya adalah lawannya. Alternatif I ( µ < 1100)
C. Latihan Soal:
l. Prosedur uji hipotesis memiliki banyak kesamaan dengan prosedur
pada pengadilan. Hipotesis Nol menyatakan bahwa "tertuduh adalah tidak
bersalah" yang akan diuji.
a. Deskripsikan situasi pada masing-masing empat kemungkinan yang
dihasilkan akibat dari keputusan menolak atau menerima hipotesis nol
b. Jika tertuduh dibebaskan, apakah ini "bukti" bahwa ia tidak bersalah '?
c. Jika tertuduh terbukti bersalah, apakah ini "bukti" ia bersalah ?
Jawab :
Ho : Tertuduh tidak bersalah.
Ha : Tertuduh bersalah
a. Empat kemungkinan akibat dari keputusan menolak atau menerima
Ho.
b. Ya
c. Ya
2. Jika nilai µ dan β dapat dikontrol secara statistik, maka tentukan mana
pasangan probabilitas yang akan digunakan jika anda akan melakukan terjun
payung
a. α = 0,001 dan β = 0, 10
b. α = 0,05 dan β = 0,05
c. α = 0,10 dan β = 0,001 .
Jawab :
Ho : Penerjun payung akan terjun dengan selamat
Ha : Penerjun payung tidak akan terjun dengan selamat
Kesalahan type 1 : Penerjun selamat dikatakan tidak selamat
Kesalahan type 2 : Penerjun payung tidak selamat dikatakan selamat
Kesalahan yang fatal adalah kesalahan type 2, oleh karena itu probabilitas
β sebaiknya lebih kecil dari probabilitas α.
Jadi jawaban yang tepat adalah c. α = 0,10 dan β = 0,001
3. Rumuskan Hipotesis Nol dan Hipotesis Alternatif dari pernyataan berikut:
a. Rata-rata produktivitas padi sawah di Sumatera Selatan tidak lebih dari
5 ton/ha
α = 0,05
d. Ho : µ = 35
H1 : µ # 35
α = 0,05
e. Ho : µ = 14,6
H1 : µ # 14,6
α = 0,02
Jawab :
a. Ho : µ = 20
Ha : µ ≠ 20
α = 0,10
b. Ho : µ =24
Ha : µ > 24
α = 0,10
α =0,01
0 Z(0,01) =2,33
Z ≥ 2,33
c. Ho : µ = 10,5
Ha : µ = 10,5
α = 0,05
α =0,05
Z0,05 = -1,645
Z ≤ -1,645
d. Ho : µ = 35
Ha : µ ≠ 35
α = 0,001
α/2 =0,0005
-3,27 0 3,27
Z ≤ -3,27 Z ≥ 3,27
e. Ho : µ = 14,6
Ha : µ ≠ 14,6
α = 0,02
Zα = - 0,5195 0
_ 2
⎛ ⎞
∑⎜ χi − χ ⎟
4. σ = ⎝ ⎠
n −1
_
n = 21 χ = 3,052
σ = 0,32
_
χ − µ 3,05 − 3,2 − 0,15
Z= = = = −2,14
σ / n 0,32 / 21 0,07
Zhit < Ztabel = terima Ho
Kesimpulan : Pendapatan petani lebih besar dari pada pendapatan minimum
kehidupan di desa.
x −µ
t=
s/ n
Dimana :
x : adalah nilai rata-rata sample
µ : adalah rata-rata populasi
s : adalah simpangan baku
n : jumlah sample
Sifar-sifat sebaran t :
1. Terdistribusi dengan nilai tengan 0
2. Terdistribusi secaa simetris sekitar nilai tengahnya.
3. Terdistribusi dengan ragam > dari 1 akan tetapi bila jumlah contoh
diperbesar maka ragam akan bergerak mendekati nilai 1.
4. memiliki puncak yang tidak mencapai maksimum, dan ekor yanglebih
landai bila dibandingkan dengan sebaran normal.
5. Terdistribusi dalam suatu bentuk tertentu yang berada untuk setiap ukuran
contoh. Akan tetapi mendekati sebaran normal dengan berambahnya
ukuran contoh/ Sampel
Gambar sebaran t :
Sebaran normal
Sebaran t, n= 2
α = 0,05
0 t (10.0,05) = 1,81
Jurusan Sosial Ekonomi Pertanian
Fakultas Pertanian Universitas Sriwijaya
Diktat Mata Kuliah Statistik Bidang Sosek (PPK 342) 17
Contoh :
Berdasarkan informasi dari dinas tanaman pangan dan holtikultura pemerintah
propinsi Sumsel, produksi padi lahan pasang surut 4,5 ton per ha per musim.
Untuk membuktikan kebenaran data diatas, seorang peneliti menanyaisecara acak
30 orang petani padi dilahan pasang surut tentang produksi yang mereka hasilkan.
Dari 30 sampel diperoleh data rata-rata produksi padi 3,975 ton per ha dengan
simpangan baku 2,87 ton per ha. Berdasarkan data temuan penelitian tersebut
benarkah informasi dari dinas tanaman pangan dan holtikultura tersebut pada α =
0,10.
Jawab :
Diketahui : α = 0,10 x = 3,975
s = 2,87 n = 30
Hipotesis :
1. Ho : µ = 4,5
2. Ha : µ ≠ 4,5
3. α = 0,10. Karena uji 2 arah, maka untuk menentukan wilayah kritisnya,
nilai tingkat kepercayaan nya dibagi. Sehingga nilai α menjadi 0,05 di ekor
kiri dan 0,05 di ekor kanan. Selanjutnya, berdasarkan tabel t diperoleh
nilai t (29. 0,05) = ± 1,70 atau bila di gambar dalam bentuk nilai kritis
sebagai berikut :
α/2 = 0,05
α/2 = 0,05
x −µ 3,975 − 4,5
4. t = = = -1
s/ n 2,87 / 30
-1,70 -1 0 1,70 t
5. Kesimpulan : karena nilai t hitung berada pada wilayah penerimaan, maka
diputuskan untuk terima H0, artinya produksi rata-rata didaerah tersebut
sebesar 4,5ton/Ha.
B. Analisa Proporsi
Uji proporsi digunakan untuk kasus yang menyangkut data dalam bentuk
presentase. Proporsi atau prosentase populasi atau probabilitas yang berhubungan
dengan munculnya suatu kejadian, semua tercakup dalam parameter binomial P. P
adalah peluang (probabilitas) populasi untuk sukses pada suatu percobaan tunggal
dalam percobaan binomial. Variabel random x adalah jumlah sukses yang terjadi
dalam suatu himpunan percobaan (n), sedangkan p’ didefinisikan sebagai
probabilitas dari parameter binomial, maka dapat diketahui bahwa :
1. µ = n.p
2. σ= n. p.q
3. q = 1-p
4. p’ = x / n dimana x adalah jumlah sukses dalam suatu himpunan
percobaan
5. σ p = npq n = npqn 2 = pq n
'
Distribusi x dianggap mendekati normal apabila jumlah sampel (n) lebih dari 20
dan juka nilai np dan nq masing-masing lebih dari 5.
Contoh :
Petani di suatu desa menyatakan bahwa paling sedikit 15% petani di desa mereka
tidak menggunakan pupuk berimbang dalam menjalankan kegiatan usahatani.
Untuk mencek kebenaran berita tersebut seorang peneliti mewawancarai 200
orang petani. Hasilnya 17 orang dari mereka memang tidak menggunakan pupuk
berimbang. Apakah kenyataan ini sudah cukup kuat untuk menolak pernyataaan
tersebut ? gunakan α = 0,10.
Jawab :
1. H0 : p = 0,15 (atau p > 0,15)
2. Ha : p < 0,15
3. α : 0,10
Z0,10 = 1,28.
Karena arah penolakan hipotesis adalah di ekor kiri (tanda < pada hipotesis
alternatif). Maka nilai z menjadi -1,28. wilayah dan nilai kritisnya dapat
digambarkan berikut ini.
α : 0,10
-z0,10=-1,28 0 z
x 17
4. p' = = = 0,085
n 200
q = 1-p
= 1- 0,15
= 0,85
maka :
p'− p 0,085 − 0,15
Z= = = −2,60
pq / n (0,15)(0,85)
200
-2,6 -1,28 0 z
tersebut tinggi, maka bibit yang dihasilkan juga akan beragam umurnya, yang
pada akhirnya akan mempengaruhi keseragaman umur tanaman kelapa sawit
dilapangan. Oleh karena itu keseragaman dormansi benih harus dikontrol agar
dihasilkan ragam yang sekecil mungkin.
Untuk melakukan analisis tentang ragam atau standar deviasi ini, maka
pendekatan yang akan dilakukan dengan menggunakan sebaran Chi-kuadrat (λ2).
Uji statistik yang dilakukan adalah sebagai berikut :
χ2 =
(n − 1)s 2
σ2
Dimana : s2 = ragam contoh
n = jumlah contoh
σ2 = ragam populasi yang dinyatakan dalam H0
db = n-1
Sifat-sifat sebaran Chi-kuadrat :
1. Tidak bernilai negatif, melainkan nol atau diatas nol
2. Tidak simetris melainkan condong kekanan
3. berbeda-beda untuk setiap nilai derajat bebas, dimana db = n-1
Berikut ini digambarkan beberapa sebaran Chi-kuadrat
Db = 1
Db = 4
Db = 10
Db = 20
0
∞ → λ2
Nilai kritis Chi-kuadrat diperoleh dari Tabel Chi-kuadrat (Lampiran). Nilai
kritis akan diidentifikasi dengan dua nilai, yaitu derajat bebas (db) dan wilayah
dibawah kurva (ekor dikiri maupun kanan). Lambang yang digunakan untuk
Jurusan Sosial Ekonomi Pertanian
Fakultas Pertanian Universitas Sriwijaya
Diktat Mata Kuliah Statistik Bidang Sosek (PPK 342) 22
mengindentifikasi nilai kritis Chi-kuadrat adalah λ2 (db, α), yang berarti nilai
kritis Chi-kuadrat dengan db derajat bebas dan α merupakan wilayah diekor
kanan, seperti ditunjukkan pada gambar berikut.
Sebaran Chi-kuadrat
Cara menentukan nilai kritis dan wilayah kritis pada sebaran Chi kiuadrat sebagai
berikut :
Misal, untuk mencari nilai kritis pada ekor kanan, cara nilai kritis dari λ2
(20. 0,05)
Jawab :
Pada Tabel Chi kuadrat akan dijumpai nilai kritis tersebut λ2 (20. 0,05) = 31,4
yang diperoleh dari tabel sebagai berikut :
Db α
...... 0,050 .......
.
.
.
20 31,4
.
.
Untuk niali kritis di ekor kiri, carai nilai kritis dari λ2 (14. 0,90).
Jawab: Pada Tabel Chi Kuadrat akan dijumpai nilai kritis untuk λ2 (14. 0,90) =
7,79 yang diperoleh dari tabel sebagai berikut :
Db α
...... 0,90 .......
.
.
.
14 7,79
.
.
Catatan :
Apabila db>2 , maka “Nilai Tengah” dari sebaran Chi Kuadrat adalah db. Letak
“Nilai Tengah” sebaran Chi Kuadrat berada pada sebelah kanan “modus’, yaitu
nilai dimana kurva mencapai titik tertinggi. Untuk menggambarkan letak nilai
tengah, modus dan db sebaran Chi Kuadrat lihat gambar berikut
modus
0 db
mean
Contoh :
Sebuah perusahaan pesitsida ingin mengontrlol pembotolan pestisida agar ragam
pada pembotolan itu tidak melebihi 0,0004 liter. Untuk upaya itu diambil 28
botol sebagai sampel, setelah dicek ternyata ragamnya mencapai 0,0010 liter.
Apakah anda dapat menyimpulkan bahwa ragam pada proses pembotolan itu telah
melebihi standar? gunakan α 0,05
Jawab:
1. H0 : σ2 = 0,0004 (<)
2. Ha : σ2 > 0,0004
3. α = 0,05 n = 28 db = 27
Wilayah kritis (wilayah penolakan hipotesis nol) di ekor/sisi sebelah
kanan, ini berarti niali kritis sebaran Chi Kuadrat adalah λ2 (27. 0,05) = 40,1 yang
kita dapatkan dari tabel. Perhatikan nilai dan wilayah kritisnya :
α= 0,05
0 27 λ2(27.0,05)=40,1 λ2
4. λ2 =
(n − 1)s 2 = (28 − 1)(0,0010) =67,5
σ2 0,0004
67,5
0 27 40,1 λ2
Soal-soal latihan
1. Pemerintah menetapkan bahwa kebutuhan Hidup Minimum (KHM)untuk
masyarakat di indonesia pada tahun 2003 adalah Rp7.2 juta per tahun per
orang. Dari suatu survei di suatu desa pertanian yang mayoritas penduduknya
berusahatani karet diperoleh data pendapatan per orang per tahun untuk 25
sampel sebagai berikut :
6,5 6,0 8,5 6,8 6,9
8,0 7,5 8,2 6,5 7,5
9,0 6,8 7,0 7,5 7,0
10,0 7,2 7,0 8,5 8,1
berdasarkan data di atas, dapatkah membuat kesimpulan bahwa pendapatan
petani di desa tersebut telah memenuhi KHM yang ditentukan pemerintah?
Gunakan α = 0,05
sayuran. Apabila seorang petani menanam bibit ini dan diperoleh data
waktu panen dari 15 sampel tanaman sebagai berikut :
65 61 63 60 66 62 58 61
64 66 63 62 65 58 63
dapatkah disimpulkan bahwa bibit sayuran tersebut menghasilkan waktu
panen yang sesuai jaminan yang tercantum pada kemasannya pada α = 0,05
Uji statistik parametrik kasus dua populasi adalah uji yang digunakan
dengan tujuan untuk membandingkan dua nilai statistik dalam menduga nilai
parameter populasinya. Untuk melakukan uji ini kita perlu menarik contoh dari
dua populasi yang mewakili setiap contoh tersebut. Karakteristik dua populasi ini
bisa sama (homogen) atau dianggap sama atau bahkan berbesa sama sekali dari
segi faktor yang mempengaruhi variabel yang akan diukur dan dibandingkan
tersebut. Data variabel yang sama akan menghasilkan nilai yang berbeda apabila
karakteristik populasinya juga berbeda. Hal ini akan berimplikasi pada
kesimpulan yang akan dihasilkan dalam pengujian hipotesis statistiknya. Oleh
karena itu perlu dibedakan asal sampel yang harus diambil datanya. Apabila dua
data yang akan dikumpulkan berasal sampel yang sama, maka itu dikatakan data
berasal dari sampel terikat (dependent samples) atau berpasangan (paired
samples). Demikian juga sebaliknya apabila data yang dikumpulkan berasal dari
populasi yang berbeda, maka kasus ini disebut dengan dua sampel bebas.
Contoh :
1. Kita tertarik untuk melihat dampak pencabutan subsidi pupuk tahun 2001
terhadap pendapatan petani padi. Untuk itu kita kumpulkan data dengan
mewawancarai 30 petani tadi yang menanam padi sebelum dan sesudah
pencabutan subsidi. Petani tersebut ditanya berapa besar pendapatannya
sebelum dan sesudah pencabutan subsidi. Misalnya data untuk pendapatan
sebelum subsidi dicabut ditanyakan pendapatan tahun 2000, sedangkan untuk
setelah subsidi dicabut data pendapatan tahun 2001. Dalam hal ini contoh-
contoh yang diperoleh dikatakan contoh dari dua populasi yang terikat.
2. Seorang peneliti tertarik untuk mengetahui apakah ada perbedaan pendapatan
antara petani yang menggunakan pupuk Urea prill dengan Urea Tablet. Untuk
Jurusan Sosial Ekonomi Pertanian
Fakultas Pertanian Universitas Sriwijaya
Diktat Mata Kuliah Statistik Bidang Sosek (PPK 342) 28
2
3) Memiliki standar error σ x1 − x2 = σ 1 2 / n1 + σ 2 2 ( )( n2 )
Z=
(x − x )− (µ − µ )
1 2 1 2
………………………………………… (3.1)
2
(σ n )+ ⎛⎜⎜σ n ⎞⎟⎟
1
2
1
2
2
⎝ ⎠
Rumus (3.1) ini dapat digunakan jika σ 1 dan σ 2 diketahui. Namun biasanya σ 1 2
2
dan σ 2 sulit untuk diketahui, oleh karena itu yang digunakan adalah ragam
sampel S12 dan S22 , sehingga uji statistik yang akan digunakan adalah :
Jurusan Sosial Ekonomi Pertanian
Fakultas Pertanian Universitas Sriwijaya
Diktat Mata Kuliah Statistik Bidang Sosek (PPK 342) 29
Z=
(x 1 )
− x2 − (µ1 − µ 2 )
………………………………………… (3.2)
2 2
⎛ S1 ⎞ ⎛ S 2 ⎞
⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟
⎝ n1⎠ ⎝ n 2⎠
Dimana S12 dan S22 adalah ragam contoh untuk masing-masing populasi yang
diuji.
Apabila ukuran contoh yang kita ambil relatif kecil (n1 ≤ 30), N2 ≤ 30 dan
populasi diperkirakan berasal dari suatu populasi yang didistribusi normal, maka
sebelum uji dilaksanakan, hal pertama yang harus dilakukan yaitu menguji ragam
contoh dari kedua populasi tersebut terlebuh dahulu. Uji keragaman ini gunannya
untuk mengetahui apakah kedua ragam asal sampel tersebut sama atau tidak sama,
yang dalam bentuk hipotesis dapat dirumuskan sebagai berikut :
1) σ1 2 = σ2 2
2) σ 2 ≠ σ 2
1 2
dapat dianggap sama dengan ragam populasi kedua (yang selanjutnya disebut
KASUS I). Sebaliknya bila kesimpulan tolak Ho , berarti ragam dari kedua
populasi itu kita anggap berbeda itu kita anggap berbeda (disebut sebagai KASUS
II). Pemecahan masalah untuk kedua kasus ini, adalah dengan menggunakan
sebaran t-student, namun rumus keduanya berbeda
t=
(x 1 )
− x 2 − (µ1 − µ 2 )
……………………………………. (3.3)
Sp ⎛⎜ 1 ⎞⎟ + ⎛⎜ 1 ⎞⎟
⎝ n1 ⎠ ⎝ n2 ⎠
dimana :
Dan db = n1 + n2 – 2
KASUS II :
t=
(x1 )
− x2 − (µ1 − µ 2 )
……………………………………. (3.5)
2 2
⎛ s1 ⎞ ⎛ s 2 ⎞
⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟
⎝ n1⎠ ⎝ n 2⎠
dengan derajat bebas dipilih dari nilai terkecil antara : (n1-1) derajat bebas
penyebut (dbpn) atau (n2-1) derajat bebas pembilang (dbpm).
Penentuan pilihan untuk menggunakan KASUS I atau KASUS II, dalam
uji ini adalah dengan menggunakan uji-F sebagai berikut :
2
s1
F= 2
, yang dibandingkan dengan F-tabel
s2
Untuk mendapatkan nilai F – tabel, harus dicari terlebih dahulu derajat bebas
untuk pembilang (dbpm) dan penyebut (dppn) pada tabel F. Berikut ini contoh
mendapatkan nilai F-tabel tersebut. Misalkan ukuran sampel pertama (n1) adalah
10 dan sampel kedua (n2) adalah 20 dengan tingkat kepercayaan ( α ) 0,05. Maka
nilai kritis satu arah untuk F-tabel adalah : F (9, 10; 0,05) = 2,42. Untuk melihat
dalam tabel F seperti berikut ini :
Untuk uji dua arah, maka nilai alpha dibagi dua. Daerah kritis untuk uji dua arah
seperti digambarkan berikut ini.
α/2 α /2
1. Pada uji F, gunakan ragam sampel yang bernilai relatif lebih besar sebagai
pembilang (pm), yang bernilai kecil sebagai penyebut (pn).
2. Untuk uji F dua arah, apabila nilai ekor kanan wilayah kritis telah didapat,
maka nilai ekor kirinya dapat diperoleh dengan menggunakan rumus :
1
F(dbpn,dbpm,1- α / 2) = ........................................ (3.6)
F(dbpm,dbpn, α / 2)
Contoh :
1. Sebuah penelitian memperoleh data sebagai berikut :
Pupuk N Pendapatan rata-rata Simpangan baku
(Rp juta/Ha) pendapatan (Rp juta/Ha)
Prill 40 2,03 0,6
Tablet 40 2,21 0,6
Ujilah apakah pendapatan petani yang menggunakan pupuk Urea Prill lebih
rendah dibandingkan dengan pupuk Urea Tablet, α = 0,05
Jawab :
Karena kasus ini sampel ukuran besar (n > 30), maka langsung dilakukan uji
hipotesis dua nilai tengah dengan hipotesis sebagai berikut :
H0 : µA = µB (atau µA - µB= 0)
Ha : µA < µB (atau µA - µB < 0)
α = 0,05, Z0,05 = 1.645
( x A − xB ) − (µ A − µ B )
Z=
(σ A2 / n A ) + (σ B2 / n B )
(2,03 − 2,21) − 0
Z= = −1,34
(0,6) 2 / 40 + (0,6) 2 / 40
α = 0,05
– 1,65 – 1,34 0 Z
Kesimpulan :
Terima H0, artinya bahwa pendapatan petani padi yang menggunakan pupuk Urea
Prill memang lebih rendah dibandingkan petani yang menggunakan pupuk Urea
Tablet.
2. Dari dua desa dengan jenis tanah yang berbeda, kita peroleh data sebagai
berikut :
Perlakuan n Produksi padi Ragam
(x) (s2)
Desa A 30 2,03 33,95
Desa B 30 2,21 24,97
Apakah produksi padi di desa B yang memilki jenis tanah lebih baik mampu
menghasilkan produksi padi yang lebih tinggi ?, gunakan α = 0,10
Jawab :
Kasus ini merupakan kasus data sampel ukuran kecil, maka langkah-langkah
penyelesaiannya adalah :
Langkah I
33,95
F = = 1,387
24,97
F (nB – 1, nA – 1, α / 2 )
F (29,29, 0,05) = 1,85
α / 2 = 0,05
α / 2 = 0,05
0 0,54 1,387
Kesimpulan :
Terima Ho, berarti kita dapat menyatakan bahwa σA2 = σB2 dan penyelesaian
akan dilakukan dengan kasus I.
Langkah II :
H0 : µA2 = µB2 (atau µA2 - µB2 = 0)
Ha : µA 2 < µB 2
db = nA + nB - 2 = 58
t (58, 0,10) = 1,28
( X A − X B ) − (µ A − µ B ) (2,03 − 2,21) − 0
t= = = −0,128
Sp (1 / n A ) + (1 / n B ) 5,43 0,066
– 1,28 – 0,128 0
Kesimpulan :
Terima Ho, artinya produksi padi untuk Desa A dan Desa B tidak berbeda nyata
3. Bila dari contoh soal nomor satu diatas, kita peroleh data sebagai berikut :
Perlakuan n Produksi padi Ragam
(x) (s2)
Sebelum penyuluhan 30 2,03 33,95
Sesudah penyuluhan 30 2,21 17,87
Jawab:
Karena ukuran sampel 30, maka langkah-langkah pengujian adalah :
Langkah I
Kesimpulan :
Tolak Ho, berarti σA2 ≠ σB2 , dan penyelesaian akan dilakukan dengan KASUS II.
Langkah II :
H0 : µA2 = µB2 (atau µA2 - µB2 = 0)
Ha : µA 2 < µB 2
α : 0,10
n1 – 1 : 29 dan n2 – 1 = 29, jadi db = 29 db paling kecil
t (29, 0, 10) = 1,31
( X A − X B ) − (µ A − µ B ) (2,03 − 2,21) − 0 − 0,18
t= = = = −1,86
2
A
2
(S / n A ) + (S / nB )
B
33,95 17,87 1,3143
+
30 30
– 1,86 – 1,31
Kesimpulan :
Tolak Ho, artinya telah terjadi kenaikan produksi padi setelah penyuluhan
berlangsung.
A. Penarikan Kesimpulan untuk Dua Ragam dari Dua Contoh Bebas
Pm = pembilang
Pn = penyebut
α
0
F(dbpm, dbpn, α )
1- α
0 Fdbpn, dbpm, 1- α )
Contoh :
Suatu studi mengenai dampak bantuan kredit permodalan yang diberikan kepada
petani dilakukan di Desa A. Dalam studi diambil dua kelompok sampel, yaitu
petani yang mendapat bantuan dan tidak mendapat bantuan kredit. Data
pendapatan rata-rata dua kelompok tersebut ternyata sama yaitu Rp 6,5 juta per
tahun. Data hasil studi secara lengkap seperti pada tabel berikut :
2
atau σ B
2 2+
HB : σ B = σ 1 =1
α12
Untuk uji dwi arah pada α = 0,05 maka :
F (29, 31, 0,025) = 2,07 dan
F (31, 29, 0,975) = ½,07 = 0,48
α = 0,025 α = 0,025
2 2
0 0,48 0,48
Perhitungan :
2
SB 105,4
F* = 2
= = 0,77
S1 136,3
Dengan demikian nilai F* berada di daerah penerimaan.
Kesimpulan :
Terima Ho, berarti ragam dari pendapatan antara kedua kelompok tani berbeda.
d=
∑ (x 2 − x1 )
=
∑d
n n
2
3. s d =
( )
n ∑ d 2 − (∑ d )
(n − 1)
4. µ d = beda nilai tengah
5. n = jumlah pengamatan yang berbeda
Nilai pengamatan d yang diperoleh dari contoh, diasumsikan kira-kira
menyebar normal dengan nilai tengah populasi µ d dan simpanan baku σ 2 .
Jawab :
α = 0,05
0 1,70 t = 1,92
d − µd 2−0
t= = =1,92
Sd 5,68
n 30 0
Jadi t berada pada daerah kritik. Kesimpulan tolak Ho, artinya penyuluhan tersebut
telah mampu membuat wanita tani di 3 desa contoh bekerja lebih aktif di sawah
N 1 2 3 4 5 6 7 8 9 10
x1 – x2 2 1 1 -1 -2 -6 -2 4 0 5
d2 1 1 1 1 4 36 4 15 0 25
N 11 12 13 14 15 16 17 18 19 20
x1 – x2 1 -4 -8 10 13 15 10 7 4 6
d2 1 16 64 100 169 225 100 49 16 36
N 21 22 23 24 25 26 27 28 29 30
x1 – x2 3 2 0 -1 -6 -8 5 2 -3 6
d2 9 4 0 1 36 64 25 4 9 36
∑ d = 60
2
∑ d = 1056
2
( (∑ d ) = 3600
d =
∑ d = 60 = 2
n 30
2
Sd =
(
n ∑ d 2 − (∑ d ) )
n(n − 1)
Sd =
(∑ d ) − nd 2 2
=
1056 − 120
= 5,68
(n − 1) 29
Contoh soal :
Seorang peneliti mempelajari pengaruh penerapan sistem penyuluhan yang baru
terhadap kemampuan membajak petani sebelum dan sesudah penyuluhan.
Hasilnya diperoleh nilai sebagai berikut :
Desa Gunung Agung :
N x1 sebelum penyuluhan x2 sesudah penyuluhan d d2
1 10 11 1 1
2 12 14 2 4
3 22 24 2 4
4 25 24 -1 1
5 27 26 -1 1
6 35 30 -5 25
7 20 22 2 4
8 21 20 -1 1
9 23 23 0 0
10 19 25 6 36
11 27 29 2 4
12 33 30 -3 9
13 39 34 -5 25
14 25 36 11 121
15 17 38 21 441
16 18 39 21 441
17 19 32 13 169
18 20 27 7 49
19 23 27 4 16
20 23 30 7 49
10,5 17,31
∑ d = 10,5
2
∑ d = 13,71
2
∑ (d ) = 110,25
d = 0,35
n(∑ d 2 ) − (∑ qd ) 2
Sd =
n(n − 1)
519,3 − 110,25
=
870
= 0,686
Ho : µ A = µB
Hi : µ A > µB
t(0,05 ; 29) = 1,699
d − µd
t= 1,699
Sd / n
Lakukanlah pada pengujian a = 0,02 , untuk melihat apakah penelitian dari pihak
importer menunjukkan jumlah barang yang rusak lebih besar dari yang
diperkirakan oleh pihak produsen
Jawab :
Pa = Pb atau Pa – Pb = 0 ( tidak berbeda )
pa > Pb atau Pa – Pb > 0 ( claim importer )
pa − pb
Z=
pq[(1/ n1) + (1/ n2)]
28
P’a = 300 = 0,06 P’b = = 0,047
500 600
Selanjutnya p, diperkirakan sebagai berikut :
30 + 28
P= = 0,053 q = 1 – 0,053 = 0,947
500 + 600
0,06 − 0,047
Maka : Z = = 0,956
(0,053)(0,947)(1/ 500 + 1/ 600)
α = 0,02
0 0,956 2,05
Uji ini dilakukan bila kita ingin membandingkan proporsi dari contoh.
Pendekatan ini dilakukan dengan menggunakan sebaran Z
Pa − Pk
Z=
pq (1 / n1 ) + (1 / n 2 )
Dimana,
1. Probabilitas yang diamati adalah p = x/n
2. q’ = 1 – p’
3. p adalah peluang untuk sukses dalam satu percobaan yang mengikuti
peluang binomial dengan n ulangan populasi bebas. Distribusi contoh ( p1
– p2) diperkirakan berdistribusi normal, dengan nilai tengah (p1 – p2) dan
p1 (q)1 p 2 q 2
standar error = +
n1 n2
4. Hipotesis nol ditulis : p1 = p2 atau p1 – p2 = 0, bila p tidak diketahui, maka
dapat diinterpolasi sebagai berikut :
x1 + x2
p' =
n1 + n2
Contoh :
Suatu percobaan membuat alat-alat pertanian ditolak olen emporter, karena
peralatan yaang dikapalkan pada periode pengiriman terakhir
menunjukkan jumlah barang yang rusak melebihi jumlah barang yang
ditolerir. Untuk mengecek kembali, dan menyatakan perbandingan dengan
hasil pengamatan para importer, perusahaan pembuat telah mengirimkan
seorang peneliti. Hasil yang diperoleh adalah sebagai berikut :
Jawab :
10,5 17,31
∑ d = 10,5
2
∑ d = 13,71
2
∑ (d ) = 110,25
d = 0,35
n(∑ d 2 ) − (∑ qd ) 2
Sd =
n(n − 1)
519,3 − 110,25
=
870
= 0,686
Ho : µ A = µB
Hi : µ A > µB
t(0,05 ; 29) = 1,699
d − µd
t= 1,699
Sd / n
0,35 − 0
= = 2,8 2,8
0,686 / 30
Jurusan Sosial Ekonomi Pertanian
Fakultas Pertanian Universitas Sriwijaya
Diktat Mata Kuliah Statistik Bidang Sosek (PPK 342) 49
Kenormalan
Untuk melihat apakah data yang ada berasal dari populasi yang menyebar
normal, dapat dilakukan dengan beberapa cara, yaitu uji statistika, Goodness of fit
dan grafis. Uji statistika dapat digunakan antara lain : Uji Liliefors dan
D’Agustino. Goodness of fit dilakukan dengan cara membandingkan data ada
dengan data yang seharusnya jika data berasal dari populasi yang menyebar
normal. Cara grafis dilakukan dengan membandingkan grafik frekuensi komulatif
dari data yang ada dengan grafik frekuensi komulatif seandainya data tersebar
secara normal. Untuk membicarakan beberapa metode itu pada kuliah ini tidak
akan dibahas. Namun kepada anda hanya akan diperkenalkan satu metode yang
sering dipergunakan dalam menguji kenormalan suatu data sebelum dilakukan uji
statistika, yaitu uji Liliefors.
Uji Liliefors
Untuk melihat apakah data yang ada menyebar normal atau tidak,
pertama-tama harus dirumuskan dulu hipotesis dalam pengujian ini. Hipotesis
yang digunakan adalah :
1. Sampel berasal dari populasi normal, dan
2. Sampel bukan berasal dari populasi normal
dengan kaidah keputusan :
jika : L ≤ Lα (n) terima Ho
L > Lα (n) tolak Ho
Dimana : L = Maks F( z i ) − S ( z i )
Zi =
(xi − x )
S
banyaknya zi ≤ Zmaks
Szi =
n
Contoh 1 :
Hasil pengamatan terhadap pendapatan petani (Rp/minggu) di desa A adalah
sabagai berikut : 1000 1500 1600 1450 1725 1560 1650 1700. Lakukanlah uji
hipotesis nol bahwa data tersebut berasal dari populasi dengan sebaran normal
pada taraf uji α = 0,05 dan α = 0,01.
Jawab :
Ho : data menyebar normal
H1 : data tidak menyebar normal
α = 0,05 dan α = 0,01
L0,05 = 0,285
L0,01 = 0,331
Diketahui : x = 1523,125 S = 231,493
Tabel data untuk uji Liliefors
No Xi Zi F(zi) S(zi) F( z i ) − S ( z i )
Keterangan :
* = Nilai zi maksimum
** = Nilai L
Jurusan Sosial Ekonomi Pertanian
Fakultas Pertanian Universitas Sriwijaya
Diktat Mata Kuliah Statistik Bidang Sosek (PPK 342) 52
Jika nilai L, pada tabel uji Liliefors yang sebesar 0,1922 dan dibandingkan dengan
L tabel (L0,05(8) = 0,285, maka L < L0,05(8)), ini berarti kita memutuskan untuk
menerima Ho, yang berarti bahwa data pendapatan petani contoh berasal dari
populasi dengan sebaran normal, sehingga uji statistika parametrik dapat kita
terapkan.
Contoh 2 :
Dari hasil penagamatan terhadap pendapatan 6 orang petani (Rp/minggu) di desa
Banyu Mas sebagai berikut : 1000, 1200, 1500, 1350, 1650, 1800.
Lakukanlah uji hipotesis nol bahwa data tersebut berasal dari populasi dengan
sebaran normal pada taraf uji α = 0,05 dan α = 0,01
Jawaban :
Ho = Data menyebar normal
Hi = Data tidak menyebar normal
α = 0,05 dan α = 0,01
L0,05(8) = 0,285
L0,01(8) = 0,311
_
Diketahui : x = 1523,125
s = 231,493
No Xi Zi F(zi) S(zi) F( z i ) − S ( z i )
Nilai L, pada tabel uji liliefors yang sebesar 0,1677 dan dibandingkan dengan L
tabel (L0,05(8) = 0,285, maka L < L0,05(8)), ini berarti kita memutuskan untuk
menerima Ho yang berarti bahwa data pendapatan petani contoh berasal dari
populasi dengan sebaran normal.