PENGUJIAN HIPOTESIS

Diajukan untuk memenuhi tugas mata kuliah Statistika Terapan yang diampu
oleh:

Bapak Dr. H. Wahid Munawar, M.Pd

Disusun oleh:
Aditya Nur Ilyasa 1905231

PROGRAM STUDI PENDIDIKAN TEKNIK OTOMOTIF

DEPARTEMEN PENDIDIKAN TEKNIK MESIN
FAKULTAS PENDIDIKAN TEKNOLOGI DAN KEJURUAN
UNIVERSITAS PENDIDIKAN INDONESIA
2021
 DAFTAR ISI
DAFTAR ISI
BAB I PENDAHULUAN
A. Latar Belakang........................................................................................ 1
BAB II KAJIAN PUSTAKA
A. Pengertian Hipotesis............................................................................... 2
B. Langkah Pengujian Hipotesis................................................................. 7
C. Uji Satu Arah ( One Tail Test ).............................................................. 7
D. Uji Dua Arah ( Two Tail Test ).............................................................. 9
E. Uji Hipotesis Satu Populasi....................................................................10
F. Uji Rata – Rata u : Dua Pihak................................................................ 14
G. Uji Rata – Rata u : Satu Pihak...............................................................15
H. Uji Rata – Rata π : Dua Pihak................................................................15
I. Uji Rata – Rata π: Satu Pihak................................................................16
J. Menguji Varians.....................................................................................16
K. Contoh Soal............................................................................................26
DAFTAR PUSTAKA.............................................................................................. 30
 BAB I
PENDAHULUAN
A. Latar Belakang
Hipotesis merupakan dugaan yang mungkin benar atau mungkin saja
salah. Hipotesis akan ditolak jika salah atau palsu dan akan diterima jika fakta-
fakta membenarkannya. Penolakan dan penerimaan hipotesis dengan begitu
sangat tergantung kepada hasil-hasil penyelidikan terhadap fakta-fakta yang
dikumpulkan. Hipotesis juga dapat dipandang sebagai konklusi, suatu
konklusi yang bersifat sementara. Sebagai konklusi tentu hipotesis tidak
dibuat dengan semena-mena, melainkan atas dasar pengetahuan-pengetahuan
tertentu.
Hipotesis-hipotesis selalu merupakan petunjuk jalan bagi kegiatan-
kegiatan dalam perencanaan pola-pola researchnya, dimana data akan
dikumpulkan, teknik analisis, dan arah penyimpulannya. Pengetahuan ini
sebagian diambil dari hasil-hasil serta dari problematik-problematik yang
timbul dari penyelidikan-penyelidikan yang mendahului, dari renungan-
renungan atas dasar pertimbangan-pertimbangan yang masuk akal, ataupun
dari hasil-hasil penyelidikan eksploratif yang dilakukan sendiri. Hipotesis
kerja harus dinyatakan dalam bentuk statemen, tidak boleh dalam bentuk
pertanyaan.

1
 BAB II
PEMBAHASAN
A. Pengertian Hipotesis
Setelah masalah dirumuskan, maka langkah berikutnya ialah merumuskan
hipotesis. Apakah hipotesis itu? ada banyak definisi hipotesis yang pada
hakekatnya mengacu pada pengertian yang sama. Diantaranya ialah hipotesis
adalah jawaban sementara terhadap masalah yang sedang diteliti, sampai
terbukti melalui data yang terkumpul.
Dari arti katanya hipotesis memang berasal dari dua penggalan kata,
“hypo” yang artinya “dibawah” dan “thesa” yang artinya “kebenaran”. Jadi
hipotesis yang kemudian cara menulisnya disesuaikan dengan Ejaan Bahasa
Indonesia menjadi hipotesa dan berkembang menjadi hipotesis. Menurut Prof.
Dr. S. Nasution definisi hipotesis ialah “pernyataan tentatif yang merupakan
dugaan mengenai apa saja yang sedang kita amati dalam usaha untuk
memahaminya”.
Hipotesis merupakan jawaban sementara terhadap rumusan masalah
penelitian, dimana rumusan masalah penelitian telah dinyatakan dalam bentuk
kalimat pertanyaan. Dikatakan sementara karena jawaban yang diberikan baru
didasarkan pada teori yang relevan, belum didasarkan pada fakta-fakta empiris
yang diperoleh melalui pengumpulan data. Jadi hipotesis juga dapat
dinyatakan sebagai jawaban teoritis terhadap rumusan masalah penelitian
belum jawaban yang empirik dengan data.
Penelitian yang merumuskan hipotesis adalah penelitian yang
menggunakan pendekatan kuantitatif. Pada penelitian kualitatif tidak
dirumuskan hipotesis tetapi justru diharapkan dapat ditemukan hipotesis.
Selanjutnya hipotesis tersebut akan diuji oleh peneliti dengan menggunakan
pendekatan kuantitatif.

Fungsi dan Tujuan Hipotesis

2
 Ada beberapa fungsi hipotesis dalam proses penelitian. Ashan,
menjelaskan beberapa fungsi hipotesis sebagai berikut:
1. Hipotesis merupakan solusi sementara mengenai suatu masalah dengan
beberapa kebenaran yang memungkinkan seorang peneliti untuk memulai
penelitian.
2. Hipotesis menawarkan dasar secara spesifik dalam membangun apa yang
harus dipelajari untuk memberikan solusi sebuah masalah.
3. Setiap hipotesis dapat mengakibatkan perumusan hipotesis yang lain.
4. Setiap hipotesis membantu peneliti dengan pernyataan yang dapat diuji
secara objektif, diterima atau ditolak dan mengantarkan peneliti untuk
menafsirkan hasil dan menarik kesimpulan yang berhubungan dengan
tujuan awal.
George J. Mouley menyatakan bahwa perumusan hipotesis memiliki
tujuan-tujuan sebagai berikut:
1. Hipotesis memberikan arahan dalam penelitian yang berguna untuk
mencegah kajian literatur dan pengumpulan data yang tidak relevan.
2. Hipotesis menambah kepekaan peneliti mengenai apek-aspek tertentu dari
situasi yang tidak relevan dari sudut pandang masalah yang dihadapi.
3. Hipotesis memungkinkan peneliti untuk memahami masalah yang diteliti
dengan lebih jelas.
4. Hipotesis digunakan sebagai sebuah kerangka untuk meyakinkan peneliti.
5. Jenis – Jenis Hipotesis
Hipotesis merupakan suatu pernyataan yang tinggi kedudukannya dalam
penelitian. Oleh karena itulah, maka dari peneliti dituntut kemampuannya
untuk dapat merumuskan hipotesis ini dengan jelas. Seorang ahli bernama
Borg yang dibantu temannya Gall mengajukan adanya pernyataan untuk ibu
tesis sebagai berikut:
1. Hipotesis harus dirumuskan dengan singkat tetapi jelas.
2. Hipotesis harus dengan nyata menunjukkan adanya hubungan antara dua
atau lebih variabel.
3. Hipotesis harus didukung oleh teori-teori yang dikemukakan oleh para ahli
atau hasil penelitian yang relevan.

3
 Ada dua jenis hipotesis yang digunakan dalam penelitian:
1. Hipotesis kerja atau disebut hipotesis alternatif, disingkat Ha. Hipotesis
kerja menyatakan adanya hubungan antara variabel X dan Y, atau adanya
perbedaan antara dua kelompok.
Rumusan hipotesis kerja:
a. Jika………………..………..maka…….…………………..
Contoh: Jika orang makan, banyak maka berat badannya akan naik.
b. Ada perbedaan antara………………..dan…………………
Contoh: Ada perbedaan antara penduduk kota dan penduduk desa
dalam cara berpakaian.
c. Ada pengaruh………………....terhadap…………………..
Contoh: Ada pengaruh makanan terhadap berat badan.
2. Hipotesis nol (null hypotheses) disingkat Ho. Hipotesis nol sering juga
disebut hipotesis statistik,karena biasanya dipakai dalam penelitian yang
bersifat statistik, yaitu diuji dengan perhitungan statistik. Hipotesis nol
menyatakan tidak adanya perbedaan antara dua variabel atau tidak adanya
pengaruh variabel X terhadap variabel Y. Pemberian nama “hipotesis nol”
atau “hipotesis nihil” dapat dimengerti dengan mudah karena tidak ada
perbedaan antara dua variabel. Dengan kata lain, selisih variabel pertama
dengan variabel kedua adalah nol atau nihil.
Rumusan hipotesis nol:
a. Tidak ada perbedaan antara….……….dengan………….....
Contoh: Tidak ada perbedaan antara mahasiswa tingkat 1 dan
mahasiswa tingkat 2 dalam disiplin kuliah.
b. Tidak ada pengaruh……………….terhadap………………
Contoh: Tidak ada pengaruh jarak dari rumah ke sekolah terhadap
kerajinan mengikuti kuliah.

Bentuk – Bentuk Hipotesis

Bentuk-bentuk hipotesis penelitian sangat terkait dengan rumusan masalah
penelitian. Bila dilihat dari tingkat eksplanasinya, maka bentuk rumusan
masalah penelitian ada tiga yaitu: rumusan masalah deskriptif (variabel

4
mandiri), komparatif (perbandingan), dan asosiatif (hubungan). Oleh karena
itu, maka bentuk hipotesis penelitian juga ada tiga yaitu hipotesis deskriptif,
komparatif, dan asosiatif.
5. Hipotesis Deskriptif
Hipotesis deskriptif merupakan jawaban sementara terhadap
masalah deskriptif yaitu berkenaan dengan variabel mandiri.
Contoh:
a. Rumusan masalah deskriptif
Berapa lama daya tahan berdiri karyawan toko lulusan SMK ?
b. Hipotesis deskriptif
Daya tahan berdiri karyawan toko lulusan SMK sama dengan 6
jam/hari (Ho). Ini merupakan hipotesis nol, karena daya tahan berdiri
karyawan lulusan SMK yang ada pada sampel diharapkan tidak
berbeda secara signifikan dengan daya tahan yang ada pada populasi.
(Angka 6 jam/hari merupakan angka hasil pengamatan sementara).
Hipotesis alternatif nya adalah : Daya tahan karyawan toko lulusan
SMK tidak ≠ 6 jam. “Tidak sama dengan” ini bisa berarti lebih besar
atau lebih kecil dari 6 jam.
c. Hipotesis statistic
Ho : μ = 6 jam/hari
Ha : μ ≠ 6 jam/hari
μ : Adalah nilai rata-rata populasi yang dihipotesiskan (ditaksirkan
melalui sampel)
6. Hipotesis Komparatif
Hipotesis komparatif merupakan jawaban sementara terhadap
rumusan masalah komparatif. Pada rumusan ini variabelnya sama tetapi
populasi atau sampelnya berbeda, atau keadaan itu terjadi pada waktu
yang berbeda.
Contoh:
a. Rumusan masalah komparatif
Bagaimanakah prestasi belajar mahasiswa Perguruan Tinggi X bila
dibandingkan dengan Perguruan Tinggi Y ?

5
b. Hipotesis komparatif
Berdasarkan rumusan masalah komparatif tersebut dapat dikemukakan
tiga model hipotesis nol dan alternatif sebagai berikut:
Hipotesis nol:
1) Ho : Tidak terdapat perbedaan prestasi belajar mahasiswa
Perguruan Tinggi X dengan Perguruan Tinggi Y; atau terdapat
persamaan prestasi belajar antara mahasiswa Perguruan Tinggi X
dan Y.
2) Ho : Prestasi belajar mahasiswa Perguruan Tinggi X lebih besar
atau sama dengan (≥) Perguruan Tinggi Y (“lebih besar atau sama
dengan)” = paling sedikit).
3) Ho : Prestasi belajar mahasiswa Perguruan Tinggi X lebih kecil
atau sama dengan (≤) Perguruan Tinggi Y (“lebih kecil atau sama
dengan)” = paling besar).
Hipotesis alternatif:
1) Ha : Prestasi belajar mahasiswa Perguruan Tinggi X lebih besar
(atau lebih kecil) dari Perguruan Tinggi Y.
2) Ha : Prestasi belajar mahasiswa Perguruan Tinggi X lebih kecil
dari pada Perguruan Tinggi Y. (<)
3) Ha : Prestasi belajar mahasiswa Perguruan Tinggi X lebih brsar
dari pada Perguruan Tinggi Y. (>)
c. Hipotesis Statistik
1) Ho : μ1 = μ2
Ha : μ1 ≠ μ2
2) Ho : μ1 ≥ μ2
Ha : μ1 < μ2
3) Ho : μ1 ≤ μ2
Ha : μ1 > μ2
μ1 = rata-rata (populasi) produktifitas mahasiswa PT. X
μ2 = rata-rata (populasi) produktifitas mahasiswa PT. Y

6
 7. Hipotesis Asosiatif
Hipotesis asosiatif adalah jawaban sementara terhadap rumusan
masalah asosiatif, yaitu yang menanyakan hubungan anatara dua variabel
atau lebih.
a. Rumusan masalah asosiatif
Adakah hubungan yang positif dan signifikan antara
kepemimpinan kepala sekolah dengan iklim kerja sekolah.
b. Hipotesis penelitian
Terdapat hubungan yang positif dan signifikan antara
kepemimpinan kepala sekolah dengan iklim kerja sekolah.
c. Hipotesis statistic
Ho : ρ = 0 ---- 0 berarti tidak ada hubungan.
Ha : ρ ≠ 0 ---- “tidak sama dengan nol” berarti lebih besar atau
kurang (-) dari nol berarti ada hubungan.
ρ = nilai korelasi dalam formulasi yang dihipotesiskan.

B. Langkah Pengujian Hipotesis

1. Tentukan hipotesis
Misal: H0 : μ = c, lawan H1 : μ ≠ c (uji dua sisi)
Atau: H0 : μ = c, lawan H1 : μ > c (uji satu sisi)
2. Tentukan tingkat signifikansi α
Biasanya kalau tidak diketahui, maka hal yang biasa digunakan adalah
tingkat kesalahan αsebesar 5%.
3. Statistik Uji
4. Daerah kritik, H0 diterima bila dan H0 ditolak bila.
5. Keputusan, H0 diterima atau ditolak
6. Kesimpulan

C. Uji Satu Arah (One Tail Test)

Uji satu arah adalah uji yang hipotesis tandingannya merupakan
pernyataan lebih besar atau lebih kecil. Apabila hipotesis tandingannya

7
merupakan pernyataan lebih besar, maka arah penolakannya adalah ke kanan,
yaitu menolak H0 apabila nilai statistik uji yang diperoleh lebih besar dari
ambang kritis yang ditetapkan. Sedangkan apabila hipotesis tandingannya
merupakan pernyataan lebih kecil, maka arah penolakannya adalah ke kiri,
yaitu menolak H0 apabila nilai statistik ujinya lebih kecil dari nilai kritis yang
ditetapkan
Pengujian satu sisi (one tail) digunakan jika parameter populasi dalam
hipotesis dinyatakan lebih besar atau sama dengan (≥) atau lebih kecil (˂). Uji
satu pihak ada dua macam yaitu uji pihak kiri dan uji pihak kanan. Jenis uji
mana yang akan digunakan tergantung pada bunyi kalimat hipotesis.
1. Uji Pihak Kiri
Uji pihak kiri digunakan apabila : hipotesis nol (H o) berbunyi “lebih
besar atau sama dengan (≥)” dan hipotesis
alternatifnya (H1) berbunyi “lebih kecil.”
Contoh rumusan hipotesis:
Hipotesis nol : Daya tahan lampu merk A paling sedikit 400 jam (lebih
besar atau sama dengan (≥) 400 jam);
Hipotesis alternatif : Daya tahan lampu merk A lebih kecil dari (˂) 400 jam
Atau dapat ditulis singkat: H0 : µ0 ≥ 400 jam H1 : µ0 < 400 jam
Uji pihak kiri dapat digambarkan sebagai berikut :

Gambar 5.2 Uji Pihak Kiri

Dalam uji pihak kiri ini berlaku ketentuan, bila nilai statistik uji
jatuh pada daerah penerimaan H0 yang berarti nilai statistik uji lebih besar
atau sama dengan (≥) dari harga kritis tabel, maka H0 diterima dan H1
ditolak.

8
 2. Uji Pihak Kanan
Uji pihak kanan digunakan apabila hipotesis nol (H 0) berbunyi “lebih
kecil atau sama dengan (≤)” dan hipotesis alternatifnya (H1) berbunyi
“lebih besar (˃)”.
Contoh rumusan hipotesis:
H0 : pedagang buah paling besar bisa menjual buah jeruk 100kg tiap hari.
H1 : pedagang buah dapat menjual buah jeruknya lebih dari 100kg tiap
hari. Atau dapat ditulis singkat :
H0 : µo ≤ 100kg/hari
H1 : µo > 100kg/hari
Uji pihak kanan dapat digambarkan seperti gambar 5.3 berikut:

Gambar 5.3 uji pihak kanan

Dalam uji dua pihak ini berlaku ketentuan bahwa, bila harga nilai statistik
uji lebih kecil atau sama dengan (≤) harga nilai tabel, maka H0 diterima dan
H1 ditolak.

D. Uji Dua Arah (Two Tail Test)

Uji dua arah adalah uji yang hipotesis tandingannya menyatakan
ketaksamaan, 𝜇𝜇≠𝜇𝜇0 misalnya. Dengan pernyataan ketaksamaan ini maka
arah penolakannya adalah dua arah, ke kanan dan ke kiri, yaitu menolak H 0
apabila statistik ujinya lebih besar dari ambang kritis kanan, atau lebih kecil
dari ambang kritis kiri.
Pengujian dua sisi (two tail) digunakan jika hipotesis nol (H0) berbunyi “sama
dengan” dan hipotesis alternatifnya (H1) berbunyi “tidak sama dengan” (H0 = ;
H1 ≠)
Contoh rumusan hipotesis :

9
 H0: Daya tahan berdiri pelayan toko tiap hari = 8 jm
H1: Daya tahan berdiri pelayan toko tiap hari ≠ 8 jam
Bila ditulis lebih ringkas
H0 : µ = 8 jam
H1 : µ ≠ 8 jam
Uji dua pihak dapat digambarkan seperti gambar berikut :

Gambar 5.4 Uji Dua Pihak

Dalam pengujian hipotesis yang menggunakan uji dua pihak ini
berlaku ketentuan, bahwa bila harga nilai statistik uji, berada pada daerah
penerimaan H0 atau terletak di antara harga tabel, maka H 0 diterima dan H1
ditolak. Dengan demikian bila harga nilai statistik uji lebih kecil atau sama
dengan (≤) dari harga tabel maka H0 diterima.

E. Uji Hipotesis Satu Populasi

Hipotesis statistik adalah suatu anggapan atau pernyataan, yang mungkin
benar atau tidak, mengenai satu populasi atau lebih. Kebenaran atau
ketidakbenaran suatu hipotesis statistik tidak pernah diketahui dengan pasti,
kecuali bila seluruh populasi diamati. Ada beberapa elemen uji hipotesis
statistik , yaitu:
1. Hipotesis awal (H0)
2. Hipotesis alternatif (H1)
3. Statistik uji 4. Derah penolakan.
Dalam membuat suatu kesimpulan dari uji statistik, akan didapatkan dua
kemungkinan hasil, yaitu
(i) Menolak H0 dan memutuskan menerima H1
(ii) Gagal menolak H0 dan memutuskan menerima H1

10
 Sebagaimana diungkapkan pada paket sebelumnya, secara umum, ada 4 jenis
kesimpulan yang bisa diambil dari uji hipotesis, yaitu:
1. Menolak H0 padahal H0 benar yang biasanya dinamakan kesalahan jenis I
atau α
2. Menerima H0 dan H0 benar
3. Menerima H0 padahal H0 salah, yang bisanya dinamakan kesalahan jenis
II atau β
4. Menolak H0 dan H0 salah
Kedua jenis kesalahan inilah yang ingin dihindari atau
diminimalisir dalam suatu penelitian. Melalui suatu penelitian yang benar
dan tepat dan analisis data yang tepat pula, kedua jenis kesalahan di atas
dapat diminimalisasikan. Adapun tahap-tahap dalam melakukan uji
hipotesis secara statistik, yaitu

11
Berdasarkan keterangan di atas, uji hipotesis digunakan untuk membuktikan
kebenaran salah satu diantara H0 dan H1 terhadap nilai parameter populasi.
Artinya jika statistik uji yang diperoleh dari data mendukung H 0, maka kita
menerima H0 dan menolak H1, sebaliknya, jika

Merumuskan dugaan (hipotesis), yaitu

- Hipotesis awal (H0)
H0 secara kasar merupakan hipotesa yang ingin ditolak.
- Hipotesis alternatif (H1)
- H1 merupakan hipotesa yang ingin diuji
1. Menentukan level toleransi α yang akan digunakan dalam uji hipotesis
α dipilih berdasarkan sifat dari penelitian.

2. Menentukan metode statistik yang tepat.

- Menghitung nilai statistik uji.

3. Membandingkan nilai statistik uji dengan level toleransi α yang telah

ditentukan dalam tahap
4. Kesimpulan yang dapat dibuat:

- Tolak Ho, jika nilai statistik uji pada level α jatuh didaerah penolakan
- Gagal menolak Ho, jika nilai statistik uji pada level α tidak jatuh
didaerah penolakan
Untuk memperoleh kesimpulan yang benar, perlu disusun suatu kaidah
pengambilan kesimpulan. Dalam penyusunan suatu kaidah pengambilan
kesimpulan, pertama-tama dilakukan dengan menyusun anggapan
sementara yang disebut hipotesis nol, yang disimbulkan H0.
Untuk menguji kebenaran H0 di atas, perlu dipertanyakan apakah hasil
pengamatan contoh dapat menunjang anggapan sementara tersebut atau
tidak. Hipotesa tandingan dari H0 adalah H1 atau Ha, misalnya dapat
dirumuskan sebagai berikut

12
 Statistik uji tersebut mendukung H1, maka kita menerima H1 dan
menolak H01.
Contoh :
1. Apakah rata-rata lama belajar mahasiswa PMT = 4 jam/hari?
H0 : Lama belajar mahasiswa PMT = 4 jam/hari
H1 : Lama belajar mahasiswa PMT ≠ 4 jam/hari
2. Apakah nilai rata-rata UN SMA X tahun 2013 bisa mencapai angka 75?
H0 : nilai rata-rata UN SMA X tahun 2013 = 75
H1 : nilai rata-rata UN SMA X tahun 2013 ≠ 75
Dalam pengambilan keputusan atau kesimpulan uji hipotesis biasanya
didominasi oleh 2 jenis kesalahan yaitu kelahan jenis I dan II. Oleh karena itu
agar pengambilan keputusan dalam uji hipotesis memperoleh hasil dengan
benar, maka uji hipotesis itu harus dibuat sedemikian rupa sehingga diperoleh
kesalahan pengambilan keputusan seminimal mungkin. Hal ini tidak mudah,
karena untuk beberapa sampel tertentu, suatu usaha untuk mengurangi satu
jenis kesalahan pada umumnya diikuti dengan penambahan kesalahan jenis
lainnya. Namun dengan penelitian yang benar, tepat dan analisis data yang
tepat dan cermat, kedua jenis kesalahan tersebut dapat diminimalisir.

Dalam pengujian suatu hipotesis tertentu, probabilitas maksimum atau

level toleransi untuk menanggung risiko kesalahan jenis I disebut taraf nyata
dari uji hipotesis yang dilakukan. Probabilitas ini biasanya dinyatakan dengan
α dan pada umumnya dirinci sebelum penarikan sampel dilakukan sehingga
hasil yang diperoleh tidak mempengaruhi pilihan hipotesis.

Dalam praktiknya, taraf nyata sebesar 0,05 atau 0,01 adalah lazim,
meskipun kadang dipakai nilai-nilai yang lain. Apabila misalnya dalam uji
hipotesis ditentukan taraf nyata sebesar 0,05 atau 5%, maka hal ini berarti
bahwa kesempatan untuk menolak hipotesis yang seharusnya diterima adalah 5
dibanding 100 dan 95 persen yakin telah membuat keputusan yang benar.
Dengan demikian hipotesis ditolak dengan taraf nyata 0,05 yang artinya kita
dapat melakukan kesalahan dengan probabilitas 0,05.

13
 Contoh uji hipotesis yang meliputi distribusi normal, sebuah penarikan
sampel dari S pada suatu hipotesis tertentu merupakan distribusi normal

dengan nilai tengah µs dan deviasi standar σ. Oleh karena itu distribusi

dari variabel standar (atau nilai z) yang ditentukan oleh z = −(S µ σs ) /s

merupakan distribusi normal standar dengan nilai tengah 0 dan variansi 1

F. Uji Rata – Rata ᶙ : dua pihak

1. Jika varians atau simpangan baku populasi diketahui pasangan
hipotesisnya
H 0 :μ=μ0
H 1 : μ ≠ μ0
Gunakan Pendekatan Distribusi Normal
x−μ0
z=
σ /√n
Kriteria Uji :
Terima H 0 Jika −z(1−α )/2 < z < z(1−α )/ 2
Tolak untuk nilai lainnya
2. Jika varians atau simpangan baku populasinya tidak diketahui
Pasangan hipotesis
H 0 :μ=μ0
H 1 : μ ≠ μ0
Statistik Uji Menggunakan

14
 x−μ0
t=
s/√n
Kriteria Uji
Terima H 0 Jika −t ¿¿
Tolak untuk nilai lainnya
G. Uji Rata – Rata u : Satu Pihak
Pasangan hipotesisnya
H 0 :μ=μ0
H 1 : μ> μ 0
H 0 :μ=μ0
H 1 : μ< μ 0
1) Jika σ diketahui :
 Statistik Uji menggunakan
x−μ0
z=
σ /√n
 Kriteria Uji : H 1 : μ< μ 0
Tolak H 0 Jika z ≥ z 0.5−α dalam hal lainnya H 0 diterima
Tolak H 0 Jika z ≤−z 0.5−α dalam hal lainnya H 0Diterima
2) Jika σ tidak diketahui
 Statistik Uji menggunakan
x−μ0
t=
s/√n
 Kriteria Uji : H 1 : μ> μ 0

 Tolak H 0 Jika t ≥ t 1−α ;n−1

H 1 : μ< μ 0

 Tolak H 0 Jika t ≤−t 1−α ;n−1

H. Uji Rata - Rata π : Dua Pihak
 Rumus Umum : H :π = π 0
A : π ≠ π0

15
 x
−π 0
n
 Rumus Statistik : z=
π 0 (1−π 0 )
√ n
 Kriteria : Terima H jika −z(1−α )/2 < z < z(1−α )/ 2 Tolak
jika H Sebaliknya
I. Uji Rata – Rata π : Satu Pihak
1. Uji Pihak Kanan
Rumus Umum : H :π ≤ π 0
A : π ¿ π0

Kriteria : Tolak H Jika z ≥ z 0.5−α

Terima H Jika z <−z 0.5−α

2. Uji Pihak Kiri

Rumus Umum : H :π ≤ π 0
A : π ¿ π0

Kriteria : Tolak H Jika z ≤−z 0.5−α

Terima H Jika z >−z 0.5−α

J. Menguji Varians
1. Pengertian Varians
Analisis varians (Analysis of Varians, selanjutnya disingkat
ANOVA) adalah suatu metode statistik inferensial yang digunakan
melakukan uji perbedaan rata-rata dari k populasi, dimana k > 2. Jika
hanya ada dua populasi, maka pengujian yang digunakan cukup
memakai uji t. tetapi jika yang diuji lebih dari dua populasi, maka
pemakaian uji-t dibutuhkan beberapa kali.
Sebagai contoh, jika kita menguji perbedaan antara tiga kelompok,
kita mungkin mencoba melakukan pengujian t-test antara setiap
pasangan kelompok dengan menguji tiga hubungan yaitu:
1. Kelompok 1 vs kelompok 2

16
 2. Kelompok 1 vs kelompok 3, dan
3. Kelompok 2 vs kelompok 3.

2. Menguji Varians Satu Arah

Membandingkan satu rata-rata populasi dengan satu rata-rata
populasi yang lain telah dibahas pada pembahasan terdahulu. Sering
kali kita menghadapi banyak rata-rata (lebih dari dua rat-rata). Apabila
kita mengambil langkah pengujian perbedaan rata-rata tersebut satu per
satu (dengan t tes) akan memakan waktu, tenaga yang banyak.
Disamping itu, kita akan menhadapi resiko salah yang besar. Untuk itu,
telah ditemukan cara analisis yang mengandung kesalahan lebih kecil
dan dapat menghemat waktu serta tenaga yaitu dengan ANOVA
(Analisys Of Variances).
Pada saat kita menghadapi beberapa kelompok sampel perlu kita sadari
dari awal kondisi sampel tersebut sebelum kita melakukan analisis lebih
lanjut. Tuntunan ini disebabkan karena pola sampel akan berpengaruh
terhadap pengujian hipotesis yang akhirnya berpengaruh terhadap
kesimpulan yang diambil.
Pada dasarnya pola sampel dapat dikelompokkan menjadi dua
kelompok, yaitu:
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai
dengan yang ada dikelompok lain, berasal dari populasi yang sama.
Untuk kondisi ini hipotesis nol terbatas pada tidak ada efek dari
treatment (perlakuan).
2. Sampel yang ada dikelompok satu berasal dari populasi yang
berbeda dengan populasi sampel yang ada dikelompok lainnya.
Untuk kondisi ini hipotesis nol dapat berbunyi: tidak ada perbedaan
efek treatment antar kelompok.

Mengingat ANOVA berkaitan dengan pengujian hipotesis yang

multipel (ganda), maka perhitungannya lebih kompleks dari pada t tes.
Pada saat melakukan pengujian hipotesis (perbedaan dua rata-rata)
dengan menggunakan t tes selalu menanggung kesalahan tipe I sebesar

17
alpha. Untuk ANOVA kesalahan tipe I disebut dengan experiment wise
alpha level yang besarnya:

1 – (1 – α ¿ N
N: Merupakan banyaknya tes jika menggunakan t tes (dilakukan satu
per satu)
Misalnya:
Untuk pengujian perbedaan rata-rata dari 5 kelompok sampel. Jika
diambil alpha sebesar 0,05 Maka dengan penggunaan t tes besarnya
risiko kesalahan tipe I untuk sekali pengujian adalah 0,05 dan untuk 10
kali pengujian berarti menanggung kesalahan tipe I sebesar 0,50.
Apabila kita menggunakan ANOVA kesalahan tipe I yang harus
ditanggung adalah:
1 – (1 – 0,05)10 = 0,40
Mengapa N berjumblah 10 untuk 5 kelompok sampel? Untuk menjawab
pertanyaan tersebut marilah kita telusuri satu per satu pengujian yang
dilakukan dengan t tes.
μ1 = μ 2 μ 2=μ 4
μ 1=μ 3 μ 2=μ 5
μ 1=μ 4 μ 3=μ 4
μ 1=μ 5 μ 3=μ 5
μ 2=μ 3 μ 4=μ 5
Dengan menggunakan gabungan alpha (karena pengujian bersama)
maka risiko kesalahan tipe I semakin kecil. Ini berarti bahwa pengujian
bersama lebih baik dari pada pengujian satu persatu (ingat semakin
kecil kesalahan yang harus ditanggung dalam pengambilan keputusan,
maka semakin baik keputusan yang diambil).
Melalui perbandingan sederhana diatas dapat diambil suatu pengertian
bahwa ANOVA adalah teknik analisis statistik yang dapat memberi
jawaban atas ada tidaknya perbedaan skor pada masing-masing
kelompok (khususnya untuk kelompok yang banyak), dengan suatu
risiko kesalahan yang sekecil mungkin. Disamping ANOVA
mempunyai kemampuan memebedakan antar banyak kelompok dengan

18
risiko kesalahan yang kecil, juga dapat memberi informasi tentang ada
tidaknya interaksi antar variabel bebas sehubungan dengan pengukuran
terhadap variabel terikat. Oleh karena perbedaan yang merupakan
sasaran utama dalam analisis ANOVA maka data kategorikal untuk
variabel bebas merupakan kondisi yang sesuai. Jika variabel bebas
berdistribusi kontinum atau berskala interval maupun ratio, maka
langkah awal yang harus dilakukan peneliti adalah mengubah data
tersebut menjadi kategorikal. Walaupun langkah ini mengandung risiko
pengelompokkan yang tidak adil, tetapi dituntut untuk dilakukan.
Hipotesis dalam ANOVA akan membandingkan rata-rata dari beberapa
populasi yang diwakili oleh beberapa kelompok sampel secara bersama,
sehingga hipotesis matematikanya (untuk 5 kelompok) adalah:
H0 : μ 1=μ 2=μ 3=μ 4=μ 5
H1 : Salah satu μ tidak sama.
Bunyi hipotesis alternatif seperti tersebut diatas, merupakan hipotesis
yang fleksibel, karena tidak menyebutkan secara pasti μmana yang
berbeda dengan yang lainnya. Hal ini mempunyai arti bahwa μmana
yang tidak sama bukan merupakan masalah dalam penolakan hipotesis
nol.
Langkah analisis pasca ANOVA:
1. Hitung Tukey’s HSD dengan rumus 9.12.
MS w
HSD = q
√ n

Keterangan:
n adalah banyak sampel per kelompok.
q adalah the studenzed range statistic, yang dapat dilihat dalamtabel
yang sudah disusun, dengan memakai dasar alpha (α), k dan dk.
k adalah banyak kelompok.
dk adalah N-K.
2. Cari perbedaan rata-rata antar kelompok, dan untuk mempermudah
dalam menginterprestasikan perlu disusun dalam satu tabel khusus.

19
3. Interprestasikan nilai HSD yaitu dengan jalan membandingkan
perbedaan rata-rata antar kelompok dengan hasil perhitungan.
Berdasarkan tabel diatas kita dapat berbicara banyak tentang hasil
penelitian tersebut.
Asumsi dalam ANOVA pengukuran ulang:
1. Sampel diambil secara acak (random).
2. Distribusi populasi untuk setiap kelompok adalah normal.
3. Variance distribusi populasi untuk masing – masing kelompok
homogen.
Covariance homogen, ini berarti bahwa setiap subjek relatif tetap pada
posisinya.
Analisis varians satu arah biasanya digunakan untuk menguji rata-
rata/pengaruh perlakuan dari suatu percobaan yang menggunakan satu
faktor, dimana satu faktor tersebut memiliki tiga atau lebih level.
Disebut satu arah karena peneliti dalam penelitiannya hanya
berkepentingan dengan satu faktor saja.
Data hasil percobaan dalan ANOVA satu arah setidak-tidaknya bertipe
interval. Beberapa asumsi yang harus dipebuhi dalam melakukan
analisis ANOVA satu arah adalah error menyebar normal dengan rata-
rata nol dan varians konstan, tidak terjadi autokorelasi pada error dan
varians populasi homogen.
Dalam ANOVA satu arah, sampel dibagi menjadi beberapa kategori dan
ulangan. Kolom sebagai kategori dan baris sebagai ulangan/replikasi.

20
 Tabel ANOVA-nya disajikan sebagai berikut:

Sumber Ftab
df SS MSS Fhit
Variasi 5% 1%
Antara
SStr
Treatmen k-1 SSTr MSSTr =
k−1
t MSSTr
MSSE = MSSE F0,05;k-1,k(n-1) F0,01;k-1;k(n-1)
Dalam
treatment k(n-1) SSE SSE
(Error) k (n−1)
Total nk-1 SST - - - -
Tabel ini memuat kolom-kolom sebagai berikut:

1. Sumber Variasi = Sumber Keragaman (SK) = source of variation

2. Derajat Bebas (db) = degree of freedom
3. Jumlah Kuadrat (JK) = sum of square (SS)
4. Kuadrat Rerata (KR) = mean squares (MSS)
5. Nilai F Perhitungan/Fhit = F Calculate + F observed
6. Nilai F dari Tabel Ftab = F table
Untuk kebutuhan analisis variansi dipergunakan distribusi F, yang
tabelnya sbb:
Tabel Distribusi F (untuk α = 1%)

df2/df1 1 2 3 4 5
2 98.503 99.000 99.166 99.249 99.299
3 34.116 30.817 29.457 28.710 28.237
4 21.198 18.000 16.694 15.977 15.522
5 16.258 13.274 12.060 11.392 10.967
6 13.745 10.925 9.780 9.148 8.746
7 12.246 9.547 8.451 7.847 7.460
8 11.259 8.649 7.591 7.006 6.632
9 10.561 8.022 6.990 6.422 6.057
10 10.044 7.559 6.552 5.994 5.636
11 9.646 7.206 6.217 5.668 5.316
12 9.330 6.927 5.953 5.412 5.064
13 9.074 6.701 5.739 5.202 4.862
14 8.862 6.515 5.564 5.035 4.695
15 8.683 6.359 5.417 4.893 4.556
16 8.531 6.226 5.292 4.773 4.437
17 8.400 6.112 5.185 4.669 4.336

21
 18 8.285 6.013 5.092 4.579 4.248
19 8.185 5.926 5.010 4.500 4.171
20 8.096 5.849 4.938 4.431 4.103
21 8.017 5.780 4.874 4.369 4.042
22 7.945 5.719 4.817 4.313 3.988
23 7.887 5.664 4.765 4.264 3.939
24 7.823 5.614 4.718 4.218 3.895
25 7.770 5.568 4.675 4.177 3.855

Keterangan:
k
1 G2
SSTr = ∑ T 2j -
n j=1 nk
k n
2 G2
SST = ∑ ∑ X ij -
j=1 i=1 nk
SSE = SST – SSTr
G= Grand Total menunjukkan total nxk pengamatan
k n
G = ∑ ∑ X ij
j=1 i=1

Pengujian hipotesis diawali dengan merumuskan hipotesis.

Rumusan hipotesisnya adalah:
H0= sebanyak k mean adalah sama, artinya tidak terdapat perbedaan
antara
Treatment
H1= paling sedikit 2 dari k mean populasi yang tidak sama
Pengujian hipotesis dilakukan dengan membandingkan nilai F hitung
dengan F tabel. Jika F hitung lebih besar dari F tabel maka H0 ditolak,
berarti paling sedikit 2 dan k mean populasi tidak sama. artinya ada efek
dalam pembedaan treatment. Jika F hitung kurang dari F tabel maka H 0
diterima, dan berarti sebanyak k mean adalah sama, artinya tidak ada
efek dalam pembedaan treatment.
3. Menguji Varians Dua Arah
Mengingat masalah kependidikan itu merupakan masalah
kompleks, maka design yang dikembangkan untuk penelitian di bidang
kependidikan biasanya kompleks. Oleh karena itu, tidak mengherankan
jika suatu pengukuran terhadap variable terikat dikaitkan dengan

22
banyak variabel bebas. Bahkan, semakin banyak variabel bebas akan
semakin teliti dan semakin baik penelitian tersebut. Tentunya, dengan
semakin banyak variabel yang akan diungkapkan, semakin banyak
risikonya, diantaranya: sukar dalam menetapkan sampel, sukar
melakukan kontrol, sukar menganalisis, sukar menginterpretasikan, dan
lain – lain kesukaran, disamping membutuhkan waktu dan biaya
banyak.
Apabila design yang dikembangkan untuk mencari atau tidaknya
perbedaan dari dua variabel bebas, dan masing – masing variabel bebas
dibagi dalam beberapa kelompok, maka design yang dikembangkan
tersebut sering disebut dengan two factorial design. Dalam kasus ini
peneliti akan menghadapi kelompok sebanyak hasil kali banyak
kelompok variabel bebas pertama dan banyak kelompok variabel bebas
kedua.
 Perbandingan ANOVA Satu Arah dan Dua Arah
Analisis disini merupakan penyempurna variance satu arah.
Sebenarnya analisis variance satu arah dapat dipakai untuk
menghadapi kasus variabel bebas lebih dari satu. Hanya saja
terpaksa analisisnya dilakukan satu persatu, sehingga akan
menghadapi banyak kasus (N semakin banyak).
Dengan melakukan analisis of variance dua arah akan
dihindari pula terjadinya noise (suatu kemungkinan yang
menyatakan terdapat suatu efek karena bercampurnya suatu analisis
data). Noise ini dapat dihindari pada analisis of variance dua arah
kerana analisis disini melibatkan kontrol terhadapa perbedaan
(kategorikal) variabel bebas. Analisis of variance dua arah dapat
menyajikan bagaimana kondisi interaksi antara variabel bebas yang
satu dengan variabel bebas yang lainnya.
Interaksi merupakan suatu kebersamaan antar faktor dalam
mempengaruhi variabel bebas, dengan sendirinya pengaruh faktor-
faktor secara mandiri yang telah dihilangkan. Jika terdapat interaksi
berarti efek faktor satu terhadap variabel terikat akan mempunyai

23
garis yang tidak sejajar dengan efek faktor lain terhadap variabel
terikat sejajar (saling berpotong), maka antara faktor tidak
mempunyai interaksi.
 Asumsi Dalam Variansi Dua Arah.
Ada beberapa asumsi yang dipakai dalam variansi dua arah:
a. Setiap skor dalam sel harus berdistribusi normal. Asumsi
ini dapat sedikit diabaikan jika sampel tiap sel cukup
banyak.
b. Variasi skor pada setiap sel hendaknya homogen atau sama.
c. Skor yang ada bebas dari pengaruh variabel yang tidak
diteliti. Hal ini bisa dicapai dengan mengambil sampel acak
dari populasi yang sudah diklasifikasikan sesuai dengan sel
yang ada. Disamping itu perlu dilakukan kontrol atas
terjadinya perembesan pengaruh faktor lain maupun antar
kelompok itu sendiri.
Seperti halnya variansi satu arah, variansi dua arah pun bisa
dilakukan untuk jumlah sampel yang tidak sama antara sel
yang satu dengan sel yang lainnya. Tetapi ANOVA dua arah
dengan jumlah sampel berbed, agak berbeda dengan uraian
diatas. Dalam kasus tersebut rata-rata hendaknya ditimbang,
sehingga pengaruh perbedaan jumlah sampel tidak
mempengaruhi hasil analisis.
ANOVA dua arah ini digunakan bila sumber keberagaman
yang terjadi tidak hanya karena satu faktor (perlakuan). Faktor
lain yang mungkin menjadi sumber keberagaman respon juga
harus diperhatikan. Faktor lain ini bisa berupa perlakuan lain
atau faktor yang sudah terkondisi. Pertimbangan memasukkan
faktor kedua sebagai sumber keberagaman ini perlu bila faktor
itu dikelompokkan (blok), sehingga keragaman antarkelompok
sangat besar, tetapi kecil dalam kelompoknya sendiri. Bila
disusun dalam bentuk tabel, maka tampilan tabel dua arah
adalah:

24
 Populasi
Blok Total Ukuran
1 2 … K
1 X11 X12 … X2k B1 K1
2 X21 X22 … X2k B2 K2
… … … … … … …
R Xr1 Xr1 … X2k Br Kr
Total T1 T2 … Tk T
Ukuran n1 n2 … nk N

Tabel ANOVA dua arah:

Sumber Derajat Jumlah Varian
Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Blok r-1 JKB (S1)2 (S1)2 / (S3)2 F(v1, v3)
Antarkolo
k-1 JKK (S2)2 (S2)2 / (S3)2 F(v2, v3)
m
Sisaan (k-1) (r-1) JKS (S3)2
Total rk-1 JKT

k = jumlah populasi atau perlakuan

N = banyaknya pengamatan = n1 + n2 + … + nk
JKB = Jumlah kuadrat antarbaris
B2i −T 2
=∑
Ki N
JKK = Jumlah kuadrat antar kolom
T 2i −T 2
=∑
ni N
JKS = Jumlah kuadrat sisaan
= JKT – JKK – JKB
JKT = Jumlah kuadrat total
2
= ( ∑ X 2ij ) - T
(S1)2 = JKB/ v1 N
(S2)2 = JKK/ v2
(S3)2 = JKS/ v3

Statistik Uji yang digunakan adalah F hitung

Tolak H0 bila Fhitung > Ftabel.

25
K. Contoh Soal
1. Contoh uji pihak kiri :
Suatu perusahaan lampu pijar merk Laser, menyatakan bahwa
daya tahan lampu yang dibuat paling sedikit 400 jam. Berdasarkan
pernyataan produsen tersebut, maka lembaga konsumen akan melakukan
pengujian, apakah daya tahan lampu itu betul 400 jam atau tidak, sebab
ada keluhan dari masyarakat yang menyatakan bahwa lampu pija merk
Laser tersebut cepat putus. Untuk membuktikan pernyataan produsen
lampu pijar tersebut, maka dilakukan penelitian melalui uji coba terhadap
daya tahan 25 lampu yang diambil secara random. Dari uji coba diperoleh
data tentang daya tahan 25 lampu sebagai berikut :

450 390 400 480 500 380 350 400 340 300 300 345 375

425 400 425 390 340 350 360 300 200 300 250 400

Untuk membuktikan pernyataan produsen lampu pijar tersebut,

maka perlu dirumuskan hipotesis. Rumusan hipotesis statistik adalah :

Ho : µ0 ≥ 400 jam

Ha : µ0 < 400 jam

Kalau rumusan hipotesis seperti tersebut di atas maka pengujiannya
dilakukan dengan uji pihak kiri.
Jika nilai statistik uji jatuh pada daerah penerimaan H1, maka H0
ditolak dan H1 diterima. Jadi pernyataan produsen lampu, yang
menyatakan bahwa daya tahan lampu pijar merk Laser paling sedikit 400
jam ditolak, karena H1 yang diterima begitu juga sebaliknya. Pengujian
secara lengkap akan diberikan pada paket berikutnya.
2. Contoh uji pihak kanan :
Karena terlihat ada kelesuan dalam perdagangan jeruk, maka akan
dilakukan penelitian untuk mengetahui berapa kg jeruk yang dapat terjual
oleh pedagang pada setiap hari. Berdasarkan pengamatan sepintas terhadap
pedagang jeruk, maka peneliti mengajukan hipotesis bahwa pedagang

26
 jeruk tiap hari paling banyak dapat menjual 100kg jeruk kepada
konsumen.Berdasarkan hipotesis tersebut, maka telah dilakukan
pengumpulan data terhadap 20 pedagang jeruk. Pengambilan sampel 20
pedagang jeruk dilakukan secara random. Data dari 20 pedagang
diberikan data sebagai berikut :
98 80 120 90 70 100 60 85 95 100 70 95 90 85 75 90 70 90 60 110
Hipotesis statistik untuk uji pihak kanan dapat dirumuskan sebagai
berikut :
H0 : µo ≤ 100kg/hari
H1 : µo > 100kg/hari
Jika nilai statistik uji ternyata jatuh pada daerah penerimaan H0. Dengan
demikian H0 diterima dan H1 ditolak.Jadi dapat disimpulkan bahwa
pedagang jeruk setiap hari paling banyak hanya menjual 100kg adalah
betul.
3. Contoh uji dua pihak:
Telah dilakukan pengumpulan data untuk menguji hipotesis yang
menyatakan bahwa daya tahan berdiri pramuniaga (pelayan toko) di
Jakarta adalah 4 jam/hari. Berdasarkan sampel 31 orang yang diambil
secara random terhadap pelayan toko yang dimintai keterangan
masingmasing memberikan data sebagai berikut :
3234567853456678853456234563233
Untuk membuat keputusan apakah hipotesis itu terbukti atau tidak, maka
harus dicari terlebih dahulu harga nilai statistik uji kemudian
dibandingkan dengan harga tabel. Untuk melihat harga tabel, maka
didasarkan pada (dk) derajat kebebasan, yang besarnya adalah n – 1 dan
juga taraf kesalahan (α). Untuk uji dua pihak taraf kesalahannya adalah

. nJika nilai statistik uji terletak pada daerah penerimaan H 0 yang

menyatakan bahwa daya tahan berdiri pramuniaga di Jakarta adalah
4 jam perhari diterima. Jadi kalau H0 diterima berarti hipotesis nol yang
menyatakan bahwa daya tahan berdiri 4 jam itu dapat digeneralisasikan
atau dapat diberlakukan untuk seluruh populasi.
4. Contoh Hipotesis satu populasi

27
 Sebuah contoh acak terdiri dari 25 kotak yang dipilih dari produk
sebuah perusahaan pembuat makanan dalam kotak mempunyai rata-rata =
364 gram. Berdasarkan pengalaman diketahui bahwa populasi menyebar
normal dengan simpangan baku 15 gram. Dengan menggunakan taraf
nyata α = 0,05, ujilah suatu pendapat yang menyatakan bahwa rataan
berat kotak bahan makanan yang diproduksi perusahaan tersebut kurang
dari 368 gram!

Jawab :
1) Hipotesis
Ho : µ = 368
H1 : µ < 368
2) α = 0,05

3) Statistik uji

Zhit = x −µ0 = (x −µ0 ) n σ/ n

σ
= (364−368) 25

15
= -1,33

Wilayah kritis (Ztabel = Zα) = -1,645

Kesimpulan Zhitung > Ztabel , atau Zhitung jatuh di luar wilayah kritis
maka tidak cukup bukti untuk menolah H0 atau terima H0. Dengan kata
lain rataan berat kotak bahan makanan yang diproduksi perusahaan
tersebut tidak kurang dari 368.

5. Contoh Hipotesis satu populasi

Berdasarkan 100 laporan kematian bahwa rata-rata usia di Aceh
adalah 61,8 tahun dengan simpangan baku 8,9 tahun. Hal ini diduga
bahwa usia masyarakat Aceh lebih dari 60 tahun. Benarkah dugaan
diatas? Uji dengan tingkat signifikansi 5% !

28
 Jawab : Diketahui n = 100, = 61,8 dan s = 8

1) Hipotesis
H0 : µ = 60 H1: µ > 60
2) α = 5%

3) Statistik uji

thit = x−µ0 n
s
= 100

= 2,02

ttabel = t(0,05 ;99) = 1,66

4) Kesimpulan: Karena thit > ttabel maka tidak tidak cukup bukti untuk
menerima H0 atau tolak H0 dengan kata lain usia penduduk Aceh tidak
sama dengan 60 tahun.

DAFTAR PUSTAKA

Sugiyono. METODE PENELITIAN PENDIDIKAN (Pendekatan Kuantitatif,

Kualitatif, dan R&D). (Bandung: Alfabeta), 2016. ( 24 Mei 2021 )

29
Irianto, Agus. 2004. Statistik: Konsep Dasar & Aplikasinya. Jakarta: Kencana.
( 24 Mei 2021 )
https://slideplayer.info/slide/3056426/ ( 26 Mei 2021 )
https://slidetodoc.com/uji-hipotesis-pendahuluan-hipotesis-adalah-asumsi-atau-
dugaan/ ( 26 Mei 2021 )

30