MODUL PERKULIAHAN

Statistika dan
Probabilitas
Konsep Dasar Pengujian
Hipotesis
Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

09
Teknik Teknik Sipil 11006 Sediyanto, ST,MM

Abstract Kompetensi
Hipotesis statistik adalah suatu Mahasiswa mampu menjelaskan
anggapan atau pernyataan, yang pengertian pengujian hipotesis dan
mungkin benar atau tidak, mengenai penerapannya
satu populasi atau lebih. Hipotesis
nol = H0 : setiap hipotesis yang akan
diuji dinyatakan dengan hipotesis
nol. Penolakan H0 menjurus, pada
penerimaan suatu hipotesis
tandingan = H1.
Pendahuluan

Hipotesis statistik adalah suatu anggapan atau pernyataan, yang mungkin benar atau tidak,
mengenai satu populasi atau lebih. Hipotesis nol = H0 : setiap hipotesis yang akan diuji
dinyatakan dengan hipotesis nol. Penolakan H0 menjurus, pada penerimaan suatu hipotesis
tandingan = H1.
 Galat jenis I : penolakan H0 padahal hipotesis itu benar.
 Galat jenis II : penerimaan H0 padahal hipotesis itu salah.
Tindakan H0 benar H0 salah
Terima H0 Keputusan benar Galat jenis II

Tolak H0 Galat jenis I Keputusan benar

 Kuasa suatu uji : peluang menolak H0 bila suatu tandingan tertentu benar
 Uji eka arah : uji hipotesis dengan wilayah penolakan H0 ada di satu sisi saja
 Uji dwi arah : Uji hipotesis dengan wilayah penolakan H 0 ada di dua sisi (kiri dan kanan)
sebesar 0,05
 Nilai -p: taraf (keberartian) terkecil sehingga nilai uji statistik yang diamati masih berarti
(nyata).

2. a. Uji Hipotesis suatu rataan (varians diketahui)

 H0 :  = 0
 H1 :  =  0
  = 0,05
 Wilayah kritik z > 1,96 atau z < -1,96

 Statistik uji X  μ0
Z
σ/ n
 Keputusan tolak H0 bila statistik uji z jatuh di wilayah kritik

b. Uji hipotesis satu rataan ( varians tidak diketahui)

 H0 :  = 0
 H1 :   0
  = 0,05

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

2
Sediyanto, ST,MM http://www.mercubuana.ac.id
  Wilayah kritik : ditentukan dengan meng-gunakan tabel t

 Statitik uji t  X  μ 0 , wilayah kritik kecil dari -t/2 atau besar dari t/2
S/ n

X  μ0
 Statistik uji z  ; bila n  30 dan wilayah kritiknya z > z/2 atau z < z1-/2
S/ n

 Keputusan tolak H0 bila statistik uji z jatuh di wilayah kritik

c. Hipotesis H1 dan wilayah kritik

H0 Statistik uji H1 Wilayah kritik

μ  μ0 x  μ0 μ  μ0 z  z α
z ;
σ/ n μ  μ0 z  zα
σ  diketahui μ  μ0 z   z1/2α atau
z  z1/2α
μ  μ0 x  μ0 μ  μ0 t  -t α(v)
t ; v  n 1
s/ n μ  μ0 t  t α(v)
σ tidak diketahui μ  μ0 t   t 1/2 (v) atau
t  t 1/2 (v)
x  μ0 μ  μ0 z  z α
z ; n  30
s/ n μ  μ0 z  zα
σ tidak diketahui μ  μ0 z   z1/2α atau
z  z1/2α

3. Uji Hipotesis dua rataan

Varian 1 dan  2 diketahui

2 2
a.
 H0 : 1 - 2 = d0
 H1 : 1 - 2  d0
 Taraf uji  = 0,05
 Wilayah kritik z > 1,96 atau z < -1,96
 Statistik uji: (x1  x 2 )  d0
z 
σ1
2
σ2
 2
n1 n2

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

3
Sediyanto, ST,MM http://www.mercubuana.ac.id
  Keputusan: tolak H0 bila statistik uji jatuh di wilayah kritik.

b. Varian  12   22 tetapi tidak diketahui

 H0 : 1 - 2 = d0
 H0 : 1 - 2  d0
 Taraf uji = 
 Wilayah kritik t > t1/2() atau t < - t1/2() (lihat pada tabel t) dengan derajat bebas 
= n1 + n2 – 2
 Statistik uji

x 1  x 2   d0 (n1  1)S12
 (n 2  1)S 2
t  
2 2
;Sp
1 1 n1  n 2  2
Sp 
n1 n2

 Keputusan : tolak H0 bila statistik uji jatuh di wilayah kritik.

c. Varians 12 dan 22 tidak diketahui dan 12  22

 H0 : 0 - 2 = d0
 H1 : 1 - 2  d0
 Taraf uji = 
 Wilayah kritik : t '  t -1/2 (v) atau t '  t1/2 (v)
 Statistik uji :

t' 
x 1 
 x2  d0
dengan
2 2
S1 S
 2
n1 n2
2
 S12 S2
2


  

 n1 n 2 
V  2 2
 S12   S22 

  n1  1  
  n2  1
 n1 
  n2 

 Keputusan : tolak H0 bila statistik uji jatuh di wilayah kritik

d. Uji Pengamatan Berpasangan

Pengamatan ( xi, yi ) dan di = yi - xi

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

4
Sediyanto, ST,MM http://www.mercubuana.ac.id
 Peubah acak d1 = {d1,d2, …, dn}
2
n
 n 
n d i    d i 
2

Sd 
2 i 1  i 1 
nn  1
n

d i
d  i 1
, d p enduga μ D
n

 H0 : D = d0
 H0 : D  d0
 Taraf uji = 
 Wilayah kritik t  t1/2 (v  n -1) atau t  - t1/2 (v  n -1)
 Statistik Uji :
d  d0
t 
Sd n

 Keputusan : tolak H0 bila statistik uji jatuh di wilayah kritik

e. Hipotesis H1 dan wilayah kritik untuk Uji Beda Rataan

H0 Statistik Uji H1 Wilayah kritik

μ1  μ2  d0 Z  x 1  x 2   d 0 1   2  d 0 Z   Z
2 2
1  1   2  d 0 Z  Z
 2 Z   Z1 2  atau
n1 n2 1   2  d 0
Z  Z1 2 
1 dan 2 diketahui
2 2

1   2  d 0 t  t ( v )
μ1  μ2  d0
t
x  x 2  d0
1 
1 1
1   2  d 0 t  t ( v )
Sp 
n1 n 2 1   2  d 0 t  t1 2 ( v ) atau

1   2 tetapi tidak diketahui

2 2 t  t1 2 ( v )
v  n1  n 2  2

Sp
2

n1  1S1  n 2  1S2
2 2

n1  n 2  2

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

5
Sediyanto, ST,MM http://www.mercubuana.ac.id
μ1  μ2  d0 x 
 x 2  d0 1   2  d 0 t '  t ( v )
t 
' 1

S1 S2
2 2 1   2  d 0 t '  t ( v )

n1 n 2 1   2  d 0 t '  t1 2 ( v ) atau
2
 S12 2
 t '  t1 2 ( v )
  S2 
 n 1 n 2
V 2 2
 S12   S2 2 
  n1  1    n 2  1
 n1   n2 
1   2 dan tidak diketahui
2 2

H0 Statistik Uji H1 Wilayah kritik

 D  d0 d  d0 D  d0 t  t ( v )
t v  n 1
Sd n D  d0 t  t ( v )
pengamatan berpasanga n D  d0 t  t1 2 ( v ) atau
t  t1 2 ( v )

4. Uji Hipotesis Tentang Proporsi

a. Uji satu proporsi untuk n besar

Bila n besar dan p0 yang dihipotesiskan tidak terlalu dekat kepada nol atau satu
maka sebaran binom dapat didekati dengan sebaran normal dengan  = n p0 dan 2
= n p0 (1-p0) sehingga
x  n p0
Z 
n p0 (1  p0 )

Langkah penguji
 H0 : p = p0
 H1 : p  p0
 Taraf uji = 
 Wilayah kritik = Z < - Z ½  atau Z > Z ½ 
 Statistik uji
x  n p0
Z
n p0 (1 p0 )

 Keputusan tolak H0 bila statistik uji jatuh di wilayah kritik.

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

6
Sediyanto, ST,MM http://www.mercubuana.ac.id
 b. Uji beda proporsi untuk sample besar
 H0 : p1 = p2
 H1 : p1  p2
 Taraf uji = 
 Wilayah kritik = Z < - Z ½  atau Z > Z ½ 
 Statistik uji =

p̂1  p̂ 2
Z
 1 1 
p̂ q̂ 
n  n 

 1 2 

x1 x2 x  x2
p̂1  ; p̂ 2  ; p̂  1 ; q̂  1  p̂
n1 n2 n1  n 2

 Keputusan tolak H0 bila statistik uji jatuh di wilayah kritik.

Bila d0  0 sehingga H0 yg di uji p1 - p2= d0  0 maka prosedur pengujinya menjadi

 H0 : p1 – p2 = d0
 H1 : p1 – p2  d0 ; H1 : p1 – p2 < d0 ; H1 : P1 – P2 > d0
 Taraf uji = 

 Wilayah kritik
Z < - Z1/2  atau Z < - Z1/2  jika H1 : p1 – p2  d0
Z < - Z jika H1 : p1 – p2 < d0
Z < - Z jika H1 : p1 – p2 > d0

 Statistik uji ( p̂1  p̂ 2 )  d 0

Z
p̂1q̂1 p̂ q̂
 2 2
n1 n2

x1 x2 x x2
p̂1  ; p̂ 2  ; q̂1  1 ; q̂ 2 
n1 n2 n1 n2

 Keputusan tolak H0 bila statistik uji jatuh di wilayah kritik

5. Uji Hipotesis Tentang Ragam (Varians)

a. Uji Hipotesis varians dari populasi normal

 H0 : 2  0
2

 H1 : 2  0 ;   0 ; 2  0
2 2 2 2

 Taraf uji = 

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

7
Sediyanto, ST,MM http://www.mercubuana.ac.id
  Wilayah kritik =
 2  12  bila H1 :  2  02
 2  
2
bila H1 :  2  02
2  2 1 atau  2   21 bila H1 :  2  02
1  
2 2

 Statistik uji

(n  1) S2
2  dengan
 02
2
n
 n 
n  X i2    X i 
S2  i 1  i 1 
n ( n  1)

 Keputusan tolak H0 bila statistik uji jatuh di wilayah kritik

 Untuk contoh (sampel) besar untuk H0 : 2 = 02 maka dapat didekati dengan
sebaran normal sehingga statistik uji

S  0
Z  ; S = Simpangan baku contoh (sampel)
0 / 2n
b. Uji Hipotesis kesamaan dua varians dari dua populasi normal
 H 0 :  12   22
 H1 : 12  2
2 ; 1  2 ; 1  2
2 2 2 2

 Taraf uji = 
 Wilayah kritik :
F  f1  (1 ,  2 ) bila H1 : 12   2
2

F  f  (1 ,  2 ) bila H1 : 12   2

2

Ff 1 (1 ,  2 ) atau F  f 1 (1 ,  2 ) bila H1 : 12   22

1  α
2 2

S12
 Statistik uji F
S22

 Keputusan tolak H0 bila statistik uji jatuh dari wilayah kritik.

 Untuk ukuran contoh n1, n2 besar, statistik uji
S1  S2
Z ;
1 1
Sp 
2n 1 2n 2

S1 = Simpangan baku contoh dari populasi 1

S2 = Simpangan baku contoh dari populasi 2

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

8
Sediyanto, ST,MM http://www.mercubuana.ac.id
 (n1  1) S12  (n 2  1) S22
Sp 
n1  n 2  2

6. Uji Kebaikan Suai

Suatu uji kebaikan suai frekuensi amatan dan harapan didasarkan pada besaran
k
(O i  e i ) 2
2  
i 1 ei ,

Dengan 2 merupakan nilai peubah acak yang sebaran sampelnya mendekati sebaran
khi-kuadrat dengan derajat bebas  = k – 1.
Oi = frekuensi amatan,
ei = frekuensi harapan
Bila ada parameter yang diduga maka  = k - 1 - jumlah parameter yang diduga. Uji
Kebaikan – Suai dapat digunakan menguji ke-normalan data. Pada uji ini data ditata
dalam kelas frekuensi dan dihitung frekuensi amatan dan frekuensi harapan-nya.

 H0 : peubah acak x menyebar secara normal

 H1 : peubah acak x tidak menyebar secara normal
 Taraf uji = 
 Wilayah kritik : 2   2
(   k 1)

 Statistik uji : k 2
(O i  e i )
2   i 1 ei

 Keputusan tolak H0 jika statistik uji jatuh di wilayah kritik.

Uji kenormalan yang lebih kuasa dari uji khi-kuadrat adalah uji Geary dengan statistik
uji
u 1
Z 
0,2661 / n dan wilayah kritik

Z  Zα atau Z  Zα dimana

2 2

 / 2  Xi - X /n 1,2533 Xi  X /n
u 
 X   X 
2 2
i X /n i X /n

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

9
Sediyanto, ST,MM http://www.mercubuana.ac.id
7. Uji Kebebasan

Suatu tabel kontingensi b x  dengan pengamatan Oij.

 H0 : pij = pi . p.j, Ki = 1, 2, …, b;
j = 1, 2, …, atau peubah pada baris bebas terhadap peubah pada kolom
Oi O. j
pi .  ; p. j 
n n
Oi .O j
eˆij  n p
ˆ i . p. j 
n
b 


i 1
pi .  1;  p. j  1
j 1

b  O  êij 
2
 Statistik uji 2  
i 1 j1
ij

êij

 Keputusan tolak H0 bila

2  (2b 1)(  1) (  )
dimana  = taraf uji.

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

10
Sediyanto, ST,MM http://www.mercubuana.ac.id
Daftar Pustaka

1. Prof. Dr. Agus Iriant o, , “St atist ik : Kons ep Das ar d an Aplikasinya”,

Jak art a, Kenc ana, 2006
2. Dr. I r. Harinaldi, M.Eng, “Prinsip -P rinsip St atist ik untuk Tekn ik dan
Sains”,J ak art a, Erlangga, 2005.
3. Prof. Dr. Sudjana, MA.,MSc., ”Met oda Stat ist ika”, Bandung, Tars ito, 2 007
4. Sumber Intern et : http:// www.s lideshare.net / wifiq/stat -pro-modul1

2016 Statistik & Probabilitas Pusat Bahan Ajar dan eLearning

11
Sediyanto, ST,MM http://www.mercubuana.ac.id