Uji Hipotesis

Satu Sampel
Istiono, SE., MBA.
 Definisi
Hipotesis adalah pernyataan tentang sebuah
parameter populasi yang harus diverifikasi.
Pernyataan ini harus diperiksa apakah masuk
akal dengan menggunakan data yang tersedia.
Pengujian hipotesis (hypothesis testing) adalah
suatu prosedur berdasarkan bukti sampel dan
teori probabilitas untuk menentukan apakah
suatu hipotesis merupakan suatu pernyataan
yang masuk akal.
 Kesalahan Keputusan
Hipotesis Nol
Keputusan
H0 benar H0 salah
Tidak Keputusan yang Kesalahan Tipe II
Menolak H0 benar ( )
Kesalahan Tipe I Keputusan yang
Menolak H0
( ) benar
 Langkah-langkah Uji
Hipotesis

Rumuskan
Pilih tingkat Tentukan statistik
hipotesis nol dan
signifikansi pengujian
hipotesis alternatif

Tidak menolak H0
Ambil sebuah
atau Rumuskan aturan
sampel, ambil
Menolak H0 dan pengujian
keputusan
menerima H1
Tiga pilihan dalam membuat rumusan hipotesis:
1. H0:  = parameter
Ha:   parameter

2. H0:   parameter
Ha:   parameter

3. H0:   parameter
Ha:   parameter
Kriteria menolak atau tidak menolak hipotesis
nol:
H0 tidak ditolak jika: nilai kritis sisi kiri  nilai z/t hitung 
nilai kritis sisi kanan
H0 ditolak jika: nilai z/t hitung  nilai kritis sisi kiri; atau
nilai z/t hitung  nilai kritis sisi kanan

H0 tidak ditolak jika: nilai z/t hitung  nilai kritis

H0 ditolak jika: nilai z/t hitung  nilai kritis

H0 tidak ditolak jika: nilai z/t hitung  nilai kritis

H0 ditolak jika: nilai z/t hitung  nilai kritis
 Uji Hipotesis Rerata Populasi
Deviasi Standar Populasi ( ) Diketahui
Pengujian hipotesis rerata (), ketika deviasi standar
populasi ( ) diketahui, menggunakan statistik
pengujian z.
X 
z
 n

dimana, X adalah rerata sampel;  adalah rerata populasi; 

adalah deviasi standar populasi; dan n adalah ukuran sampel.
Nilai z didasarkan pada distribusi pengamatan sampel X yang
mengikuti distribusi normal dengan rerata (  X ) sama dengan
, dan deviasi standar  X , yang sama dengan  n .
 Contoh 7.1
PT Jati Putih memproduksi berbagai tipe kursi dan
meja. Produksi mingguan kursi tipe K10 mengikuti
distribusi probabiitas normal dengan rerata 300
unit dengan deviasi standar 25 unit. Baru-baru ini
perusahaan telah menggunakan metode produksi
baru dan merekrut pegawai baru. Manajer produksi
perusahaan ingin meneliti apakah telah terjadi
perubahan dalam produksi mingguan untuk kursi
tipe K10 tersebut. Hasil pengamatan selama 50
minggu terakhir menunjukkan rerata produksi
mingguan adalah 305,5 unit. Apakah jumlah
produksi kursi tipe K10 rerata mingguan di PT Jati
Putih berbeda dari 300 unit dengan tingkat
signifikansi 0,05?
Jawab
Dari kasus itu, diketahui bahwa: rerata populasi () = 300; deviasi
standar populasi ( ) = 25; ukuran sampel (n) = 50; dan rerata
sampel ( X ) = 305,5. Uji hipotesis rerata dilakukan dalam 5
langkah:
1. Rumuskan hipotesis:
H0:  = 300
Ha:   300
2. Pilih tingkat signifikan
Tingat signifikansi yang dipilih adalah 0,05 atau 5 persen
3. Pilih statistik pengujian
Statistik pengujian yang digunakan adalah statistik distribusi
z, karena deviasi standar populasi diketahui. Rumus statistik
distribusi z adalah: X 
z
 n
4. Rumuskan aturan keputusan
Kasus ini merupakan uji dua-sisi, sehingga tingkat probabilitas yang
digunakan untuk masing-masing sisi adalah 0,05/2 = 0,0250.
Daerah tidak menolak H0 adalah terletak di antara kedua sisi, yaitu
sebesar 0,95 (= 1 – 0,05). Tabel pada Lampiran 1 didasarkan pada
setengah daerah di bawah kurva atau 0,5000. Kemudian 0,5000 –
0,0250 sama dengan 0,4750, sehingga 0,4750 adalah daerah
antara 0 dan nilai kritis. Temukan angka 0,4750 atau angka
terdekat dengan 0,4750 di dalam tabel itu. Pada sel angka ini, lihat
nilai baris dan nilai kolom yang merupakan nilai kritis. Nilai kritis
itu adalah 1,96. Lihat gambar di bawah ini.

Aturan keputusan menolak atau tidak menolak hipotesis nol

adalah:
H0 tidak ditolak jika: 1,96  nilai z hitung  1,96
H0 ditolak jika: nilai z hitung  1,96; atau nilai z hitung  1,96
5. Ambil keputusan
Berdasarkan data seperti yang telah diketahui diatas, nilai z
(z hitung) adalah:
X   305,5  300 5,5
z    1,56
 n 25 50 3,5355
Nilai z sebesar 1,56 adalah lebih besar dari 1,96 dan juga
lebih kecil dari 1,96 atau tidak berada di daerah penolakan,
sehingga H0 tidak ditolak. Ini berarti bahwa rerata sampel
tersebut tidak berbeda dari 300.
 Contoh 7.2
Lihat kembali data pada Contoh 7.1. Sekarang
masalahnya diubah. Manajer produksi ingin
mengetahui apakah telah terjadi peningkatan
unit produksi. Apakah dapat disimpulkan bahwa
metode produksi dan pegawai baru telah
meningkatkan produksi, yaitu rerata produksi
kursi K10 per minggu selama 50 minggu lebih
dari 300 unit?
Jawab
1. Rumuskan hipotesis:
H0:   300
Ha:   300
2. Pilih tingkat signifikan
Tingat signifikansi yang dipilih adalah 0,05 atau 5 persen
3. Pilih statistik pengujian
Statistik pengujian yang digunakan adalah statistik
distribusi z, karena deviasi standar populasi diketahui.
Rumus statistik distribusi z adalah:
X 
z
 n
4. Rumuskan aturan keputusan
Kasus ini merupakan uji satu-sisi kanan dan tingkat probabilitas
yang digunakan adalah 0,05. Daerah tidak menolak H0 adalah
mulai dari sisi paling kiri kurva hingga titik nilai kritis, yaitu
sebesar 0,95 (= 1 – 0,05). Tabel pada Lampiran 1 didasarkan
pada setengah daerah di bawah kurva atau 0,5000. Kemudian
0,5000 – 0,0500 sama dengan 0,4500, sehingga 0,4500 adalah
daerah antara 0 dan nilai kritis. Temukan angka 0,4500 atau
angka terdekat dengan 0,4500 di dalam tabel itu dan ditemukan
angka 0,4495 dan 0,4505. Dipilih angka 0,4505 dan pada sel
angka ini, lihat nilai baris dan nilai kolom yang merupakan nilai
kritis. Nilai kritis itu adalah 1,65. Lihat gambar di bawah ini.
Aturan keputusan menolak atau tidak menolak hipotesis nol
adalah:
H0 tidak ditolak jika: nilai z hitung  1,65
H0 ditolak jika: nilai z hitung  1,65
5. Ambil keputusan
Berdasarkan data seperti yang telah diketahui diatas, nilai
statistik z (z hitung) adalah:
X   305,5  300 5,5
z    1,56
 n 25 50 3,5355
Nilai z sebesar 1,56 adalah tidak lebih besar dari 1,65 atau tidak
berada di daerah penolakan, sehingga H0 tidak ditolak. Dapat
disimpulkan bahwa rerata sampel tersebut tidak lebih besar
dari 300.
 Contoh 7.3
Sebuah rumah makan cepat saji menyatakan
bahwa rerata waktu pelayanan seorang
pelanggan adalah 5 menit dengan deviasi
standar populasi 1 menit. Seorang mahasiswa
Fakultas Ekonomi melakukan penelitian di
rumah makan ini tentang waktu pelayanan
rumah makan kepada para pelanggan. Dalam
satu sampel yang terdiri dari 45 pelanggan,
diketahui rerata pelayanan adalah 4,5 menit.
Dengan tingkat signifikansi 0,10, dapatkah
disimpulkan bahwa rerata waktu pelayanan
adalah kurang dari 5 menit?
Jawab
1. Rumuskan hipotesis:
H0:   5
Ha:   5
2. Pilih tingkat signifikan
Tingat signifikansi yang dipilih adalah 0,10 atau 10 persen
3. Pilih statistik pengujian
Statistik pengujian yang digunakan adalah statistik
distribusi z, karena deviasi standar populasi diketahui.
Rumus statistik distribusi z adalah:
X 
z
 n
4. Rumuskan aturan keputusan
Kasus ini merupakan uji satu-sisi kiri dan tingkat probabilitas
yang digunakan adalah 0,10. Daerah tidak menolak H0 adalah
mulai dari sisi paling kanan kurva hingga titik nilai kritis, yaitu
sebesar 0,90 (= 1 – 0,10). Tabel pada Lampiran 1 didasarkan
pada setengah daerah di bawah kurva atau 0,5000. Kemudian
0,5000 – 0,1000 sama dengan 0,4000, sehingga 0,4000 adalah
daerah antara 0 dan nilai kritis. Temukan angka 0,4000 atau
angka terdekat dengan 0,4000 di dalam tabel itu dan ditemukan
angka 0,3997 dan 0,4015. Dipilih angka 0,3997 dan pada sel
angka ini, lihat nilai baris dan nilai kolom yang merupakan nilai
kritis. Nilai kritis itu adalah 1,28. Lihat gambar di bawah ini.
Aturan keputusan menolak atau tidak menolak hipotesis nol
adalah:
H0 tidak ditolak jika: nilai z hitung  1,28
H0 ditolak jika: nilai z hitung  1,28
5. Ambil keputusan
Berdasarkan data diatas, nilai statistik z (z hitung) adalah:
X   4,5  5  0,5
z    3,35
 n 1 45 0,1491
Nilai z sebesar 3,35 adalah lebih kecil dari 1,28, sehingga H0
ditolak. Dapat disimpulkan bahwa rerata waktu pelayanan
pelanggan adalah kurang dari 5 menit. Selisih 0,5 menit antara
rerata populasi dan rerata sampel merupakan selisih yang
signifikan.
 Nilai p dalam Uji Hipotesis
Nilai p (p value) adalah probabilitas dari
pengamatan suatu nilai sampel yang sama
ekstrem, atau lebih ekstrem dari nilai yang
diamati dengan hipotesis nol yang benar. Jika
nilai p adalah lebih kecil dari pada tingkat
signifikansi, maka H0 ditolak. Tetapi, jika nilai p
adalah lebih besar dari pada tingkat signifikansi
(), maka H0 tidak ditolak.
 Contoh 7.4
Cara menghitung nilai p dijelaskan dengan menggunakan
kasus Contoh 7.1. Hipotesis nol itu tidak ditolak, karena
nilai z sebesar 1,56 masuk dalam daerah antara 1,96 dan
1,96. Probabilitas menemukan nilai z = 1,56 atau lebih
adalah 0,0594, diperoleh dari 0,5000 – 0,4406 (angka
0,4406 adalah probabilitas dari 0 hingga 1,56). Dengan
kata lain, probabilitas untuk memperoleh suatu yang
lebih besar dari 305,5 jika  = 300 adalah 0,0594. Untuk
menghitung nilai p, perlu memerhatikan daerah yang
kurang dari 1,56 demikian juga dengan nilai-nilai yang
lebih besar dari 1,56 (karena daerah penolakan ada di
kedua sisi). Nilai p kedua sisi adalah 0,1188 (= 2  0,0594).
Nilai p 0,1188 adalah lebih besar dari pada tingkat
signifikansi 0,05, sehingga H0 tidak ditolak. Perhatikan
gambar di bawah. Aturan keputusan dengan pendekatan
nilai p yang sama digunakan seperti pengujian satu-sisi.
Nilai p adalah satu cara untuk menyatakan kemungkinan
bahwa H0 salah. Jika nilai p kurang dari tingkat signifikansi,
maka H0 ditolak; jika nilai p lebih besar dari tingkat
signifikansi, maka H0 tidak ditolak. Selain itu, jika nilai p sangat
besar, maka kemungkinan H0 benar. Jika nilai p kecil, maka
kemungkinan H0 tidak benar. Berikut bantuan menjelaskan
nilai-nilai p:
Jika nilai p kurang dari:
a. 0,10, dimiliki beberapa bukti bahwa H0 tidak
benar.
b. 0,05, dimiliki bukti kuat bahwa H0 tidak
benar.
c. 0,01, dimiliki bukti yang sangat kuat bahwa
H0 tidak benar.
d. 0,001, dimiliki bukti yang luar biasa kuat
bahwa H0 tidak benar
Uji Hipotesis Rerata Populasi

Deviasi Standar Populasi ( ) Tidak Diketahui

Uji hipotesis untuk rerata jika deviasi standar populasi tidak
diketahui tidak lagi, menggunakan distribusi z, tetapi
menggunakan distribusi t. Rumus untuk mencari nilai statistik
t (t hitung) adalah:

X 
t
s n

dengan derajat kebebasan n – 1, dimana 𝑋 adalah rerata

sampel;  adalah rerata populasi yang dihipotesiskan; s
adalah deviasi standar sampel; dan n adalah jumlah
pengamatan dalam sampel.
 Contoh 7.5
Sebuah perusahaan jasa pengiriman mobil
melaporkan rerata biaya untuk mengirim sebuah
mobil adalah Rp72.000. Sebuah laporan dari asosiasi
perusahaan jasa pengiriman menunjukkan bahwa
jumlah ini lebih besar dibandingkan sebagian besar
perusahaan pengiriman lain, sehingga perusahaan ini
mengadakan langkah-langkah penghematan biaya.
Untuk mengevaluasi dampak dari langkah
penghematan biaya itu, perusahaan memilih suatu
sampel acak dari 24 pengiriman mobil selama tiga
bulan terakhir. Data biaya pengiriman dari sampel itu
ditunjukkan sebagai berikut (angka dalam ribuan):
 Rp65 Rp64 Rp75 Rp65 Rp58 Rp76
63 68 78 76 78 79
63 69 66 71 78 78
67 66 73 74 71 72

Apakah masuk akal untuk menyimpulkan bahwa

rerata biaya untuk mengirim mobil sekarang adalah
kurang dari Rp72.000? Gunakan tingkat signifikansi 1
persen.
Jawab
1. Rumusan hipotesis:
H0:   Rp72.000
Ha:   Rp72.000
2. Tingkat signifikansi yang digunakan = 0,01.
3. Statistik pengujian adalah distribusi t, dengan rumus:
X 
t
s n
4. Aturan keputusan:
Dengan df = n – 1 = 24 – 1 = 23 dan  =0,01 untuk uji satu
sisi diperoleh nilai kritis t (tabel) = 2,500; sehingga aturan
keputusannya adalah:
 H0 tidak ditolak jika: nilai t hitung  2,500
H0 ditolak jika: nilai t hitung  2,500

5. Ambil keputusan:
Sampel yang berukuran 24 data biaya tersebut diatas
memberikan rerata biaya Rp70.541,67 dengan deviasi
standar Rp6.014,32. Dengan demikian, nilai t statistik dapat
dihitung sebagai berikut:

X   Rp70.541,67  Rp72.000  Rp1.458,33

t    1,188
s n Rp6.014,32 24 Rp1.227,67
Karena –1,188 adalah lebih besar dari –2,500 maka hipotesis
nol tidak ditolak pada tingkat signifikansi 0,01. Ini belum
menunjukkan bahwa langkah-langkah penghematan biaya
pengiriman tersebut mengurangi rerata biaya per kiriman
menjadi kurang dari Rp72.000. Selisih antara rerata sampel
dan rerata populasi sebesar Rp1.458,33 (= Rp70.541,67 –
Rp72.000) mungkin diakibatkan oleh kesalahan penarikan
sampel. Lihat gambar berikut:
 Uji Hipotesis Proporsi
Populasi

Proporsi adalah rasio dari jumlah keberhasilan

terhadap jumlah pengamatan: p = X/n.

Statistik pengujian yang digunakan adalah

distribusi z yang dirumuskan sebagai berikut:
p 
z
 1   
n
 Contoh 7.6
Sebuah iklan menyatakan bahwa 80 persen ibu rumah
tangga menggunakan sabun mandi merek Semerbak.
Sebuah penelitian telah dilakukan terhadap ibu-ibu
rumah tangga dengan mengambil sampel secara acak
sebanyak 200 ibu rumah tangga. Penelitian ini
menemukan bahwa 155 ibu rumah tangga
menggunakan sabun merek Semerbak. Apakah ibu-
ibu rumah tangga yang menggunakan sabun mandi
merek Semerbak lebih kecil dari 80 persen? Gunakan
tingkat signifikansi 0,05.
Jawab
Diketahui bahwa proporsi populasi () adalah 80 persen;
ukuran sampel (n) adalah 200; dan jumlah ibu rumah tangga
yang menggunakan sabun merek Semerbak (X) adalah 155;
sehingga proporsi sampel (p) = 155/200 = 0,775 atau 77,5
persen. Uji hipotesis proporsi dilakukan melalui lima langkah
berikut:
1. Rumusan hipotesis:
H0:   0,8
Ha:   0,8
Uji hipotesis ini merupakan uji satu-sisi kiri.
2. Tingkat signifikansi yang digunakan : 0,05.
3. Statistik pengujian:
Statistik pengujian yang digunakan adalah statistik
distribusi z dengan rumus:
p 
z
 1   
n
4. Aturan keputusan:
Dengan menggunakan tingkat signifikansi 0,05 diperoleh
nilai kritis (z tabel) sebesar –1,65. Sehingga, aturan
menolak atau tidak menolak hipotesis adalah:
H0 tidak ditolak jika: nilai z hitung  1,65
H0 ditolak jika: nilai z hitung  1,65
5. Keputusan:
Berdasarkan data yang tersedia, statistik distribusi z (z
hitung) adalah sebesar:
 p  0,775  0,8  0,025
z    0,88
 1    0,81  0,8 0,0283
n 200
Keputusannya adalah hipotesis nol tidak ditolak, karena –
0,88 adalah lebih besar dari –1,65 atau jatuh di daerah
tidak menolak H0. Hal ini berarti bahwa proporsi ibu-ibu
rumah tangga yang menggunakan sabun merek Semerbak
tidak lebih kecil dari pada 80 persen atau berarti juga
bahwa tidak cukup bukti untuk menolak iklan tersebut