Bab 5 Uji Hipotesis Statistik

UJI HIPOTESIS STATISTIK
5
Objektif :
1. Mahasiswa Mampu Memahami Pengertian dan Pembentukan Hipotesis

Statistik.
2. Mahasiswa Mampu Memahami dan Menggunakan Software R
Commander dalam Uji Hipotesis Satu Nilai Rata-rata.
Commander dalam Uji Hipotesis Beda Dua Nilai Rata-rata.
Commander dalam Uji Hipotesis Satu Proporsi.
Commander dalam Uji Hipotesis Beda Dua Proporsi.
5.1 Pengertian dan Pembentukan Hipotesis Statistik
Pengujian hipotesis merupakan hal yang sangat penting dalam statistik

inferensi. Karena hipotesis merupakan sebuah asumsi / argumen /
pendapat dari sebuah data atau populasi yang akan diuji. Dalam statistika
dikenal dua macam hipotesis, yaitu :
• H0 adalah hipotesis yang dirumuskan dengan harapan akan ditolak atau

pernyataan tidak adanya perbedaan karakteristik/parameter populasi
(selalu ditandai dengan tanda =).
• H1 adalah hipotesis alternatif jika 𝐻0 ditolak (ditulis dalam bentuk ≠, <, >).
BAB 5. UJI HIPOTESIS STATISTIK
A. Tujuan Uji Hipotesis

Tujuan uji hipotesis adalah untuk menentukan apakah dugaan tentang
karakteristik suatu populasi memperoleh dukungan kuat oleh informasi yang
berasal dari sampel atau tidak.
Contoh :
Misalkan hendak dibuktikan rerata waktu tunggu konsumen yang datang ke
sebuah kantor pelayanan masyarakat kurang daripada 15 menit. Rerata waktu
tunggu yang lebih lama daripada 15 menit dianggap tidak memuaskan dan
akan mengakibatkan perlunya dilakukan perombakan dalam tata kerja di
kantor pelayanan tersebut. Hipotesis nol dan hipotesis alternatif yang diajukan
di sini adalah :
𝑯𝟎 ∶ µ ≤ 𝟏𝟓 𝒗𝒆𝒓𝒔𝒖𝒔 𝑯𝟏 ∶ µ > 𝟏𝟓
Jika data yang terkumpul mendukung secara kuat pernyataan hipotesis
alternatif 𝐻1 ∶ µ > 15, dinyatakan kesimpulan bahwa hipotesis nol 𝐻0 ∶ µ ≤
15 ditolak, sebaliknya jika data yang ada tidak mendukung pernyataan
hipotesis alternatif 𝐻1 ∶ µ > 15, dinyatakan kesimpulan bahwa hipotesis nol
𝐻0 ∶ µ ≤ 15 tidak ditolak.
Secara umum, pernyataan yang hendak dibuktikan pada hipotesis alternatif

seandainya dianggap terbukti kebenarannya, adalah pernyataan yang
berimplikasikan keputusan untuk melakukan ‘perubahan‘ ataupun sekurang-
kurangnya berupa rekomendasi untuk melakukan ‘perubahan’. Misalkan pada
contoh di atas, pernyataan hipotesis alternatif 𝐻1 ∶ µ > 15 yang dianggap
terbukti kebenarannya akan menghasilkan rekomendasi untuk memperbaiki
sistem pelayanan yang selama ini digunakan.
Karena ‘perubahan’ dalam bidang apapun akan terkait dengan masalah biaya
atau hal-hal lain yang umumnya membebani pelaksanaannya, maka
Integrated Laboratory Universitas Gunadarma-Statistika 2 2

‘penerimaan’ hipotesis alternatif akan menimbulkan implikasi yang jauh lebih

berat daripada ‘penerimaan’ hipotesis nol, sehingga pembuktian hipotesis
alternatif dengan sendirinya menjadi jauh lebih penting daripada
‘pembuktian’ hipotesis nol, yang dalam praktik umumnya tidak pernah
dilaksanakan (kecuali pada penelitian negatif).
B. Jenis-jenis Hipotesis
Menurut tingkat eksplanasi hipotesis yang akan diuji, maka hipotesis dapat
dikelompokkan menjadi tiga macam, yaitu :
1) Hipotesis Deskriptif
Hipotesis deskriptif adalah dugaan tentang nilai suatu variabel
mandiri, tidak membuat perbandingan atau hubungan.
2) Hipotesis Komparatif
Hipotesis komparatif adalah pernyataan yang menunjukkan dugaan
nilai dalam satu variabel atau lebih pada sampel yang berbeda.
3) Hipotesis Hubungan (Asosiatif)
Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan
dugaan tentang hubungan antara dua variabel atau lebih.
5.1.1 Tipe Kesalahan dalam Pengujian Hipotesis

Terdapat dua jenis kesalahan/error/galat dalam pengujian hipotesis
statistik, yaitu :
• Kesalahan Tipe I : Suatu kesalahan bila menolak hipotesis nol (H0) yang
benar (seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan
dengan .
 disebut juga level of significance (taraf signifikan) yang nilainya 0    1
• Kesalahan Tipe II : Kesalahan bila menerima hipotesis yang salah

(seharusnya ditolak). Tingkat kesalahan untuk ini dinyatakan dengan .
Nilainya 0    1

Berdasarkan hal tersebut, maka hubungan antara keputusan menolak atau

menerima hipotesis dapat digambarkan seperti berikut :
Keadaan sebenarnya
Keputusan
Hipotesis benar Hipotesis salah
Terima
Tidak membuat kesalahan Kesalahan tipe II
hipotesis
Menolak
Kesalahan Tipe I Tidak membuat kesalahan
hipotesis
Dari tabel tersebut, dapat dijelaskan sebagai berikut :

1. Keputusan menerima hipotesis nol yang benar, berarti tidak membuat
kesalahan.
2. Keputusan menerima hipotesis nol yang salah, berarti terjadi kesalahan
Tipe II.
3. Membuat keputusan menolak hipotesis nol yang benar, berarti terjadi
kesalahan Tipe I.
4. Keputusan menolak hipotesis nol yang salah, berarti tidak membuat
kesalahan.
5.1.2 Prinsip dan Arah Pengujian Hipotesis
Terdapat dua tipe hipotesis :
1. Hipotesis Satu Arah (atau Hipotesis Satu Sisi)

Jika hipotesis alternatif menunjukkan tanda > atau <. Hal ini dikarenakan
peneliti atau perancang hipotesis, menginginkan suatu perubahan satu
arah, misalnya apakah meningkat, apakah terjadi penurunan, dan
sebagainya.

Contoh:
Sebuah perusahaan rokok menyatakan bahwa kadar nikotin rata-rata
rokok yang diproduksinya tidak melebihi 2,5 miligram (H0 : µ ≤ 2,5 dan H1 :
µ > 2,5).
2. Hipotesis Dua Arah (atau Hipotesis Dua Sisi)

Jika hipotesis alternatif menunjukkan tanda ≠.
Misalkan H0 : µ = 20, lawan H1 : µ ≠ 20
Ini berarti hipotesis alternatifnya memiliki dua definisi, H1 : µ > 20 dan/atau
H1 : µ < 20. Hal ini dikarenakan peneliti menginginkan suatu perbedaan,
yaitu apakah berbeda atau tidak (entah berbeda itu meningkat, atau
menurun).
Contoh:
Sebuah pabrik sereal ingin mengetes unjuk kerja dari mesin pengisinya.
Mesin tersebut dirancang untuk mengisi 12 ons setiap boksnya. (karena
hanya ingin menguji apakah rata-rata mesin pengisi tersebut dapat mengisi
12 ons setiap boksnya atau tidak, H0 : µ = 12, dan H1 : µ ≠ 12).
5.1.3 Daerah Penolakan

Daerah penolakan (daerah kritis) adalah area pada distribusi sampling yang
lebih ekstrim daripada nilai batas (nilai kritis). Letak statistik penguji pada
distribusi samplingnya akan menentukan kesimpulan uji hipotesis:
- Jika nilai statistik penguji terletak pada daerah kritis distribusi samplingnya,
maka kesimpulannya hipotesis nol ditolak.
- Jika nilai statistik penguji terletak di luar daerah kritis, maka kesimpulannya
hipotesis nol tidak ditolak.

Untuk statistik penguji yang berdistribusi Z atau t, daerah penolakan uji

hipotesisnya sebagai berikut :
Daerah Penolakan
𝑯𝟎 𝑯𝟏
Uji Z Uji t
µ ≤ µ0 µ > µ0 𝑍𝑢𝑗𝑖 > 𝑍𝛼 𝑡𝑢𝑗𝑖 > 𝑡𝛼
µ ≥ µ0 µ < µ0 𝑍𝑢𝑗𝑖 < −𝑍𝛼 𝑡𝑢𝑗𝑖 < −𝑡𝛼
𝑍𝑢𝑗𝑖 < −𝑍𝛼/2 𝑡𝑢𝑗𝑖 < −𝑡𝛼/2
µ = µ0 µ ≠ µ0
𝑍𝑢𝑗𝑖 > 𝑍𝛼/2 𝑡𝑢𝑗𝑖 > 𝑡𝛼/2
5.1.4 Langkah-langkah Pengerjaan Uji Hipotesis :
1. Tentukan H0 dan H1
2. Tentukan statistik uji [z atau t]
3. Tentukan arah pengujian [1 atau 2]
4. Taraf nyata pengujian [α atau α/2]
5. Tentukan nilai titik kritis atau daerah penerimaan-penolakan H0
6. Cari nilai statistik hitung
7. Tentukan kesimpulan [terima atau tolak H0]
5.2 Uji Hipotesis Satu Nilai Rata-rata
5.2.1 Uji Hipotesis Rata-rata Sampel Besar
Prosedur Uji Hipotesis (n ≥ 30)
H0 Nilai Uji Statistik H1 Daerah Kritis

µ = µ0 x̅ − µ0 µ ≠ µ0 Z < −𝑍𝛼/2 atau
Z=
/√n
Z > 𝑍𝛼/2
 dapat diganti dengan s
µ ≤ µ0 µ > µ0 Z > 𝑍𝛼
µ ≥ µ0 µ < µ0 Z < −𝑍𝛼

H1 : µ ≠ µ0
Daerah Daerah
Penolakan Daerah Penolakan
Penerimaan
Area = Zα/2 Area = 1 – α Area = Zα/2

-Zα/2 0 Zα/2
H1 : µ > µ0
Daerah
Penolakan
Daerah Penerimaan
Area = α
0 Zα
H1 : µ < µ0
Daerah
Penolakan
Daerah Penerimaan
Area = α
-Zα 0
Gambar 5.1

Nilai-nilai titik kritis pada uji Z untuk berbagai tingkat signifikansi :
Tabel 5.1
Nilai 𝒁𝒌𝒓𝒊𝒕𝒊𝒔 untuk uji 1 arah
α 𝑯𝟏 : µ < µ𝟎 𝑯𝟏 : µ > µ𝟎
0.01 𝑍 < −𝑍0.01 (𝑍 < −2.33) 𝑍 > 𝑍0,01 (𝑍 > 2.33)
0.05 𝑍 < −𝑍0.05 (𝑍 < −1.65) 𝑍 > 𝑍0.05 (𝑍 > 1.65)
0.10 𝑍 < −𝑍0.10 (𝑍 < −1.28) 𝑍 > 𝑍0.10 (𝑍 > 1.28)
Tabel 5.2
Nilai 𝒁𝒌𝒓𝒊𝒕𝒊𝒔 untuk uji 2 arah
α 𝑯𝟏 : µ ≠ µ𝟎
0.01 𝑍 < −𝑍0.005 (𝑍 < −2.58) 𝑍 > 𝑍0,005 (𝑍 > 2.58)
0.05 𝑍 < −𝑍0.025 (𝑍 < −1.96) 𝑍 > 𝑍0.025 (𝑍 > 1.96)
0.10 𝑍 < −𝑍0.05 (𝑍 < −1.65) 𝑍 > 𝑍0.05 (𝑍 > 1.65)
Beberapa nilai z yang penting :
𝑍5% = 𝑍0,05 = 1.65 𝑍2,5% = 𝑍0,025 = 1.96
𝑍1% = 𝑍0,01 = 2.33 𝑍0,5% = 𝑍0,005 = 2.575
Contoh :
Pemilik pabrik susu ANDCOW menyatakan bahwa penjualan susu tiap

bulannya paling sedikit terjual 758 pcs. Dengan mengambil sampel
sebanyak 57 bulan dan simpangan baku 511 pcs, diketahui rata-rata
penjualannya sebanyak 571 pcs. Ujilah hipotesis tersebut dengan taraf
nyata 5%!

Penyelesaian :
Diketahui:
x = 571  = 511 n = 57 µ0 = 758  = 5%
1. 𝐻0 :  ≥ 758 𝐻1 :  < 758

2. Statistik Uji : Z → karena sampel besar
3. Arah Pengujian : 1 Arah
 = 0.05
𝑍0,5−0,05
= 𝑍0,45 = 1,65
4. Taraf Nyata Pengujian =  = 5% = 0.05

5. Titik Kritis → Z < −𝑍0,05 → Z < - 1,65
6. Statistik Hitung
x̅ − µ0 571 − 758
Z= = = −2,76
/√n 511/√57

7. Kesimpulan : Z hitung = -2.76 ada di daerah penolakan H0.

𝐻0 ditolak, 𝐻1 diterima. Penjualan susu ANDCOW setiap bulannya terjual
kurang dari 758 pcs.
H0 H0
H1
-2,76 -1,65
LANGKAH-LANGKAH PENGERJAAN SOFTWARE
1. Tekan R Commander pada desktop lalu akan muncul tampilan seperti di

bawah ini :
Gambar 5.2 Tampilan Awal R Commander

2. Ketikkan data pada Script Window seperti di bawah ini, setelah itu blok
semua tulisan atau Ctrl+A dan klik submit/kirim, maka hasilnya akan
terlihat pada output window seperti berikut :
Nilai Statistik
Hitung
Gambar 5.3 Tampilan Output R Commander
5.2.2 Uji Hipotesis Rata-rata Sampel Kecil
Prosedur Uji Hipotesis (n < 30)


t < −𝑡𝑑𝑏;𝛼/2 atau
µ = µ0 µ ≠ µ0
𝑥̅ − µ0 t > 𝑡𝑑𝑏;𝛼/2
𝑡=
µ ≤ µ0 𝑠/√𝑛 µ > µ0 t > 𝑡𝑑𝑏;𝛼
µ ≥ µ0 µ < µ0 t < −𝑡𝑑𝑏;𝛼
db = n-1
Contoh :
PT. Alfalible adalah sebuah perusahaan permen lollipop aneka rasa yang
meramalkan bahwa pada akhir tahun dapat menjual sebanyak 1.500
permen. Untuk menguji apakah hipotesis tersebut benar, maka
perusahaan melakukan pengujian terhadap 25 permen, yaitu :
Varian Jumlah
Coklat 6
Strawberry 6
Vanilla 5
Melon 4
Anggur 4
Diketahui rata-rata sampel (rata-rata penjualan produk) 1.700/hari dengan

simpangan baku 1.650/hari. Apakah hasil penelitian tersebut sesuai
dengan hipotesis awal perusahaan? Ujilah dengan taraf nyata 1%!
Penyelesaian :
Diketahui :
n = 25  = 1% µ0 = 500

𝑥̅ = 700 s = 1650
1. H0 :  = 1500 H1 :  ≠ 1500
2. Statistik Uji : t → karena sampel kecil
4. Taraf Nyata Pengujian
 = 1% = 0.01
/2 = 0.005
5. Titik Kritis
db = n - 1 = 15 - 1 = 14
Titik Kritis → 𝑡 < −𝑡𝑑𝑏;𝛼/2 dan 𝑡 > 𝑡𝑑𝑏;𝛼/2
t < -t (14; 0,005) → t < -2.977 dan
t > t (14; 0,005) → t > 2.977

6. Statistik Hitung
𝑥̅ − µ0 1700 − 1500
𝑡= = = 0,6060
𝑠/√𝑛 1650/√25
7. Kesimpulan :
Karena, -t(14; 0,005) = -2.977 ≤ thitung = 0,6060 ≤ t(14; 0,005) = 2.977, maka H0
diterima.
Jadi, pendapat perusahaan bahwa pada akhir tahun dapat terjual 1.500
permen lollipop adalah benar.

H0
H1 H1
-2,977 0,6060 2,977
1. Buka software R Commander, kemudian masukkan data pada Script

Window :

2. Blok semua data yang ada pada Script Window

Gambar 5.5 Tampilan R Commander Yang Telah Diinput Data
3. Setelah itu klik submit, maka akan muncul hasil t nya :

Nilai Statistik
Hitung
Gambar 5.6 Hasil Pada Output Window
5.3 Uji Hipotesis Beda Dua Nilai Rata-rata
5.3.1 Uji Hipotesis Sampel Besar
Prosedur Uji Hipotesis (n ≥ 30)
Untuk simpangan baku populasi :
(x̅1 − x̅2 ) − d0
Z0 =
12 22
√
n1 + n2

d0 = µ1 − µ2
Untuk simpangan baku sampel :
(𝑥̅1 − 𝑥̅2 ) − d0
𝑍0 =
s12 s22
√ +
𝑛1 𝑛2
Contoh :
Berikut adalah data rata-rata banyak hari membolos karyawan

(hari/tahun) Planet Store di dua divisi berbeda :
Penjualan Produksi
Rata-rata Banyaknya
𝑥̅1 = 71 𝑥̅2 = 18
Membolos (hari/tahun)
Simpangan Baku 1 = 15 2 = 51
Ukuran Sampel 𝑛1 = 80 𝑛2 = 71
Dengan taraf nyata 5%, apakah perbedaan rata-rata banyaknya hari

membolos di kedua divisi pada Planet Store paling banyak 51 hari/tahun,
ujilah hipotesisnya!
Penyelesaian :
Diketahui :
𝑥̅1 = 71 =5% 1 = 15 n1 = 80
𝑥̅2 = 18 d0 = 51 2 = 51 n2 = 71

1. H0 : µ1 − µ2 ≤ 51 H1 : µ1 − µ2 > 51
4. Taraf Nyata Pengujian =  = 5%
5. Titik Kritis → Z > 𝑍5% → Z > 1.65
6. Statistik Hitung
(𝑥̅1 − 𝑥̅2 ) − d0 (71 − 18) − 51
𝑍= = = 0,32
2 22 √225 + 2601
√ 1 80 71
𝑛1 + 𝑛2
7. Kesimpulan : Z hitung = 0,32 < 1,65
H0 diterima, H1 ditolak.
Jadi, perbedaan rata-rata banyaknya hari membolos di kedua divisi paling

banyak 51 hari/tahun.
H0 H0
H1
0,32 1,65

bawah ini :


Nilai Statistik
Hitung
5.3.2 Uji Hipotesis Sampel Kecil
Prosedur Uji Hipotesis (n < 30)
(x̅1 − x̅2 ) − d0
t=
s12 s22
√
n1 + n2

Untuk pengamatan berpasangan:
d̅
t0 = s
d
√n
∑𝑑
d̅ =
𝑛
(∑𝑑)2
∑𝑑2 −
𝑆𝑑2 = 𝑛
𝑛−1
𝑆𝑑 = √𝑆𝑑2
Contoh 1 :
Perusahaan tekstil memiliki dua produksi yang dapat dilihat pada tabel
berikut ini :
Batik Tenun
Rata-rata 𝑥̅1 = 23 𝑥̅ 2 = 20
Simpangan Baku 𝑠1 = 6 𝑠2 = 5
Ukuran Sampel 𝑛1 = 14 𝑛2 = 14
Ujilah dengan taraf nyata 5%, apakah produksi antara kedua hasil tekstil
tersebut lebih dari sama dengan 5!
Penyelesaian :
Diketahui =
n1 = 14 n2 = 14 d0 = 5
𝑥̅1 = 23 𝑥̅2 = 20

𝑠1 = 6 𝑠2 = 5
1. H0 : µ1 − µ2 ≥ 5 H1 : µ1 − µ2 < 5
 = 5% = 0,05
5. Titik Kritis
db = n1 + n2 - 2 = 14 + 14 – 2 = 26
Titik kritis → t (26; 0,05) = -1,706
6. Statistik Hitung
(x̅1 − x̅2 ) − d0
t=
s12 s22
√
n1 + n2
(23 − 20) − 5
t= = −0,9581
2 2
√6 + 5
14 14
7. Kesimpulan :
Karena, t hitung = -0,9581 > t (26; 0,05) = -1,706, maka H0 diterima.
Jadi, perbedaan produksi antara batik dan tenun lebih dari sama dengan 5
adalah benar.
H0 H0
H1
-1,706 -0,9581


bawah ini :

Nilai Statistik
Hitung
Contoh 2 :
Untuk mengetahui apakah keanggotaan dalam organisasi mahasiswa

memiliki akibat buruk atau baik terhadap prestasi akademik seseorang,
diadakan penelitian mengenai mutu rata-rata prestasi akademik. Berikut
ini data selama periode 5 tahun :

Tahun
1 2 3 4 5
Anggota 7,0 7,0 7,3 7,1 7,4
Bukan Anggota 7,2 6,9 7,5 7,3 7,4
Ujilah pada taraf nyata 1%, apakah keanggotaan dalam organisasi

mahasiswa berakibat buruk pada prestasi akademiknya dengan asumsi
bahwa populasinya normal.
Penyelesaian :
1. H0 : µd ≥ 0 H1 : µd < 0
 = 1% = 0,01
5. Titik Kritis
db = n – 1 = 5 – 1 = 4
Titik kritis → t(4; 0,01) = -3,747
6. Statistik Hitung

ANGGOTA BUKAN ANGGOTA D d2

7,0 7,2 -0,2 0,04
7,0 6,9 0,1 0,01
7,3 7,5 -0,2 0,04
7,1 7,3 -0,2 0,04
7,4 7,4 0 0
JUMLAH -0,5 0,13
−0,5
d̅ = = −0,1
5
0,25
0,13 −
𝑆𝑑2 = 5 = 0,02
4
𝑆𝑑 = √0,02 = 0,14
d̅
t0 = s
d
√n
−0,1
t0 = = −1,597 ≈ −1,6
0,14
5
7. Kesimpulan :
Karena, t0 = -1,6 > t(4; 0,01) = -3,747, maka H0 diterima.
Jadi, keanggotaan organisasi bagi mahasiswa tidak memberikan pengaruh

buruk terhadap prestasi akademik.

H0 H0
H1
-3,747 -1,6

bawah ini :

Nilai Statistik
Hitung

5.4 Uji Hipotesis Satu Proporsi

P = 𝑃0 P ≠ 𝑃0 Z < −𝑍𝛼/2 atau Z > 𝑍𝛼/2
𝑝̂ − 𝑃0
P ≤ 𝑃0 𝑍= P > 𝑃0 Z > 𝑍𝛼
√𝑃0 𝑄0 /𝑛
P ≥ 𝑃0 P < 𝑃0 Z < −𝑍𝛼
𝑄0 = 1 − 𝑃0
Contoh :
Diantara 900 petani sebagai sampel acak petani di DIY, 610 orang adalah
buruh tani. Dengan α = 0,05 akan diuji apakah proporsi buruh tani di DIY
tidak kurang daripada 65%. Seandainya proporsi buruh tani pada populasi
petani DIY melebihi 65%, diperlukan perubahan untuk memperbaiki dan
meningkatkan taraf kehidupan populasi petani di DIY.
Penyelesaian :
Diketahui :
610
n = 900 p = 900 = 0,678
P0 = 0,65 Q0 = 1 – P0 = 1 – 0,65 = 0,35
1. H0 : P ≤ 0,65 H1 : P > 0,65

4. Taraf Nyata Pengujian =  = 5%
5. Titik Kritis → Z > 𝑍5% → Z > 1,65
6. Statistik Hitung
𝑝̂ − 𝑃0 0,678 − 0,65
𝑍= = = 1,76
√𝑃0 𝑄0 /𝑛 √(0,65)(0,35)
900

7. Kesimpulan : Z hitung = 1,76 > 1,65, H1 diterima.
H0 ditolak, H1 diterima
Jadi, proporsi buruh tani di DIY > 65%, diperlukan perubahan untuk
memperbaiki dan meningkatkan taraf kehidupan populasi petani di DIY.
H0 H0
H1
1,65 1,76

bawah ini :


Nilai Statistik
Hitung
5.5 Uji Hipotesis Beda Dua Proporsi

𝑃1 = 𝑃2 𝑃1 ≠ 𝑃2 Z < −𝑍𝛼/2 atau Z > 𝑍𝛼/2
𝑃1 − 𝑃2 − 𝑑0
𝑍=
𝑃1 ≤ 𝑃2 𝑃1 𝑄1 𝑃2 𝑄2 𝑃1 > 𝑃2 Z > 𝑍𝛼
√
𝑛1 + 𝑛2
𝑃1 ≥ 𝑃2 𝑃1 < 𝑃2 Z < −𝑍𝛼

Contoh :
Seorang fitopatologi mengadakan percobaan dua macam obat anti hama.

Obat pertama diberikan pada 100 tanaman dan ternyata 80 tumbuhan
menunjukkan sehat tanpa hama. Obat kedua diberikan pada 150 tanaman
dan ternyata 75 tumbuhan menunjukkan sehat tanpa hama. Apakah ada
perbedaan antara obat pertama dan obat kedua? Ujilah dengan taraf nyata
5%!
Penyelesaian :
Diketahui :
n1 = 100 n2 = 150
80 75
P1 = = 0,8 P2 = = 0,5
100 150
Q1 = 1 – P1 = 1 – 0,8 = 0,2 Q2 = 1 – P2 = 1 – 0,5 = 0,5
1. H0 : P1 = P2 H1 : P1 ≠ P2
 = 5% = 0,05
α/2 = 2,5% = 0,025
5. Titik Kritis
𝑍 < −𝑍𝛼/2 atau 𝑍 > 𝑍𝛼/2
Z < −𝑍0,025 atau Z > 𝑍0,025
Z < −1,96 atau Z > 1,96

6. Statistik Hitung
𝑃1 − 𝑃2 − 𝑑𝑜 0,8 − 0,5 − 0
𝑍= = = 5,25
𝑃𝑄 𝑃𝑄
√ 1 1+ 2 2 √(0,8)(0,2) + (0,5)(0,5)
𝑛1 𝑛2 100 150
7. Kesimpulan : Z hitung = 5,25 > 1,96
H0 ditolak, H1 diterima.
Jadi, tidak ada perbedaan antara obat pertama dengan obat kedua.
H0
H1 H1
-1,96 1,96 5,25

bawah ini :


Nilai Statistik
Hitung

TABEL Z

TABEL t

Referensi :
Harlan, Johan. 2005. Metode Statistika 2. Depok: Gunadarma.
Sugiyono. 2019. Statistika Untuk Penelitian. Bandung: Alfabeta.
Lind, Douglas, William G. Marchal, Samuel A. Wathen. 2006. Basic Statistics for
Bussiness and Economics (5th edition). New York: The McGraw-Hill Companies.
Modul Statistika 2 dan Praktikum ATA 2019-2020.
Hasan, Iqbal. 2003. Pokok-pokok Materi Statistik 2 (Statistik Inferensial). Jakarta:
Bumi Aksara.
Sujana. 2001. Metode Statistik. Bandung: Tersito.

Bab 5 Uji Hipotesis Statistik

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab 5 Uji Hipotesis Statistik

Diunggah oleh

Hak Cipta:

Format Tersedia

UJI HIPOTESIS STATISTIK

1. Mahasiswa Mampu Memahami Pengertian dan Pembentukan Hipotesis

5.1 Pengertian dan Pembentukan Hipotesis Statistik

Pengujian hipotesis merupakan hal yang sangat penting dalam statistik

• H0 adalah hipotesis yang dirumuskan dengan harapan akan ditolak atau

A. Tujuan Uji Hipotesis

Secara umum, pernyataan yang hendak dibuktikan pada hipotesis alternatif

Integrated Laboratory Universitas Gunadarma-Statistika 2 2

‘penerimaan’ hipotesis alternatif akan menimbulkan implikasi yang jauh lebih

5.1.1 Tipe Kesalahan dalam Pengujian Hipotesis

• Kesalahan Tipe II : Kesalahan bila menerima hipotesis yang salah

Integrated Laboratory Universitas Gunadarma-Statistika 2 3

Berdasarkan hal tersebut, maka hubungan antara keputusan menolak atau

Dari tabel tersebut, dapat dijelaskan sebagai berikut :

5.1.2 Prinsip dan Arah Pengujian Hipotesis

Terdapat dua tipe hipotesis :

1. Hipotesis Satu Arah (atau Hipotesis Satu Sisi)

Integrated Laboratory Universitas Gunadarma-Statistika 2 4

2. Hipotesis Dua Arah (atau Hipotesis Dua Sisi)

5.1.3 Daerah Penolakan

Integrated Laboratory Universitas Gunadarma-Statistika 2 5

Untuk statistik penguji yang berdistribusi Z atau t, daerah penolakan uji

5.1.4 Langkah-langkah Pengerjaan Uji Hipotesis :

5.2 Uji Hipotesis Satu Nilai Rata-rata

5.2.1 Uji Hipotesis Rata-rata Sampel Besar

Prosedur Uji Hipotesis (n ≥ 30)

H0 Nilai Uji Statistik H1 Daerah Kritis

Integrated Laboratory Universitas Gunadarma-Statistika 2 6

Area = Zα/2 Area = 1 – α Area = Zα/2

Integrated Laboratory Universitas Gunadarma-Statistika 2 7

Nilai-nilai titik kritis pada uji Z untuk berbagai tingkat signifikansi :

Nilai 𝒁𝒌𝒓𝒊𝒕𝒊𝒔 untuk uji 1 arah

Nilai 𝒁𝒌𝒓𝒊𝒕𝒊𝒔 untuk uji 2 arah

Beberapa nilai z yang penting :

𝑍5% = 𝑍0,05 = 1.65 𝑍2,5% = 𝑍0,025 = 1.96

𝑍1% = 𝑍0,01 = 2.33 𝑍0,5% = 𝑍0,005 = 2.575

Pemilik pabrik susu ANDCOW menyatakan bahwa penjualan susu tiap

Integrated Laboratory Universitas Gunadarma-Statistika 2 8

x = 571  = 511 n = 57 µ0 = 758  = 5%

1. 𝐻0 :  ≥ 758 𝐻1 :  < 758

4. Taraf Nyata Pengujian =  = 5% = 0.05

Integrated Laboratory Universitas Gunadarma-Statistika 2 9

7. Kesimpulan : Z hitung = -2.76 ada di daerah penolakan H0.

LANGKAH-LANGKAH PENGERJAAN SOFTWARE

1. Tekan R Commander pada desktop lalu akan muncul tampilan seperti di

Gambar 5.2 Tampilan Awal R Commander

Integrated Laboratory Universitas Gunadarma-Statistika 2 10

Gambar 5.3 Tampilan Output R Commander

5.2.2 Uji Hipotesis Rata-rata Sampel Kecil

Prosedur Uji Hipotesis (n < 30)

Integrated Laboratory Universitas Gunadarma-Statistika 2 11

H0 Nilai Uji Statistik H1 Daerah Kritis

Diketahui rata-rata sampel (rata-rata penjualan produk) 1.700/hari dengan

Integrated Laboratory Universitas Gunadarma-Statistika 2 12

Integrated Laboratory Universitas Gunadarma-Statistika 2 13

Integrated Laboratory Universitas Gunadarma-Statistika 2 14

LANGKAH-LANGKAH PENGERJAAN SOFTWARE

1. Buka software R Commander, kemudian masukkan data pada Script

Gambar 5.4 Tampilan Awal R Commander

Integrated Laboratory Universitas Gunadarma-Statistika 2 15

Gambar 5.5 Tampilan R Commander Yang Telah Diinput Data

3. Setelah itu klik submit, maka akan muncul hasil t nya :

Integrated Laboratory Universitas Gunadarma-Statistika 2 16

Gambar 5.6 Hasil Pada Output Window