PAPER

ANALISIS DATA STATISTIK INFERENSIAL

( MATA KULIAH STATISTIKA EKONOMI )

DOSEN PENGAMPU:

Fachruddiansyah Muslim, S.Pd., M.Pd

DISUSUN OLEH :

Nadya Agustin Dwi Putri

NIM. A1A119047

PROGRAM STUDI PENDIDIKAN EKONOMI

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS JAMBI

2021
 DAFTAR ISI

DAFTAR ISI ...........................................................................................................................ii

BAB I PENDAHULUAN.........................................................................................................1
1.1.Latar Belakang ..............................................................................................................1
1.2.Rumusan Masalah .........................................................................................................2
1.3.Tujuan Penulisan ...........................................................................................................2
1.4. Manfaat Penulisan ........................................................................................................2
BAB II PEMBAHASAN..........................................................................................................3
2.1 Pengertian Statistik Inferensial.......................................................................................3
2.2 Fungsi Statistik Inferensial.............................................................................................4
2.3 Pengujian Hipotesis........................................................................................................4
BAB III PENUTUP................................................................................................................17
3.1 KESIMPULAN.................................................................................................................17
3.2 SARAN..............................................................................................................................17
DAFTAR PUSTAKA.............................................................................................................18

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika berasal dari bahasa latin yaitu status yang berarti negara dan
digunakan untuk urusan negara. Hal ini dikarenakan pada mulanya, statistik hanya
digunakan untuk menggambar keadaan dan menyelesaikan masalah yang berhubungan
dengan kenegaraan saja seperti : perhitungan banyaknya penduduk, pembayaran pajak,
gaji pegawai, dan lain sebagainya.
Statistika adalah ilmu yang merupakan cabang dari matematika terapan yang
membahas metode-metode ilmiah untuk pengumpulan, pengorganisasian, penyimpulan,
penyajian, analisis data, serta penarikan kesimpulan yang sahih sehingga keputusan
yang diperoleh dapat diterima.
Statistika inferensial mencakup semua metode yang berhubungan dengan
analisis sebagian data (contoh) atau juga sering disebut dengan sampel untuk kemudian
sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan data
induknya (populasi). Dalam statistika inferensial diadakan pendugaan parameter,
membuat hipotesis, serta melakukan pengujian hipotesis tersebut sehingga sampai pada
kesimpulan yang berlaku umum. Metode ini disebut juga statistika induktif, karena
kesimpulan yang ditarik didasarkan pada informasi dari sebagian data saja.
Pengambilan kesimpulan dari statistika inferensial yang hanya didasarkan pada
sebagian data saja sebagian data saja menyebabkan sifat tak pasti, memungkinkan
terjadi kesalahan dalam pengambilan keputusan, sehingga pengetahuan mengenai teori
peluang mutlak diperlukan dalam melakukan metode-metode statistika inferensial.
Statistik inferensial digunakan dalam proses mengambil keputusan dalam
menghadapi ketidakpastian dan perubahan. Contoh ketidakpastian adalah kuat tekan
beton dalam suatu pengujian tidak sama, walaupun dibuat dengan material yang sama.
Dengan adanya kenyataan tersebut, maka metode statitsik digunakan untuk
menganalisis data dari suatu proses pembuatan beton tersebut sehingga diperoleh
kualitas yang lebih baik. Statistik inferensial telah menghasilkan banyak metode
analitis yang digunakan untuk menganalisis data. Dengan perkataan lain statistik
inferensial tidak hanya mengumpulan data, tetapi juga mengambil kesimpulan dari
suatu sistem saintifik.

1
 Untuk mengetahui lebih jelas mengenai Statistika Inferensial, akan diuraikan
mengenai pengertian Statistika Inferensial dan ruang lingkup Statistika Inferensial.

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang diatas, maka dalam makalah ini ada 2 (dua)
rumusan masalah yang terkaji yakni :
1. Apa yang dimaksud dengan Statistik Inferensial ?
2. Apa fungsi dari Statistika Inferensial ?
3. Apa yang dimaksud dengan hipotesis?
4. Bagaimana langkah-langkah dalam menguji hipotesis ?

1.3 Tujuan
Berdasarkan rumusan masalah diatas, maka tujuan yang ingin dicapai dalam
penulisan makalah ini adalah sebagai berikut:

1. Mengetahui pengertian dari Statistik Inferensial.

2. Mengetahui fungsi dari Statistika Inferensial.
3. Mengetahui pengertian hipotesis.
4. Mengetahui langkah-langkah pengujian hipotesis.

1.4 Manfaat
Adapun manfaat yang diharapkan dari penulisan makalah ini adalah sebagai
berikut:
1. Bagi penulis
Pembuatan makalah ini telah memberikan berbagai pengalaman bagi penulis seperti
pengalaman untuk mengumpulkan bahan. Disamping itu, penulis juga mendapat
ilmu untuk memahami dan menganalisis materi yang ditulis dalam makalah ini.
Penulis juga mendapatkan berbagai pengalaman mengenai teknik penulisan makalah,
teknik pengutipan, dan teknik penggabungan materi dari berbagai sumber.
2. Bagi pembaca
Pembaca akan lebih mengetahui pengertian dan fungsi Statistika Inferensial, serta
langkah-langkah dalam menguji hipotesis.

2
 BAB II
PEMBAHASAN

2.1 Pengertian Statistik Inferensial

Statistika Inferensial adalah serangkaian teknik yang digunakan untuk mengkaji,
menaksir dan mengambil kesimpulan berdasarkan data yang diperoleh dari sempel
untuk menggambarkan karakteristik atau ciri dari suatu populasi. Atau dengan kata lain
penelitian inferensial adalah proses pengambilan kesimpulan-kesimpulan berdasarkan
data sampel yang lebih sedikit menjadi kesimpulan yang lebih umum untuk sebuah
populasi. Oleh karena itu, statistika inferensial disebut juga statistik induktif atau
statistik penarikan kesimpulan. Dalam statistika inferensial, kesimpulan dapat diambil
setelah melakukan pengolahan serta penyajian data dari suatu sampel yang diambil dari
suatu populasi, sehingga agar dapat memberikan cerminan yang mendekati sebenarnya
dari suatu populasi, maka ada beberapa hal yang perlu diperhatikan dalam statistika
inferensial, diantaranya :
1. Banyaknya subyek penelitian, maksudnya jika populasi ada 1000, maka sampel
yang diambil jangan hanya 5, namun diusahakan lebih banyak, seperti 10 atau 50.
2. Keadaan penyebaran data. Dalam hal ini perlu diperhatikan bahwa pengambilan
sampel harus merata pada bagian populasi. Diharapkan dalam pengambilan sampel
dilakukan secara acak, sehingga kemerataan dapat dimaksimalkan dan apapun
kesimpulan yang didapat dapat mencerminkan keadaan populasi yang sebenarnya.

Dalam statistik inferensial harus ada pengujian hipotesis yang bertujuan untuk
melihat apakah ukuran statistik yang digunakan dapat ditarik menjadi kesimpulan yang
lebih luas dalam populasinya. Ukuran-ukuran statistik tersebut dibandingkan dengan
pola distribusi populasi sebagai normanya. Oleh sebab itu, mengetahui pola distribusi
data sampel menjadi penting dalam statistik inferensial.
Statistika Inferensial dibagi menjadi dua, yaitu Statistika Parametrik dan
Statistika Non Parametrik. (1) Statistika parametrik terutama digunakan untuk
menganalisa data interval dan rasio, yang diambil dari populasi yang berdistribusi
normal; dan (2) Statistika non-parametrik terutama digunakan untuk menganalisa data
nominal, dan ordinal dari populasi yang bebas distribusi.
Contoh yang baik untuk statistik inferensial adalah pada pemilu presiden 2014.
Berbagai lembaga survei melakukan quick count untuk mengetahui secara cepat

3
 kandidat presiden mana yang akan mendapatkan suara rakyat lebih banyak. Lembaga
survei tersebut mengambil sebagian sampel TPS (Tempat Pemungutan Suara) dari total
TPS populasi. Hasil sampel TPS tersebut digunakan untuk generalisasi terhadap
keseluruhan TPS. Katakanlah diambil 2.000 sampel TPS dari 400.000 populasi TPS
yang ada. Hasil dari 2.000 TPS adalah statistik deskriptif. Sedangkan jika kita
mengambil kesimpulan terhadap 400.000 TPS adalah statistik inferensial.
Contoh lain pada industri manufaktur, statistik inferensial sangat berguna.
Manajemen dapat mengetahui dan mengontrol berapa produk yang di luar standar atau
cacat dengan hanya mengambil beberapa sampel produk. Bayangkan jika manajemen
perusahaan harus memeriksa semua produk hanya untuk mengetahui berapa yang cacat.
Tentu akan menghabiskan waktu dan biaya yang tidak sedikit. Terlebih jika harus
memeriksa semua produk yang dikemas. Tentu tidak efektif dan efisien. Untunglah ada
Six Sigma, salah satu tool yang digunakan terkait hal ini. Prinsip Six Sigma
menggunakan statistik inferensial yaitu mengambil sampel produk dan mengukur sigma
atau standar deviasi (ukuran keragaman) dari produk. Jumlah produk yang cacat tidak
boleh melebihi standar yang ditetapkan.
Jadi dari uraian di atas tentang statistika inferensial menyajikan data untuk
mendapat kesimpulan terhadap obyek yang lebih luas, sehingga karena inferensi tidak
dapat secara mutlak pasti, perkataan probabilitas (kemungkinan) sering dinyatakan
dalam menyatakan kesimpulan.

2.2 Fungsi Statistika Inferensial

Statistika Inferensial atau induktif adalah statistik bertujuan menaksir secara
umum suatu populasi dengan menggunakan hasil sampel, termasuk didalamnya teori
penaksiran dan pengujian teori. Statistika Inferensial digunakan untuk melakukan :
1. Generalisasi dari sampel ke populasi.
2. Uji hipotesis (membandingkan atau uji perbedaan/kesamaan dan menghubungkan,
yaitu uji keterkaitan, kontribusi).

2.3 Pengujian Hipotesis

A. Pengertian Pengujian Hipotesis

Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah,
kurang, atau di bawah dan thesis berarti teori, proposisi, atau pernyataan yang

4
 disajikan sebagai bukti. Jadi, hipotesis dapat diartikan sebagai suatu pernyataan
yang masih lemah kebenarannya dan perlu dibuktikan atau dugaan yang sifatnya
masih sementara.
Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang
sifatnya masih sementara atau lemah kebenarannya. Hipótesis statistik akan diterima
jika hasil pengujian membenarkan pernyataannya dan akan ditolak jika terjadi
penyangkalan dari pernyataannya. Dalam pengujian hipótesis, keputusan yang
dibuat mengandung ketidakpastian, artinya keputusan bisa benar atau salah,
sehingga menimbulkan resiko. Besar kecilnya resiko dinyatakan dalam bentuk
probabilitas.

B. Jenis-Jenis Pengujian Hipotesis

1. Berdasarkan Jenis Parameternya
a. Pengujian hipotesis tentang rata-rata
b. Pengujian hipotesis tentang proporsi
c. Pengujian hipotesis tentang varians
2. Berdasarkan Jumlah Sampelnya
a. Pengujian sampel besar (n > 30)
b. Pengujian sampel kecil (n ≤ 30)
3. Berdasarkan Jenis Distribusinya
a. Pengujian hipotesis dengan distribusi Z
b. Pengujian hipotesis dengan distribusi t (t-student)
c. Pengujian hipotesis dengan distribusi χ2 (chi-square)
d. Pengujian hipotesis dengan distrbusi F (F-ratio)
4. Berdasarkan Arah atau Bentuk Formulasi Hipotesisnya
a. Pengujian hipotesis dua pihak ( two tail test)
b. Pengujian hipotesis pihak kiri atau sisi kiri
c. Pengujian hipotesis pihak kanan atau sisi kanan.

C. Kesalahan dalam Pengujian Hipotesis

1. Dua Jenis Kesalahan
Dalam pengujian hipotesis, kesimpulan yang diperoleh hanya penerimaan atau
penolakan terhadap hipotesis yang diajukan, tidak berarti kita telah

5
 membuktikan atau tidak membuktikan kebenaran hipotesis tersebut. Hal ini
disebabkan kesimpulan tersebut hanya merupakan inferensi didasarkan sampel.
Dalam pengujian hipotesis dapat terjadi dua jenis kesalahan, yaitu
1) Kesalahan Jenis I
Kesalahan jenis I adalah karena H0 ditolak padahal kenyataannya benar.
Artinya, kita menolak hipotesis tersebut (H0) yang seharusnya diterima.
2) Kesalahan Jenis II
Kesalahan jenis II adalah kesalahan karena H0 diterima padahal
kenyataannya salah. Artinya, kita menerima hipotesis (H0) yang seharusnya
ditolak.
Tabel Dua Jenis Kesalahan dalam Pengujian Hipotesis
Keadaan Sebenarnya
Kesimpulan
H0 Benar H0 Salah
Tidak membuat
Terima H0 Kesalahan Jenis II
kekeliruan
Tidak membuat
Tolak H0 Kesalahan Jenis I
kekeliruan

Apabila kedua jenis kesalahan tersebut dinyatakan dalam bentuk probabilitas

didapatkan hal-hal berikut :
a. Kesalahan jenis I disebut kesalahan yang dalam bentuk penggunaannya
disebut sebagai taraf nyata atau taraf signifikan (level of significant). 1 -
disebut sebagai tingkat keyakinan (level of confidence), karena dengan itu kita
yakin bahwa kesimpulan yang kita buat adalah benar, sebesar 1 -
b. Kesalahan jenis II disebut kesalahan yang dalam bentuk penggunaannya
disebut sebagai fungsi ciri operasi (operating characteristic function). 1 -
disebut sebagai kuasa pengujian karena memperlihatkan kuasa terhadap
pengujian yang dilakukan untuk menolak hipotesis yang seharusnya ditolak.
2. Hubungan , , dan n
Antara kedua jenis kesalahan, yaitu kesalahan dan saling berkaitan. Jika
kesalahan kecil, maka kesalahan menjadi besar, demikian pula sebaliknya.
Untuk membuat suatu kesimpulan yang baik, maka kedua kesalahan tersebut
harus dibuat seminimal mungkin. Hal ini biasanya dilakukan melalui cara-cara

6
 seperti berikut :
1. Memperbesar ukuran sampel (n) yang akan menjadikan rata-rata ukuran
sampel, mendekati ukuran populasinya. Dengan makin besarnya sampel (
tetap), akan memperkecil dan memperbesar 1 - , sehingga akan makin
besar probabilitas untuk menolak hipotesis (H0) yang salah.
2. Menentukan terlebih dahulu taraf nyata ( ).

D. Prosedur Pengujian Hipotesis

Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :
1. Menentukan Formulasi Hipotesis
Formulasi atau perumusan hipotesis statistik dapat dibedakan atas dua jenis,
yaitu sebagai berikut :
1) Hipotesis nol atau hipotesis nihil
Hipotesis nol, disimbolkan H0 adalah hipotesis yang dirumuskan sebagai
suatu pernyataan yang akan diuji. Hipotesis yang diartikan sebagai tidak
adanya perbedaan antara ukuran populasi dan ukuran sampel.
2) Hipotesis alternatif atau hipótesis tandingan
Hipotesis alternatif disimbolkan H1 atau Ha adalah hipotesis yang
dirumuskan sebagai lawan atau tandingan dari hipotesis nol. Atau adanya
perbedaan data populasi dengan data sampel.
Secara umum, formulasi hipotesis dapat dituliskan :
H0 : 𝜃 = 𝜃0
H1 : 𝜃 > 𝜃0
Pengujian ini disebut pengujian sisi kanan
H0 : 𝜃 = 𝜃0
H1 : 𝜃 < 𝜃0
Pengujian ini disebut pengujian sisi kiri
H0 : 𝜃 = 𝜃0
H1 : 𝜃 ≠ 𝜃0
Pengujian ini disebut pengujian dua sisi.
2. Memilih Statistik Uji
Memilih uji statistik yang sesuai dengan asumsi sebaran populasi dan skala
pengukuran data. Berdasarkan ini, uji statistik yang dipilih sebaiknya yang

7
 terkuat untuk mengurangi peluang terjadinya kesalahan dalam pengambilan
keputusan seperti uji-Z, t, 2, F atau yang lainnya. Bagi peneliti dan pengguna
statistika, berkonsultasi dengan ahli statistika merupakan cara yang bijaksana.

3. Menentukan Taraf Nyata (Significant Level)

Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil
hipotesis terhadap nilai parameter populasinya. Taraf nyata dilambangkan
dengan α (alpha) Semakin tinggi taraf nyata yang digunakan, semakin tinggi
pula penolakan hipotesis nol atau hipotesis yang diuji, padahal hipotesis nol
benar. Besarnya nilai α bergantung pada keberanian pembuat keputusan yang
dalam hal ini berapa besarnya kesalahan yang akan ditolerir. Besarnya
kesalahan tersebut disebut sebagai daerah kritis pengujian (critical region of
test) atau daerah penolakan (region of rejection).
Taraf signifikasnsi biasanya telah ditentukan sebelumnya, yaitu : α = 0,15; α =
0,05; α = 0,01; α = 0,005 atau α = 0,001. Pada penelitian pendidikan taraf
signifikansi yang biasa digunakan yaitu α = 0,01 atau α = 0,05. Harga α yang
biasa digunakan adalah α = 0,01 atau α = 0,05. Misalnya, dengan α = 0,05 atau
sering disebut taraf nyata (taraf signifikansi) 5%, artinya kira-kira 5 dari tiap
100 kesimpulan bahwa akan menolak hipotesis yang harusnya diterima. Dengan
kata lain kira-kira 95% yakin bahwa telah dibuat kesimpulan yang benar. Dalam
hal demikian dikatakan bahwa hipotesis telah ditolak pada taraf nyata 0,05 yang
berarti mungkin salah dengan peluang 0,05.

4. Menentukan Kriteria Pengujian

Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau
menolak hipotesis nol (H0) dengan cara membandingkan nilai α tabel
distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk
pengujiannya.
a. Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih besar
daripada nilai positif atau negatif dari α tabel. Atau nilai uji statistik berada
di luar nilai kritis.
b. Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih kecil
daripada nilai positif atau negatif dari α tabel. Atau nilai uji statistik berada

8
 di dalam nilai kritis.

Daerah daerah
Penolakan
Penolakan daerah H0

H0 penerimaan H0
d
1 d2

Gambar 1. Daerah kritis uji dua pihak

Daerah daerah
penolakan
penerimaan H0 H0

Gambar 2. Daerah kritis uji satu pihak kanan

Daerah daerah
penolakan penerimaan
H0 H0

d
Gambar 3. Daerah kritis uji satu pihak kiri

9
 5. Menghitung Nilai Uji Statistik
Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi
tertentu dalam pengujian hipotesis. Uji statistik merupakan perhitungan untuk
menduga parameter data sampel yang diambil secara random dari sebuah
populasi. Dengan kata lain, nilai statistik hitung berdasarkan data penelitian
(sampel) yang diambil.

6. Membuat Kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan dalam hal penerimaan
atau penolakan hipotesis nol (H0), sesuai dengan kriteria pengujiannya.
Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji staistik
dengan nilai α tabel atau nial kritis. Jika nilai statistik jatuh pada daerah kritis,
berarti H0 ditolak, dan jika jatuh pada luar daerah kritis berarti H0 diterima.
Kalau analisis data dilakukan daerah dengan paket statistika dengan komputer,
rujukan terhadap nilai kritis tidak diperlukan. Hasil komputer telah memberikan
nilai p, yaitu luas daerah di ujung nilai kritis yang dibatasi oleh nilai hitung
statistik. Kalau nilai p lebih besar daripada taraf kesignifikanan α yang telah
ditetapkan, H0 diterima, dan kalau nilai lebih kecil daripada nilai α, H0 ditolak.

E. Pengujian Hipotesis Tentang Rerata

Rerata adalah salah satu ukuran gejala pusat yang banyak digunakan dalam
mengungkap informasi dalam sekumpulan data. Hal ini bermanfaat, baik dalam
manajemen data secara deskriptif, maupun dalam menjelaskan p[opulasi
berdasarkan informasi sampel dengan memanfaatkan teknk statistika inferensial.
1. Rerata sebuah Populasi
Kalau ada informasi awal tentang nilai parameter rerata µ dari sebuah populasi,
hipotesis tentang parameter itu dapat dibuat. Untuk menguji hipotesis ini, kita
memerlukan asumsi tentang sebaran populasi dan nilai simpangan baku σ.
Kalau populasi mempunyai sebaran normal, atau ukuran sampel cukup besar
(lebih dari 30), teknik pengujian berikut dapat dilakukan. Untuk sampel
berukuran besar, dengan menggunakan teorema limit pusat, pendekatan normal
dapat dilakukan.
Andaikan sampel berukuran n sudah diperoleh, nilai rerata 𝑥̅ dan simpangan
baku s sudah dapat dihitung. Pengujian dapat dilakukan dengan statistik uji

10
yang sesuai dengan pengelompokan informasi tentang simpangan baku populasi
σ sebagai berikut :
a. Simpangan baku σ diketahui
Perhatikan pasangan hipotesis dibawah ini :
H0 : µ = µ0 melawan H1 : µ ≠ µ0
Dengan µ0 sebuah nilai tertentu. Sesuai asumsi yang digunakan tentang
populasi, kita dapat menggunakan statistik Z dengan rumus :
𝑥̅ − 𝜇0
𝑍= 𝜎
√𝑛
Statistik Z mempunyai sebaran normal baku, dan hipotesis menunjukkan
pengujian dua pihak, sehingga kriteria pengambilan kesimpulannya adalah
sebagai berikut :
1) H0 diterima jika – 𝑍(1−𝛼)⁄2 ≤ 𝑍 ≤ 𝑍(1−𝛼)⁄2 ;
2) H0 ditolak jika 𝑍 <– 𝑍(1−𝛼)⁄2 atau > 𝑍(1−𝛼)⁄2 .

Nilai-nilai 𝑍(1−𝛼)⁄2 untuk berbagai nilai 𝛼 diperoleh dari tabel sebaran normal
baku.

Untuk pengujian satu pihak, kriteria pengambilan kesimpulannya akan

berbeda. Uji pihak kanan dengan pasangan hipotesis : H0 : µ = µ0 melawan H1
:µ ˃ µ0, kriteria pengambilan kesimpulannya adalah :

1) H0 diterima jika 𝑍 ≤ 𝑍(0,5−𝛼) ;

2) H0 ditolak jika 𝑍 > 𝑍(0,5−𝛼).

Demikian pula jika uji pihak kiri dengan pasangan hipotesis H0: µ = µ0
melawan H1 : µ ˂ µ0 , kriteria pengambilan keputusannya adalah :

1) H0 diterima jika 𝑍 ≥ −𝑍(0,5−𝛼)

2) H0 ditolak jika 𝑍 < −𝑍(0,5−𝛼) .

b. Simpangan Baku σ Tidak Diketahui

Pada kenyataanya, nilai simpangan baku σ sering tidak diketahui. Dalam
halini, kita menggunakan simpangan baku sampel s sebagai taksiran

11
 simpangan baku populasi σ. Untuk menguji tiga pasang hipotesis tentang
rerata µ di atas digunakan statistik uji :

𝑥̅ − 𝜇0
𝑡= 𝑠
√𝑛

Untuk populas normal, statistik t mempunyai sebaran student-t dengan derajat

kebebasan 𝑑𝑘 = 𝑛 − 1. Karena itu, untuk menentukan kriteria pengujia
digunakan sebaran t dan batas-batas kriteria atau nilai kritis didapat dari tabel
sebaran studen-t.

Untuk pengujian hipotesis dua pihak, dimana: H0 : µ = µ0 melawan H1 : µ ≠

µ0. Kriteria pengambilan kesimpulannya adalah sebagai berikut :

1) H0 diterima jika – 𝑡(1−𝛼)⁄2 ≤ 𝑡 ≤ 𝑡(1−𝛼)⁄2 ;

2) H0 ditolak jika 𝑡 <– 𝑡(1−𝛼)⁄2 atau 𝑡 > 𝑡(1−𝛼)⁄2 .

Untuk pengujian satu pihak, kriteria pengambilan kesimpulannya akan

berbeda. Uji pihak kanan dengan pasangan hipotesis : H0 : µ = µ0 melawan H1
:µ ˃ µ0, kriteria pengambilan kesimpulannya adalah :

1) H0 diterima jika 𝑡 ≤ 𝑡(1−𝛼) ;

2) H0 ditolak jika 𝑡 > 𝑡(1−𝛼) .

Demikian pula jika ujik pihak kiri dengan pasangan hipotesis : µ = µ0

melawan H1 : µ ˂ µ0 , kriteria pengambilan keputusannya adalah :

1) H0 diterima jika t < -t (1-α)

2) H0 ditolak jika 𝑡 < −𝑡(1−𝛼) .

Contoh 1:
Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800
jam. Namun timbul dugaan bahwa masa pakai lampu tersebut telah berubah. Maka
dilakukan pengujian terhadap 50 lampu untuk menentukan hal ini. Ternyata diperoleh
rata-ratanya 792 jam. Berdasarkan pengalaman diketahui simpangan baku masa hidup
lampu 60 jam. Selidikilah dengan menggunakan kepercayaan 95% apakah kualitas
lampu telah berubah atau belum.

12
Penyelesaian
Diketahui 𝑥̅ = 792 ; n = 50 ; 𝜎 = 60
Langkah pengujian hipotesis:
1. Hipotesis pengujian :
H0 = 𝜇 = 𝜇0 H0 : 𝜇 = 800
yaitu
H1 = 𝜇 ≠ 𝜇0 H1 : 𝜇 ≠ 800
2. Taraf signifikansi α = 5% = 0,05
3. Kriteria pengujian.
Terima H0 jika – 𝑍(1−𝛼)⁄2 ≤ 𝑍 ≤ 𝑍(1−𝛼)⁄2
– 𝑍(1−0,05)⁄2 ≤ 𝑍 ≤ 𝑍(1−0,05)⁄2
– 𝑍0,475 ≤ 𝑍 ≤ 𝑍0,475
−1,96 ≤ 𝑍 ≤ 1,96
Dengan 𝑍(1−𝛼)⁄2 diperoleh dari daftar distribusi normal baku dengan peluang
(1 − 𝛼)⁄
2.
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
𝑥̅ − 𝜇0
𝑧= 𝜎
√𝑛

792 − 800
𝑧= 60
√50

−8
𝑧=
8,507
𝑧 = −0,94
Jadi, 𝑧ℎ𝑖𝑡𝑢𝑛𝑔 = −0,94
5. Kesimpulan : karena 𝑧ℎ𝑖𝑡𝑢𝑛𝑔 = −0,94 berada dalam daerah penerimaan H0
yaitu −1,96 ≤ 𝑧ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 1,96 maka H0 diterima. Jadi 𝜇 = 800. Artinya, dalam
taraf signifikansi 5% (𝛼 = 0,05) hasil penelitian menunjukkan bahwa masa
pakai lampu belum berubah yaitu masih 800 jam.

Contoh 2:
Masyarakat mengeluh dan mengatakan bahwa isi bersih makanan kaleng tidak sesuai
dengan yang tertera pada kemasannya sebesar 5 ons. Untuk meneliti hal ini, 23 kaleng
makanan diteliti secara acak. Dari sampel tersebut diperoleh berat ratarata 4,9 ons dan

13
simpangan baku 0,2 ons. Dengan taraf nyata 5%, bagaimanakah pendapat anda
mengenai keluhan masyarakat tersebut ?

Penyelesaian
Diketahui x = 4,9 ; n = 23 ; s = 0,2 ; 𝜇0 = 5
Langkah pengujian hipotesis dengan varians populasi tidak diketahui:
1. Hipotesis pengujian :
H0 = 𝜇 = 𝜇0 H0 : 𝜇 = 5
yaitu
H1 = 𝜇 ≠ 𝜇0 H1 : 𝜇 < 5
Jika rata-rata berat makanan kaleng tidak kurang dari 5 ons tentu masyarakat tidak
akan mengeluh.
2. Taraf signifikansi α = 5% = 0,05
3. Kriteria pengujian :
Tolak H0 jika 𝑡 ≤ −𝑡1−𝛼 dengan 𝑑𝑘 = 𝑛 − 1 = 23 − 1 = 22
Maka : −𝑡1−𝛼 = 𝑡1−0,05 = −1,72
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil:
𝑥̅ − 𝜇0
𝑡= 𝑠
√𝑛

4,9 − 5
𝑡= 0,2
√23

0,1
𝑡=
0,0417
𝑡 = −2,398
Jadi, 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = −2,389
5. Kesimpulan : karena 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = −2,398 < −𝑡1−𝛼 = −1,72 terletak pada daerah
kritis maka 𝐻0 ditolak. Jadi, 𝜇 < 5. Sehingga dapat disimpulkan penelitian tersebut
menguatkan keluhan masyarakat mengenai berat makanan kaleng yang kurang dari
berat yang tertera pada kemasan yaitu 5 ons.

2. Uji Hipotesis Kesamaan Dua Rerata

Banyak penelitian yang memerlukan perbandingan antara dua populasi.
Misalnya membandingkan hasil belajar, daya kerja suatu obat, dsb. Maka akan
digunakan dasar distribusi sampling mengenai selisih statistik, misalnya selisih
rata-rata dan selisih proporsi.

14
Misalkan dipunyai dua buah populasi, keduanya berdistribusi normal dengan
rata-rata dan simpangan baku masing-masing 𝜇1 dan 𝜎1 untuk populasi pertama,
𝜇2 dan 𝜎2 untuk populasi kedua. Secara independen diambil sebuah sampel acak
dengan ukuran 𝑛1 dan 𝑛2 dari masing-masing populasi. Rata-rata dan simpangan
̅ 2 , 𝑠2 . Akan diuji
baku dari sampel-sampel itu berturut-turut 𝑥̅ 1 , 𝑠1 dan 𝑠
tentang rata-rata 𝑠1 dan 𝑠2 dalam tiga kemungkinan pasangan hipotesis dapat
dilakukan :
 𝑠0 : 𝑠1 = 𝑠2 melawan 𝑠1 : 𝑠1 ≠ 𝑠2  uji dua pihak
 𝑠0 : 𝑠1 = 𝑠2 melawan 𝑠1 : 𝑠1 > 𝑠2  uji pihak kanan
 𝑠0 : 𝑠1 = 𝑠2 melawan 𝑠1 : 𝑠1 < 𝑠2  uji pihak kiri

a. Simpangan baku 𝑠1 = 𝑠2 = 𝑠 dimana 𝑠 diketahui

Dalam situasi seperti ini, statistik yang digunakan untuk menguji pasangan-
pasangan hipotesis di atas adalah :
̅1 − 𝑠
𝑠 ̅2
𝑠=
1 1
𝑠√𝑠 + 𝑠
1 2

Dengan taraf signifikansi 𝑠, kriteria pengambilan keputusannya adalah :

 Untuk uji hipotesis dua pihak, H0 diterima jika – 𝑠(1−𝑠)⁄2 ≤ 𝑠 ≤
𝑠(1−𝑠)⁄2 , dan H0 ditolak jika 𝑠 <– 𝑠(1−𝑠)⁄2 atau 𝑠 > 𝑠(1−𝑠)⁄2 .
 Untuk uji hipotesis pihak kanan, H0 diterima jika 𝑠 ≤ 𝑠(0,5−𝑠) dan H0
ditolak jika 𝑠 > 𝑠(0,5−𝑠).
 Untuk uji hipotesis pihak kiri, H0 diterima jika 𝑠 ≥ −𝑠(0,5−𝑠) dan H0 ditolak
jika 𝑠 < −𝑠(0,5−𝑠) .

b. Simpangan 𝑠1 = 𝑠2 = 𝑠 dimana 𝑠 tidak diketahui

Jika pasangan hipotesis tentang kesamaan dua rerata akan diuji, dan ditentukan
situasi atau diyakini bahwa 𝑠1 = 𝑠2 = 𝑠 tetapi 𝑠 tidak diketahui, maka
statistik yang digunakan adalah :
̅1 − 𝑠
𝑠 ̅2
𝑠=
1 1
𝑠√𝑠 + 𝑠
1 2

Dengan 𝑠2 adalah variansi gabungan yang dihitung dengan rumus :

15
 2
(𝑠1 − 1)𝑠21 + (𝑠2 − 1)𝑠22
𝑠 =
𝑠1 + 𝑠2 − 2
Statistik t di atas mempunyai sebaran Student atau sebaran-t dengan derajat
kebebasan 𝑠𝑠 = 𝑠1 + 𝑠2 − 2. Adapun kriteria pengujia adalah :
 Untuk uji hipotesis dia pihak, H0 diterima jika – 𝑠(1−𝑠)⁄2 ≤ 𝑠 ≤
𝑠(1−𝑠)⁄2 dan H0 ditolak jika 𝑠 <– 𝑠(1−𝑠)⁄2 atau 𝑠 > 𝑠(1−𝑠)⁄2 .
 Untuk uji hipotesis pihak kanan, H0 diterima jika 𝑠 ≤ 𝑠(1−𝑠) ; dan H0
ditolak jika 𝑠 > 𝑠(1−𝑠) .
 Untuk uji statistik uji pihak kiri, H0 diterima jika t < -t(1-α) dan H0 ditolak

jika 𝑠 < −𝑠(1−𝑠) .

16
 BAB III
PENUTUP

3.1 Kesimpulan
1. Statistika Inferensial adalah serangkaian teknik yang digunakan untuk mengkaji,
menaksir dan mengambil kesimpulan berdasarkan data ynag diperoleh dari sempel
untuk menggambarkan karakteristik atau ciri dari suatu populasi.
2. Statistika Inferensial digunakan untuk melakukan : Generalisasi dari sampel ke
populasi, dan menguji hipotesis (membandingkan atau uji perbedaan/kesamaan dan
menghubungkan, yaitu uji keterkaitan, kontribusi).
3. Hipótesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang
sifatnya masih sementara atau lemah kebenarannya. Hipótesis statistik akan diterima
jika hasil pengujian membenarkan pernyataannya dan akan ditolak jika terjadi
penyangkalan dari pernyataannya. Dalam pengujian hipótesis, keputusan yang dibuat
mengandung ketidakpastian, artinya keputusan bisa benar atau salah, sehingga
menimbulkan resiko. Besar kecilnya resiko dinyatakan dalam bentuk probabilitas.
4. Prosedur pengujian hipotesa secara statistis adalah sebagai berikut :
1. Rumuskan hipotesa statistisnya H0 : …………. dan H1 : …………..
2. Tentukan statistik uji yang sesuai apakah Z, t, 2, atau F
3. Hitung statistik uji dengan menggunakan data dari sampel acak, sehingga
diperoleh statistik uji hitung seperti Z hit, thit, 2hit, atau Fhit
4. Dengan taraf signifikan  tertentu lihat dalam tabel statistik uji yang sesuai
sehingga diperoleh statistik uji tabel seperti Ztab dari tabel normal baku, t tab dari
tabel t, 2tab dari tabel 2, atau F dari tabel F.
5. Bandingkan statistik uji hitung dengan statistik uji tabel yang sesuai untuk
menetapkan kriteria ujia, apakah menolak H0 atau menerima H0.
6. Penarikan kesimpulan.

3.2 Saran

17
 DAFTAR PUSTAKA

Hendikawati, Putriaji. 2012. Bahan Ajar Statistika Inferensial. Semarang: Semarang State
University Press

Sanjaya, Wina. 2013. Penelitian Pendidikan: Jenis, Metode dan Prosedur. Bandung:
Kencana Prenada Media Group

Tiro, M. A. 2008. Dasar-dasar Statistika. Edisi Ketiga. Makassar: Andira Publisher

18