Hipotesis adalah suatu pernyataan atau dugaan yang menyangkut harga parameter
suatu populasi atau beberapa populasi. Hipotesis dapat juga diartikan : (1) dugaan
mengenai suatu hal, (2) jawaban sementara terhadap suatu masalah, (3) kesimpulan
sementara tentang hubungan suatu variabel dengan satu atau lebih variabel lainnya.
Hipotesis statistika yang akan diuji disebut hipotesis nol atau hipotesis null, ditulis
dengan H0. Lawannya disebut hipotesis alternative dan hipotesis kerja, ditulis dengan
H1, Ha, Hk. Contoh hipotesis :
-Rata-rata hasil produk padi varietas Mekongga per hektar adalah 7,5 ton.
-Rata-rata produksi ayam petelur strain hy-line per tahun adalah 300 butir.
-Pendapatan usahatani kedelai lebih tinggi dari pendapatan usahatani jagung
Sementara itu, cara untuk menguji kebenaran hipotesis disebut dengan test hipotesis
atau pengujian hipotesis. Untuk mengetahui kebenaran suatu hipotesis dengan tepat
adalah dengan mengamati seluruh unit populasi. Namun cara ini pada umumnya
tidaklah efisien dan bahkan seringkali mustahil dilakukan, sehingga pengamatan hanya
dilaksanakan terhadap sampelnya saja. Berdasarkan pengamatan sample tersebut dapat
diambil kesimpulan, apakah menerima atau menolak hipotesis tersebut.
Berhubung kesimpulan yang dibuat diambil dari hasil pengamatan terhadap sample,
maka ada kemungkinan akan terjadi kesalahan-kesalahan dalam mengambil kesimpulan.
Dikenal ada 2 (dua) macam kesalahan yang mungkin terjadi, yaitu :
a. Kesalahan jenis I (kesalahan α) yaitu kesalahan karena menolak hipotesis yang diuji,
jika ternyata hipotesis tersebut benar.
b. Kesalahan jenis II (kesalahan β) yaitu kesalahan karena menerima hipotesis yang
diuji, jika ternyata hipotesis tersebut salah.
Besarnya kemungkinan akan berbuat kesalahan ini sangat penting dan hal ini dapat
diperhitungkan. Untuk dapat mengambil keputusan apakah menerima atau menolak
suatu hipotesis berdasarkan harga-harga statistiknya harus mempunyai suatu k,riteria,
yaitu dengan membandingkan antara harga statistik yang dihitung dari sample dengan
nilai parameter yang dihipotesiskan. Apabila perbedaan tersebut “cukup kecil” maka
hipotesis diterima. Tetapi apabila perbedaan tersebut “cukup besar” maka hipotesis
ditolak.
Istilah perbedaan “cukup kecil” ini tidak mempunyai arti yang tegas, tergantung pada
keadaan dan orang yang mengartikannya atau menggunakannya, dengan demikian
perlu diubah hingga mempunyai pedoman pengujian hipotesis yang tegas. Mengingat
sifat-sifat kurva normal, pedoman pengujian hipotesis tersebut dapat dikatakan dalam
bentuk prosentase luas kurva normal.
Nilai kemungkinan akan terjadi kesalahan jenis I ditulis dengan tanda α, sedangkan nilai
kemungkinan akan terjadinya kesalahan jenis II ditulis dengan tanda β. Adapun nilai 1 –
β disebut kuasa (power) dari pengujian. Dengan demikian secara singkat, dapat ditulis
kemungkinan-kemungkinan hasil pengujian, sebagai berikut :
Hipotesis
Jika H0 benar Jika H0 salah
Kesimpulan
Terima H0 Kesimpulan benar, nilai Kesalahan/galat jenis II,
kemungkinannya 1 - α nilai kemungkinannya β
Tolak H0 Kesalahan/galat jenis I, Kesimpulan benar, nilai
nilai kemungkinannya α kemungkinannya 1 – β
Harga statistik yang berhubungan dengan penolakan H 0 jika H0 benar disebut daerah
kritis atau daerah penolakan. Jadi nilai kemungkinan akan mendapatkan nilai statistik
pada daerah kritis = α dan disebut tingkat signifikansi (level of significance) dari
pengujian.
Dalam pengujian hipotesis, besarnya tingkat signifikansi (yaitu α) harus ditentukan lebih
dahulu, yang pada umumnya antara 1 – 5 %. Disamping itu juga harus ditentukan
hipotesis alternatifnya (Hi), sehingga apabila ditolak hipotesis nol, berarti menerima
hipotesis alternative. Dalam menentukan Hi ada 3 (tiga) keadaan, yaitu :
1. Jika pada persoalannya mengandung pertanyaan “apakah nilai parameter tidak
sama dengan nilai yang dihipotesiskan”, maka dalam menentukan H i dipakai
tanda ≠. Keadaan ini memberikan pengertian bahwa ada alternative dua sisi.
Sebab perkataan “tidak sama” dapat berarti, baik yang lebih besar maupun yang
lebih kecil. Sehingga kalau dipilih tingkat signifikansi α maka daerah kritisnya
seperti pada gambar berikut :
α/2 α/2
H0
Gambar 9.1
Pengujian dengan daerah penalaran ini disebut pengujian dua sisi atau dua ekor.
2. Jika persoalannya mengandung pertanyaan “apakah nilai parameter lebih besar
dari nilai yang dihipotesiskan”, maka dalam menentukan H i dipakai tanda >.
Keadaan ini memberikan pengertian bahwa ada alternative satu sisi disebelah
kanan. Sehingga kalau dipilih tingkat signifikansi α maka daerah kritisnya seperti
pada gambar berikut :
α
H0
Gambar 9.2
Pengujian dengan daerah penalaran ini disebut pengujian satu sisi atau satu
ekor.
3. Jika persoalannya mengandung pertanyaan “apakah nilai parameter lebih kecil
dari nilai yang dihipotesiskan”, maka dalam menentukan H i dipakai tanda <.
Keadaan ini memberikan pengertian bahwa ada alternative satu sisi disebelah
kiri. Sehingga kalau dipilih tingkat signifikansi α maka daerah kritisnya seperti
pada gambar berikut :
α
H0
Gambar 9.3
Pengujian dengan daerah penalaran ini disebut pengujian satu sisi atau satu
ekor.
Hipotesis nol (H0) dalam keadaan 2 dan 3 sebenarnya merupakan hipotesis yang
berharga banyak (multivalued hypothesis), karena hipotesis ini tidak hanya
menyatakan bahwa parameter = harga tertentu, melainkan menyatakan parameter
lebih besar atau lebih kecil dari nilai tertentu.
α/2 α/2
-z H0 z
Gambar 9.4
2) H0 diterima jika : z ≤ zα
H0 ditolak jika : z > zα
α
H0 z
Gambar 9.5
3) H0 diterima jika : z ≥ zα
H0 ditolak jika : z < zα
α
-z H0
Gambar 9.6
Nilai-nilai zα dan zα/2 dapat diperoleh dari tabel luas kurva normal dengan
tingkat signifikansi α.
d. Perhitungan. Dari sample data yang diambil dilakukan perhitungan nilai z
x 0
dengan rumus : z =
n
e. Pengambilan kesimpulan. Dengan membandingkan antara hasil perhitungan
dengan kriterianya maka dapat diambil kesimpulan.
Contoh :
Suatu hasil wawancara yang dilakukan terhadap 40 orang petani di Kabupaten
Konawe yang dipilih secara acak, diketahui bahwa rata-rata penghasilan mereka
per bulan adalah sebesar Rp 292.500,- dengan simpangan standart Rp 45.000,-.
Percayakah saudara bahwa rata-rata penghasilan per bulan semua petani di
Kabupaten Konawe tidak sama dengan Rp 300.000,-. Gunakan tingkat
signifikansi (α) = 5%.
Jawab :
a. Hipotesis : H0 : µ = 300.000 dan Hi : µ ≠ 300.000
b. Tingkat signifikansi (α) = 5% berarti zα/2 = 1,96
c. Daerah atau wilayah kritis : z > 1,96 dan z < -1,96
-1,96 H0 1,96
d. Perhitungan :
n = 40 ; x = 292.500 ; s (σ) = 45.000
292.500 300.000
z= 45.000 = -1,8541
40
f. Kesimpulan : rata-rata penghasilan semua petani di Kabupaten Konawe per
bulan sebesar Rp 300.000,-
x 0
Nilai t dapat dihitung dengan rumus : t = =
n
Contoh :
Suatu survey inventarisasi ternak ayam di Desa Onembute Kabupaten Konawe
mengambil sample secara acak sebanyak 16 ekor ayam kampung yang berumur
6 bulan, masing- masing mempunyai berat hidup (kg) sebagai berikut :
1,22 1,19 1,24 1,18 1,22 1,22 1,21 1,19
1,23 1,19 1,22 1,20 1,23 1,20 1,20 1,22
Pada tingkat signifikansi (α) = 5 %, dapatkah saudara mempercayai bahwa rata-
rata berat hidup semua ayam kampung umur 6 bulan di Desa Onembute
(populasinya) adalah sebesar 1,2 kg ?
Jawab :
a. Hipotesis : H0 : µ = 1,2 dan Hi : µ ≠ 1,2
b. Tingkat signifikansi (α) = 5 % atau α/2 = 2,5 % ; t(α/2; n-1)= 2,131
c. Daerah atau wilayah kritis : t > 2,131 dan t < -2,131
-2,131 H0 2,131
d. Perhitungan :
n = 16 ;
x = 1/16 (1,22+1,19+1,24+1,18+1,22+1,22+1,21+1,19+1,21+1,23+
1,19+1,22+1,20+1,23+1,20+1,20+1,22) = 1,21
n
( x1 x )
2
s (σ) = i 1 = 1 / 15(0,012 0,022 ... 0,012 =
n 1
0,155
1,21 1,20
thit = 0,155 = 2,56
16
g. Kesimpulan : H0 ditolak berarti bahwa rata-rata berat hidup semua ayam
kampung umur 6 bulan di Desa Onembute tidak sama dengan 1,2 kg atau
dengan kata lain, tidak dipercaya bahwa rata-rata berat hidup semua ayam
kampung umur 6 bulan di Desa Onembute tidak sama dengan 1,2 kg.
12 22
penyimpangan standart = , yang mana x1 (µ1) dan x2 (µ2) adalah
n1 n2
masing-masing mean dari sample 1 (yang diambil dari populasi I) dan mean dari
sample 2 (yang diambil dari populasi II). σ 1 dan σ2 merupakan penyimpangan
standart dari populasi I dan II. Sedangkan n1 dan n2 masing-masing adalah besarnya
sample 1 dan sample 2. Dengan demikian maka perhitungan yang dilakukan dalam
pengujian hipotesis tentang dua mean berdasarkan pada distribusi normal.
x1 x2
Perhitungan dilakukan dengan menentukan nilai z dengan rumus : z = 12 22
n1 n2
. Berhubung nilai σ1 dan σ2 tidak diketahui maka harganya diganti dengan nilai
estimasinya, yaitu s1 dan s2 sehingga formulanya berubah menjadi : z =
x1 x2
s12 s 22 .
n1 n2
Jika sample yang digunakan kecil (n1, n2 < 30), maka harga statistikanya :
x1 x2
t= (n1 1) s12 (n2 1) s 22 1 1
.( )
n1 n2 2 n1 n2
Datanya berbetuk distribusi-t dengan tingkat kebebasan ( 1 n n2 2 ) sehingga
distribusi t. Nilai zα dan zα/2 diganti dengan harga t, yaitu : t (α; n1 n2 2 ) dan t(α/2;
-1,88 H0
d. Perhitungan :
n1 = 75 ; x 1 = 49 ; s1 = 8,5
n2 = 45 ; x 2 = 52 ; s1 = 6,2
49 52
z= 8,52 6, 22 = -2,22
75 45
e. Kesimpulan : H0 ditolak berarti bahwa hipotesis yang menyatakan bahwa rata-rata
berat hidup anak sapi Hereford lebih rendah dari anak sapi Santa Gertrudis dapat
diterima.
Jawab :
Sampel kecil, σ1 dan σ2 tidak diketahui.
a. Hipotesis : H0 : µ1 = µ2 dan Hi : µ1 > µ2
b. Tingkat signifikansi (α) = 2,5 % ; t(0,025; 10+10-2) = 2,101
c. Daerah atau wilayah kritis : t > 2,101
H0 2,101
d. Perhitungan :
X 1 =4 X 2 =38,
1,7 4
84,1 60,4
s12 = = 9,3444 ; s 22 = = 6,71
10 1 10 1
41,7 38,4
t= (10 1)9,3444 (10 1)6,71 1 1
.( )
10 10 2 10 10
= 2,4075
C. Pengamatan Berpasangan
Jika dua sample yang digunakan dalam pengujian hipotesis bahwa μ1 = μ2
menunjukkan hasil-hasil pengamatan yang berpasangan, misalnya : (μ11 ; μ21) ,
(μ12 ; μ22) , …, (μ1n ; μ2n) yang mana μ11 adalah pengamatan ke-1 dari sample 1; μ21
adalah pengamatan ke-1 dari sample 2 dan seterusnya sampai μ1n adalah
pengamatan ke-n dari sample 1 dan μ1n adalah pengamatan ke-n dari sample 2,
maka hipotesis ini dapat diuji dengan menggunakan statistika perbedaan antara
harga-harga yang berpasangan.
Misalnya : d1 = μ11 – μ21
d2 = μ12 – μ22
……………………………
dn = μ1n – μ2n
Apabila hipotesis μ11 = μ21 atau μ11 – μ21 = 0 maka nilai di = μ1i – μ2i dapat dipandang
sebagai sample yang diambil dari suatu populasi dengan mean = 0. Dalam
pengujian hipotesis ini perhitungan nilai t adalah sebagai berikut :
d
t=
sd / n
Contoh :
Manajer pemasaran suatu perusahaan pestisida berkeyakinan bahwa pelatihan
terhadap para “tenaga pemasaran” dapat meningkatkan nilai penjualan. Untuk itu
dilakukan pelatihan terhadap para “tenaga pemasaran” tersebut selama satu bulan.
Hasil penjualan rata-rata triwulan selama satu tahun, sebelum dan sesudah pelatihan
dari 11 “tenaga pemasaran” tercatat sebagai berikut :
Tenaga Hasil Penjualan (000 liter)
di di - d (di - d
Pemasaran Sebelum pelatihan Sesudah Pelatihan
)2
1 85 91 6 1 1
2 78 72 -6 -11 121
3 81 83 2 -3 9
4 93 92 -1 -6 36
5 80 75 -5 -10 100
6 82 76 -6 -11 121
7 89 87 -2 -7 49
8 79 78 -1 -6 36
9 76 82 6 1 1
10 88 86 -2 -7 49
11 78 82 4 -1 1
Jumlah -5 524
Berdasarkan data tersebut akan diuji dengan taraf nyata 5 %, apakah jumlah
penjualan pestisida, sebelum dan sesudah pelatihan tenaga pemasaran, berbeda
secara nyata ?
Jawab :
a. Hipotesis : H0 : µ1 = µ2 dan Hi : µ1 ≠ µ2
b. Tingkat signifikansi (α) = 0,05 ; t(0,025; 10-1) = 2,228
c. Daerah atau wilayah kritis : t > 2,228 dan t < -2,228
-2,228 H0 2,228
d. Perhitungan :
5
d = = -0,45
11
sd =
(di d )2 =
524
= 7,24
10
n 1
045
t= = -0,205
724 / 11
e. Kesimpulan : karena t = -0,205 terletak antara t = -2,228 dan t = 2,228 maka H 0
diterima berarti bahwa jumlah penjualan pestisida, sebelum dan sesudah
pelatihan tenaga pemasaran tidak berbeda nyata.
Po(1 po)
penyimpangan standart = , sehingga perhitungan yang dilakukan
n
untuk pengujian hipotesis tersebut berdasarkan pada distribusi normal. Langkah-
langkah yang ditempuh samadengan dalam pengujian hipotesis tentang mean,
dengan menggunakan formula sebagai berikut :
x
Po
n
z=
Po(1 po)
n
Keterangan : x = jumlah unit yang bersifat A dalam sample yang beranggota n
Contoh :
Diketahui bahwa 36% dari ayam broiler yang menderita penyakit CRD akan mati.
Untuk menguji, efektivitas suatu obat baru maka 100 ekor ayam yang menderita
CRD diberi obat tersebut. Diantara 100 ekor ayam yang sakit, ternyata ada 78 ekor
menjadi sembuh setelah diberi obat, sisanya mati. Pada tingkat signifikansi 2,5%,
kesimpulan apa yang dapat saudara tarik?
Jawab :
a. Hipotesis : H0 : p = 64% dan Hi : p > 64%
b. Tingkat signifikansi (α) = 0,025 ; z = 1,96
c. Daerah atau wilayah kritis : z > 1,96
H0 1,96
d. Perhitungan :
n = 100 ; x = 78
0,78 0,64
z= (0,64).(0,36) = 2,91
100
e. Kesimpulan : karena z = 2,91 lebih besar dari 1,96 maka H 0 ditolak berarti bahwa
obat tersebut efektif untuk menyembuhkan penyakit CRD.
x1 x 2
distribusi sampling harga ( ) dapat dianggap mendekati distribusi
n1 n2
dengan :
Mean = (p1 – p2)
p1 (1 p1) p 2 (1 p 2)
Simpangan standart =
n1 n2
Keterangan : p1 = proporsi unit-unit yang bersifat A dalam populasi I
p2 = proporsi unit-unit yang bersifat A dalam populasi II
x1 = jumlah unit yang bersifat A dalam sample 1 yang diambil dari populasi I
x2 = jumlah unit yang bersifat A dalam sample 2 yang diambil dari populasi II
n1 = jumlah sample 1
n2 = jumlah sample 2
x1 x 2
n1 n2
z=
p1 (1 p1) p 2 (1 p 2)
n1 n2
Karena Ho : p1 = p2 , maka rumusnya berubah menjadi :
x1 x2
n1 n2
z=
1 1
p(1 p)( )
n1 n2
Karena nilai p tidak diketahui maka diganti dengan nilai estimasinya, yaitu :
x1 x 2
n1 n2
Contoh :
Sampel acak yang terdiri dari 100 ekor ayam kampung, masing-masing telah dipilih
dari semua ayam kampung di Kota Kendari dan Bau-Bau. Ayam kampung yang
berasal dari Kendari, ternyata ada 76 ekor terserang penyakit, sedang yang dari
Bau-Bau hanya 64 ekor yang terkena penyakit. Adakah perbedaan proporsi penyakit
di kedua kota tersebut ? gunakan taraf nyata 5%.
Jawab :
a. Hipotesis : H0 : p1 = p2 dan Hi : p1 ≠ p2
b. Tingkat signifikansi (α) = 0,05 ; α /2 = 0,025 ; z = 1,96
c. Daerah atau wilayah kritis : z > 1,96 dan z < -1,96
-1,96 H0 1,96
d. Perhitungan :
Sampel ayam kampung dari Kendari : n1 = 100 ; x1 = 76
Sampel ayam kampung dari Bau-Bau : n2 = 100 ; x2 = 64
76 64 140
p= = = 0,7
100 100 200
0,76 0,64
z= 1 1 = 1,85
0,7(1 0,7).( )
100 100
e. Kesimpulan : H0 diterima berarti bahwa tidak ada perbedaan proporsi ayam
kampung yang sakit di kedua kota tersebut.
F. Tabel Kontingensi
Distribusi chi-kuadrat yang digunakan dalam pengujian hipotesis k populasi, juga
dapat digunakan untuk pengujian hipotesis yang lain. Salah satu contoh persoalan
yang dapat menggunakan pendekatan distribusi Chi-kuadrat adalah jika unit-unit
populasi digolongkan dalam dua kategori dan tiap kategori dapat terdiri dari dua
alternative atau lebih. Selanjutnya akan diuji hipotesis bahwa kedua kategori
tersebut bebas, maka perlu diambil sample secara acak, dan unit-unit dalam sample
tersebut digolongkan dalam tabel dua jalan/cara (two-way table). Tabel tersebut
disebut dengan tabel kontingensi.
Pada tabel berikut terdapat kategori I yang terdiri dari k kelompok dan kategori II
terdiri dari r kelompok, maka tabel tersebut disebut tabel kontingensi r x k.
Tabel Kontingensi r x k
Kategori I
A1 A2 . . . . . . . Ak Jumlah
Kategori II
Untuk menguji hipotesis bahwa kedua kategori itu bebas menggunakan rumus :
r k (nij eij )2
X =
2
i j eij
Keterangan : nij = jumlah unit pengamatan dalam kelompok i dari kategori II dan kelompok j
dari kategori I (jumlah unit dalam baris i dan kolom j)
eij = jumlah unit diharapkan dalam kelompok i dari kategori II dan kelompok j
dari kategori I (jumlah unit teoritis dalam baris i dan kolom j)
r k
jumlah semua baris dan kolom
i j
i = 1, 2, 3, … r
j = 1, 2, 3, … k
Contoh :
Pimpinan suatu perusahaan agribisnis ingin mengetahui apakah ada hubungan
antara tingkat pendidikan dengan mutu pekerjaan karyawan di perusahaan tersebut.
Untuk itu diadakan penelitian terhadap 100 orang karyawan, dan diperoleh hasil
sebagai berikut :
Mutu Pekerjaan
Jumlah
Istimewa Baik Sedang Kurang
Sekolah Dasar 2 8 6 10 26
PendidikanTingkat
Sekolah Menengah 10 4 9 16 39
Sekolah Tinggi 16 6 7 6 35
Jumlah 28 18 22 32 100
Berdasarkan data tersebut, kesimpulan apa yang dapat saudara ambil ? (gunakan
tingkat signifikansi 5%).
Jawab :
a. Hipotesis : H0 : pi1 = pi2 = pi3 = pi4 atau tingkat pendidikan bebas/tidak
berhubungan dengan mutu pekerjaan
Hi : pi1 ≠ pi2 ≠ pi3 ≠ pi4 atau tingkat pendidikan berhubungan dengan
mutu pekerjaan
b. Tingkat signifikansi (α) = 0,05 ; α /2 = 0,025
c. Daerah atau wilayah kritis : X2 ≥ 12,592
12,592
d. Perhitungan :
26 39 35
e11 = . 28 = 7,28 e21 = . 28 = 10,92 e31 = . 28 = 9,7
100 100 100
26 39 35
e12 = . 18 = 4,68 e22 = . 18 = 7,02 e32 = . 18 = 6,3
100 100 100
26 39 35
e13 = . 22 = 5,72 e23 = . 22 = 8,58 e33 = . 22 = 7,7
100 100 100
26 39 35
e14 = . 32 = 8,32 e24 = . 32 = 12,48 e34 = . 32 = 11,2
100 100 100