MODUL PERKULIAHAN

STATISTIKA DAN
PROBABILITAS
3 SKS
Pengujian Hipotesis

Fakultas : Ilmu Komputer Tatap Muka Kode Mata Kuliah : F4119002

Program Studi : Teknik Informatika

10 Disusun Oleh : Rendi Prasetya, S.Si., M.Kom.

ABSTRAK KOMPETENSI
Mata Kuliah Statistika dan Probabilitas merupakan mata Mahasiswa dapat memahami distribusi
kuliah wajib di Prodi Informatika dengan Bobot 3 SKS. diskret variabel random.
Mata Kuliah ini membahas tentang Pengertian Statistika
dan Jenisnya, Ukuran Pemusatan dan Penyebaran Data,
Peluang suatu Kejadian, Distribusi Peluang, Variabel
Random, Pendugaan Parameter, dan Uji Hipotesis, serta
Regresi dan Korelasi.
PEMBAHASAN

Pengujian Hipotesis

A. Pendahuluan
Hipotesis statistik adalah suatu pernyataan atau dugaan mengenai satu atau lebih populasi.
Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis.
Kebenaran (benar atau salahnya) suatu hipotesis tidak akan pernah diketahui dengan pasti,
kecuali kita memeriksa seluruh populasi.

Jika kita tidak mungkin memeriksa seluruh populasi untuk memastikan kebenaran suatu
hipotesis kita dapat mengambil sampel acak, dan menggunakan informasi (atau bukti) dari
sampel itu untuk menerima atau menolak suatu hipotesis. Penerimaan suatu hipotesis
terjadi karena tidak cukup bukti untuk menolak hipotesis tersebut dan bukan karena
hipotesis itu benar dan penolakan suatu hipotesis terjadi karena tidak cukup bukti untuk
menerima hipotesis tersebut dan bukan karena hipotesis itu salah.

Landasan penerimaan dan penolakan hipotesis seperti ini, yang menyebabkan para
statistikawan atau peneliti mengawali pekerjaan dengan terlebih dahulu membuat hipotesis
yang diharapkan ditolak, tetapi dapat membuktikan bahwa pendapatnya dapat diterima.

Contoh:
Sebelum tahun 1993, pendaftaran mahasiswa dilakukan dengan pengisian formulir secara
manual. Pada tahun 1993, PSA memperkenalkan sistem pendaftaran online. Seorang Staf
PSA ingin membuktikan pendapatnya “bahwa rata-rata waktu pendaftaran dengan sistem
online akan lebih cepat dibanding dengan sistem yang lama”. Untuk membuktikan
pendapatnya, ia akan membuat hipotesis awal, sebagai berikut:

Hipotesis Awal : rata-rata waktu pendaftaran sistem online sama saja dengan sistem lama.

Staf PSA tersebut akan mengambil sampel dan berharap hipotesis awal ini ditolak,
sehingga pendapatnya dapat diterima!

2019 Statistika dan Probabilitas

2 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
 Contoh:
Manajemen PERUMKA mulai tahun 1992, melakukan pemeriksaan karcis KRL lebih intensif
dibanding tahun-tahun sebelumnya, pemeriksaan karcis yang intensif berpengaruh positif
terhadap penerimaan PERUMKA. Untuk membuktikan pendapat ini, hipotesis awal yang
diajukan adalah:

Hipotesis Awal : Tidak ada perbedaan penerimaan sesudah maupun sebelum dilakukan
perubahan sistem pemeriksaan karcis.

Manajemen berharap hipotesis ini ditolak, sehingga membuktikan bahwa pendapat mereka
benar!

Hipotesis Awal yang diharap akan ditolak disebut sebagai Hipotesis Nol (𝐻 ). Hipotesis Nol
juga sering menyatakan kondisi yang menjadi dasar pembandingan. Penolakan 𝐻
membawa kita pada penerimaan Hipotesis Alternatif (𝐻 ) (beberapa buku menulisnya
sebagai 𝐻 ). Nilai Hipotesis Nol (𝐻 ) harus menyatakan dengan pasti nilai parameter. 𝐻
akan ditulis dalam bentuk persamaan. Sedangkan Nilai Hipotesis Alternatif (𝐻 ) dapat
memiliki beberapa kemungkinan. 𝐻 akan ditulis dalam bentuk pertidaksamaan (< ; > ; ≠)

Contoh:
Pada sistem lama, rata-rata waktu pendaftaran adalah 50 menit. Kita akan menguji
pendapat Staf PSA tersebut, maka Hipotesis awal dan Alternatif yang dapat kita buat:

𝐻 : 𝜇 = 50 menit (sistem baru dan sistem lama tidak berbeda)

𝐻 : 𝜇 ≠ 50 menit (sistem baru tidak sama dengan sistem lama)

atau
𝐻 : 𝜇 = 50 menit (sistem baru dan sistem lama tidak berbeda)
𝐻 : 𝜇 < 50 menit (sistem baru lebih cepat dari sistem lama)

Contoh:
Penerimaan PERUMKA per tahun sebelum intensifikasi pemeriksaan karcis dilakukan
adalah Rp. 3 juta. Maka Hipotesis Awal dan Hipotesis Alternatif dapat disusun sebagai
berikut:
2019 Statistika dan Probabilitas
3 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
 𝐻 : 𝜇 = 3 juta (sistem baru dan sistem lama tidak berbeda)
𝐻 : 𝜇 ≠ 3 juta (sistem baru tidak sama dengan sistem lama)

atau
𝐻 : 𝜇 = 3 juta (sistem baru dan sistem lama tidak berbeda)
𝐻 : 𝜇 > 3 juta (sistem baru menyebabkan penerimaan per tahun lebih besar dengan
sistem lama)

Penolakan atau penerimaan hipotesis dapat membawa kita pada 2 jenis kesalahan
(kesalahan/error/galat), yaitu:
1. Galat jenis 1 yaitu penolakan Hipotesis Nol (𝐻 ) yang benar. Galat jenis 1 ini
dinotasikan sebagai 𝛼. 𝛼 juga disebut sebagai taraf nyata uji.
Konsep 𝛼 dalam Pengujian Hipotesis sama dengan konsep 𝛼 pada selang
kepercayaan.
2. Galat jenis 2 yaitu penerimaan Hipotesis Nol (𝐻 ) yang salah. Galat jenis 2 dinotasikan
sebagai 𝛽.

Prinsip pengujian hipotesis yang baik adalah meminimalkan nilai 𝛼 dan 𝛽. Dalam
perhitungan, nilai 𝛼 dapat dihitung sedangkan nilai 𝛽 hanya bisa dihitung jika nilai hipotesis
alternatif sangat spesifik.

Pada pengujian hipotesis, kita lebih sering berhubungan dengan nilai 𝛼. Dengan asumsi,
nilai 𝛼 yang kecil juga mencerminkan nilai 𝛽 yang juga kecil.

Prinsip pengujian hipotesis adalah perbandingan nilai statistik uji (𝑧 hitung atau 𝑡 hitung)
dengan nilai titik kritis (nilai 𝑧 tabel atau 𝑡 tabel). Titik kritis adalah nilai yang menjadi batas
daerah penerimaan dan penolakan hipotesis. Nilai 𝛼 pada 𝑧 atau 𝑡 tergantung dari arah
pengujian yang dilakukan.

B. Arah Pengujian Hipotesis

Pengujian hipotesis dapat dilakukan sebagai berikut:
1. Uji Satu Arah
Pengajuan 𝐻 dan 𝐻 dalam uji satu arah adalah sebagai berikut:

2019 Statistika dan Probabilitas

4 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
 𝐻 : ditulis dalam bentuk persamaan (menggunakan tanda =)
𝐻 : ditulis dalam bentuk lebih besar (>) atau lebih kecil (<)

Contoh:
a. 𝐻 : 𝜇 = 50 menit
𝐻 : 𝜇 < 50 menit
b. 𝐻 : 𝜇 = 3 juta
𝐻 : 𝜇 < 3 juta

Pada uji satu arah nilai 𝛼 tidak dibagi dua, karena seluruh 𝛼 diletakkan hanya di salah satu
sisi selang.

Contoh:
𝐻 :𝜇=𝜇
𝐻 :𝜇<𝜇
Wilayah Kritis : 𝑧 < −𝑍 atau 𝑡 < −𝑡( ; )

𝜇 adalah suatu rata-rata yang diajukan dalam 𝐻 . Penggunaan 𝑧 atau 𝑡 tergantung ukuran
sampel, jika sampel besar menggunakan 𝑧 dan jika sampel kecil menggunakan 𝑡.

Daerah yang diarsir merupakan daerah penolakan hipotesis dan daerah yang tak diarsir
adalah daerah penerimaan hipotesis.

Contoh:
𝐻 :𝜇=𝜇
𝐻 :𝜇>𝜇
2019 Statistika dan Probabilitas
5 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
 Wilayah Kritis : 𝑧 > 𝑍 atau 𝑡 > 𝑡( ; )

Daerah terarsir merupakan daerah penolakan hipotesis dan daerah yang tak terarsir adalah
daerah penerimaan hipotesis

2. Uji Dua Arah

Pengajuan 𝐻 dan 𝐻 dalam uji dua arah adalah sebagai berikut:
𝐻 : ditulis dalam bentuk persamaan (menggunakan tanda =)
𝐻 : ditulis dengan menggunakan tanda ≠

Contoh:
a. 𝐻 : 𝜇 = 50 menit
𝐻 : 𝜇 ≠ 50 menit
b. 𝐻 : 𝜇 = 3 juta
𝐻 : 𝜇 ≠ 3 juta

Pada uji dua arah nilai 𝛼 dibagi dua, karena 𝛼 diletakkan di kedua sisi selang.

Contoh:
𝐻 :𝜇=𝜇
𝐻 :𝜇≠𝜇
Wilayah Kritis : 𝑧 < −𝑧 dan 𝑧 > 𝑧

atau
𝑡 < −𝑡 ;
dan 𝑡 > 𝑡 ;

2019 Statistika dan Probabilitas

6 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
 𝜇 adalah suatu rata-rata yang diajukan dalam 𝐻 . Sama seperti uji satu arah penggunaan
𝑧 atau 𝑡 tergantung ukuran sampel, jika sampel besar menggunakan 𝑧 dan sampel kecil
menggunakan 𝑡.

Daerah terarsir merupakan daerah penolakan hipotesis sedangkan daerah tak terarsir
adalah daerah penerimaan hipotesis.

C. Pengerjaan Uji Hipotesis

Untuk melakukan uji hipotesis maka dilakukan langkah-langkah sebagai berikut:
1. Tentukan 𝐻 dan 𝐻
2. Tentukan statistik uji (𝑧 atau 𝑡)
3. Tentukan arah pengujian (uji satu arah atau uji dua arah)
4. Tentukan nilai taraf nyata pengujian (𝛼 atau )

5. Tentukan nilai titik kritis atau daerah penerimaan-penolakan 𝐻

6. Cari nilai statistik hitung (𝑧 hitung atau 𝑡 hitung)
7. Tentukan kesimpulan (menerima atau menolak 𝐻 )
Urutan pengerjaan langkah ke-2, 3 dan 4 dapat saling dipertukarkan.

Beberapa nilai z yang penting (lainnya silahkan periksa tabel distribusi normal standar)
𝑧 % =𝑧 , = 1,645
𝑧 , % =𝑧 , = 1,96
𝑧 % =𝑧 , = 2,33
𝑧 , % =𝑧 , = 2,575

2019 Statistika dan Probabilitas

7 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
 Rumus-rumus penghitungan statistik uji
1. Rata-rata dari sampel besar
𝐻 :𝜇=𝜇
𝐻 :𝜇<𝜇 Wilayah kritis : 𝑧 < −𝑧
𝐻 :𝜇>𝜇 Wilayah kritis : 𝑧 > 𝑧
𝐻 :𝜇≠𝜇 Wilayah kritis : 𝑧 < −𝑧 dan 𝑧 > 𝑧

̅
𝑧 hitung : 𝑧 =
√

2. Rata-rata dari sampel kecil

𝐻 :𝜇=𝜇
𝐻 :𝜇<𝜇 Wilayah kritis : 𝑡 < −𝑡( ; )

𝐻 :𝜇>𝜇 Wilayah kritis : 𝑡 > 𝑡( ; )

𝐻 :𝜇≠𝜇 Wilayah kritis : 𝑡 < −𝑡 ;

dan 𝑡 > 𝑡 ;
𝑑𝑏 = 𝑛 − 1

̅
𝑡 hitung : 𝑡 =
√

3. Beda dua rata-rata dari sampel besar

𝐻 : |𝜇 − 𝜇 | = 𝑑
𝐻 : |𝜇 − 𝜇 | < 𝑑 Wilayah kritis : 𝑧 < −𝑧
𝐻 : |𝜇 − 𝜇 | > 𝑑 Wilayah kritis : 𝑧 > 𝑧
𝐻 : |𝜇 − 𝜇 | ≠ 𝑑 Wilayah kritis : 𝑧 < −𝑧 dan 𝑧 > 𝑧

| ̅ ̅ |
𝑧 hitung : 𝑧 =

4. Beda dua rata-rata dari sampel kecil

𝐻 : |𝜇 − 𝜇 | = 𝑑
𝐻 : |𝜇 − 𝜇 | < 𝑑 Wilayah kritis : 𝑡 < −𝑡( ; )

𝐻 : |𝜇 − 𝜇 | > 𝑑 Wilayah kritis : 𝑡 > 𝑡( ; )

𝐻 : |𝜇 − 𝜇 | ≠ 𝑑 Wilayah kritis : 𝑡 < −𝑡 ;

dan 𝑡 > 𝑡 ;
𝑑𝑏 = 𝑛 − 1

2019 Statistika dan Probabilitas

8 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
 | ̅ ̅ |
𝑡 hitung : 𝑡 =

1. Uji Hipotesis Rata-Rata Sampel Besar

Contoh:
Dari 100 nasabah bank rata-rata melakukan penarikan $495 per bulan melalui ATM, dengan
simpangan baku = $45. Dengan taraf nyata 1% , ujilah apakah rata-rata nasabah menarik
melalui ATM kurang dari $500 per bulan?
Jawab:
𝑥̅ = 495
𝑠 = 45
𝑛 = 100
𝜇 = 500
𝛼 = 1%

𝐻 : 𝜇 = 500
𝐻 : 𝜇 < 500

Menggunakan statistik uji 𝑧 karena sampel besar (𝑛 ≥ 30)

Arah pengujian adalah uji satu arah
Taraf nyata pengujian 𝛼 = 1% = 0,01
Wilayah kritis : 𝑧 < −𝑧 , → 𝑧 < −2,33
̅
𝑧 hitung :𝑧= = =− = −1,11
,
√ √

Kesimpulan : 𝑧 hitung = −1,11 ada di daerah penerimaan 𝐻

𝐻 diterima, rata-rata pengambilan uang di ATM = $500

2019 Statistika dan Probabilitas

9 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
2. Uji Hipotesis Rata-Rata Sampel Kecil
Contoh:
Seorang job-specialist menguji 25 karyawan dan mendapatkan bahwa rata-rata
penguasaan pekerjaan kesekretarisan adalah 22 bulan dengan simpangan baku = 4 bulan.
Dengan taraf nyata 5%, ujilah apakah rata-rata penguasaan kerja kesekretarisan lebih dari
20 bulan?

Jawab:
𝑥̅ = 22
𝑠 = 4
𝑛 = 25
𝜇 = 20
𝛼 = 5%

𝐻 : 𝜇 = 20
𝐻 : 𝜇 ≠ 20

Menggunakan statistik uji 𝑡 karena sampel kecil (𝑛 < 30)

Arah pengujian adalah uji dua arah
Taraf nyata pengujian 𝛼 = 5% = 0,05
= 2,5% = 0,025

Wilayah kritis : 𝑑𝑏 = 𝑛 − 1 = 25 − 1 = 24
: 𝑡 < −𝑡 ;
dan 𝑡 > 𝑡 ;

𝑡 < −2,064 dan 𝑡 > 2,064

̅
𝑡 hitung :𝑡= = = = 2,5
,
√ √

Kesimpulan : 𝑡 hitung = −2,5 ada di daerah penolakan 𝐻

𝐻 ditolak dan 𝐻 diterima, rata-rata penguasaan pekerjaan
kesekretarisan = 20 bulan

2019 Statistika dan Probabilitas

10 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
3. Uji Hipotesis Beda Dua Rata-Rata Sampel Besar
Contoh:
Berikut adalah data nilai prestasi kerja karyawan yang mendapat training dengan yang tidak
mendapat training.
Dengan Training Tanpa Training
Rata-rata nilai prestasi 𝑥̅ = 300 𝑥̅ = 302
Ragam 𝑠 =4 𝑠 = 4,5
Ukuran sampel 𝑛 = 40 𝑛 = 30

Dengan taraf nyata 5%, ujilah apakah perbedaan rata-rata nilai prestasi kerja |𝜇 − 𝜇 | >
0?

Jawab
𝛼 = 5%
𝑑 =0

𝐻 : |𝜇 − 𝜇 | = 0
𝐻 : |𝜇 − 𝜇 | > 0

Menggunakan statistik uji 𝑧 karena sampel besar (𝑛 ≥ 30)

Arah pengujian adalah uji satu arah
Taraf nyata pengujian 𝛼 = 5% = 0,05
Wilayah kritis :𝑧>𝑧 , → 𝑧 > 1,645
| ̅ ̅ | | |
𝑧 hitung :𝑧= = = = = =4
, √ , , √ , ,

2019 Statistika dan Probabilitas

11 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
 Kesimpulan : 𝑧 hitung = 4 ada di daerah penolakan 𝐻
𝐻 ditolak dan 𝐻 diterima, beda rata-prestasi kerja > 0

4. Uji Hipotesis Beda Dua Rata-Rata Sampel Kecil

Contoh:
Berikut adalah data kerusakan produk yang dibuat oleh karyawan shift malam dan siang.
Shift Malam Shift Siang
Rata-rata kerusakan 𝑥̅ = 20 𝑥̅ = 12
Ragam 𝑠 = 3,9 𝑠 = 0,72
Ukuran sampel 𝑛 = 13 𝑛 = 12

Dengan taraf nyata 1%, ujilah apakah perbedaan rata-rata kerusakan |𝜇 − 𝜇 | ≠ 10?

Jawab
𝛼 = 1%
𝑑 = 10

𝐻 : |𝜇 − 𝜇 | = 10
𝐻 : |𝜇 − 𝜇 | ≠ 10

Menggunakan statistik uji 𝑡 karena sampel kecil (𝑛 < 30)

Arah pengujian adalah uji dua arah
Taraf nyata pengujian 𝛼 = 1% = 0,01
= 0,5% = 0,005

Wilayah kritis : 𝑑𝑏 = 𝑛 + 𝑛 − 2 = 13 + 12 − 2 = 23
: 𝑡 < −𝑡 ;
dan 𝑡 > 𝑡 ;

𝑡 < −2,807 dan 𝑡 > 2,807

| ̅ ̅ | | |
𝑡 hitung :𝑡= = = =− =− = −3,33
, , √ , , √ , ,

Kesimpulan : 𝑡 hitung = −3,33 ada di daerah penolakan 𝐻

𝐻 ditolak dan 𝐻 diterima, rata-rata kerusakan ≠ 10

2019 Statistika dan Probabilitas

12 Rendi Prasetya, S.Si., M.Kom. 0857 111 90 222
Pusat Bahan Ajar dan eLearning
http://www.undira.ac.id
DAFTAR PUSTAKA

Agresti, A., & Hichcock, D.B. (2005). Bayesian Inference for Categorical Data Analysis.
Statistical Methods & Applications. 14: 297-330 DOI: 10.1007/s10260-005-0121-y

Freedman, D.A. (2005). Statistical Models: Theory and Practice. Cambridge University Press.
ISBN 978-0-521-67105-7

Hastie, T., Tibshirani, R. & Friedman, J. The element of Statistical Learning

Nikoletseas, M.M. (2014). Statistics: Concepts and Examples. ISBN 978-1500815684

Shayib, M.A. (2013). Applied Statistics. Bookboon

Sudjana. (2016). Metoda Statistika. ISBN-13: 978-979-9185-37-2

Walpole, R.E. (1997). Pengantar Statistika. Gramedia Pustaka Utama: Jakarta