1

III. MENGUJI KESAMAAN / PERBEDAAN

HARGA DUA PARAMETER

1. Pengertian

Menguji kesamaan / perbedaan dua buah parameter,

bisa kita gambarkan sebagai berikut.
Misalkan kita mempunyai 2 buah populasi yaitu
Populasi 1 dan Populasi 2.
Populasi 1 Populasi 2
Ada hipotesa yang bentuknya :
θ1 θ2 H0 : θ1= θ2
H1 : θ1 ≠ θ2

n1 n2

Karena sensus membutuhkan waktu, tenaga dan biaya

yg besar, maka untuk menguji hipotesis tersebut diambil
sampel dari masing-masing populasi dengan ukuran n 1 dan
n2. Dimana hasil pengujian secara statistis untuk
menyatakan, apakah hipotesis diterima atau harus ditolak.

Langkah - langkah umum pengujian masih tetap

berlaku.

2. Menguji Kesamaan / Perbedaan Nilai Dua Buah

Parameter Persentase atau Proporsi

Statistik uji yang digunakan untuk menguji perbedaan

dua persentase adalah :

P1 −P2
Z=

√ 1 1 xi
P̄(1− P̄ )( + ) P i=
n1 n2 ni , i = 1 atau 2

xi = Banyaknya unit yang ada dalam sampel yang

mempunyai
karakteristik yang dicari
ni = Ukuran sampel yang ke- i

x 1+ x 2
P̄=
n 1 +n2

1
 2

Contoh :
Berdasarkan pengamatan pemerintah daerah A dan
daerah B, diperkirakan bahwa persentase pengangguran di
daerah A lebih besar dari persentase pengangguran di
daerah B. Untuk menguji perkiraan ini diambil sampel secara
acak dari daerah A dan daerah B masing-masing dengan
ukuran nA = 150 dan nB = 180. setelah dilakukan wawancara
ternyata dalam sampel yang diambil dari daerah A dan
daerah B masing-masing terdapat 32 responden yang
menyatakan tidak punya pekerjaan / pengangguran
Berdasarkan hasil survey ini dilakukan pengujian
apakah perkiraan yang dilontarkan oleh kepala-kepala
daerah tersebut bisa diterima atau ditolak. Gunakan level of
significance sebesar 5 %.

Langkah pengujian :

1. Parameter yang akan diuji perbedaannya adalah

persentase pengangguran ( π ). Kita sebut saja %
pengangguran di daerah A → π 1, daerah B → π 2.
Berdasarkan dugaan yang dilontarkan oleh kepala-kepala
daerah, HP tersebut diterjemahkan ke dalam hipotesis
statistis yang bentuknya:
H0 : π 1 = π 2
H1 : π 1 > π 2
2. Level of significance yang akan digunakan adalah α =
0,05

3. Data dikumpulkan
P1 −P2
Z=

4. Statistik uji yang digunakan adalah √ P̄( 1− P̄ )(

1 1
+ )
n1 n2
5. Berdasarkan bentuk Ho dan H1dan berdasarkan statistik uji
yang akan dipakai, maka daerah dan titik kritis pengujian
bisa digambarkan sebagai berikut :

α = 0,05

0 0,81 Z = 1,645

6. Atas dasar data yang diperoleh dihitung statistik uji :

2
 3

32 32
−
150 180
Z=

√ (
32+32
150+180
( 1−
32+32
)(
1
+
1
150+180 150 180
)
= 0,813421255 ¿ 0,81

Ternyata nilai statistik hitung jatuh di luar daerah kritis.

Pengujian non significant. Isyaratnya H0 diterima.

7. Kesimpulan Statistis
Berdasarkan hasil pengujian, mengindikasikan bahwa
persentase pengangguran di daerah A ternyata sama
dengan persentase pengangguran di daerah B.
Oleh karena itu dugaan yang dilontarkan kepala-kepala
daerah tersebut tidak bisa diterima.

3. Menguji Kesamaan / Perbedaan Dua Buah Parameter

Simpangan Baku (Varians)

Untuk menguji kesamaan / perbedaan 2 buah

simpangan baku tidak bisa dilakukan secara langsung, tetapi
harus dilakukan melalui pengujian terhadap varians. Untuk
melakukan pengujian diperlukan pengetahuan mengenai
tabel SNEDECOR`S F .

Statistik uji yang digunakan untuk menguji perbedaan 2

varians

S12 → ν1
F= 2 → ν2
adalah : S2

3
 4

Contoh :
Sebuah perusahaan industri memproduksi sebuah
produk A melalui 2 buah mesin M 1 dan M2. M2 baru saja
diperbaiki, sehingga produk A yang dihasilkan keadaannya
belum begitu stabil. Yang diperhatikan mengenai produk A
adalah rata-rata diameter produk A dan variasi hasilnya.
Oleh karena mesin M2 baru saja diperbaiki, maka
diperkirakan bahwa varians produk A yang dihasilkan mesin
M2 berbeda dengan varians produk A yang diproses oleh
mesin M1..
Untuk menguji dugaan tersebut maka secara random /
acak dipilih 10 buah produk A yang diproses oleh M 1 dan 8
buah produk yang diproses oleh M2. Hasil pengukuran
terhadap diameter produk A dari sampel tersebut
memberikan data sebagai berikut :

M1 M2
X̄ 1 = 15,2 mm X̄ 2 = 15,8
mm
S1 = 0,2 mm S2 = 0,6 mm
n1 = 10 n2 = 8

Berdasarkan data tersebut lakukan pengujian dengan level

of significant sebesar 5 %. Berikan kesimpulan dan apakah
perkiraan di atas bisa diterima atau tidak.

Langkah kerja :

1) Yang akan kita uji adalah keseragaman. Keseragaman ini

secara statistis yang menjadi parameter adalah σ2.
Oleh karena itu, bentuk H0 dan H1 untuk pengujian ini
adalah
H0 : σ1 2 = σ2 2
H1 : σ1 2 ≠ σ2 2

2) Untuk pengujian ini diambil α = 0,05

3) Data telah terkumpul

2
Sν11 = n1 – 1
F= ν22 = n2 – 1
4) Statistik uji yang digunakan adalah : S2 ,

5) Daerah dan titik kritis untuk pengujian ini bisa

digambarkan sebagai berikut :

4
 5

α = 0,05 α = 0,05

0,30 3,68

6) Masukkan data yang diperoleh ke dalam statistik uji :

0,22
F= =1 , 111. .. .
0,62
Ternyata statistik hitung jatuh di luar daerah kritis,
pengujian non significant, Isyaratnya H0 diterima.

7) Kesimpulan statistis
Berdasarkan hasil pengujian terhadap data yang
dikumpulkan, ternyata apa yang diduga bahwa produk A
yang diproduksi oleh M1 mempunyai keseragaman yang
berbeda dengan produk A yang dihasilkan oleh mesin M2
tidak dapat diterima, karena ternyata berdasarkan
pengujian keseragamannya masih sama.

4. Menguji Kesamaan / Perbedaan Dua Buah Parameter

Rata-Rata

Menguji kesamaan / perbedaan dua buah parameter

rata-rata rumus yang digunakan ada 3 kemungkinan,
dengan alternatif sebagai berikut :

1) Diketahui sebelum penelitian berdasarkan pengalaman

bahwa σ1 dan σ2 atau σ12 dan σ22 nilainya diketahui 
gunakan rumus A

2) Sebelum penelitian diperoleh keterangan atau dari hasil

pengujian diketahui bahwa σ1= σ2 atau σ12 = σ22 meskipun
nilai σ tidak diketahui  gunakan rumus B

3) Sebelum penelitian diperoleh keterangan atau dari hasil

pengujian diketahui bahwa σ1 ≠ σ2 atau σ12 ≠ σ22
meskipun nilai σ tidak diketahui gunakan rumus C

5
 6

4.1. Menguji Kesamaan / Perbedaan Harga 2 Buah

Parameter Rata-Rata Jika σ1 dan σ2 nilainya
diketahui Rumus A
X̄ 1 − X̄ 2
Z=

√
σ σ 22
12
+
Rumus A : n1 n2
Contoh :
Ada perkiraan bahwa RATA-RATA tingkat sadar wisata orang-orang di
daerah perkotaan tidak berbeda dengan tingkat sadar wisata di daerah
pedesaan. Untuk memeriksa dugaan ini dilakukan survey terhadap 8 orang
penduduk perkotaan dan 10 orang penduduk pedesaan. Keadaan tingkat sadar
wisata diukur melalui Likert`s Summated Ratings. Yang ditransformasikan ke
dalam skala interval melalui Method of successive interval. Skor yang
diperoleh para responden dari daerah perkotaan dan pedesaan adalah sebagai
berikut :
Perkotaan Pedesaan

175 168
160 184
180 155
159 172
170 165
170 181
168 175
181 169
180
172
]
Berdasarkan data yang ada dari hasil survey lakukanlah pengujian, untuk
mengetahui apakah dugaan di atas bisa diterima atau tidak dengan
menggunakan level of siginificance 1 %.

Langkah kerja :

1. Parameter yang akan diuji perbedaan / kesamaannya

adalah rata-rata (µ) tingkat sadar wisata. Misalkan saja
rata-rata skor sadar wisata daerah perkotaan dan
pedesaan masing-masing sebagai µ1 dan µ2. Atas dasar
bentuk dugaan yang dilontarkan (HP), maka kita
memperoleh bentuk HS sebagai berikut :
H0 : µ1 = µ2
H1 : µ1 ≠ µ2

2. α yang digunakan = 0,01

3. Data terkumpul

6
 7

4. Oleh karena sebelum penelitian ada keterangan bahwa

simpangan baku untuk kedua daerah diketahui nilainya,
yaitu sama besarnya, masing-masing = 8, maka
X̄ 1− X̄ 2
Z= X̄ 1 = 170,375

Statistik uji yang digunakan : √ σ 22

n1
+
σ 22
n2 X̄ 2 = 172,1

5. Daerah dan titik kritis

α/2 = 0,005 α/2 = 0,005

Z = -2,575 -0,45 0 Z = 2,575

6. Hitung statistik uji.

170 ,275−172 ,1
Z=

√ 8 +8
8 10 = -0,45457741 ¿ -0,45

Harga statistik hitung jatuh di luar daerah kritis, maka

Hasil pengujian non significant. Isyaratnya H0 diterima.

7. Kesimpulan statistis
Berdasarkan hasil survey, dan berdasarkan hasil
pengujian, maka skor sadar wisata di daerah perkotaan
dan daerah pedesaan adalah sama. Dugaan diterima.

4.2. Menguji Kesamaan / Perbedaan Harga 2 Buah

Parameter Rata-Rata Jika σ1= σ2 tetapi nilainya
tidak diketahui Rumus B
X̄ 1 − X̄ 2
t=

Rumus B : √{ ( n1 −1) S 2 +( n2 −1) S

1
n 1 +n2 −2
2
2

}{ }
1 1
+
n1 n2

Derajat bebas ( ν ) = n1 + n2 – 2

Perhatikan contoh mengenai skor sadar wisata.

Dugaan pun sama. Sebelum penelitian, dianggap tidak ada
keterangan mengenai nilai simpangan baku populasinya.
lakukan pengujian dengan α = 0,01.

Langkah kerja :

7
 8

1) H0 : µ1 = µ2
H 1 : µ1 ≠ µ2

2) α = 0,01

3) Data terkumpul

4) Oleh karena sebelum penelitian tidak ketahui berapa

harga simpangan baku populasinya, maka perlu
dilakukan pengujian terhadap nilai simpangan baku
populasinya berdasarkan nilai simpangan baku sampel,
dengan cara menguji kesamaan / perbedaan varians
pada sub bab 3 di atas.

Pasangan hipotesis : H0 : σ1 2 = σ2 2
H1 : σ1 2 ≠ σ2 2

Untuk pengujian ini diambil α = 0,01

ν1S=12 n1 – 1
F=
ν2S=2 n2 – 1
Statistik uji yang digunakan adalah : 2 ,

Daerah dan titik kritis untuk pengujian ini bisa

digambarkan sebagai berikut :

α = 0,01 α = 0,01
0,96

F = 0,15 F = 5,61

Masukkan data dua varians sampel ke dalam statistik

uji :

8 ,192984804
F= =0 , 956082839
8 ,569325234 0,96 ¿

Ternyata statistik hitung jatuh di luar daerah kritis,

pengujian non significant, Isyaratnya H0 diterima berarti
σ1 2 = σ2 2

Maka untuk menguji 2 parameter rata-rata tersebut di atas

8
 9

X̄ 1 − X̄ 2
t=

statistik uji yang digunakan : n 1 +n2 −2

ν = n1 + n2 – 2
√{ ( n1 −1) S 2 +( n2 −1) S
1 2
2

}{ }
1 1
+
n1 n2

5) Daerah dan titik kritis

S12 = 8,192984804
α/2 = 0,005 α/2 = 0,005 S22 = 8,569325234

t = -2,92 -1,25… t = 2,92

6) Hitung statistik uji.

170 ,375−172 ,1
t= =−1 , 25440375

√{ (18−1 )(8 ,192984804 )+(10−1)(8 , 569325239) 1 1

8+10−2
+
8 10 }{ }
Harga statistik hitung jatuh di di luar daerah kritis. Hasil
pengujian non significant. Isyaratnya H0 diterima.

7) Kesimpulan Statistis
Berdasarkan hasil survey dan hasil pengujian, maka skor
sadar wisata di daerah perkotaan dan pedesaan adalah
sama. Dugaan dapat diterima.

3.3. Menguji Kesamaan / Perbedaan Harga 2 Buah

Parameter Rata-Rata JIKA σ1 ≠ σ2 tetapi nilainya
tidak diketahui  Rumus C

X̄ 1− X̄ 2
t=

√
S S
12 22
+
Rumus C : n1 n2

Derajat bebas ( V ) = n1 + n2 – 2

Contoh perhatikan masalah dibawah ini :

1) H0 : µ1 = µ2
H1 : µ1 > µ2

2) α = 0,05

3) Data yang diketahui :

9
 10

n1 = 6 n2 =9
X̄ 1 = 160 X̄ 2 = 170
S1 = 4,1 S2 = 10,8
S12 = 16,81 S22 = 116,64

4) Apabila ada keterangan σ1 ≠ σ2, maka statistik uji untuk

menguji perbedaan 2 buah rata-rata adalah :

X̄ 1− X̄ 2
t=

√
S S
12 22
+
n1 n2 dengan derajat bebas = n1 + n2 – 2

5) Daerah dan titik kritisnya

Titik kritis belum bisa ditentukan apabila ν / derajat
bebasnya belum dihitung.

Setelah ν diperoleh, maka daerah dan titik kritisnya :

α/2 = 0,025 α/2 = 0,025

-2,54 t = -2,262 t = 2,262

6) Statistik hitung :

160−170
t= =−2 ,53883042

√
2 2
4,1 10 , 8
+
6 9 ¿ -2,54

Harga statistik hitung jatuh di daerah kritis. Hasil

pengujian significant. Isyaratnya H0 ditolak.

7) Kesimpulan statistis
Maka nilai rata-rata kedua populasi memang berbeda.

Catatan :

Keterangan mengenai apakah σ1= σ2 atau σ1 ≠ σ2, bisa

diperoleh dari:

1. Berdasarkan keterangan
sekunder sebelum
penelitian

10
 11

2. Berdasarkan pengujian kesamaan / perbedaan dua

buah parameter varians.

8) Menguji Kesamaan / Perbedaan dua Parameter

Rata-Rata Jika Sampelnya Tidak Independen atau
Tidak Bebas

5.1. Pengertian 2 Sampel Independen dan Sampel tidak

Independen

Dua buah sampel masing-masing berukuran n1 dan n2

dikatakan independen satu sama lain (bebas satu sama
lain ) apabila pada saat memilih unit-unit samplingnya untuk
sampel yang pertama tidak mempengaruhi pemilihan unit-
unit sampling untuk sampel yang kedua.

Contoh : kita berhadapan dengan 2 buah populasi. Ada

populasi 1 dan populasi 2.
Populasi 1 Populasi 2
n1 independent terhadap n2, apabila
pemilihan n1 pada populasi 1 ≠
mempengaruhi pemilihan n2 pada
populasi 2

n1 n2

Semua uji yang telah kita bicarakan di atas mengenai

perbedaan / kesamaan 2 parameter yang didasarkan
kepada 2 sampel yang independen ( saling bebas ).
Dua buah sampel masing-masing berukuran n1 dan n2
dikatakan tidak independen, apabila pemilihannya mengikuti
salah satu pola dibawah ini.

1) Pola Matching (Pairing / Pasangan)

Bayangkan bahwa kita mempunyai 2 buah populasi.

Dari populasi 1 dipilih n = 10 orang dari populasi 2 harus
dipilih 10 orang, tetapi pemilihan itu didasarkan pada
matching. Berdasarkan matching mengenai variabel tertentu.
Misalnya saja mengenai variabel jenis kelamin.
Contoh :
Populasi 1 Populasi 2  Pemilihan populasi 2 didasrkan pada
populasi 1, dan harus berpasangan.
Jadi n1 ≠ independent n2.
 Banyaknya pasangan ≠ selalu harus 11
sama jumlahnya.
Misalnya : n1 = 10 maka n2 dapat 30.
 12

L ♀ L ♀
P ♂ P ♂

2) Pola Repeated Measuruses (Pengukuran Berulang /

Harus Diulang)
Dipilih sebuah sampel berukuran n, kepada orang-orang
yang dalam sampel itu diukur variabel x-nya, kepada orang-
orang tersebut kemudian diberikan sesuatu perlakuan
(treatment). Setelah beberapa lamanya, terhadap orang-
orang itu juga diukur lagi variabel x-nya.
Contoh : X Treatment X
♀ ♀
♀ ♀

5.2. Bentuk H0 Dan H1 Dalam Pengujian Rata-Rata Dalam

2 Sampel Yang tidak Independent

N Sampel Sampel ≠
o. Independent Independent
1. H0 : µ1 = µ2 H0 : µ1 - → H0 : S
H1 : µ1 ≠ µ2 µ2 = 0 =0
H1 : µ1 - H1 : S
µ2 ≠ 0 ≠0
2. H0 : µ1 = µ2 H0 : µ1 - → H0 : S
H1 : µ1 > µ2 µ2 = 0 =0
H1 : µ1 - H1 : S
µ2 > 0 >0
3. H0 : µ1 = µ2 H0 : µ1 - → H0 : S
H1 : µ1 < µ2 µ2 = 0 =0
H1 : µ1 - H1 : S
µ2 < 0 <0

5.3. TEKNIK PENGUJIAN

Contoh : seorang olahragawan menciptakan sejenis
olahraga senam yang menurut pendapatnya senam tersebut
bisa menurunkan berat badan. Untuk menguji pendapat ini
dipilih 10 orang secara acak. Ke-10 orang itu diukur berat
badannya (sebelum senam). Kemudian orang-orang
tersebut diberi pelakuan yaitu harus melakukan senam
(treatment). Setelah beberapa lamanya mengikuti senam,
diukur lagi berat badan masing-masing (setelah senam).

12
 13

a. Yang akan diperiksa dari hasil pengukuran ini adalah rat-

rata berat badan. Nyatakan H0 dan H1 nya.

Apabila diperkirakan bahwa senam bisa menurunkan

berat badan, maka rata-rata berat badan sebelum senam
lebih berat dari rat-rata berat badan sesudah senam.
Apabila kedua sampel independent maka bentuk H 0 dan
H1 nya :
H0 : µ1 = µ2 → Tetapi karena sampel ini ≠ independent (pengukuran yang
berulang), maka bentuk H0 dan H1 nya : H0 : S = 0
H 1 : µ1 > µ 2 H :S>0 1

Untuk menguji hipotesis diatas dengan α = 0,05. Hasil

pengukuran menunjukkan :
Berat badan sebelum (X) dan sesudah (Y) senam.
X Y di = X i - Y i di
60 6 60 51 0 -1
58 5 60 59 -2 1
70 6 62 62 8 0
68 0 65 68 3 2
65 6 60 55 5 3
2
7
0
5
8
Jumlah 19 117
b. Uji atas data yang ada apakah pernyataan olahragawan
tersebut dapat diterima atau ≠.
Langkah pengujian :
1) H0 : S = 0
H1 : S > 0
2) α = 0,05
3) Data terkumpul
4) Apabila keadaan sampel tersebut ≠ independent, maka
d̄
t=
Sd
statistik uji yang digunakan : √n , ν = n – 1 ,

√
2
1 n ∑ d 2i −(∑ d i )
d̄= ∑ d i S d=
n , n( n−1)
5) Daerah dan titik kritisnya

13
 14

6) Hitung statistik uji

1
d̄=
n
∑ di ∑ d i =19 ∑ d 2i =117 S d =2, 998147576
= 1,9
1,9
t=
2 , 998
√ 10 = 2,004013279
Harga hitung statistik uji jatuh di daerah kritis.
Pengujian significant . Isyaratnya H0 ditolak.
7) Kesimpulan statistis
Berdasarkan data hasil experiment ternyata berat
badan rat-rata sesudah olahraga senam <
dibandingkan dengan rata-rata berat badan sebelum
senam. Atas dasar pengujian ini kita menerima
pernyataan ahli olahraga tersebut.

14