MODUL
STATISTIK BIDANG
SOSIAL EKONOMI
(1-5)
Pengujian hipotcsis dalam statistika merupakan salah satu langkah yang paling
penting untuk pengambilan kcsimpulan. Langkah pengujian hipotesis merupakan bagian
dari statistika inferensia, yaitu metode statistika yang berhubungan dengan penarikan
kesimpulan atas data statistik. Sedangkan statistika deskriptif yang merupakan bagian
lain yang dipelajari dalam pelajaran Statistika, relatif lebih sederhana, hanya
mendeskrifsikan data secara umum tanpa membuat kesimpulan atas data populasinya.
Statistika deskriftif misalnya membahas tentang; ukuran pemusatan (nilai tengah, nilai
maksimum, nilai minimum, median) dan ukuran persebaran (range, standar deviasi dan
ragam) dari suatu sebaran data statistik, yang tanpa perlu membuat kesimpulan atas
data.
Pentingnya pengujian hipotesis statistika adalah untuk membuat atau menarik
kesimpulan atas suatu data statistik yang sedang diamati agar dapat berlaku dan
dipercaya secara statistik bagi populasinya. Penggunaan data sampel dilakukan untuk
mengetahui ciri populasi. Hal ini karena sangat sulit untuk mengukur data yang berasal
dari populasi, dan kalaupun bisa, maka akan tidak sebanding dengan biaya, tenaga dan
waktu yang dikeluarkan. Oleh karena itulah penggunaan data yang berasal dari sampel
untuk penarikan kesimpulan merupakan hal yang sangat bermanfaat. Namun untuk
membuat kesimpulan atas populasi, maka diperlukan uji statsitika untuk melihat sejauh
mana kesimpulan yang diputuskan dapat dipercaya. Oleh karena pentingnnya pengujian
hipotesis, maka pada bab ini akan dibahas langkah-langkah dalam merumuskan
hipotesis statistik dan bagaimana menerapakan uji hipotesis tersebut.
berbeda. Oleh karena itulah dalam perumusan hipotesis akan disebut dengan Hipotesis
Nol (Ho) dan lawannya disebut Hipotesis Satu (H1) atau (Ha) yang disebut juga
dengan hipotesis alternatif.
Hipotesis nol merupakan hipotesis dimana arah perhatian yang kita tujukan.
Hipotesis Nol lebih umum dinyatakan dalam bentuk pernyataan "tidak berbeda" dari
nilai tertentu dari parameter suatu populasi. Sedangkan hipotesis alternatifnya (H 1)
merupakan pernyataan tentang parameter populasi yang berlawanan dengan hipotesis
nol. Hipotesis nol dinyatakan dalam suatu parameter spesifik dengan angka tertentu,
misalnya dalam bentuk parameter nilai rata-rata pendapatan μρ = 20. Oleh karena
itulah hipotesis nol dirumuskan selalu dengan tanda sama dengan (=), sedangkan
hipotesis alternatifnya memiliki tiga kemungkinan tanda selain sama dengan tersebut,
yaitu (1) lebih besar dari (>), (2) lebih kecil dari (<), atau (3) tidak sama dengan (#).
Pilihan tanda pertama dan kedua (> dan <) untuk hipotesis alternatif merupakan uji satu
arah, sedangkan tanda yang ketiga merupakan uji dua arah.
Prosedur yang digunakan dalam melakukan uji hipotesis statistika terdiri
dari lima langkah atau tahap. Pembahasan kelima tahap tersebut menggunakan
contoh kasus tentang suatu pernyataan bahwa “Pendapatan petani plasma kelapa
sawit di Sumatera Selatan per bulannya minimal Rp 1,5 juta". Pernyataan tersebut
merupakan pernyataan hipotesis atau dugaan sementara, yang harus dibuktikan
kebenarannya. untuk itu berikut ini akan diuraikan satu per satu tahapan dalam
melakukan pengujian hipotesis statistika.
juta". Kenapa hipotesis nol harus ditulis dengan tanda sama dengan ?. Hal ini
karena sesuai dengan prinsip hipotesis nol bahwa kita mengharapkan nilai hasil
pengumpulan datanya tidak berbeda atau sama dengan hipotesis yang telah kita buat.
Namun dalam tanda sama dengan tersebut masih terkandung nilai yang berada di
atas dan di bawahnya. Oleh karena itulah dalam penulisan hipotesis nol, kadang-
kadang dicantumkan tanda pertidaksamaan dalam kurung dibelakang nilai
hipotesis nolnya. Sehingga untuk kasus contoh di atas dapat ditulis sebagai berikut:
Ho : μ = 1,5 ( ¿ )
2. Rumuskan hipotesis alternatifnya (H 1)
Apabila kita menolak hipotesis nol, maka berarti kita menerima hipotesis
alternatifnya. Hipotesis alternatif merupkan pernyataan tentang populasi yang
sama dengan hipotesis nol. Umumnya pernyataan da!am hipotesis alternatif adalah
pernyataan spesifik yang berbeda dengan nilai pada hipotesis nol. Oleh karena itu,
apabila mengikuti contoh kasus di atas, maka hipotesis alternatif dari pernyataan
tersebut adalah: "pendapatan petani plasma per bulan lebih kecil dari Rp 1,5 juta"
atau apabila ditulis dalarn bentuk hipotesis alternatifnya adalah:
H1 : μ < 1,5
Kenapa hipotesis alternatifnya ditulis dengan tanda lebih kecil dari (<) ?. Hal ini
dapat dijelaskan bahwa dalam pernyataan hipotesis nolnya dikatakan bahwa
pendapatan petani minimal atau paling sedikit atau lebilh besar dari atau sama
dengan Rp 1,5 juta. Ini berarti lawan dari pernyataan tersebut adalah lebih kecil
dari, yang merupakan pernyataan untuk hipotesis alternatifnya.
Penerimaan atau pcnolakan suatu hipotesis nol akan berdampak pada empat
kcmungkinan keputusan. Keempat kemungkinan keputusan tersebut seperti
dicantumkan pada tabel berikut:
Tabel 1 . Empat kemungkinan hasil pengu.jian hipotesis
Dari tabel di atas terlihat bahwa, "keputusan benar tipe A" yaitu apabila
hipotesis nol benar dan kita putuskan untuk menerimanya. "Keputusan benar tipe B"
adalah apabila hipotesis nol salah dan kita putuskan untuk menolaknya. "Kesalahan tipe
1" adalah apabila hipotesis nol benar dan kita putuskan menolaknya, sedangkan
"Kesalahan tipe 11" adalah apabila hipotesis nol salah dan kita putuskan menerimanya.
Suatu keputusan yang kita buat sebaiknya selalu keputusan yang benar. Akan
tetapi, secara statistik hal tersebut tidak mungkin karena keputusan yang kita buat
berdasarkan informasi yang berasal dari sampel. Terdapat beberapa kemungkinan
kesalahan yang dapat dilakukan, misalnya kesalahan dalam pengambilan contoh
(sampel), kesalahan dalam pencatatan dan beberapa faktor yang tidak dapat terkontrol.
Namun cara yang terbaik untuk mengontrol resiko ini adalah dengan menentukan
peluang kesalahan yang dapat ditolelir. Peluang untuk melakukan "kesalahan tipe 1"
(menolak Ho padahal Ho benar) disebut dengan "Alpha" atau dilambangkan dengan α ,
sedangkan peluang untuk melakukan "kesalahan tipe 11" (menerima Ho padahal Ho
Selatan per bulannya minimal Rp 1,5 juta" menunjukkan bahwa yang akan diuji adalah
variabel pendapatan. Dalam variabel pendapatan harus diidentifikasi parameter apa
yang akan diuji. Dari pernyataan hipotesis di atas, walaupun tidak secara inplisit
dinyatakan parameter apa yang akan diuji, namun dapat dinyatakan parameter tersebut
adalah pendapatan rata-rata dari populasi petani plasma kelapa sawit. Apabila sudah
diketahui nilai rata-rata yang akan diuji, maka ini berarti uji yang relevan adalah uji
nilai tengah, yaitu uji z atau t. Uji statistika inilah yang akan dipakai untuk mengambil
keputusan apakah menerima atau menolak Ho.
b. Menentukan suatu tingkat kepercayaan α
Penentuan tingkat kepercayaan α sangat tergantung pada permasalahan dan bidang
yang dihadapi. Untuk permasalahan dan bidang yang memerlukan tingkat ketelitian
yang sangat tinggi, maka tingkat kepercayaan yang dipakai juga harus tinggi. Misalnya
pada pembuatan komponen pesawat terbang, maka tingkat kepercayaan yang digunakan
harus lebih tinggi, misalnya 0,00001. Demikian juga untuk penelitian yang dilakukan di
laboratorium atau penelitian lain yang bcberapa variabelnya diperkirakan berpengaruh
di kontrol dengan baik, maka tingkat kepercayaan juga harus tinggi. Biasanya dalam
penelitian di laboraturium atau lapangan yang dikontrol digunakun tingkat kepercayaan
( α ) 0,05 (5%) dan 0,01 ( 1%). Sedangkan untuk penelitian yang menyangkut
masyarakat, seperti penelitian dalam bidang sosial ekonomi pertanian, maka tingkat
kepcrcayaan sebesar 30% masih bisa diterima.
c. Menentukan wilayah kritis
Penentuan wilayah kritis adalah satu keterangan nilai untuk uji statistik yang akan
digunakan dalam mengambil keputusan apakah menolak atau menerima hipotesis nol.
Dalam penentuan wilayah kritis ini kita harus tahu terlebih dahulu berdasarkan hipotesis
yang akan diuji, apakah uji hipotesisnya satu arah atau dua arah. Uji hipotesis satu arah,
menunjukkan adanya keyakinan yang kuat arah penolakan hipotesis apabila tidak cukup
bukti untuk menerima Ho. Arah tersebut dapat berada pada sisi kiri kurva maupun sisi
kanannya. Sedangkan uji dua arah, didasarkan atas belum begitu yakinnya kita akan
kemungkinan arah penolakan hipotesis nol yang dibuat. (ini berarti pada uji dua arah
ada dua kemungkinan daerah penolakan, yaitu di sebelah kiri dan sebelah kanan kurva.
Berikut ini digambarkan daerah penolakan satu arah dan dua arah dengan menggunakan
kurva sebaran normal Z.
0 Zα Z -Z α /2 + Z α /2 Z
wilayah kritis u_ji satu arah wilayah kritis uji dua arah
4. Penentuan nilai uji statistika
Setelah kreteria uji ditentukan, langkah selanjutnya mencari nilai uji statistikanya.
Nilai uji statistika ini sering juga disebut nilai uji statistika hitung. Langkah keempat ini
merupakan lanjutan dari point pertama dari langkah ketiga, yaitu apabila telah diketahui
statistik ujinya, maka tinggal melakukan perhitungan untuk mendapatkan nilai uji
statistikanya. Misalkan dari contoh kasus di atas statistik uji yang digunakan adalah uji
z, maka rumus uji z adalah sebagai berikut
χ −μ
Ζ=
σ /√n
Hasil pcrhitungan yang mendapatkan nilai z inilah yang disebut nilai uji
statistika. Nilai ini kemudian dibandingkan dengan nilai z tabel pada tingkat
kepercayaan tertentu untuk menentukan menolak atau menerima hipotesis nol.
Pada bab berikut akan lebih banyak dibahas mengenai nilai uji statistika ini.
dihipotesiskan pada hipotesis nol adalah sama dengan hasil pengujian yang
dilakukan. Sebaliknya apabila menolak Ho, berarti ada cukupan alasan yang kuat
untuk menyatakan memang ada perbedaan antara hipotesis nol dengan alternatif
tinggal arahnya kemana. Kalau ujinya dua arah, arahnya bisa lebih kecil dari atau
lebih besar dari, sedangkan untuk uji satu arah sudah jelas arahnya sesuai dengan
hipotesis alternatifnya. Sehingga apabila sudah jelas arah penolakan pada wilayah
kritis, maka dapat diinterpretasikan hasil uji tersebut dengan berpedoman pada
keputusan yang diambil tersebut. Misalnya untuk contoh kasus kita di atas,
diputuskan untuk menolak Ho pada tingkat kepercayaan 10%, ini berarti bahwa
pendapatan petani plasma kelapa sawit di Sumatera Selatan per bulannya kurang
dari Rp 1,5 juta.
B. Perumusan Hipotesis Statistika
Contoh: 1
Seorang peneliti ingin mcmbuktikan pernyataan Menteri Pertanian bahwa,
harga dasar gabah yang berlaku sekarang telah dapat dinikmati petani apabila
dibandingkan dengan harga pokoknya. Secara lebih spesifik, peneliti tersebut ingin
menguji pernyataan menteri apakah harga pokok rata-rata untuk menghasilkan
gabah dalam bentuk Gabah Kering Panen (GKP) masih Icbih rendah dibandingkan
dengan harga dasar gabah ratarata sebesar Rp 1100 per kilogram GKP sekarang.
Tentukan hipotesis nol dan alternatifnya.
Jawab:
Untuk membentuk hipotesis, pcrtama-tama kita perlu mengidentifikasi
parameter populasi dalam pernyataan tersebut dan nilai yang akan dibandingkan.
"Harga pokok gabah rata-rata" adalah parameter populasi yaitu μ dan "Rp 1100
per kilogram" adalah nilai spesifik yang akan dibandingkan. Peneliti tersebut ingin
mengetahui berapa besar harga pokok gabah yang sebenarnya di lapangan. Ini
berarti berhubungan dengan nilai Rp 1100 sebagai pembanding. Oleh karena itu
terdapat tiga kemungkinan tanda untuk hipotesis nol dan alternatifnya, yaitu :(1) μ
>1100, (2) μ < 1100 dan (3) μ = 1100. Ketiga pernyataan tersebut mesti
diseleksi menjadi dua, satu pernyataan yaitu "apa yang ingin peneliti itu tunjukkan
dari pernyataan menteri pertanian" dan satu lainnya adalah lawannya. Alternatif I (
μ < 1100) mencerminkan pernyataan menteri pertanian yang ingin dibuktikan
pencliti "harga pokok gabah rata-rata lebih rendah dari dari Rp 1100 per kilogram".
Scdangkan μ > 1100 dan μ = 1100 ( ¿ ) adalah alternatifnya. Oleh karena hipotesis
nol harus dalam bentuk tanda sama dengan, maka μ = 1100 adalah Ho dan H 1
adalah μ < I 100.
Contoh 2:
Petani berpendapat bahwa harga pokok untuk mcnghasilkan gabah tidak sama
dengan harga dasarnya di Sumatera Selatan. 'T'entukan hipotesis nol dan
alternatifnya.
Jawab:
Pernyataan di atas mengandung kata " tidak sama dengan " tentang parameter
Populasi yang akan diukur, dan ini bcrarti lawannya pasti "sama dengan". Sehingga
kita dapat (langsung menentukan hipotesis nol yaitu μ = 1 100 atau dalam bentuk
rumusan hipotesis Ho : μ = 1100. Hipotesis alternatif adalah tidak sama dengan
atau dapat ditulis H 1 : μ # 1100.
C. Latihan Soal:
l. Prosedur uji hipotesis memiliki banyak kesamaan dengan prosedur pada
pengadilan. Hipotesis Nol menyatakan bahwa "tertuduh adalah tidak bersalah" yang
akan diuji.
a. Deskripsikan situasi pada masing-masing empat kemungkinan yang
dihasilkan akibat dari keputusan menolak atau menerima hipotesis nol
b. Jika tertuduh dibebaskan, apakah ini "bukti" bahwa ia tidak bersalah '?
c. Jika tertuduh terbukti bersalah, apakah ini "bukti" ia bersalah ?
Jawab :
Ho : Tertuduh tidak bersalah.
Ha : Tertuduh bersalah
a. Empat kemungkinan akibat dari keputusan menolak atau menerima Ho.
b. Ya
c. Ya
2. Jika nilai μ dan β dapat dikontrol secara statistik, maka tentukan mana
pasangan probabilitas yang akan digunakan jika anda akan melakukan terjun payung
a. α = 0,001 dan β = 0, 10
b. Ho : μ = 24
H1 : μ > 24
α = 0,01
c. Ho : μ = 10,5
H1 : μ > 10,5
Jurusan Sosial Ekonomi Pertanian
Diktat Mata Kuliah Statistik Bidang Sosek 12
α = 0,05
d. Ho : μ = 35
H1 : μ # 35
α = 0,05
e. Ho : μ = 14,6
H1 : μ # 14,6
α = 0,02
Jawab :
a. Ho : μ = 20
Ha : μ ≠ 20
α = 0,10
b. Ho : μ =24
Ha : μ > 24
α = 0,10
α =0,01
0 Z(0,01) =2,33
Z ≥ 2,33
c. Ho: μ = 10,5
Ha: μ = 10,5
α = 0,05
α =0,05
Z0,05 = -1,645
Z ≤ -1,645
d. Ho: μ = 35
Ha: μ ≠ 35
α = 0,001
α/2 =0,0005
-3,27 0 3,27
Z ≤ -3,27 Z ≥ 3,27
e. Ho : μ = 14,6
Ha : μ ≠ 14,6
α = 0,02
bahwa, tingkat kesejahteraan petani tidak lebih besar dari pada pendapatan
minimum kehidupan di pedesaan yang sebesar Rp 3,2 juta per tahun. Untuk
membuktikan kebenaran informasi tersebut, ia mengambil 21 petani karet rakyat
secara random dan dicatat
pendapatan berikut rata-rata per tahun. Data pendapatan petani karet rakyat (Rp
juta/ tahun) seperti berikut :
3,1 3,2 2,6 3,4 2,7 3,3 2,9
3,0 3,5 2,9 3,3 2,8 3,1 3,7
3,5 2,7 3,0 3,0 2,9 3,0 2,5
Berdasarkan data di atas dengan menggunakan α = 0,05 dapatkah peneliti
tersebut menerima pernyataan yang ia buat sebelumnya !.
Jawab :
1. Ho : μ = 3,2 (μ ≥ 3,2)
2. Ha : μ < 3,2
3. α = 0,05
wilayah penolakan
Zα = - 0,5195 0
¿ 2
σ=
∑ ( χi− χ )
4. n−1
¿
n = 21 χ = 3,052
σ = 0,32
¿
χ −μ 3, 05−3,2 −0 ,15
Z= = = =−2,14
σ / √ n 0 ,32/ √21 0 ,07
Zhit < Ztabel = terima Ho
Kesimpulan : Pendapatan petani lebih besar dari pada pendapatan minimum
kehidupan di desa.
II. UJI STATISTIK PARAMETRIK UNTUK KASUS SATU POPULASI
x̄ −µ
t= s / √n
Dimana :
x̄ : adalah nilai rata-rata sample
µ : adalah rata-rata populasi
s : adalah simpangan baku
n : jumlah sample
Sifar-sifat sebaran t :
1. Terdistribusi dengan nilai tengan 0
2. Terdistribusi secaa simetris sekitar nilai tengahnya.
3. Terdistribusi dengan ragam > dari 1 akan tetapi bila jumlah contoh diperbesar
maka ragam akan bergerak mendekati nilai 1.
4. memiliki puncak yang tidak mencapai maksimum, dan ekor yanglebih landai
bila dibandingkan dengan sebaran normal.
5. Terdistribusi dalam suatu bentuk tertentu yang berada untuk setiap ukuran
contoh. Akan tetapi mendekati sebaran normal dengan berambahnya ukuran
contoh/ Sampel
Gambar sebaran t :
Sebaran normal
Jurusan Sosial Ekonomi Pertanian
Diktat Mata Kuliah Statistik Bidang Sosek 16
Sebaran t, n= 2
s = 2,87 n = 30
Hipotesis :
1. Ho : µ = 4,5
2. Ha : µ ≠ 4,5
3. α = 0,10. Karena uji 2 arah, maka untuk menentukan wilayah kritisnya, nilai
tingkat kepercayaan nya dibagi. Sehingga nilai α menjadi 0,05 di ekor kiri dan
0,05 di ekor kanan. Selanjutnya, berdasarkan tabel t diperoleh nilai t (29. 0,05) =
± 1,70 atau bila di gambar dalam bentuk nilai kritis sebagai berikut :
α/2 = 0,05
α/2 = 0,05
x̄ −µ 3,975−4,5
4. t = s/ √ n = 2,87/ √ 30 = -1
-1,70 -1 0 1,70 t
5. Kesimpulan : karena nilai t hitung berada pada wilayah penerimaan, maka
diputuskan untuk terima H0, artinya produksi rata-rata didaerah tersebut sebesar
4,5ton/Ha.
B. Analisa Proporsi
Uji proporsi digunakan untuk kasus yang menyangkut data dalam bentuk
presentase. Proporsi atau prosentase populasi atau probabilitas yang berhubungan
dengan munculnya suatu kejadian, semua tercakup dalam parameter binomial P. P
adalah peluang (probabilitas) populasi untuk sukses pada suatu percobaan tunggal
dalam percobaan binomial. Variabel random x adalah jumlah sukses yang terjadi dalam
2. σ = √ n. p.q
3. q = 1-p
4. p’ = x / n dimana x adalah jumlah sukses dalam suatu himpunan percobaan
5.
σ p' =
√ npq
n
=√ npqn =
2
√ pq
n
dimana σp’ = standar error dari distribusi p’
Distribusi x dianggap mendekati normal apabila jumlah sampel (n) lebih dari 20 dan
juka nilai np dan nq masing-masing lebih dari 5.
Sebagai pengetahuan, patut untuk dipahami bahwa nilai pengamatan p’ memiliki
beberapa ciri berikut :
1. Kira-kira menyebar normal
2. Mempunyai nilai tengah µp sama dengan p
Contoh :
Petani di suatu desa menyatakan bahwa paling sedikit 15% petani di desa mereka tidak
menggunakan pupuk berimbang dalam menjalankan kegiatan usahatani. Untuk mencek
kebenaran berita tersebut seorang peneliti mewawancarai 200 orang petani. Hasilnya 17
orang dari mereka memang tidak menggunakan pupuk berimbang. Apakah kenyataan
ini sudah cukup kuat untuk menolak pernyataaan tersebut ? gunakan α = 0,10.
Jawab :
1. H0 : p = 0,15 (atau p > 0,15)
2. Ha : p < 0,15
3. α : 0,10
Z0,10 = 1,28.
Karena arah penolakan hipotesis adalah di ekor kiri (tanda < pada hipotesis alternatif).
Maka nilai z menjadi -1,28. wilayah dan nilai kritisnya dapat digambarkan berikut ini.
α : 0,10
-z0,10=-1,28 0 z
x 17
p'= = =0 ,085
4. n 200
q = 1-p
= 1- 0,15
= 0,85
maka :
p '− p 0 , 085−0 , 15
Z= = =−2 , 60
√
√ pq/n (0 , 15)( 0 , 85 )
200
-2,6 -1,28 0 z
Db = 1
Db = 4
Db = 10
Db = 20
0 ∞ → λ2
Nilai kritis Chi-kuadrat diperoleh dari Tabel Chi-kuadrat (Lampiran). Nilai kritis
akan diidentifikasi dengan dua nilai, yaitu derajat bebas (db) dan wilayah dibawah
kurva (ekor dikiri maupun kanan). Lambang yang digunakan untuk mengindentifikasi
nilai kritis Chi-kuadrat adalah λ2 (db, α), yang berarti nilai kritis Chi-kuadrat dengan db
derajat bebas dan α merupakan wilayah diekor kanan, seperti ditunjukkan pada gambar
berikut.
Sebaran Chi-kuadrat
Cara menentukan nilai kritis dan wilayah kritis pada sebaran Chi kiuadrat sebagai
berikut :
Misal, untuk mencari nilai kritis pada ekor kanan, cara nilai kritis dari λ2
(20. 0,05)
Jawab :
Pada Tabel Chi kuadrat akan dijumpai nilai kritis tersebut λ 2 (20. 0,05) = 31,4 yang
diperoleh dari tabel sebagai berikut :
Db α
...... 0,050 .......
.
.
.
20 31,4
.
.
Untuk niali kritis di ekor kiri, carai nilai kritis dari λ2 (14. 0,90).
Jawab: Pada Tabel Chi Kuadrat akan dijumpai nilai kritis untuk λ 2 (14. 0,90) = 7,79
yang diperoleh dari tabel sebagai berikut :
Db α
...... 0,90 .......
.
.
.
14 7,79
.
.
Catatan :
Apabila db>2 , maka “Nilai Tengah” dari sebaran Chi Kuadrat adalah db. Letak “Nilai
Tengah” sebaran Chi Kuadrat berada pada sebelah kanan “modus’, yaitu nilai dimana
kurva mencapai titik tertinggi. Untuk menggambarkan letak nilai tengah, modus dan db
sebaran Chi Kuadrat lihat gambar berikut
modus
0 db
mean
Contoh :
Sebuah perusahaan pesitsida ingin mengontrlol pembotolan pestisida agar ragam pada
pembotolan itu tidak melebihi 0,0004 liter. Untuk upaya itu diambil 28 botol sebagai
sampel, setelah dicek ternyata ragamnya mencapai 0,0010 liter. Apakah anda dapat
menyimpulkan bahwa ragam pada proses pembotolan itu telah melebihi standar?
gunakan α 0,05
Jawab:
1. H0 : σ2 = 0,0004 (<)
2. Ha : σ2 > 0,0004
3. α = 0,05 n = 28 db = 27
Wilayah kritis (wilayah penolakan hipotesis nol) di ekor/sisi sebelah kanan, ini
berarti niali kritis sebaran Chi Kuadrat adalah λ2 (27. 0,05) = 40,1 yang kita dapatkan
dari tabel. Perhatikan nilai dan wilayah kritisnya :
α= 0,05
0 27 λ2(27.0,05)=40,1 λ2
67,5
Jurusan Sosial Ekonomi Pertanian
Diktat Mata Kuliah Statistik Bidang Sosek 24
0 27 40,1 λ2
Soal-soal latihan
1. Pemerintah menetapkan bahwa kebutuhan Hidup Minimum (KHM)untuk
masyarakat di indonesia pada tahun 2003 adalah Rp7.2 juta per tahun per orang.
Dari suatu survei di suatu desa pertanian yang mayoritas penduduknya berusahatani
karet diperoleh data pendapatan per orang per tahun untuk 25 sampel sebagai
berikut :
6,5 6,0 8,5 6,8 6,9
8,0 7,5 8,2 6,5 7,5
9,0 6,8 7,0 7,5 7,0
10,0 7,2 7,0 8,5 8,1
berdasarkan data di atas, dapatkah membuat kesimpulan bahwa pendapatan petani
di desa tersebut telah memenuhi KHM yang ditentukan pemerintah? Gunakan α =
0,05
Uji statistik parametrik kasus dua populasi adalah uji yang digunakan dengan
tujuan untuk membandingkan dua nilai statistik dalam menduga nilai parameter
populasinya. Untuk melakukan uji ini kita perlu menarik contoh dari dua populasi yang
mewakili setiap contoh tersebut. Karakteristik dua populasi ini bisa sama (homogen)
atau dianggap sama atau bahkan berbesa sama sekali dari segi faktor yang
mempengaruhi variabel yang akan diukur dan dibandingkan tersebut. Data variabel
yang sama akan menghasilkan nilai yang berbeda apabila karakteristik populasinya juga
berbeda. Hal ini akan berimplikasi pada kesimpulan yang akan dihasilkan dalam
pengujian hipotesis statistiknya. Oleh karena itu perlu dibedakan asal sampel yang harus
diambil datanya. Apabila dua data yang akan dikumpulkan berasal sampel yang sama,
maka itu dikatakan data berasal dari sampel terikat (dependent samples) atau
berpasangan (paired samples). Demikian juga sebaliknya apabila data yang
dikumpulkan berasal dari populasi yang berbeda, maka kasus ini disebut dengan dua
sampel bebas.
Contoh :
1. Kita tertarik untuk melihat dampak pencabutan subsidi pupuk tahun 2001 terhadap
pendapatan petani padi. Untuk itu kita kumpulkan data dengan mewawancarai 30
petani tadi yang menanam padi sebelum dan sesudah pencabutan subsidi. Petani
tersebut ditanya berapa besar pendapatannya sebelum dan sesudah pencabutan
subsidi. Misalnya data untuk pendapatan sebelum subsidi dicabut ditanyakan
pendapatan tahun 2000, sedangkan untuk setelah subsidi dicabut data pendapatan
tahun 2001. Dalam hal ini contoh-contoh yang diperoleh dikatakan contoh dari dua
populasi yang terikat.
2. Seorang peneliti tertarik untuk mengetahui apakah ada perbedaan pendapatan antara
petani yang menggunakan pupuk Urea prill dengan Urea Tablet. Untuk tujuan ini ia
mewawancarai sebanyak 40 orang petani yang menggunakan pupuk Urea Prill dan
35 orang juga yang menggunakan pupuk Urea Tablet dan dicatat pendapatan
masing-masing selama musim tanaman rendengan. Dalam kasus ini, data yang
diperoleh merupakan data dari dua himpunan contoh yang berasal dari dua populasi
yang bebas.
μ1
x2 dan μ2 dan ragam σ 1 2 dan σ 22 maka distribusi selisih dua nilai tengah contoh
( x1 − x 2 ) −( μ1 − μ2 )
Z=
√ ( )
σ 2
2
( σ 2 / n1 ) +
1 n2
………………………………………… (3.1)
σ
Rumus (3.1) ini dapat digunakan jika σ 1 dan σ 2 diketahui. Namun biasanya 1 2 dan
σ
22 sulit untuk diketahui, oleh karena itu yang digunakan adalah ragam sampel S 12 dan
S22 , sehingga uji statistik yang akan digunakan adalah :
( x 1 − x 2 ) − ( μ 1 − μ2 )
Z=
√( ) ( )
S 2 S 2
1 2
+
n1 n2
………………………………………… (3.2)
Dimana S12 dan S22 adalah ragam contoh untuk masing-masing populasi yang diuji.
Apabila ukuran contoh yang kita ambil relatif kecil (n 1 30), N2 30 dan
populasi diperkirakan berasal dari suatu populasi yang didistribusi normal, maka
sebelum uji dilaksanakan, hal pertama yang harus dilakukan yaitu menguji ragam
contoh dari kedua populasi tersebut terlebuh dahulu. Uji keragaman ini gunannya untuk
mengetahui apakah kedua ragam asal sampel tersebut sama atau tidak sama, yang dalam
bentuk hipotesis dapat dirumuskan sebagai berikut :
1) 1 2 = 2 2
2) 1 2 ¿ 2 2
dianggap sama dengan ragam populasi kedua (yang selanjutnya disebut KASUS I).
Sebaliknya bila kesimpulan tolak Ho , berarti ragam dari kedua populasi itu kita anggap
berbeda itu kita anggap berbeda (disebut sebagai KASUS II). Pemecahan masalah untuk
kedua kasus ini, adalah dengan menggunakan sebaran t-student, namun rumus keduanya
berbeda
( x1 −x 2 ) −( μ1 −μ2 )
t=
Sp
(√ 1 n )+(1 n )
1 2 ……………………………………. (3.3)
dimana :
Sp=
√ ( n1 −1 ) s 12 + ( n2 −1 ) s 22
n 1 +n2 −2 ……………………………………. (3.4)
Dan db = n1 + n2 – 2
KASUS II :
( x1 −x 2 ) −( μ1 −μ2 )
t=
√( ) ( )
s 2 s 2
1 2
+
n1 n2
……………………………………. (3.5)
dengan derajat bebas dipilih dari nilai terkecil antara : (n 1-1) derajat bebas penyebut
(dbpn) atau (n2-1) derajat bebas pembilang (dbpm).
Penentuan pilihan untuk menggunakan KASUS I atau KASUS II, dalam uji ini
adalah dengan menggunakan uji-F sebagai berikut :
s
12
s
F= 22 , yang dibandingkan dengan F-tabel
Untuk mendapatkan nilai F – tabel, harus dicari terlebih dahulu derajat bebas untuk
pembilang (dbpm) dan penyebut (dppn) pada tabel F. Berikut ini contoh mendapatkan
nilai F-tabel tersebut. Misalkan ukuran sampel pertama (n 1) adalah 10 dan sampel kedua
(n2) adalah 20 dengan tingkat kepercayaan ( α ) 0,05. Maka nilai kritis satu arah untuk
F-tabel adalah : F (9, 10; 0,05) = 2,42. Untuk melihat dalam tabel F seperti berikut ini :
Untuk uji dua arah, maka nilai alpha dibagi dua. Daerah kritis untuk uji dua arah seperti
digambarkan berikut ini.
α/2 α /2
1. Pada uji F, gunakan ragam sampel yang bernilai relatif lebih besar sebagai
pembilang (pm), yang bernilai kecil sebagai penyebut (pn).
2. Untuk uji F dua arah, apabila nilai ekor kanan wilayah kritis telah didapat, maka
nilai ekor kirinya dapat diperoleh dengan menggunakan rumus :
1
F(dbpn,dbpm,1- α / 2) = ........................................ (3.6)
F(dbpm,dbpn, α / 2)
Contoh :
1. Sebuah penelitian memperoleh data sebagai berikut :
Pupuk N Pendapatan rata-rata Simpangan baku
(Rp juta/Ha) pendapatan (Rp juta/Ha)
Prill 40 2,03 0,6
Tablet 40 2,21 0,6
Ujilah apakah pendapatan petani yang menggunakan pupuk Urea Prill lebih rendah
dibandingkan dengan pupuk Urea Tablet, α = 0,05
Jawab :
Karena kasus ini sampel ukuran besar (n > 30), maka langsung dilakukan uji hipotesis
dua nilai tengah dengan hipotesis sebagai berikut :
H0 : µA = µB (atau µA - µB= 0)
Ha : µA < µB (atau µA - µB < 0)
( x A −x B )−( μ A −μB )
Z=
√(σ 2A /n A )+(σ 2B / n B )
(2 , 03−2, 21 )−0
Z= =−1 , 34
√(0,6 )2 /40+(0,6 )2 /40
α=0 ,05
– 1,65 – 1,34 0 Z
Kesimpulan :
Terima H0, artinya bahwa pendapatan petani padi yang menggunakan pupuk Urea Prill
memang lebih rendah dibandingkan petani yang menggunakan pupuk Urea Tablet.
2. Dari dua desa dengan jenis tanah yang berbeda, kita peroleh data sebagai berikut :
Perlakuan n Produksi padi Ragam
(x) (s2)
Desa A 30 2,03 33,95
Desa B 30 2,21 24,97
Apakah produksi padi di desa B yang memilki jenis tanah lebih baik mampu
menghasilkan produksi padi yang lebih tinggi ?, gunakan α = 0,10
Jawab :
Kasus ini merupakan kasus data sampel ukuran kecil, maka langkah-langkah
penyelesaiannya adalah :
Langkah I
Ha : σA2 ≠ σB2
33,95
F = = 1,387
24,97
F (nB – 1, nA – 1, α / 2 )
F (29,29, 0,05) = 1,85
α / 2 = 0,05
α / 2 = 0,05
0 0,54 1,387
Kesimpulan :
Terima Ho, berarti kita dapat menyatakan bahwa σ A2 = σB2 dan penyelesaian akan
dilakukan dengan kasus I.
Langkah II :
H0 : µA2 = µB2 (atau µA2 - µB2 = 0)
Ha : µA2 < µB2
db = nA + nB - 2 = 58
t (58, 0,10) = 1,28
Sp=
√ 30+30−2
=
58 √
(30−1 )33 , 95+(30−1 )24 ,97 984 , 55+724 , 13
=5 , 43
– 1,28 – 0,128 0
Kesimpulan :
Terima Ho, artinya produksi padi untuk Desa A dan Desa B tidak berbeda nyata
3. Bila dari contoh soal nomor satu diatas, kita peroleh data sebagai berikut :
Perlakuan n Produksi padi Ragam
(x) (s2)
Sebelum penyuluhan 30 2,03 33,95
Sesudah penyuluhan 30 2,21 17,87
Apakah produksi padi setelah dilakukan penyuluhan lebih tinggi dibandingkan dengan
sebelum dilakukan penyuluhan ?, gunakan α = 0,10
Jawab:
Karena ukuran sampel 30, maka langkah-langkah pengujian adalah :
Langkah I
Langkah II :
H0 : µA2 = µB2 (atau µA2 - µB2 = 0)
Ha : µA2 < µB2
α : 0,10
n1 – 1 : 29 dan n2 – 1 = 29, jadi db = 29 db paling kecil
t (29, 0, 10) = 1,31
( X A −X B )−(μ A −μ B ) (2 , 03−2 , 21)−0 −0 ,18
t= = = =−1 , 86
√ A A B B
√
( S 2
/n )+(S 2
/n ) 33 , 95 17 ,87 1 , 3143
+
30 30
– 1,86 – 1,31
Kesimpulan :
Tolak Ho, artinya telah terjadi kenaikan produksi padi setelah penyuluhan berlangsung.
A. Penarikan Kesimpulan untuk Dua Ragam dari Dua Contoh Bebas
Pm = pembilang
Pn = penyebut
0
F(dbpm, dbpn, α )
1- α
Jurusan Sosial Ekonomi Pertanian
Diktat Mata Kuliah Statistik Bidang Sosek 36
0 Fdbpn, dbpm, 1- α )
Contoh :
Suatu studi mengenai dampak bantuan kredit permodalan yang diberikan kepada petani
dilakukan di Desa A. Dalam studi diambil dua kelompok sampel, yaitu petani yang
mendapat bantuan dan tidak mendapat bantuan kredit. Data pendapatan rata-rata dua
kelompok tersebut ternyata sama yaitu Rp 6,5 juta per tahun. Data hasil studi secara
lengkap seperti pada tabel berikut :
Mengingat rata-rata pendapatan petani sama, maka peneliti untuk melihat dampak
bantuan kredit dilihat dari ragam pendapatannya? Ujilah dengan uji dwi arah pada α =
0,05
Jawab :
σ
B2
σ = σ atau =1
B2 B2 α
HB : 1
2
σ
B2
σ = σ atau =1
B2 1 2+ α
HB : 1
2
α α
=0 , 025 =0 , 025
2 2
0 0,48 0,48
Perhitungan :
S
B2 105 , 4
= =0 ,77
S 136 ,3
F* = 12
Prosedur pengujian yang dilakukan pada bagian ini, sangat berbeda dengan cara-
cara yang telah dikemukakan terdahulu. Pasangan bagian ini data yang diperoleh
umumnya merupakan data yang berpasangan, misalnya :
1.Kemampuan membajak sebelum dan sesudah penyuluhan
2.Produksi pada sebidang sawah, dengan penggunaan pupuk A dan pupuk B pada dua
musim yang berbeda
Kedua data yang berpasangan yang diperoleh dari hasil pengamatan tersebut,
dapat diuji dan ditarik kesimpulan dengan asumsi bahwa faktor-faktor lain dianggap
sama.
Pengujian dapat dilakukan dengan menggunakan sebaran t yang dapat
dirumuskan sebagai berikut :
d−μd
t=
sd
√n
Dimana :
1. db = n-1
2. d = selisih nilai tengah pengamatan rata-rata
∑ ( x 2−x 1) ∑ d
d= =
n n
√
2
n ( ∑ d2 )−( ∑ d )
sd=
3. ( n−1 )
4.
μd = beda nilai tengah
5. n = jumlah pengamatan yang berbeda
Nilai pengamatan d yang diperoleh dari contoh, diasumsikan kira-kira menyebar
normal dengan nilai tengah populasi μd dan simpanan baku σ 2 . Karena simpangan
baku populasi
σ d tidak diketahui, maka nilainya diperkirakan berdasarkan simpangan
Sesudah
penuluhan 30 31 31 39 36 37 37 35 36 36
X2
Jawab :
α = 0,05
0 1,70 t = 1,92
d−μd 2−0
t= = = 1 , 92
Sd 5 , 68
√n √ 30 0
Jadi t berada pada daerah kritik. Kesimpulan tolak Ho, artinya penyuluhan tersebut telah
mampu membuat wanita tani di 3 desa contoh bekerja lebih aktif di sawah
N 1 2 3 4 5 6 7 8 9 10
x1 – x2 2 1 1 -1 -2 -6 -2 4 0 5
d2 1 1 1 1 4 36 4 15 0 25
N 11 12 13 14 15 16 17 18 19 20
x1 – x2 1 -4 -8 10 13 15 10 7 4 6
N 21 22 23 24 25 26 27 28 29 30
x1 – x2 3 2 0 -1 -6 -8 5 2 -3 6
d2 9 4 0 1 36 64 25 4 9 36
∑ d=60
∑ d 2=1056
(( ∑ d )2=3600
d̄=
∑ d =60 =2
n 30
√ n ( ∑ d 2 ) −( ∑ d )
2
Sd =
n ( n−1 )
=
√ 30 ( 1056 )−4900
30 ( 29 )
=
26780
870
=5 , 68
√
Atau,
Sd =
Contoh soal :
√ ( ∑ d 2 ) −nd 2
( n−1 )
=
√ 1056−120
29
=5 , 68
4 25 24 -1 1
5 27 26 -1 1
6 35 30 -5 25
7 20 22 2 4
8 21 20 -1 1
9 23 23 0 0
10 19 25 6 36
11 27 29 2 4
12 33 30 -3 9
13 39 34 -5 25
14 25 36 11 121
15 17 38 21 441
16 18 39 21 441
17 19 32 13 169
18 20 27 7 49
19 23 27 4 16
20 23 30 7 49
10,5 17,31
∑ d=10,5
∑ d 2=13 ,71
∑ (d)2=110 ,25
d = 0,35
Sd = √ n ( ∑ d 2 )−( ∑ qd )2
n(n−1)
= √ 519,3−110 ,25
870
= 0,686
Ho : μ A =μ B
Hi : μA > μB
d−μd
t = Sd / √ n 1,699
Lakukanlah pada pengujian a = 0,02 , untuk melihat apakah penelitian dari pihak
importer menunjukkan jumlah barang yang rusak lebih besar dari yang diperkirakan
oleh pihak produsen
Jawab :
Pa = Pb atau Pa – Pb = 0 ( tidak berbeda )
pa > Pb atau Pa – Pb > 0 ( claim importer )
pa − pb
Z= √ pq [ ( 1/n 1 )+ (1 /n2 ) ]
300 28
P’a = 500 = 0,06 P’b = 600 = 0,047
Selanjutnya p, diperkirakan sebagai berikut :
30+28
P = 500+600 = 0,053 q = 1 – 0,053 = 0,947
0 , 06−0 ,047
Maka : Z = √( 0 , 053 ) ( 0 , 947 ) ( 1/500+1/600 ) = 0,956
α=0,02
0 0,956 2,05
B.Analisis untuk Dua Proporsi
Uji ini dilakukan bila kita ingin membandingkan proporsi dari contoh. Pendekatan
ini dilakukan dengan menggunakan sebaran Z
P a−P k
Z=
√ pq(1/n1 )+(1/n2 )
Dimana,
1. Probabilitas yang diamati adalah p = x/n
2. q’ = 1 – p’
3. p adalah peluang untuk sukses dalam satu percobaan yang mengikuti peluang
binomial dengan n ulangan populasi bebas. Distribusi contoh ( p 1 – p2)
diperkirakan berdistribusi normal, dengan nilai tengah (p 1 – p2) dan standar error
= √ p1 (q )1
n1
+
p2 q 2
n2
Contoh :
Suatu percobaan membuat alat-alat pertanian ditolak olen emporter, karena
peralatan yaang dikapalkan pada periode pengiriman terakhir menunjukkan
jumlah barang yang rusak melebihi jumlah barang yang ditolerir. Untuk
mengecek kembali, dan menyatakan perbandingan dengan hasil pengamatan
Lakukan padaa pengujian α=0,02 , untuk melihat apakah penelitian dari pihak
importir menunjukkan jumlah barang yang rusak lebih besar dari yang
diperkirakan oleh pihak produsen.
Jawab :
10,5 17,31
∑ d=10,5
∑ d 2=13 ,71
∑ (d)2=110 ,25
d = 0,35
Sd = √ n ( ∑ d 2 )−( ∑ qd )2
n(n−1)
= √ 519,3−110 ,25
870
= 0,686
Ho : μ A =μ B
Hi : μA > μB
d−μd
t = Sd / √ n 1,699
0,35−0
= 0,686 / √30 = 2,8 2,8
Banyak uji statistika yang dapat digunakan dalam rangka penarikan kesimpulan,
misalnya Uji-t, Uji-F, regresi, dan korelasi yang didasarkan atas asumsi parameter
populasi (seperti : μ,σ) diketahui atau dapat diduga dari nilai contoh (sampel) yang ada.
Dengan menggunakan pengetahuan tentang sebaran contohnya, maka dapat disusun
kaidah keputusan uji hipotesis yang akan dilakukan. Metode Statistika seperti ini
disebut dengan statistika PARAMETRIK, sebab dalam hal ini diperlukan identifikasi
parameter dari populasi, penduga, dan sebaran dari contohnya. Pada umumnya ada
beranggapan bahwa contoh kita tersebut tersebar normal atau mendekati sebaran normal
berdasarkan Dalil Limit Pusat.
Jika sebaran contoh atau populasi tidak dapat diduga atau diketahui distribusi
datanya, maka kita tidak dapat melakukan uji parametrik. Oleh karena itu, agar dapat
melakukan uji parametrik, kita harus dapat menduga atau menguji terlebih dahulu
apakah data berasal dari populasi yang sebarannya normal (dengan menggunakan uji-uji
kenormalan) atau tidak.
Pengambilan keputusan melalui uji hipotesis dapat juga dilakukan tanpa
mengetahui kenormalan sebaran, yaitu dengan menggunakan statistika non parametrik.
Pfaffenberger dan Patterson (1981) menyatakan bahwa statistika non parametrik adalah
yang memenuhi paling sedikit satu dari tiga persyaratan sebagai berikut :
1. Data yang ada merupakan data nominal
Jurusan Sosial Ekonomi Pertanian
Diktat Mata Kuliah Statistik Bidang Sosek 48
Kenormalan
Untuk melihat apakah data yang ada berasal dari populasi yang menyebar
normal, dapat dilakukan dengan beberapa cara, yaitu uji statistika, Goodness of fit dan
grafis. Uji statistika dapat digunakan antara lain : Uji Liliefors dan D’Agustino.
Goodness of fit dilakukan dengan cara membandingkan data ada dengan data yang
seharusnya jika data berasal dari populasi yang menyebar normal. Cara grafis dilakukan
dengan membandingkan grafik frekuensi komulatif dari data yang ada dengan grafik
frekuensi komulatif seandainya data tersebar secara normal. Untuk membicarakan
beberapa metode itu pada kuliah ini tidak akan dibahas. Namun kepada anda hanya akan
diperkenalkan satu metode yang sering dipergunakan dalam menguji kenormalan suatu
data sebelum dilakukan uji statistika, yaitu uji Liliefors.
Uji Liliefors
Untuk melihat apakah data yang ada menyebar normal atau tidak, pertama-tama
harus dirumuskan dulu hipotesis dalam pengujian ini. Hipotesis yang digunakan
adalah :
1. Sampel berasal dari populasi normal, dan
2. Sampel bukan berasal dari populasi normal
dengan kaidah keputusan :
|F( z i ) − S( z i )|
Dimana : L = Maks
= Nilai beda mutlak maksimum diantara F (z i) – S (z i)
untuk i = 1, 2, 3, ... n
( xi − x̄ )
Zi =
S
banyaknya zi ≤ Zmaks
Szi =
n
Contoh 1 :
Hasil pengamatan terhadap pendapatan petani (Rp/minggu) di desa A adalah sabagai
berikut : 1000 1500 1600 1450 1725 1560 1650 1700. Lakukanlah uji hipotesis nol
bahwa data tersebut berasal dari populasi dengan sebaran normal pada taraf uji α = 0,05
dan α = 0,01.
Jawab :
Ho : data menyebar normal
H1 : data tidak menyebar normal
α = 0,05 dan α = 0,01
L0,05 = 0,285
L0,01 = 0,331
Keterangan :
* = Nilai zi maksimum
** = Nilai L
Jika nilai L, pada tabel uji Liliefors yang sebesar 0,1922 dan dibandingkan dengan L
tabel (L0,05(8) = 0,285, maka L < L0,05(8)), ini berarti kita memutuskan untuk menerima Ho,
yang berarti bahwa data pendapatan petani contoh berasal dari populasi dengan sebaran
normal, sehingga uji statistika parametrik dapat kita terapkan.
Contoh 2 :
Dari hasil penagamatan terhadap pendapatan 6 orang petani (Rp/minggu) di desa Banyu
Mas sebagai berikut : 1000, 1200, 1500, 1350, 1650, 1800.
Lakukanlah uji hipotesis nol bahwa data tersebut berasal dari populasi dengan sebaran
normal pada taraf uji α = 0,05 dan α = 0,01
Jawaban :
Ho = Data menyebar normal
Hi = Data tidak menyebar normal
α = 0,05 dan α = 0,01
L0,05(8) = 0,285
L0,01(8) = 0,311
¿
Diketahui : x = 1523,125
s = 231,493