UJI HIPOTESIS DUA Week 11

SAMPEL Two-Sample Tests

TUJUAN PEMBELAJARAN

Rata-rata dua populasi yang saling Rata-rata dua populasi yang saling
bebas (independent) berpasangan

Membandingkan

Proporsi dua populasi Variansi dua populasi yang saling

bebas (independent)
UJI HIPOTESIS RATA-RATA DUA
SAMPEL SALING BEBAS
UJI HIPOTESIS DUA SAMPEL
 tidak diketahui,
diasumsikan sama
Sampel
independen
Rata-rata  Tidak diketahui,
populasi diasumsikan tidak
sama
Sampel
berpasangan
Uji hipotesis dua Proporsi populasi
sampel

Variansi populasi
UJI HIPOTESIS RATA-RATA DUA POPULASI YANG
SALING BEBAS (INDEPENDENT)
Sampel Tujuan: Menguji hipotesis atau
membentuk interval konfidensi
Independen untuk perbedaan antara dua
rata-rata populasi μ1 – μ2
 tidak diketahui,
asumsi
setara/sama
Estimasi titiknya:

 tidak diketahui,
asumsi tidak
setara/ tidak X1 – X2
sama
UJI HIPOTESIS RATA-RATA DUA POPULASI YANG
SALING BEBAS (INDEPENDENT)
• Sumber data berbeda
Sampel
• Tidak terikat dan independen
Independen  Sampel yang dipilih dari satu populasi tidak berpengaruh
pada sampel yang dipilih dari populasi lain

 tidak diketahui, Gunakan Sp untuk mengestimasi σ yang tidak

asumsi diketahui. Gunakan uji t dengan Pooled-
setara/sama Variance.

 tidak diketahui, Gunakan S1 dan S2 untuk mengestimasi σ1

asumsi tidak dan σ2. Gunakan uji t dengan Separate-
setara/ tidak Variance
sama
UJI HIPOTESIS RATA-RATA DUA POPULASI
Rata-rata dua populasi, sampel saling bebas (independent)

Uji hipotesis satu sisi Uji hipotesis satu sisi Uji hipotesis dua sisi
(Lower-tail test): (Upper-tail test): (Two-tail test):

H0: μ1  μ2 H0: μ1 ≤ μ2 H0: μ1 = μ2

H1: μ1 < μ2 H1: μ1 > μ2 H1: μ1 ≠ μ2
i.e., i.e., i.e.,
H0: μ1 – μ2  0 H0: μ1 – μ2 ≤ 0 H0: μ1 – μ2 = 0
H1: μ1 – μ2 < 0 H1: μ1 – μ2 > 0 H1: μ1 – μ2 ≠ 0
UJI HIPOTESIS RATA-RATA DUA POPULASI
Rata-rata dua populasi, sampel saling bebas (independent)

Lower-tail test: Upper-tail test: Two-tail test:

H0: μ1 – μ2  0 H0: μ1 – μ2 ≤ 0 H0: μ1 – μ2 = 0
H1: μ1 – μ2 < 0 H1: μ1 – μ2 > 0 H1: μ1 – μ2 ≠ 0

a a a/2 a/2

-ta ta -ta/2 ta/2

Tolak H0 jika tSTAT < -ta Tolak H0 jika tSTAT > ta Tolak H0 jika tSTAT < -ta/2
atau tSTAT > ta/2
UJI HIPOTESIS UNTUK µ1 - µ2 DENGAN σ1 DAN
σ2 TIDAK DIKETAHUI DAN DIASUMSIKAN SAMA
Sampel Asumsi:
Independen ▪ Sampel diambil secara acak dan ditarik secara
independen
 tidak diketahui, ▪ Populasi biasanya didistribusikan atau kedua
asumsi
setara/sama sampel ukuran mlnimal 30
▪ Variasi populasi tidak diktehaui tetapi dianggap
 tidak diketahui, sama.
asumsi tidak
setara/ tidak
sama
UJI HIPOTESIS UNTUK µ1 - µ2 DENGAN σ1 DAN
σ2 TIDAK DIKETAHUI DAN DIASUMSIKAN SAMA
Sampel Pooled variance:
( ) ( )
n1 − 1 S1 + n 2 − 1 S 2
2 2

Independen S =
2

(n1 − 1) + (n 2 − 1)
p

( X − X )− ( μ
 tidak diketahui, Statistik hitung:
asumsi
− μ2 )
=
setara/sama 1 2 1
t STAT
1 1 
 tidak diketahui, S  + 
2
p
asumsi tidak
setara/ tidak  n1 n 2 
sama
Dimana tSTAT memiliki d.f. = (n1 + n2 – 2)
UJI HIPOTESIS UNTUK µ1 - µ2 DENGAN σ1 DAN
σ2 TIDAK DIKETAHUI DAN DIASUMSIKAN SAMA
Interval kepercayaan untuk
Sampel
μ1 – μ2 adalah:
Independen

 tidak diketahui, (X 1 )
− X 2  ta/2 2
p
1 1 
S  + 
asumsi  n1 n 2 
setara/sama

Where tα/2 has d.f. = n1 + n2 – 2

 tidak diketahui,
asumsi tidak
setara/ tidak
sama
CONTOH KASUS
Anda adalah seorang analis keuangan dan ingin mengetahui apakah terdapat
perbedaan hasil dividen antara saham yang terdaftar di NYSE & NASDAQ? Anda
mengumpulkan data sebagai berikut:
NYSE NASDAQ
Jumlah 21 25
Rata-rata sampel 3,27 2,53
Std dev sampel 1,30 1,16

Dengan mengasumsikan bahwa kedua populasi

berdistribusi normal dengan variansi sama, apakah
terdapat perbedaan pada rata-rata hasil (a =
0.05)?
CONTOH KASUS
H0: μ1 - μ2 = 0 atau (μ1 = μ2)
H1: μ1 - μ2 ≠ 0 atau (μ1 ≠ μ2)

t STAT =
(X 1 )
− X 2 − (μ1 − μ 2 )
=
(3.27 − 2.53) − 0 = 2.040
 1 1   1 1 
S  + 
2
1.5021 + 
 21 25 
p
 n1 n 2 
(n
S2 = 1
− 1)S1
2
+ (n 2 − 1)S 2
2
=
(21 − 1)1.302
+ (25 − 1)1.162
= 1.5021
(n1 − 1) + (n 2 − 1) (21 - 1) + ( 25 − 1)
P
CONTOH KASUS
Tolak H0 Tolak H0

H0: μ1 - μ2 = 0 atau (μ1 = μ2)

.025 .025
H1: μ1 - μ2 ≠ 0 atau (μ1 ≠ μ2)
-2.0154 0 2.0154 t
 a = 0.05
 df = 21 + 25 - 2 = 44 2.040
 Nilai kritis: t = ± 2.0154
Keputusan:
Statistik hitung:
Tolak H0 pada a = 0.05
3.27 − 2.53
t STAT = = 2.040 Kesimpulan:
 1 1  Terdapat bukti adanya
1.5021  + 
 21 25  perbedaan rata-rata dividen
UJI HIPOTESIS UNTUK µ1 - µ2 DENGAN σ1 DAN σ2
TIDAK DIKETAHUI DAN DIASUMSIKAN TIDAK SAMA
Asumsi:
Sampel
• Sampel diambil secara acak dan ditarik secara
Independen independen
• Populasi biasanya didistribusikan atau kedua sampel
 tidak diketahui, ukuran minimal 30
asumsi
setara/sama • Variasi populasi adalah tidak dikenal dan tidak bisa
dianggap sama
 tidak diketahui,
asumsi tidak
setara/ tidak
sama
UJI HIPOTESIS UNTUK µ1 - µ2 DENGAN σ1 DAN σ2
TIDAK DIKETAHUI DAN DIASUMSIKAN TIDAK SAMA
Sampel Statistik hitung:
=
( X 1 )
− X 2 − ( μ1 − μ 2 )
Independen t STAT
S12 S 22
+
n1 n 2
 tidak diketahui,
asumsi
setara/sama
d.f. (v):
2
 S1 S
2
 2
 
n + n 
2

=  2
1 2 
 tidak diketahui,
2 2
asumsi tidak  S1 
2
 S2 
setara/ tidak    
n   
sama  1  +  n2 
n1 − 1 n2 − 1
UJI HIPOTESIS RATA-RATA DUA
SAMPEL BERPASANGAN
UJI HIPOTESIS DUA SAMPEL
 tidak diketahui,
diasumsikan sama
Sampel
independen
Rata-rata  Tidak diketahui,
populasi diasumsikan tidak
sama
Sampel
berpasangan
Uji hipotesis dua Proporsi populasi
sampel

Variansi populasi
UJI HIPOTESIS RATA-RATA DUA POPULASI
BERPASANGAN
• Sampel berpasangan
Sampel • Pengamatan berulang (sebelum/sesudah)
Berpasangan
• Gunakan selisih antara nilai yang dipasangkan:
Di = X1i - X2i
• Asumsi:
 Kedua populasi terdistribusi secara normal
 Atau, jika tidak normal, gunakan sampel besar
UJI HIPOTESIS RATA-RATA DUA POPULASI
BERPASANGAN
Selisih data berpasangan: Di = X1i - X2i
Sampel
n
Berpasangan Estimasi titik selisih
data berpasangan: D i
D= i =1
n
Standar deviasi sampel: n

 i
(D − D ) 2

SD = i =1
n−1

n adalah jumlah sampel berpasangan

UJI HIPOTESIS RATA-RATA DUA POPULASI
BERPASANGAN
Statistik hitung:
Sampel
Berpasangan D − μD
t STAT =
SD
n
Dimana tSTAT memiliki d.f. = n - 1
UJI HIPOTESIS RATA-RATA DUA POPULASI
BERPASANGAN
Sampel Berpasangan
Lower-tail test: Upper-tail test: Two-tail test:

H0: μD  0 H0: μD ≤ 0 H0: μD = 0

H1: μD < 0 H1: μD > 0 H1: μD ≠ 0

a a a/2 a/2

-ta ta -ta/2 ta/2

Tolak H0 jika tSTAT < -ta Tolak H0 jika tSTAT > ta Tolak H0 jika tSTAT < -ta/2
atau tSTAT > ta/2
Dimana : tSTAT memiliki d.f. = n - 1
CONTOH KASUS
Misalkan anda mengirimkan karyawan anda untuk mengikuti pelatihan
“customer service”. Apakah pelatihan ini mempengaruhi jumlah keluhan yang
masuk? Anda mengumpulkan data sebagai berikut:
Jumlah Keluhan:
Karyawan Sebelum Sesudah

C.B. 6 4
T.F. 20 6
M.H. 3 2
R.K. 0 0
M.O. 4 0
CONTOH KASUS
Misalkan anda mengirimkan karyawan anda untuk mengikuti pelatihan
“customer service”. Apakah pelatihan ini mempengaruhi jumlah keluhan yang
masuk? Anda mengumpulkan data sebagai berikut:
Jumlah Keluhan: (2) - (1)
Karyawan Sebelum (1) Sesudah (2) Selisih, Di
σ 𝐷𝑖
ഥ=
𝐷 = −4.2
𝑛
C.B. 6 4 - 2
T.F. 20 6 -14
M.H. 3 2 - 1 ഥ
σ 𝐷𝑖 − 𝐷 2
R.K. 0 0 0 𝑆𝐷 =
𝑛−1
M.O. 4 0 - 4
-21 = 5.67
CONTOH KASUS
Apakah pelatihan membuat perbedaan dalam jumlah keluhan (pada tingkat
signifikansi 0.01)?
Tolak To
H0: μD = 0
H1: μD  0 a/2 a/2
- 4.604 4.604
a = .01 d.f. = n - 1 = 4 - 1.66
t0.005 = ± 4.604 Keputusan: Terima H0
(tstat tidak berada di area penolakan)
Statistik hitung:
Kesimpulan: Tidak ada bukti yang cukup
terdapat perubahan signifikan dalam
D − μD − 4.2 − 0
t STAT = = = −1.66 jumlah keluhan.
SD / n 5.67/ 5
UJI HIPOTESIS PROPORSI DUA
SAMPEL
UJI HIPOTESIS DUA SAMPEL
 tidak diketahui,
diasumsikan sama
Sampel
independen
 Tidak diketahui,
Rata-rata populasi diasumsikan tidak
sama
Sampel
berpasangan
Uji hipotesis dua Proporsi populasi
sampel

Variansi populasi
UJI HIPOTESIS DUA PROPORSI POPULASI
Tujuan: uji hipotesis atau bentuk interval kepercayaan
Proporsi untuk perbandingan antara dua proporsi populasi,
Populasi π1 – π2

Estimasi titik untuk selisih p1 − p2

proporsi populasi
UJI HIPOTESIS DUA PROPORSI POPULASI
Dalam hipotesis nol kita menganggap hipotesis nol itu benar, jadi
kita menganggap π1 = π2 dan mengumpulkan dua perkiraan
Proporsi sampel
Populasi Estimasi gabungan untuk keseluruhan proporsi adalah:

X1 + X 2
p=
n1 + n 2
dimana X1 dan X2 adalah jumlah item yang diamati dalam sampel 1
dan 2
UJI HIPOTESIS DUA PROPORSI POPULASI
Uji Z untuk π1 – π2:
Proporsi
Populasi
Z STAT =
( p1 − p2 ) − ( π1 − π2 )
 1 1
p (1 − p )  + 
 n1 n2 

X1 + X 2 X1 X2
dimana p= , p1 = , p2 =
n1 + n2 n1 n2
UJI HIPOTESIS DUA PROPORSI POPULASI
Proporsi Populasi

Lower-tail test: Upper-tail test: Two-tail test:

H0: π1  π2 H0: π1 ≤ π2 H0: π1 = π2

H1: π1 < π2 H1: π1 > π2 H1: π1 ≠ π2
i.e., i.e., i.e.,
H0: π1 – π2  0 H0: π1 – π2 ≤ 0 H0: π1 – π2 = 0
H1: π1 – π2 < 0 H1: π1 – π2 > 0 H1: π1 – π2 ≠ 0
UJI HIPOTESIS DUA PROPORSI POPULASI
Proporsi Populasi

Lower-tail test: Upper-tail test: Two-tail test:

H0: π1 – π2  0 H0: π1 – π2 ≤ 0 H0: π1 – π2 = 0
H1: π1 – π2 < 0 H1: π1 – π2 > 0 H1: π1 – π2 ≠ 0

a a a/2 a/2

-za za -za/2 za/2

Tolak H0 jika ZSTAT < -Za Tolak H0 jika ZSTAT > Za Tolak H0 jika ZSTAT < -Za/2
atau ZSTAT > Za/2
CONTOH KASUS
Apakah terdapat perbedaan yang signifikan antara proporsi laki-laki dan proporsi
perempuan yang memilih ‘ya’ untuk penawaran A

Dalam sampel acak, 36 dari 72 laki-laki dan 35 dari 50 perempuan mengindikasikan bahwa
mereka memilih ‘ya’

Uji pada tingkat signifikansi 0.05

CONTOH KASUS
• Hipotesis : H0: π1 – π2 = 0 (dua proporsi adalah sama)
H1: π1 – π2 ≠ 0 (ada perbedaan yang signifikan antara proporsi)
• Sampel Proporsi:
◼ Laki-laki: p1 = 36/72 = 0.50
◼ Perempuan: p2 = 35/50 = 0.70
• Estimasi gabungan untuk keseluruhan proporsi

X 1 + X 2 36 + 35 71
p= = = = 0 .582
n1 + n2 72 + 50 122
CONTOH KASUS
Tolak H0 Tolak H0
Uji Statistik untuk π1 – π2 :
.025 .025
( p1 − p2 ) − ( π1 − π 2 )
z STAT =
1 1

p ( 1 − p)  +  -1.96 1.96
 n1 n2  -2.20

=
( .50 − .70) − ( 0) = − 2.20
 1 1  Keputusan: Tolak H0
.582 ( 1 − .582 )  + 
 72 50  Kesimpulan: Terdapat bukti yang
menunjukkan perbedaan proporsi pemilih
“ya” antara pria dan wanita.
Nilai Kritis = ±1.96
Untuk a = .05
ESTIMASI INTERVAL KEPERCAYAAN UNTUK DUA
PROPORSI POPULASI
Interval kepercayaan untuk
Proporsi π1 – π2 adalah:
Populasi

p1 (1 − p1 ) p 2 (1 − p 2 )
( p1 − p 2 )  Za/2 +
n1 n2
UJI HIPOTESIS VARIANSI DUA
POPULASI
UJI HIPOTESIS DUA SAMPEL
 tidak diketahui,
diasumsikan sama
Sampel
independen
Rata-rata  Tidak diketahui,
populasi diasumsikan tidak
sama
Sampel
berpasangan
Uji hipotesis dua Proporsi populasi
sampel

Variansi populasi
UJI HIPOTESIS DUA VARIANSI POPULASI
Hipotesis FSTAT
2
H0: σ12 = σ22 H0: σ12 ≤ σ22 S 1
Variansi Populasi
H1: σ12 ≠ σ22 H1: σ12 > σ22 S 2
2

Dimana:
S12 = Variansi sampel 1 (nilai variansi yang lebih besar)
Uji F
n1 = Ukuran sampel 1
S 22 = Variansi sampel 2 (nilai variansi yang lebih kecil)
n2 = Ukuran sampel 2
n1 – 1 = numerator derajat kebebasan
n2 – 1 = denominator derajat kebebasan
DISTRIBUSI F
Nilai kritis F ditemukan dari tabel F
Ada dua derajat kebebasan (d.f) yang dibutuhkan : numerator dan denominator
Variansi sampel yang lebih besar selalu pembilangnya

S12
ketika FSTAT = 2 df1 = n1 – 1 ; df2 = n2 – 1
S2
Tabel F,
 Numerator menentukan kolom
 Denominator menentukan baris
MENEMUKAN WILAYAH PENOLAKAN
H0: σ12 = σ22 H0: σ12 ≤ σ22
H1: σ12 ≠ σ22 H1: σ12 > σ22

a/ F a
2
0 0
Terima H0 Tolak H0 Terima H0 Tolak H0 F
Fα/2 Fα

Tolak H0 jika FSTAT > Fα/2 Tolak H0 jika FSTAT > Fα

CONTOH KASUS
Anda adalah seorang analis keuangan dan ingin mengetahui apakah terdapat
perbedaan hasil dividen antara saham yang terdaftar di NYSE & NASDAQ? Anda
mengumpulkan data sebagai berikut:
NYSE NASDAQ
Jumlah 21 25
Rata-rata sampel 3,27 2,53
Std dev sampel 1,30 1,16

Apakah terdapat perbedaan variansi antara hasil dividen

pada NYSE & NASDAQ pada tingkat signifikansi 0,05?
CONTOH KASUS
•Hipotesis:

H 0: σ12 = σ 22 (tidak ada perbedaan antar variansi)

H 1: σ12  σ 22 (terdapat perbedaan antar variansi)

•Nilai Kritis:
• a = 0.05, a/2 = 0.025
• Numerator d.f. = n1 – 1 = 21 –1 = 20
• Denominator d.f. = n2 – 1 = 25 –1 = 24

Fα/2 = F.025, 20, 24 = 2.33

CONTOH KASUS
H0: σ12 = σ22
Statistik Hitung: H1: σ12 ≠ σ22

S12 1.302
FSTAT = 2 = 2
= 1.256 a/2 = .025
S 2 1.16
0 F
Terima H0 Tolak H0
◼ FSTAT = 1.256 tidak berada pada area F0.025=2.33
penolakan, maka terima H0

◼ Kesimpulan: Tidak ada bukti yang cukup tentang

perbedaan variansi pada a = .05
TERIMA KASIH