TUGAS KELOMPOK

STATISTIKA INFERENSIA
PENGUJIAN HIPOTESIS

KELOMPOK 3 :
1. Sri Ayu Permatasari 16 (2102622010251)
2. Ni Kadek Ella Silvia 18 (2102622010253)
3. Gusti Ayu Kade Ita Maharani 27 (2102622010262)
4. Ni Wayan Reisnawati 28 (2102622010263)
5. Ida Ayu Nandita Chandra Kumala 30 (2102622010265)

PRODI AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MAHASARASWATI DENPASAR
TAHUN 2022
7.2 Pengertian Hipotesis Statistik
Hipotesis adalah suatu dugaan mengenai sesuatu yang masih perlu diuji
kebenarannya. Untuk mengetahui kebenarannya maka perlu diuji dengan statistik
sampel melalui suatu prosedur yang disebut dengan Pengujian Hipotesis. Hipotesis ini
dibedakan menjadi 2 berdasarkan sifatnya yaitu :
a. Hipotesis Kualitatif tidap dapat diuji secara statistik kecuali
dikuantifikasikan terlebih dahulu
b. Hipotesis Kuantitatif dapat diuji secara statistik
7.2.1 Hipotesis Nol dan Hipotesis Alternatif
Hipotesis Nol adalah hipotesis yang dirumuskan untuk diuji dengan harapan ditolak
yang biasanya dinotasikan dengan H0. Sedangkan Hipotesis Alternatif dinotasikan
dengan H1. Hipotesis H0 mengandung pernyataan yang menyangkal seperti tidak ada
perbedaan, tidak ada hubungan, sedangkan hipotesis H 1 mengandung pernyataan yang
tidak menyangkal seperti ada perbedaan, ada hubungan. Hipotesis nol ini harus
dinyatakan sedemikian rupa sehingga menyatakan dengan pasti sebuah nilai tunggal,
sedangkan Hipotesis Aternatif membolehkan beberapa kemungkinan nilai.
7.2.2 Menerima dan Menolak H0
Menerima H0 berarti hasil pengujian berdasarkan sampel tersebut dalam batas-
batas tertentu memperlihatkan adanya kesesuaian dengan hipotesis. Penerimaan
hipotesis ini akibat tidak cukupnya “bukti” unutk menolak . Sebaliknya, penolakan
terhadapt hipotesis statistik (H0) berarti menyipulkan bahwa hipotesis ini salah.
7.3 Dua Macam Kesalahan dan Kekuatan Pengujian
1. Kesalahan jenis I atau Kekeliruan α
Kesalahan ini dibuat dengan menolak hipotesis nol padahal
hipotesis nol tersebut benar, peluang kesalahannya disimbolkan dengan α
2. Kesalahan Jenis II atau Kekeliruan β
Kesalahan yang dibuat dengan menerima hipotesis nol padahal
hipotesis tersebut salah, peluang kesalahannya disimbolkan dengan β
7.4 Prosedur Dasar Pengujian Suatu Hipotesis
Hipotesis statistik ini selalu berbentuk pernyataan tentang parameter populasi
dan bukan pernyataan tentang statistik sampel. Tahapan dari pengujian hipotesis
secara umum yaitu :
1. Menentukan rumusan hipotesisnya dan alternatif pengujiannya
Langkah pertama yaitu merumuskan hipotesis yang akan diuji yang
disebut hipotesis nol yang berbentuk pernyataan dari parameter populasi,
selanjutnya merumuskan hipotesis alternatifnya, yang merupakan
 pernyataan yang diterima jika data sampel memberika cukup bukti bahwa
hipotesis nol adalah salah. Hipotesis alternatif dapat ditentukan
pengujiannya yaitu, pengujian sisi kiri, uji sisi kanan dan uji dua sisi. Bila
tanda ketidaksamaan hipotesis alternatif mengarah ke kanan (>), maka
dilakukan uji kanan begitu juga dengan uji sisi kiri (<) dan uji sisi tengah
(≠).
2. Menentukan taraf nyata/tingkat signifikansi α
Menentukan taraf nyata ini menunjukan besarnya peluang menolak
hipotesis nol bilamana hipotesis nol itu benar. Dalam pengujian hipotesis
keberanian atau ketersediaan secara maksimal mengambil resiko
mengalami kesalahan jenis I disebut taraf signifikansi/taraf resiko.
Besarnya taraf ini dinyatakan dalam satuan persen : 10%, 5%, 1%. misal
5% maksudnya adalah dalam jangka panjang jika pengujian dilakuka
secara berulang dan dalam cara yang sama maka peluang menolak H0
yang benar sebesar 5% dar keseluruhan waktu, sebaliknya kita akan
menerima 95% untuk putusan yang tepat atau 5% putusan yang salah.
3. Memilih statistik uji yang sesuai dan menentukan wilayah kritisnya
Terdapat banyak macam statistik uji seperti uji z, uji t, uji f dan uji x 2. Para
statistikawan umumnya menggunakan statistik uji z sebagai dasar
pengambilan putusan dalam pengujian hipotesis bila ukuran sampelnya
besar ( n≥ 30 ¿ dan bilang ukuran sampelnya kecil (n<30) digunakan
statistik uji I. Berikut rumus secara umunya :

^
θ−θ 0
Statisik uji z z 0=
σθ

^ 0
θ−θ
Statistik uji t t 0=
σθ

keterangan :
θ^ = statistik sampel
σ θ= simpangan baku distribusi statistik sampel
θ0 = parameter berdasrkan hipotesis
z 0 /t 0 = statistik uji z/t

 Nilai dan wilayah krisis

Nilai kritis adalah titik yang memisahkan daerah penolakan Ho dan
daerah penerimaan Ho, daerah kritis adalah daerah penolakan Ho.
Wilayah/daerah kritis untuk statistika uji z dengan taraf nyata sebesar
α ,secara umum dapat dinyatakan sebagai berikut :

a. pengujian satu sisi yaitu sisi kanan

b. pengujian satu sisi yaitu sisi kiri

c. pengujian dua sisi

 4. Menghitung statistik uji berdasarkan data sampel
Setelah memilih statistika uji yang sesuai dan menentukan daerah
atau wilayah kritisnya langkah beikutnya adalah menghitung nilai statistika
uji berdasarkan nilai statistika sampel (θ)
5. Mengambil simpulan pengujian
Kriteria didalam mengambil keputusan pengujian yaitu :
“Tolak H0 bila nilai statstika uji jatuh pada wilayah kritisnya (daerah
penolakan H0) dan terima H0, bila nilai statistika uji jatuh diuar wilaa
kritisnya (daerah penerimaan H0).
Berikut terdapat beberapa contoh besaran yaitu
Nama Besaran Parameter Parameter Statistika
(sesungguhnya) (Berd. Hipotesis) Sampel
θ θ0 θ^
Proporsi p p0 ^p
Rata-rata hitung μ μ0 x
Koefesien regresi β β0 b

 Apa itu Beda Nyata dan Beda Tidak Nyata ?

Bila H0 benar dan statistika uji jatuh pada daerah penolakan H 0
perbedaan antara nilai observas dengan nilai hipotesisnya disebut
beda nyata. Bila dalam pengujian hipotesis digunakan α = 5%, maka
bedanya disebut beda nyata, bila menggunakan α = 1%, maka
bedanya disebut beda sangat nyata.
Sedangkan bila H0 benar dan statistika uji jatuh pada penrimaan H0,
maka perbedaan antara nilai observasi dengan nilai hipotesisnya
disebut beda tidak nyata ini terjadi karena faktor kebetulan saja
7.5 Pengujian Hipotesis Parameter Populasi Sampel Besar
^ 0
θ−θ
z 0=
σθ

dengan :
θ^ = statistik sampel
σ θ= simpangan baku distribusi statistik sampel
θ0 = parameter berdasarkan hipotesis
z 0 = statistik uji z0
 Beberapa catatan yang perlu diingat
1) Bila sampel tersebut ditarik dari populasi tak terbatas, besarnya
σ
simpangan baku adalah σ ^θ=
√n
 2) Bila sampelnya ditrik dari populasi terbatas tanpa pemulian maka
σ
besarnya simpangan baku distribusi sampelnya adalahσ ^θ=
√n

√
N −1
terbatas.
√
N −n , dan besaran N −n disebut faktor koreksi populasi
N −1

3) Untuk populasi terbatas, bila n/N<5%, maka faktor koreksi populasi

terbatas dapat diabaikan
4) Untuk populasi terbatas, bila sampel diambil dengan pemulihan
maka populasinya dianggap populasi tak terbatas
7.5.1 Penguji Hipotesis Rata-rata Populasi
Pengujian atas hipotesis rata-rata populasi digunakan rata-rata sampelnya.
Pengujiannya dapat dibedakan sebagai berikut :
a. Bila populasi tak terbatas dan simpangan baku populasi diketahui
Bila sampelnya ditarik dari populasi tak terbatas dan simpangan bakunya
dketahui, statistik uji dirumuskan sebagai berikut :

z σ
o=
x− μe
σx
, dengan σ x = √ n

Contoh soal :
Seorang peneliti sosial akan mengadakan penelitian disuatu wilayah yang
penduduknya terkenal miskin. Sebelum mengadakan penelitian ia menduga
bahwa rata-rata penghasilan kepada keluarga per bulan tidak lebi dari Rp
80.000,00. Untuk menguji dugaan itu, dia memili secara acak 200 KK untuk
diselidiki. Dari hasil penyelidikan itu setelah diolah ternyata rata-rata penghasilan
per bulannya sebesar Rp 82.000,00. Dari penelitian beberapa tahun lalu
diketahui bahwa simpangan baku penghasilan-penghasilan kepala keluarga di
wilayah tersebut Rp 20.000,00. Dengan taraf nyata 5% ujilah dugaan penelitian
tersebut

Penyelesaian :
Rumus hipotesis
H 0 : μ=Rp 80.000,00
H ℩ : μ> Rp 80.000,00 uji satu sisi yaitu sisi kanan
Taraf nyata yang digunakan, α = 5%
Statistik uji dan daerah kritis
x−μe
Statistik uji, z 0=
σ /√n
 Daerah kritis. Titik kritis adalah z 0=¿ z ¿ , maka daerah kritisnya/daerah
(0,05 )=¿1, 64 ¿

penolakan Ho adalah daerah di sebelah kanan dari z 0=1 ,64 atau

z > z (0,05 )=1, 64

Menghitung nilai statistik ujji, z o

x=Rp 82.000,00 μ0 =Rp 80.000,00
n = 200 α = Rp 20.000,00
x−μ0 82.000−80.000
z 0= = =1, 4 1
σ /√n 20.000 / √200

Simpulan/putusan
Oleh karena statistik uji jatuh pada daerah penerima Ho atau Zo = 1 , 4 1<
z α =1 , 64, maka Ho diterima. Ini berarti dugaan peneliti yang menyatakan bahwa
penghasilan kepala keluarga per bulan diwilayah tersebut tidak lebih dari Rp
80.000,00 adalah “benar”. Beda nilai observasi, μo =Rp80.000,00 sebesar Rp
82.000,00 dengan nilai hipotsis, μo =Rp80.000,00 sebesar Rp 82.000,00 – Rp
80.000,00 = Rp 2.000,00 anya disebabkan oleh faktor kebetulan, dan beda nilai
tersebut dinamakan beda tidak nyata, atau beda yang tidak berarti secara
statistik (bedanya itu dianggap nol) pada tingkat pengujian dilakukan.
b. Bila popolasi tak terbatas dan simpangan baku populasi tidak diketahui
Dalam banyak kasus simpangan baku populasi jarang dikahui. Dalam
kasus seperti ini, simpangan baku populasi dapat didekati/diduga oleh
simpangan baku sampel atau didasari simpanngan baku populasi penelitian-
penelitian sebelumnya. Dengan demikian pengujian hipotesis rata-rata populasi
berdasarkan rata-rata sampel, dapat dilakukan dengan mendekati simpangan
baku populasi (σ ) dengan simpangan baku sampel (s), statistik ujinya dapat
dihitung dengan rumus sebagai berikut :
x−μo s
z o= dengan σ x =
σx √n
7.5.2 Penguji Hipotesis Beda Dua Rata-rata Populasi
Dua buah sampel berukuran n1 dan n2 yang ditarik dari dua populasi yang
independen satu sama lainnya. Hipotesis yang ingin dipuji adalah hipotesis tenteng (
μ1−μ 2berdasarkan beda rata-rata sampelnya ( x 1−x 2 ¿ . Pengujian tentang hipotesis
beda dua rata-rata dibedakan atas :
a. Bila simpangan baku masing-masing populasi diketahui, akan tetapi
σ 1 ± σ 2 dan populasi tak terbatas

zo = ¿¿

σ x 1−x 2=
√
σ 12+ σ 22
n 1+n2

Dan bila ( μ −μ ¿= 0, rumus

10 20

(7.5) menjadi lebih

zo = ¿¿ sederhana :

b. Bila simpangan baku masing-masing populasi tidak diketahui, dan

poplasi tidak terbatas
Statistik uji untuk pengujian hipotesis μ1 - μ2
 x 1−¿ x 2
¿
= =
√
zo ¿¿ 2
S1 +S 2
2

n1+n 2

dan bila ¿ - μ20 ) = 0, maka :

7.5.3 Pengujian Hipotesis Proporsi Populasi

Sebuah sampel berukuran n (dengan x
sukses) ditarik dari populasi binomial yang tak
terbatas, maka proporsi sampelnya adalah
x
^p= . Proporsi sampel ini dapat dipakai untuk
n
menguji hipotesis tentang proporsi populasinya.
Statistik ujinya dapat dihitung dengan rumus :
p^ - p0 p^ - p 0 x - n. p0
Z 0= = =
σ0 √ p0¿ ¿ ¿ ¿ √ n. p0 (1−p 0)
zo = ¿¿

:
σ ¿¿
 x
^p= = proporsi sampel (rasio antara banyaknya anggota sampel dengan ciri tertentu
n
terhadap ukuran sampel)
x = banyaknya anggota sampel yang memiliki ciri tertentu yang menjadi pusat
perhatian
n = ukuran sampel
p = proporsi populasi yang sebenarnya
p0 = proporsi populasi berdasarkan hipotesis

Contoh :
Sebuah majalah bisnis ibu kota menyatakan bahwa para eksekutif muda ibu kota
kurang dari 15 persen yang secara teratur membaca majalah terbitannya. Untuk
menguji pernyataan itu, dipilih 80 eksekutif muda secara acak sebagai sampel. Bila 16
dari 80 para eksekutif muda itu secara teratur membaca majalah bisnis yang dimaksud,
simpulan apa yang dapat ditarik ? ujilah pernyataan tersebut pada taraf nyata 0.05.
Penyelesaian :
1. Rumusan hipotesis
Ho : P = 15%
H1 : P > 15 % →uji sesi kanan
2. Taraf nyata, α = 5% = 0,05
3. Statistik uji dan daerah kritis
x - n. p 0
Statistik uji, Z 0=
√ n. p0 (1− p 0)
Daerah kritis, α = 0,05 → Z(0,05) = 1,64. Titik kritis adalah Z(0,05) = 1,64. Daerah
kritis/penolakan Ho adalah daerah disebelah kanan dari nilai kritis Z(0,05) = 1,64

4. Menghitung nilai statistik uji, Z 0

x = 16 n = 80 p0 = 15% = 0,15
x - n. p 0
Z 0=
√ n. p0 (1− p 0)
16−80(0,15)
= = 1,25
√ 80.(0,15)( 1−0,15)
5. Simpulan / putusan
Oleh karena statistik uji jatuh pada daerah penerimaan Ho ( Z 0=1,25<1,64 ¿, maka
H 0 diterima. Ini berarti pernyataan majalah tersebut adalah benar (tidak cukup
 bukti untuk menolaknya atau didukung oleh fakta dilapangan) pada tingkat
keyakinan 95%.

7.5.4 Pengujian Hipotesis Beda Dua Proporsi Populasi

Dua sampel acak berukuran n1 dan n2 ditarik dari dua populasi binomial yang tak
terbatas, dan populasi tersebut independent satu sama lainnya x 1 dan x 2 masing-
masing adalah kejadian sukses dari n1 sampel pertama dan n2 sampel kedua. Maka
selisih proposi untuk menguji hipotesis tentang beda dua proporsi populasinya ( p1- p2).
Statistik uji dari pengujian dua beda proporsi populasi ini dapat dihitung dengan
menggunakan rumus :

(^ p2 ) −( p1− p 2)
p1- ^
Z 0=
√ ^p ( 1− ^p ) ( n1 + n1 )
1 2

x1 + x 2
dengan, ^p =
n1 +n 2

dan bila p10- p20 = 0, maka rumusnya menjadi

(^ p 2)
p1 - ^
Z 0=
√ ^p ( 1− ^p ) ( n1 + n1 )
1 2

^p = nilai dugaan gabungan bagi proporsi p

Contoh:
Dalam suatu penelitian untuk menduga proporsi pegawai tetap sebuah hotel
yang berpendidikan tinggi dan yang nir-pendidikan tinggi yang menyetujui rencana
perpanjangan waktu kerja lembur pada hari-hari libur besar, ternnyata diperoleh 63
diantara 100 pegawai tetap berpendidikan tinggi dan 60 diantara 125 pegawai tetap nir-
pendidikan tinggi meyetujui rencana perpanjangan kerja lembur pada hari=hari libur
besar. Apakah ada perbedaan nyata proporsi pegawai tetap berpendidikan tinggi dan
pegawai tetap nir-pendidikan tinggi yang menyetujui rencana perpanjangan waktu kerja
lembur tersebut. Ujilah dengan menggunakan taraf nyata 0.05.
Penyelesaian :
1. Rumusan hipoteses
Ho : p1− p2 = 0
H 1 : p1− p2 ≠ 0 →uji dua sisi
2. Taraf nyata, α = 5% = 0,05
3. Statistik uji dan daerah kritis
 (^
p1 - p^2)
Statistik uji, Z 0=
√ ^p ( 1− ^p ) ( n1 + n1 )
1 2

Daerah kritis, α = 0,05 dan a/2 = 0,025 (uji dua sisi). Titik kritisnya adalah Z(0,025)=
± 1,96. Daerah kritis adalah daerah disebelah kiri minus Z(0,025)= - 1,96 (z < - 1,96)
dan daerah disebelah kanan Z(0,025) = 1,96 (z < - 1,96).

4. Menghitung nilai statistik uji Z 0

x 1= 63 x 2= 60
n1 = 100 n2 = 125
x 63
^p1= 1 = = 0,63
n1 100
x 60
^p2= 2 = = 0,48
n2 125

x1 + x 2 63+60
^p1= = = 0,55
n1 +n 2 100+125

Maka,
(^ p 2)
p1 - ^
Z 0=
√ ^p ( 1− ^p ) ( n1 + n1 )
1 2

0,63−0,48
Z 0=
√( 0,55 ) ¿ ¿ ¿ = 2,27
5. Simpulan/putusan
Oleh karena nilai statistik uji jatuh pada daerah penolakan H 0 yakni Z 0 = 2,27 >
Z(0,025) = 1,96, maka H 0 ditolak. Jadi, terdapat perbedaan yang nyata antara
proporsi pegawai tetap yang berpendidikan tinggi dan proporsi pegawai tetap
yang nir-pendidikan tinggi yang menyetujui rencana perpanjangan waktu lembur
pada hari-hari libur besar.

7.6 Pengujian Hipotesis Parameter Populasi Sampel Kecil

Bila sampel yang ditarik dari sebuah populasi berukuran kecil (dalam prakteknya
diambil n<30), maka pengujian parameter populasi berdasarkan statistik sampelnya
dipakai statistik uji t, sesuai dengan rumus :
 ^ ο
θ−θ
t ο=
σ ^0

Keterangan :
t ο = statistik uji t

θ^ = statistik sampek
Θ = parameter populasi sesungguhnya
θ ο = parameter populasi berdasarkan hipotesis

σ ^0 = simpangan baku distribusi statistik sampel

 Titik/Nilai kritis dan wilayah kritis uji t

 a. Pengujian sisi kanan

b. Pengujian sisi kiri

c. Pengujian dua sisi

 Rata-rata, variasi dan simpangan baku sampai kecil (n<30)

1. x =
∑ xi (rata-rata)
n

2. s =
2 ∑ ( x i−x )2
(variasi)
(n−1)
3. s = √ s 2 (simpangan baku)

7.6.1 Pengujian Hipotesis rata-rata populasi

 a. Bila simpangan baku populasi diketahui dan populasinya tak terbatas. Pengujian
hipotesis rata-rata populasi didasarkan atas rata-rata sampel ( x ), statistik ujinya
dihitung dengan rumus :
x−μο x−μο
t ο= =
σx σ /√n
dengan, df = v = (n-1)

b. Bila simpangan baku populasi tidak diketahui dan populasi tak terbatas. Bila σ
tidak diketahui, maka σ diduga/didekati dengan simpangan baku sampel s.
Maka, statistik ujinya dihitung dengan rumus :
x−μο x−μο
t ο= =
σx s/√n
dengan, df = v = n-1
contoh :
suatu proses produksi minuman keras dianggap dapat diawasi dan memenuhi
ketentuan-ketentuan yang telah ditetapkan bila jumlah rata-rata minuman yang diisikan
ke dalam botol ialah 50 cc dengan standar deviasi (simpangan baku) 2 cc. sebuah
sampel acak yang terdiri dari 20 botol yang telah diisi dipilih, ternyata rata-rata isinya
adalah 51 cc. apakah proses produksi tersebut sudah memenuhi ketentuan yang
ditetapkan. Ujilah dengan menggunakan taraf nyata 5%
Penyelesaian :
1. Rumusan hipoteses
Ho : μ= 50 cc
H 1 : μ ≠ 50 cc →uji dua sisi
2. Taraf nyata, α = 5% = 0,05
3. Statistik uji dan daerah kritis
x−μο
t ο=
σ /√n
Dengan kritis α = 0,05. α /2 = 0,025 (uji dua sisi). Nilai = t (0,025 ;19)= 2,09. Titik
kritisnya adalah ± t (0,025 ;19) = 2,09. Daerah kritis/penolakan Ho adalah disebelah
kiri -t (0,025 ;19) = -2,09 dan daerah disebelah kanan
t (0,025 ;19) = 2,09.
 4. Menghitung nilai statistik uji, t 0
x = 51 cc μο = 50 cc
n = 20 σ = 2cc

x−μο 51−50
t ο= = = 2,24
σ /√n 2/ √ 20

5. Simpulan / putusan
Oleh karena nilai statistik uji jatuh pada daerah penolakan H 0 ¿=2,24 > t (0,025 ;19) =
2,09. maka H 0 ditolak dan sebaliknya H 1 diterima. Ini berarti proses produksi
tersebut tidak memenuhi ketentuan yang telah ditetapkan. Perbedaan antara
nilai observasi (nilai sampel) x = 51 cc dengan nilai hipotesis μο =50 cc adalah
nyata secara statistik.
7.6.2 pengujian hipotesis beda dua rata-rata populasi
a. bila σ 1 dan σ 2 tidak di ketahui, populasi tak terbatas dan σ 1 = σ 2, maka statistik
uji pengujian beda dua rata-rata populasinya, dihitung dengan rumus (7.15)
( x 1−x 2 )−(μ10−μ 20)
t °=
rumus :
Sp
√ 1 1
+
n1 n2
(7.15)

dan bila (μ10-μ20) = 0, rumus (7.15) menjadi :

( x 1−x 2 )
t °=
Sp
√ 1 1
+
n1 n 2
(7.16)

( n 1−1 ) S21 +( n2−1) S22

2
Dengan : S = p
n1+n 2−2

S p= √ S p

df = v = n1 + n2 – 2
b. bila σ 1 dan σ 2 tidak di ketahui, populasi tak terbatas serta σ 1 ≠ σ 2, maka
simpangan baku populasi diduga atau di dekati dengan simpangan baku sampel.
Statistik uji pengujian beda dua rata-rata populasinya dihitung dengan rumus
(7.17)

( X 1− X ) −(μ10− μ )
t° =
2 20
(7.17)
√(S /n ¿)+( S /n )¿
1
2 1
2
2 2
 Dan (μ10-μ20) = 0, rumus (7.17) menjadi
( X 1− X )
2

√ S S22
2
t° = 1 (7.18)
+ ¿
n1 n2
¿
Dengan :
S21 S22
( + )
n 1❑ n 1
df ( =v)= (7.19)
( ) ( )
2 2
S1 S
2 ( n1−1 ) + 2 2(n 2−1)
n1 n2

7.6.3 pengujian hipotesis beda dua rata rata pengamatan berpasangan

Selama ini yang di uji adalah beda rata-rata populasi dari populasi yang berbeda.
Sampel- sampel dengan ukuran tertentu yang ditarik dari masing masing populasinya
yang bersifat independen. Akan tetapi ada kalanya bahwa sampel- sampel tidak bersifat
independen.
Rumus hipotesisnya : H ° : μd = 0
H 1 : μd ≠ 0
d
Statistik ujinya adalah : t °= S
d / √n

Dengan: Sd =√ ∑ ¿ ¿ ¿ ¿ d=
∑ d1
n
- d = Nilai rata-rata beda n pengamatan berpasangan
- Sd = simpangan buku beda pengamatan berpasangan
- d 1 = beda pengamatan pasangan ke-i
- df = v= (n-1)

7.7 Hubungan antara α , β dan n

Ada  dua  jenis  hipotesis  yang  diuji  dalam  statistik,  yaitu  uji  hipotesis  nol
(H0)  dan  hipotesis  alternatif (H1).  Hubungan α dan β adalah berbanding terbalik. Bila
α mengecil maka β akan membesar.
7.8 Nilai p
Nilai-p (p.value) adalah nilai α terkecil dalam menolak hipotesis nol bagi uji
statistik menjadi signifikan dengan kata lain nilai p ini adalah tingkat signifikansi
terendah untuk dapat menolak hipotesis nol.
Contoh Soal dan penyelesainnya :
1. Sebuah pabrik ponsel ingin memutuskan apakah akan menggunakan baterai
Merek A atau Merek B, dengan melakukan pengambian sampel acak 15 didapat
hasil sebagai berikut :
Merek A : 4.000 jam S1 : 1.500 jam
Merek B : 4.200 jam S2 : 1.800 jam
dan pada taraf nyata 0,05.

Jawab :
1. Rumusan Hipotesis
H o : μ1 - μ 2 = 0
H 1: μ1 - μ2 ≠0→ uji dua sisi
2. Taraf Nyata, α = 5% = 0,05
3. Statistik uji dan daerah kritis

x1−¿ x 2
¿
Statistik uji, t o=
SP
√ 1 1
−
n 1 n2

Daerah kriti, α = 0,05→ α /2=0,025 (uji dua sisi). df = 15+15-2=28, maka

t (0,025 ;28)= 2.081.Titik kritisnya adalah t (0,025 ;28)=± 2,081 .Jadi, daerah kritisnya
adalah daerha disebelah kiri t (0,025 ;28)= - 2,081 dan daerah disebelah kanan
t (0,025 ;28)= 2,081
4. Menghitung nilai statistika uji t o
x 1 = 4.000 jam S1= 1.500 jam n1 = 15
x 2 = 4.200 jam S2= 1.800 jam n2 = 15

S p dihitung terlebih dahulu sebagai berikut :

2 ( n 1−1 ) S21 +( n2−1) S22
S p=
n1+n
2−2

( 14 ) (1500)2+(14)(1800)2
=
15+ 15−2
Sp = √ 2.745 .000 = 1.656,80

Maka,
 4000−4200

√
t o= 1 1
1656,80 +
15 15
= - 0,33
5. Simpulan/putusan
Oleh karena statistik uji jatuh pada daerah penerimaan H o ( - 2,081 <t o=¿ -
0,33 < 2,081), maka Ho diterima. Ini berarti tidak ada perbedaan yang
nyata antara umur pakai baterai ponsel merek A dan merek B, sehingga
salah satu dari dua jenis baterai ponsel tersebut dapat digunakan
2. Pabrik mesin cuci otomatos menyatakn produknya bebas kerusakan 5 tahun
pemakaian, 5 mesin cuci tersebut telah dibeli oleh lima rumah tangga dan
ternyata dengan waktu kerusakan 4,5 : 4,0 ; 4,6 : 4,8 :4,4. Dengan menggunakan
taraf 5%

Jawab :
1. Rumusan hipotesi
H o : μ = 5 tahun
H 1: μ < 5 tahun→ uji sisi kiri
2. Taraf nyata, α = 5% = 0,05
3. Statistik uji dan daerah kritis
x−μo
Statistik uji, t o=
s/√n
Daerah kritis α = 0,05. Nilai t (0,05 ; 4 )= 2,13 . Titik kritsinya adalah t (0,05 ;4 )= -
2,13 . Daerah kritisnya adalah daerah disebelah kiri t (0,05 ;4 )= - 2,132 .
4. Menghitung nilai statistik uji t o
μo = 5
x dan s dihitung terlebih dahulu sebagai berikut :

x =
∑ x1 = 4,5+ 4,0+4,6+ 4,8+ 4,4
= 4,46
n 5

s =∑ ¿¿ ¿
2

= ¿¿

s = √ s2 =
√ 80,632
4
= 4,49

x−μo
jadi, t o=
s/√n
 4,46−5
= 4,49/ √ 5
= -0,26
5. Simpulan/putusan
Oleh karena statistik uji jatuh pada daerah penerimaan H o (to = -0,26 >
t (0,05 ;4 )= - 2,13 ), maka Ho diterima. Jadi, pernyataan mengenai kerusakan
mesin cuci selama kurang dari 5 tahun “Benar” pada tingkat keyakinan
95%