LAPORAN PRAKTIKUM KE-1

METODE STATISTIKA II
“ Pengujian Hipotesis”

OLEH:
NAMA : Denilson Jovano
NIM : 185090507111030

ASISTEN:

1. Rizki Nurani Aisha 175090500111013

2. Neri Krismonisa 175090500111025

LABORATORIUM STATISTIKA
PROGRAM STUDI STATISTIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
2018
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dalam kehidupan nyata, seringkali kita dihadapkan dengan data
kan kita diharuskan untuk menganalisis atau menentukan keputusan
apa yang harus diambil. Pengambilan keputusan itu akan melibatkan
data-data yang berhubunga dengan masalah yang akan kita putuskan
Berkaitan dengan hal itu, diperlukan analisis yang akurat terhadap
data agar segala keputusan yang diambil adalah keputusan yang
benar dan didukung oleh fakta atau tidak. Dengan adanya data
tersebut, kita dapat menentukan hipotesis atau dugaan sementara.
Sementara untuk pengujian hipotesis ini, digunakan program
komputer genstat yang telah berkembang di dunia statistika dan teruji
keakuratannya dalam sebuah pengujian hipotesis, dan analisis lain di
bidang statistika.

1.2 Tujuan

1. Untuk mengambil kesimpulan dari hasil perhitungan dan

mengetahui kebenaran suatu dugaan dalam taraf kepercayaan
tertentu.
2. Untuk membandingkan perhitungan manual dengan
perhitungan dari program GenStat.
 BAB II
TINJAUAN PUSTAKA
Menurut Yitnosumantoro (1990) hipotesis merupakan kesimpulan
sementara yang nantinya akan diperbandingkan dengan fakta yang ada.
Dalam statistika terdapat 2 macam hipotesis, yaitu hipotesis nol (H0) dan
hipotesis alternatif (H1). Hipotesis nol, diajukan untuk menspesifikasikan
sebuah parameter dari suatu model sehingga peluang untuk masing-masing
dan setiap titik contoh dapat dihitung. Hipotesis alternative adalah suatu
alternatif bila kenyataan atau hipotesis nol ditolak.
Hipotesis nol mengenai suatu parameter populasi harus diucapkan
sedemikian rupa sehingga menyatakan dengan pasti sebuah nilai bagi
parameter itu, sedangkan hipotesis alternatifnya mmembolehkan
kemungkinan lainnya. Jadi bila H0 menyatakan hipotesis nol bahwa p = 0,5
bagi suatu populasi binom, maka hipotesis alternatifnya H1 dapat berupa p
> 0,5, p < 0,5 atau p ǂ 0,5 (Walpole, 1995).
Uji hipotesis mengenai proporsi diperlukan dibanyak bidang. Untuk
menguji hipotesis proporsi 1 populasi, perlu ditentukan H0 : p = p0 ,
sehingga alternatifnya adalah p < p0 , p > p0 , atau p  p0. Kemudian
menentukan taraf nyata  serta wilayah kritik, yaitu Z tabel. Menghitung z,
dari contoh berukuran n yang diperoleh, yaitu
x−n p 0
z=
√ n p0 q0
sebagai banyaknya keberhasilan. Sehingga, bila H0 bila x jatuh dalam
wilayah kritik; bila tidak demikian halnya, terima H0. Untuk uji dua-arah
dengan taraf nyata , wilayah kritiknya adalah z < -z /2 dan z < z/2.bila
alternatifnya satu-arah p < p0 , wilayah kritiknya adalah z < -z , dan bila
alternatifnya p > p0, maka wilayah kritiknya z < z.
Untuk uji hipotesis proporsi 2 populasi, ditentukan pula H0 : p1 = p2,
sehingga alternatifnya adalah salah satu diantara p1 < p2 , p1 > p2 , atau p1 
p2. Kemudian menentukan taraf nyata  serta wilayah kritik, yaitu Ztabel.
Menghitung, dari contoh berukuran n yang diperoleh, yaitu
x1 x2
^
p1 = ,^
p 2= , ^p=¿ ¿ dan kemudian
n1 n2
 ^
p1 + ^
p2
z=

√ ^
p1 q^1 ^
n1
+
p2 q^2
n2
sehingga, H0 ditolak bila z jatuh ke dalam wilayah kritik; dan terima H0 bila
z jatuh ke dalam wilayah penerimaan (Walpole, 1995).

Menurut Yitnosumantoro (1990) hipotesis merupakan kesimpulan

sementara yang nantinya akan diperbandingkan dengan fakta yang ada.
Dalam statistika terdapat 2 macam hipotesis, yaitu hipotesis nol (H0) dan
hipotesis alternatif (H1). Hipotesis nol, diajukan untuk menspesifikasikan
sebuah parameter dari suatu model sehingga peluang untuk masing-masing
dan setiap titik contoh dapat dihitung. Hipotesis alternative adalah suatu
alternatif bila kenyataan atau hipotesis nol ditolak.
Hipotesis nol mengenai suatu parameter populasi harus diucapkan
sedemikian rupa sehingga menyatakan dengan pasti sebuah nilai bagi
parameter itu, sedangkan hipotesis alternatifnya mmembolehkan
kemungkinan lainnya. Jadi bila H0 menyatakan hipotesis nol bahwa p = 0,5
bagi suatu populasi binom, maka hipotesis alternatifnya H1 dapat berupa p
> 0,5, p < 0,5 atau p ǂ 0,5 (Walpole, 1995).
Uji hipotesis mengenai proporsi diperlukan dibanyak bidang. Untuk
menguji hipotesis proporsi 1 populasi, perlu ditentukan H0 : p = p0 ,
sehingga alternatifnya adalah p < p0 , p > p0 , atau p  p0. Kemudian
menentukan taraf nyata  serta wilayah kritik, yaitu Z tabel. Menghitung z,
dari contoh berukuran n yang diperoleh, yaitu
x−n p 0
z=
√ n p0 q0
sebagai banyaknya keberhasilan. Sehingga, bila H0 bila x jatuh dalam
wilayah kritik; bila tidak demikian halnya, terima H0. Untuk uji dua-arah
dengan taraf nyata , wilayah kritiknya adalah z < -z /2 dan z < z/2.bila
alternatifnya satu-arah p < p0 , wilayah kritiknya adalah z < -z , dan bila
alternatifnya p > p0, maka wilayah kritiknya z < z.
 BAB III
METODOLOGI

Langkah-langkah untuk ....... dengan menggunakan paket program

GenStat adalah sebagai berikut :

1. Klik 2 kali menu GenStat pada desktop atau klik pada menu start
all programs GenStat

..........
1. Pilih Spread New Create

2. Pada kolom row dan column isi dengan masing-masing 1 dan 10

3. Isi Kolom dengan data yang ada

4. Pada toolbar klik stats -> statistical tests -> one and two sample t-
test, kemudian isi data seperti di bawah ini, lalu klik run

5. Setelah melakukan uji t, lakukan uji proporsi 2 populasi dengan

klik stats -> statistical tests -> one and two sample binomial test,
kemudian isi data seperti di bawah ini, lalu klik run
 BAB IV
HASIL dan PEMBAHASAN
4.1 Soal
1. Pestisida yang disemprotkan pada tanaman mungkin berbahaya
bagi manusia. Gejala terhadap manusia yang umum adalah
penurunan aktivitas Acetylcholinesterase otak (AchE) dan hal ini
berbahaya terhadap fungsi tubuh manusia. Jika suatu pertanaman
kapas disemprot salah satu cara untuk melihat/mendeteksi bahwa
ada pengaruh diatas atau tidak adalah dengan menyelidiki apakah
burung puyuh yang umumnya banyak terdapat disitu berkurang
aktivitas AchE-nya atau tidak. Dari suatu pertanaman kapas yang
baru disemprot pestisida diamati 10 ekor puyuh dan data yang
diperoleh adalah sebagai berikut:
86.03 83.67 95.21 92.94 83.12
80.22 85.32 90.45 88.07 94.00

Jika diketahui bahwa akibat aktivitas AchE burung puyuh tersebar

secara normal dengan μ=97.75 , tentukan H1 yang sesuai untuk
menguji H0: μ=97.75. Dengan taraf nyata 5% tentukan apakah
pestisida tersebut berbahaya terhadap aktivitas AChE atau tidak ,
gunakan pendekatan titik , peluang dan selang kepercayaan!

2. Dua kelompok anak-anak penderita asma dipergunakan untuk

mempelajari perilaku anak yang menderita penyakit tersebut. Satu
kelompok terdiri dari 160 anak diperlakukan di sebuah rumah
sakit (A) dan 100 anak di suatu tempat yang terisolir (B). Setelah
perlakuan masing-masing kelompok didiagnose untuk ditentukan
siapa yang berperilaku anti sosial (sosiopatik) dan tidak. Ternyata
25 anak dan 30 anak dari kelompok A dan B berturut-turut adalah
sosiopatik. Uji hipotesis nol yang menyatakan tidak ada perbedaan
proporsi sosiopatik di kedua kelompok tersebut. Gunakan taraf
nyata 5% , gunakan pendekatan titik,peluang dan selang!
4.2 Pembahasan
a. Perhitungan Manual

Nomor 1
H0 : µ=97.75
H1 : µ≠97.75
n = 10  = 0,05 1- = 95%
X = 87.903 s = 5.082

- Pendekatan Titik
X−μ 87.903−97.75
SU= s = 5.082 = -6.127
√n
❑
√10
❑

t .025,9=±2.262

Karena |SU| > t .025,9, maka tolak H0

- p-value
p-value = P( |t| ≥ SU) = P( |t| ≥ -6.127)
Tolak H0 karena p-value berada dalam daerah penolakan H0
- Selang Kepercayaan 95% 2 arah bagi µ
BB, BA = X ± 2.2625.082/√ 10
BB, BA = (84.268 ; 91.53)
Tolak H0 karena terletak di luar selang kepercayaan
Nomor 2
H0 : p1-p2 = p0 = 0
H1 : p1-p2 = p0 ± 0
 = 0,05 p1 = 25/160 p2 = 30/100

- Pendekatan Titik
 ( p 1−p 2 ) −p 0 ( 160
25
−30 /100 )−0

√ √
SU= p 1q 1 p 2 q 2 = 35 70
+ 25/160( ) 30 /100 ( )
n1 n2 160 100
+
160 100
= -2.658
Z.025 =1.96

Karena |SU| > Z .025, maka tolak H0

- p-value
p-value = P( |Z| ≥ SU) = P( |Z| ≥ -2.658) = 0.0786
Tolak H0 karena p-value berada dalam daerah penolakan H0
- Selang Kepercayaan 95% 2 arah bagi µ
BB, BA = (p1-p2) ±
BB, BA
√ p 1 q 1 p 2q 2

=
n1
+
n2
(25/160-30/100) ±

√
35 70
25 /160 ( ) 30/100( )
160 100
+
160 100
BB, BA = (-0.0377 ; -0.2497)
Tolak H0 karena terletak di luar selang kepercayaan

 Output Genstat
 BAB V
PENUTUP

5.1 Kesimpulan
Dari percobaan uji t 1 populasi dan uji dua proporsi, hasil
yang didapatkan adalah sebagai berikut
Hasil
N Perbandinga Perhitungan Interpretas
Output
o n Manual i
GenStat
Aktivitas
AcHE
1 Statistik Uji -6.127 -6.13
puyuh
menurun
p-value - 0.001
Selang (84.268;91.5 (84.27;91.54
Kepercayaan ) )

Terdapat
perbedaan
proporsi
2 Statistik Uji -2.658 -2.761 sosiopatik
pada kedua
kelompok
tersebut
 p-value 0.0786 0.006
Selang (-0.2497; - (-0.2497;-
Kepercayaan 0.0377) 0.03777)

Jadi, dapat disimpulkan bahwa perhitungan manual hampir

sama dengan perhitungan output GenStat. Terjadi perbedaan pada p-
value nomor 2. Kemungkinan yang terjadi adalah salahnya
perhitungan manual.

5.2 Saran
Perlu dilakukan perhitungan yang diteliti agar terhindar dari
kesalahan yang dapat berakibat fatal dalam melakukan interpretasi
data.
 DAFTAR PUSTAKA

Walpole, Ronald E.1988.Pengantar Statistika.Jakarta:Gramedia Pustaka

Utama
Yitnosumarto,Suntoyo.1990.Dasar-dasar Statistika.Jakarta:Rajawali Press
 LAMPIRAN
GenStat Release 12.1 ( PC/Windows Vista) 05 March 2019 22:39:22
Copyright 2009, VSN International Ltd.
Registered to: VSNi

________________________________________

GenStat Twelfth Edition

GenStat Procedure Library Release PL20.1
________________________________________

1 %CD 'C:/Users/Denil/Documents'
2 "Data taken from unsaved spreadsheet: New Data;1"
3 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
4 "Data taken from unsaved spreadsheet: New Data;1"
5 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
6 "Data taken from unsaved spreadsheet: New Data;1"
7 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
8 "Data taken from unsaved spreadsheet: New Data;2"
9 DELETE [REDEFINE=yes] C17
10 UNITS [NVALUES=*]
11 VARIATE [NVALUES=10] C17
12 READ C17

Identifier Minimum Mean Maximum Values

Missing
C17 80.22 87.90 95.21 10

14
15 %PostMessage 1129; 0; 81738952 "Sheet Update Completed"
16 TTEST [PRINT=summary,test,confidence; METHOD=twosided;
NULL=97.75; CIPROB=0.95] Y1=C17

One-sample t-test
Variate: C17.

Summary
 Standard
Standard error
Sample Size Mean Variance deviation
of mean
C17 10 87.90 25.83 5.082
1.607

95% confidence interval for mean: (84.27, 91.54)

Test of null hypothesis that mean of C17 is equal to 97.75

Test statistic t = -6.13 on 9 d.f.

Probability < 0.001

17 TTEST [PRINT=summary,test,confidence; METHOD=twosided;

NULL=97.75; CIPROB=0.95] Y1=C17

One-sample t-test
Variate: C17.

Summary
Standard
Standard error
Sample Size Mean Variance deviation
of mean
C17 10 87.90 25.83 5.082
1.607

95% confidence interval for mean: (84.27, 91.54)

Test of null hypothesis that mean of C17 is equal to 97.75

Test statistic t = -6.13 on 9 d.f.

Probability < 0.001

 18 "Data taken from unsaved spreadsheet: New Data;3"
19 %PostMessage 1129; 0; 81294368 "Sheet Update Completed"
20 "Data taken from unsaved spreadsheet: New Data;1"
21 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
22 "Data taken from unsaved spreadsheet: New Data;4"
23 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
24 "Data taken from unsaved spreadsheet: New Data;5"
25 DELETE [REDEFINE=yes] C20,C21
26 UNITS [NVALUES=*]
27 TEXT [NVALUES=1] C20
28 READ C20

Identifier Minimum Mean Maximum Values

Missing
C20 1

30 VARIATE [NVALUES=1] C21

31 READ C21

Identifier Minimum Mean Maximum Values

Missing
C21 30.00 30.00 30.00 1

33
34 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
35 "Data taken from unsaved spreadsheet: New Data;5"
36 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
37 "Data taken from unsaved spreadsheet: New Data;5"
38 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
39 "Data taken from unsaved spreadsheet: New Data;6"
40 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
41 "Data taken from unsaved spreadsheet: New Data;6"
42 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
43 "Data taken from unsaved spreadsheet: New Data;6"
44 DELETE [REDEFINE=yes] C22,C23
45 UNITS [NVALUES=*]
46 VARIATE [NVALUES=1] C22
47 READ C22

Identifier Minimum Mean Maximum Values

Missing
C22 0.1562 0.1562 0.1562 1
 49 VARIATE [NVALUES=1] C23
50 READ C23

Identifier Minimum Mean Maximum Values

Missing
C23 0.3000 0.3000 0.3000 1

52
53 %PostMessage 1129; 0; 81671640 "Sheet Update Completed"
54 BNTEST [PRINT=summary,test,confidence; METHOD=twosided;
CIPROB=0.95] R1=C22; R2=C23

Two-sample binomial test

Summary

Sample Size Successes Proportion

1 1 0 0
2 1 0 0

Approx s.e. of difference between proportions: 0

Test of null hypothesis that proportion 1 is equal to

proportion 2
Normal Approximation = *
Probability = < 0.001

95% confidence interval for difference between proportions: (0, 0)

55 BNTEST [PRINT=summary,test,confidence; METHOD=twosided;

CIPROB=0.95] R1=25; N1=160; R2=30; N2=100

Two-sample binomial test

Summary

Sample Size Successes Proportion

1 160 25 0.156
2 100 30 0.300

Approx s.e. of difference between proportions: 0.0541

Test of null hypothesis that proportion 1 is equal to

proportion 2
Normal Approximation = -2.761
Probability = 0.006

95% confidence interval for difference between proportions: (-0.2497, -

0.03777)