STATISTIKA BISNIS

PENGUJIAN HIPOTESIS
Contact Person:
Alamat : Jl. Kutai Kel. Tamalate
Kecamatan Kota imur, Kota Gorontalo

Email:
masaydj@yahoo.co.id

HP: 082292270178

@ Sayuti 2015
 PENGUJIAN HIPOTESIS
• Merupakan tahap akhir prosedur pengambilan keputusan secara
statistika, yaitu kesimpulan/inferensia terhadap populasi berdasarkan
informasi contoh
• Hipotesis adalah keputusan sementara yang perlu diuji
• Secara alami, keputusan yang diambil dapat benar dapat keliru:

Situasi
Keputusan
Tidak Aman Aman

Tunggu Benar Tidak Benar

Menyeberang Tidak Benar Benar

2
@ Sayuti 2015
 PENGUJIAN HIPOTESIS
Situasi
Keputusan Proses Tidak
Proses Terkendali
Terkendali

Teruskan Produksi Benar Galat (Tipe II)

Hentikan Produksi Galat (Tipe I) Benar

Situasi
Keputusan
H0 Benar H0 Tidak Benar
atau H1 Keliru atau H1 Benar

Gagal Tolak H0
Benar β
atau Tolak H1

Tolak H0
α Benar
atau Terima H1
3
@ Sayuti 2015
 PENGUJIAN HIPOTESIS

Situasi
Keputusan
H0 Benar H0 Tidak Benar
atau H1 Keliru atau H1 Benar

Gagal Tolak H0
Benar β
atau Tolak H1

Tolak H0
α Benar
atau Terima H1

α = Peluang menolak H0 padahal H0 benar = P{Tolak H0|H0 Benar}

1-α = Tingkat kepercayaan penolakan H0

β = Peluang menolak H1 padahal H1 benar = P{Tolak H1|H1 Benar}

1-β = Kuasa Uji (Kriteria sahih tidaknya prosedur pengujian)

4
@ Sayuti 2015
 PENGUJIAN HIPOTESIS (Teladan 1)
Sebuah perusahaan penjual keramik untuk lantai bangunan mengemas
keramiknya dalam kotak khusus yang masing-masing berisi 12 buah.
Diketahui, berdasarkan pengalaman, keramik-keramik tersebut selalu
ada yang rusak setiap kali pengiriman. Untuk itu, perusahaan keramik
tersebut memberikan diskon sebesar 16.67% untuk setiap kotak (2 dari
12 buah keramik dalam setiap kotak tidak perlu dibayar). Seorang
pemborong bangunan perumahan selalu membeli keramik dalam
jumlah yang besar dari perusahaan keramik tersebut. Pemborong ini
selalu memeriksa keramik yang dibelinya secara teratur melalui
pengambilan contoh acak sebanyak 400 kotak. Berdasarkan rata-rata
keramik yang rusak setiap kotak dan simpangan bakunya, pemborong
ini memerlukan kriteria untuk memutuskan:
• (a) apakah rata-rata keramik yang rusak mengalami perubahan;
(b) apakah kualitas pengiriman memburuk; atau
(c) apakah kualitas pengiriman membaik.

• (a) H0: μ=2 vs H1: μ≠2 (hipotesis dua arah)

(b) H0: μ=2 vs H1: μ>2 (hipotesis satu arah)
(c) H0: μ=2 vs H1: μ<2 (hipotesis satu arah)
5
@ Sayuti 2015
 PENGUJIAN HIPOTESIS (Teladan 1, Lanjutan)
• Dari contoh berukuran n=400 diperoleh dan s=1.80
• Jika H0 benar, maka 95% rata-rata contoh haruslah terletak antara
s s
  1.96 dan   1.96 atau antara 1.82 dan 2.18
n n
• Dengan perkataan lain, semua atau akan
menyebabkan H0 ditolak, sedangkan semua akan
menyebabkan H0 gagal ditolak (terpaksa diterima).

• Oleh karena atau maka H0 harus ditolak.

6
@ Sayuti 2015
 PENGUJIAN HIPOTESIS (Teladan 1, Lanjutan)
• Dari contoh berukuran n=400 diperoleh dan s=1.80

• Hitung statistik uji

• Tentukan taraf nyata dan

• Oleh karena tolak H0.

• Kesimpulan/Interpretasi:
Informasi yang diperoleh dari contoh dapat digunakan untuk
menggugurkan hipotesis yang menyatakan bahwa hanya 2 dari 12 buah
keramik rusak dalam perjalanan.
• Oleh karena hipotesis yang diuji adalah hipotesis dua arah, hipotesis ini
tidak dapat digunakan untuk menyatakan bahwa kualitas pengiriman
telah membaik atau memburuk.

7
@ Sayuti 2015
 PENGUJIAN HIPOTESIS (Teladan 1, Lanjutan)

• Hipotesis Satu arah H0: μ=2 vs H1: μ>2 dapat diuji untuk menentukan
apakah kualitas pengiriman membaik atau memburuk.

• Hitung statistik uji

• Tentukan taraf nyata dan

• Oleh karena tolak H0.

• Kesimpulan/Interpretasi:
Informasi yang diperoleh dari contoh dapat digunakan untuk
menyatakan bahwa kualitas pengiriman telah memburuk dari rata-rata
2 rim menjadi 2.25 rim untuk setiap 12 rim pada tingkat kepercayaan
95%

8
@ Sayuti 2015
 PENGUJIAN HIPOTESIS (Teladan 1, Lanjutan)

β dapat dihitung berdasarkan hubungan:

sehingga untuk beberapa nilai μ (α = 5% dan n = 400) diperoleh β:

Nilai μ Dua Arah Satu Arah

Kuasa Uji:
1.55 0.00 0.00
1.64 0.03 0.01 1–β
1.73 0.16 0.09
1.82 0.50 0.37 Dengan demikian
1.91 0.84 0.75 jika nilai sesung-
guhnya μ = 2
2.00 0.95 0.95
maka β = 0.95
2.09 0.84 0.75 sehingga kuasa
2.18 0.50 0.37 uji menjadi 0.05
2.27 0.16 0.09 atau
2.36 0.03 0.01 pengujian tidak
2.45 0.00 0.00 dapat diandalkan

Pengujian Hipothesis 9
@ Sayuti 2015
 LANGKAH PENGUJIAN HIPOTESIS
1. Tentukan H0 dan H1. Jika tujuan pengujian hipotesis adalah untuk menentukan
apakah rata-rata populasi sama dengan suatu nilai tertentu (misal μ0), maka hipotesis
sama dengan selalu dinyatakan sebagai H0 dan hipotesis tidak sama dengan selalu
dinyatakan sebagai H1.

2. Batasi statistik uji berdasarkan data contoh. Untuk pengujian rata-rata populasi
dengan ukuran contoh n yang besar (n≥30) digunakan uji z, sedangkan untuk ukuran
contoh n yang kecil (n<30) digunakan uji t, masing-masing:

3. Batasi daerah penolakan hipotesis H0 berdasarkan taraf nyata α tertentu (biasanya 5%

atau 0.05). Nilai statistik uji yang terletak di daerah ini akan berakibat ditolaknya H0.
4. Hitung statistik uji pada langkah 2 dan bandingkan dengan titik kritis pada langkah 3
kemudian berikan keputusan tolak H0 atau gagal tolak H0.
5. Berikan kesimpulan atau interpretasi berdasarkan permasalahan yang sedang dikaji.
Pernyataan pada kesimpulan sebaiknya bebas dari istilah statistika dan dapat
memberikan ringkasan dari hasil analisis data.
Pengujian Hipothesis 10
@ Sayuti 2015
 PENGUJIAN HIPOTESIS
TERHADAP RATA-RATA POPULASI, n BESAR
Uji Dua Arah:

Tolak H0 jika sedangkan untuk

Uji Satu Arah: atau

Tolak H0 jika atau

untuk untuk

Untuk populasi terhingga dengan

dan untuk kasus ukuran populasi lainnya.

Pengujian Hipothesis 11
@ Sayuti 2015
 PENGUJIAN HIPOTESIS
TERHADAP RATA-RATA POPULASI, n KECIL
Uji Dua Arah:

Tolak H0 jika sedangkan

Uji Satu Arah: atau

Tolak H0 jika atau

dan n-1 adalah derajat bebas.

Pengujian Hipothesis 12
@ Sayuti 2015
 ANALISIS REGRESI SEDERHANA

@ Sayuti 2015
 SEJARAH REGRESI

Istilah Regresi diperkenalkan oleh Fancis Galtom

“Meskipun ada kecenderungan bagi orang tua yang
tinggi mempunyai anak-anak yang tinggi, dan bagi
orang tua yang pendek mempunyai anak yang
pendek, distribusi tinggi dari suatu populasi tidak
berubah secara menyolok (besar) dari generasi ke
generasi”.

Regresi = “Kemunduran ke arah sedang”

@ Sayuti 2015
 ILUSTRASI

@ Sayuti 2015
 Pengertian Regresi
• Analisis regresi merupakan studi
ketergantungan satu atau lebih variabel
bebas terhadap variabel tidak bebas.
Dengan maksud untuk meramalkan nilai
variabel tidak bebas.

@ Sayuti 2015
 Contoh Penerapan Analisis Regresi
1. Analisis Regresi antara tinggi orang tua terhadap
tinggi anaknya (Gultom).
2. Analisis Regresi antara pendapatan terhadap
konsumsi rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan
barang.
4. Analisis Regresi antara tingkat upah terhadap
tingkat pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank
terhadap harga saham
6. Analisis regresi antara biaya periklanan terhadap
volume penjualan perusahaan.

@ Sayuti 2015
 KETERGANTUNGAN STATISTIK VS.
FUNGSIONAL
• Hubungan kausal (ketergantungan statistik)
– Konsumsi dengan pendapatan
– Masa kerja dengan produktifitas
– Iklan dengan penjualan
• Hubungan fungsional/Identitas
– Likuditas dengan aktiva lancar
– Produktivitas dengan hasil produksi
– Upah karyawan dengan jam kerja

@ Sayuti 2015
 Perbedaan mendasar antara korelasi dan regresi
?

• Korelasi hanya • Regresi menunjukkan

menunjukkan hubungan pengaruh.
sekedar hubungan. • Dalam regresi
• Dalam korelasi terdapat istilah
variabel tidak ada tergantung dan
istilah tergantung variabel bebas.
dan variabel bebas.

@ Sayuti 2015
 Istilah dan notasi variabel dalam
regresi ?
Y X
• Varaibel tergantung • Varaibel bebas (Independent
(Dependent Variable) Variable)
• Variabel yang dijelaskan • Variabel yang menjelaskan
(Explained Variable) (Explanatory Variable)
• Variabel yang diramalkan • Variabel peramal (Predictor)
(Predictand) • Variabel yang meregresi
• Variabel yang diregresi (Regressor)
(Regressand) • Variabel perangsang atau
• Variabel Tanggapan kendali (Stimulus or control
(Response) variable)

@ Sayuti 2015
 Persamaan Regresi
Persamaan Regresi
linier Sederhana:
n( XY )  ( X )(  Y )
Y = a + bX +  b
n( X 2 )  ( X ) 2
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
a
 Y  b(  X )
X = Variabel bebas
n
 = Nilai Residu

@ Sayuti 2015
 Contoh Kasus:
Seorang manajer pemasaran akan meneliti
apakah terdapat pengaruh iklan terhadap
penjualan pada perusahaan-perusahaan di
Kabupaten WaterGold, untuk kepentingan
penelitian tersebut diambil 8 perusahaan
sejenis yang telah melakukan promosi.

@ Sayuti 2015
 Pemecahan
1. Judul
Pengaruh biaya promosi terhadap
penjualan perusahaan.
2. Pertanyaan Penelitian
– Apakah terdapat pengaruh positif biaya
promosi terhadap penjualan perusahaan ?
3. Hipotesis
– Terdapat pengaruh positif biaya promosi
terhadap penjualan perusahaan.

@ Sayuti 2015
 4. Kriteria Penerimaan Hipotesis

Ho : Tidak terdapat pengaruh positif biaya iklan

terhadap penjualan perusahaan.
Ha : Terdapat pengaruh positif biaya iklan terhadap
penjualan perusahaan.

• Ho diterima Jika
b ≤ 0, t hitung ≤ tabel
• Ha diterima Jika
b > 0, t hitung > t tabel.

@ Sayuti 2015
 5. Sampel
8 perusahaan
6. Data Yang dikumpulkan

Penjualan (Y) 64 61 84 70 88 92 72 77

Promosi (X) 20 16 34 23 27 32 18 22

@ Sayuti 2015
 7. Analisis Data
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya
6. Nilai F hitung
7. Nilai t hitung
8. Kesimpulan

@ Sayuti 2015
 Persamaan Regresi
Y X XY X2 Y2
64 20 1280 400 4096
61 16 976 256 3721
84 34 2856 1156 7056
70 23 1610 529 4900
88 27 2376 729 7744
92 32 2944 1024 8464
72 18 1296 324 5184
77 22 1694 484 5929
608 192 15032 4902 47094

@ Sayuti 2015
 n( XY )  ( X )(  Y )
b
n( X 2 )  ( X ) 2

8(15032 )  (192)(609)
b  1,497
8(4902 )  (192) 2

a
 Y  b(  X )
n
(608)  1,497 (192 )
a  40,082
8

Y= 40,082 + 1,497X+e

@ Sayuti 2015
 Nilai Prediksi
• Berapa besarnya penjualan jika promosi sebesar 20?
40,082 + (1,497*20)= 70,022
• Berapa besarnya penjualan jika promosi sebesar 16?
40,082 + (1,497*16)=64,034
• Berapa besarnya penjualan jika promosi sebesar 34?
40,082 + (1,497*34)= 90,98
• Berapa besarnya penjualan jika promosi sebesar 23?
40,082 + (1,497*23)= 74,513
• Berapa besarnya penjualan jika promosi sebesar 27?
40,082 + (1,497*27)=80,501
• Berapa besarnya penjualan jika promosi sebesar 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!

@ Sayuti 2015
 No Y X XY X2 Y2 Ypred (Y-Ypred)2 (Y-Yrata)2

1 64 20 1280 400 4096 70.022 36.264 144

2 61 16 976 256 3721 64.034 9.205 225

3 84 34 2856 1156 7056 90.98 48.720 64

4 70 23 1610 529 4900 74.513 20.367 36

5 88 27 2376 729 7744 80.501 56.235 144

6 92 32 2944 1024 8464 87.986 16.112 256

7 72 18 1296 324 5184 67.028 24.721 16

8 77 22 1694 484 5929 73.016 15.872 1

Jlh 608 192 15032 4902 47094 608.08 227.497 886

@ Sayuti 2015
 Koefesien Determinasi
Koefesien determinasi:

R  1
2  (Y  Yˆ ) 2
R  1
2 (227,497 )
 0,743
 (Y  Y ) 2
(886)

Koefesien Determinasi Disesuaikan (adjusted)

P (1  R 2
) 1(1  0,743)
Radj  R2  Radj  0,743   0,70
N  P 1 8 11

@ Sayuti 2015
 Kesalahan Baku Estimasi

Digunakan untuk mengukur tingkat kesalahan

dari model regresi yang dibentuk.

Se 
 (Y  Yˆ ) 2

Se 
(227,467 )
 6,1576
nk 82

@ Sayuti 2015
 Standar Error Koefesien Regresi

Digunakan untuk mengukur besarnya tingkat kesalahan

dari koefesien regresi:

Se 6,1576
Sb  Sb1   0,359
( X ) 2
(192) 2

X 
2
(4902 ) 
n 8

@ Sayuti 2015
 Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu
menggambarkan kondisi sesungguhnya:

Ho: Diterima jika F hitung  F tabel

Ha: Diterima jika F hitung > F tabel

Rumus menentukan F tabel: 𝒇 > 𝒇𝒂 𝒌 − 𝟏, 𝒏 − 𝒌

R 2 /( k  1) 0,743 /( 2  1)
F F  17,367
1  R 2 /( n  k ) 1  0,743 /(8  2)

Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan

regresi dinyatakan Baik (good of fit).

@ Sayuti 2015
 Uji t
Digunakan untuk mengatahui pengaruh variabel bebas
terhadap variabel tergantung.
Ho: Diterima jika t hitung  t tabel
Ha: Diterima jika t hitung > t tabel

bj 1,497
Thitung  t hitung   4,167
Sbj 0,359

Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima

ada pengaruh iklan terhadap penjualan.

@ Sayuti 2015
 KESIMPULAN DAN IMPLIKASI

KESIMPULAN
Terdapat pengaruh positif biaya
periklanan terhadap volume penjualan.

IMPLIKASI
Sebaiknya perusahaan terus
meningkatkan periklanan agar penjualan
meningkat.

@ Sayuti 2015
@ Sayuti 2015