UJI HIPOTESIS dan N Gain

Makalah ditulis guna untuk memenuhi tugas Mata Kuliah

Statistik Multivariat

Di Susun Oleh : Kelompok 3 (tiga)

1. Reno Nabila (4120004)

2. Ayu Luvitasari (4120018)

3. Dian Indah Milasari (4120010)

4. Desfirda Hartanti (4120002)

Dosen Pengampu : Tri Ariani, M.Pd.Si

PROGRAM STUDI PENDIDIKAN FISISKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS PGRI SILAMPARI LUBUK LINGGAU

2023 KED
 KATA PENGANTAR

Syukur alhamdulillah senantiasa kami panjatkan atas kehadirat allah SWT

yang telah melimpahkan rahmat dan karunia-nya. Sholawat serta salam selalu kita
curahakan kepada junjungan kita Nabi Besar Muhammad SAW. sehinga kami
dapat menyelesaikan makalah ini guna memenuhi tugas kelompok untuk mata
kuliah statistic multivariate, dengan judul:”Uji Hipotesis”. kami menyadari bahwa
dalam penulisan tugas ini masih banyak kekurangan, oleh karena itu kami sangat
mengharapakan kritik dan saran yang membangun. dan semoga dengan
terselesaikannya tugas ini dapat bermanfaat bagi kita semua. Amin.

Lubuk linggau, 03 Maret 2023

Penulis

KED
 BAB II

PEMBAHASAN

A. Pengertian Uji Normalitas Gain (N-gain)

Gain adalah selisih antara nilai posttest dan pretpatest , gain menunjukan
peningkatan pemahaman atau penguasaan konsep siswa setelah pembelajaran di
lakukan guru. Untuk menghindari hasil kesimpulan peneliti, karena pada nilai
presert kedua kelompok penelitian sudah berbeda digunakan uji normalitas.
Kelebihan penggunaan model dalam meningkatkan keterampilan berpikir kritis
ditinjau berdasarkan perbandingan nilai gain yang dinormalisasi (N-gain), antara
kelompok eksperimen dan kelompok control.

Normalized Gain secara bahasa menunjukkkan 'peningkatan'. Pertama

kalinyanya diperkenalkan oleh seseorang yang berkecimpung dibidang fisika
yaitu R. Hake (1999). Normalized gain diperkenalkan oleh Hake sebagai sebuah
ukuran kasar dari efektivitas pembelajaran fisika dalam meningkatan pemahaman
konsep.

Uji Normalitas Gain/n-gain menurut hake adalah sebuah uji yang bisa
memberikan gambaran umum peningkatan skor hasil pembelajaran antara
sebelum dan sesudah diterapkannya metode tersebut (Hake, 1999 as cited in
Sundayana, 2016). Berdasarkan definisi gain dan n gain di atas, kita bisa melihat
selisih perbedaan skor kemampuan siswa, baik dalam bentuk peningkatan maupun
penurunan., sehingga pengujian ini merupakan metode yang cocok untuk
diterapkan untuk menentukan ada tidaknya perkembangan. Hake mendefinisikan
normalized gain <g> dalam suatu persamaan berikut:

Tanda kurung dalam persamaan di atas mengindikaskan rata-rata kelas.

Nilai atau angka 100 menunjukkan skor ideal untuk hasil pembelajaran. Kategori
untuk analisis ini dibedakan tiga yaitu rendah (< 0.3), sedang (0.3 < g < 0.7) dan
tinggi (<g> 0.7). Ada keuntungan ketika normalized gain digunakan sebagai alat
analisis. Menilik pada alasan yang diusulkan Hake, keuntungan tersebut adalah
ukuran ini sangat berbeda untuk setiap metode pembelajaran yang diterapkan
namun mengizinkan sebuah anlisis konsisten untuk populasi siswa yang besar dan
keadaaan awal yang berbeda. Dengan kata lain, analisis ini dapat membandingkan
pembelajaran siswa satu dengan pembelajaran lain dari institusi yang berbeda
dengan latar belakang berbeda pula. Sebuah keuntungan yang dapat dikatakan luar
KED
biasa, bagaimana tidak tanpa melihat kondisi awal sebuah perlakuan bisa bisa
dibandingkan.

Disisi yang lain, berbagai kritik tentunya bermunculan terhadap analisis

normalized gain. Karena analisis ini sangat populer di kalangan orang fisika,
beberapa peneliti dalam bidang lain seperti peneliti dibidang sosial tidak
mengenal sama sekali analisis ini. Kritikan yang pertama adalah sulit sekali untuk
tidak menghubungkan keadaan awal siswa terhadap perlakukan yang diberikan.
Beberapa penelitian justru menunjukkan adanya korelasi yang kuat antara keadaan
awal dengan perlakukan. Kedua, analisis ini tidak bertanggung jawab untuk laju
penurunan. Jika mendapatkan skor post-test yang kecil atau sama dengan pre-test,
apa makna effektivitas dalam kasus ini. Apakah ketika normalized gain nol,
pembelajaran tidak mempunyai efektivitas sama sekali seolah-olah sama dengan
tidak belajar. Atau ketika nilai analisis ini negatif menunjukkkan bahwa pada
siswa terjadi penurunan pengetahuan setelah pembelajaran dilakukan. Sebuah
alternatif untuk analisis ini tentunya datang dari analisis keilmuan sosial. Dalam
ranah sosial sering kali memunculkan analisis "effect size" yang menunjukkan
seberapa signifikan sebuah perbedaan terjadi akibat sebuah perlakukan. Aanalisis
ini jauh lebih awal keberadaannya dibandingkan dengan normalized gain yang
dikemukakan oleh Hake tahun 1999.

Uji normalitas berguna untuk menentukan data yang telah dikumpulkan

berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam
pengujian normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman
empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n >
30), maka sudah dapat di asumsikan berdistribusi normal. Biasa dikatakan sebagai
sampel besar. Namun untuk memberikan kepastian, data yang dimiliki
berdistribusi normal atau tidak, sebaiknya digunakan uji statistic normalitas.

Uji distribusi normal adalah uji untuk mengukur apakah data yang
didapatkan memiliki distribusi normal sehingga dapat dipakai dalam statistic
parametrik (statistikinferensial). Dengan kata lain, uji normalitas adalah uji untuk
mengetahui apakah data empirik yang didapatkan dari lapangan itu sesuai dengan
distribusi teoritik tertentu.

Ada dua macam pengujian yaitu pengujian normalitas dengan uji Liliefors
dan dengan kecocokan Chi square. Uji normalitas data ini dilakukan untuk
mengetahui apakah sampel yang diteliti berdistribusi normal atau tidak. Uji
normalitas yang digunakanya itu uji Liliefors.

KED
B. Cara Menghitung N-Gain Score Kelas Eksperimen dan Kontrol dengan
SPSS

Normalized gain atau N-gain score bertujuan untuk mengetahui efektivitas

penggunaan suatu metode atau perlakuan (treatment) tertentu dalam penelitian one
group pretest posttest design (eksperimen design atau pre-experimental design)
maupun penelitian menggunakan kelompok kontrol (quasi eksperimen atau true
eksperimen). Uji N-gain score dilakukan dengan cara menghitung selisih antara
nilai pretest (tes sebelum diterapkannya metode (perlakuan) tertentu) dan nilai
posttest (tes sesudah diterapkannya metode (perlakuan) tertentu).

Dengan menghitung selisih antara nilai pretest dan posttest atau gain score
tersebut, kita akan dapat mengetahui apakah penggunaan atau penerapan suatu
metode tertentu dapat dikatakan efektif atau tidak. Catatan: dalam penelitian one
group pretest posttest design (eksperimen design), uji N-gain score dapat
digunakan ketika ada perbedaan yang signifikan antara rata-rata nilai pretest dan
posttest melalui uji paired sample t test. Sementara dalam penelitian
menggunakan kelompok eksperimen dan kelompok kontrol, uji N-gain score
dapat digunakan ketika ada perbedaan yang signifikan antara rata-rata nilai
posttest kelompok eksperimen dengan nilai posttest kelompok kontrol melalui uji
independent sample t test

 Keterangan: Skor Ideal adalah nilai maksimal (tertinggi) yang dapat

diperoleh.

1. Kategori Perolehan Nilai N-Gain Score

Kategorisasi perolehan nilai N-gain score dapat ditentukan berdasarkan

nilai N-gain maupun dari nilai N-gain dalam bentuk persen (%). Adapun
pembagian kategori perolehan nilai N-gain dapat kita lihat pada tabel berikut.

Sementara, pembagian kategori perolehan N-gain dalam bentuk persen (%) dapat
mengacu pada gambar tabel di bawah ini.
KED
  Catatan: kita boleh memilih salah satu dari kedua ketentuan tentang
kategori atau kriteria perolehan nilai N-gain score di atas.

2. Contoh Kasus Menghitung N-Gain Score pada Penelitian

Sebagain contoh kita menggunakan uji N-gain score untuk mengetahui

efektivitas penggunaan metode cooperative learning terhadap hasil belajar dalam
mata pelajaran PPKn

materi Pers pada siswa kelas 11 SMA-IT Nurhidayah Surakarta Tahun Pelajaran
2019. Adapun data nilai pretest dan posttest pada kelas eksperimen dan kelas
kontrol, dapat kita lihat pada tabel berikut ini.

 Keterangan: Jumlah sampel untuk kelas eksperimen sebanyak 11 orang

siswa, sementara kelas kontrol sebanyak 8 orang siswa. Kelas eksperimen
menggunakan metode cooperative learning, sedangkan kelas kontrol
menggunakan metode konvensional learning. Skor Ideal bernilai 100.

KED
 C. Pengertian Dasar Hipotesis Dan Jenis Hipotesis

Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang di buat untuk
menjelaskan hal yang akan sering di tuntut melakukan pengecekannya. Jika
asumsi atau dugaan di khususkan mengenai populasi, maka hiptesis itu di sebut
hipotesis statistic. Demikianlah misalnya yang berikut dapat di anggap sebagai
hipotesis:

a. Peluang lahirnya bayi laki - laki = 0,5

b. 30% masyarakat trmasuk golongan A

c. Rata – rata pendapatan keluarga di suatu daerah Rp 35.000.00

Setiap hipotesis bisa benar atau tidak benar dan karenanya perlu di adakan
penelitian sebelum hipotesis itu di terima atau di tolak. Langkah atau prosedur
untuk menentukan apakah menerima atau menolak hitesis di namakan pengujian
hipotesis.

1. Hipotesis Deskriptive

Hipotesis deskripsif dapat diartkan: sebagai dugaan atau jawaban sementara

terhadap masalah deskriptif yang berhubungan dengan variabel tunggal.

Contoh: Anda meneliti apakah sebuah merk minuman soda mengandung alkohol.
Maka anda membuat rumusan masalah: apakah benar sebuah merk minuman soda
mengandung alkohol? Maka hipotesis penelitian anda adalah:

Ho: sebuah merk minuman soda mengandung alkohol.

H1: sebuah merk minuman soda tidak mengandung alkohol.

2. Hipotesis Komparatif

Hipotesis komparatif dapat diartikan: sebagai dugaan atau jawaban

sementara terhadap rumusan masalah yang mempertanyakan perbandingan
(komparasi) antara dua variabel penelitian.

Contoh: Anda meneliti apakah ada perbedaan hasil belajar antara metode
pembelajaran pedagogi dan metode pembelajaran konvensional pada siswa kelas 6
sekolah B. Maka anda membuat rumusan masalah: adakah perbedaan hasil belajar
antara metode pembelajaran pedagogi dan metode pembelajaran konvensional
pada siswa kelas 6 sekolah B? Maka hipotesis penelitian anda adalah: Ho: Tidak
ada perbedaan hasil belajar antara metode pembelajaran pedagogi dan metode
pembelajaran konvensional pada siswa kelas 6 sekolah B. H1: Ada perbedaan
hasil belajar antara metode pembelajaran pedagogi dan metode pembelajaran
KED
konvensional pada siswa kelas 6 sekolah B.
3. Hipotesis Asosiatif

Hipotesis asosiatif dapat diartikan sebagai dugaan atau jawaban sementara

terhadap rumusan masalah yang mempertanyakan hubungan antara dua variabel
penelitian.

Contoh: Anda akan meneliti apakah ada hubungan musim panen tembakau di desa
A dengan jumlah penjualan toko B. Maka rumusan masalah yang anda buat
adalah: adakah hubungan musim panen tembakau di desa A dengan jumlah
penjualan toko B? Maka hipotesis penelitian anda adalah:

Ho: Tidak ada hubungan musim panen tembakau di desa A dengan jumlah
penjualan toko B.

H1: Ada hubungan musim panen tembakau di desa A dengan jumlah penjualan
toko B.

Demikian sekilas perihal macam-macam hipotesis penelitian. Semoga mudah

anda pahami.

4. Hipotesis Kausal

Hipotesis kausal dapat diartikan sebagai dugaan atau jawaban sementara terhadap
rumusan masalah yang mempertanyakan pengaruh faktor prediktor terhadap
variabel respon.

Contoh: Anda akan meneliti apakah KB Hormonal ada pengaruh terhadap

kejadian kanker leher rahim. Maka rumusan masalah yang anda buat adalah:
adakah pengaruh KB Hormonal terhadap kejadian kanker leher rahim? Maka
hipotesis penelitian anda adalah:

Ho: Tidak ada pengaruh KB Hormonal terhadap kejadian kanker leher rahim. H1:
Ada pengaruh KB Hormonal terhadap kejadian kanker leher rahim.

D. Kesalahan dalam pengujian

Dalam pengujian hipotesis ada dua kekeliruan yang dapat terjadi, di kenal dengan
nama – nama :

a) Kekeliruan tipe I : ialah menolak hipotesis yang seharusnya di terima

b) Kekeliruan tipe II : ialah menerima hipotesis yang seharusnya di di

tolak

KED
 A. Uji T-Test satu sampel (One sampel t- test).

1. Dasar teori.

Pengujian rata-rata satu sampel dimaksudkan untuk menguji nilai tengah atau
rata-rata populasi µ sama dengan nilai tertentu µo, lawan hipotesis alternatifnya
bahwa nilai tengah atau rata-rata populasi µ tidak sama dengan µo. Pengujian satu
sampel pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan
sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah
sampel. Nilai tertentu di sini pada umumnya adalah sebuah nilai parameter untuk
mengukur suatu populasi.

Jadi kita akan menguji :

Ho : μ= μₒlawan H1 : μ ≠ μₒ

Ho merupakan hipotesa awal sedangkan H1 merupakan hipotesis alternatif atau

hipotesis kerja

2. Rumus one sampel t-tes

X−μₒ
t=
s
√n
Dimana :

t = nilai t yang dihitung

X = nilai rata-rata

μₒ = nilai yang di hipotesiskan

S = simpangan baku sampel

N = jumlah anggota sampel

3. Interpretasi

a. Untuk menginterpretasikan t-test terlebih dahulu harus ditentukan :

a) Nilai signifikansi α

b) Df (degree of freedom)= N-k, khusus untuk one sample t-

tesf =N- 1

a
b. Bandingkan nilai thit dengan ttab, dimana ttab ¿ t ; N-1
2
KED
 c. Apabila :

Thit> ttab : berbeda secara signifikansi (H0 ditolak)

Thit< ttab : Tidak berbeda secara signifikansi (H0 diterima)

Contoh soal:

1. Pengusahan lampu pijar A mengatakan bahwa lampunya bisa tahan pakai

sekitar 800 jam. Akhir-akhir ini timbul dugaan bahwa masa pakai lampu
itu telah berubah. Untuk menentukan hal itu, dilakukan penelitian dengan
jalan uji coba 50 lampu. Ternyata rata-ratanya 792 jam. Selidikilah dengan
taraf nyata 0,05 apakah kualitas lampu itu sudah berubah atau belum.

Jawab :

Dengan memisalkan masa hidup lampu berdistribusi normal, kita akan menguji :

H0: μ = 800 jam, berarti lampu itu masa pakainya sekitar 800 jam

H0: μ ≠ 800 jam, berarti kualitas lampu telah berubah dan bukan 800 jam lagi.

Simpangan baku (s) = 60 jam.

2. Seorang mahasiswa melakuan penelitian mengenai galon susu murni yang

rata-rata isinya 10 liter. Telah diambil sampel secara acak dari 10 botol
yang telah diukur isinya, dengan hasil sebagai berikut :

Galon
Volume
Ke

1 10,2

2 9,7

3 10,1

4 10,3

5 10,1

6 9,8

7 9,9

8 10,4

9 10,3
KED
 10 9,8

Dengan taraf signifikasnsi α = 0,01. Apakah galon susu murni rata-rata isinya 10
liter. Penyelesaian :

Analisa secara manual :

1) Hipotesis Ho : µ = 10 lawan H1 : µ # 10

2) Uji statistik t (karena α tidak diketahui atau n < 30).

3) α = 0.01

4) wilayah kritik : thit < ttab atau thit > ttab

5) Perhitungan, dari data : X = 10.06 dan simpangan baku sampel s =

0.2459.

X−μₒ 10,06−10
t= = =0,772
s 0,2459
√n √ 10
ttab = 3,259

karena thit= 0,772 < ttab = 3,259, maka H0 diterima. Atau untuk menguji Hipotesis
nol menggunakan interval Confidence dengan ketentuan apabila terletak diantara -
0,1927 dan 0,3127 disimpulkan untuk menerima Ho, artinya pernyataan bahwa
rata-rata isi galon susu murni 10 liter dapat diterima.

B. Independent Sample t-test.

1. Dasar teori

Uji ini untuk mengetahui perbedaan rata-rata dua populasi/kelompok data yang
independen. Contoh kasus suatu penelitian ingin mengetahui hubungan status
merokok ibu hamil dengan berat badan bayi yang dilahirkan. Respondan terbagi
dalam dua kelompok, yaitu mereka yang merokok dan yang tidak merokok.

Uji T independen ini memiliki asumsi/syarat yang mesti dipenuhi, yaitu :

a. Datanya berdistribusi normal.

b. Kedua kelompok data independen (bebas)

KED
 c. variabel yang dihubungkan berbentuk numerik dan
kategorik (dengan hanya 2 kelompok).

2. Rumus Independent Sample t-test

X 1−X 2
t=

√ S21 S22
+
n1 n2

X 1 −X 2
t= ¿
√ ( n 1−1 ) S 21+ n2−1 ¿ S 22
n1 +n 2−2
+
[ 1 1
+
n1 n 2 ]
Contohnya:

Dosen statistik ingin mengetahui apakah ada perbedaan nilai ujian matakuliah
statistic antara prodi fisika kelas 4A dan 4B. penelitian ini menggunakan sempel
sebanyak 15 mahasiswa pada masing-masing kelas.

Mahasiswa Nilai Kelas 4A Nilai Kelas 4B

1 75 85

2 85 65

3 60 65

4 80 63

5 58 30

6 92 55

7 80 90

8 70 85

9 65 80

10 75 60

11 60 30
KED
12 85 42
 13 80 70

14 70 75

15 55 75

Ujilah apakah ada perbedaan nilai ujian mata kuliah statistik fisika kelas 4A dan
4B dengan taraf signifikan 5%?

1. Membuat hipotesis penelitian H0 dan H1

H0 : Tidak ada perbedaan nilai ujian statistik antara FISIKA kelas 4A dan 4B.

H1 : Ada perbedaan nilai ujian statistik antara FISIKA kelas 4A dan 4B.

2. Membuat hipotesis statistik

H0 : : µA = µBUji dua pihak (two tails)

H1 : µA ≠ µB

3. Menentukan taraf singnifikansi

taraf singnifikansi α = 5%

4. Menentukan uji yang digunakan

Uji t sampel bebas

5. Kaidah Pengujian

Jika thit > ttab maka H0 ditolak

Jika –ttab ≤ thit ≤ ttab, maka H0 diterima.

6. Menentukan thit dan ttab

a. Membuat tabel penolong

Nilai Kelas 4A Nilai Kelas 4B

Mahasiswa (X1-X1)2 (X2-X2)2
(X1) (X2)

1 75 85 5,4 413,4

2 85 65 152,1 0,1 KED

 3 60 65 160,4 0,1

4 80 63 53,8 2,8

5 58 30 215,1 1201,8

6 92 55 373,8 93,4

7 80 90 53,8 641,8

8 70 85 7,1 413,4

9 65 80 58,8 235,1

10 75 60 5,4 21,8

11 60 30 160,4 1201,8

12 85 42 152,1 513,8

13 80 70 53,8 28,4

14 70 75 7,1 106,8

15 55 75 312,1 106,8

Ʃ 1090 970 1771,3 4981,3

b. Menghitung nilai rata-rata ( X ¿

n1 = banyaknya mahasiswa PGMI 4A

n2 = banyaknya mahasiswa PGMI 4B

Ʃ X 1 1090
X1 = = = 72,7
n1 15

Ʃ X 2 970
X2 = = = 64,7
n2 15

c. Menghitung nilai varians (s2)

2 Ʃ( X 1− X 1)² 1771,3
s1 = = = 126,5
n1−1 14

Ʃ( X 2− X 2)² 4981,3
s22 = = = 355,8
n2−1 14
KED
 d. Menghitung Nilai thitung

X 1− X 2
t hitung = ¿
√ ( n −1 ) S +n −1¿ S
[ ]
2 2
1 1 2 2 1 1
+ +
n1 +n2−2 n1 n2

72,7−64,7
t hitung = ¿ 8
[ ]
√ ( 15−1 ) 126,5+15−1 ¿ 355,8 + 1 + 1 = 5,7 = 1,411
15+15−2 15 15

e. Menentukan Nilai ttabel

ttabel : taraf signifikansi α =5% = 0,05 karena uji dua pihak (two talis),

maka nilai α/2 = 0,05/2=0,025

db = n – 2 = 30-2=28.

Sehingga t t(a,bd) = t(0,025;28) = 2,048

7. Menarik kesimpulan

thitung = 1,411

ttabel = 2,048

thitung < ttabel maka H0 diterima artinya tidak ada perbedaan nilai ujian statistic antara
PGMI kelas 4A dan 4B

PENGUJI
AN
HIPOTESI
S
A. Langkah-langkah pengujian hipotesis
Hipotesis adalah asumsi atau dugaan mengenai sesuatu. Jika hipotesis
tersebut tentang nilai-nilai parameter maka hipotesis itu disebut hipotesis
statistik.

Jika hasil yang didapat dari penelitian terhadap sampel acak, dalam pengertian
peluang, jauh berbeda dari hasil yang diharapkan terjadi berdasarkan
hipotesis, maka hipotesis ditolak. Jika terjadi sebaliknya, hipotesis diterima. KED
Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat
terjadi, dikenal dengan nama-nama:
1. Kekeliruan tipe I: ialah menolak hipotesis yang seharusnya diterima
2. Kekeliruan tipe II: ialah menerima hipotesis yang seharusanya ditolak.

Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan
dalam peluang. Peluang membuat kekeliruan tipe I biasa dinyatakan dengan 𝛼
dan peluang kekeliruan tipe II dinyatakan 𝛽.

Langkah-langkah pengujian hipotesis:

1. Perumusan hipotesis
Perumusan hipotesis dilakukan dengan dua macam, yaitu hipotesis awal,
𝐻0, dan hipotesis alternatif, 𝐻1. Pengujian hipotesis dapat dilakukan
dengan uji satu pihak atau uji dua pihak.
Pengujian hipotesis uji satu pihak:
𝐻0: X = 𝑌
𝐻1: X < 𝑌
Atau
𝐻0: X = 𝑌
𝐻1: X > 𝑌
Pengujian hipotesis uji dua pihak:
𝐻0: X = 𝑌
𝐻1: X G 𝑌

2. Menentukan distribusi yang akan digunakan, apakah z, t, 32, F atau yang lain.
3. Penentuan daerah penolakan hipotesis (daerah kritis)
4. Pilih taraf nyata, 𝛼, atau yang disebut juga ukuran daerah kritis.
Jika uji dua pihak maka luas daerah kritis atau daerah penolakan pada tiap
ujung adalah 1/2 𝛼.

Daerah Daerah penolakan 𝐻0

penolakan
luas = 1/2 𝛼
Daerah
𝐻0 luas =
penerimaan 𝐻0

1/ 𝛼
2

KED
 Jika uji satu pihak maka luas daerah kritis atau daerah penolakan adalah 𝛼.
Jika
𝐻0: X = 𝑌
𝐻1: X > 𝑌

Daerah Penolakan 𝐻0

Luas = 𝛼
Daerah Penerimaan 𝐻0
d
Jika
𝐻0: X = 𝑌
𝐻1: X < 𝑌

Daerah Penolakan 𝐻0

Luas =
𝛼 Daerah Penerimaan 𝐻0
d
Harga d didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan oleh
𝛼, yang menjadi batas antara daerah kritis dan daerah penerimaan 𝐻0.
5. Menentukan nilai statistik
6. Menarik sebuah kesimpulan

B. Menguji rata-rata
1. Uji dua pihak
Misal populasi berdistribusi normal dengan rata-rata 𝜇 dan simpangan baku 𝜎. Akan diuji mengenai
parameter rata-rata 𝜇. Diambil sampel acak berukuran n, lalu nilai statistik berupa rata-rata 𝑥̅ dan
simpangan baku s. Maka pengujian hipotesis:
a. 𝜎 diketahui
Untuk pasangan hipotesis {𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 G 𝜇0
Dengan 𝜇0 sebuah harga yang diketahui, digunakan statistik:
𝑥̅
𝜎 − 𝜇0
𝑧= /
√𝑛
𝐻0 diterima jika −𝑧1/ (1−𝛼) < 𝑧 < 𝑧1/ (1−𝛼) dengan 𝑧1/ (1−𝛼) didapat dari daftar normal
2 2 2
baku dengan peluang 1/ (1 − 𝛼). Dalam hal lainnya, 𝐻0 ditolak.
2

Contoh:
Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800 jam. Akhir-
akhir ini timbul dugaan bahwa masa pakai lampu telah berubah. Untuk menentukan hal ini,
dilakukan penelitian dengan jalan menguji 50 lampu. Ternyata rata-ratanya 792 jam. Dari
pengalaman, diketahui bahwa simpangan baku masa hidup lampu 60 jam. Selidikilah dengan
taraf nyata 0,05 apakah kualitas lampu itu sudah berubah atau belum.

KED
 Jawab:
1. Perumusan hipotesis
𝐻0 : 𝜇 = 800jam, berarti lampu itu masa pakainya sekitar 800 jam.
{𝐻1 : 𝜇 G 800 jam, beararti kualitas lampu sudah berubah, bukan 800 jam lagi
2. Karena sampel acak yang diambil cukup banyak maka distribusi normal yang digunakan.
3. Pengujian dua pihak
4. Taraf nyata 𝛼 = 0,05, maka −𝑧1/ (1−0,05) < 𝑧 < 𝑧1/ (1−0,05) ➀ −1,96 < 𝑧 < 196
2 2
792−800

5. Nilai statistik: 𝑧 = 60 = −0,94

√50
/
6. Kesimpulan: 𝑧hit = −0,94, ada dalam daerah penerimaan 𝐻0. Dalam taraf nyata 0,05, 𝐻0
diterima artinya rata-rata masa pakai lampu masih sekitar 800 jam.

b. 𝜎 tidak diketahui
Untuk pasangan hipotesis {𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 G 𝜇0
Karena simpangan baku tidak diketahui maka ditaksir dengan nilai simpangan baku, s, yang
dihitung dari sampel. Maka statistik yang digunakan:
𝑥̅𝑠 − 𝜇0
𝑡= /
√𝑛
Dengan dk = n – 1. Maka 𝐻0 diterima jika −𝑡1−1/ 𝛼 < 𝑡 < 𝑡1−1/ 𝛼 dengan 𝑡1−1/ 𝛼 didapat
2 2 2
dari daftar distribusi t dengan peluang 1 − 1/ 𝛼 dan dk = n – 1.
2

Contoh:
Untuk contoh di atas, jika simpangan baku populasinya tidak diketahui, dan didapat dari sampel
didapat 𝑠 = 55 jam.
Jawab:
1. Perumusan hipotesis
𝐻0 : 𝜇 = 800jam, berarti lampu itu masa pakainya sekitar 800 jam.
{𝐻1 : 𝜇 G 800 jam, beararti kualitas lampu sudah berubah, bukan 800 jam lagi
2. Statistik uji: t.
3. Pengujian dua pihak
4. Taraf nyata 𝛼 = 0,05, maka −𝑡1−1/ 𝛼 < 𝑡 < 𝑡1−1/ 𝛼 ➀ −2,011 < 𝑡 < 2,011
792−800 2 2

5. Nilai statistik: t= /
55 = −1,029
√50

6. Kesimpulan: 𝑡 = −1,029, ada dalam daerah penerimaan 𝐻0. Dalam taraf nyata 0,05, 𝐻0
diterima artinya rata-rata masa pakai lampu masih sekitar 800 jam.

2. Uji satu pihak

Misal populasi berdistribusi normal dengan rata-rata 𝜇 dan simpangan baku 𝜎. Akan diuji mengenai
parameter rata-rata 𝜇. Diambil sampel acak berukuran n, lalu nilai statistik berupa rata-rata 𝑥̅ dan
simpangan baku s. Maka pengujian hipotesis:
a. 𝜎 diketahui
1. Untuk pasangan hipotesis 𝐻0 : 𝜇 = 𝜇0
KED
{
𝐻1 : 𝜇 > 𝜇0
Dengan 𝜇0 sebuah harga yang diketahui, digunakan statistik:
𝑥̅ − 𝜇0
𝑧 = 𝜎/
√𝑛

KED
 𝐻0 ditolak jika 𝑧 ≥ 𝑧0,5−𝛼 dengan 𝑧0,5−𝛼 didapat dari daftar distribusi normal baku
menggunakan peluang (0,5 − 𝛼).
Contoh:
Proses pembuatan barang rata-rata menghasilkan 15,7 unit per jam. Hasil produksi mempunyai
varians = 2,3. Metode baru diusulkan untuk mengganti yang lama jika rata-rata per jam
menghasilkan paling sedikit 16 buah. Untuk menentukan apakah metode diganti atau tidak,
metode baru dicoba 20 kali dan ternyata rata-rata per jam menghasilkan 16,9 buah.
Pengusaha bermaksud mengambil resiko 5% untuk menggunakanmetode baru apabila metode
ini rata-rata menghasilkan lebih dari 16 buah. Apakah keputusan si pengusaha?
Jawab:
1. Menentukan hipotesis:
𝐻0 : 𝜇 = 16
{
𝐻1 : 𝜇 > 16
2. Statistik uji: z
3. Pengujian satu pihak
4. Taraf nyata 𝛼 = 0,05, maka 𝑧 ≥ 𝑧0,5−0,05 ➀ 𝑧 ≥ 1,64
5. Nilai statistik: 𝑧 = 16,9−16 = 2,65
√2,3/
20

6. Kesimpulan 𝑧hit = 2,65, ada dalam daerah penolakan 𝐻0. Dalam taraf nyata 0,05, 𝐻0 ditolak
artinya metode baru dapat menggantikan metode baru.

𝐻0 : 𝜇 = 𝜇0
2. Untuk pasangan hipotesis {𝐻 : 𝜇 < 𝜇
1 0
Dengan 𝜇0 sebuah harga yang diketahui, digunakan statistik:
𝑥̅
𝜎 − 𝜇0
𝑧= /
√𝑛
𝐻0 ditolak jika 𝑧 ≤ −𝑧0,5−𝛼 dengan 𝑧0,5−𝛼 didapat dari daftar distribusi normal baku
menggunakan peluang (0,5 − 𝛼).

b. 𝜎 tidak diketahui
1. Untuk pasangan hipotesis {𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 > 𝜇0
Karena simpangan baku tidak diketahui maka ditaksir dengan nilai simpangan baku, s, yang
dihitung dari sampel. Maka statistik yang digunakan:
𝑥̅𝑠 − 𝜇0
𝑡= /
√𝑛
Dengan dk = n – 1 dengan peluang (1 – 𝛼). Maka 𝐻0 ditolak jika ≥ 𝑡1−𝛼 .
Contoh:
Dikatakan bahwa dengan menyuntikan semacam horman tertentu kepada ayam akan
menambah berat telurnya rata-rata 4,5 gr. Sampel acak yang terdiri atas 31 butir telur dari
ayam yang telah diberi suntikan hormon tersebut memberikan rata-rata bert 4,9 gr dan
simpangan baku s = 0,8gr. Cukup beralasankah untuk menerima pernyataan bahwa
pertambahan rata-rata berat telur paling sedikit 4,5gr?

KED
 Jawab:
1. Menentukan hipotesis:
𝐻0 : 𝜇 = 4,5
{
𝐻1 : 𝜇 > 4,5
2. Statistik uji: t
3. Pengujian satu pihak
4. Taraf nyata 𝛼 = 0,01, maka 𝑡 ≥ 𝑡1−0,01 ➀ 𝑡 ≥ 2,46
4,9−4,5
= = 2,78
5. Nilai statistik: t 0,8
/√31

6. Kesimpulan 𝑡hit = 2,78, ada dalam daerah penolakan 𝐻0. Dalam taraf nyata 0,01, 𝐻0 ditolak
artinya maka rata-rata berat telur naik paling sedikit 4,5.
𝐻0 : 𝜇 = 𝜇0
2. Untuk pasangan hipotesis {𝐻 : 𝜇 > 𝜇
1 0

Karena simpangan baku tidak diketahui maka ditaksir dengan nilai simpangan baku, s, yang
dihitung dari sampel. Maka statistik yang digunakan:
𝑥̅𝑠 − 𝜇0
𝑡= /
√𝑛
Dengan dk = n – 1 dengan peluang (1 – 𝛼). Maka 𝐻0 ditolak jika ≤ −𝑡1−𝛼 .

C. Menguji proporsi
1. Uji Dua Pihak
Misal populasi berdistribusi binom dengan proporsi kejadian A = 𝜋. Berdasarkan sebuah sampel
acak yang diambil dari populasi itu dihitung proporsi sampel untuk kejadian sebesar 𝑥/𝑛, akan
diuji mengenai uji dua pihak:
𝐻0 : 𝜋 = 𝜋0
{
𝐻1 : 𝜋 G 𝜋0
Dengan 𝜋0 diketahui. Dengan menggunakan pendekatan oleh distribusi normal, maka pengujian
ini digunakan statistik z yang rumusnya:
𝑥/ − 𝜋0
𝑛
𝑧=
√𝜋0(1 − 𝜋0)/
𝑛
𝐻0 diterima jika −𝑧1/ (1−𝛼) < 𝑧 < 𝑧1/ (1−𝛼) dengan 𝑧1/ (1−𝛼) didapat dari daftar normal
2 2 2
baku dengan peluang 1/ (1 − 𝛼). Dalam hal lainnya, 𝐻0 ditolak.
2
Contoh:
Kita ingin menguji bahwa distribusi jenis kelamin laki-laki dan jenis kelamin perempuan adalah
sama. Sebuah sampel acak terdiri atas 4.800 orang mengandung 2.458 laki-laki. Dalam taraf
nyata 0,05, betulkah distribusi kedua jenis kelamin itu sama?
Jawab:
1. Menentukan hipotesis
Jika 𝜋 = peluang terdapat laki-laki, maka akan diuji pasangan hipotesis:
𝐻0 : 𝜋 = 1/2
2. Sta tik uji: z
tis
KED
{
: 𝜋 G 1/ 2
𝐻1

KED
 3. Pengujian dua pihak
4. Taraf nyata 𝛼 = 0,05, maka −𝑧1/ ( ) <𝑧 < 𝑧1/( ) ➀ −1,96 < 𝑧 < 1,96
2 1−𝛼 2 1−𝛼
2.458/
4.800−0,5
5. Menentukan nilai statistik: 𝑧 = = 1,68
√(0,5)(0,5)/
4.800
6. Kesimpulan 𝑧hit = 1,68, ada dalam daerah penerimaan 𝐻0. Dalam taraf nyata 0,05, 𝐻0
diterima artinya peluang adanya laki-laki dan perempuan sama besar.

2. Uji Satu Pihak

Misal populasi berdistribusi binom dengan proporsi kejadian A = 𝜋. Berdasarkan sebuah sampel
acak yang diambil dari populasi itu dihitung proporsi sampel untuk kejadian sebesar 𝑥/𝑛, akan
diuji mengenai uji satu pihak:
𝐻0 : 𝜋 = 𝜋0
{
𝐻1 : 𝜋 > 𝜋0
Dengan 𝜋0 diketahui. Dengan menggunakan pendekatan oleh distribusi normal, maka pengujian
ini digunakan statistik z yang rumusnya:
𝑥/ − 𝜋0
𝑛
𝑧=
√𝜋0(1 − 𝜋0)/
𝑛
𝐻0 ditolak jika 𝑧 ≥ 𝑧0,5−𝛼 dengan 𝑧0,5−𝛼 didapat dari daftar normal baku dengan peluang
(0,5 − 𝛼). Dalam hal lainnya, 𝐻0 diterima.
Uji pihak kiri:
𝐻0 : 𝜋 = 𝜋0
{
𝐻1 : 𝜋 < 𝜋0
Dengan 𝜋0 diketahui. Dengan menggunakan pendekatan oleh distribusi normal, maka pengujian
ini digunakan statistik z yang rumusnya:
𝑥/ − 𝜋0
𝑛
𝑧=
√𝜋0(1 − 𝜋0)/
𝑛
𝐻0 ditolak jika 𝑧 ≤ −𝑧0,5−𝛼 dengan 𝑧0,5−𝛼 didapat dari daftar normal baku dengan peluang
(0,5 − 𝛼). Dalam hal lainnya, 𝐻0 diterima.
Contoh:
Seorang pejabat mengatakan bahwa paling banyak 60% anggota masyarakat termasuk golongan
A. Sebuah sampel acak telah diambil yang terdiri atas 8.500 orang dan ternyata 5.426 termasuk
golongan A. Apabila 𝛼 = 0,01, benarkah pernyataan tersebut?
Jawab:
1. Menentukan Hipotesis:
𝐻0 : 𝜋 = 0,6
{
𝐻1 : 𝜋 > 0,6
2. Uji statistik : z
3. Pengujian satu pihak
4. Taraf nyata 𝛼 = 0,01, maka 𝑧 ≥ 𝑧0,5−𝛼 ➀ 𝑧 ≥ 2,33
5.426/
8.500−0,6
5. Nilai statistik: 𝑧 = = 2,79
√(0,6)(0,4)/
8.500
6. Kesimpulan 𝑧hit = 2,79, ada dalam daerah penolakan 𝐻0. Dalam taraf nyata 0,01, 𝐻0 ditolak
KED
artinya persentase anggota masyarakat golongan A sudah melampaui 60%.

KED
D. Menguji varians
Misal populasi berdistribusi normal dengan rata-rata 𝜇 dan varians 𝜎2. Akan diuji mengenai
parameter rata-rata 𝜇. Diambil sampel acak berukuran n, lalu nilai statistik berupa rata-rata 𝑥̅ dan
varians 𝑠2. Pengujian hipotesis:
1. Uji Dua Pihak
Pasangan hipotesis:
𝐻0 : 𝜎2 = 𝜎2
0
{
𝐻1 : 𝜎2 G 𝜎02
Untuk menguji hipotesis ini digunakan statistik chi-kuadrat:

32 = (𝑛 − 1)𝑠2
0
𝜎2

Jika
2 dalam2 pengujian dipakai taraf nyata 𝛼,2 maka kriteria pengujian adalah: terima 𝐻0 jika
3 < 3 < 32 dimana 32 dan 3 didapat dari daftar distribusi chi-kuadrat
1/ 𝛼 1−1/2𝛼 1/ 𝛼 1−1/2𝛼
2 2

dengan dk = (n – 1) dan masing-masing dengan peluang 1/2 𝛼 dan 1 − 1/2 𝛼. Dalam hal lainnya
𝐻0 ditolak.
Contoh:
Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800 jam. Akhir-
akhir ini timbul dugaan bahwa masa pakai lampu telah berubah. Untuk menentukan hal ini,
dilakukan penelitian dengan jalan menguji 50 lampu didapat s = 55. Ternyata rata-ratanya 792
jam. Dari pengalaman, diketahui bahwa simpangan baku masa hidup lampu 60 jam. Jika masa
hidup lampu berdistribusi normal, benarkah 𝜎 = 60 jam dalam taraf nyata 𝛼 = 0,05?
Jawab:
1. Menentukan Hipotesis:
𝐻0 : 𝜎2 = 3600
{
𝐻1 : 𝜎2 G 3600
2. Uji statistik : chi-kuadrat
3. Pengujian dua pihak
4. Taraf nyata: 𝛼 = 0,05, maka 32 < 32 < 32 ➀ 31,6 < 32 < 70,19
1/ 𝛼 1−1/2𝛼
2

5. Nilai statistik: 32 = (50−1)(3.025) = 41,174

3600

6. Kesimpulan 32 = 41,174 ada dalam daerah penerimaan 𝐻0. Dalam taraf nyata 0,05, 𝐻0
hit
diterima artinya 𝜎2 = 3600 jam.

2. Uji Satu Pihak

Dalam kenyataan sangat sering dikehendaki adanya varians yang berharga kecil. Untuk ini
pengujian diperlukan dan akan merupakan uji pihak kanan:
𝐻0 : 𝜎2 = 𝜎2
0
{
𝐻1 : 𝜎2 > 𝜎02
Kriteria pengujian: 𝐻0 ditolak jika 32 ≥ 32 dengan 32 didapat dari daftar chi-kuadrat
1−𝛼 1−𝛼

dengan dk = n – 1dan peluang (1 − 𝛼). Dalam hal lainnya, 𝐻0 diterima. Jika hipotesis 0 dan
KED
tandingannya menyebabkan uji pihak kiri, yakni pasangan:
𝐻0 : 𝜎2 = 𝜎2
0
{
𝐻1 : 𝜎2 > 𝜎02
Maka hal yang sebaliknya akan terjadi mengenai kriteria pengujian, yaitu tolak 𝐻0 jika 32 ≤ 32𝛼,
dimana 32𝛼 didapat dari daftar chi-kuadrat dengan 𝑑𝑘 = (𝑛 − 1) dan peluang 𝛼.

KED
 Contoh:
Proses pengisian semacam minuman ke dalam botol oleh mesin, paling tinggi mencapai varians
0,50 cc. Akhirn-akhir ini ada dugaan bahwa isi botol telah mempunyai variabilitas yang lebih
besar. Diteliti 20 buah botol dan isinya ditakar. Ternyata sampel ini menghasilkan simpangan
baku 0,90 cc. Dengan 𝛼 = 0,05, diperlukan mesin distel?
Jawab:
1. Menentukan Hipotesis:
𝐻0 : 𝜎2 = 0,5
{𝐻1 : 𝜎2 > 0,5
2. Uji statistik : chi kuadrat
3. Pengujian satu pihak
4. Taraf nyata 𝛼 = 0,05, maka dengan dk = 19 dan peluang 0,95 diperoleh 32 ≥ 31−𝛼
2
➀ 32 ≥
30,1
5. Nilai statistik: 32 = (20−1)(0,81)
0,5
= 30,78
6. Kesimpulan 32 hit
= 30,78 ada dalam daerah penolakan 𝐻0. Maka 𝐻0 ditolak artinya variasi isi
botol telah menjadi lebih besar, sehingga dianjurkan untuk menyetel kembali mesin agar
pengisian lebih merata.
E. Menguji Kesamaan Dua Rata-rata
a. Uji Dua Pihak
Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan
baku secara berturut-turut 𝜇1 dan 𝜇2 dan 𝜎1 dan 𝜎2. Secara independen dari populasi kesatu
diambil sebuah sampel acak berukuran 𝑛1, sedangkan dari populasi kedua sebuah sampel acak
diambil sebanyak 𝑛2. Dari kedua sampel ini berturut-turut diperoleh 𝑥̅ 1̅, 𝑠1 dan ̅𝑥̅2̅, 𝑠2. Akan diuji
tentang rata-rata 𝜇1 dan 𝜇2.

Pasangan hipotesis nol dan tandingannya yang akan diuji adalah:

𝐻0: 𝜇1 = 𝜇2
{𝐻1 : 𝜇1 G 𝜇2
Untuk ini dibedakan dalam beberapa kasus:
1. 𝜎1 = 𝜎2 = 𝜎 dan 𝜎 diketahui
Statistik yang digunakan jika 𝐻0 benar adalah:
𝑥̅ 1̅ − 𝑥̅ 2̅
𝑧 = 𝜎√ 1 + 1
𝑛1 𝑛2
Dengan taraf nyata 𝛼, maka kriteria pengujian adalah: terima 𝐻0 jika −𝑧1/ (1−𝛼) < 𝑧 <
2
𝑧1/ (1−𝛼) dimana 𝑧1/ (1−𝛼) didapat dari daftar normal baku dengan peluang 1/2 (1 − 𝛼).
2 2

Dalam hal lainnya 𝐻0 ditolak.

2. 𝜎1 = 𝜎2 = 𝜎 tetapi 𝜎 tidak diketahui
Statistik yang digunakan jika 𝐻0 benar adalah:
𝑥̅ 1̅ − 𝑥̅ 2
𝑡 = 𝑠√ 1 + 1
𝑛1 𝑛2
Dengan
(𝑛1 − 1)𝑠2 + (𝑛2 − 1)𝑠2
𝑠2 = 1 2

𝑛1 + 𝑛2 − 2
KED
 Dengan taraf nyata 𝛼, maka kriteria pengujian adalah: terima 𝐻0 jika −𝑡1−1𝜎 < 𝑡 < 𝑡1−1𝜎
2 2

dimana 𝑡 1 didapat dari daftar student dengan 𝑑𝑘 = 𝑛1 + 𝑛2 − 2 peluang 1 − 1𝛼. Dalam

1− 𝜎 2
2

hal lainnya 𝐻0 ditolak.

3. 𝜎1 G 𝜎2 dan kedua-duanya tidak diketahui
Statistik yang digunakan jika 𝐻0 benar adalah:
𝑥̅ 1̅ − 𝑥̅ 2̅
𝑡′ =
𝑠2 𝑠2
√ 1+ 2
𝑛1 𝑛2
Dengan taraf nyata 𝛼, maka kriteria pengujian adalah: terima 𝐻0 jika
w1𝑡1 + w2𝑡2 w1𝑡1 + w2𝑡2
− w1 + < 𝑡′ < w1 + w2
𝑠2 w2
Dengan: wi = 𝑛i dan 𝑡i = 𝑡 1−1 ( ) dengan i = 1, 2 . Dalam hal lainnya 𝐻0 ditolak.
i
( 2𝛼), 𝑛i−1

4. Observasi berpasangan
Untuk observasi berpasangan, ambil 𝜇𝐵 = 𝜇1 − 𝜇2. Hipotesis nol dan tandingannya adalah:
𝐻0: 𝜇𝐵 = 0
{
𝐻1: 𝜇𝐵 G 0
Jika 𝐵i = 𝑥i − 𝑦i , maka data 𝐵1 , 𝐵2 , … , 𝐵𝑛 menghasilkan 𝐵̅ dan simpangan baku 𝑠𝐵 . Untuk
pengujian hipotesis, gunakan statistik:
𝐵̅
𝑡=𝑠
𝐵/

√𝑛
dan terima 𝐻0 jika −𝑡1−1𝜎 < 𝑡 < 𝑡1−1𝜎 dimana 𝑡1−1𝜎 didapat dari daftar student dengan
2 2 2

𝑑𝑘 = 𝑛1 + 𝑛2 − 2 peluang 1 − 12𝛼. Dalam hal lainnya 𝐻0 ditolak.

Contoh:
Dua macam makanan A dan B diberikan kepada ayam secara terpisah untuk jangka waktu
tertentu. Ingin diketahui macam makanan yang mana yang lebih baik bagi ayam tersebut.
Sampel acak yang terdiri atas 11 ayam diberi makanan A dan 10 ayam diberi makanan B.
Tambah berat badan ayam (dalam ons) hasil percobaan adalah sebagai berikut:
A 3.1 3.0 3.3 2.9 2.6 3.0 3.6 2.7 3.8 4.0 3.4
B 2.7 2.9 3.4 3.2 3.3 2.9 3.0 3.0 2.6 3.7
Dalam taraf nyata 𝛼 = 0,05, tentukan apakah kedua macam makanan itu sama baiknya atau
tidak. (berat daging ayam berdistribusi normal dengan varians yang sama besar)
Jawab:
𝐻0: 𝜇1 = 𝜇2
1. { 𝐻1 : 𝜇1 G 𝜇2
2. Uji statistik : t
3. Uji 2 pihak
KED
4. Taraf nyata 𝛼 = 0,05, maka −𝑡0.975;19 < 𝑡 < 𝑡0.975;19 ➀ −2,09 < 𝑡 < 2,09
5. Nilai Statistik:
Rata-rata dan varians untuk masing-masing 2 sampel:
𝑥̅ ̅ = ∑ 𝑥i = 35.4 = 3.22 dan 𝑠 2 = ∑(𝑥i−̅𝑥̅𝐴̅) = 1.9964 = 0.1996
Æ 𝑛𝐴 11 Æ 𝑛𝐴−1 10

KED
 2
𝑥̅ ̅ = ∑ 𝑥i = 30.2 = 3.02 dan 𝑠 2 = ∑(𝑥i−̅𝑥̅𝐵̅) = 1.001 = 0.1112
𝐵 𝑛𝐵 10 𝐵 𝑛𝐵−1 9

Maka simpangan baku gabungannya:

(11 − 1)(0.1996) + (10 − 1)(0.1112) 2.9968
𝑠2 = = = 0.1577
11 + 10 − 2 19

Maka:
3.22 − 3.02 = 0.862
𝑡= 1 1
√0.1577√ +
11 10
6. Kesimpulan: karena t hitung berada dalam daerah penerimaan 𝐻0, maka 𝐻0 diterima.
Artinya kedua macam makanan ayam itu memberikan tambahan berat daging ayam sama
terhadap ayam-ayam itu.

b. Uji Satu Pihak

Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan
baku secara berturut-turut 𝜇1 dan 𝜇2 dan 𝜎1 dan 𝜎2. Secara independen dari populasi kesatu
diambil sebuah sampel acak berukuran 𝑛1, sedangkan dari populasi kedua sebuah sampel acak
diambil sebanyak 𝑛2. Dari kedua sampel ini berturut-turut diperoleh 𝑥̅ 1̅, 𝑠1 dan ̅𝑥2̅ ̅, 𝑠2. Akan diuji
tentang rata-rata 𝜇1 dan 𝜇2. Maka pengujian hipotesis:

𝐻0 : 𝜇1 = 𝜇2 𝐻0: 𝜇1 = 𝜇2
Hipotesis {𝐻1 : 𝜇1 > 𝜇2 {𝐻1 : 𝜇1 < 𝜇2

Uji 𝑥̅ ̅1̅ − 𝑥̅ 2̅ ̅
𝜎1 = 𝜎2 = 𝜎 dan 𝜎 𝑧 =𝜎√ 1 + 1
Statistik
diketahui 𝑛1 𝑛2

Kriteria 𝐻0 ditolak :𝑧 ≥ 𝑧0.5−𝛼 𝐻0 ditolak :𝑧 ≤ −𝑧0.5−𝛼

pengujian

𝑥̅ 1̅ − ̅𝑥̅2
𝑡 =𝑠√ 1 + 1
Uji 𝑛1 𝑛2
𝜎1 = 𝜎2 = 𝜎 tetapi Statistik Dengan:
(𝑛 1 − 1 )𝑠 2 + (𝑛 2 − 1 )𝑠 2
𝜎 tidak diketahui 1 2
𝑠2 =
𝑛1 + 𝑛2 − 2

𝐻0 ditolak :𝑡 ≥ 𝑡1−𝛼 𝐻0 ditolak :𝑡 ≤ −𝑡1−𝛼

Kriteria
dengan: 𝑑𝑘 = 𝑛1 + 𝑛2 − 2 dengan: 𝑑𝑘 = 𝑛1 + 𝑛2 − 2
pengujian
peluang 1 − 𝛼 peluang 1 − 𝛼
𝜎1 G 𝜎2 dan ̅𝑥1̅ − 𝑥̅ 2̅
kedua-duanya Uji 𝑡′ =
tidak diketahui Statistik 𝑠21 𝑠2 2
√ +
𝑛1 𝑛2

KED
 𝐻0 ditolak: 𝑡′ ≥ w1𝑡1+w2𝑡2 𝐻0 ditolak:𝑡′ ≤ w1𝑡1+w2𝑡2
w1+w2 w1+w2
2 2
Kriteria dengan: wi = 𝑠i dan dengan: wi = 𝑠i dan
pengujian 𝑛i 𝑛i
𝑡i = 𝑡(1−𝛼),(𝑛i−1) dengan i = 𝑡i = 𝑡(1−𝛼),(𝑛i−1) dengan i =
1, 2 1, 2

Contoh:
Diduga bahw apemuda yang senang berenang rata-rata lebih tinggi badannya daripada pemuda
sebaya yang tidak senang berenang. Untuk meneliti ini telah diukur 15 pemuda yang senang
berenang dan 20 yang tidak senang berenang. Rata-rata tinggi badannya berturut-turut 167,2
cm dan 160,3 cm. Simpangan baknya masing-masing 6,7 cm dan 7,1 cm. Dalam taraf nyata
𝛼 = 0,05, dapatkah kita mendukung dugaan tersebut? (misal distribusi tinggi badan untuk
kedua kelompok pemuda itu normal dan 𝜎1 G 𝜎2)

Jawab:
𝐻0 : 𝜇1 = 𝜇2
1. { 𝐻1 : 𝜇1 > 𝜇2
2. Uji statistik: t
3. Uji satu pihak
w1𝑡1+w2𝑡2
4. Taraf nyata 𝛼 = 0,05, maka 𝑡′ ≥
w1+w2

1 6.72 7,1
w1 = 𝑠2 = 𝑠2 2 = 2.52, 𝑡1 = 𝑡(1−𝛼),(𝑛1−1) = 1.76, dan
Dengan 15 = 2.99, w2 = 2
=
𝑛1 𝑛2 20
𝑡2 = 𝑡(1−𝛼),(𝑛2−1) = 1.73 maka

(2.99)(1.76) + (2.52)(1.73)
𝑡′ ≥ 2.99 + 2.52 ➀ 𝑡 ≥ 1.75
5. Nilai statistik: 𝑡′ = 167.2−160.3 = 2.94
2 2
√6.7 +7.1
15 20

6. Kesimpulan: Karena t’ hitung berada dalam daerah penolakan 𝐻0 , maka 𝐻0 ditolak. Artinya
benar tinggi pemuda yang suka berenang lebih tinggi dibandingkan pemuda yang tidak suka
berenang.

F. Menguji Kesamaan Dua Proporsi

a. Uji dua pihak
Misalkan ada dua populasi berdistribusi binom yang didalamnya masing-masing didapat
proporsi peristiwa A sebesar 𝜋1 dan 𝜋2. Dari populasi kesatu diambil sebuah sampel acak
𝑥
berukuran 𝑛1dan didalamnya terdapat proporsi peristiwa A sebesar 1/𝑛 1. Dari populasi kedua
diambil sebuah sampel acak berukuran 𝑛2dan didalamnya terdapat proporsi peristiwa A sebesar
𝑥2 . Kedua sampel diambil secara independen. Maka pengujian hipotesis:
/𝑛2
𝐻0 : 𝜋1 = 𝜋2
{𝐻1 : 𝜋1 G 𝜋2
Untuk ini digunakan pendekatan oleh distribusi normal dengan statistik:
𝑥1 𝑥2
−
KED
 𝑛1 𝑛2
𝑧 = √𝑝𝑞 ( 1 + 1 )
𝑛1 𝑛2

KED
 𝑥1+𝑥2
Dengan 𝑝 =
𝑛1+𝑛2 dan 𝑞 = 1 − 𝑝. Jika dalam pengujian ini digunakan taraf nyata 𝛼, maka
kriteria pengujian adalah: terima 𝐻0 jika −𝑧1/ (1−𝛼) < 𝑧 < 𝑧1/ (1−𝛼) dimana 𝑧1/ (1−𝛼)
2 2 2
didapat dari daftar normal baku dengan peluang 1/ (1 − 𝛼). Dalam hal lainnya 𝐻0 ditolak.
2

Contoh:
Suatu penelitian dilakukan di daerah A terhadap 250 pemilih. Terdapat 150 pemilih menyatakan
akan memilih calon C. Didaerah B penelitian dilakukan terhadap 300 pemilih dan terdapat 162
yang akan memilih calon C. Dengan taraf nyata 𝛼 = 0,05 adakah perbedaan yang nyata
mengenai pemilih calon C di antara kedua daerah itu?
Jawab:
𝐻0 : 𝜋1 = 𝜋2
1. {
𝐻1 : 𝜋1 G 𝜋2
2. Uji statistik : z
3. Uji dua pihak
4. taraf nyata 𝛼 = 0,05, maka −𝑧1/ (1−𝛼) < 𝑧 < 𝑧1/ (1−𝛼) ➀ −1.96 < 𝑧 < 1.96
2 2
150+162

5. Nilai statistik: dengan 𝑝 = = 0.5673 dan 𝑞 = 1 − 0.5673 = 0.4327

250+300
150 162
𝑧= 250 − 300 = 1.42
1 1 )
√(0.5673)(0.4327) (
250 + 300
6. Kesimpulan: karena z hitung berada dalam daerah penerimaan 𝐻0, maka 𝐻0 diterima.
Artinya tidak ada perbedaan yang nyata mengenai pemilih calon C diantara kedua daerah.

b. Uji satu pihak

Uji pihak kanan, maka pasangan hipotesisnya adalah:
𝐻0 : 𝜋1 = 𝜋2
{𝐻1 : 𝜋1 > 𝜋2
Statistik yang digunakan masih berdasarkan pendekatan oleh distribusi normal. Kriteria
pengujian: 𝐻0 ditolak 𝑧 ≥ 𝑧0.5−𝛼 dimana 𝑧(1−𝛼) didapat dari daftar normal baku dengan peluang
(1 − 𝛼). Dalam hal lainnya 𝐻0 ditolak.
Uji pihak kiri, maka pasangan hipotesisnya adalah:
𝐻0 : 𝜋1 = 𝜋2
{𝐻1 : 𝜋1 < 𝜋2
Statistik yang digunakan masih berdasarkan pendekatan oleh distribusi normal. Kriteria
pengujian: 𝐻0 ditolak 𝑧 ≤ −𝑧0.5−𝛼 dimana 𝑧(1−𝛼) didapat dari daftar normal baku dengan
peluang (1 − 𝛼). Dalam hal lainnya 𝐻0 ditolak

Contoh:
Terdapat dua kelompok, ialah A dan B, masing-masing terdiri dari 100 pasien yang menderita
semacam penyakit. Kepada kelompok A diberikan serum tertentu tetapi tidak kepada kelompok
B. Kelompok B sering dinamakan kelompok kontrol. Setelah jangka waktu tertentu, terdapat 80
yang sembuh dari kelompok A dan 68 dari kelompok B. Apakah penelitian ini memperlihatkan
bahwa pemberian serum ikut membantu menyembuhkan penyakit? (𝛼 = 0,05)
Jawab:
𝐻0 : 𝜋Æ = 𝜋𝐵
1. {
𝐻1 : 𝜋Æ > 𝜋𝐵
2. Uji statistik : z

KED
 3. Uji satu pihak
4. taraf nyata 𝛼 = 0,05, maka 𝑧 ≥ 𝑧0.5−𝛼 ➀ 𝑧 ≥ 1.64
80+68
5. Nilai statistik: dengan 𝑝 = = 0.74 dan 𝑞 = 1 − 0.74 = 0.26
100+100
80 68
100 − 100
𝑧= 1 = 1.94
√(0.74)(0.26) ( 1 )
100 + 100
6. Kesimpulan: karena z hitung berada dalam daerah penerimaan 𝐻0, maka 𝐻0 diterima.
Artinya pemberian serum membantu menyembuhkan penelitian.

G. Menguji Kesamaan Dua Varians

Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan
baku secara berturut-turut 𝜇1 dan 𝜇2 dan 𝜎1 dan 𝜎2. Secara independen dari populasi kesatu
diambil sebuah sampel acak berukuran 𝑛1, sedangkan dari populasi kedua sebuah sampel acak
diambil sebanyak 𝑛2. Dari kedua sampel ini berturut-turut diperoleh 𝑥̅ 1̅, 𝑠1 dan ̅𝑥̅2̅, 𝑠2. Akan
diuji tentang rata-rata 𝜇1 dan 𝜇2. Maka pengujian hipotesis:
a. Uji dua pihak
𝐻0: 𝜎2 = 𝜎2
1 2
{
𝐻1: 𝜎 G 𝜎2
2

Pengujian menggunakan statistik: 1 2

𝑠2
1
𝐹=
𝑠22
Kriteria pengujian adalah terima hipotesis 𝐻0 jika
𝐹(1−𝛼)(𝑛1−1,𝑛2−1 ) < 𝐹 < 𝐹1/
2𝛼(𝑛1−1,𝑛2−1 )

Untuk taraf nyata 𝛼, dimana 𝐹𝛽(𝑚,𝑛) didapat dari daftar distribusi F dengan peluang 𝛽, dk
pembilang = n dan dk penyebut = m.

Statistik lain yang digunakan untuk menguji hipotesis 𝐻0:

Varians terbesar
𝐹 = Varians terkecil
Dan tolak 𝐻0 hanya jika 𝐹 ≥ 𝐹1/ 𝛼(𝑛1−1,𝑛2−1 )
2

Jika peluang berbeda dengan 0,01 atau 0,05, maka gunakan:

1 𝐹(1−𝑝)(}2,}1) =
𝐹𝑝(} 1,} )2

Contoh:
Ada dua macam pengukuran kelembaban suatu zat. Cara ke-1 dilakukan 10 kali yang
menghasilkan 𝑠2 = 24.7 dan cara ke-2 dilakukan 13 kali dengan 𝑠2 = 37.2. Dengan 𝛼 = 0,10
tentukan apakah kedua cara pengukuran tersebut mempunyai varians homogen?
Jawab:
𝐻0 : 𝜎12 = 𝜎22
1. {
𝐻1 : 𝜎2 G 𝜎2
1 2

KED
2. Uji statistik : F
3. Uji dua pihak
4. taraf nyata 𝛼 = 0,10, maka 𝐹 ≥ 𝐹1/ ( ) ➀ 𝐹 ≥ 𝐹0.05(12,9 ) ➀ 𝐹 ≥ 3.07
2𝛼 𝑛1−1,𝑛2−1

KED
 37.2
5. Nilai statistik: 𝐹 = = 1.506
24.7
6. Kesimpulan: karena F hitung berada dalam daerah penerimaan 𝐻0, maka 𝐻0 diterima.
Artinya varians kedua cara penentuan kelembaban homogen.

b. Uji satu pihak

Uji pihak kanan, hipotesi nol dan hipotesis tandingannya:
𝐻0: 𝜎2 = 𝜎2
1 2
{
𝐻1: 𝜎 > 𝜎2
2

1 2

Uji pihak kiri, hipotesi nol dan hipotesis tandingannya:

𝐻0: 𝜎2 = 𝜎2
1 2
{
𝐻1: 𝜎 < 𝜎2
2

1 2

𝑠1
Statistik yang digunakan: 𝐹 =
𝑠22

Kriteria pengujian: untuk uji pihak kanan: 𝐻0 ditolak jika 𝐹 ≥ 𝐹𝛼(𝑛1−1,𝑛2−1 ) sedangkan untuk uji
pihak kiri: 𝐻0 ditolak jika 𝐹 ≤ 𝐹(1−𝛼)(𝑛1−1,𝑛2−1 )
Contoh:
Penelitian terhadap dua metode penimbangan menghasilkan 𝑠2 = 25.4 gram dan 𝑠2 = 30.7
1 2

gram. Penimbangan masing-masing dilakukan sebanyak 13 kali. Ada anggapan bahwa metode
kesatu menghasilkan penimbangan dengan variabilitas yang lebih kecil. Betulkah itu?
Jawab:
𝐻0: 𝜎12 = 𝜎22
1. {
𝐻1: 𝜎2 < 𝜎2
1 2

2. Uji statistik : F
3. Uji satu pihak
4. taraf nyata 𝛼 = 0,05, maka 𝐹 ≤ 𝐹(1−𝛼)(𝑛1−1,𝑛2−1 ) ➀ 𝐹 ≤ 𝐹0.95(12.12)
1
karena 𝐹0.05(12.12) = 2.69 maka 𝐹0.95(12.12) = = 0.37
𝐹0.05(12.12)
Maka 𝐹 ≤ 0.37
24.7

5. Nilai statistik: 𝐹 = = 0.83

37.2
Kesimpulan: karena F hitung berada dalam daerah terima 𝐻0 maka 𝐻0 diterima. Artinya tidak benar
varians

KED
A. Menguji Kesamaan Dua Rata-rata
c. Uji Dua Pihak
Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan
baku secara berturut-turut 𝜇1 dan 𝜇2 dan 𝜎1 dan 𝜎2. Secara independen dari populasi kesatu
diambil sebuah sampel acak berukuran 𝑛1, sedangkan dari populasi kedua sebuah sampel acak
diambil sebanyak 𝑛2. Dari kedua sampel ini berturut-turut diperoleh 𝑥̅ 1̅, 𝑠1 dan ̅𝑥2̅ ̅, 𝑠2. Akan diuji
tentang rata-rata 𝜇1 dan 𝜇2.

Pasangan hipotesis nol dan tandingannya yang akan diuji adalah:

𝐻0: 𝜇1 = 𝜇2
{𝐻1 : 𝜇1 G 𝜇2
Untuk ini dibedakan dalam beberapa kasus:
5. 𝜎1 = 𝜎2 = 𝜎 dan 𝜎 diketahui
Statistik yang digunakan jika 𝐻0 benar adalah:
𝑥̅ 1̅ − 𝑥̅ 2̅
𝑧 = 𝜎√ 1 + 1
𝑛1 𝑛2
Dengan taraf nyata 𝛼, maka kriteria pengujian adalah: terima 𝐻0 jika −𝑧1/ (1−𝛼) < 𝑧 <
2
𝑧1/ (1−𝛼) dimana 𝑧1/ (1−𝛼) didapat dari daftar normal baku dengan peluang 1/2 (1 − 𝛼).
2 2

Dalam hal lainnya 𝐻0 ditolak.

6. 𝜎1 = 𝜎2 = 𝜎 tetapi 𝜎 tidak diketahui
Statistik yang digunakan jika 𝐻0 benar adalah:
𝑥̅ 1̅ − 𝑥̅ 2
𝑡 = 𝑠√ 1 + 1
𝑛1 𝑛2
Dengan
(𝑛1 − 1)𝑠2 + (𝑛2 − 1)𝑠2
𝑠2 = 1 2

𝑛1 + 𝑛2 − 2
Dengan taraf nyata 𝛼, maka kriteria pengujian adalah: terima 𝐻0 jika −𝑡1−1𝜎 < 𝑡 < 𝑡1−1𝜎
2 2
1
dimana 𝑡 1 didapat dari daftar student dengan 𝑑𝑘 = 𝑛1 + 𝑛2 − 2 peluang 1 − 𝛼. Dalam
1− 𝜎 2
2

hal lainnya 𝐻0 ditolak.

7. 𝜎1 G 𝜎2 dan kedua-duanya tidak diketahui
Statistik yang digunakan jika 𝐻0 benar adalah:
𝑥̅ 1̅ − 𝑥̅ 2̅
𝑡′ = 𝑠2 𝑠2
√ 1+ 2
𝑛1 𝑛2
Dengan taraf nyata 𝛼, maka kriteria pengujian adalah: terima 𝐻0 jika
w1𝑡1 + w2𝑡2 w1𝑡1 + w2𝑡2
− w1 + < 𝑡′ < w1 + w2
𝑠2 w2
Dengan: wi = 𝑛i dan 𝑡i = 𝑡 1−1 ( ) dengan i = 1, 2 . Dalam hal lainnya 𝐻0 ditolak.
i
( 2𝛼), 𝑛i−1

KED
8. Observasi berpasangan
Untuk observasi berpasangan, ambil 𝜇𝐵 = 𝜇1 − 𝜇2. Hipotesis nol dan tandingannya adalah:

KED
 𝐻0: 𝜇𝐵 = 0
{
𝐻1: 𝜇𝐵 G 0
Jika 𝐵i = 𝑥i − 𝑦i , maka data 𝐵1 , 𝐵2 , … , 𝐵𝑛 menghasilkan 𝐵̅ dan simpangan baku 𝑠𝐵 . Untuk
pengujian hipotesis, gunakan statistik:
𝐵̅
𝑡=𝑠
𝐵/

√𝑛
dan terima 𝐻0 jika −𝑡1−1𝜎 < 𝑡 < 𝑡1−1𝜎 dimana 𝑡1−1𝜎 didapat dari daftar student dengan
2 2 2

𝑑𝑘 = 𝑛1 + 𝑛2 − 2 peluang 1 − 12𝛼. Dalam hal lainnya 𝐻0 ditolak.

Contoh:
Dua macam makanan A dan B diberikan kepada ayam secara terpisah untuk jangka waktu
tertentu. Ingin diketahui macam makanan yang mana yang lebih baik bagi ayam tersebut.
Sampel acak yang terdiri atas 11 ayam diberi makanan A dan 10 ayam diberi makanan B.
Tambah berat badan ayam (dalam ons) hasil percobaan adalah sebagai berikut:
A 3.1 3.0 3.3 2.9 2.6 3.0 3.6 2.7 3.8 4.0 3.4
B 2.7 2.9 3.4 3.2 3.3 2.9 3.0 3.0 2.6 3.7
Dalam taraf nyata 𝛼 = 0,05, tentukan apakah kedua macam makanan itu sama baiknya atau
tidak. (berat daging ayam berdistribusi normal dengan varians yang sama besar)
Jawab:
𝐻0: 𝜇1 = 𝜇2
7. { 𝐻1 : 𝜇1 G 𝜇2
8. Uji statistik : t
9. Uji 2 pihak
10. Taraf nyata 𝛼 = 0,05, maka −𝑡0.975;19 < 𝑡 < 𝑡0.975;19 ➀ −2,09 < 𝑡 < 2,09
11. Nilai Statistik:
Rata-rata dan varians untuk masing-masing 2 sampel:
𝑥̅ ̅ = ∑ 𝑥i = 35.4 = 3.22 dan 𝑠 2 = ∑(𝑥i−̅𝑥̅𝐴̅) = 1.9964 = 0.1996
Æ 𝑛𝐴 11 Æ 𝑛𝐴−1 10
2
𝑥̅ ̅ = ∑ 𝑥i = 30.2 = 3.02 dan 𝑠 2 = ∑(𝑥i−̅𝑥̅𝐵̅) = 1.001 = 0.1112
𝐵 𝑛𝐵 10 𝐵 𝑛𝐵−1 9

Maka simpangan baku gabungannya:

(11 − 1)(0.1996) + (10 − 1)(0.1112) 2.9968
𝑠2 = = = 0.1577
11 + 10 − 2 19

Maka:
3.22 − 3.02 = 0.862
𝑡= 1 1
√0.1577√ +
11 10
12. Kesimpulan: karena t hitung berada dalam daerah penerimaan 𝐻0, maka 𝐻0 diterima.
Artinya kedua macam makanan ayam itu memberikan tambahan berat daging ayam
sama terhadap ayam-ayam itu.

KED
d. Uji Satu Pihak

KED
Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan
baku secara berturut-turut 𝜇1 dan 𝜇2 dan 𝜎1 dan 𝜎2. Secara independen dari populasi kesatu
diambil sebuah sampel acak berukuran 𝑛1, sedangkan dari populasi kedua sebuah sampel acak
diambil sebanyak 𝑛2. Dari kedua sampel ini berturut-turut diperoleh 𝑥̅ 1̅, 𝑠1 dan ̅𝑥2̅ ̅, 𝑠2. Akan diuji
tentang rata-rata 𝜇1 dan 𝜇2. Maka pengujian hipotesis:

𝐻0 : 𝜇1 = 𝜇2 𝐻0: 𝜇1 = 𝜇2
Hipotesis {𝐻1 : 𝜇1 > 𝜇2 {𝐻1 : 𝜇1 < 𝜇2

Uji ̅𝑥1̅ ̅ − 𝑥̅ 2̅
𝜎1 = 𝜎2 = 𝜎 dan 𝜎 𝑧 = 𝜎√ 1 + 1
Statistik
diketahui 𝑛1 𝑛2

Kriteria 𝐻0 ditolak :𝑧 ≥ 𝑧0.5−𝛼 𝐻0 ditolak :𝑧 ≤ −𝑧0.5−𝛼

pengujian

𝑥̅ 1̅ − 𝑥̅ 2
𝑡 = 𝑠√ 1 + 1
Uji 𝑛1 𝑛2
𝜎1 = 𝜎2 = 𝜎 tetapi Statistik Dengan:
𝜎 tidak diketahui (𝑛 1 − 1 )𝑠 2 + (𝑛 2 − 1 )𝑠 2
2 1 2
𝑠 =
𝑛1 + 𝑛2 − 2

𝐻0 ditolak :𝑡 ≥ 𝑡1−𝛼 𝐻0 ditolak :𝑡 ≤ −𝑡1−𝛼

Kriteria
dengan: 𝑑𝑘 = 𝑛1 + 𝑛2 − 2 dengan: 𝑑𝑘 = 𝑛1 + 𝑛2 − 2
pengujian
peluang 1 − 𝛼 peluang 1 − 𝛼

𝑥̅ 1̅ − 𝑥̅ 2̅
Uji 𝑡′ =
Statistik 𝑠21 𝑠2 2
𝜎1 G 𝜎2 dan √ +
𝑛1 𝑛2
kedua-duanya
tidak diketahui 𝐻0 ditolak: 𝑡′ ≥ w1𝑡1+w2𝑡2 𝐻0 ditolak:𝑡′ ≤ w1𝑡1+w2𝑡2
w1+w2 w1+w2
2 2
Kriteria dengan: wi = 𝑠i dan dengan: wi = 𝑠i dan
pengujian 𝑛i 𝑛i
𝑡i = 𝑡(1−𝛼),(𝑛i−1) dengan i = 𝑡i = 𝑡(1−𝛼),(𝑛i−1) dengan i =
1, 2 1, 2

Contoh:
Diduga bahw apemuda yang senang berenang rata-rata lebih tinggi badannya daripada pemuda
sebaya yang tidak senang berenang. Untuk meneliti ini telah diukur 15 pemuda yang senang
berenang dan 20 yang tidak senang berenang. Rata-rata tinggi badannya berturut-turut 167,2
cm dan 160,3 cm. Simpangan baknya masing-masing 6,7 cm dan 7,1 cm. Dalam taraf nyata
𝛼 = 0,05, dapatkah kita mendukung dugaan tersebut? (misal distribusi tinggi badan untuk
kedua kelompok pemuda itu normal dan 𝜎1 G 𝜎2)

Jawab:

KED
 𝐻0 : 𝜇1 = 𝜇2
1. { 𝐻1 : 𝜇1 > 𝜇2
2. Uji statistik: t
3. Uji satu pihak
w1𝑡1+w2𝑡2
4. Taraf nyata 𝛼 = 0,05, maka 𝑡′ ≥
w1+w2

1 6.72 7,1
w1 = 𝑠2 = 𝑠2 2 = 2.52, 𝑡1 = 𝑡(1−𝛼),(𝑛1−1) = 1.76, dan
Dengan 15 = 2.99, w2 = 2
=
𝑛1 𝑛2
20
𝑡2 = 𝑡(1−𝛼),(𝑛2−1) = 1.73 maka

(2.99)(1.76) + (2.52)(1.73)
𝑡′ ≥ 2.99 + 2.52 ➀ 𝑡 ≥ 1.75
′ 167.2−160.3
5. Nilai statistik: 𝑡 = = 2.94
2 2
√6.7 +7.1
15 20

6. Kesimpulan: Karena t’ hitung berada dalam daerah penolakan 𝐻0 , maka 𝐻0 ditolak. Artinya
benar tinggi pemuda yang suka berenang lebih tinggi dibandingkan pemuda yang tidak suka
berenang.

B. Menguji Kesamaan Dua Proporsi

c. Uji dua pihak
Misalkan ada dua populasi berdistribusi binom yang didalamnya masing-masing didapat
proporsi peristiwa A sebesar 𝜋1 dan 𝜋2. Dari populasi kesatu diambil sebuah sampel acak
𝑥
berukuran 𝑛1dan didalamnya terdapat proporsi peristiwa A sebesar 1/𝑛 1. Dari populasi kedua
diambil sebuah sampel acak berukuran 𝑛2dan didalamnya terdapat proporsi peristiwa A sebesar
𝑥2 . Kedua sampel diambil secara independen. Maka pengujian hipotesis:
/𝑛2
𝐻0 : 𝜋1 = 𝜋2
{𝐻1 : 𝜋1 G 𝜋2
Untuk ini digunakan pendekatan oleh distribusi normal dengan statistik:
𝑥1 𝑥2
−
𝑛1 𝑛2
𝑧 = √𝑝𝑞 ( 1 + 1 )
𝑛1 𝑛2
𝑥1+𝑥2
Dengan 𝑝 =
𝑛1+𝑛2 dan 𝑞 = 1 − 𝑝. Jika dalam pengujian ini digunakan taraf nyata 𝛼, maka
kriteria pengujian adalah: terima 𝐻0 jika −𝑧1/ (1−𝛼) < 𝑧 < 𝑧1/ (1−𝛼) dimana 𝑧1/ (1−𝛼)
2 2 2
didapat dari daftar normal baku dengan peluang 1/ (1 − 𝛼). Dalam hal lainnya 𝐻0 ditolak.
2

Contoh:
Suatu penelitian dilakukan di daerah A terhadap 250 pemilih. Terdapat 150 pemilih menyatakan
akan memilih calon C. Didaerah B penelitian dilakukan terhadap 300 pemilih dan terdapat 162
yang akan memilih calon C. Dengan taraf nyata 𝛼 = 0,05 adakah perbedaan yang nyata
mengenai pemilih calon C di antara kedua daerah itu?
Jawab:
𝐻0 : 𝜋1 = 𝜋2
1. {
𝐻1 : 𝜋1 G 𝜋2
2. Uji statistik : z
KED
3. Uji dua pihak
4. taraf nyata 𝛼 = 0,05, maka −𝑧1/ ( ) < 𝑧 < 𝑧1/ ( ) ➀ −1.96 < 𝑧 < 1.96
2 1−𝛼 2 1−𝛼
150+162

5. Nilai statistik: dengan 𝑝 = = 0.5673 dan 𝑞 = 1 − 0.5673 = 0.4327

250+300

KED
 150 162
𝑧= 250 − 300 = 1.42
1 1 )
√(0.5673)(0.4327) (
250 + 300
6. Kesimpulan: karena z hitung berada dalam daerah penerimaan 𝐻0, maka 𝐻0 diterima.
Artinya tidak ada perbedaan yang nyata mengenai pemilih calon C diantara kedua daerah.

d. Uji satu pihak

Uji pihak kanan, maka pasangan hipotesisnya adalah:
𝐻0 : 𝜋1 = 𝜋2
{𝐻1 : 𝜋1 > 𝜋2
Statistik yang digunakan masih berdasarkan pendekatan oleh distribusi normal. Kriteria
pengujian: 𝐻0 ditolak 𝑧 ≥ 𝑧0.5−𝛼 dimana 𝑧(1−𝛼) didapat dari daftar normal baku dengan peluang
(1 − 𝛼). Dalam hal lainnya 𝐻0 ditolak.
Uji pihak kiri, maka pasangan hipotesisnya adalah:
𝐻0 : 𝜋1 = 𝜋2
{𝐻1 : 𝜋1 < 𝜋2
Statistik yang digunakan masih berdasarkan pendekatan oleh distribusi normal. Kriteria
pengujian: 𝐻0 ditolak 𝑧 ≤ −𝑧0.5−𝛼 dimana 𝑧(1−𝛼) didapat dari daftar normal baku dengan
peluang (1 − 𝛼). Dalam hal lainnya 𝐻0 ditolak

Contoh:
Terdapat dua kelompok, ialah A dan B, masing-masing terdiri dari 100 pasien yang menderita
semacam penyakit. Kepada kelompok A diberikan serum tertentu tetapi tidak kepada kelompok
B. Kelompok B sering dinamakan kelompok kontrol. Setelah jangka waktu tertentu, terdapat 80
yang sembuh dari kelompok A dan 68 dari kelompok B. Apakah penelitian ini memperlihatkan
bahwa pemberian serum ikut membantu menyembuhkan penyakit? (𝛼 = 0,05)
Jawab:
𝐻0 : 𝜋Æ = 𝜋𝐵
7. {
𝐻1 : 𝜋Æ > 𝜋𝐵
8. Uji statistik : z
9. Uji satu pihak
10. taraf nyata 𝛼 = 0,05, maka 𝑧 ≥ 𝑧0.5−𝛼 ➀ 𝑧 ≥ 1.64
80+68
11. Nilai statistik: dengan 𝑝 = = 0.74 dan 𝑞 = 1 − 0.74 = 0.26
100+100
80 68
100 − 100
𝑧= 1 = 1.94
√(0.74)(0.26) ( 1 )
100 + 100
12. Kesimpulan: karena z hitung berada dalam daerah penerimaan 𝐻0, maka 𝐻0 diterima.
Artinya pemberian serum membantu menyembuhkan penelitian.

C. Menguji Kesamaan Dua Varians

Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan
baku secara berturut-turut 𝜇1 dan 𝜇2 dan 𝜎1 dan 𝜎2. Secara independen dari populasi kesatu
diambil sebuah sampel acak berukuran 𝑛1, sedangkan dari populasi kedua sebuah sampel acak
diambil sebanyak 𝑛2. Dari kedua sampel ini berturut-turut diperoleh 𝑥̅ 1̅, 𝑠1 dan ̅𝑥̅2̅, 𝑠2. Akan
diuji tentang rata-rata 𝜇1 dan 𝜇2. Maka pengujian hipotesis:
a. Uji dua pihak

KED
 𝐻0: 𝜎2 = 𝜎2
1 2
{
𝐻1: 𝜎 G 𝜎2
2

Pengujian menggunakan statistik: 1 2

𝑠2
1
𝐹=
𝑠22

Kriteria pengujian adalah terima hipotesis 𝐻0 jika

𝐹(1−𝛼)(𝑛1−1,𝑛2−1 ) < 𝐹 < 𝐹1/
2𝛼(𝑛1−1,𝑛2−1 )

Untuk taraf nyata 𝛼, dimana 𝐹𝛽(𝑚,𝑛) didapat dari daftar distribusi F dengan peluang 𝛽, dk
pembilang = n dan dk penyebut = m.

Statistik lain yang digunakan untuk menguji hipotesis 𝐻0:

Varians terbesar
𝐹 = Varians terkecil
Dan tolak 𝐻0 hanya jika 𝐹 ≥ 𝐹1/ 𝛼(𝑛1−1,𝑛2−1 )
2

Jika peluang beda dari 0,01 atau 0,05, maka gunakan:

𝐹 1
(1−𝑝)(}2,}1) =
𝐹𝑝(} 1,} )2

Contoh:
Ada dua macam pengukuran kelembaban suatu zat. Cara ke-1 dilakukan 10 kali yang
menghasilkan 𝑠2 = 24.7 dan cara ke-2 dilakukan 13 kali dengan 𝑠2 = 37.2. Dengan 𝛼 = 0,10
tentukan apakah kedua cara pengukuran tersebut mempunyai varians homogen?
Jawab:
𝐻0 : 𝜎12 = 𝜎22
7. {
𝐻1 : 𝜎2 G 𝜎2
1 2

8. Uji statistik : F
9. Uji dua pihak
10. taraf nyata 𝛼 = 0,10, maka 𝐹 ≥ 𝐹1/ ( )➀ 𝐹 ≥ 𝐹0.05(12,9 ) ➀ 𝐹 ≥ 3.07
2𝛼 𝑛1−1,𝑛2−1
37.2

11. Nilai statistik: 𝐹 = = 1.506

24.7
12. Kesimpulan: karena F hitung berada dalam daerah penerimaan 𝐻0, maka 𝐻0 diterima.
Artinya varians kedua cara penentuan kelembaban homogen.

b. Uji satu pihak

Uji pihak kanan, hipotesi nol dan hipotesis tandingannya:
𝐻0: 𝜎2 = 𝜎2
1 2
{
𝐻1: 𝜎 > 𝜎2
2

1 2

Uji pihak kiri, hipotesi nol dan hipotesis tandingannya:

𝐻0: 𝜎2 = 𝜎2
1 2
{
KED
 𝐻1: 𝜎2 < 𝜎2
1 2

2
𝑠
1
Statistik yang digunakan: 𝐹 =
𝑠22

Kriteria pengujian: untuk uji pihak kanan: 𝐻0 ditolak jika 𝐹 ≥ 𝐹𝛼(𝑛1−1,𝑛2−1 ) sedangkan untuk uji
pihak kiri: 𝐻0 ditolak jika 𝐹 ≤ 𝐹(1−𝛼)(𝑛1−1,𝑛2−1 )
Contoh:

KED
Penelitian terhadap dua metode penimbangan menghasilkan 𝑠2 = 25.4 gram dan 𝑠2 = 30.7
1 2

gram. Penimbangan masing-masing dilakukan sebanyak 13 kali. Ada anggapan bahwa metode
kesatu menghasilkan penimbangan dengan variabilitas yang lebih kecil. Betulkah itu?
Jawab:
𝐻0: 𝜎12 = 𝜎22
6. {
𝐻1: 𝜎2 < 𝜎2
1 2

7. Uji statistik : F
8. Uji satu pihak
9. taraf nyata 𝛼 = 0,05, maka 𝐹 ≤ 𝐹(1−𝛼)(𝑛1−1,𝑛2−1 ) ➀ 𝐹 ≤ 𝐹0.95(12.12)
1
karena 𝐹0.05(12.12) = 2.69 maka 𝐹0.95(12.12) = = 0.37
𝐹0.05(12.12)
Maka 𝐹 ≤ 0.37
24.7

10. Nilai statistik: 𝐹 = = 0.83

37.2
11. Kesimpulan: karena F hitung berada dalam daerah terima 𝐻0 maka 𝐻0 diterima. Artinya
tidak benar variabilitas cara kesatu lebih kecil.

KED
Rangkuman
1. Menguji rata-rata

Hipotesis Kondisi Distribusi Statistik Daerah Ho

𝑥̅
𝜎 − 𝜇0 Terima
𝜎 diketahui Normal 𝑍= / −𝑍1(1−𝛼) < 𝑍 < 𝑍1(1−𝛼)
√𝑛 2 2
𝐻0: 𝜇 = 𝜇0
𝐻1: 𝜇 G 𝜇0 𝑥̅ − 𝜇0 Terima
𝜎 tidak
Student 𝑡 = 𝑠/ −𝑡1−1𝛼 < 𝑡 < 𝑡1−1𝛼
diketahui √𝑛 2 2
dk = (n – 1)
𝑥̅
𝜎 − 𝜇0 Tolak
𝜎 diketahui Normal 𝑍= /
√𝑛 𝑍 ≥ 𝑍0,5−𝛼
𝐻0: 𝜇 = 𝜇0
𝐻1: 𝜇 > 𝜇0 𝑥̅ − 𝜇0 Tolak
𝜎 tidak
Student 𝑡 = 𝑠/ 𝑡 ≥ 𝑡1−𝛼
diketahui √𝑛 dk = (n – 1)
𝑥̅
𝜎 − 𝜇0 Tolak
𝜎 diketahui Normal 𝑍= /
√𝑛 𝑍 ≤ −𝑍0,5−𝛼
𝐻0: 𝜇 = 𝜇0
𝐻1: 𝜇 < 𝜇0 𝑥̅ − 𝜇0 Tolak
𝜎 tidak
Student 𝑡 = 𝑠/ 𝑡 ≤ −𝑡1−𝛼
diketahui √𝑛 dk = (n – 1)
2. Menguji proporsi
Hipotesis Distribusi Statistik Daerah Ho
𝑥
−𝜋0
𝐻0: 𝜋 = 𝜋0 Terima
Normal 𝑍= 𝑛 −𝑍1(1−𝛼) < 𝑍 < 𝑍1(1−𝛼)
𝐻1: 𝜋 G 𝜋0
√𝜋0(1−𝜋
𝑛
0) 2 2
𝑥
−𝜋0
𝐻0: 𝜋 = 𝜋0 𝑍= 𝑛 Tolak
Normal 𝑍 ≥ 𝑍0,5−𝛼
𝐻1: 𝜋 > 𝜋0
√𝜋0(1−𝜋
𝑛
0)
𝑥
−𝜋0
𝐻0: 𝜋 = 𝜋0 𝑍= 𝑛 Tolak
Normal 𝑍 ≤ −𝑍0,5−𝛼
𝐻1: 𝜋 < 𝜋0
√𝜋0(1−𝜋
𝑛
0)

3. Menguji varians
Hipotesis Distribusi Statistik Daerah Ho
Terima
𝐻0: = 𝜎2 (𝑛 − 1)𝑠2
𝜎2 0
2 Chi-kuadrat 2
3 =
32 < 32 < 32
𝐻1: 2 G 𝜎0
1/ 𝛼 1−1/2𝛼
𝜎 𝜎02 2
dk = (n – 1)

= 𝜎2 (𝑛 − 1)𝑠2 Tolak
𝐻0: 𝜎2 0 32 ≥ 32
> 𝜎2 Chi-kuadrat 32 = 1−𝛼
𝐻1:
𝜎2 0 𝜎02 dk = n-1

= 𝜎2 (𝑛 − 1)𝑠2 Tolak
𝐻0: 𝜎2 0 32 ≤ 3𝛼2
< 𝜎2 Chi-kuadrat 32 =
𝐻1: 𝜎02
𝜎2 0 dk = n-1

KED
4. Menguji kesamaan dua rata-rata

Hipotesis Kondisi Distribusi Statistik Daerah Ho

𝑥̅ 1̅ − 𝑥̅2̅ Terima
𝜎1 = 𝜎2 = 𝜎 Normal 𝑍 = 𝜎√ 1 + 1 −𝑍1(1−𝛼) < 𝑍 < 𝑍1(1−𝛼)
𝑛1 𝑛2 2 2

̅𝑥̅1̅ − 𝑥̅ 2̅ Terima
𝑡= 1 1 −𝑡1 1𝛼 < 𝑡 < 𝑡1 1𝛼
𝜎 1 = 𝜎 2 = 𝑠2 Student 𝑠√ + −
2
−
2
𝑛1 𝑛2 𝑑𝑘 = 𝑛1 + 𝑛2 − 2
𝐻0: 𝜇1 = 𝜇2
𝐻1: 𝜇1 G 𝜇2 Terima
𝑥̅ 1̅ − 𝑥̅ ̅2̅ w1𝑡1 + w2𝑡2 w1𝑡1 + w2𝑡2
𝑡′ = − w1 + w2 < 𝑡′ 2< w1 + w2
𝑠12 2𝑠2 𝑠
𝜎1 G 𝜎 2 Student √ + w= i
𝑛1 𝑛2 i
/𝑛
i

𝑡i = 𝑡(1−1
(
2𝛼), 𝑛i−1
)
Tolak
𝑥̅ 1̅ ̅ − 𝑥̅ 2̅ ̅ 𝑡 ≥ 𝑡1−𝛼
𝜎 1 = 𝜎 2 = 𝑠2 Student = 1 + 1
𝑡 𝑠√
𝑑𝑘 = 𝑛1 + 𝑛2 − 2
𝑛1 𝑛2
Tolak
𝐻0: 𝜇1 = 𝜇2 w1𝑡1 + w2𝑡2
𝐻1: 𝜇1 > 𝜇2 ̅𝑥̅1 − 𝑥̅ 2̅ 𝑡′ ≥ w12+ w2
𝑡′ = 𝑠
2 2 w= i
𝜎1 G 𝜎 2 Student /𝑛
𝑠 𝑠 i i
√ 𝑛11 + 𝑛22
𝑡i = 𝑡(1−1
(
2𝛼), 𝑛i−1
)

Tolak
𝑥̅ 1̅ − 𝑥̅ 2 𝑡 ≤ −𝑡1−𝛼
𝜎 1 = 𝜎 2 = 𝑠2 Student 𝑡 = 𝑠√ 1 + 1
𝑑𝑘 = 𝑛1 + 𝑛2 − 2
𝑛1 𝑛2
Tolak
𝐻0: 𝜇1 = 𝜇2 w1𝑡1 + w2𝑡2
𝐻1: 𝜇1 < 𝜇2 𝑥̅ 1̅ − 𝑥̅ 2̅ 𝑡′ ≤ − w21 + w2
𝑡′ = 𝑠
2 2 w= i
𝜎1 G 𝜎 2 Student /𝑛
𝑠 𝑠 i i
√ 𝑛11 + 𝑛22
𝑡i = 𝑡(1−1
(
2𝛼), 𝑛i−1
)

(𝑛1 − 1)𝑠2 + (𝑛2 − 1)𝑠2

2
𝑠 = 1 2

𝑛1 + 𝑛2 − 2

KED
 5. Menguji kesamaan dua hipotesis
Hipotesis Distribusi Statistik Daerah
Ho
𝐻0: 𝜋1 = 𝜋2 (𝑥1) − (𝑥2) Terima
𝑍=
𝑛1 𝑛2 −𝑍1(1−𝛼) < 𝑍
𝐻1: 𝜋 1 G 𝜋2 1 1
Normal √𝑝𝑞 ( + ) < 𝑍1(1−𝛼)
𝑛1 𝑛1 2

𝐻0: 𝜋1 = 𝜋2 (𝑥1) − (𝑥2) Tolak

𝐻1: 𝜋1 > 𝜋2 𝑛1 𝑛2 𝑍 ≥ 𝑍0,5−𝛼
Normal 𝑍= 1 1
√𝑝𝑞 ( + )
𝑛1 𝑛1
𝐻0: 𝜋1 = 𝜋2 (𝑥1) − (𝑥2) Tolak
𝐻1: 𝜋1 < 𝜋2 𝑛1 𝑛2 𝑍 ≤ −𝑍0,5−𝛼
Normal 𝑍= 1 1
√𝑝𝑞 ( + )
𝑛1 𝑛1

6. Menguji kesamaan dua varians

Hipotesis Distribusi Statistik Daerah Ho
𝐻0: 𝜎2 = 𝜎2 Terima
1 2 𝐹 = 𝑠12
2
𝐻1: 𝜎 G 𝜎 2 F 𝐹 1 < 𝐹 < 𝐹1
1 2 𝑠2 2 (1− 𝛼)(𝑛1−1,𝑛2−1)
2 2
𝛼(𝑛1−1,𝑛2−1)
2 2
𝐻0: 𝜎 = 𝜎 2 Tolak
1 2
𝐻1: 𝜎12 G 𝜎22 F 𝐹 = 𝑠1 𝐹 ≥ 𝐹𝛼,(𝑛1−1,𝑛2−1)
2 2
𝑠2 2
𝐻0: 𝜎 = 𝜎 Tolak
1 2
F 𝐹 = 𝑠12
2
𝐻1: 𝜎1 G 𝜎2 2
𝐹 ≤ 𝐹(1−𝛼)
𝑠2 2
(𝑛1−1,𝑛2−1)

KED