2023 KED
KATA PENGANTAR
Penulis
KED
BAB II
PEMBAHASAN
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.
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:
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
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
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.
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.
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:
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
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:
2. Hipotesis Komparatif
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
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.
4. Hipotesis Kausal
Hipotesis kausal dapat diartikan sebagai dugaan atau jawaban sementara terhadap
rumusan masalah yang mempertanyakan pengaruh faktor prediktor terhadap
variabel respon.
Ho: Tidak ada pengaruh KB Hormonal terhadap kejadian kanker leher rahim. H1:
Ada pengaruh KB Hormonal terhadap kejadian kanker leher rahim.
Dalam pengujian hipotesis ada dua kekeliruan yang dapat terjadi, di kenal dengan
nama – nama :
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.
Ho : μ= μₒlawan H1 : μ ≠ μₒ
X−μₒ
t=
s
√n
Dimana :
X = nilai rata-rata
3. Interpretasi
a) Nilai signifikansi α
a
b. Bandingkan nilai thit dengan ttab, dimana ttab ¿ t ; N-1
2
KED
c. Apabila :
Contoh soal:
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.
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 :
1) Hipotesis Ho : µ = 10 lawan H1 : µ # 10
3) α = 0.01
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.
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.
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.
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%?
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.
H1 : µA ≠ µB
taraf singnifikansi α = 5%
5. Kaidah Pengujian
1 75 85 5,4 413,4
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 X 1 1090
X1 = = = 72,7
n1 15
Ʃ X 2 970
X2 = = = 64,7
n2 15
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
ttabel : taraf signifikansi α =5% = 0,05 karena uji dua pihak (two talis),
db = n – 2 = 30-2=28.
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.
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.
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
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.
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.
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
6. Kesimpulan 32 = 41,174 ada dalam daerah penerimaan 𝐻0. Dalam taraf nyata 0,05, 𝐻0
hit
diterima artinya 𝜎2 = 3600 jam.
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.
𝑛1 + 𝑛2 − 2
KED
Dengan taraf nyata 𝛼, maka kriteria pengujian adalah: terima 𝐻0 jika −𝑡1−1𝜎 < 𝑡 < 𝑡1−1𝜎
2 2
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
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:
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.
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
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
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.
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
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.
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.
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.
1 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
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.
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
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
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:
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
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
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.
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
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.
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.
KED
𝐻0: 𝜎2 = 𝜎2
1 2
{
𝐻1: 𝜎 G 𝜎2
2
𝑠2
1
𝐹=
𝑠22
Untuk taraf nyata 𝛼, dimana 𝐹𝛽(𝑚,𝑛) didapat dari daftar distribusi F dengan peluang 𝛽, dk
pembilang = n dan dk penyebut = m.
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
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
KED
Rangkuman
1. Menguji rata-rata
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
̅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 + 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
KED