TUGAS STATISTIK DAN PERANCANGAN

PERCOBAAN
DOSEN PENGAMPU : Hendri Yanda, S.T.,M.Sc, Ph.D

STATISTIK INFERENSIAL

DISUSUN OLEH :

MOHAMMAD ADAM ALWALID

2010917001

DEPARTEMEN TEKNIK MESIN

FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
PADANG
2023
 KATA PENGANTAR
Assalamu ‘Alaikum Warahmatullahi Wabarakatuh

Segala puji bagi Allah SWT yang dengan segala kasih sayang dan menyeru hamba-
Nya mengikuti petunjuk yang benar, sehingga kami dapat menyelesaikan makalah ini tentang
“Statistika Inferensial”. Shalawat dan salam atas Nabi Muhammad SAW, Rasul Allah yang
telah mencucurkan keringat jihad sebanyak-banyaknya dalam mendakwahkan kebenaran dan
mengamalkan kebajikan.
Makalah ini telah kami susun dengan maksimal dan mendapatkan bantuan dari teman-
teman, dan dari berbagai pihak sehingga dapat memperlancar pembuatan makalah ini. Untuk
itu kami mengucapkan banyak terima kasih kepada semua pihak yang telah berkontribusi
dalam pembuatan makalah ini.
Terlepas dari semua itu, kami menyadari sepenuhnya bahwa masih ada kekurangan
baik dari segi susunan kalimat mauput tata bahasanya. Oleh karena itu, dengan tangan
terbuka kami menerima segala saran dan kritik dari pembaca agar kami dapat memperbaiki
makalah ini.
Akhir kata kami berharap semoga makalah ini memberikan manfaat maupun inspirasi
terhadap pembaca.

Wassalamu ‘Alaikum Warahmatullahi Wabarakatuh

Padang, 07 Mei 2023

Penulis
 DAFTAR ISI

Cover .......................................................................................................... 1
Kata Pengantar ......................................................................................... 2
Daftar Isi .................................................................................................... 3
Bab I Pendahuluan .................................................................................... 4
A. Latar Belakang ................................................................................ 4
B. Rumusan Masalah ........................................................................... 4
C. Tujuan .............................................................................................. 5
D. Manfaat ........................................................................................... 5

Bab II ISI ................................................................................................... 6

A. Pengertian Statistik Inferensial ....................................................... 6
B. Fungsi Statistik Inferensial .............................................................. 7
C. Jenis Statistik Inferensial…………………………………………... 9
D. Metode Statistik Inferensial……………………………………….. 10
E. Hal Penting Penerapan Statistika Inferensial………………………. 10
F. Ruang Lingkup Statistik Inferensial……………………………….. 11
G. Contoh Statistik Inferensial………………………………………… 17
G. Pengujian Hipotesis ......................................................................... 18

Bab III Penutup ......................................................................................... 29

A. Kesimpulan ..................................................................................... 29
Daftar Pustaka ........................................................................................... 31
Contoh Soal Hitung…………………………………………………….... 32
Contoh Soal Essay……………………………………………………….. 36
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistika berasal dari bahasa latin yaitu status yang berarti negara dan digunakan
untuk urusan negara. Hal ini dikarenakan pada mulanya, statistik hanya digunakan untuk
menggambar keadaan dan menyelesaikan masalah yang berhubungan dengan kenegaraan saja
seperti : perhitungan banyaknya penduduk, peembayaran pajak, gaji pegawai, dan lain
sebagainya.
Statistika adalah ilmu yang merupakan cabang dari matematika terapan yang membahas
metode-metode ilmiah untuk pengumpulan, pengorganisasian, penyimpulan, penyajian,
analisis data, serta penarikan kesimpulan yang sahih sehingga keputusan yang diperoleh
dapat diterima.
Statistika inferensial mencakup semua metode yang berhubungan dengan analisis
sebagian data (contoh ) atau juga sering disebut dengan sampel untuk kemudian sampai pada
peramalan atau penarikan kesimpulan mengenai keseluruhan data induknya (populasi).
Dalam statistika inferensial diadakan pendugaan parameter, membuat hipotesis, serta
melakukan pengujian hipotesis tersebut sehingga sampai pada kesimpulan yang berlaku
umum. Metode ini disebut juga statistika induktif, karena kesimpulan yang ditarik didasarkan
pada informasi dari sebagian data saja. Pengambilan kesimpulan dari statistika inferensial
yang hanya didasarkan pada sebagian data saja sebagian data saja menyebabkan sifat tak
pasti, memungkinkan terjadi kesalahan dalam pengambilan keputusan, sehingga pengetahuan
mengenai teori peluang mutlak diperlukan dalam melakukan metode-metode statistika
inferensial.
Statistik inferensial digunakan dalam proses mengambil keputusan dalam menghadapi
ketidakpastian dan perubahan. Contoh ketidakpastian adalah kuat tekan beton dalam suatu
pengujian tidak sama, walaupun dibuat dengan material yang sama. Dengan adanya
kenyataan tersebut, maka metode statitsik digunakan untuk menganalisis data dari suatu
proses pembuatan beton tersebut sehingga diperoleh kualitas yang lebih baik. Statistik
inferensial telah menghasilkan banyak metode analitis yang digunakan untuk menganalisis
data. Dengan perkataan lain statistik inferensial tidak hanya mengumpulan data, tetapi juga
mengambil kesimpulan dari suatu sistem saintifik.
Untuk mengetahui lebih jelas mengenai Statistika Inferensial, akan diuraikan mengenai
pengertian Statistika Inferensial dan ruang lingkup Statistika Inferensial.
1.2 Rumusan Masalah
Berdasarkan uraian latar belakang diatas, maka dalam makalah ini ada 2 (dua) rumusan
masalah yang terkaji yakni :
1. Apa yang dimaksud dengan Statistik Inferensial ?
2. Apa fungsi dari Statistika Inferensial ?
3. Apa saja yang termasuk ruang lingkup Statistik Inferensial ?

1.3 Tujuan
Berdasarkan rumusan masalah diatas, maka tujuan yang ingin dicapai dalam penulisan
makalah ini adalah sebagai berikut:
1. Mengetaui pengertian dari Statistik Inferensial
2. Mengetahui fungsi dari Statistika Inferensial
3. Mengetahui ruang lingkup Statistik Inferensial
1.4 Manfaat
Adapun manfaat yang diharapkan dari penulisan makalah ini adalah sebagai berikut:
1. Bagi penulis
Pembuatan makalah ini telah memberikan berbagai pengalaman bagi penulis seperti
pengalaman untuk mengumpulkan bahan. Disamping itu, penulis juga mendapat ilmu untuk
memahami dan menganalisis materi yang ditulis dalam makalah ini. Penulis juga
mendapatkan berbagai pengalaman mengenai teknik penulisan makalah, teknik pengutipan,
dan teknik penggabungan materi dari berbagai sumber.
2. Bagi pembaca
Pembaca akan lebih mengetahui pengertian, fungsi dan ruang lingkup Statistika Inferensial.
 BAB II
ISI
2.1 Pengertian Statistik Inferensial

Statistik inferensial adalah cabang statistik yang berkaitan dengan teknik pengambilan
kesimpulan atau inferensi dari suatu populasi berdasarkan data yang diperoleh dari sampel.
Dalam statistik inferensial, tujuan utama adalah untuk membuat generalisasi atau inferensi
mengenai karakteristik populasi dari data yang diperoleh dari sampel, dengan memperhatikan
kemungkinan adanya kesalahan dalam pengambilan kesimpulan. Secara lebih spesifik,
statistik inferensial melibatkan penggunaan metode-metode statistik untuk:
1. Menentukan apakah suatu perbedaan antara dua atau lebih kelompok merupakan hasil dari
kebetulan atau tidak signifikan secara statistik,
2. Menentukan ukuran besarnya perbedaan atau hubungan antara dua atau lebih variabel,
3. Memprediksi nilai atau karakteristik populasi berdasarkan data sampel yang tersedia,
4. Menguji hipotesis atau asumsi tentang populasi.
Statistik inferensial digunakan di banyak bidang, seperti ilmu sosial, ekonomi, kesehatan, dan
sains. Contoh penggunaannya meliputi pengambilan keputusan di perusahaan, pengambilan
kebijakan di pemerintahan, penelitian ilmiah, dan evaluasi program.

2.2. Fungsi Statistik Inferensial

Statistika inferensial juga biasa disebut dengan statistika induktif, dimana statistika ini
memiliki tujuan dalam menaksir atau menganalisis secara umum populasi tertentu
menggunakan hasil sampel. Tidak terkecuali teori penaksiran serta pengujian teori yang
termuat di dalamnya. Statistika inferensial dapat diterapkan dalam melaksanakan beberapa
hal, seperti melaksanakan generalisasi yang bermula dari sampel hingga ke populasi,
melaksanakan uji hipotesis. Statistik inferensial memiliki beberapa fungsi penting dalam
analisis data dan penelitian. Berikut adalah beberapa fungsi dari statistik inferensial:

A. Membuat generalisasi tentang populasi: Statistik inferensial digunakan untuk membuat

generalisasi tentang populasi berdasarkan data yang diperoleh dari sampel. Dengan demikian,
statistik inferensial memungkinkan peneliti untuk mengambil kesimpulan tentang
karakteristik populasi berdasarkan data yang diperoleh dari sampel yang relatif kecil.

B. Menentukan apakah hasil signifikan secara statistik: Statistik inferensial digunakan untuk
menentukan apakah perbedaan atau hubungan antara variabel dalam sampel adalah hasil
kebetulan atau tidak signifikan secara statistik. Dengan demikian, statistik inferensial
membantu peneliti untuk menentukan apakah hasil yang ditemukan dalam sampel dapat
dianggap sebagai representatif dari populasi atau tidak.

C. Membuat prediksi: Statistik inferensial digunakan untuk membuat prediksi tentang

populasi berdasarkan data yang diperoleh dari sampel. Dengan menggunakan teknik seperti
regresi, peneliti dapat membuat model yang memungkinkan mereka untuk memprediksi nilai
variabel dependen berdasarkan nilai variabel independen.

D. Menentukan efektivitas dari intervensi: Statistik inferensial digunakan untuk menentukan

efektivitas dari intervensi atau perubahan dalam kondisi tertentu. Misalnya, dengan
menggunakan teknik seperti uji t, peneliti dapat menentukan apakah ada perbedaan signifikan
antara nilai rata-rata sebelum dan setelah suatu intervensi.

E. Membuat keputusan: Statistik inferensial digunakan untuk membantu dalam pengambilan

keputusan. Misalnya, jika peneliti menemukan perbedaan yang signifikan antara dua
kelompok dalam sampel, mereka dapat mengambil keputusan berdasarkan hasil tersebut.

2.3. Jenis-jenis Statistik Inferensial

A. Statitistik parametrik
Statistik parametrik yaitu statistik yang mengharuskan beberapa syarat terpenuhi pada
parameter populasi seperti data berskala interval ataupun rasio, pengambilan sampel harus
seacra random, data memenuhi distribusi normal, dan data memiliki varians yang homogen .
teknik statistik yang didasarkan pada asumsi tentang distribusi probabilitas dari suatu
populasi. Teknik parametrik digunakan ketika data sampel dianggap mewakili suatu populasi
tertentu dan berdistribusi normal atau memiliki bentuk distribusi lain yang dapat ditentukan
dengan jelas. Contoh teknik parametrik adalah uji t, analisis variansi (ANOVA), dan analisis
regresi.
B. Statistik nonparametrik
Statistik nonparametrik yaitu statistik yang parameter populasinya tidak perlu memenuhi
syart seperti pada statistik parametrik. Statistik non parametrik bersifat bebas sebaran dan
lebih sering menggunakan skala nominal dan ordinal yang secara umum memang tidak
berdistribusi normal. teknik statistik yang tidak memerlukan asumsi tentang distribusi
probabilitas dari suatu populasi. Teknik non-parametrik digunakan ketika data sampel tidak
berdistribusi normal atau ketika ukuran sampel terlalu kecil untuk menentukan bentuk
distribusinya. Contoh teknik non-parametrik adalah uji chi-square, uji Wilcoxon-Mann-
Whitney, dan uji Kruskal-Wallis.
berdasarkan keputusan pengambilan masalah, pada statistik inferensial juga ada yang terbagi
berdasarkan jumlah variabel yaitu analisis univariat dan analisis multivariat.

A. Analisis univariat digunakan jika hanya terdapat satu variabel yang diukur untuk n sampel
atau pengukuran untuk beberapa variabel tapi masing-masing variabel dianalisis tersendiri.
Analisis univariat adalah teknik statistik yang digunakan untuk menganalisis satu variabel
pada suatu waktu. Teknik ini bertujuan untuk memberikan deskripsi atau ringkasan data
secara statistik, seperti ukuran pemusatan data (rata-rata, median, modus), ukuran variabilitas
data (range, simpangan baku), dan distribusi data (frekuensi, histogram)
Contohnya, jika kita ingin menganalisis tinggi badan suatu populasi, kita dapat menggunakan
analisis univariat untuk menghitung rata-rata tinggi badan, simpangan baku, dan distribusi
tinggi badan dalam bentuk histogram.
B. Sedangkan analisis multivariat yaitu jika terdapat lebih dari satu variabel yang diukur
sebagai n sampel dan analisis variabel dilakukan secara bersamaan. Multivariat memiliki
prinsip yang mirip dengan bivariat tetapi variabel yang dianalisis lebih dari dua yang mana
variabel independen memiliki sub-subnya. Pilihannya bisa menggunakan analisis faktor,
diskriminan, konikal, MANOVA, dan MANCOVA. analisis multivariat adalah teknik
statistik yang digunakan untuk menganalisis hubungan antara dua atau lebih variabel.
Tujuannya adalah untuk mengetahui bagaimana variabel-variabel tersebut saling
mempengaruhi dan memprediksi variabel lainnya.
Contohnya, jika kita ingin menganalisis hubungan antara tinggi badan dan berat badan suatu
populasi, kita dapat menggunakan analisis multivariat seperti analisis regresi linear sederhana
untuk menentukan seberapa besar pengaruh tinggi badan terhadap berat badan.

Dalam keseluruhan, analisis univariat dan analisis multivariat adalah teknik statistik yang
berbeda tetapi saling melengkapi dalam menganalisis data. Analisis univariat dapat
memberikan gambaran umum tentang satu variabel tertentu, sementara analisis multivariat
dapat membantu kita memahami hubungan antara dua atau lebih variabel dan melakukan
prediksi. Kedua teknik ini sering digunakan dalam berbagai disiplin ilmu, seperti ekonomi,
psikologi, kedokteran, dan lain-lain.
2.4. Metode Statistik Inferensial
1. Estimasi Parameter
Berkaitan dengan metode yang digunakan, maka metode statistik inferensial menggunakan
metode estimasi parameter. Metode estimasi parameter merupakan suatu metode yang
memakai perhitungan dari hasil sampel meliputi standar deviasi, modus, median, dan mean
dalam analisa populasi. Estimasi parameter dilaksanakan melalui pembuatan rentang populasi
yang semakin rendah dan interval kepercayaan.
2. Uji Hipotesis
Metode kedua yang dapat dipakai oleh kamu dalam melakukan analisis statistik inferensial
yaitu uji hipotesis. Hal tersebut dilaksanakan menggunakan cara melaksanakan kegiatan
perbandingan statistik berdasarkan rata-rata dari sampel sebanyak dua sampel sekaligus.
Metode uji hipotesis sering dipakai pada dunia penelitian medis terutama farmasi. Semua itu
untuk sekadar menyaksikan apakah obat yang diberikan terbukti efektif atau tidak dalam
penanganan suatu penyakit. Semua uji coba yang dilakukan pada setiap orang tidak wajar.
Oleh karena itu, uji coba obat harus dilakukan pemilihan sampel yang tepat dan acak yang
berfungsi agar memperoleh suatu simpulan tentang efektif atau tidaknya suatu obat pada
penanganan penyakit dalam sebuah populasi.
2.5. Hal Penting Penerapan Statistika Inferensial
Adapun beberapa alasan diterapkannya statistik inferensial antara lain:
1. Banyaknya jurnal tingkat atas yang tidak akan menerbitkan artikel jika tidak menggunakan
statistik inferensial.
2. Statistik inferensial membuka peluang untuk menggeneralisasi temuan ke dalam populasi
dengan lingkup yang lebih luas.
3. Statistik inferensial bisa menentukan apa yang akan cenderung terjadi di dalam program,
tidak hanya apa yang dapat terjadi saja.
4. Statistik inferensial bisa menilai dampak yang relatif terjadi pada program dengan
membantu menilai seberapa kuat hubungan antar variabel kausal atau independen dan
variabel efek atau dependen.
5. Statistik inferensial mengambil sampel acak dari sebuah populasi, sehingga metode ini
hanya dapat dilakukan oleh ahli yang memiliki daftar lengkap setiap anggota populasi. Ahli
statistik akan menentukan ukuran sampel cukup besar dengan menggunakan rumus tertentu
yang sebelumnya telah ditetapkan terlebih dahulu.
6. Statistik inferensial bisa membantu menentukan seberapa kuat hubungan yang terjadi
dalam sampel.
2.6. Ruang Lingkup Statistik Inferensial
Berdasarkan ruang lingkup bahasannya, statistika inferensial mncakup :
a. Probabilitas atau teori kemungkinan
b. Dristribusi teoritis
c. Sampling dan sampling distribusi
d. Pendugaan populasi atau teori populasi
e. Uji Hipotesis
f. Analisis korelasi dan uji signifikasi
g. Analisis regresi untuk peramalan
h. Analisis varians
i. Analisis kovarians
A. Probabilitas atau teori kemungkinan
Teori statistik dianggap telah selesai jika kita telah selesai membuat suatu kesimpulan
tentang karakteristik populasi. Untuk membuatkesimpulan mengenai populasi, pada
umumnya penelitian terhadap sampel yang diambil dengan teknk tertentu. Cara mengambil
sampel penelitian disebut Sampling. Jika sampling diambil dengan teknik sampling, maka
sampel penelitian tersebut dapat dikatakan representasi dari populasi.
Kesimpulan yang diambil oleh peneliti tidaklah pasti secara absolut dan selalu memiliki
kekeliruan tertentu. Untuk itu diperlukan pengetahuan tentang teori probabilitas atau teori
peluang atau teori tentang kemungkinan terjadinya kepastian dan ketidakpastian suatu
kejadian. Dengan demikian, Probabilitas dapat diartikan kemungkinan terjadinya suatu
peristiwa diantara kejadian seluruhnya yang mungkin terjadi. Misalanya, ada huruf A, B, C.
Berapa kemungkinan pasanagan yang dibuat ?. Kemungkinan yang terjadi adalah ABC,
ACB, BCA, BAC, CAB dan CBA. Jadi ada 6 kemungkinan, denagn rumus 3x2x1 = 6. Hal
ini dapat ditulis dengan n! (dibaca: n faktorial). Pada contoh ini ada 3! 3x2x1 = 6. Hal ini
disebut permutasiJumlah permutasi dan n objek yang berbeda adalah n!. Jika jumlah seluruh
objek adalah n jumlah objek yang diambil disetiap pengambilan adalah r, maka aturan
tersebut dapat dirumuskan sebagai berikut
Misalanya, ada empat huruf ABCD, berapa pasang yang dapat dibuat ? hal ini dapat dihitung
dengan jalan berikut.

B. Distribusi Teoritis
Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi
normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang melebar tak
berhingga pada kedua arah positif dan negatifnya. Penggunaanya sama dengan penggunaan
kurva distribusi lainnya. Frekuensi relatif suatu variabel yang mengambil nilai antara dua titik
pada sumbu datar. Tidak semua distribusi berbentuk lonceng setangkup merupakan distribusi
normal.
Pada tahun 1733 DeMoivre menemukan persamaan matematika kurva normal yang
menjadi dasar banyak teori statistika induktif. Distribusi normal sering pula disebut Distribusi
Gauss untuk menghormati Gauss (1777 – 1855), yang juga menemukan persamaannya waktu
meneliti galat dalam pengukuran yang berulang-ulang mengenai bahan yang sama.
Sifat dari variabel kontinu berbeda dengan variabel diskrit. Variabel kontinu
mencakup semua bilangan, baik utuh maupun pecahan. Oleh karenanya tidak bisa dipisahkan
satu nilai dengan nilai yang lain. Itulah sebabnya fungsi variabel random kontinu sering
disebut fungsi kepadatan, karena tidak ada ruang kosong diantara dua nilai tertentu. Dengan
kata lain sesungguhnya keberadaan satu buah angka dalam variabel kontinu jika ditinjau dari
seluruh nilai adalah sangat kecil, bahkan mendekati nol. Karena itu tidak bisa dicari
probabilitas satu buah nilai dalam variabel kontinu, tetapi yang dapat dilakukan adalah
mencari probabilitas diantara dua buah nilai.
C. Sampling dan Sampling Distribusi
Sampling adalah bagian dari metodologi statistika yang berhubungan dengan
pengambilan sebagian dari populasi. Jika sampling dilakukan dengan metode yang tepat,
analisis statistik dari suatu sampel dapat digunakan untuk menggeneralisasikan keseluruhan
populasi. Sampling berguna dalam penarikan kesimpulan (inference) yang valid dan dapat
dipercaya.
Distribusi Sampling adalah distribusi nilai statistik sampel-sampel. Jika statistik yang
ditinjau adalah mean dari masing – masing sampel, maka distribusi yang terbentuk disebut
distribusi mean – mean sampling (sampling distribution of the means). Dengan demikian
dapat juga diperoleh distribusi deviasi standard, varians, median dari sampling. Masing –
masing jenis distribusi sampling dapat dihitung ukuran-ukuran statistik deskriptifnya (mean,
range, deviasi standard, da lain-lain).
Sampling memiliki beberapa tipe diataranya :
v Simple random sampling adalah sebuah proses sampling yang dilakukan sedemikian
rupa sehingga setiap satuan sampling yang ada dalam populasi mempunyai peluang yang
sama untuk dipilih ke dalam sampel.
v Systematic sampling merupakan pengambilan setiap unsur ke k dalam populasi, untuk
dijadikan sampel. Pengambilan sampel secara acak hanya dilakukan pada pengambilan
awal saja, sementara pengambilan kedua dan seterusnya ditentukan secara sistematis,
yaitu menggunakan interval tertentu sebesar k.
v Stratified sampling adalah penarikan sampel berstrata yang dilakukan dengan mengambil
sampel acak sederhana dari setiap strata populasi yang sudah ditentukan lebih dulu.
v Convenience sampling, sampel diambil berdasarkan faktor spontanitas, artinya siapa saja
yang secara tidak sengaja bertemu dengan peneliti dan sesuai dengan karakteristiknya, maka
orang tersebut dapat dijadikan sampel.
v Judgement sampling (purposive sampling) adalah teknik penarikan sampel yang
dilakukan berdasarkan karakteristik yang ditetapkan terhadap elemen populasi target
yang disesuaikan dengan tujuan atau masalah penelitian.Bedanya, jika dalam sampling
stratifikasi penarikan sampel dari setiap subpopulasi dilakukan dengan acak, maka dalam
sampling kuota, ukuran serta sampel pada setiap sub-subpopulasi ditentukan sendiri oleh
peneliti sampai jumlah tertentu tanpa acak.
v Snowball Sampling merupakan salah satu bentuk judgement sampling yang sangat tepat
digunakan bila populasinya kecil dan spesifik. Cara pengambilan sampel dengan teknik ini
dilakukan secara berantai, makin lama sampel menjadi semakin besar, seperti bola salju yang
menuruni lereng gunung.
o Sampling memiliki beberapa kriteria diantaranya :
Kriteria yang harus diperhatikan untuk menentukan tipe sampling yang baik, diantaranya:
(1) dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi,
(2) dapat menentukan presisi dari hasil penelitian,
(3) sederhana, mudah dilaksanakan, dan
(4) dapat memberikan keterangan sebanyak mungkin tentang populasi dengan biaya minimal.
o Tahapan sampling adalah:
v Mendefinisikan populasi hendak diamati
v Menentukan kerangka sampel, yakni kumpulan semua item atau peristiwa yang mungkin
v Menentukan metode sampling yang tepat
v Melakukan pengambilan sampel (pengumpulan data)
v Melakukan pengecekan ulang proses sampling
D. Pendugaan Populasi atau Teori Populasi
Populasi adalah himpunan dari unsur – unsur yang sejenis.Unsur- unsur sejenis tersebut bisa
berupa manusi, hewan, tumbuh – tumbuhan, benda – benda, zat cair, peristiwa dan
sejenisnya. Besarnya populasi bisa terbatas dan bisa tidak terbatas. Populasi dari mana
sampel diambil disebut populasi induk. Melalui teknik pengambilan sampel yang reliabel
kesimpulan penelitian dapat digeneralisasikan. Ada kesalahan generalisasi yangperlu
dipertimbangkan karena besar kecilnya keslahan generalisasi tergantung pada : (1) besarnya
sampel penelitian, (2) teknik sampling yang digunakan, (3) kecermatan memasukkan ciri –
ciri populasi dan sampling, (4) cara – cara pengambilan data dan (5) rancangan analisi data.
Populasi (population/universe) dalam statistika merujuk pada sekumpulan individu
dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian (pengamatan).
Misalnya, jika yang ingin diteliti adalah sikap konsumen terhadap satu produk tertentu, maka
populasinya adalah seluruh konsumen produk tersebut. Jika yang diteliti adalah laporan
keuangan perusahaan “X”, maka populasinya adalah keseluruhan laporan keuangan
perusahaan “X” tersebut, Jika yang diteliti adalah motivasi pegawai di departemen “A” maka
populasinya adalah seluruh pegawai di departemen “A”. Jika yang diteliti adalah efektivitas
gugus kendali mutu (GKM) organisasi “Y”, maka populasinya adalah seluruh GKM
organisasi “Y”Populasi dari mana sampel penelitian diambil disebut populasi induk. Ukuran
populasi ada dua:
(1) populasi terhingga (finite population), yaitu ukuran populasi yang berapa pun besarnya
tetapi masih bisa dihitung (cauntable). Misalnya populasi pegawai suatu perusahaan;
(2) populasi tak terhingga (infinite population), yaitu ukuran populasi yang sudah sedemikian
besarnya sehingga sudah tidak bisa dihitung (uncountable). Misalnya populasi tanaman
anggrek di dunia.
E. Uji Hipotesis
Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisa
data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak terkontrol). Dalam
statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir
tidak mungkin disebapkan oleh faktor yang kebetulan, sesuai dengan batas probabilitas yang
sudah ditentukan sebelumnya.
Uji hipotesis kadang disebut juga "konfirmasi analisa data". Keputusan dari uji
hipotesis hampir selalu dibuat berdasarkan pengujian hipotesis nol. Ini adalah pengujian
untuk menjawab pertanyaan yang mengasumsikan hipotesis nol adalah benar.
F. Analisis Korelasi Dan Uji Signifikasi
Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun 1900.
Tujuan dari analisis ini adalah untuk menetukan seberapa erat hubungan antara dua variable.
Definisi analisis korelasi dinyatakansebagai berikut : “Analisis korelasi adalah suatu teknik
statistik yang digunakan untuk mengukur keeratan hubungan atau korelasi antara dua
variabel”
Analisis korelasi mencoba mengukur keeratan hubungan antara dua variabel X dan Y.
Keeratan hubungan antara dua variabel tersebut dinyatakan dalam bentuk koefisien korelasi
yang dilambangkan dengan huruf r. Koefisien korelasi (r) menunjukkan seberapa dekat titik
kombinasi antara variabel Y dan X pada garis lurus sebagai garis dugaannya. Semakin dekat
titik kombinasi dengan garis dugaannya maka nilai korelasi semakin membesar. Sebaliknya,
semakin menyebar dari garis dugaannya maka nilai korelasi semakin kecil.
 Pengertian lain menyebutkan, Korelasi adalah metode statistik yang dipakai untuk
mengukur asosiasi atau hubungan antara dua atau lebih variabel kuantitatif, sedangkan untuk
mengukur asosiasi antara dua atau lebih variabel kuantitatif dipakai tes X kuadrat. Sebagai
contoh hubungan antara dosis obat hipertensi dan tekanan darah, hubungan antara dua
variabel ini dinyatakan pada sumbu X dan Y yang membentuk suatu garis linier dan koefisien
(r) yang menyatakan derajat hubungan antara dua variabel tersebut. Sedangkan untuk korelasi
sendiri digunakan untuk menyatakan derajat hubungan linier antara dua variabel X dan Y.
Jika korelasi antara X dan Y mempunyai hubungan sangat erat, maka nilai koefisien korelasi
(r) mendekati -1 atau +1, dan bila tidak ada hubungan akan mendekati nilai 0.
G. Analisis Regresi Untuk Peramalan
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel - variabel yang lain. Variabel
"penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel
eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali
digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal
sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y.
Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang
dipengaruhi harus selalu variabel acak. Analisis regresi adalah salah satu analisis yang paling
populer dan luas pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan
prediksi dan ramalan, dengan penggunaan yang saling melengkapi dengan bidang
pembelajaran mesin. Analisis ini juga digunakan untuk memahami variabel bebas mana saja
yang berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan
tersebut.
H. Analisis Varians
Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensial. Dalam literatur Indonesia
metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan
analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F
juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh
Sir Ronald Fisher, bapak statistika modern. Dalam praktik, analisis varians dapat merupakan
uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang
genetika terapan). Secara umum, analisis varians menguji dua varians (atau ragam)
berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians
antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing
contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan
memberikan hasil yang sama dengan uji-t untuk dua rerata (mean). Supaya sahih (valid)
dalam menafsirkan hasilnya, analisis varians menggantungkan diri pada empat asumsi yang
harus dipenuhi dalam perancangan percobaan:
Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya
digunakan satu penduga (estimate) untuk varians dalam contoh
Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan percobaan
yang tepat
Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk
percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan
analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari
eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.
I. Analisis Kovarians
Analisis kovarian (anakova) adalah uji statistik multivarian yang merupakan
perpaduan antara analisis regresi dengan analisis varian (anava). Analisis Kovarian
(Anakova) dikembangkan oleh R. A. Fischer, seorang pakar statistik berkebangsaan Inggris
dan pertama kali dipublikasikan pada tahun 1932.
Anakova merupakan teknik statistik yang sering digunakan pada penelitian
eksperimental (dirancang sendiri) dan juga observasional (sudah terjadi di lapangan). Dalam
penelitian, tidak jarang terjadi, satu atau lebih variabel yang tidak dapat dikontrol oleh
peneliti karena keterbatasan penyelenggaraan eksperimen atau karena alasan lain, padahal
peneliti sadar bahwa variabel-variabel tersebut juga mempengaruhi hasil eksperimennya.
Menghadapi situasi seperti ini, maka peneliti perlu mengadakan pendekatan statistik
untuk mengontrol dalam arti meniadakan berbagai efek dari satu atau lebih variabel yang
tidak terkontrol ini. Anakova merupakan salah satu metode statistik yang digunakan untuk
mengatasi variabel yang tidak terkontrol tersebut (Supratiknya, 2006).
Secara lebih khusus dalam anakova akan diadakan analisis residu pada garis regresi,
yaitu dilakukan dengan jalan membandingkan varian residu antar kelompok dengan varian
residu dalam kelompok.
Anakova akan dihitung dengan melakukan pengendalian statistik yang gunanya untuk
membersihkan atau memurnikan perubahan-perubahan yang terjadi pada variabel terikat
sebagai akibat pengaruh variabel-variabel atau karena rancangan penelitian yang tidak kuat.
Pengendalian terhadap pengaruh luar dalam penelitian memiliki fungsi yang penting terutama
untuk mempelajari pengaruh murni suatu perlakuan pada variabel tertentu terhadap variabel
lain
Ruang lingkup statistik inferensial meliputi berbagai aspek dalam penelitian dan
analisis data. Beberapa hal yang termasuk dalam ruang lingkup statistik inferensial antara
lain:
A. Estimasi parameter populasi: Statistik inferensial digunakan untuk memperkirakan nilai
parameter populasi berdasarkan data yang diperoleh dari sampel. Dalam banyak situasi, tidak
mungkin atau tidak praktis untuk mengumpulkan data dari seluruh populasi, sehingga
statistik inferensial memberikan cara untuk membuat estimasi yang akurat tentang populasi
berdasarkan sampel yang diambil dari populasi tersebut.
B. Uji hipotesis: Statistik inferensial digunakan untuk menguji hipotesis tentang perbedaan
atau hubungan antara dua atau lebih variabel dalam sampel. Uji hipotesis dapat digunakan
untuk menentukan apakah perbedaan atau hubungan tersebut signifikan secara statistik atau
tidak.
C. Interval kepercayaan: Interval kepercayaan adalah rentang nilai yang dihasilkan dari
sampel yang dapat digunakan untuk memperkirakan nilai parameter populasi dengan tingkat
kepercayaan tertentu. Interval kepercayaan berguna untuk menunjukkan seberapa presisi
estimasi sampel terhadap parameter populasi.
D. Regresi dan analisis multivariat: Statistik inferensial digunakan dalam analisis regresi dan
analisis multivariat untuk menentukan hubungan antara dua atau lebih variabel dan membuat
prediksi tentang nilai variabel dependen berdasarkan nilai variabel independen.
E. Pengujian kualitas: Statistik inferensial dapat digunakan untuk melakukan pengujian
kualitas pada produk atau layanan. Contohnya, dapat digunakan untuk menentukan apakah
produk yang diproduksi memenuhi standar kualitas yang ditetapkan atau tidak.

F. Pengambilan keputusan: Statistik inferensial dapat digunakan sebagai dasar dalam

pengambilan keputusan dalam berbagai bidang, seperti bisnis, kedokteran, lingkungan, dan
lain-lain. Data yang dianalisis secara statistik dapat membantu mengidentifikasi masalah dan
menentukan tindakan yang tepat untuk diambil.
2.7. Contoh Statistik Inferensial
1. Catatan Kelulusan
Dalam sebuah catatan kelulusan yang telah dilakukan dalam lima tahun terakhir, di
sebuah SMA menunjukkan hasil bahwa sekitar 73% diantara sisa SMA dapat lulus dengan
capaian nilai yang memuaskan. Bentuk statistika inferensial dari ilustrasi di atas yaitu nilai
numerik 73%. Jika berdasarkan hal tersebut, seorang siswa dapat menyimpulkan bahwa
peluang dirinya dapat lulus dengan nilai yang memuaskan. Nilai tersebut adalah lebih dari
70%. Maka siswa tersebut telah menerapkan statistika inferensial yang memiliki sifat tidak
pasti atau hanya sebatas peramalan.
2. Berat Rata-Rata Warga di Suatu Negara
Seorang peneliti ingin mengetahui berat rata-rata orang dewasa pada suatu negara.
Jelas saja adalah hal yang tidak memungkinkan untuk mengukur berat badan setiap orang di
negara tersebut, selain tidak praktis juga memerlukan tenaga dan waktu yang tidak sedikit.
Untuk mengatasi hal tersebut, statistika inferensial dapat diterapkan untuk menentukan
perkiraan bobot rata-rata orang dewasa dari populasi di suatu negara. Nilai yang dihasilkan
statistik inferensial tergantung pada pengumpulan data sampel individu dalam cakupan
populasi yang lebih besar.
Sang peneliti selanjutnya akan menimbang berat badan rata-rata dari setiap sampel
menggunakan statistik deskriptif. Dengan begitu, bobot rata-rata yang sesungguhnya pada
populasi tersebut berada dalam interval nilai yang telah ditentukan.
Dalam statistika inferensial dilakukan pendugaan parameter yang selanjutnya memicu
terciptanya hipotesis. Dan melakukan uji hipotesis tersebut hingga penarikan kesimpulan
yang berlaku untuk semua populasi secara umum.
Adapun Contoh lain pada statistik Inferensial, yaitu :
1. Uji hipotesis: Misalkan kita ingin menguji apakah ada perbedaan signifikan dalam rata-rata
nilai matematika antara siswa laki-laki dan siswa perempuan di sebuah sekolah. Dalam hal
ini, kita dapat menggunakan uji hipotesis untuk menentukan apakah perbedaan rata-rata
tersebut signifikan secara statistik atau hanya kebetulan semata.
2. Interval kepercayaan: Misalkan kita ingin membuat estimasi tentang rata-rata berat badan
populasi yang diambil dari sampel yang diambil dari populasi tersebut. Dalam hal ini, kita
dapat menggunakan interval kepercayaan untuk menghasilkan rentang nilai yang dapat
digunakan untuk memperkirakan rata-rata berat badan populasi dengan tingkat kepercayaan
tertentu.
3. Analisis regresi: Misalkan kita ingin mengetahui hubungan antara jumlah jam belajar dan
nilai ujian mahasiswa. Dalam hal ini, kita dapat menggunakan analisis regresi untuk
menentukan apakah ada hubungan antara kedua variabel tersebut dan membuat prediksi
tentang nilai ujian berdasarkan jumlah jam belajar.
4. Uji signifikansi: Misalkan kita ingin mengetahui apakah penggunaan teknologi baru dalam
produksi suatu produk dapat menghasilkan peningkatan kualitas yang signifikan. Dalam hal
ini, kita dapat menggunakan uji signifikansi untuk menentukan apakah perbedaan kualitas
tersebut signifikan secara statistik atau tidak.
5. Analisis faktor: Misalkan kita ingin menentukan faktor-faktor apa saja yang mempengaruhi
tingkat kepuasan konsumen terhadap produk. Dalam hal ini, kita dapat menggunakan analisis
faktor untuk mengidentifikasi faktor-faktor tersebut dan menentukan seberapa besar pengaruh
masing-masing faktor terhadap tingkat kepuasan konsumen.

2.8. Pengujian Hipotesis

C.1. Pengertian Pengujian Hipotesis

Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah,
kurang, atau di bawah dan thesis berarti teori, proposisi, atau pernyataan yang disajikan
sebagai bukti. Jadi, hipotesis dapat diartikan sebagai suatu pernyataan yang masih lemah
kebenarannya dan perlu dibuktikan atau dugaan yang sifatnya masih sementara.
Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi
yang sifatnya masih sementara atau lemah kebenarannya. Hipótesis statistik akan
diterima jika hasil pengujian membenarkan pernyataannya dan akan ditolak jika terjadi
penyangkalan dari pernyataannya. Dalam pengujian hipótesis, keputusan yang dibuat
mengandung ketidakpastian, artinya keputusan bisa benar atau salah, sehingga
menimbulkan resiko. Besar kecilnya resiko dinyatakan dalam bentuk probabilitas.

C.2. Jenis-Jenis Pengujian Hipotesis

1. Berdasarkan Jenis Parameternya
a. Pengujian hipotesis tentang rata-rata
b. Pengujian hipotesis tentang proporsi
 c. Pengujian hipotesis tentang varians
2. Berdasarkan Jumlah Sampelnya
a. Pengujian sampel besar (n > 30)
b. Pengujian sampel kecil (n ≤ 30)
3. Berdasarkan Jenis Distribusinya
a. Pengujian hipotesis dengan distribusi Z
b. Pengujian hipotesis dengan distribusi t (t-student)
c. Pengujian hipotesis dengan distribusi χ2 (chi-square)
d. Pengujian hipotesis dengan distrbusi F (F-ratio)
4. Berdasarkan Arah atau Bentuk Formulasi Hipotesisnya
a. Pengujian hipotesis dua pihak ( two tail test)
b. Pengujian hipotesis pihak kiri atau sisi kiri
c. Pengujian hipotesis pihak kanan atau sisi kanan.

C.3. Kesalahan dalam Pengujian Hipotesis

1. Dua Jenis Kesalahan
Dalam pengujian hipotesis, kesimpulan yang diperoleh hanya penerimaan atau
penolakan terhadap hipotesis yang diajukan, tidak berarti kita telah membuktikan atau
tidak membuktikan kebenaran hipotesis tersebut. Hal ini disebabkan kesimpulan
tersebut hanya merupakan inferensi didasarkan sampel. Dalam pengujian hipotesis
dapat terjadi dua jenis kesalahan, yaitu
a. Kesalahan Jenis I
Kesalahan jenis I adalah karena H0 ditolak padahal kenyataannya benar.
Artinya, kita menolak hipotesis tersebut (H0) yang seharusnya diterima.
b. Kesalahan Jenis II
Kesalahan jenis II adalah kesalahan karena H 0 diterima padahal kenyataannya
salah. Artinya, kita menerima hipotesis (H0) yang seharusnya ditolak.
Tabel Dua Jenis Kesalahan dalam Pengujian Hipotesis
Keadaan Sebenarnya
Kesimpulan
H0 Benar H0 Salah
Terima H0 Tidak membuat kekeliruan Kesalahan Jenis II
Tolak H0 Kesalahan Jenis I Tidak membuat kekeliruan

Apabila kedua jenis kesalahan tersebut dinyatakan dalam bentuk

 probabilitas didapatkan hal-hal berikut :
a. Kesalahan jenis I disebut kesalahan  yang dalam bentuk penggunaannya
disebut sebagai taraf nyata atau taraf signifikan (level of significant). 1 - 
disebut sebagai tingkat keyakinan (level of confidence), karena dengan itu kita
yakin bahwa kesimpulan yang kita buat adalah benar, sebesar 1 - .
b. Kesalahan jenis II disebut kesalahan  yang dalam bentuk penggunaannya
disebut sebagai fungsi ciri operasi (operating characteristic function). 1 - 
disebut sebagai kuasa pengujian karena memperlihatkan kuasa terhadap
pengujian yang dilakukan untuk menolak hipotesis yang seharusnya ditolak.
2. Hubungan , , dan n
Antara kedua jenis kesalahan, yaitu kesalahan  dan  saling berkaitan. Jika
kesalahan  kecil, maka kesalahan menjadi besar, demikian pula sebaliknya. Untuk
membuat suatu kesimpulan yang baik, maka kedua kesalahan tersebut harus dibuat
seminimal mungkin. Hal ini biasanya dilakukan melalui cara-cara seperti berikut :
1. Memperbesar ukuran sampel (n) yang akan menjadikan rata-rata ukuran sampel,
mendekati ukuran populasinya. Dengan makin besarnya sampel ( tetap), akan
memperkecil  dan memperbesar 1 - , sehingga akan makin besar probabilitas
untuk menolak hipotesis (H0) yang salah.
2. Menentukan terlebih dahulu taraf nyata ().

C.4. Prosedur Pengujian Hipotesis

Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :
1. Menentukan Formulasi Hipotesis
Formulasi atau perumusan hipotesis statistik dapat dibedakan atas dua jenis,
yaitu sebagai berikut :
a. Hipotesis nol atau hipotesis nihil
Hipotesis nol, disimbolkan H0 adalah hipotesis yang dirumuskan sebagai suatu
pernyataan yang akan diuji. Hipotesis yang diartikan sebagai tidak adanya
perbedaan antara ukuran populasi dan ukuran sampel.
b. Hipotesis alternatif atau hipótesis tandingan
Hipotesis alternatif disimbolkan H1 atau Ha adalah hipotesis yang dirumuskan
sebagai lawan atau tandingan dari hipotesis nol. Atau adanya perbedaan data
populasi dengan data sampel.
 Secara umum, formulasi hipotesis dapat dituliskan :
H0 : θ=θ0
H1 : θ>θ 0
Pengujian ini disebut pengujian sisi kanan
H0 : θ=θ0
H1 : θ<θ 0
Pengujian ini disebut pengujian sisi kiri
H0 : θ=θ0
H1 : θ ≠ θ 0
Pengujian ini disebut pengujian dua sisi.
2. Memilih Statistik Uji
Memilih uji statistik yang sesuai dengan asumsi sebaran populasi dan skala
pengukuran data. Berdasarkan ini, uji statistik yang dipilih sebaiknya yang terkuat
untuk mengurangi peluang terjadinya kesalahan dalam pengambilan keputusan seperti
uji-Z, t, 2, F atau yang lainnya. Bagi peneliti dan pengguna statistika, berkonsultasi
dengan ahli statistika merupakan cara yang bijaksana.
3. Menentukan Taraf Nyata (Significant Level)
Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil
hipotesis terhadap nilai parameter populasinya. Taraf nyata dilambangkan dengan α
(alpha) Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula penolakan
hipotesis nol atau hipotesis yang diuji, padahal hipotesis nol benar. Besarnya nilai α
bergantung pada keberanian pembuat keputusan yang dalam hal ini berapa besarnya
kesalahan yang akan ditolerir. Besarnya kesalahan tersebut disebut sebagai daerah
kritis pengujian (critical region of test) atau daerah penolakan (region of rejection).
Taraf signifikasnsi biasanya telah ditentukan sebelumnya, yaitu : α = 0,15; α
= 0,05; α = 0,01; α = 0,005 atau α = 0,001. Pada penelitian pendidikan taraf
signifikansi yang biasa digunakan yaitu α = 0,01 atau α = 0,05. Harga α yang biasa
digunakan adalah α = 0,01 atau α = 0,05. Misalnya, dengan α = 0,05 atau sering
disebut taraf nyata (taraf signifikansi) 5%, artinya kira-kira 5 dari tiap 100 kesimpulan
bahwa akan menolak hipotesis yang harusnya diterima. Dengan kata lain kira-kira
95% yakin bahwa telah dibuat kesimpulan yang benar. Dalam hal demikian dikatakan
bahwa hipotesis telah ditolak pada taraf nyata 0,05 yang berarti mungkin salah dengan
peluang 0,05.
4. Menentukan Kriteria Pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau
menolak hipotesis nol (H0) dengan cara membandingkan nilai α tabel distribusinya
(nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk pengujiannya.
a. Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih besar
daripada nilai positif atau negatif dari α tabel. Atau nilai uji statistik berada di
luar nilai kritis.
b. Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih kecil
daripada nilai positif atau negatif dari α tabel. Atau nilai uji statistik berada di
dalam nilai kritis.

Daerah daerah
Penolakan daerah Penolakan H0
H0 penerimaan H0
d1 d2
Gambar 1. Daerah kritis uji dua pihak

Daerah daerah
penerimaan H0 penolakan H0

d
Gambar 2. Daerah kritis uji satu pihak kanan

Daerah daerah
penolakan H0 penerimaan H0

d
Gambar 3. Daerah kritis uji satu pihak kiri
5. Menghitung Nilai Uji Statistik
Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi
 tertentu dalam pengujian hipotesis. Uji statistik merupakan perhitungan untuk
menduga parameter data sampel yang diambil secara random dari sebuah populasi.
Dengan kata lain, nilai statistik hitung berdasarkan data penelitian (sampel) yang
diambil.
6. Membuat Kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan dalam hal
penerimaan atau penolakan hipotesis nol (H0), sesuai dengan kriteria pengujiannya.
Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji staistik dengan
nilai α tabel atau nial kritis. Jika nilai statistik jatuh pada daerah kritis, berarti H 0
ditolak, dan jika jatuh pada luar daerah kritis berarti H0 diterima. Kalau analisis data
dilakukan daerah dengan paket statistika dengan komputer, rujukan terhadap nilai
kritis tidak diperlukan. Hasil komputer telah memberikan nilai p, yaitu luas daerah di
ujung nilai kritis yang dibatasi oleh nilai hitung statistik. Kalau nilai p lebih besar
daripada taraf kesignifikanan α yang telah ditetapkan, H0 diterima, dan kalau nilai
lebih kecil daripada nilai α, H0 ditolak.

C.5. Pengujian Hipotesis Tentang Rerata

Rerata adalah salah satu ukuran gejala pusat yang banyak digunakan dalam
mengungkap informasi dalam sekumpulan data. Hal ini bermanfaat, baik dalam
manajemen data secara deskriptif, maupun dalam menjelaskan p[opulasi berdasarkan
informasi sampel dengan memanfaatkan teknk statistika inferensial.

a. Rerata sebuah Populasi

Kalau ada informasi awal tentang nilai parameter rerata µ dari sebuah
populasi, hipotesis tentang parameter itu dapat dibuat. Untuk menguji hipotesis ini,
kita memerlukan asumsi tentang sebaran populasi dan nilai simpangan baku σ. Kalau
populasi mempunyai sebaran normal, atau ukuran sampel cukup besar (lebih dari 30),
teknik pengujian berikut dapat dilakukan. Untuk sampel berukuran besar, dengan
menggunakan teorema limit pusat, pendekatan normal dapat dilakukan.
Andaikan sampel berukuran n sudah diperoleh, nilai rerata x dan simpangan
baku s sudah dapat dihitung. Pengujian dapat dilakukan dengan statistik uji yang
sesuai dengan pengelompokan informasi tentang simpangan baku populasi σ sebagai
berikut :
1. Simpangan baku σ diketahui
Perhatikan pasangan hipotesis dibawah ini :
H0 : µ = µ0 melawan H1 : µ ≠ µ0
Dengan µ0 sebuah nilai tertentu. Sesuai asumsi yang digunakan tentang
populasi, kita dapat menggunakan statistik Z dengan rumus :
x −μ 0
Z=
σ
√n
Statistik Z mempunyai sebaran normal baku, dan hipotesis menunjukkan
pengujian dua pihak, sehingga kriteria pengambilan kesimpulannya adalah
sebagai berikut :
1) H0 diterima jika – Z (1−α ) /2 ≤ Z ≤ Z( 1−α )/ 2 ;
2) H0 ditolak jika Z< – Z ( 1−α )/ 2 atau ¿ Z( 1−α )/ 2 .

Nilai-nilai Z( 1−α )/ 2 untuk berbagai nilaiα diperoleh dari tabel sebaran normal baku.

Untuk pengujian satu pihak, kriteria pengambilan kesimpulannya akan

berbeda. Uji pihak kanan dengan pasangan hipotesis : H0 : µ = µ0 melawan H1 : µ
˃ µ0, kriteria pengambilan kesimpulannya adalah :

1) H0 diterima jika Z ≤ Z (0,5−α ) ;

2) H0 ditolak jika Z> Z (0,5−α ).

Demikian pula jika uji pihak kiri dengan pasangan hipotesis H 0: µ = µ0

melawan H1 : µ ˂ µ0 , kriteria pengambilan keputusannya adalah :

1) H0 diterima jika Z ≥−Z (0,5−α)

2) H0 ditolak jika Z<−Z (0,5−α ) .
2. Simpangan Baku σ Tidak Diketahui
Pada kenyataanya, nilai simpangan baku σ sering tidak diketahui. Dalam
halini, kita menggunakan simpangan baku sampel s sebagai taksiran simpangan
baku populasi σ. Untuk menguji tiga pasang hipotesis tentang rerata µ di atas
digunakan statistik uji :

x−μ0
t=
s
√n
 Untuk populas normal, statistik t mempunyai sebaran student-t dengan
derajat kebebasan dk =n−1. Karena itu, untuk menentukan kriteria pengujia
digunakan sebaran t dan batas-batas kriteria atau nilai kritis didapat dari tabel
sebaran studen-t.

Untuk pengujian hipotesis dua pihak, dimana: H0 : µ = µ0 melawan H1 : µ ≠

µ0. Kriteria pengambilan kesimpulannya adalah sebagai berikut :

1) H0 diterima jika – t ( 1−α )/ 2 ≤ t ≤ t (1−α )/ 2 ;

2) H0 ditolak jika t < – t (1−α ) /2 atau t >t ( 1−α )/ 2 .

Untuk pengujian satu pihak, kriteria pengambilan kesimpulannya akan berbeda.

Uji pihak kanan dengan pasangan hipotesis : H0 : µ = µ0 melawan H1 : µ ˃ µ0,
kriteria pengambilan kesimpulannya adalah :

1) H0 diterima jika t ≤ t (1−α ) ;

2) H0 ditolak jika t >t (1−α).

Demikian pula jika ujik pihak kiri dengan pasangan hipotesis : µ = µ0 melawan H1
: µ ˂ µ0 , kriteria pengambilan keputusannya adalah :

1) H0 diterima jikat ≥ t (1−α ) ;t <−t (1−α )

2) H0 ditolak jika t <−t (1−α).

Contoh 1:
Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800
jam. Namun timbul dugaan bahwa masa pakai lampu tersebut telah berubah. Maka
dilakukan pengujian terhadap 50 lampu untuk menentukan hal ini. Ternyata diperoleh
rata-ratanya 792 jam. Berdasarkan pengalaman diketahui simpangan baku masa hidup
lampu 60 jam. Selidikilah dengan menggunakan kepercayaan 95% apakah kualitas
lampu telah berubah atau belum.

Penyelesaian
Diketahui x = 792 ; n = 50 ; σ = 60
Langkah pengujian hipotesis:
1. Hipotesis pengujian :
H0 = μ=μ 0 H0 : μ=800
yaitu
 H1 = μ ≠ μ 0 H1 : μ ≠ 800
2. Taraf signifikansi α = 5% = 0,05
3. Kriteria pengujian.
Terima H0 jika – Z (1−α ) /2 ≤ Z ≤ Z( 1−α )/ 2
– Z (1−0,05 )/2 ≤ Z ≤ Z (1−0,05) /2
– Z 0,475 ≤ Z ≤ Z 0,475
−1,96 ≤ Z ≤1,96
Dengan Z( 1−α )/ 2 diperoleh dari daftar distribusi normal baku dengan peluang
(1−α )
.
2
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
x−μ0
z=
σ
√n
792−800
z=
60
√50
−8
z=
8,507
z=−0,94
Jadi, z hitung =−0,94
5. Kesimpulan : karena z hitung =−0,94 berada dalam daerah penerimaan H0 yaitu
−1,96 ≤ zhitung ≤1,96 maka H0 diterima. Jadi μ=800. Artinya, dalam taraf
signifikansi 5% (α =0,05 ¿ hasil penelitian menunjukkan bahwa masa pakai
lampu belum berubah yaitu masih 800 jam.

Contoh 2:
Masyarakat mengeluh dan mengatakan bahwa isi bersih makanan kaleng tidak sesuai
dengan yang tertera pada kemasannya sebesar 5 ons. Untuk meneliti hal ini, 23 kaleng
makanan diteliti secara acak. Dari sampel tersebut diperoleh berat ratarata 4,9 ons dan
simpangan baku 0,2 ons. Dengan taraf nyata 5%, bagaimanakah pendapat anda
mengenai keluhan masyarakat tersebut ?

Penyelesaian
Diketahui x = 4,9 ; n = 23 ; s = 0,2 ; μ0 = 5
 Langkah pengujian hipotesis dengan varians populasi tidak diketahui:
1. Hipotesis pengujian :
H0 = μ=μ 0 H0 : μ=5
yaitu
H1 = μ ≠ μ 0 H1 : μ<5
Jika rata-rata berat makanan kaleng tidak kurang dari 5 ons tentu masyarakat tidak
akan mengeluh.
2. Taraf signifikansi α = 5% = 0,05
3. Kriteria pengujian :
Tolak H0 jika t ≤−t 1−α dengan dk =n−1=23−1=22
Maka : −t 1−α =t 1−0,05 =−1,72
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil:
x−μ0
t=
s
√n
4,9−5
t=
0,2
√ 23
0,1
t=
0,0417
t=−2,398
Jadi, t hitung =−2,389
5. Kesimpulan : karena t hitung =−2,398<−t 1−α =−1,72t 1−0,05=−2,398<−t 1−α =−1,72
terletak pada daerah kritis maka H 0 ditolak. Jadi, μ<5 . Sehingga dapat disimpulkan
penelitian tersebut menguatkan keluhan masyarakat mengenai berat makanan kaleng
yang kurang dari berat yang tertera pada kemasan yaitu 5 ons.

b. Uji Hipotesis Kesamaan Dua Rerata

Banyak penelitian yang memerlukan perbandingan antara dua populasi.
Misalnya membandingkan hasil belajar, daya kerja suatu obat, dsb. Maka akan
digunakan dasar distribusi sampling mengenai selisih statistik, misalnya selisih rata-
rata dan selisih proporsi.
Misalkan dipunyai dua buah populasi, keduanya berdistribusi normal dengan
rata-rata dan simpangan baku masing-masing μ1 dan σ 1 untuk populasi pertama, μ2
dan σ 2 untuk populasi kedua. Secara independen diambil sebuah sampel acak dengan
ukuran n1 dan n2 dari masing-masing populasi. Rata-rata dan simpangan baku dari
 sampel-sampel itu berturut-turut x 1 , s1 dan x 2 , s2. Akan diuji tentang rata-rata μ1dan
μ2 dalam tiga kemungkinan pasangan hipotesis dapat dilakukan :
 H 0 : μ1=¿ μ2 melawan H 1 : μ 1 ≠ μ2  uji dua pihak

 H 0 : μ1=¿ μ2 melawan H 1 : μ 1> μ 2  uji pihak kanan

 H 0 : μ1=¿ μ2 melawan H 1 : μ 1< μ 2  uji pihak kiri

1. Simpangan baku σ 1=σ 2=σ dimana σ diketahui
Dalam situasi seperti ini, statistik yang digunakan untuk menguji pasangan-
pasangan hipotesis di atas adalah :
x 1−x 2
z=
σ
√ 1 1
+
n 1 n2
Dengan taraf signifikansi α , kriteria pengambilan keputusannya adalah :
 Untuk uji hipotesis dua pihak, H0 diterima jika – Z (1−α ) /2 ≤ Z ≤ Z( 1−α ) / 2 ,dan H0
ditolak jika Z< – Z ( 1−α ) / 2 atau Z> Z (1−α ) /2.
 Untuk uji hipotesis pihak kanan, H 0 diterima jika Z ≤ Z ( 0,5−α ) dan H0 ditolak jika
Z> Z (0,5 −α).

 Untuk uji hipotesis pihak kiri, H0 diterima jika Z ≥−Z (0,5 −α) dan H0 ditolak jika
Z<−Z (0,5 −α ) .

2. Simpangan σ 1=σ 2=σ dimana σ tidak diketahui

Jika pasangan hipotesis tentang kesamaan dua rerata akan diuji, dan ditentukan
situasi atau diyakini bahwa σ 1=σ 2=σ tetapi σ tidak diketahui, maka statistik yang
digunakan adalah :

x 1−x 2
t=
s
√ 1 1
+
n1 n2
Dengan s2adalah variansi gabungan yang dihitung dengan rumus :

2 ( n1 −1 ) s 21+ ( n2−1 ) s22

s=
n1 +n2−2
Statistik t di atas mempunyai sebaran Student atau sebaran-t dengan derajat
kebebasan dk =n1 +n2 −2. Adapun kriteria pengujia adalah :
 Untuk uji hipotesis dia pihak, H0 diterima jika – t (1−α )/ 2 ≤ t ≤ t (1−α )/ 2dan H0 ditolak
jika t < – t (1−α ) /2 atau t >t ( 1−α )/ 2 .
  Untuk uji hipotesis pihak kanan, H0 diterima jika t ≤ t (1−α ) ; dan H0 ditolak jika
t >t (1−α).

 Untuk uji statistik uji pihak kiri, H 0 diterima jika t ≥ t (1−α ) ;t <−t (1−α ) dan H0
ditolak jika t <−t (1−α ).

BAB III
PENUTUP
3.1 Kesimpulan
Statistika Inferensial adalah serangkaian teknik yang digunakan untuk mengkaji, menaksir
dan mengambil kesimpulan berdasarkan data ynag diperoleh dari sempel untuk
menggambarkan karakteristik atau ciri dari suatu populasi. Statistika Inferensial digunakan
untuk melakukan : Generalisasi dari sampel ke populasi. Uji hipotesis (membandingkan atau
uji perbedaan/kesamaan dan menghubungkan, yaitu uji keterkaitan, kontribusi). Berdasarkan
ruang lingkup bahasannya, statistika inferensial mncakup :
· Probabilitas atau teori kemungkinan
· Dristribusi teoritis
· Sampling dan sampling distribusi
· Pendugaan populasi atau teori populasi
· Uji Hipotesis
· Analisis korelasi dan uji signifikasi
· Analisis regresi untuk peramalan
· Analisis varians
· Analisis kovarians
Hipótesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang sifatnya
masih sementara atau lemah kebenarannya. Hipótesis statistik akan diterima jika hasil
pengujian membenarkan pernyataannya dan akan ditolak jika terjadi penyangkalan dari
pernyataannya. Dalam pengujian hipótesis, keputusan yang dibuat mengandung
ketidakpastian, artinya keputusan bisa benar atau salah, sehingga menimbulkan resiko. Besar
kecilnya resiko dinyatakan dalam bentuk probabilitas.Prosedur pengujian hipotesa secara
statistis adalah sebagai berikut :

1. Rumuskan hipotesa statistisnya H0 : …………. dan H1 : …………..

2. Tentukan statistik uji yang sesuai apakah Z, t, 2, atau F
3. Hitung statistik uji dengan menggunakan data dari sampel acak, sehingga diperoleh
statistik uji hitung seperti Zhit, thit, 2hit, atau Fhit
4. Dengan taraf signifikan  tertentu lihat dalam tabel statistik uji yang sesuai
sehingga diperoleh statistik uji tabel seperti Z tab dari tabel normal baku, ttab dari
tabel t, 2tab dari tabel 2, atau F dari tabel F.
5. Bandingkan statistik uji hitung dengan statistik uji tabel yang sesuai untuk
menetapkan kriteria ujia, apakah menolak H0 atau menerima H0.
6. Penarikan kesimpulan.
 DAFTAR PUSTAKA

Hendikawati, Putriaji. 2012. Bahan Ajar Statistika Inferensial. Semarang: Semarang State
University Press

Sanjaya, Wina. 2013. Penelitian Pendidikan: Jenis, Metode dan Prosedur. Bandung:
Kencana Prenada Media Group

Tiro, M. A. 2008. Dasar-dasar Statistika. Edisi Ketiga. Makassar: Andira Publisher

 Contoh Soal Hitung

1. Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800
jam. Namun timbul dugaan bahwa masa pakai lampu tersebut telah berubah. Maka
dilakukan pengujian terhadap 50 lampu untuk menentukan hal ini. Ternyata diperoleh
rata-ratanya 792 jam. Berdasarkan pengalaman diketahui simpangan baku masa hidup
lampu 60 jam. Selidikilah dengan menggunakan kepercayaan 95% apakah kualitas
lampu telah berubah atau belum.

Penyelesaian
Diketahui x = 792 ; n = 50 ; σ = 60
Langkah pengujian hipotesis:
Hipotesis pengujian :
H0 = μ=μ 0 H0 : μ=800
yaitu
H1 = ≠ μ 0
μ H1 : μ ≠ 800
Taraf signifikansi α = 5% = 0,05
Kriteria pengujian.
Terima H0 jika – Z (1−α ) /2 ≤ Z ≤ Z( 1−α )/ 2
– Z (1−0,05 )/2 ≤ Z ≤ Z (1−0,05) /2
– Z 0,475 ≤ Z ≤ Z 0,475
−1,96 ≤ Z ≤1,96
 Dengan Z( 1−α )/ 2 diperoleh dari daftar distribusi normal baku dengan
(1−α )
peluang .
2
Statistik hitung berdasarkan data penelitian (sampel) yang diambil
x−μ0
z=
σ
√n
792−800
z=
60
√50
−8
z=
8,507
z=−0,94
Jadi, z hitung =−0,94
Kesimpulan : karena z hitung =−0,94 berada dalam daerah penerimaan H0 yaitu
−1,96 ≤ zhitung ≤1,96 maka H0 diterima. Jadi μ=800. Artinya, dalam taraf signifikansi 5% (
α =0,05 ¿ hasil penelitian menunjukkan bahwa masa pakai lampu belum berubah yaitu
masih 800 jam.
2. Masyarakat mengeluh dan mengatakan bahwa isi bersih makanan kaleng tidak sesuai
dengan yang tertera pada kemasannya sebesar 5 ons. Untuk meneliti hal ini, 23 kaleng
makanan diteliti secara acak. Dari sampel tersebut diperoleh berat ratarata 4,9 ons dan
simpangan baku 0,2 ons. Dengan taraf nyata 5%, bagaimanakah pendapat anda
mengenai keluhan masyarakat tersebut ?

Penyelesaian
Diketahui x = 4,9 ; n = 23 ; s = 0,2 ; μ0 = 5
Langkah pengujian hipotesis dengan varians populasi tidak diketahui:
Hipotesis pengujian :
H0 = μ=μ 0 H0 : μ=5
yaitu
H1 = μ ≠ μ 0 H1 : μ<5
Jika rata-rata berat makanan kaleng tidak kurang dari 5 ons tentu masyarakat tidak
akan mengeluh.
Taraf signifikansi α = 5% = 0,05
Kriteria pengujian :
Tolak H0 jika t ≤−t 1−α dengan dk =n−1=23−1=22
 Maka : −t 1−α =t 1−0,05 =−1,72
Statistik hitung berdasarkan data penelitian (sampel) yang diambil:
x−μ0
t=
s
√n
4,9−5
t=
0,2
√ 23
0,1
t=
0,0417
t=−2,398
Jadi, t hitung =−2,389
Kesimpulan : karena t hitung =−2,398<−t 1−α =−1,72t 1−0,05=−2,398<−t 1−α =−1,72 terletak
pada daerah kritis maka H 0 ditolak. Jadi, μ<5 . Sehingga dapat disimpulkan penelitian
tersebut menguatkan keluhan masyarakat mengenai berat makanan kaleng yang kurang dari
berat yang tertera pada kemasan yaitu 5 ons.

3. Seorang dosen ingin mengetahui apakah terdapat perbedaan signifikan antara rata-rata nilai
mahasiswa pada ujian tengah semester (UTS) dan ujian akhir semester (UAS). Dari 50
mahasiswa yang mengikuti kedua ujian tersebut, diperoleh rata-rata nilai UTS sebesar 75
dengan simpangan baku 10 dan rata-rata nilai UAS sebesar 80 dengan simpangan baku 12.
Uji apakah terdapat perbedaan signifikan antara kedua rata-rata dengan tingkat signifikansi
5%.

Jawaban:

Hipotesis nol (H0): μ1 = μ2 (Tidak ada perbedaan signifikan antara rata-rata nilai UTS dan
UAS)

Hipotesis alternatif (H1): μ1 ≠ μ2 (Ada perbedaan signifikan antara rata-rata nilai UTS dan
UAS)

Untuk menguji hipotesis di atas, kita dapat menggunakan uji-t dengan formula sebagai
berikut:

t = (X1 - X2) / √[(s1²/n1) + (s2²/n2)]

Di mana:

X1 dan X2 adalah rata-rata dari masing-masing sampel

s1 dan s2 adalah simpangan baku masing-masing sampel

n1 dan n2 adalah ukuran sampel dari masing-masing sampel

Dengan menggunakan data dari soal di atas, kita dapat menghitung nilai t sebagai berikut:

t = (75 - 80) / √[(10²/50) + (12²/50)] = -1,94

Kita kemudian dapat mencari nilai kritis t dengan derajat kebebasan (df) = n1 + n2 - 2 dan
tingkat signifikansi 5%. Dari tabel distribusi t, dengan df = 98 dan signifikansi 2,5% (karena
hipotesis alternatif bersifat dua arah), diperoleh nilai t kritis sebesar ±1,984.

Karena nilai t (-1,94) lebih besar dari nilai t kritis negatif (-1,984) dan lebih kecil dari nilai t
kritis positif (1,984), maka hipotesis nol tidak dapat ditolak. Artinya, tidak terdapat perbedaan
signifikan antara rata-rata nilai UTS dan UAS.

4. Seorang peneliti ingin mengetahui apakah terdapat perbedaan signifikan antara rata-rata
berat badan orang yang melakukan olahraga intensif dan orang yang tidak melakukan
olahraga intensif. Dari 100 orang yang dipilih secara acak, 50 orang melakukan olahraga
intensif dan 50 orang lainnya tidak melakukan olahraga intensif. Rata-rata berat badan pada
kelompok olahraga intensif adalah 65 kg dengan simpangan baku 5 kg, sedangkan pada
kelompok yang tidak melakukan olahraga intensif adalah 70 kg dengan simpangan baku 6 kg.
Uji apakah terdapat perbedaan signifikan antara kedua rata-rata dengan tingkat signifikansi
5%.

Jawaban:

Hipotesis nol (H0): μ1 = μ2 (Tidak ada perbedaan signifikan antara rata-rata berat badan pada
kelompok olahraga intensif dan pada kelompok yang tidak melakukan olahraga intensif)

Hipotesis alternatif (H1): μ1 ≠ μ2 (Ada perbedaan signifikan antara rata-rata berat badan pada
kelompok olahraga intensif dan pada kelompok yang tidak melakukan olahraga intensif)

Untuk menguji hipotesis di atas, kita dapat menggunakan uji-t dengan formula sebagai
berikut:

t = (X1 - X2) / √[(s1²/n1) + (s2²/n2)]

Di mana:
X1 dan X2 adalah rata-rata dari masing-masing sampel

s1 dan s2 adalah simpangan baku masing-masing sampel

n1 dan n2 adalah ukuran sampel dari masing-masing sampel

Dengan menggunakan data dari soal di atas, kita dapat menghitung nilai t sebagai berikut:

t = (65 - 70) / √[(5²/50) + (6²/50)] = -2,33

Kita kemudian dapat mencari nilai kritis t dengan derajat kebebasan (df) = n1 + n2 - 2 dan
tingkat signifikansi 5%. Dari tabel distribusi t, dengan df = 98 dan signifikansi 2,5% (karena
hipotesis alternatif bersifat dua arah), diperoleh nilai t kritis sebesar ±1,984.

Karena nilai t (-2,33) lebih kecil dari nilai t kritis negatif (-1,984), maka hipotesis nol dapat
ditolak. Artinya, terdapat perbedaan signifikan antara rata-rata berat badan pada kelompok
olahraga intensif dan pada kelompok yang tidak melakukan olahraga intensif.

5. Seorang peneliti ingin mengetahui apakah terdapat perbedaan signifikan antara tingkat
kecerdasan siswa laki-laki dan siswa perempuan pada sebuah sekolah. Dari 80 siswa yang
dipilih secara acak, 40 siswa adalah laki-laki dan 40 siswa lainnya adalah perempuan. Rata-
rata nilai IQ pada siswa laki-laki adalah 115 dengan simpangan baku 10, sedangkan pada
siswa perempuan adalah 120 dengan simpangan baku 8. Uji apakah terdapat perbedaan
signifikan antara kedua rata-rata dengan tingkat signifikansi 5%.

Jawaban:

Hipotesis nol (H0): μ1 = μ2 (Tidak ada perbedaan signifikan antara rata-rata nilai IQ pada
siswa laki-laki dan perempuan)

Hipotesis alternatif (H1): μ1 ≠ μ2 (Ada perbedaan signifikan antara rata-rata nilai IQ pada
siswa laki-laki dan perempuan)

Untuk menguji hipotesis di atas, kita dapat menggunakan uji-t dengan formula sebagai
berikut:

t = (X1 - X2) / √[(s1²/n1) + (s2²/n2)]

di mana:

X1 dan X2 adalah rata-rata dari masing-masing sampel

s1 dan s2 adalah simpangan baku masing-masing sampel

 n1 dan n2 adalah ukuran sampel dari masing-masing sampel

Dengan menggunakan data dari soal di atas, kita dapat menghitung nilai t sebagai berikut:

t = (115 - 120) / √[(10²/40) + (8²/40)] = -1,65

Kita kemudian dapat mencari nilai kritis t dengan derajat kebebasan (df) = n1 + n2 - 2 dan
tingkat signifikansi 5%. Dari tabel distribusi t, dengan df = 78 dan signifikansi 2,5% (karena
hipotesis alternatif bersifat dua arah), diperoleh nilai t kritis sebesar ±1,990.

Karena nilai t (-1,65) lebih besar dari nilai t kritis negatif (-1,990), maka hipotesis nol tidak
dapat ditolak. Artinya, tidak terdapat perbedaan signifikan antara rata-rata nilai IQ pada siswa
laki-laki dan perempuan.

Contoh Soal essay :

1. Jelaskan pengertian dari statistik inferensial beserta contoh penggunaannya dalam

penelitian ilmiah.

Jawaban:

Statistik inferensial adalah cabang statistik yang digunakan untuk membuat kesimpulan atau
inferensi tentang populasi dari sampel data yang diambil. Contoh penggunaannya dalam
penelitian ilmiah adalah dalam penelitian medis, di mana peneliti dapat mengambil sampel
pasien dan menganalisis data untuk menentukan apakah terdapat perbedaan signifikan antara
kelompok pengobatan dan kelompok kontrol dalam suatu percobaan.

2. Jelaskan perbedaan antara uji parametrik dan non-parametrik, serta berikan contoh
penggunaannya dalam penelitian.

Jawaban:

Uji parametrik digunakan ketika data yang dianalisis memenuhi asumsi normalitas dan
homogenitas varians, sementara uji non-parametrik digunakan ketika data tidak memenuhi
asumsi tersebut. Contoh uji parametrik adalah uji-t dan ANOVA, sedangkan contoh uji non-
parametrik adalah uji Mann-Whitney dan uji Wilcoxon. Misalnya, dalam penelitian
psikologi, uji-t dapat digunakan untuk membandingkan rata-rata skor tes antara kelompok
kontrol dan kelompok eksperimen, sedangkan uji Mann-Whitney dapat digunakan jika data
tidak memenuhi asumsi normalitas.
3. Jelaskan langkah-langkah dalam melakukan uji hipotesis menggunakan uji-t.

Jawaban:

Langkah-langkah dalam melakukan uji hipotesis menggunakan uji-t adalah sebagai berikut:

Tentukan hipotesis nol dan hipotesis alternatif.

Pilih tingkat signifikansi (α).

Hitung nilai uji-t menggunakan rumus yang sesuai dengan jenis uji-t dan data yang dianalisis.

Tentukan nilai kritis uji-t dari tabel distribusi t, dengan derajat kebebasan (df) yang sesuai
dan tingkat signifikansi yang telah ditentukan.

Bandingkan nilai uji-t dengan nilai kritis uji-t. Jika nilai uji-t lebih besar dari nilai kritis,
maka hipotesis nol ditolak, sedangkan jika nilai uji-t lebih kecil dari nilai kritis, maka
hipotesis nol diterima.

4. Jelaskan apa itu ANOVA dan kapan kita harus menggunakannya dalam analisis data.

Jawaban:

ANOVA adalah singkatan dari analysis of variance, yaitu metode statistik yang digunakan
untuk membandingkan rata-rata antara tiga atau lebih kelompok. ANOVA dapat digunakan
jika data memenuhi asumsi normalitas dan homogenitas varians. ANOVA dapat digunakan
dalam analisis data ketika peneliti ingin menentukan apakah ada perbedaan signifikan antara
rata-rata beberapa kelompok pada variabel dependen yang sama.

5. Jelaskan pengertian regresi linier sederhana dan berikan contoh penggunaannya dalam
penelitian.

Jawaban:

Regresi linier sederhana adalah metode statistik yang digunakan untuk menentukan hubungan
antara dua variabel, yaitu variabel