A. Pendahuluan
Hipotesis Statistik: pernyataan atau dugaan mengenai satu atau lebih populasi.
Kebenaran (benar atau salahnya) suatu hipotesis tidak akan pernah diketahui dengan pasti,
kecuali kita memeriksa seluruh populasi.
Lalu apa yang kita lakukan, jika kita tidak mungkin memeriksa seluruh populasi untuk
memastikan kebenaran suatu hipotesis?
Kita dapat mengambil sampel acak, dan menggunakan informasi (atau bukti) dari sampel itu
untuk menerima atau menolak suatu hipotesis.
Penerimaan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENOLAK hipotesis
tersebut dan BUKAN karena HIPOTESIS ITU BENAR
dan
Penolakan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENERIMA hipotesis
tersebut dan BUKAN karena HIPOTESIS ITU SALAH
Landasan penerimaan dan penolakan hipotesis seperti ini, yang menyebabkan para
statistikawan atau peneliti mengawali pekerjaan dengan terlebih dahulu membuat hipotesis
yang diharapkan ditolak, tetapi dapat membuktikan bahwa pendapatnya dapat diterima.
Hipotesis Awal yang diharapkan akan ditolak disebut Hipotesis Nol (𝑯𝟎 )
Hipotesis Nol juga sering menyatakan kondisi yang menjadi dasar pembandingan.
Nilai Hipotesis Nol (𝐻0 ) harus menyatakan dengan pasti nilai parameter.
𝐻0 → ditulis dalam bentuk persamaan (=)
Contoh 2
Manajemen KA Indonesia mulai tahun 1992, melakukan pemeriksaan karcis KRL lebih intensif
disbanding tahun-tahun sebelumnya. Pemeriksaan karcis yang intensif berpengaruh positif
terhadap penerimaan PERUMKA. Jika sebelum tahun 1992 pendapatan KRL adalah Rp 3
juta/minggu maka setelah pemeriksaan karcis intensif diharapkan ada peningkatan pendapatan
sehingga Hipotesis Awal dan Alternatif yang kita buat:
𝐻0 ∶ 𝜇 = 3 juta (sistem baru sama dengan sistem lama)
𝐻𝐴 ∶ 𝜇 > 30 juta (sistem baru menyebabkan penerimaan lebih besar disbanding sistem lama)
atau
𝐻0 ∶ 𝜇 = 3 juta (sistem baru dan sistem lama tidak berbeda)
𝐻𝐴 ∶ 𝜇 ≠ 3 juta (sistem baru tidak sama dengan sistem lama)
Penolakan atau Penerimaan Hipotesis dapat membawa kita pada 2 jenis kesalahan
(error=galat):
1. Galat Jenis 1 → Penolakan 𝐻0 yang benar
Galat Jenis 1 dinotasikan sebagai 𝛼
𝛼 juga disebut → taraf nyata uji
Note: konsep 𝛼 dalam Pengujian Hipotesis sama dengan konsep 𝛼 pada pendugaan interval
2. Galat Jenis 2 → Penerimaan 𝐻0 yang salah
Galat Jenis 2 dinotasikan sebagai 𝛽
Pada pengujian hipotesis, kita lebih sering berhubungan dengan nilai 𝛼. Dengan asumsi, nilai 𝛼
yang kecil juga mencerminkan nilai 𝛽 yang juga kecil.
Prinsip pengujian hipotesis adalah perbandingan nilai statistic uji (𝑧 hitung atau 𝑡 hitung)
dengan nilai titik kritis (nilai 𝑧 tabel atau 𝑡 tabel)
Titik kritis adalah nilai yang menjadi batas daerah penerimaan dan penolakan hipotesis.
Misalkan;
𝐻0 ∶ 𝜇 = 𝜇0
𝐻𝐴 ∶ 𝜇 < 𝜇0
Daerah penolakan 𝐻0 : 𝑧 < −𝑧𝛼 atau 𝑡 < −𝑡(𝑑𝑓;𝛼)
Note:
𝜇0 adalah suatu rata-rata yang diajukan dalam 𝐻0
Penggunaan distribusi 𝑧 maupun 𝑡 sama dengan aturan pada pendugaan interval
Misalkan;
𝐻0 ∶ 𝜇 = 𝜇0
𝐻𝐴 ∶ 𝜇 > 𝜇0
Daerah penolakan 𝐻0 : 𝑧 > 𝑧𝛼 atau 𝑡 > 𝑡(𝑑𝑓;𝛼)
6. Statistik hitung
𝑥̅ − 𝜇0 495 − 500
5
𝑧= = =−
= −1,11
𝜎/√𝑛 45/√100 4,5
7. Kesimpulan: −1,11 > −2,33 maka 𝐻0 diterima. Jadi rata-rata pengambilan uang di ATM
masih=$500
6. Statistik hitung
𝑥̅ − 𝜇0 22 − 20
2
𝑡= = =
= 2,5
𝑠/√𝑛 4/√25 0,8
7. Kesimpulan: 2,5 > 2,064 yang berarti 𝐻0 ditolak, 𝐻1 diterima. Jadi rata-rata penguasaan
pekerjaan kesekretariatan ≠ 20 bulan.
E. Uji Hipotesis 1 Proporsi
𝐻0 Nilai Uji Statistik 𝐻1 Daerah Penolakan 𝐻0
𝜋 = 𝑃0 𝑃̂ − 𝑃0 𝜋 < 𝑃0 𝑧 < −𝑧𝛼
𝑧=
𝜎𝑃̂ 𝜋 > 𝑃0 𝑧 > 𝑧𝛼
Dengan 𝜋 ≠ 𝑃0 𝑧 < −𝑧𝛼 atau 𝑧 > 𝑧𝛼
2 2
𝑃0 (1 − 𝑃0 )
𝜎𝑃̂ = √
𝑛
𝑑𝑓 = 𝑛 − 1
Contoh 5
Dari 330 mahasiswa yang dijadikan sampel, hanya 30 orang yang setuju kenaikan SPP. Dengan
taraf nyata 1%, ujilah apakah proporsi mahasiswa yang setuju kenaikan tidak sama dengan 10%?
Penyelesaian:
Diketahui: 𝑥 = 30 𝑛 = 330 𝛼 = 1% 𝑃0 = 10% = 0,1
𝑥 30
𝑃̂ = = = 0,091
𝑛 330
1. 𝐻0 ∶ 𝜋 = 0,1
𝐻𝐴 ∶ 𝜋 ≠ 0,1
2. Statistik uji: 𝑧 (karena 𝑛 > 30)
3. Uji 2 arah
𝛼
4. Taraf nyata uji 𝛼 = 1% → 2 = 0,5% = 0,005
5. Daerah penolakan 𝐻0 :𝑧 < −𝑧0,005 → 𝑧 < −2,575 dan 𝑧 > 𝑧0,005 → 𝑧 > 2,575
6. Statistik hitung
𝑃0 (1 − 𝑃0 ) 0,1(1 − 0,1)
𝜎𝑃̂ = √ =√ = 0,0165
𝑛 330
𝑃̂ − 𝑃0 0,091 − 0,1
𝑧= = = 0,5454
𝜎𝑃̂ 0,0165
𝜎2 𝜎2
Dengan 𝜎(𝑥̅ 1 −𝑥̅2 ) = √𝑛1 + 𝑛2
1 2
𝑑𝑓 = 𝑛1 + 𝑛2 − 2
Jika 𝝈𝟏 ≠ 𝝈𝟐 :
(𝑥̅1 − 𝑥̅2 ) − (𝜇1 − 𝜇2 )
𝑡=
𝑠(𝑥̅1 −𝑥̅ 2)
𝑠2 𝑠2
Dengan 𝑠(𝑥̅ 1 −𝑥̅2 ) = √𝑛1 + 𝑛2
1 2
2
𝑠2 𝑠2
(𝑛1 + 𝑛2 )
1 2
𝑑𝑓 = 2 2
𝑠2 𝑠2
(𝑛1 ) (𝑛2 )
1 2
𝑛1 − 1 + 𝑛2 − 1
(pembulatan ke atas)
Contoh 6
Laila, presiden direktur dari salah satu perusahaan penyedia jasa perawat anak mendapati
bahwa rata-rata gaji perawat anak yang tergabung dengan lembaga ketenagakerjaan
memperoleh gaji lebih besar dibandingkan dengan yang tidak tergabung dengan lembaga
ketenagakerjaan, Berikut adalah informasi yang diperolehnya:
Lembaga Standar Deviasi
Rata-Rata Gaji Jumlah Sampel
Ketenagakerjaan Populasi
Tergabung 2.075.000 225.000 40
Tidak Tergabung 1.980.000 190.000 45
Dengan menggunakan tingkat keyakinan 97,5%, ujilah apakah terdapat perbedaan antara
rata-rata gaji perawat anak yang tergabung dan yang tidak tergabung dengan lembaga
ketenagakerjaan dengan alternative bahwa rata-rata gaji perawat anak yang tergabung
dengan lembaga ketenagakerjaan lebih besar!
Penyelesaian:
𝜇1 : rata-rata gaji perawat yang tergabung dalam lembaga ketenagakerjaan
𝜇2 : rata-rata gaji perawat yang tidak tergabung dalam lembaga ketenagakerjaan
1. 𝐻0 : 𝜇1 = 𝜇2 (𝜇1 − 𝜇2 = 0)
𝐻𝐴 : 𝜇1 > 𝜇2 (𝜇1 − 𝜇2 > 0)
2. Statistik uji: 𝑧 (karena 𝜎 diketahui)
3. Uji 1 arah
4. Taraf nyata uji: 𝛼 = 2,5% = 0,025
5. Daerah penolakan 𝐻0 : 𝑧 > 𝑧0,025 → 𝑧 > 1,96
6. Statistik hitung:
𝜎12 𝜎22
𝜎(𝑥̅1 −𝑥̅ 2) = √ + = 45.473,588
𝑛1 𝑛2
(𝑥̅1 − 𝑥̅2 ) − (𝜇1 − 𝜇2 ) 95.000
𝑧= = = 2,089
𝜎(𝑥̅1 −𝑥̅ 2) 45.473,588
7. Kesimpulan: karena 2,089 > 1,96 maka 𝐻0 ditolak yang berarti rata-rata gaji perawat
yang tergabung dalam lembaga ketenagakerjaan lebih tinggi dibanding rata-rata gaji
perawat yang tidak tergabung dalam lembaga ketenagakerjaan
G. Uji Hipotesis Selisih 2 Proporsi
Daerah Penolakan
𝐻0 Nilai Uji Statistik 𝐻1
𝐻0
𝜋1 = 𝜋2 (𝑃̂1 − 𝑃̂2 ) − (𝜋1 − 𝜋2 ) 𝜋1 < 𝜋2 𝑧 < −𝑧𝛼
𝑧=
(𝜋1 − 𝜋2 = 0) 𝜎(𝑃̂1 −𝑃̂2 ) (𝜋1 − 𝜋2 < 0)
Dengan 𝜋1 > 𝜋2 𝑧 > 𝑧𝛼
1 1 (𝜋1 − 𝜋2 > 0)
𝜎(𝑥̅ 1 −𝑥̅ 2 ) = √𝑃̂(1 − 𝑃̂) ( + )
𝑛1 𝑛2 𝜋1 ≠ 𝜋2 𝑧 < −𝑧𝛼 atau
2
𝑋1 + 𝑋2 (𝜋1 − 𝜋2 ≠ 0) 𝑧 > 𝑧𝛼
𝑃̂ = 2
𝑛1 + 𝑛2
1 1 (𝜋1 − 𝜋2 > 0)
𝑠(𝑥̅ 1 −𝑥̅2 ) = √𝑃̂(1 − 𝑃̂ ) ( + )
𝑛1 𝑛2 𝜋1 ≠ 𝜋2 𝑡 < −𝑡(𝑑𝑓,𝛼) atau
2