BAB II

PENGUJIAN HIPOTESA LANJUTAN

Pengujian hipotesis tentang varians populasi

Pada kasus-kasus tertentu kadang-kadang keragaman dalam data mempunyai peranan
yang lebih penting daripada ukuran pemusatannya. Misalnya, suatu perusahaan produsen
obat-obatan tentu saja harus selalu memperhatikan rata-rata kemampuan atau daya
penyembuhan dari obat/tablet yang dibuatnya, akan tetapi perusahaan tersebut juga harus
selalu mengawasi keragaman daya penyembuhan suatu tablet ke tablet lainnya. Daya
penyembuhan yang berlebihan dapat menyebabkan kelebihan dosis bagi pemakainya, dan
hal ini dapat membahayakan jiwa pasien tersebut. Oleh karena itu, perusahaan tersebut
harus dapat memproduksi tablet dengan rata-rata daya penyembuhan tertentu dengan
keragaman daya penyembuhan sekecil mungkin. Telah kita ketahui, bahwa salah satu
ukuran keragaman atau penyebaran yang sering digunakan adalah varians.
Pasangan hipotesis yang akan diuji berkaitan dengan varians suatu populasi Normal
biasanya dirumuskan sebagai salah satu dari bentuk berikut:

1. H0: 2 =  20
H1: 2 ≠  2 (hipotesis dua arah)
0

2. H0:  =  0
2 2

H1: 2 >  02 (hipotesis satu arah)

3. H0:  =  0
2 2

H1: 2 <  02 (hipotesis satu arah)

Telah kita ketahui bahwa statistik

n  1 s 2
2
2
merupakan nilai suatu variabel acak yang berdistribusi mengikuti kaidah Distribusi Chi
kuadrat dengan derajat bebas n – 1. Statistik tersebut kita gunakan untuk menentukan
selang kepercayaan bagi varians populasi 2. Oleh karena itu, statistik tersebut dapat juga
digunakan sebagai statistik uji dalam pengujian hipotesis tentang varians populasi 2. Nilai
statistik uji sample ditentukan dengan

2
 hitung 
n  1 s 2
 02
Daerah kritis dan daerah penerimaan hipotesis untuk taraf nyata tertentu dengan
menggunakan bantuan tabel Chi kuadrat.

Contoh 1
Sebuah timbangan di suatu laboratorium dapat digunakan untuk menimbang benda sampai
pada satuan miligram terdekat. Tingkat ketelitian timbangan tersebut diukur oleh simpangan
bakunya. Jika simpangan bakunya lebih besar dari 1 miligram maka berdasarkan prosedur
baku di laboratorium, timbangan tersebut harus segera untuk dikalibrasi. Untuk mengetahui
apakah timbangan tersebut sudah saatnya dikalibrasi kembali, 5 orang laboran secara
independen melakukan penimbangan dengan menggunakan suatu ukuran standar 5 gram
dan hasilnya adalah sebagai berikut (gr):
5,002 4,999 5,001 5,000 5,003

1
Perlukah timbangan tersebut dikalibrasi? Gunakan  = 0,1.

2
Penyelesaian:
Pasangan hipotesis yang akan kita uji adalah
H0: 2 = 1
H1: 2 > 1
Untuk menguji hipotesis tersebut kita perlu menghitung varians sampel s2 lebih dulu
(perhatikan bahwa satuan pengukuran data tersebut harus diubah kedalam satuan
miligram):
1 
s2 
n 
x2  x   2

n
1
1
s2  125.050.015 
25.005 2 
5  2,5
4
Nilai statistik uji sampelnya adalah:
2
 hitung 
n  1 s 2 
4  2,5
10

2

0 1
Hipotesis H1 dalam kasus ini menunjukkan suatu jenis pengujian satu arah, maka untuk taraf
nyata  = 0,1 dengan derajat bebas  = 4, kita peroleh bahwa titik kritis pengujian adalah
2
 0,1;  13,277. Dengan demikian, kriteria pengujian hipotesis adalah tolak H0 jika
4

2  13,277 dan terima H0 jika  2  13,277. Karena nilai statistik uji sampel (=10)
hitung hitung
terletak di daerah penerimaan hipotesis, maka kita simpulkan bahwa alat timbangan tersebut
masih cukup teliti dan belum saatnya dikalibrasi ulang.


Pengujian hipotesis tentang selisih rata-rata dua populasi independen

Sampai sejauh ini kita telah membahas pengujian hipotesis yang hanya berkaitan dengan
nilai parameter dari suatu populasi. Dalam bagian ini, konsep pengujian hipotesis tersebut
akan kita perluas untuk kasus-kasus yang melibatkan dua populasi Normal yang
independen. Namun demikian, pembahasan dalam bagian ini terbatas pada pengujian
hipotesis tentang selisih rata-rata kedua populasi.

1 2
Rata-rata = 1 Rata-rata = 2
Populasi
Varians =  12 Varians =  22

Ukuran sampel = n1 Ukuran sampel = n2

Rata-rata = x1 Rata-rata = x2
Sampel
Varians = s12 Varians = s2
2

Gambar 1. Notasi bagi parameter populasi dan statistik sampelnya

3
Prosedur pengujian hipotesis dilakukan berdasarkan pada sampel yang diambil dari masing-
masing populasi tersebut. Sebagai konvensi baku, notasi yang digunakan untuk parameter
kedua populasi tersebut dan statistik sampelnya disajikan dalam Gambar 1.
Pertanyaan yang seringkali harus dijawab dalam membandingkan rata-rata dua populasi
adalah apakah kedua rata-rata populasi tersebut sama besar? Pertanyaan tersebut biasa
dinyatakan dalam bentuk selisih antar kedua nilai rata-rata tersebut. Jika rata-ratanya sama,
maka tentunya selisihnya harus sama dengan nol. Oleh karena itu, hipotesis nol dari
persoalan tersebut dapat dinyatakan sebagai berikut:
H0: 1 – 2 = 0
Sedangkan hipotesis alternatifnya dapat berbentuk
1. H1: 1 – 2  0, atau
2. H1: 1 – 2 < 0, atau
3. H1: 1 – 2 > 0

Kasus 1: Pengujian hipotesis tentang selisih rata-rata dua populasi independen,  12

dan 22 nilainya diketahui
Jika kita mempunyai dua populasi Normal dengan rata-rata masing-masing adalah  dan 
dengan varians  2 dan  2, maka penduga yang paling efisien bagi selisih rata-rata populasi
 

1  2 adalah statistik X1  X 2 (selisih rata-rata sampel yang diambil dari masing-masing

populasi). Oleh karena itu, statistik uji yang digunakan untuk menguji hipotesis tentang
selisih rata-rata dua populasi (1 – 2) ditentukan berdasarkan atas selisih rata-rata sampel
 
tersebut X1  X 2 dan distribusi samplingnya. Statistik

( X1  X2 )  (1  2 )
Z
 12  22

n1 n2
adalah variabel acak yang berdistribusi Normal baku. Oleh karena itu, statistik tersebut
biasa digunakan sebagai statistik uji dalam pengujian hipotesis tentang selisih rata-rata
populasi Normal. Titik kritis untuk taraf nyata  tertentu ditentukan dengan menggunakan
Tabel Normal baku dan dengan memperhatikan jenis hipotesis alternatifnya.
Statistik uji Z tersebut dapat ditentukan jika varians kedua populasi tersebut,  2 dan  2,
 
diketahui nilainya. Oleh karena itu, pengetahuan tentang nilai kedua varians tersebut
merupakan salah satu persyaratan penggunaan statistik uji Z. Harus diakui, bahwa
persyaratan tersebut pada prakteknya seringkali tidak dapat dipenuhi. Pengetahuan tentang
nilai kedua varians tersebut biasanya hanya semata-mata berdasarkan atas pengalaman
atau hasil-hasil penelitian terdahulu tentang objek penelitian yang sama. Oleh karena itu,
ketika nilai varians populasinya tidak diketahui, nilai-nilai tersebut biasa diganti dengan nilai
varians sampelnya masing-masing. Hal ini tentu saja akan mempengaruhi hasil analisis,
terutama tingkat kepercayaan atau taraf nyatanya tidak akan tepat seperti kalau
menggunakan nilai varians populasi yang sesungguhnya. Namun demikian, pendekatan
tersebut menjadi semakin baik jika ukuran kedua sampel yang dianalisis semakin besar.
Pendekatan tersebut umumnya sudah cukup baik jika n1 dan n2 masing-masing lebih besar
dari 30.
Nilai statistik uji kemudian dihitung berdasarkan informasi yang diperoleh dari kedua sampel
independen yang diambil dari populasinya masing-masing dengan rumus berikut:
(x1  x2 )  (1  2 )
zhitung 
22
12

n1n2

4
atau jika n1 > 30 dan n2 > 30 statistik ujinya dapat ditentukan dengan rumus berikut

(x1  x2 )  (1  2 )
zhitung  .
s2 s2
1 n1n22

Tabel 1. Kriteria pengujian pada taraf nyata  bagi berbagai pasangan hipotesis yang
diuji
Pasangan hipotesis Titik kritis Kriteria pengujian
H0: 1 – 2 = 0  Tolak H0 jika zhitung < – z/2 atau zhitung > z/2
H:  – z/2  Terima H0 jika – z/2 < zhitung < z/2
1 1 2 0
H0: 1 – 2 = 0
H:  – >0  Tolak H0 jika zhitung > z
 Terima H0 jika zhitung < z
z
1 1 2

H0: 1 – 2 = 0  Tolak H0 jika zhitung < – z


z  Terima H jika z >–z
H1: 1–  2< 0 0 hitung 

Kriteria pengujian untuk menerima atau menolak H0 ditentukan dengan membandingkan

nilai zhitung dengan titik kritisnya.

Contoh 2
Untuk meningkatkan pertumbuhan berat badan ayam pedaging, seorang peternak ayam
menambahkan sejumlah tepung ikan ke dalam pakan yang biasa dia berikan. Pakan
tambahan tersebut diberikan kepada sejumlah anak ayam selama 45 hari. Misalkan
populasi 1 adalah anak ayam yang mendapat pakan tambahan dan populasi 2 adalah anak
ayam yang mendapat pakan yang biasa selama periode yang sama. Misalkan pula 1 dan
2 masing-masing adalah rata-rata berat badan ayam dari kedua populasi tersebut.
Pasangan hipotesis yang ingin diuji adalah:
H0: 1 – 2 = 0
H1: 1 – 2 > 0
Misalkan suatu sampel acak sejumlah 100 ekor diambil dari ayam yang mendapat pakan
tambahan dan diperoleh x = 1,83 kg dengan s1 2 =0,0124 kg2 sedangkan dari populasi ayam
1
yang mendapat pakan biasa diambil sampel sebanyak 130 ekor dan diperoleh x2 = 1,74 kg
dengan
s 2 =0,0172 kg2. Berdasarkan data tersebut, dapatkah kita simpulkan bahwa
2
penambahan tepung ikan terhadap makanan ayam telah meningkatkan berat ayam
tersebut?
Penyelesaian:
Karena ukuran kedua sampel tersebut cukup besar, maka statistik uji yang digunakan
adalah

( X1  X 2 )  (1  2 )
Z 22
SS
12

n1n2

5
dimana S 2 dan S 2 masing-masing adalah varians dari kedua sampel tersebut.
1 2

6
Hipotesis alternatif merupakan hipotesis satu arah, sehingga untuk taraf nyata
 = 0,05 titik kritis pengujiannya adalah z  = z0,05 = 1,645.
Nilai statistik uji dari kedua sampel tersebut adalah

zhitung
(x1 2 x2 )  (12  2 ) 0,01241,83   0 130
   
sn1122  
sn  100 1,74
0,0172
 5,622

Karena zhitung = 5,622 lebih besar dari z = 1,645, maka hipotesis nol ditolak. Artinya, ayam
pedaging yang mendapat tambahan tepung ikan dalam pakannya secara statistik lebih berat
daripada ayam yang mendapat pakan biasa.


Dalam contoh di atas diketahui bahwa secara statistik, terdapat perbedaan antara berat
badan ayam yang mendapat pakan tambahan dengan ayam yang mendapat pakan biasa.
Namun demikian, apakah selisih rata-rata berat ayam tersebut berbeda secara ekonomis,
merupakan persoalan lain. Selisih rata-rata berat ayam sebesar 0,09 kg telah terbukti
berbeda secara statistik, tetapi belum tentu menguntungkan secara ekonomis, karena
peternak tersebut harus mengeluarkan biaya tambahan untuk pembelian tepung ikan. Oleh
karena itu, suatu analisis statistik harus selalu disertai dengan pertimbangan dan analisis
dari berbagai aspek lainnya agar memberikan informasi yang bermanfaat untuk keperluan
praktis.
Analisis untuk data dalam contoh di atas dapat dilakukan dengan program Excel melalui
prosedur berikut. Simpan data dari kedua sampel tersebut dalam dua kolom yang berbeda,
misalnya dalam kolom A dan B. Untuk memudahkan kita, baris pertama dari ke dua kolom
tersebut sebaiknya diisi dengan keterangan tentang kedua sampel tersebut (misalnya cell
A1 berisi ‘sampel-1’ dan cell B1 berisi ‘sampel-2’). Pengujian hipotesis tentang rata-rata
kedua populasi tersebut dilakukan dengan memilih menu
Tools  Data Analysis
kemudian pilih z-Test: Two Sample for Means dalam kotak pilihan Analysis Tools
dan klik OK. Rangkaian perintah tersebut akan mengaktifkan jendela z-Test: Two
Sample for Means seperti telihat dalam Gambar 2. Lengkapi input yang diminta dalam
setiap kotak yang tersedia, lalu klik OK.

Gambar 2. Jendela z-Test: Two Sample for Means dalam EXcel

7
Output dari rangkaian perintah tersebut adalah sebagai berikut:
z-Test: Two Sample for Means

sampel-1 sampel-2
Mean 1.829 1.741538
Known Variance 0.0124 0.0172
Observations 100 130
Hypothesized Mean Difference 0
z 5.46306
P(Z<=z) one-tail 2.3456E-08
z Critical one-tail 1.644853
P(Z<=z) two-tail 4.6911E-08
z Critical two-tail 1.95996

Penjelasan:
Mean = rata-rata sampel
Known Variance = varians sampel (pengganti varians
populasi) Observation = ukuran sampel
Hypothesized Mean Difference = H0: 1 – 2 = 0
z = zhitung
P(Z<=z) one-tail = nilai peluang bagi zhitung untuk uji satu arah
z Critical one-tail = titik kritis z untuk uji satu arah
P(Z<=z) two-tail = nilai peluang bagi zhitung untuk uji dua arah
z Critical two-tail = titik kritis z/2 untuk uji dua arah

Selang kepercayaan bagi selisih rata-rata populasi dapat ditentukan dengan menggunakan
aturan 1 berikut ini.

Aturan 1 Selang kepercayaan bagi

1  2 ; 2 dan 2 diketahui
Selang kepercayaan (1 – )100% bagi selisih rata-rata dari dua populasi Normal,
1  2 , adalah

x1  x  z 2  1  2   x2  z 2
2
 22
12 x1  22
12
 
n1n2 n1n2
atau

22

x1  x2  z 2
12

 n1n2

dimana x dan x masing-masing adalah rata-rata dari dua sampel yang independen
1 2

yang diambil dari kedua populasi tersebut; n1 dan n2 adalah ukuran masing-masing
sampel; 2 dan  2 masing-masing adalah varians kedua populasi tersebut; dan z 2
adalah nilai kritis dari tabel normal baku. Jika ukuran dari kedua sampel tersebut cukup
besar, kedua nilai varians populasinya dapat diganti dengan nilai varians sampelnya
masing-masing.

8
Contoh 3
Tentukan selang kepercayaan 95% bagi selisih rata-rata populasi dalam Contoh 2.
Penyelesaian:
Karena ukuran kedua sampel tersebut cukup besar dan nilai sesungguhnya dari varians
populasi tidak diketahui, maka nilai varians sampel akan digunakan sebagai pengganti nilai
varians populasi. Untuk tingkat kepercayaan 95%, nilai kritisnya adalah z/2 = z0,025 = 1,96.
Selang kepercayaan 95% bagi selisih rata-rata populasi ditentukan sebagai berikut:
22 22
ss ss
x  x2  z 2 n1n2
12

 1  2  x1
12
x2  z 2 n1n2

1
  

1,83  1,74  1,96 0,0124  0,0172  1  2  1,83  1,74  1,96 0,0124  0,0172
100130
100130
atau
0,0586 < 1 – 2 < 0,1214


Kasus 2: Pengujian hipotesis tentang selisih rata-rata dua populasi independen,  12 =

22 tetapi nilainya tidak diketahui
Nilai varians populasi pada kenyataannya sangat jarang diketahui, kecuali hanya pada
kasus-kasus khusus saja. Selain itu, ada kalanya ukuran sampel dari setiap populasi tidak
dapat dibuat cukup besar, karena berbagai kendala seperti waktu, biaya dan tenaga yang
tersedia.
Pada kasus dimana nilai varians populasi tidak diketahui dan ukuran sampel dari masing-
masing populasi kecil (n1 < 30 dan n2 < 30), maka pengujian hipotesis bagi selisih rata-rata
populasi dapat dilakukan dengan menggunakan distribusi t. Prosedur pengujian ini syah
asalkan kedua populasinya paling tidak mendekati distribusi Normal dan varians kedua
populasi tersebut dapat diasumsikan sama, yaitu  2 =  2 = 2.
 

Nilai  dapat diduga dengan sp , dimana

2 2

s 2  (n1  1)  s1   1)  s2 2
2

p
(n2
n1  n2  2
Nilai s 2 2
dan s adalah varians dari masing-masing sampel dan n dan n adalah ukuran
  1 2
masing-masing sampel.
Telah diketahui bahwa

( X  X )  (1  2 )
T  sp 11 n12  1 n2 

adalah variabel acak yang berdistribusi t dengan derajat bebas  = n1 + n2 – 2. Dengan

demikian, statistik T tersebut dapat digunakan sebagai statistik uji untuk menguji hipotesis
tentang selisih rata-rata populasi.
Nilai statistik uji sampel kemudian ditentukan dengan rumus berikut:

thitung (x1  x2 )  (1  2 )

 s 1 n1  1 n2 
p

Kriteria pengujian untuk menerima atau menolak H0 ditentukan dengan membandingkan

9
nilai thitung dengan titik kritisnya.

10
Tabel 2. Kriteria pengujian pada taraf nyata  bagi berbagai pasangan hipotesis
tentang selisih rata-rata populasi
Pasangan hipotesis Titik kritis Kriteria pengujian
H0: 1 – 2 = 0  Tolak H0 jika thitung < – t/2 atau thitung > t/2
H:  – t/2  Terima H0 jika – t/2 < thitung < t/2
1 1 2 0
H0: 1 – 2 = 0
 Tolak H0 jika thitung > t
H:  – >0
 Terima H0 jika thitung < t
t
1 1 2

H0: 1 – 2 = 0
H:  – <0  Tolak H0 jika thitung < – t
 Terima H jika t >–t
t
1 1 2 0 hitung 

Contoh 4
Sebuah lembaga konsumen melakukan suatu percobaan untuk menguji rata-rata ketahanan
ban mobil dari dua merek yang berbeda. Misalnya populasi pertama adalah ban bermerek A
dan populasi kedua adalah ban bermerek B. Dari setiap populasi ban tersebut diambil
sampel sejumlah ban baru dan diuji dalam sebuah mesin simulator sampai ban tersebut
pecah. Karena biaya untuk percobaan tersebut relatif mahal, maka diputuskan untuk
membatasi jumlah sampel ban mobil yang digunakan. Dari percobaan tersebut diperoleh
data tentang jarak tempuh ban pada saat ban tersebut pecah sebagai berikut (dalam ribuan
km):
Ban A: 9,4222 10,8992 10,8574 9,7521 9,4940 11,4532 10,1087 11,3314
Ban B: 9,1158 9,3067 10,1333 8,0878 11,0111 10,7948

Penyelesaian:
Hipotesis yang ingin diuji dalam percobaan ini adalah apakah kedua merek ban tersebut
mempunyai rata-rata ketahanan yang sama. Hal ini dapat diformulasikan dalam pasangan
hipotesis berikut:
H0: 1 – 2 = 0
H1: 1 – 2  0
Dari kedua sampel ban diperoleh statistik sebagai berikut:
Sampel A Sampel B
Rata-rata sampel 10,4148 9,7416
Varians sampel 0,6736 1,2380
Ukuran sampel 8 6

Jika varians kedua populasi ban tersebut dapat diasumsikan sama, maka statistik uji yang
digunakan adalah

( X1  X 2 )  (1  2 dimana s2  (n1  1)  s1 

2
 1)  s22
)T  (n2
sp  1 n 1   1 n 2  p

n1  n2  2

11
Statistik uji T tersebut akan berdistribusi t dengan derajat bebas  = 8 + 6 – 2 = 12. Maka
untuk taraf nyata  = 0,05, titik kritis pengujian dapat ditentukan dengan menggunakan tabel
distribusi t, yaitu t/2 ; 12 = t0,025 ; 12 = 2,1788.

12
Varians gabungan bagi kedua sampel tersebut adalah

2 7  (0,6736)  5  (1,2380)
s p  0,9088
862
Nilai statistik uji adalah
10,4148 9,7416 0
thitung   1,308
0,9533 1/ 8 1/ 6

Karena nilai thitung = 1,308 lebih kecil dari t0,025 ; 12 = 2,1788 maka H0 tidak ditolak. Artinya,
walaupun nilai rata-rata kedua sampel tersebut kelihatan berbeda (selisihnya lebih dari 670
km), tetapi hal ini belum merupakan bukti yang cukup untuk menyatakan bahwa kedua rata-
rata tersebut berbeda secara statistik.


Prosedur pengujian hipotesis untuk kasus dimana ukuran sampelnya kecil dan kedua
varians populasinya tidak diketahui, tetapi dapat diasumsikan mempunyai nilai yang sama,
dapat dilakukan baik dengan program Excel maupun MINITAB. Untuk itu, data dari kedua
sampel tersebut sebaiknya disimpan dalam dua kolom yang berbeda.
Dalam Excel fasilitas pengujian hipotesis dapat diakses dengan memilih menu
Tools  Data Analysis
kemudian pilih t-Test: Two Sample Assuming Equal Variances dalam kotak
pilihan Analysis Tools dan klik OK. Perintah tersebut akan mengaktifkan jendela t-
Test: Two Sample Assuming Equal Variances yang hampir sama dengan jendela
z-Test: Two Sample for Means pada gambar 1. Lengkapi input yang diminta dalam
setiap kotak yang tersedia, lalu klik OK. Output dari rangkaian perintah tersebut untuk data
dalam Contoh 4 adalah sebagai berikut:

t-Test: Two-Sample Assuming Equal Variances

Ban A Ban B
Mean 10.4148 9.7416
Variance 0.6736 1.2380
Observations 8 6
Pooled Variance 0.9088
Hypothesized Mean Difference 0
Df 12
t Stat 1.3076
P(T<=t) one-tail 0.1078
t Critical one-tail 1.7823
P(T<=t) two-tail 0.2155
t Critical two-tail 2.1788

Penjelasan:
Mean = rata-rata sampel
Variance = varians sampel
Observation = ukuran sampel
Pooled Variance = varians sampel gabungan
Hypothesized Mean Difference = H0: 1 – 2 = 0

13
Df = derajat bebas bagi t
t Stat = thitung
P(Z<=z) one-tail = Nilai peluang bagi thitung untuk uji satu arah
t Critical one-tail = Titik kritis t untuk uji satu arah
P(Z<=z) two-tail = Nilai peluang bagi thitung untuk uji dua arah
t Critical two-tail = Titik kritis t/2 untuk uji dua arah

Sedangkan dalam MINITAB fasilitas pengujian hipotesis tersebut dapat diakses dengan
memilih menu
Stat  Basic Statistics  2-Sample t ...
Perintah tersebut akan mengaktifkan jendela 2-Sample t. Karena kedua sampel tersebut
disimpan dalam dua kolom yang berbeda, klik tombol disamping Samples in different
columns, lalu isikan nama kolom pertama ke dalam kotak First dan nama kolom kedua
ke dalam kotak Second. Klik tanda disamping kotak Alternative: untuk memilih
hipotesis alternatif yang sesuai. Isikan tingkat kepercayaan yang diinginkan ke dalam kotak
Confidence level (MINITAB secara otomatis mengisinya untuk tingkat kepercayaan
95%). Kemudian klik kotak kecil disamping Assume equal variances sehingga kotak
tersebut bertanda , untuk menunjukkan bahwa varians populasinya diasumsikan sama,
lalu klik OK.

Gambar 3 Jendela 2-Sample t dalam MINITAB

Output MINITAB untuk data dalam contoh 4 adalah sebagai berikut:

1 MTB > TwoSample 95.0 'Ban A' 'Ban B';
2 SUBC> Alternative 0;
3 SUBC> Pooled.
4 Two Sample T-Test and Confidence Interval
5
6 Two sample T for Ban A vs Ban B
7 N Mean StDev SE Mean
8 Ban A 8 10.415 0.821 0.29
9 Ban B 6 9.74 1.11 0.45
10
11 95% CI for mu Ban A - mu Ban B: ( -0.45, 1.79)
12 T-Test mu Ban A = mu Ban B (vs not =): T= 1.31 P=0.22 DF= 12
13 Both use Pooled StDev = 0.953

14
Modul 6 Pengujian Hipotesis

Penjelasan:
Baris 1 – 3: perintah untuk MINITAB
Baris 4 – 13: output dari rangkaian perintah tersebut
Baris 8: nilai-nilai statistik sampel bagi ban merek A
Baris 9: nilai-nilai statistik sampel bagi ban merek B
Baris 11: selang kepercayaan 95% bagi 1 – 2
Baris 12: informasi tentang pasangan hipotesis yang diuji, dalam hal ini adalah
H0: 1 – 2 = 0 (dengan H1: 1 – 2  0): nilai thitung = 1.31: peluang bagi
nilai thitung = 0,22: dan derajat bebas bagi thitung = 12
Baris 13: simpangan baku gabungan (sp)

Selang kepercayaan bagi selisih rata-rata populasi dapat ditentukan dengan menggunakan
aturan 2 berikut ini

Aturan 2 Selang kepercayaan bagi

   ;  2 =  2 tetapi tidak diketahui nilainya
1 
Jika dari dua populasi yang berdistribusi hampir
2 Normal masing-masing dengan rata-
rata 1 dan 1 dan varians yang tidak diketahui tetapi nilainya dapat dianggap sama,
diambil sampel yang saling bebas, maka selang kepercayaan (1 – )100% bagi selisih
rata-rata dari populasi, 1  2 , adalah

1  1 1  1
(x1  x2 )  t  sp n1n2  (1  2 )  (x1  x2 )  t  sp n1n2
2 2

atau

(x  x )  t s 1  1
n1n2
1 2  2 p

(n1 1)12 s2  (n 1) 2s2

dimana sp  ,
n1  n2  2
sedangkan x1 dan x 2 masing-masing adalah rata-rata dari dua sampel yang
independen yang diambil dari kedua populasi tersebut; n1 dan n2 adalah ukuran
masing-masing sampel; s 2 dan s 2 masing-masing adalah varians kedua sampel
 
tersebut; dan t/2 adalah nilai kritis dari tabel t dengan derajat bebas  = n1 + n2 – 2.

Prosedur pengujian hipotesis yang dibahas dalam bagian ini didasarkan atas beberapa
asumsi, yaitu bahwa
(i) kedua sampel bersifat independen
(ii) kedua sampel diambil dari populasi yang berdistribusi Normal, dan
(iii) varians kedua populasinya dapat diasumsikan sama.
Asumsi (i) berarti bahwa kedua sampel tersebut diambil dari dua populasi yang berbeda dan
setiap individu yang terdapat dalam satu sampel tidak berkaitan dengan individu dalam
sampel lainnya. Jika asumsi ini dilanggar, maka metode pengujian tersebut menjadi tidak
syah dan kesimpulan yang diambil akan salah serta mungkin dapat berakibat fatal.
Pelanggaran terhadap asumsi (ii) tidak terlalu mengkhawatirkan. Jika ukuran sampelnya
cukup besar, maka distribusi sampling bagi X dan X 2 akan mendekati distribusi. Dengan
1
ukuran sampel yang relatif kecilpun, pendekatan dengan statistik T tersebut sudah cukup
teliti.
Modul PDITT Untan 2015 Page 15
Modul 6 Pengujian Hipotesis

Kasus 3: Pengujian hipotesis tentang selisih rata-rata dua populasi independen,  12 ≠

22 dan nilainya tidak diketahui
Prosedur pengujian hipotesis yang dibahas dalam bagian ini adalah untuk keadaan dimana
varians populasinya tidak diketahui dan tidak dapat diasumsikan sama, serta sampelnyapun
kecil dengan ukurannya tidak sama. Dalam kasus yang demikian, statistik uji yang paling
sering digunakan adalah

T '  (x1  x2 )  (1  2 )

sn  
2
1122 sn2 
Statistik T’’ di atas mempunyai distribusi yang mendekati distribusi t dengan derajat bebas ,
dimana  adalah
s 2
2 2
 s2 
1  
 n1 n2 

 
 s2 n
2
 
s2 n  2 
 1 1  2 
2 n  1  1
n

1  2 



nilai  tersebut dibulatkan ke bilangan bulat terdekat.

Dengan diketahuinya statistik uji dan distribusi samplingnya, maka prosedur pengujian
hipotesis dapat dilakukan sama seperti prosedur pada bagian-bagian sebelumnya.

Contoh 5
Rata-rata jumlah curah hujan pada bulan Agustus di daerah Kapuas Hulu (bagian hulu S.
Kapuas) selama 8 tahun terakhir adalah 243,9 mm dengan simpangan baku 10,70 mm.
Sedangkan rata-rata jumlah curah hujan pada bulan yang sama di Pontianak (±700 km dari
Kapuas Hulu ke arah hilir S. Kapuas) selama 15 tahun terakhir adalah 250,1 mm dengan
simpangan baku 2,13 mm. Dapatkah kita simpulkan bahwa rata-rata jumlah curah hujan
pada musim kemarau di bagian hulu dan hilir S. Kapuas tersebut sama?

Penyelesaian:
Langkah 1: Penentuan hipotesis
Hipotesis yang ingin diuji dapat dirumuskan sebagai berikut:
H0: 1 – 2 = 0
H1: 1 – 2  0
Langkah 2: Penentuan statistik uji
Dalam kasus ini terdapat perbedaan yang menyolok antar varians kedua sampel tersebut,
yaitu s12 = (10,70)2 = 114,49 dan s 22 = (2,13)2 = 4,54. Sehingga akan sangat tidak realistis
kalau kita asumsikan bahwa kedua varians populasinya sama. Selain itu, ukuran kedua
sampel tersebut tidak sama dan jumlahnyapun relatif kecil, yaitu n1 = 8 dan n2 = 15. Statistik
uji yang dapat kita gunakan adalah statistik uji T’, yaitu

T '  (x1  x2 )  (1  2 )

sn  
2
1122 sn2 

Modul PDITT Untan 2015 Page 16

Modul 6 Pengujian Hipotesis

yang merupakan suatu pendekataan terhadap distribusi t dengan derajat bebas , dimana 
adalah


114,49 8  4,54 82  7,30  7
 114,49 8 27    4,54 152 14
   
Langkah 3: Penentuan daerah kritis
Untuk  = 0,05, titik kritis pengujiannya dapat ditentukan dengan menggunakan tabel t
dengan derajat bebas = 7. Karena H1 merupakan hipotesis dua arah, maka titik kritis
pengujian adalah t/2 ; 7 = t0,025 ; 7 = 2,3646. Sehingga daerah kiritisnya adalah –2,3646 < t
atau t > 2,3646.
Langkah 4: Nilai statistik uji
' (x1  x2 )  (1  2 )
t 
hitung
s1
2
 
n  s2 n
1 2 2

' (243,9  250,1)  0
t hitung   1,6218
114,49 8 4,54 15
Karena nilai terletak di daerah penerimaan (–2,3646 < t’hitung < 2,3646), maka kesimpulan
kita adalah terima H0. Artinya, kita tidak mempunyai bukti yang cukup untuk menyatakan
bahwa rata-rata jumlah curah hujan bulan Agustus di kedua daerah tersebut berbeda.


Kekeliruan dalam menentukan statistik uji yang digunakan dapat berakibat fatal, terutama
jika nilai statistik uji yang dihitung berdasarkan informasi dari sampel tidak berterlalu jauh
berbeda dengan titik kritis pengujian.
Prosedur pengujian di atas dapat dilakukan baik dengan menggunakan program Excel
maupun MINITAB. Dengan program Excel, prosedur pengujian hipotesis tersebut dapat
dilakukan dengan memilih menu
Tools  Data Analysis
kemudian pilih t-Test: Two Sample Assuming Unequal Variances dalam kotak
pilihan Analysis Tools dan klik OK. Kemudian isikan input yang diminta di dalam jendela t-
Test: Two Sample Assuming Unequal Variances.
Untuk menganalisisnya dengan program MINITAB dilakukan perintah berikut ini
Stat  Basic Statistics  2-Sample t ...
Bedanya adalah pada jendela 2-Sample t biarkan kotak di samping Assume equal
variances kosong (klik kotak tersebut jika bertanda ).

Modul PDITT Untan 2015 Page 17

Modul 6 Pengujian Hipotesis

Output MINITAB untuk persoalan dalam contoh 5 adalah sebagai berikut:

MTB >
MTB > TwoSample 95.0 'K_Hulu' 'Ptk'; SUBC>Alternative 0.

Two Sample T-Test and Confidence Interval

Two sample T for K_Hulu vs Ptk

N Mean StDev SE Mean
K_Hulu 8 243.9 10.7 3.8
Ptk 15 250.13 2.13 0.55

95% CI for mu K_Hulu - mu Ptk: ( -15.3, 2.78)

T-Test mu K_Hulu = mu Ptk (vs not =): T= -1.64 P=0.15 DF= 7

MTB >

Pengujian hipotesis untuk data berpasangan

Suatu sampel yang tidak independen dapat terjadi ketika pengamatan atau individu dari
kedua sampel tersebut saling berpasangan, sehingga nilai-nilai pengamatannya saling
berkaitan. Misalkan suatu percobaan dirancang untuk menguji pengaruh pemberian suatu
jenis pakan tertentu terhadap kenaikan berat badan ayam pedaging. Pakan tersebut
diberikan kepada 20 ekor ayam pedaging selama suatu periode tertentu, dimana sebelum
percobaan tersebut dilaksanakan, berat awal masing-masing ayam ditimbang lebih dulu.
Pada akhir penelitian berat ke-20 ekor ayam tersebut ditimbang lagi. Dalam kasus ini,
kelihatannya kita mempunyai dua buah sampel yang masing-masing berukuran 20, yaitu
berat sebelum percobaan dan setelah percobaan. Akan tetapi, kedua sampel tersebut
diperoleh dari hasil pengamatan terhadap individu yang sama, sehingga merupakan data
yang berpasangan. Dengan demikian nilai pengamatan dari kedua sampel tersebut saling
berkaitan dan tidak bebas satu sama lainnya. Sebagai ilustrasi, perhatikan contoh berikut
ini:

Contoh Error! No text of specified style in document.

Dalam suatu percobaan yang dirancang untuk mengamati pengaruh dua jenis obat tidur
terhadap pemakainya, 5 orang pasien seorang dokter yang mengeluh susah tidur direkrut
secara acak. Pada malam tertentu, setiap pasien meminum salah satu jenis obat tidur dan
pada malam yang lainnya dia meminum obat tidur yang lainnya. Urutan obat yang diminum
oleh setiap pasien dilakukan secara acak. Lama setiap pasien tidur setelah meminum
kedua jenis obat tidur tersebut disajikan dalam tabel 3.

Tabel 3 Lamanya tidur pasien setelah minum obat tidur

Lamanya tidur (jam)
Pasien Obat A Obat B Selisih (A – B)
1 7,3 6,8 0,5
2 8,5 7,9 0,6
3 6,4 6,0 0,4
4 9,0 8,4 0,6
5 6,9 6,5 0,4

Rata-rata 7,62 7,12 0,5

Varians 1,197 0,997 0,01

Modul PDITT Untan 2015 Page 18

Modul 6 Pengujian Hipotesis

Deangan pasangan hipotesis berikut

ini
H0: A – B = 0
H1: A – B  0
maka akan kita peroleh nilai statistik uji thitung = 0,75 yang terletak di daerah penerimaan
hipotesis nol (titik kritis untuk taraf nyata  = 0,05 adalah t/2 ; 8 =
t0,025 ; 8 = 2,3060). Sehingga akan kita simpulkan bahwa kita tidak mempunyai bukti yang
cukup untuk menyatakan kedua obat tidur tersebut memberikan pengaruh yang tidak sama.
Akan tetapi jika data dalam Tabel 3 tersebut kita amati secara lebih seksama, terlihat bahwa
kesimpulan tersebut tidak konsisten dengan keadaan datanya. Dari tabel tersebut terlihat
bahwa lamanya tidur setiap pasien setelah meminum obat A secara konsisten selalu lebih
lama dibandingkan setelah meminum obat B. Hal ini terlihat dari nilai selisih A – B yang
selalu positif. Kontradiksi antara data dan kesimpulan hasil analisis tersebut terjadi karena
kesalahan dalam menentukan statistik uji yang digunakan. Dalam kasus di atas, kedua
sampel tersebut tidak independen. Ketidak-independenan tersebut terjadi karena setiap
pasien (individu) diamati dua kali, yaitu setelah meminum obat A dan setelah meminum obat
B. Dengan demikian, pelaksanaan percobaan tersebut telah menyebabkan terjadinya
perpasangan antar kedua sampel.
Metode yang sebaiknya digunakan untuk melakukan inferens, baik pendugaan maupun
pengujian hipotesis, tentang rata-rata populasi dari data berpasangan adalah dengan
menganalisis rata-rata selisih dari nilai pengamatan terhadap setiap individu. Untuk itu, kita
hitung dulu selisih nilai pengamatan dari setiap individu, yaitu Di = X1i – X2i. Perhatikan
bahwa Di dapat dianggap sebagai suatu variabel acak baru yang dibangkitkan dari
pasangan data (X1i, X2i). Andaikan rata-rata populasinya adalah D maka dapat ditunjukkan
bahwa statistik T,

d  D
T  sdn

adalah suatu variabel acak yang berdistribusi t dengan derajat bebas  = n – 1, dimana d ,
sd, dan n masing-masing secara berturut-turut adalah rata-rata, simpangan baku dan ukuran
sampel yang diambil dari populasi Di.
Statistik T tersebut dapat digunakan sebagai statistik uji untuk menguji hipotesis tentang
parameter populasi D. Untuk menentukan nilai statistik ujinya kita perlu menghitung di lebih
dulu, yaitu selisih nilai pengamatan setiap individu dari sampel yang kita peroleh:
di = x1i – x2i untuk i = 1, 2, ..., n

Nilai statistik uji sampelnya kemudian dapat ditentukan dengan rumus

thitung  d  D
sdn

1
dimana d adalah rata-rata sampel, yaitu d 
n
 di dan sd adalah simpangan baku

sampel, yaitu

sd  2 
   
1 1  1 2
n1
di d n  1 d i2  n

 di 

Untuk taraf nyata  tertentu, titik kritis pengujian dapat ditentukan dengan menggunakan
bantuan tabel t.

Modul PDITT Untan 2015 Page 19

Modul 6 Pengujian Hipotesis

Selang kepercayaan (1 – ) 100% bagi D ditentukan dengan rumus berikut

sd s
d  t /   D  d  t / 2 d
n n
2

atau
s
d  t  / 2n d

dimana t/2 adalah nilai kritis dari tabel t dengan derajat bebas  = n – 1.

Penyelesaian contoh 7:
Untuk kasus dalam contoh 6, di adalah nilai-nilai yang tercantum dalam kolom terakhir dalam
Tabel 3. Dari tabel tersebut kita ketahui pula bahwa
d = 0,4 dan sd = 0,01 = 0,1. Hipotesis yang ingin kita uji adalah

H0: D = 0
H1: D  0

d  D yang berdistribusi t dengan derajat bebas  =

Sedangkan statistik ujinya adalah T 
sdn
4. Sehingga untuk taraf nyata  = 0,05, titik kritisnya adalah t/2 ; 4 = t0,025 ; 4 = 2,7765.
Nilai statistik ujinya adalah

thitung d  D 0,4  0
 sdn  0,1 5  11,1803

Karena nilai thitung jauh lebih besar dari nilai kritisnya, maka dapat kita simpulkan bahwa
kedua jenis obat tidur tersebut memberikan pengaruh yang berbeda terhadap rata-rata
jumlah jam tidur pemakainya.
Selang kepercayaan 95% bagi D adalah
s 0,1
d  t / 2 n d  0,4  2,7765 5  0,4  0,124


Pengujian hipotesis bagi data berpasangan dapat dilakukan dengan menggunakan program
paket Excel. Hal ini dilakukan dengan memilih menu
Tools  Data Analysis
kemudian pilih t-Test: Paired Two Sample for Means dalam kotak pilihan
Analysis Tools dan klik OK. Kemudian isikan input yang diminta seperti pada prosedur-
prosedur sebelumnya. Output program Excel untuk contoh di atas adalah sebagai berikut:

Modul PDITT Untan 2015 Page 20

Modul 6 Pengujian Hipotesis

t-Test: Paired Two Sample for Means

obat A obat B
Mean 7.62 7.12
Variance 1.197 0.997
Observations 5 5
Pearson Correlation 0.999604
Hypothesized Mean Difference 0
Df 4
t Stat 11.18034
P(T<=t) one-tail 0.000182
t Critical one-tail 2.131846
P(T<=t) two-tail 0.000364
t Critical two-tail 2.776451

Modul PDITT Untan 2015 Page 21

Modul 6 Pengujian Hipotesis

TUGAS PENGUJIAN HIPOTESIS

KASUS 1:
Untuk menguji kecepatan dua merek komputer dengan spesifikasi yang sama, 7 buah
program yang ditulis dengan bahasa Fortran dijalankan pada kedua komputer tersebut.
Waktu yang digunakan oleh kedua komputer tersebut (waktu CPU) untuk mengerjakan
ke 7 program tersebut adalah sebagai berikut:

Waktu CPU (detik)

Program Komputer 1 Komputer 2
1 28 32
2 52 47
3 15 12
4 72 75
5 49 55
6 62 72
7 26 30

Dapatkah kita simpulkan bahwa rata-rata waktu CPU komputer 1 lebih kecil dari rata-
rata waktu CPU komputer 2? Gunakan taraf nyata 5%.(Sumber: Kusnandar, D, 2004,
Metode Statistika (Dan Aplikasinya degan Minitab dan Excel), Madyan Press,
Yogyakarta)

Untuk menjawab soal nomor 1 s/d 6 perhatikan KASUS 1

1. Misalkan bahwa rata-rata populasi waktu CPU komputer 1 adalah 𝜇1 dan rata-
rata populasi waktu CPU komputer 2 adalah 𝜇2.Pasangan hipotesis yang
bersesuaian bagi KASUS 3 adalah
H0: 𝜇1 − 𝜇2 = 0
H0: 𝜇1 − 𝜇2 = 0
a. H1 : 𝜇 1 − 𝜇 2 G 0
H1: 𝜇1 − 𝜇2 < 0
c.

H0: 𝜇1 − 𝜇2 = 0
b. H1: 𝜇1 − 𝜇2 > 0 H0: 𝜇1 − 𝜇2 > 0
d. H1: 𝜇1 − 𝜇2 < 0

2. Statistik uji yang sebaiknya digunakan bagi KASUS 1 adalah

( X1  X2 )  (1  2 ) ( X1  X 2 )  (1  2 )
a. Z  c. T 

12
22 sp 1 n1  1 n2 

n1n2

Modul PDITT Untan 2015 Page 22

Modul 6 Pengujian Hipotesis

( X1  X 2 )  (1  2 )
b. Z d.
S12 S22

n1 n2

(x1  x 2 )  ( 1   2 )
T' 
n 1  s2 n 2 
s
21
 2

3. Dengan 𝛼 = 0,05 maka titik kritis bagi KASUS 1 adalah

a. 1,7823 c. 1,645
b. 1,96 d. 2,1788

4. Dengan 𝛼 = 0,05 maka daerah kritis bagi KASUS 3 adalah

a. 𝑧 > 1,96 c. 𝑡 < 1,7823
b. 𝑧 > 1,645 d. 𝑡 < 2,1788

5. Nilai statistik uji yang tepat bagi KASUS 1 adalah

a. -0,43091 c. -2,955
b. -0,23033 d. 0,013

6. Kesimpulan yang tepat bagi KASUS 1 adalah

a. 𝑧ℎi𝑡𝑢𝑛g terletak di daerah penerimaan 𝐻0,𝐻0 diterima. Dengan demikian
dapat disimpulkan bahwa rata-rata waktu CPU komputer 1 sama
dengan rata-rata waktu CPU komputer 2.
b. 𝑧ℎi𝑡𝑢𝑛g terletak di daerah penerimaan 𝐻0,𝐻0 diterima. Dengan demikian
dapat disimpulkan bahwa rata-rata waktu CPU komputer 1 lebih besar
dari rata-rata waktu CPU komputer 2.
c. 𝑧ℎi𝑡𝑢𝑛g terletak di daerah kritis, 𝐻0 ditolak. Dengan demikian dapat
disimpulkan bahwa rata-rata waktu CPU komputer 1 sama dengan dari
rata-rata waktu CPU komputer 2.
d. 𝑧ℎi𝑡𝑢𝑛g terletak di daerah kritis, 𝐻0 ditolak. Dengan demikian dapat
disimpulkan bahwa rata-rata waktu CPU komputer 1 tidak sama dengan
dari rata-rata waktu CPU komputer 2.

Modul PDITT Untan 2015 Page 23