oleh: Arief Joko Saputro, SP.

MP
Hipotesis adalah suatu proses dari pendugaan parameter dalam populasi, yang
membawa kita pada perumusan segugus kaidah yang dapat membawa kita pada suatu
keputusan akhir, yaitu menolak atau menerima pernyataan tersebut.

Contoh:
1. Seorang peneliti masalah kedokteran diminta untuk memutuskan, berdasarkan
buktibukti hasil percobaan, apakah suatu vaksin baru lebih baik daripada yang
sekarang beredar di pasaran.
2. Berdasarkan data, apakah ada perbedaan ketelitian antara dua jenis alat ukur;
3. Seorang ahli sosiologi ingin mengumpulkan data yang memungkinkan ia
menyimpulkan apakah jenis darah dan warna seseorang ada hubungannya atau tidak.
• Untuk menguji kebenaran suatu teori
• Memberikan gagasan baru untuk mengembangkan
suatu teori.
• Memperluas pengetahuan penelitimengenai suatu
gejalayang sedang dipelajari.
• Membantu pengambilan keputusan
Dalam statistika hipotesis dibedakan menjadi dua (2) yaitu :
1. Hipotesis nol (Null Hypothesis) yang biasanya dilambangkan dengan 𝐻𝑜
2. Hipotesis alternative (Alternative Hypothesis) yang biasanya dilambangkan dengan
𝐻1
𝐻
𝐻
Hipotesis yang baik selalu memenuhi dua pernyataan, yaitu :

1. Menggambarkan hubungan antar variabel.

2. Dapat memberikan petunjuk bagaimana pengujian hubungan tersebut.
A. HIPOTESIS SATU ARAH ( HIPOTESIS SATU SISI)
Jika hipotesis alternatif menunjukkan tanda > atau <. Hal ini dikarenakan si peneliti atau si perancang hipotesis,
menginginkan suatu perubahan satu arah, misalnya apakah meningkat, apakah terjadi penurunan, dan sebagainya.
1) Hipotesis Satu Arah - Kiri
Sebuah perusahaan pupuk subsidi Indonesia menyatakan bahwa proporsi kadar nitrogen dalam pupuk Urea
yang di produksinya tidak melebihi atau kurang dari 46% (tidak melebihi berarti kurang dari, berarti satu
arah saja)
Hipotesis:
H0 : p ≥ 46%
H1 : p < 46%
2) Hipotesis Satu Arah - Kanan
Sebuah perusahaan pupuk subsidi Indonesia menyatakan bahwa proporsi kadar nitrogen dalam pupuk Urea
yang di produksinya lebih dari 46% (lebih dari, berarti satu arah saja, H1: p > 46%).
Hipotesisnya:
H0 : p ≤ 46%
H1 : p > 46%
B. HIPOTESIS DUA ARAH ( HIPOTESIS DUA SISI)

Jika hipotesis alternatif menunjukkan tanda ¹.

Ini berarti hipotesis alternatifnya memiliki dua definisi, baik lebih dari atau kurang dari. Hal ini
dikarenakan si peneliti menginginkan suatu perbedaan, yaitu apakah berbeda atau tidak
Contoh:
Peneliti ingin menguji apakah rata-rata produksi tebu di Kabupaten Malang sebesar 7 ton per
hektarnya?
Hipotesisnya:
 E. Kesalahan Pengujian Hipotesis

Dalam menaksir parameter populasi berdasarkan data sampel, kemungkinan akan

terdapat dua kesalahan yaitu:
• Kesalahan Tipe I: Suatu kesalahan bila menolak hipotesis nol (H0) yang benar
(seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan α
(alpha)
• Kesalahan Tipe II: Suatu kesalahan bila menerima hipotesis yang salah
(seharusnya ditolak). Tingkat kesalahan ini dinyatakan dengan β (betha).
 •
•
•
•
•
•
•
•
•

•
•
•
• Untuk mencari nilai statistik uji menggunakan distribusi Z (Uji-Z)
• Statistik Uji-Z (Diambil dari Buku Lind et.al., 2019)
Contoh:
• Untuk mencari nilai statistik uji menggunakan distribusi t (Uji-t)
• Statistik Uji-Z (Diambil dari Buku Lind et.al., 2019)
• Menyusun Hipotesis Formal

Uji Satu
Sisi

Uji Dua
Sisi
2. Menentukan Nilai Kritis (Z-Tabel)

3. Menghitung test statistik (Z-

hitung)

4. Pengambilan Keputusan

Membandingkan nilai kritis dan test statistik

• Z hitung > Z tabel, maka Ho ditolak
• Z hitung < Z tabel, maka Ho diiterima.

5.Menarik
kesimpulan
 CONTOH:

Seorang pengusaha di suatu

kota besar ingin mendirikan
Super Market, sebab dia
beranggapan bahwa lebih
dari 50% dari para ibu yang
berbelanja senang pergi ke
Super Market. Untuk itu dia
meminta kepada seorang
konsultan untuk menguji
anggapannya. Ada 600 ibu
rumah tangga yang dipilih
secara acak dan 400 orang
diantaranya menyatakan
senang berbelanja di
supermarket. Dengan
menggunakan taraf uji 1%,
ujilah anggapan tersebut.
J. PENGUJIAN HIPOTESIS
UNTUK RAGAM POPULASI
(UJI CHI-SQUARE)
Uji Ragam Populasi

Tabel CHi-Square
Contoh Uji Ragam
Uji Beda Dua Rataan
Populasi
Tidak Berpasangan
(Independent)
Uji hipotesis dua rata-rata digunakan
untuk mengetahui ada atau tidak
adanya perbedaan (kesamaan) rata
antara dua buah data yang diambil
dari populasi/sampel berbeda
b)Menentukan nilai kritis (Critical Value)
c)Menghitung test statistik (berupa Z-hitung atau t-hitung)
)Menarik kesimpulan
Sampel Berpasangan (Paired)
dilakukan pada saat peneliti ingin menguji
suatu metode atau perlakuan terhadap
suatu populasi, dengan tujuan ingin
mengetahui apakah pengaruh metode
(atau perlakuan) yang diberikan pada
populasi tersebut memberikan hasil yang
berbeda terhadap kondisi awal dari
populasi.
b)Menentukan nilai kritis (Critical Value)
c)Menghitung test statistik (berupa Z-hitung atau t-hitung)

)Menarik kesimpulan
Uji ANOVA
(Analysis of
Variance)
Analisis statistik yang menguji perbedaan rerata antar grup. Grup disini
bisa berarti kelompok atau jenis perlakuan

Mirip dengan t test. Namun kelebihan dari Anova adalah dapat menguji
perbedaan lebih dari dua kelompok.

Diterapkan ketika kita ingin membandingkan beberapa mean populasi

secara bersamaan (simultan/Perbandingan rata-rata beberapa populasi).

Hasil akhir dari analisis ANOVA adalah nilai F hitung. Jika nilai F hitung
lebih dari F tabel, maka dapat disimpulkan bahwa menerima H1 dan
menolak H0 atau yang berarti ada perbedaan bermakna rerata pada
semua kelompok.
Anova Satu Arah (One Way Anova) dan Anova Dua Arah (Two Way
Anova
Contohnya digunakan untuk memahami apakah kinerja ujian
berbeda berdasarkan tingkat kecemasan ujian di antara siswa,
membagi siswa menjadi tiga kelompok independen (Siswa dengan
stres rendah, sedang dan tinggi).

Contohnya digunakan untuk mengetahui apakah jenis pupuk dan

kepadatan tanam berpengaruh terhadap hasil panen rata-rata.
Diketahui bahwa variabel jenis pupuk dan kepadatan tanam tidak
memiliki hubungan satu sama lain.
Membuat Hipotesis Formal
• H0 = (tidak ada perbedaan
mean dalam kelompok
kategori)
• Ha = Sedikitnya ada satu mean
yang berbeda dalam kelompok
kategori

Menentukan nilai kritis (Critical Value)

Menghitung test statistik (F Hitung
Menghitung test statistik (F Hitung)
Lanjutan

Membandingkan nilai kritis dan test

statistik

Menarik kesimpulan
 Contoh Kasus:

Seorang pejabat dari Departemen

Tenaga Kerja beranggapan, bahwa
tidak ada perbedaan rata-rata gaji
bulanan karyawan dari 3
perusahaan A, B, dan C. Dilakukan
penelitian terhadap 15 orang
karyawan, dengan gaji (dalam
ribuan rupiah) sebagai berikut:
Uji anova dua arah mengungkapkan hasil dari dua variabel independen
terhadap satu variabel dependen.

Anova dua arah digunakan untuk memperkirakan bagaimana rata-rata

(mean) variabel kuantitatif berubah sesuai dengan level dua variabel
kategori
Anova dua arah memiliki dua jenis yaitu
1.Anova dua arah tanpa interaksi
2.Anova dua arah dengan interaksi

ANOVA dua arah untuk mengetahui apakah jenis pupuk dan kepadatan
tanam berpengaruh terhadap hasil panen rata-rata. Diketahui bahwa
variabel jenis pupuk dan kepadatan tanam tidak memiliki hubungan satu
sama lain.
• Dalam beberapa tahun terakhir, didorong oleh ketersediaan perangkat lunak
komputer, informasi tambahan yang mempengaruhi pengambilan keputusan

• P-Value: pengukuran statistik yang digunakan untuk memvalidasi hipotesis

terhadap data yang diamati. serta mengukur kemungkinan memperoleh hasil
yang diamati

• Dengan asumsi bahwa hipotesis nol benar. Semakin rendah nilai P, semakin
besar signifikansi statistik dari perbedaan yang diamati.

• Proses ini membandingkan probabilitas, yang disebut nilai-p, dengan tingkat

signifikansi.
• Jika p-value/probability lebih kecil dari taraf signifikansi, maka H0 ditolak. Jika
lebih besar dari taraf signifikansi, maka H0 tidak ditolak.