BAB 9

Pengujian Hipotesa
9.1 Pengertian Hipotesis
Hipotesis didefinisikan merupakan suatu proposisi atau anggapan dari suatu pernyataan
tentang parameter yang mungkin benar atau salah, dan digunakan sebagai dasar pengambilan
keputusan dari suatu masalah. Prosedur yang memungkinkan suatu keputusan dapat dibuat, yaitu
keputusan untuk menolak atau tidak menolak suatu hipotesis yang sedang diuji disebut pengujian
hipotesis. Anggapan atau asumsi dari suatu hipotesis juga merupakan data, akan tetapi karena
kemungkinan bisa salah, maka harus diuji terlebih dahulu dengan menggunakan data hasil
observasi. Sebagai contoh misalnya sebagai berikut:
1. Karena pemerintah melalui Departemen Pertambangan dan Energi berpendapat bahwa harga
minyak tidak mempengaruhi harga makanan, maka diputuskan untuk menaikkan harga
minyak.
2. Karena pemerintah melalui BULOG menganggap bahwa beras cukup, maka diputuskan
untuk tidak mengimpor beras.
Untuk dapat diuji, suatu hipotesis haruslah dinyatakan secara kuantitatif (dalam bentuk
angka). Pendapat yang mengatakan persediaan beras cukup, sukar diuji kebenaranya. Hipotesis
statistic (statistical hypothesis) adalah suatu pernyataan mengenai bentuk fungsi suatu variable
(apakah Binomial, apakah Poisson, apakah Normal, dan lainnya) atau tentang nilai sebenarnya
suatu parameter (  = rata-rata,  = simpangan baku, P =proporsi/persentase, dan lainnya).
Pengujian suatu hipotesis menggunakan data yang dikumpulkan dari sampel, sehingga
merupakan data perkiraan (estimate). Itulah sebabnya, keputusan yang dibuat dalam menolak
atau tidak menolak hipotesis mengandung ketidakpastian (uncertainly), artinya keputusan bisa
benar dan bisa juga salah. Adanya unsure ketidakpastian menyebabkan risiko bagi pembuatan
keputusan. Besar kecilnya risiko dinyatakan dalam nilai probabilitas. Pengujian hipotesis sangat
erat kaitanya dengan pengambilan suatu keputusan.
Dalam “menolak” atau “menerima” suatu hipotesis yang kita uji, ada satu hal yang harus
dipahami, bahwa penolakan suatu hipotesis terjadi karena tidak cukup bukti untuk menerima
hipotesis tersebut dan bukan karena hipotesis itu salah. Sebaliknya penerimaan suatu hipotesis
terjadi karena tidak cukup bukti untuk menolak hipotesis tersebut dan bukan karena hipotesis itu
benar.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 yang dirumuskan dengan harapan akan ditolak membawa penggunaan istilah
hipotesis nol (dilambangkan dengan H0). Penolakan hipotesis nol mengakibatkan penerimaan
suatu hipotesis alternatif, yang dilambangkan dengan Ha. Hipotesis nol mengenai suatu
parameter harus didefinisikan sedemikian rupa sehingga menyatakan dengan pasti sebuah nilai
bagi parameter, hipotesis nol H0 ditulis dalam bentuk persamaan. Sebaliknya hipotesis

156
alternatifnya dapat memiliki beberapa kemungkinan lainnya, hipotesis alternatif Ha ditulis dalam
bentuk pertidaksamaan (< ; > ; ).
Jadi bila H0 menyatakan bahwa rata-rata kekuatan tekanan sebuah jenis beton tertentu
  2500 psi , maka hipotesis alternatifnya Ha dapat berupa   2500 psi,   2500 psi, atau
  2500 psi.

9.2 Jenis Kesalahan

Keputusan menerima atau menolak H0 didasarkan pada pengujian statistik yang dihitung
dari data sebuah sampel acak. Jika sebuah keputusan dibuat dengan menggunakan informasi
sebuah sampel acak, keputusan tersebut cenderung salah. Ada dua jenis kesalahan yang bisa
terjadi di dalam pengujian hipotesis. Kesalahan itu bisa terjadi karena kita menolak H0 pada hal
H0 itu benar disebut kesalahan jenis I atau kita menerima H0 pada hal H0 itu salah disebut
kesalahan jenis II. Keadaan ini dilukiskan pada Tabel 9.1.

Situasi H0 H0
Keputusan Benar Salah
Terima H0 Keputusan Tepat Kesalahan Jenis II
(1   ) ( )
Tolak H0 Kesalahan Jenis I Keputusan Tepat
( ) (1   )

Tabel 9.1. Jenis Kesalahan.

Pembuatan keputusan biasanya berusaha agar kedua jenis kesalahan tersebut ditekan
sekecil-kecilnya (nilai  dan nilai  minimum). Hasil ini sulit dicapai sebab untuk sampel
dengan n tertentu, nilai probabilitas  untuk membuat kesalahan jenis II meningkat, sewaktu
nilai probabilitas untuk membuat kesalahan jenis I ( ) menurun. Kedua-duanya bisa diperkecil
jika nilai n meningkat (jumlah sampelnya makin besar). Selain itu juga ada biaya, waktu, tenaga
yang berhubungan dengan kesalahan dalam pembuatan keputusan.
Dalam praktek penetapan probabilitas timbulnya kesalahan jenis pertama,biasanya
ditentukan disekitar nilai   5%  0.05 atau   1%  0.01 . Apabila   5%  0.05 maka
dikatakan bahwa taraf nyata pengujiannya 5%. Nilai  biasanya sangat sulit ditentukan karena
penyebaran hipotesis tandingan tidak diketahui.Jika kesalahan jenis kedua tidak diketahui, maka
penerimaan H0 sebagai suatu kebenaran, mengandung kesalahan yang tidak diketahui berapa
besar peluangnya.Oleh karena itu, kita enggan mengatakan menerima kebenaran H0, dan lebih
menyukai mengatakan data tidak mendukung untuk menolak H0.

9.3 Pengujian Hipotesa tentang Rata-rata

Seringkali seseorang pembuat keputusan mempunyai pendapat mengenai nilai rata-rata
 . Misalnya seorang pemilik pabrik bola lampu beranggapan bahwa bola lampu buatan

157
pabriknya bias menyala (tetap hidup) rata-rata 1000 jam, pemilik pabrik pembuat beton
berpendapat bahwa setiap beton buatannya berkekuatan rata-rata 2500 psi dan lain sebagainya.

Pendapat yang merupakan hipotesis, jika akan dipergunakan untuk membuat keputusan
atau untuk menentukan langkah-langkah berkutnya harus diuji terlebih dahulu. Setiap keputusan
seyogyanya didasarkan atas hasil pengujian hipotesis. Misalnya ada kebijakan dari pemerintah,
yaitu jika rata-rata gaji pegawai negri eselon IV kurang dari Rp 5.000.000, kemudian diputuskan
oleh pemerintah untuk menaikkan gaji. Berdasarkan suatu penelitian, ternyata rata-rata gaji
mereka kurang dari Rp 5.000.000, maka diputuskan oleh pemerintah untuk menaikkan gaji
mereka.

9.3.1 Pengujian Hipotesis Satu Rata-rata

Urutan yang perlu diperhatikan dalam pengujian hipotesis tentang satu rata-rata (prosedur
pengujian hipotesis) adalah sebagai berikut.

1. Rumuskan Hipotesis.
I: H 0 :   0
H a :   0
Cara perumusan ini disebut pengujian satu arah (one tail test) dan jenisnya pengujian satu
arah atas (upper tail test). Daerah penerimaan dan penolakan (kritis) H 0 seperti Gambar
9.1.

Gambar 9.1. Pengujian Satu Arah Atas Gambar 9.2. Pengujian Satu Arah Bawah.

II: H 0 :   0
H a :   0
Cara perumusan ini disebut pengujian satu arah (one tail test) dan jenisnya pengujian satu
arah bawah (lower tail test). Daerah penerimaan dan penolakan (kritis) H 0 seperti
Gambar 9.2.

158
 III: H 0 :   0
H a :   0
Cara perumusan ini disebut pengujian dua arah (two tail test). Daerah penerimaan dan
penolakan (kritis) H 0 seperti Gambar 9.3.
Cara perumusan I dan II disebut pengujian satu arah

Gambar 9.3. Daerah penerimaan dan Penolakan Pengujian Dua Arah.

2. Tentukan nilai tingkat nyata  yaitu probabilitas untuk melakukan kesalahan jenis I
(pertama) dan tentukan nilai Z  dan Z  / 2 dari table normal atau (tabel t).
3. Hitung Z 0 sebagai kriteria pengujian.

X  0 X  0
Z0   , (9.1)
X / n

dengan

n = banyaknya elemen sampel ( n  30)

1
X
n
 Xi

 X  kesalahan baku X 
n

 0  nilai  sesuai dengan H 0

Z 0 dan Z  atau Z  / 2 masing-masing disebut nilai observasi dan nilai

teoritis dari table normal.

4. Pengujian Hipotesis (seperti Gambar 9.1, 9.2 dan 9.3)

159
 H 0 :   0 
I.  jika Z 0  Z  , H 0 ditolak, jika Z 0  Z  , H 0 diterima.
H a :   0 
H 0 :   0 
II.  jika Z 0  Z  , H 0 ditolak, jika Z 0  Z  , H 0 diterima.
H a :   0 
H 0 :   0 
III.  jika Z 0  Z  / 2 , atau Z 0  Z  / 2 , H 0 ditolak,
H a :   0 
jika  Z  / 2  Z 0  Z  / 2 , H 0 diterima.

Contoh 1. Menurut pendapat manager pabrik pembuat beton, rata-rata kekuatan beton yang
dihasilkan sebesar 2500 psi, dengan alternative lebih besar dari itu. Diketahui simpangan baku
kekuatan beton sebesar 100 psi. Untuk menguji pendapat manager tersebut, dilakukan
pengamatan terhadap 64 beton yang dihasilkan secara acak, ternyata diketahui rata-rata
kekuatannya sebesar 2550 psi. Dengan menggunakan   5%, ujilah pendapat manager tersebut.

Penyelesaian.

H 0 :   2500
H a :   2500
  5%, Z 0.05  1.64 (dari tabel normal)
X  0 X  0 2550  2500
Z0     0.4
X / n 1000 / 64
Karena Z 0  Z  , H 0 diterima, berarti rata-rata kekuatan beton yang dihasilkan sebesar 2500
psi.
Prosedur hipotesis yang telah diuraikan berlaku bagi sampel besar ( n  30), sebab untuk
sampel besar, distribusi X akan mendekati distribusi normal. Bahkan hal ini berlaku bagi sampel
yang besar dari populasi yang bukan berdistribusi normal (binomial, Poisson dan lainnya).
Untuk sampel kecil ( n  30) , Z 0 , Z  atau Z  / 2 diganti dengan t 0 dan t  atau t / 2 ,
sedangkan nilai t 0 adalah:
X  0
t 0  , (9.2)
s/ n

dengan s penduga  , dan nilai s 

1
 X i  X 2 , nilai t dan t / 2 , diperoleh dari tabel t
n 1
dengan derajat kebebasan sebesar n  1.
Contoh 2. Tingkat pembakaran pada sebuah roket propellant sedang dipelajari. Spesifikasi yang
dibutuhkan bahwa rata-rata tingkat pembakaran harus menjadi 40 cm/s, dengan alternative tidak
sama. Walaupun misalnya kita mengetahui simpangan baku tingkat pembakaran sebesar 2
cm/s.Pelaku percobaan menentukan untuk memperinci probabilitas kesalahan jenis I,   5%,

160
pada suatu sampel acak sebesar n  25, dan rata-rata tingkat pembakaran yang diperoleh
X  41.25 cm/s.Ujilah pendapat tersebut.
Penyelesaian. Diketahui n  25, X  41.25, s  2,  0  40.
H 0 :   40
H a :   40
Menurut persamaan (9.2) diperoleh
X   0 41,25  40
t 0    3.125.
s/ n 2 / 25
Untuk   5%, derajat kebebasan n – 1 = 25 – 1 = 24, batas daerah penolakan
t / 2( n 1)  t 0.025( 24)  2.0639 dan  t / 2 ( n 1)  t 0.025( 24)  2.0639. Karena nilai
t 0  t / 2  3.125  2.0639, maka H 0 ditolak. Berarti, rata-rata tingkat pembakaran tidak sama
dengan 40 cm/s.

9.3.2 Pengujian Hipotesis Perbedaan Dua Rata-rata

Dalam praktik, seringkali ingin diketahui apakah ada perbedaan yang berarti dari dua
rata-rata. Misalnya, apakah ada perbedaan rata-rata dari; kekuatan dua jenis tiang panjang,
lamanya menyala bola lampu merek X dan Y, selisih biaya suatu jenis proyek di Kabupaten
Kampar dan di Kabupaten Bengkalis.

Perumusan hipotesisnya adalah sebagai berikut:

H 0 : 1   2  d 0
(1). H a : 1   2  d 0
(2). H a : 1   2  d 0
(3). H a : 1   2  d 0

a) Jika n  30 (sampel besar)

Dua sampel acak saling bebas berukuran n1 dan n 2 , masing-masing diambil dari dua
populasi dengan rata-rata 1 dan  2 dengan variansi  12 dan  22 . Variabel acak

( X1  X 2 )  d0
Z0  (9.3)
 X X
1 2

 12  22
dengan d 0  1   2 ,  X X   .
1 2
n1 n2

161
 s12 s 22
Jika  12 dan  22 tidak diketahui, nilai variansinya diestimasi dengan s X 1  X 2   ,
n1 n 2
sedangkan nilai

s12 
1
 X 1i  X 1 2 dan s22  1  X 2i  X 2 2
n1  1 n2  1

b) Jika n  30 (sampel kecil)

( X1  X 2 )  d0 n1n2 (n1  n2  2)
t0  (9.4)
(n1  1) s12  (n2  1) s 22 n1  n2

Besaran t 0 mempunyai distribusi t dengan derajat kebebasan sebesar n1  n2  2.

Contoh 3. Seorang pemilik toko yang menjual dua jenis bola lampu merek A dan B, berpendapat
bahwa tidak ada perbedaan rata-rata lamanya menyala lampu kedua merek tersebut dengan
pendapat alternative ada perbedaan (tidak sama). Guna menguji pendapatnya itu, kemudian
dilakukan eksperimen dengan jalan menyalakan 100 unit bola lampu jenis A dan 50 unit bola
lampu jenis B, sebagai sampel acak. Ternyata bola lampu merek A dapat menyala rata-rata
selama 952 jam, sedangkan merek B dapat menyala rata-rata selama 987 jam, masing-masing
dengan simpangan baku sebesar 85 jam dan 92 jam. Dengan menggunakan   5%, ujilah
pendapat tersebut.

Penyelesaian. Diketahui, n1  100, X 1  952,  1  85 , n2  50, X 2  987,  2  92

1  2  d0  0,   5%, Z / 2  1.96.

H 0 :   0
H a :   0
maka nilai Z 0 diperoleh dari persamaan (9.3) sebesar:

( X1  X 2 )  d0 952  987
Z0    2.25.
 X X 852 92 2
1 2

100 50

Karena Z 0  2.25  Z / 2  1.96, seperti pada Gambar 9.1 maka H 0 ditolak. Berarti rata-rata
menyala bola lampu kedua merek tersebut tidak sama.

Contoh 4. Suatu percobaan telah dilakukan untuk membandingkan kekuatan dua jenis beton 1
dan 2. Beton jenis 1 diuji sebanyak 12 unit, sedangkan beton jenis 2 diuji sebanyak 10 unit. Rata-
rata kekuatan beton 1 adalah 85 psi dengan simpangan banku sebesar 4 psi dan rata-rata

162
kekuatan beton jenis 2 adalah 81 psi dengan simpangan baku 5 psi. Dapatkah disimpulkan bahwa
rata-rata sebenarnya beton 1 lebih besar 2 psi dari rata-rata sebenarnya beton jenis 2, dengan
  0.05 ?

Penyelesaian. Misalkan 1 dan  2 masing-masing adalah rata-rata populasi beton jenis 1 dan
beton jenis 2.

X 1  85, s1  4, n1  12, X 2  81, s2  5, n2  10, d 0  2.

H 0 :   0
H a :   0
daerah penolakan, t / 2  1.725, dengan derajat kebebasan v  n1  n2  2  20. Dari persamaan
(9.4) diperoleh nilai t 0 sebesar:

(85  81)  2 (12)(10)(12  10  2)

t0   1.04.
(12  1)4 2  (10  1)52 12  10

Karena t0  t / 2 , maka H 0 diterima. Berarti rata-rata kekuatan beton jenis 1 memang lebih besar
dari kekuatan beton jenis 2 sebesar 2 psi.

9.3.3 Pengujian Hipotesis Perbedaan Lebih dari Dua Rata-rata

Kalau obyek yang akan diperbandingkan rata-ratanya mencakup lebih dari dua (rata-rata
produksi barang dari 3 pabrik, rata-rata lamanya menyala bola lampu dari 3 merek, rata-rata hasil
produksi padi per ha dari 4 jenis bibit unggul, dan lainnya), maka kita harus menggunakan F test.
Akan tetapi, jika banyak obyek yang akan diperbandingkan hanya ada 2 (k = 2), cara
pengujiannya cukup menggunakan Z (normal test) atau t (t test).

Bentuk pengujian hipotesis untuk k obyek adalah:

H 0 : 1  2    k (semua sama)
H a : 1  2    k (tidak semua sama) atau ada yang tidak sama.
Misalkan kita meneliti sampel acak dari k populasi dengan hasil sebagai berikut:

Sampel 1 Sampel 2 --- Sampel j --- Sampel k

X11 X 12 --- X1 j --- X 1k
X 21 X 22 --- X2j --- X 2k
     
X i1 X i2 --- X ij --- X ik
     
X n1 X n2 --- X nj --- X nk

163
X1 X2 --- Xj --- Xk

n1 , n2 ,  , n j , , nk = banyaknya elemen sampel ke 1, 2, ---, j,---,k.

X1 , X 2 ,, X j ,, X k adalah penduga 1 ,  2 , ,  j , ,  k .

Nj
1 k 1 k 1
X 
k j 1
X j sebagai penduga   
k j 1
j, j 
Nj
X
j 1
ij dan

nj
1
Xj 
nj
X
i 1
ij , X ij  nilai observasi ke-i dari sampel j; j  1, 2,  , k .

Diasumsikan bahwa sampel-sampel tersebut, masing-masing berasal dari populasi

berdistribusi normal, dengan rata-rata dan simpangan baku sama untuk setiap observasi, yaitu 
dan   N (  ,  ).

9.3.4 Variansi antara Rata-rata Sampel

Besarnya variansi antara rata-rata sampel sebanyak k didefinisikan sebagai berikut:
2

 X j  X 
1 k
s X2  (9.5)
k  1 j 1

2
s X2 penduga  X2  .
n
2

 X j  X 
n k
ns  2
(9.6)
k  1 j 1
X

sebagai penduga  2 yang pertama, dengan derajat kebebasan sebesar k – 1.

Variansi dalam sampel j adalah

2 2

  X ij  X j 
n
1 j
1 n
s  2
 ij j n  1 
n j  1 i 1
j X  X 
i 1
(9.7)

n j  n, untuk semua j, artinya setiap sampel mempunyai jumlah elemen yang sama.

Kita dapat memperoleh penduga  2 yang kedua, yaitu dengan mendasarkan pada variasi
sampel atau rata-rata variansi dari masing-masing sampel, dengan rumus sebagai berikut:

164
 1 k 2 1 2 2
s   s j  (s1  s2    sk2 )
2

k j 1 k

n k
1
atau s2  
k (n  1) i1 j 1
( X ij  X j ) 2 (9.8)

dengan k(n – 1) = derajat kebebasan.

Dalam hal ini, pengujian hipotesis menggunakan kriteria F sebagai berikut:

2

 X j  X 
n k
ns X2 k  1 j 1
F0  2  n k
(9.9)
1
 ( X ij  X j ) 2
s
k (n  1) i1 j 1

F0 mempunyai derajat kebebasan (k – 1) dan k(n – 1). Jika  diketahui maka nilai F ( k 1),k ( n1)
dapat dilihat pada tabel F . Kriteria pengujian hipotesis adalah:

Tolak H 0 jika F0  F ( v1 ,v2 ) dan Terima H 0 jika F0  F ( v1 ,v2 ) , dengan v1 dan v2 adalah derajat
kebebasan.

Didalam pengujian hipotesis ini, walaupun yang akan diuji ada tidaknya perbedaan rata-
rata antara k sampel dari k populasi, akan tetapi analisanya disebut analisa variansi (ANOVA).
Alasannya ialah, jika variansi dari sampel yang satu sama dengan variansi sampel lainnya, maka
tidak ada perbedaan maka tidak ada perbedaan. Alasan ini disajikan dalam Tabel 9.2 Analisa
Variansi (ANOVA) sebagai berikut:

Tabel 9.2. Analisa Variansi (ANOVA)

Sumber Variasi Derajat Kebebasan Jumlah Kuadrat Rata-rata Kuadrat

Antar Sampel k–1 n ( X j  X ) 2 n ( X j  X )2 / (k – 1)

Dalam Sampel k(n – 1)  ( X ij  X j )2  ( X ij  X j ) 2 / k(n – 1)

Jumlah nk – 1  ( X ij  X )2

Rata  rata kuadrat antar sampel n ( X j  X ) 2 /( k  1)

F0  
Rata  rata kuadrat dalam sampel  ( X ij  X j ) 2 / k (n  1)

Pengujian hipotesa dengan kriteria pengujian hipotesis adalah:

165
Tolak H 0 jika F0  F ( v1 ,v2 ) dan Terima H 0 jika F0  F ( v1 ,v2 ) , dengan v1  k  1 dan v2  k (n  1)
adalah derajat kebebasan.

Contoh 5. Seorang ahli rekayasa berpendapat bahwa tidak ada perbedaan rata-rata kekuatan 3
jenis beton, dengan alternatif ada perbedaan. Untuk keperluan pengujian pendapatnya itu,
dilakukan penelitian terhadap ketiga jenis beton sebanyak masing-masing 4 unit (k = 3,
n j  n  4) dan hasilnya adalah sebagai berikut.

Tabel 9.2. Kekuatan Tiga Jenis Beton (ratusan psi)

Beton B1 B2 B3 X

Uji
1 22 22 25
2 21 25 29
3 26 24 28
4 23 25 30
Rata-rata 23 24 28 25
X1 X2 X3 X
Dengan menggunakan   5%, ujilah pendapat tersebut.

Penyelesaian. Besarnya variansi diperoleh dengan menggunakan persamaan (9.5), yaitu:

 
2

s X2 
1 k
 X j  X   1 23  252  24  252  28  252  7
k  1 j 1 2

dan ns X2  4  7  28, sedangkan

 X11  X1 2  X 21  X1 2    X 43  X 3 2 
n k
1 1
s2  
k (n  1) i1 j 1
( X ij  X j ) 2 
(3)(3)

=
1
9

22  232  21  232  26  232    30  282  3.78. 
ns X2 28
Maka dari persamaan (9.9) diperoleh nilai F0  2   7.4 .
s 3.78

Dari tabel distribusi F diperoleh nilai F ( k 1),k ( n1)  F0.05( 2)(9)  4.26. Oleh karena
F0  7.4  F ( v1 ,v2 )  4.26, maka H 0 ditolak. Hal ini berarti ada perbedaan rata-rata kekuatan dari
ketiga beton tersebut.

166
9.4 Pengujian Hipotesa tentang Proporsi
9.3.1 Pengujian Hipotesis tentang Satu Proporsi
Dalam praktik, yang harus diuji seringkali berupa pendapat tentang proporsi (persentase).
Misalnya persentase barang yang rusak = 10%; penduduk suatu wilayah yang masih buta huruf
15%; mahasiswa FT UNRI yang belum membayar UKT sebanyak 20%, dan lain-lain. Pengujian
hipotesisnya dinyatakan dalam proporsi dan cara pengujian sama dengan pengujian rata-rata.

H0 : p  p0 
I.  jika Z 0  Z  , H 0 ditolak, jika Z 0  Z  , H 0 diterima.
H a : p  p0 
H0 : p  p0 
II.  jika Z 0  Z  , H 0 ditolak, jika Z 0  Z  , H 0 diterima.
H a : p  p0 
H0 : p  p0 
III.  jika Z 0  Z  / 2 , atau Z 0  Z  / 2 , H 0 ditolak,
H a : p  p0 
jika  Z  / 2  Z 0  Z  / 2 , H 0 diterima.

Sedangkan

X
 p0
X  np0 n
Z0   (9.10)
np0 (1  p0 ) p0 (1  p0 )
n
dengan n banyaknya elemen sampel, X banyaknya elemen sampel dengan karateristik tertentu
dan p0 proporsi hipotesis.

Contoh 6. Seorang pejabat suatu Bank berpendapat, bahwa petani peminjam kredit Bimas yang
belum mengembalikan kreditnya sebesar 70%, dengan alternative lebih kecil dari itu. Untuk
menguji pendapatnya tersebut, kemudian diteliti sebanyak 225 petani peminjam kredit Bimas.
Ternyata ada 150 petani yang belum mengembalikan kredit. Dengan   10%, ujilah pendapat
tersebut.

Penyelesaian.

H0 : p  0.7
 n  225, X  150,   0.1  Z 0.1  1.28 (dari tabel normal).
H a : p  0.7

X  np0 150  225(0.7) 150  157.5

Z0     1.09.
np0 (1  p0 ) 225(0.7)(0.3) 6.87

167
Karena Z 0  1.09  Z  1.28, maka H 0 diterima, berarti pendapat tersebut benar (petani
belum mengembalikan kreditnya sebesar 70%.

9.3.2 Pengujian Hipotesis tentang Perbedaan Dua Proporsi

Dalam praktiknya, mungkin ada persoalan mengenai perbedaan antara dua proporsi.
Misalnya, tidak ada perbedaan persentase barang produksi yang rusak dari dua pabrik dan
lainnya.

Hipotesis tersebut dapat dirumuskan sebagai berikut:

H0 : p1  p2
(1). H a : p1  p2
(2). H a : p1  p2
(3). H a : p1  p2

X1 X
dengan pˆ 1  dan pˆ 2  2 masing-masing penduga p1 dan p2 . Nilai variansinya adalah
n1 n2

pˆ 1 (1  pˆ 1 ) pˆ 2 (1  pˆ 2 )
 p2ˆ  pˆ   . (9.11)
1 2
n1 n2

Selanjutnya, daerah penerimaan dan penolakan menggunakan variable normal standar, yaitu:

( pˆ 1  pˆ 2 )  ( p1  p2 )
Z0  . (9.12)
p1 (1  p1 ) p2 (1  p2 )

n1 n2

Jika H 0 benar, maka dapat didistribusikan p1 = p2  p ke persamaan (9.12), maka diperoleh

( pˆ1  pˆ 2 )
Z0  . (9.13)
1 1 
p(1  p)   
 n1 n2 

X1  X 2
Nilai p diestimasi dengan pˆ  . Daerah penolakan pengujian hipotesis adalah sama
n1  n2
dengan pengujian hipotesis rata-rata.

Contoh 7. Seorang ahli rekayasa berpendapat bahwa persentase tiang pancang yang tidak layak
pakai (rusak) yang diproduksi dari dua pabrik X dan Y adalah sama, dengan alternative tidak
sama. Untuk penguji pendapatnya itu, telah diteliti sebanyak 200 unit tiang pancang dari pabrik

168
X, ternyata ada 7 unit yang rusak, sedangkan dari 400 unit tiang pancang dari pabrik Y, ada 10
unit yang rusak. Dengan menggunakan   5%, ujilah pendapat tersebut.

Penyelesaian. Diketahui,

H0 : p1  p2 , n1  200, X 1  7,   0.05
Ha : p1  p2 , n2  400, X 2  10, Z / 2  Z 0.025  1.96

X1 7 X 10 X1  X 2 7  10
pˆ1    0.035, pˆ 2  2   0.025, pˆ    0.028.
n1 200 n2 400 n1  n2 200  400

Selanjutnya dari persamaan (9.13) diperoleh

( pˆ1  pˆ 2 ) 0.035  0.025

Z0    0.71.
1 1  (0.028)(0.972)1 / 200  1 / 400
p(1  p)   
 n1 n2 

Oleh karena Z 0  0.71 terletak antara  1.96 dan 1.96, maka H 0 diterima. Berarti persentase
tiang pancang yang rusak dari kedua pabrik adalah sama.

9.3.3 Pengujian Hipotesis tentang Perbedaan Dua Proporsi

Dalam praktik, pengujian hipotesa dapat mencakup lebih dari dua proporsi. Misalnya,
persentase sejenis barang yang rusak dari 5 pabrik adalah sama (tidak berbeda); persentase
penduduk yang mendukung calon gubernur dari 7 kabupaten adalah sama, dan lain-lain. Pada
umumnya, pengujian hipotesisnya berbentuk:

H 0 : p1  p2    p j    pk  p
H a : Tidak semuanya sama (paling sedikit ada dua yang tidak sama).
Misalkan kita mempunyai k sampel acak dari k populasi. Elemen-elemen sampel dibagi
menjadi dua kategori/kelompok, yaitu disebut “sukses” dan “tidak sukses”, sebagai berikut.

Sampel 1 2 j k Jumlah
Banyaknya n11 n12 n1 j n1k n1
“sukses”
Banyaknya n21 n22 n2 j n2 k n2
“tidak sukses”
Jumlah n1 n2 n j nk n
k k k 2 k
n1   n1 j , n2   n2 j , n j   nij , n   ni   n j .
j 1 j 1 i 1 i 1 j 1

nij  banyaknya elemen dengan karateristik i (i = 1, 2) dari sampel j (j =1, 2,  , k ) .

169
 Jika kita asumsikan p sebagai proporsi “sukses” yang sebenarnya (menurut hipotesis,
proporsi ini akan sama untuk seluruh populasi sebanyak k), parameter p tidak diketahui, dan
n  n    n1k n1
dapat diestimasi sebagai berikut: pˆ  11 12  . Kemudian kita hitung eij 
n n
frekuensi harapan (expected frequency). Jika penduga p, yaitu n1 / n dikalikan dengan
banyaknya elemen (banyaknya eksperimen) untuk setiap sampel (ada k sampel), maka untuk
sampel 1, kita peroleh banyaknya sukses yang kita harapkan, pˆ1  n1 n1 / n; untuk sampel 2,
pˆ 2  n2 n2 / n; untuk sampel j, pˆ j  n j n j / n ; dan seterusnya. Sedangkan banyaknya elemen
dengan karateristik “tidak sukses” dapat diperoleh dengan jalan mengurangi banyaknya elemen
setiap sampel dengan banyaknya “sukses” yang kita harapkan. Besaran eij adalah frekuensi
harapan untuk baris ke i dan kolom ke j atau sampel ke j. Nilai eij dihitung dengan menggunakan
rumus:

eij 
n n 
j i
(9.14)
n
dengan i = 1, 2 dan j =1, 2, , k .

Untuk menguji hipotesis bahwa tidak ada perbedaan antara proporsi dari k populasi
dengan alternatif ada perbedaan, maka dipergunakan pengujian kai-kuadrat, yaitu

2 k (nij  eij ) 2
 02   (9.15)
i 1 j 1 eij
dengan  02 mengikuti fungsi  2 (kai-kuadrat) dengan derajat kebebasan (k – 1). Kriteria
pengujian: tolah H 0 , jika  02   , dan terima H 0 , jika 02   .
2 2

Contoh 8. Seorang pemilik pabrik berpendapat bahwa persentase produksi yang rusak yang
dikerjakan pada siang, sore, dan malam adalah sama ( p1  p2  p3 ). Setelah diselidiki ternyata
diperoleh data sebagai berikut:

Shift Siang Sore Malam

Rusak 45 55 70
Tidak rusak 905 890 870
jumlah 950 945 940
Dengan menggunakan   0.025, ujilah pendapat tersebut.

Penyelesaian.

H 0 : p1  p2    p j    pk  p
H a : Tidak semuanya sama (paling sedikit ada dua yang tidak sama).

170
Dengan   0.025, dan derajat kebebasan 2, dari tabel kai-kuadrat diperoleh daerah penolakan
 02  7.378. Nilai frekuensi harapan dihitung dengan menggunakan rumus (9.14)

e11 
n1 n1   950  170  57 e12 
n2 n1   945  170  56.7
n 2835 n 2835

e13 
n3 n1   940  170  56.3, lebih jelasnya dapat dilihat pada Tabel 9.3 berikut.
n 2835

Tabel 9.3. Pengamatan dan Frekuensi Harapan.

Shift: Siang Sore Malam Jumlah

Rusak 45(57)* 55(56.7) 70(56.3) 170
Tidak rusak 905(893) 890(888.3) 870(883.7) 2665
Jumlah 950 945 940 2835
*Angka dalam kurung adalah frekuensi harapan. Nilai  0 dihitung dengan menggunakan rumus
2

(9.15),

 2

45  57  55  56.7  70  56.3 905  893 890  888.3
2

2

2

2

2

0
57 56.7 56.3 893 888.3


870  883.72  6.29
883.7

Karena 02  6.29    7.378, maka H 0 diterima, berarti persentase produksi yang rusak pada
2

ketiga waktu yang berbeda adalah sama.

Persoalan yang baru saja diuraikan di atas, membagi hasil percobaan menjadi dua
kategori yaitu ‘sukses’ dan ‘tidak sukses’. Analog dengan dua kategori, pembagian kategori bisa
dikembangkan menjadi lebih dari dua kategori.

171
Soal-soal Latihan

1. Ada pendapat yang mengatakan bahwa rata-rata upah karyawan perusahaan besarnya Rp
1.000.000 dengan alternatif lebih besar dari itu. Untuk menguji pendapat tersebut ada 10
karyawan yang ditanya mengenai upahnya, dan didapatkan jawaban sebagai berikut: 1.050.000,
1.150.000, 1.200.000, 900.000, 1.250.000, 950.000, 1.350.000, 1.110.000, 1.200.000.
a. Dengan menggunakan   5% , ujilah pendapat tersebut.
b. Dengan menggunakan tingkat keyakinan 99%, hitung perkiraan interval rata-rata upah
tersebut.
2. Ada pendapat yang mengatakan bahwa rata-rata upah karyawan perusahaan besarnya Rp
4.000.000 dengan alternatif lebih besar dari itu. Untuk menguji pendapat tersebut ada 10
karyawan yang ditanya mengenai upahnya, dan didapatkan jawaban sebagai berikut: 4.050.000,
4.150.000, 4.200.000, 3.900.000, 4.250.000, 3.950.000, 4.300.000, 4.100.000, 4.200.000.
a. Dengan menggunakan   1% , ujilah pendapat tersebut.
b. Dengan menggunakan tingkat keyakinan 95%, hitung perkiraan interval rata-rata upah
tersebut.
3. Pendapat seorang pejabat dari Bappenas mengatakan bahwa rata-rata biaya satu jenis proyek
dari 5 provinsi di Jawa sama, dengan alternatif tidak sama. Masing-masing provinsi diambil
sampel 5 proyek, dengan hasil penelitian sebagai berikut:
Provinsi I II III IV
Proyek
1 70 40 70 45
2 40 60 80 70
3 70 80 70 55
4 50 45 60 60
5 50 55 40 60
Dengan menggunakan   5% , ujilah pendapat tersebut.

4. Petani di 4 desa dikelompokkan menjadi 3 kategori yaitu sangat miskin (I), miskin (II) dan tidak
miskin (III). Ada pendapat bahwa proporsi dari 3 kategori itu sama untuk petani dari 4 desa
tersebut. Dengan   5% dari data berikut, ujilah pendapat tersebut

Desa
Kategori I II III IV
I 10 15 20 25
II 20 25 30 60
III 30 40 50 80

5. Seorang ahli berpendapat bahwa tidak ada perbedaan rata-rata kuat tekan beton yang berasal
dari quarry Kampar dan quarry Rengat, dengan alternative ada perbedaan. Untuk menguji
pendapat tersebut, kemudian dilakukan penelitian berdasarkan penarikan sampel secara acak,

172
diteliti 8 unit dari Kampar dan 6 unit dari Rengat. Ternyata hasil penelitian kuat tekan (ratusan
kilogram psi) sebagai berikut.

Kampar 9, 7, 8, 5, 4, 5, 6, 3

Rengat 6, 5, 4, 7, 8, 6

Ujilah pendapat tersebut, dengan menggunakan   5%.

173