1.

Uji hipotesis tentang mean (rata-rata) populasi dapat memiliki dua skenario tergantung pada
apakah varians populasi diketahui atau tidak diketahui. Ini mempengaruhi jenis uji statistik yang
digunakan:

1. Varians Populasi Diketahui:

- Skenario ini terjadi ketika peneliti memiliki informasi yang akurat tentang varians populasi
sebelum melakukan eksperimen atau pengumpulan data.

- Dalam kasus ini, uji statistik yang umumnya digunakan adalah uji Z (Z-test).

- Dalam uji Z, hipotesis nol (H0) seringkali adalah bahwa mean populasi sama dengan nilai tertentu,
dan hipotesis alternatif (H1) bisa berupa mean populasi lebih besar dari, kurang dari, atau tidak sama
dengan nilai tersebut.

- Kemudian, peneliti menggunakan data sampel untuk menghitung statistik Z dan

membandingkannya dengan distribusi normal standar untuk menentukan apakah hasil tersebut
signifikan atau tidak.

2. Varians Populasi Tidak Diketahui:

- Skenario ini terjadi ketika peneliti tidak memiliki informasi tentang varians populasi sebelumnya
dan perlu mengestimasi varians dari sampel yang dikumpulkan.

- Dalam kasus ini, uji statistik yang umum digunakan adalah uji t (t-test).

- Dalam uji t, hipotesis nol (H0) juga seringkali adalah bahwa mean populasi sama dengan nilai
tertentu, dan hipotesis alternatif (H1) dapat berupa mean populasi lebih besar dari, kurang dari, atau
tidak sama dengan nilai tersebut.

- Namun, dalam uji t, kita menggunakan estimasi sampel dari varians (sering disebut sebagai S^2)
daripada nilai sebenarnya dari varians populasi dalam perhitungan statistik.

- Statistik t membandingkan perbedaan antara mean sampel dengan nilai yang diasumsikan dalam
hipotesis nol, dengan mempertimbangkan estimasi varians sampel.

Peneliti mungkin mengetahui nilai varians populasi jika:

- Mereka memiliki data historis yang cukup untuk populasi yang sama.

- Terdapat penelitian sebelumnya yang telah mengukur varians populasi dengan baik.

- Mereka memiliki alasan kuat untuk percaya bahwa varians populasi memiliki nilai tertentu
berdasarkan pengetahuan teoritis atau pengalaman sebelumnya.

Dalam banyak situasi, varians populasi tidak diketahui, sehingga uji t menjadi pilihan yang lebih
umum dalam pengujian hipotesis tentang mean populasi.

2. Statistik uji T digunakan dalam uji hipotesis tentang mean (rata-rata) populasi ketika varians
populasi tidak diketahui karena itu adalah metode yang lebih tepat dalam situasi di mana kita harus
mengandalkan estimasi varians dari sampel. Ada beberapa alasan mengapa statistik uji T lebih sesuai
dalam kondisi ini:
1. Estimasi Varians Sampel: Ketika kita tidak memiliki informasi tentang varians populasi, kita harus
menggunakan estimasi varians dari sampel yang telah kita kumpulkan. Statistik uji T memungkinkan
kita untuk mengambil ini ke dalam pertimbangan dengan menggunakan estimasi sampel dari varians
(biasanya disebut sebagai S^2) dalam perhitungan.

2. Penyesuaian Derajat Kebebasan: Statistik uji T memperhitungkan penyesuaian derajat kebebasan

(degrees of freedom) yang bergantung pada ukuran sampel. Ini penting karena estimasi varians
sampel memiliki tingkat ketidakpastian yang lebih tinggi daripada varians populasi yang diketahui

3. Menghindari Bias: Menggunakan statistik uji T dalam situasi di mana varians populasi tidak
diketahui membantu menghindari bias dalam pengujian hipotesis. Jika kita menggunakan uji Z (Z-
test) dengan mengabaikan varians populasi, kita dapat menghasilkan kesalahan pengujian yang
signifikan.

4. Fleksibilitas: Statistik uji T lebih fleksibel karena tidak memerlukan pengetahuan sebelumnya
tentang varians populasi. Hal ini membuatnya lebih cocok untuk banyak situasi penelitian di mana
varians populasi tidak dapat dengan mudah diketahui atau diasumsikan.

5. Ketahanan Terhadap Pelanggaran Asumsi Normalitas: Statistik uji T juga memiliki ketahanan yang
cukup baik terhadap pelanggaran asumsi normalitas (asumsi bahwa data memiliki distribusi normal).
Ini berarti uji T masih bisa memberikan hasil yang cukup baik dalam banyak situasi bahkan jika data
tidak sepenuhnya mengikuti distribusi normal.

Dengan demikian, statistik uji T adalah alat yang berguna dalam pengujian hipotesis mean populasi
ketika varians populasi tidak diketahui karena memungkinkan kita untuk menggabungkan estimasi
varians sampel dan mengambil kelebihan derajat ketidakpastian yang ada dalam situasi tersebut. Ini
adalah pilihan yang lebih realistis dan umum digunakan dalam analisis statistik.

3. Statistik uji Z dapat digunakan untuk menguji hipotesis tentang mean (rata-rata) populasi ketika
varians populasi tidak diketahui, tetapi hanya pada kondisi tertentu, yaitu ketika ukuran sampel (n)
cukup besar, biasanya sekitar 40 atau lebih. Hal ini disebabkan oleh adanya Central Limit Theorem
(Teorema Limit Pusat), yang menyatakan bahwa distribusi rata-rata sampel akan mendekati distribusi
normal saat ukuran sampel cukup besar, terlepas dari bentuk distribusi data asli.

Berikut adalah penjelasan mengapa statistik uji Z dapat digunakan dalam situasi ini:

1. Central Limit Theorem (CLT): CLT adalah prinsip dasar dalam statistik yang mengatakan bahwa
ketika kita mengambil sampel yang cukup besar dari populasi apa pun, distribusi rata-rata sampel
akan mendekati distribusi normal, terlepas dari bentuk distribusi populasi asli. Ini berarti bahwa
dengan ukuran sampel yang besar, kita dapat menganggap distribusi sampel sebagai normal, bahkan
jika varians populasi tidak diketahui.

2. Penggunaan Estimasi Varians Sampel: Meskipun varians populasi tidak diketahui, dalam kasus
ukuran sampel yang besar, kita dapat menggunakan estimasi varians sampel (S^2) sebagai perkiraan
yang baik untuk varians populasi. Estimasi ini cenderung cukup akurat dengan ukuran sampel yang
besar.

3. Pengujian dengan Statistik Z: Statistik uji Z memerlukan pengetahuan tentang estimasi sampel dari
mean dan estimasi sampel dari varians (S^2), dan ini dapat digunakan untuk menguji hipotesis
tentang mean populasi ketika distribusi sampel dianggap mendekati distribusi normal.
Namun, penting untuk dicatat bahwa penggunaan statistik uji Z dalam situasi ini memiliki beberapa
asumsi penting:

- Asumsi CLT harus terpenuhi, yang berarti ukuran sampel harus cukup besar. Tidak ada aturan yang
ketat tentang berapa besar ukuran sampel yang diperlukan, tetapi sekitar 40 atau lebih sering
digunakan sebagai pedoman umum.

- Estimasi varians sampel (S^2) harus digunakan dalam perhitungan statistik uji Z.

Dalam praktiknya, statistik uji Z yang digunakan dalam situasi di mana varians populasi tidak
diketahui dan ukuran sampel besar sering digunakan dalam survei statistik dan penelitian yang
melibatkan sampel besar. Namun, jika ukuran sampel relatif kecil, lebih baik menggunakan statistik
uji T karena asumsi distribusi normal lebih mungkin terpenuhi untuk ukuran sampel yang kecil.