(UJI HIPOTESIS)
OLEH:
122410012
JURUSAN SAINS
2023
DAFTAR ISI
DAFTAR ISI.................................................................................................................ii
BAB 1 LATAR BELAKANG.......................................................................................1
1.1 PERMASALAHAN.......................................................................................1
1.2 TUJUAN PRATIKUM...................................................................................1
BAB 2 TINJAUAN PUSTAKA...................................................................................3
2.1 PENGUJIAN HIPOTESIS.............................................................................3
2.2 PENGGUNAAN P-VALUE UNTUK PENGAMBILAN KEPUTUSAN......4
BAB 3 PERMASALAHAN..........................................................................................7
BAB 4 PENYELESAIAN............................................................................................9
4.1 PERMASALAHAN A....................................................................................9
4.2 PERMASALAHAN B..................................................................................14
BAB 5 KESIMPULAN...............................................................................................17
DAFTAR PUSTAKA..................................................................................................18
ii
BAB 1 LATAR BELAKANG
1.1 PERMASALAHAN
Dalam kehidupan sehari-hari, seringkali kita melakukan perkiraan dari
sebuah data yang kita peroleh, lalu memutuskan sebuah kesimpulan dari data
tersebut. Misalnya, kita ingin memperkirakan apakah ada peningkatan jumlah
produksi jagung setiap musimnya dalam setahun terakhir, memperkirakan jumlah
peserta yang mengikuti pemilu pada tahun 2024, ataupun membandingkan apakah
ada perbedaan jumlah barang yang terjual dengan menggunakan beberapa teknik
penjualan.Tentu hal ini sangat menyulitkan apabila kita menggunakan perkiraan
secara manual, apalagi jika data yang kita teliti berskala besar hingga ribuan
bahkan jutaan data. Oleh karena itu, para ahli statistika memunculkan sebuah cara
yang cukup mudah dalam menyimpulkan sebuah data dengan menggunakan uji
hipotesis.
Jadi, uji hipotesis diartikan sebagai suatu metode statistik yang digunakan
untuk menguji klaim atau hipotesis yang dibuat mengenai suatu populasi. Uji
hipotesis ini sangat penting karena dapat digunakan sebagai alat dalam melakukan
penelitian ilmiah dan pengambilan keputusan berdasarkan data sampel. Dalam uji
hipotesis, kita mencoba menguji apakah data yang kita miliki secara signifikan
mendukung atau menolak hipotesis yang diajukan.
1
a. Menguji hipotesis rataan satu sampel jika variansi populasi diketahui dan
tidak diketahui
b. Menguji hipotesis rataan dua sampel bebas jika variansi populasi diketahui
dan tidak diketahui
c. Menguji hipotesis rataan dua sampel berpasangan jika variansi populasi
diketahui dan tidak diketahui
d. Menguji hipotesis variansi satu dan dua sampel
2
BAB 2 TINJAUAN PUSTAKA
H0 : µ = µ0 H1 : µ < µ0
H1 : µ > µ0 H1 : µ ≠ µ0
3
c. Menentukan kriteria pengujian
Dalam membuat keputusan apakah H 0 diterima atau ditolak maka nilai α
dibandingkan dengan nilai uji statistiknya atau nilai P-Values. Kriteria
penerimaan atau penolakan H0 adalah H0 diterima jika nilai uji statistik
lebih kecil atau lebih besar dari nilai positif atau negatif dari α atau nilai
uji statistik berada di luar nilai kritis. H 0 ditolak jika nilai uji statistik lebih
besar atau lebih kecil dari nilai positif atau negatif dari α atau nilai uji
statistik berada di dalam nilai kritis.
dimana nilai 1,96 ditemukan sebagai z 0,025 pada Tabel A.3. Nilai z di wilayah kritis
memunculkan pernyataan “Nilai statistik pengujian signifikan,” yang kemudian
dapat kami terjemahkan ke dalam bahasa pengguna. Misalnya, jika hipotesis
diberikan oleh
H0: = 10
H1: ≠ 10
seseorang mungkin mengatakan, “Mean berbeda secara signifikan dari nilai 10.”
4
Pemilihan Tingkat Signifikansi
Hasilnya, 0,0614 adalah peluang diperolehnya nilai z sama besar atau lebih besar
(dalam besarnya) dari 1,87 padahal sebenarnya μ = 10. Meskipun bukti ini
bertentangan dengan H0 tidak sekuat penolakan pada tingkat α = 0,05 adalah
informasi penting bagi pengguna. Memang, penggunaan lanjutan α = 0,05 atau
0,01 adalah hanya hasil dari standar yang telah diwariskan dari generasi ke
generasi. Pendekatan P-value telah diadopsi secara luas oleh pengguna aplikasi
statistik. Pendekatan ini dirancang untuk memberikan pengguna alternatif (dalam
istilah suatu kemungkinan) menjadi sekedar kesimpulan “tolak” atau “jangan
tolak”. P-Value komputasi juga memberikan informasi penting kepada pengguna
ketika nilai z turun dengan baik ke wilayah kritis biasa. Misalnya, jika z adalah
2,73, maka ini informatif untuk pengguna untuk mengamati itu:
P = 2(0,0032) = 0,0064
dan dengan demikian nilai z signifikan pada tingkat kurang dari 0,05. Penting
untuk diketahui bahwa pada kondisi H 0, nilai z = 2,73 adalah suatu kejadian yang
sangat langka. Artinya, nilai yang setidaknya besarnya hanya akan sebesar itu
terjadi 64 kali dalam 10.000 percobaan.
Salah satu cara yang sangat sederhana untuk menjelaskan P-Value secara
grafis adalah dengan mempertimbangkan dua hal yang berbeda sampel. Misalkan
ada dua bahan yang dipertimbangkan untuk melapisi bahan tertentu jenis logam
5
untuk menghambat korosi. Spesimen diperoleh, dan satu koleksi dilapisi bahan 1
dan satu koleksi dilapisi bahan 2. Ukuran sampel adalah n1 = n2 = 10, dan korosi
diukur dalam persen permukaan daerah yang terkena dampak. Hipotesisnya
adalah sampel berasal dari distribusi umum dengan mean μ = 10. Misalkan
varians populasi adalah 1,0. Lalu kita menguji
H0: μ1 = μ2 = 10
Gambar 1 mewakili plot titik data; data ditempatkan pada distribusi yang
dinyatakan dengan hipotesis nol. Mari kita asumsikan bahwa data “x” mengacu
pada materi 1 dan data “◦” mengacu pada materi 2. Sekarang tampak jelas bahwa
data tersebut merujuk pada materi 2 menyangkal hipotesis nol. Tapi bagaimana ini
bisa diringkas dalam satu angka? P-Value dapat dilihat hanya sebagai probabilitas
memperoleh data ini mengingat kedua sampel berasal dari distribusi yang sama.
Jelas sekali, ini probabilitasnya cukup kecil, katakanlah 0,00000001. Dengan
demikian, P-Value yang kecil jelas terbantahkan H 0, dan kesimpulannya mean
populasi berbeda nyata.
Gambar 1 Data yang kemungkinan dihasilkan dari dua populasi yang berbeda cara
6
BAB 3 PERMASALAHAN
7
b. Diperoleh data mengenai kandungan nutrisi sebuah produk daging
kemasan sebelum dan setelah dikemas selama 1 bulan.
8
BAB 4 PENYELESAIAN
4.1 PERMASALAHAN A
Berdasarkan data pada soal pertama, kita menggunakan uji hipotesis dua
sampel berpasangan yang menggunakan statistik uji t dalam pengujiannya. Oleh
karena itu, perintah yang digunakan sama dengan perintah untuk menguji rataan
dua populasi jika variansi tidak diketahui. Terlebih dahulu kita buka R-Studio dan
mengunduh packages stats. Perintah yang digunakan untuk menguji dua sampel
berpasangan yaitu:
Adapun informasi yang akan kita dapatkan berdasarkan data tabel produksi kopi
yaitu membandingkan apakah ada perbedaan hasil produksi kopi setiap lahan pada
tahun 2019 dan 2020. Taraf signifikansi yang kita gunakan adalah α = 5%.
a. Perbandingan hasil produksi kopi lahan A pada tahun 2019 dan 2020
- Terlebih dahulu, kita input data produksi lahan A pada excel.
Kemudian simpan file dengan nama dengan nama LAHAN A
9
- Hasil
- Interpretasi hasil
H0 (Terdapat perbedaan hasil produksi kopi lahan A pada tahun 2019
dan 2020)
H1 (Hasil produksi kopi lahan A pada tahun 2019 dan 2020 sama)
Taraf signifikansi : α = 5%
P-Value : 0,5542
Daerah kritis : H0 ditolak jika nilai P-Value < α
Keputusan : H0 tidak ditolak karena nilai P-Value (0,5542) > α (0,05)
Kesimpulan :
Pada taraf signifikansi α 5%, diperoleh kesimpulan bahwa terdapat
perbedaan hasil produksi kopi antara tahun 2019 dan 2020 pada lahan
A dengan perbedaan rata-rata sebesar 2,433333.
b. Perbandingan hasil produksi kopi lahan B pada tahun 2019 dan 2020
- Terlebih dahulu, kita input data produksi lahan B pada excel.
Kemudian simpan file dengan nama dengan nama LAHAN B
10
- Hasil
- Interpretasi hasil
H0 (Terdapat perbedaan hasil produksi kopi lahan B pada tahun 2019
dan 2020)
H1 (Hasil produksi kopi lahan B pada tahun 2019 dan 2020 sama)
Taraf signifikansi : α = 5%
P-Value : 0,6178
Daerah kritis : H0 ditolak jika nilai P-Value < α
Keputusan : H0 tidak ditolak karena nilai P-Value (0,6178) > α (0,05)
Kesimpulan :
Pada taraf signifikansi α 5%, diperoleh kesimpulan bahwa terdapat
perbedaan hasil produksi kopi antara tahun 2019 dan 2020 pada lahan
B dengan perbedaan rata-rata sebesar 2,591667.
c. Perbandingan hasil produksi kopi lahan C pada tahun 2019 dan 2020
- Terlebih dahulu, kita input data produksi lahan C pada excel.
Kemudian simpan file dengan nama dengan nama LAHAN C
11
- Masukkan perintah untuk mendefinisikan data dan menguji hipotesis
dua sampel berpasangan.
- Hasil
- Interpretasi hasil
H0 (Terdapat perbedaan hasil produksi kopi lahan C pada tahun 2019
dan 2020)
H1 (Hasil produksi kopi lahan C pada tahun 2019 dan 2020 sama)
Taraf signifikansi : α = 5%
P-Value : 0,4444
Daerah kritis : H0 ditolak jika nilai P-Value < α
Keputusan : H0 tidak ditolak karena nilai P-Value (0,4444) > α (0,05)
Kesimpulan :
Pada taraf signifikansi α 5%, diperoleh kesimpulan bahwa terdapat
perbedaan hasil produksi kopi antara tahun 2019 dan 2020 pada lahan
C dengan perbedaan rata-rata sebesar 2,816667.
d. Perbandingan hasil produksi kopi lahan D pada tahun 2019 dan 2020
- Terlebih dahulu, kita input data produksi lahan D pada excel.
Kemudian simpan file dengan nama dengan nama LAHAN D
12
- Pada R-Studio, import file LAHAN D
- Masukkan perintah untuk mendefinisikan data dan menguji hipotesis
dua sampel berpasangan.
- Hasil
- Interpretasi hasil
H0 (Terdapat perbedaan hasil produksi kopi lahan D pada tahun 2019
dan 2020)
H1 (Hasil produksi kopi lahan D pada tahun 2019 dan 2020 sama)
Taraf signifikansi : α = 5%
P-Value : 0,2474
Daerah kritis : H0 ditolak jika nilai P-Value < α
Keputusan : H0 tidak ditolak karena nilai P-Value (0,2474) > α (0,05)
Kesimpulan :
Pada taraf signifikansi α 5%, diperoleh kesimpulan bahwa terdapat
perbedaan hasil produksi kopi antara tahun 2019 dan 2020 pada lahan
D dengan perbedaan rata-rata sebesar 5,841667.
13
4.2 PERMASALAHAN B
Sama halnya dengan permasalahan pertama, kita juga akan melakukan uji
hipotesis dua sampel berpasangan pada permasalahan kedua. Pastikan kita sudah
mengunduh packages stats pada R-Studio. Perintah yang digunakan untuk
menguji dua sampel berpasangan yaitu:
14
- Hasil
- Interpretasi hasil
H0 (Tidak terjadi penurunan kandungan nutrisi pada produk daging
kemasan setelah pengemasan)
H1 (Terjadi penurunan kandungan nutrisi pada produk daging kemasan
setelah pengemasan)
Taraf signifikansi : α = 10%
P-Value : 0,001222
Daerah kritis : H0 ditolak jika nilai P-Value < α
Keputusan : H0 ditolak karena nilai P-Value (0,001222) < α (0,1)
Kesimpulan :
Pada taraf signifikansi α 10%, diperoleh kesimpulan bahwa terjadi
penurunan kandungan nutrisi pada produk daging kemasan setelah
pengemasan dengan perbedaan rata-rata sebesar 0,576.
Selain itu juga dapat menguji apakah ada perbedaan variansi pada
kandungan nutrisi sebuah produk daging kemasan sebelum dan setelah
pengemasan. Pengujian ini masih menggunakan pengujian t untuk dua sampel
berpasangan dengan packages yang sama yaitu stats. Perintah yang kita gunakan
yaitu:
15
- Hasil
- Interpretasi hasil
H0 (Variansi antara kandungan nutrisi sebelum dan sesudah
pengemasan sama)
H1 (Variansi antara kandungan nutrisi sebelum dan sesudah
pengemasan berbeda)
Taraf signifikansi : α = 10%
P-Value : 0,01565
Daerah kritis : H0 ditolak jika nilai P-Value < α
Keputusan : H0 ditolak karena nilai P-Value (0,01565) < α (0,10)
Kesimpulan :
Pada taraf signifikansi α 5%, diperoleh kesimpulan bahwa variansi
antara kandungan nutrisi sebelum dan sesudah pengemasan berbeda
dengan rasio variansi sebesar 3,904148.
16
BAB 5 KESIMPULAN
17
DAFTAR PUSTAKA
Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2012). Probability & Statistics for
Engineers & Scientists Ninth Edition. United States of America: Pearson.
18