STA515 – Statistika untuk Ilmu-ilmu Kesehatan

Semester Ganjil 2023/2024

Kuliah-4. Pengujian Hipotesis

Prodi Statistika dan Sains Data

Fakultas Matematika dan Ilmu Pengetahuan Alam
Dr. Ir. Erfiani, M.SI Institut Pertanian Bogor

2023
Pengujian Hipotesis
Outline
1.Konsep Pengujian Hipotesis
2.Pengujian Hipotesis rata-rata satu populasi
3.Pengujian Hipotesis selisih rata-rata dua populasi
4.Pengujian Hipotesis pada data berpasangan
5.Aplikasi pengujian Hipotesis
 Pengujian Hipotesis

Populasi Eksplorasi
data

DATA

Eksplorasi Pengujian
Contoh data Hipotesis
Pengujian Hipotesis
• HIPOTESIS ➔ Suatu pernyataan / anggapan yang
mempunyai nilai mungkin benar / salah atau suatu
pernyataan /anggapan yang mengandung nilai
ketidakpastian
• CONTOH
• Besok akan turun hujan ➔ mungkin benar/salah
• Penambahan pupuk meningkatkan produksi ➔ mungkin
benar/salah
• Varietas A lebih baik dibandingkan dengan varietas B
➔ mungkin benar/salah
• dll
• HIPOTESIS statistik dinyatakan dalam dua bentuk yaitu:
• H0 (hipotesis nol): suatu pernyataan / anggapan yang
ingin kita tolak
• H1 (hipotesis tandingan): pernyataan lain yang akan
diterima jika H0 ditolak
• Pengambilan keputusan akan memunculkan dua jenis
kesalahan yaitu:
• Salah jenis I (Error type I) : kesalahan akibat menolak H0
padahal H0 benar
• Salah jenis II (Error type II) : kesalahan akibat menerima
H0 padahal H1 benar
• Besarnya peluang kesalahan dapat ini dapat dihitung sebagai
berikut:
• P(salah jenis I) = P(tolak H0/H0 benar) = 
• P(salah jenis II) = P(terima H0/H1 benar) = 
Pengujian Hipotesis

Hasil Pengujian
H0 benar H1 benar

H0 benar Benar Salah Jenis 1

Keadaan ( )
Sebenarnya Salah Jenis 2
H1 benar Benar
( )

 = Peluang menolak H0 padahal H0 benar

 = Peluang menerima H0 padahal H1 yang benar
Pengujian Hipotesis

Kaidah Keputusan:
Jika p-value <  → H1 benar
Jika p-value ≥  → H0 dianggap benar
 → taraf nyata pengujian (kesalahan maksimum yang diperbolehkan
jika memutuskan H1 benar)

P-value → peluang salah jenis 1 berdasarkan data

Pengujian Hipotesis
Satu Populasi

Populasi : N, , 2, P

Z, t 2 Z

Contoh : n, X, S2, p
Ho : =k; 2 = k ; P=k
Dwi arah H1 : k 2  k Pk
Eka arah H1 : >k 2 > k P>k
H1 : <k 2 < k P<k
Pengujian Hipotesis

Dua Populasi

Pop-1: N1, 1, 12, P1 Pop-2 : N2, 2, 22, P2

Cth-1 : n1, X1, S12, p1 Cth-2 : n2, X2, S22, p2

Z, t F Z

Ho : 1 - 2 = k 12 / 22 = k P 1 - P2 = k
H1 : 1 - 2  k 12 / 22 > k P 1 - P2  k
1 - 2 > k 12 / 22 < k P 1 - P2 > k
1 - 2 < k P 1 - P2 < k
Pengujian Hipotesis

Parameter Statistik
 Z, n besar atau 2 diketahui
t, sebaliknya
1- 2 Z, n besar atau 2 diketahui
t, sebaliknya
P Z
P1- P2 Z
2 2
2 2
σ1 /σ 2 F
Beberapa langkah yang perlu diperhatikan dalam pengujian hipotesis:
(1) Tuliskan hipotesis yang akan diuji
Ada dua jenis hipotesis:
• Hipotesis sederhana
Hipotesis nol dan hipotesis alternatif sudah ditentukan pada nilai
tertentu
• H0 :  = 0 vs H1 :  = 1
• H0 : 2 = 02 vs H1 : 2 = 12
• H0 : P = P0 vs H1 : P = P1
• Hipotesis majemuk
Hipotesis nol dan hipotesis alternatif dinyatakan dalam interval nilai
tertentu
b.1. Hipotesis satu arah
• H0 :   0 vs H1 :  < 0
• H0 :   0 vs H1 :  > 0
b.2. Hipotesis dua arah
• H0 :  = 0 vs H1 :   0
(2). Deskripsikan data sampel yang diperoleh (hitung rataan, ragam,
standard error dll)
(3). Hitung statistik ujinya
Statistik uji yang digunakan sangat tergantung pada sebaran statistik
dari penduga parameter yang diuji

CONTOH
H0:  = 0 maka maka statistik ujinya bisa t-student atau normal baku
(z)
x -  0 atau x - 0
th = zh =
s/ n / n

(4). Tentukan batas kritis atau daerah penolakan H0

Daerah penolakan H0 sangat tergantung dari bentuk hipotesis alternatif
(H1)
CONTOH
H1:  < 0 ➔ Tolak H0 jika th < -t(; db)(tabel)
H1:  > 0 ➔ Tolak H0 jika th > t(; db)(tabel)
H1:   0 ➔ Tolak H0 jika |th | > t(/2; db)(tabel)
(5). Tarik kesimpulan
 Pengujian Hipotesis
Eka arah :

Dwi arah
Pengujian Hipotesis
Kasus Rata-Rata Satu Populasi
Pengujian Hipotesis
Kasus Rata-Rata Satu Populasi

n=25
•Teladan 1:
Pada saat ini diduga terjadi kenaikan rata-rata tinggi badan
orang Indonesia dibandingkan tahun 70-an. Untuk
membuktikan dugaan ini diambil contoh acak berukuran 25
dan diperoleh rataan sebesar 164 cm. Ujilah apakah dugaan
tersebut benar. Gunakan =5%. (Catatan: Tinggi rata-rata
tahun 70-an=161 cm, dan 2=81 cm2).
Pengujian Hipotesis
Teladan 1. (lanjutan)

Diketahui: n=25, x =164 cm ; 2=81 cm2 ;  =5%=0.05.

H0: =161 cm vs H1: >161cm

x -  164 - 161
Z = = = 1 . 67
 / n 81 / 25 Z > Ztab → Tolak H0
Z tabel = Z0.05 = 1.65

P-value = P(x>x0 /  =161) = P(Z>1.67) = 0.0475

P-value <  → Tolah H0
(Memang benar sekarang ada kenaikan rata-rata tinggi orang
Indonesia dibandingkan dengan tahun 70-an)
Pengujian Hipotesis
Kasus Pembandingan Rata-Rata Dua Populasi
Pengujian Hipotesis
Kasus Pembandingan Rata-Rata Dua Populasi
Teladan-2:
Ada dugaan kuat bahwa latar belakang petambak berpengaruh terhadap keberhasilan
sebagai petambak di CP Bahari. Untuk membuktikan pendapat ini, dipilih 22 petambak
contoh secara acak, dimana 11 orang berlatar belakang petambak dan 11 orang sisanya
berlatar belakang bukan petambak. Jika produksi merupakan ukuran tingkat keberhasilan
petambak, dan produksi terakhir dari ke-22 petambak tersebut seperti tabel di bawah ini,
ujilah apakah dugaan tersebut di atas benar? (Gunakan =5% dan asumsikan ragam
produksi kedua populasi sama).

Produksi dari 11 Petambak yang Berlatar Belakang Petambak

11.7 9.6 12.2 8.6 9.3 10.1 8.9 9.5 10.4 8.3 9.4
Produksi dari 11 Petambak yang Berlatar Belakang Bukan Petambak
7.4 8.5 9.2 8.7 7.8 6.9 10.2 9.4 8.1 8.3 9.0

( x1 - x2 ) ( x1 - x2 )
Bentuk Hipotesis ? Statistik Uji ? t hit = =
2  1 1 
s x1 - x2
s gab  + 
H0: 1  2 vs H1: 1> 2  n1 n2 
Pengujian Hipotesis
Kasus Pembandingan Rata-Rata Dua Populasi
Teladan 3.

Populasi Ibu-Ibu Populasi Bapak-Bapak

Apakah ibu-ibu cenderung menonton televisi
lebih lama dibandingkan bapak-bapak?
ibu-ibu bapak-bapak
Apakah rata-rata lama menonton televisi per
hari pada ibu-ibu lebih besar dibandingkan
pada bapak-bapak?

contoh contoh H0: ibu-ibu  bapak-bapak

n1 = 40 n2 = 25 H1: ibu-ibu > bapak-bapak
rata-rata contoh rata-rata contoh
simp. baku contoh s1 simp. baku contoh s2
Pengujian Hipotesis
Kasus Pembandingan Rata-Rata Dua Populasi
Teladan 4.

Populasi Rumah
Tangga Apakah ibu-ibu cenderung menonton televisi
lebih lama dibandingkan bapak-bapak?

Apakah rata-rata lama menonton televisi per

hari pada ibu-ibu lebih besar dibandingkan
Contoh
Rumah
pada bapak-bapak?
Tangga
n = 40
H0: ibu-ibu  bapak-bapak
Rumah Tangga 1
H1: ibu-ibu > bapak-bapak

Rumah Tangga 2

… …

Rumah Tangga 40
Pengujian Hipotesis
Kasus Pembandingan Rata-Rata Dua Populasi
Teladan 3. Teladan 4.

Populasi Ibu-Ibu Populasi Bapak-Bapak Populasi Rumah

Tangga

Contoh
Rumah
Tangga

contoh contoh n = 40

n1 = 40 n2 = 25
Rumah Tangga 1

Contoh
Rumah Tangga 2
Contoh Saling Bebas Berpasangan
… …
(independent samples) (paired samples)
Rumah Tangga 40
Pengujian Hipotesis
Kasus Pembandingan Rata-Rata Dua Populasi
Teladan 5.

Populasi UMKM
Apakah kredit usaha untuk UMKM mampu
Populasi UMKM
yang memperoleh
yang tidak meningkatkan nilai penjualan harian?
memperoleh
pembiayaan/kredit
pembiayaan/kredit
usah
usaha
Apakah UMKM yang memperoleh kredit
usaha memiliki rata-rata penjualan harian
lebih besar daripada UMM yang tidak
memperoleh kredit usaha?

H0: 1  2
H1: 1 > 2

Contoh Saling Bebas

(independent samples)
Pengujian Hipotesis
Kasus Pembandingan Rata-Rata Dua Populasi
Teladan 6.

Apakah kredit usaha untuk UMKM mampu

meningkatkan nilai penjualan harian?
Populasi UMKM

Apakah UMKM yang memperoleh kredit

usaha memiliki rata-rata penjualan harian
lebih besar daripada UMM yang tidak
memperoleh kredit usaha?

H0: sesudah  sebelum

H1: sesudah > sebelum
kumpulkan nilai penjualan kumpulkan nilai penjualan
harian sebelum menerima harian setelah menerima kredit
kredit

Contoh Berpasangan
(paired samples)
Pembandingan Rata-Rata untuk
Contoh Berpasangan
Contoh Berpasangan
• Data berasal dari contoh yang diambil dengan mekanisme tertentu
sehingga antar dari kedua kelompok dapat dipasang-pasangkan
• Berasal dari satuan penarikan contoh yang sama
• Sebelum vs Sesudah
• Pada setiap pasangan dapat dihitung selisih nilai data-nya
• Pengujian kesamaan rata-rata dua populasi didasarkan pada nilai
selisih tersebut
• → identik dengan uji-t satu populasi, dengan mengasumsikan
sebaran dari kedua populasi adalah normal
Uji t untuk Contoh Berpasangan

d - D0
• Andaikan pasangan data adalah xi dan yi, untuk i = 1, 2, …, n Statistik Uji t hitung =
sd
• Selisih dari keduanya adalah: di = xi – yi
n
• Dari nilai di dapat dihitung rata-rata dan simpangan
bakunya yaitu masing-masing adalah d : rata-rata nilai selisih
sd : simpangan baku nilai selisih
d da sd
n n : ukuran contoh
Ilustrasi

• Andaikan sebuah perusahaan mengirimkan karyawannya ke suatu pelatihan

“layanan prima untuk pelanggan”. Apakah pelatihan ini berdampak pada
perubahan jumlah keluhan pelanggan? Data yang diperoleh dari contoh 5 (lima)
karyawan adalah sebagai berikut:

d = n
d i
banyaknya keluhan:
Karyawan Sebelum Sesudah Selisih, di
= - 4.2
C.B. 6 4 - 2
T.F. 20 6 -14
M.H. 3 2 - 1
Sd =
 (d - d)i
2

R.K. 0 0 0 n -1
M.O. 4 0 - 4
-21
= 5.67

Statistics for Business and Economics, 6e © 2007 Pearson

Education, Inc.
Ilustrasi

• Apakah pelatihan berdapak pada perubahan jumlah keluhan (gunakan  = 0.01)?

Tolak H0 Tolak H0
H0: μx – μy = 0
H1: μx – μy  0
/2 /2
 = .01 d= - 4.2 - 4.604 4.604
- 1.66
Critical Value = ± 4.604 d.f. = n - 1 = 4
Keputusan hasil uji: TIDAK TOLAK H0
Statistik Uji (|t| tidak lebih besar dari titik kritis)

d - D0 - 4.2 - 0
t= = = -1.66 Kesimpulan: tidak ada perubahan yang
signifikan pada rata-rata jumlah keluhan.
sd / n 5.67/ 5

Statistics for Business and Economics, 6e © 2007 Pearson

Education, Inc.
Pembandingan Rata-Rata untuk
Contoh Saling Bebas
 Overview
Ingin diuji perbedaan antara 1
dan 2
Populasi Ibu-Ibu Populasi Bapak-Bapak

Rata-rata 1
Rata-rata 1
Terdapat 3 (tiga) situasi
Ragam 12
Ragam 22
1. 12 dan 22 diketahui
→ Uji Z
2. 12 dan 22 tidak diketahui,
contoh contoh dan diasumsikan bernilai sama
→ Uji t
3. 12 dan 22 tidak diketahui,
dan diasumsikan bernilai
berbeda
→ Uji t
Uji t Contoh Saling Bebas

( x1 - x2 ) -  0
Statistik Uji th = Galat Baku
s( x1 - x2 )
Asumsi Ragam Sama Asumsi Ragam Berbeda
Galat Baku (standard error) Galat Baku (standard error)

(n1 - 1) s + (n2 - 1) s
s12 s22
s( x1 - x2 ) = +
2 2
1 1
s( x1 - x2 ) = s g + dengan s g = 1 2
n1 n2
n1 n2 n1 + n2 - 2

Derajat bebas = n1 + n2 – 2 Derajat Bebas ( s12 / n1 + s22 / n2 ) 2

db = 2
( s1 / n1 ) 2 ( s22 / n2 ) 2
+
(n1 - 1) (n2 - 1)
(buang nilai desimalnya)
Uji t Contoh Saling Bebas

Lower-tail test: Upper-tail test: Two-tail test:

H0: μ1 – μ2  0 H0: μ1 – μ2 ≤ 0 H0: μ1 – μ2 = 0

H1: μ1 – μ2 < 0 H1: μ1 – μ2 > 0 H1: μ1 – μ2 ≠ 0

  /2 /2

-t t -t/2 t/2

Tolak H0 jika t < -tdb,  Tolak H0 jika t > tdb,  Tolak H0 jika |t| > tdb , /2

Nilai db (derajat bebas) sesuai dengan formula pada slide sebelumnya

Ilustrasi
Andaikan Anda adalah seorang analis keuangan di suatu perusahaan sekuritas,
dan ingin menguji apakah ada perbedaan besaran dividen dari emiten di NYSE
dan NASDAQ. Ringkasan datanya adalah sebagai berikut
NYSE NASDAQ
n 21 25
Rata-rata contoh 3.27 2.53
Simpangan baku contoh 1.30 1.16

Lakuan pengujian apakah ada perbedaan

rata-rata antara keduanya pada  = 0.05,
dengan mengasumsikan ragam keduanya
sama

Statistics for Business and Economics, 6e © 2007 Pearson

Education, Inc.
Menghitung Statistik Uji

t=
(X - X )- 
1 2 0
=
(3.27 - 2.53) - 0 = 2.040
1 1  1 1 
S  + 
2
1.5021 + 
p
 n1 n 2   21 25 

S 2
=
(n1 - 1)S1 + (n2 - 1)S 2
2 2
=
(21 - 1)1.30 2 + (25 - 1)1.16 2
= 1.5021
(n1 - 1) + (n2 - 1) (21 - 1) + (25 - 1)
p

Statistics for Business and Economics,

6e © 2007 Pearson Education, Inc.
Kesimpulan

H0: μ1 - μ2 = 0 i.e. (μ1 = μ2) Reject H0 Reject H0

H1: μ1 - μ2 ≠ 0 i.e. (μ1 ≠ μ2)

 = 0.05 .025 .025
db = 21 + 25 - 2 = 44 -2.0154 0 2.0154 t
Titik kritis: t = 2.0154
2.040

Statistik Uji Keputusan:

3.27 - 2.53
t= = 2.040 Tolak H0 pada  = 0.05
 1 1 
1.5021  +  Kesimpulan:
 21 25  data mendukung adanya perbedaan rata-
rata dividen antara emiten di NYSE dan
NASDAQ

Statistics for Business and Economics,

6e © 2007 Pearson Education, Inc.
Teladan Aplikasi
Pengujian Rata-rata
Pengujian Hipotesis lebih dari 2 Populasi

•H0: 1= 2 = … =p

•Menggunakan Analysis of Variance (ANOVA)
•Asumsi-asumsi, Galat menyebar normal, saling
bebas dan memiliki ragam homogen
•Uji Lanjut
Aplikasi Pada Data Berpasangan
•Pengujian dilakukan untuk nilai tengah
selisih data
•Prosedur yang digunakan serupa pada
pengujian nilai tengah untuk satu populasi
Aplikasi dalam Industri
•Acceptance Sampling
•Proses Control

P Chart for C1
1
0.2
3.0SL=0.1815
Proportion

0.1

P=0.06477

0.0 -3.0SL=0.000

0 10 20

Sample Number
See you next week