1.

Jawaban
a. Hipotesis statistika yang tepat dirumuskan untuk dugaan Kepala Dinas dapat
dirumuskan sebagai berikut:
Hipotesis Nol (H0): Rata-rata nilai Ujian Nasional bidang matematika di
Kabupaten X sama dengan 7.
Hipotesis Alternatif (H1): Rata-rata nilai Ujian Nasional bidang matematika di
Kabupaten X lebih besar dari 7.
Dalam kata lain:
H0: μ = 7
H1: μ > 7
Hipotesis nol (H0) menyatakan bahwa rata-rata nilai ujian di Kabupaten X
sama dengan 7 (sesuai dengan hasil ujian nasional), sementara hipotesis
alternatif (H1) menyatakan bahwa rata-rata nilai ujian di Kabupaten X lebih
besar dari 7, sesuai dengan klaim Kepala Dinas.
b. Untuk membuktikan dugaan Kepala Dinas, Kita dapat menggunakan uji
hipotesis satu arah (one-tailed hypothesis test) dengan parameter populasi
berupa rata-rata. Dalam kasus ini, karena kita ingin membuktikan bahwa rata-
rata nilai Ujian Nasional di Kabupaten X lebih besar dari 7, maka uji yang
tepat adalah uji-z (z-test) adalah sebagai berikut:
1) Menentukan hipotesis nol (H0) dan hipotesis alternatif (H1) seperti yang
telah dijelaskan sebelumnya.
2) Mengumpulkan data nilai Ujian Nasional dari 100 siswa di Kabupaten X.
3) Menghitung nilai statistik uji z. Untuk ini, Kita dapat menggunakan rumus
berikut:
z = (x̄ - μ) / (σ/√n)
x̄ adalah rata-rata sampel (dalam kasus ini, 8).
μ adalah nilai rata-rata hipotesis nol (7).
σ adalah simpangan baku populasi (dalam kasus ini, 2).
n adalah ukuran sampel (dalam kasus ini, 100).
4) Tentukan tingkat signifikansi (alpha), yang biasanya diukur pada tingkat
0,05.
 5) Hitung nilai kritis z pada tingkat signifikansi yang telah ditentukan
menggunakan tabel distribusi z atau kalkulator statistik.
6) Bandingkan nilai z yang dihitung dengan nilai kritis z. Jika nilai z yang
dihitung lebih besar dari nilai kritis z, maka Kita dapat menolak hipotesis
nol dan menyatakan bahwa terdapat bukti statistik yang mendukung klaim
Kepala Dinas, yaitu bahwa rata-rata nilai Ujian Nasional di Kabupaten X
lebih besar dari 7.
c. Untuk menghitung nilai statistik uji z dengan informasi yang telah diberikan
(sampel 100 siswa di Kabupaten X), kita dapat menggunakan rumus berikut
z = (x̄ - μ) / (σ/√n)
x̄ adalah rata-rata sampel, yaitu 8.
μ adalah nilai rata-rata hipotesis nol, yaitu 7.
σ adalah simpangan baku populasi, yaitu 2.
n adalah ukuran sampel, yaitu 100.
Maka nilai z:
z = (8 - 7) / (2/√100)
z = 1 / (2/10)
z = 1 / 0.2
z=5
Nilai statistik uji z adalah 5.
Dengan nilai z ini, Kita dapat melanjutkan untuk menentukan apakah dapat
menolak hipotesis nol atau tidak berdasarkan tingkat signifikansi yang telah
ditentukan (alpha) dan nilai kritis z pada tingkat signifikansi tersebut.
d. Dalam uji hipotesis statistik, ada dua daerah penting yang perlu dipahami:
daerah penerimaan hipotesis (daerah kritis) dan daerah penolakan hipotesis.
1) Daerah Penerimaan Hipotesis:
 Daerah penerimaan hipotesis adalah area di mana hipotesis nol (H0)
diterima.
 Daerah ini terletak pada bagian ekor distribusi yang tidak ekstrem, dan
jika nilai statistik uji berada di dalam daerah ini, Kita tidak akan
menolak H0.
 2) Daerah Penolakan Hipotesis:
 Daerah penolakan hipotesis adalah area di mana hipotesis nol (H0)
ditolak.
 Daerah ini terletak pada bagian ekor distribusi yang ekstrem, dan jika
nilai statistik uji berada di dalam daerah ini, akan menolak H0.

Kriteria (nilai kritis) yang digunakan dalam menentukan daerah penolakan

hipotesis adalah berdasarkan tingkat signifikansi (alpha) yang telah
ditentukan sebelumnya. Dalam kasus ini, kita telah menentukan tingkat
signifikansi sebesar 5%.

Untuk tingkat signifikansi 5%, kita dapat merujuk tabel distribusi z (atau
menggunakan perangkat statistik) untuk menemukan nilai kritis z pada
tingkat alpha 0,05. Biasanya, tingkat signifikansi 5% akan menghasilkan
dua nilai kritis, satu untuk uji satu sisi (one-tailed) di sisi kanan distribusi.

Dalam hal ini, kita dapat mencari dua nilai kritis z:

 Nilai kritis z untuk alpha/2 (0,025) di ekor kanan distribusi.

 Nilai kritis z untuk alpha (0,05) di ekor kanan distribusi.

Setelah kita menemukan nilai kritis z ini, Kita dapat membandingkannya

dengan nilai statistik uji z yang telah dihitung. Jika nilai statistik uji z lebih
besar dari nilai kritis z untuk alpha (0,05), maka Kita dapat menolak
hipotesis nol.

e. Jika nilai statistik uji (z) yang telah dihitung lebih besar dari nilai kritis z pada
tingkat signifikansi 5%, maka kita dapat menolak hipotesis nol. Dalam
konteks ini, hipotesis nol adalah bahwa rata-rata nilai Ujian Nasional bidang
matematika di Kabupaten X sama dengan 7. Jadi, jika nilai z yang dihitung
adalah lebih besar dari nilai kritis z pada tingkat signifikansi 5%, maka
pernyataan Kepala Dinas Pendidikan Kota X bahwa rata-rata nilai ujian
matematika di Kabupaten X lebih besar dari 7 telah terbukti signifikan secara
statistik.
2. Jawaban
a. Hipotesis statistik yang tepat dirumuskan untuk menguji dugaan guru tersebut
adalah sebagai berikut:
Hipotesis Nol (H0): Metode A dan metode B tidak berbeda signifikan dalam
hasil belajar IPA di kelas IV, atau secara matematis:
μA = μB
Di mana:
μA adalah rata-rata nilai ulangan IPA kelas A (metode A).
μB adalah rata-rata nilai ulangan IPA kelas B (metode B).
Hipotesis Alternatif (H1): Metode A lebih baik dari metode B dalam hasil
belajar IPA di kelas IV, atau secara matematis:
μA > μB
Di sini, kita menggunakan hipotesis alternatif satu arah (greater than) karena
Pak Budi ingin tahu apakah metode A menghasilkan nilai ulangan yang lebih
tinggi daripada metode B.
Jadi, dalam konteks ini, uji statistik yang sesuai adalah uji hipotesis satu arah
(one-tailed) untuk perbandingan rata-rata antara kelas A dan kelas B.
b. Jika nilai t yang dihitung lebih besar dari nilai kritis (atau jika p-value kurang
dari tingkat signifikansi yang ditentukan), maka Kita dapat menyimpulkan
apakah metode A lebih baik daripada metode B dalam hasil belajar IPA di
kelas IV.
c. Untuk menghitung nilai statistik t pada uji t (t-test) menggunakan informasi
nilai-nilai ulangan dari kedua kelas, kita dapat mengikuti langkah-langkah
berikut:
1) Hitung selisih antara rata-rata kelas A (μA) dan rata-rata kelas B (μB):
Selisih (Δ) = μA - μB, Δ = 90 - 70 = 20
2) Hitung simpangan baku (stkitar error) dari selisih (Δ): Simpangan Baku
(SE) = √[(σA^2 / nA) + (σB^2 / nB)] Di sini, σA adalah simpangan baku
kelas A, σB adalah simpangan baku kelas B, nA adalah jumlah siswa di
kelas A, dan nB adalah jumlah siswa di kelas B.
 Dengan nilai, σA = 12, σB = 10, nA = 31, dan nB = 29, sehingga: SE =
√[(12^2 / 31) + (10^2 / 29)]

1) Hitung nilai t-statistik (t): t = Δ / SE Dalam kasus Kita: t = 20 / SE

2) Tentukan derajat kebebasan (df) untuk uji t. Derajat kebebasan dapat

dihitung menggunakan rumus: df = (nA + nB - 2)Tentukan tingkat signifikansi
(alpha) yang Kita tentukan sebelumnya (misalnya, 0.05).

3) Hitung nilai kritis t (t-kritis) dengan derajat kebebasan dan tingkat

signifikansi tersebut. Kita dapat menggunakan tabel distribusi t atau kalkulator
statistik.

d. dalam konteks uji t, daerah penerimaan (acceptance region) adalah area di bawah
kurva distribusi t yang mewakili nilai-nilai t yang tidak signifikan secara statistik.
Sebaliknya, daerah penolakan (rejection region) adalah area di atas kurva distribusi t
yang mewakili nilai-nilai t yang signifikan secara statistik.
e. Untuk menentukan kesimpulan dari uji statistik ini, kita perlu membandingkan nilai t
yang dihitung (t-statistik) dengan nilai kritis t pada tingkat signifikansi yang telah kita
pilih sebelumnya (α). Kesimpulan uji statistik biasanya dapat dinyatakan sebagai
berikut:
1) Jika nilai t yang dihitung lebih besar daripada nilai t-kritis pada tingkat signifikansi
α (t > t-kritis), maka kita akan menolak hipotesis nol (H0). Ini berarti kita memiliki
bukti statistik yang cukup untuk menyatakan bahwa metode A lebih baik
daripada metode B dalam hasil belajar IPA di kelas IV.
2) Jika nilai t yang dihitung lebih kecil daripada nilai t-kritis pada tingkat signifikansi
α (t < t-kritis), maka Kita gagal menolak hipotesis nol (H0). Ini berarti Kita tidak
memiliki bukti statistik yang cukup untuk menyatakan bahwa metode A lebih baik
daripada metode B dalam hasil belajar IPA di kelas IV.
3. Jawaban
a. Hipotesis statistik yang tepat untuk dugaan guru tersebut adalah sebagai berikut:
Hipotesis Nol (H0): Tidak ada perbedaan yang signifikan dalam hasil belajar
matematika antara siswa yang diberikan metode pembelajaran A1, A2, B1, B2, atau
B3.
 Hipotesis Alternatif (H1): Terdapat perbedaan yang signifikan dalam hasil belajar
matematika antara siswa yang diberikan metode pembelajaran A1, A2, B1, B2, atau
B3.
Dalam hal ini, guru ingin mengetahui apakah metode pembelajaran yang berbeda
(A1, A2, B1, B2, B3) dan gaya belajar siswa yang berbeda (B1, B2, B3) memiliki
pengaruh signifikan terhadap hasil belajar matematika. Oleh karena itu, hipotesis nol
menyatakan bahwa tidak ada perbedaan yang signifikan, sementara hipotesis
alternatif menyatakan sebaliknya, yaitu terdapat perbedaan yang signifikan. Untuk
menguji hipotesis ini, guru dapat menggunakan analisis statistik yang sesuai, seperti
analisis varians (ANOVA) jika terdapat lebih dari dua kelompok atau uji-t jika hanya
dua kelompok.
b. Untuk membuktikan dugaan guru tersebut yang berkaitan dengan perbedaan
hasil belajar matematika antara berbagai metode pembelajaran dan gaya
belajar siswa yang berbeda, Kita dapat menggunakan analisis statistik yang
disebut Analisis Varians (ANOVA).
Dalam kasus ini, Kita dapat melakukan analisis ANOVA dua faktor karena
ada dua faktor yang memengaruhi hasil belajar matematika: metode
pembelajaran (A1, A2, B1, B2, B3) dan gaya belajar siswa (B1, B2, B3).
ANOVA akan membantu Kita menentukan apakah terdapat perbedaan yang
signifikan antara kelompok-kelompok ini.
Sebelum melakukan uji ANOVA, pastikan bahwa data Kita memenuhi
asumsi-asumsi dari ANOVA, seperti normalitas dan homogenitas varians.
Selain itu, Kita juga perlu memilih tingkat signifikansi (alpha) yang sesuai
sebelum melakukan uji statistik.
Setelah melakukan uji ANOVA, jika hasilnya menunjukkan bahwa terdapat
perbedaan yang signifikan antara kelompok-kelompok tersebut, maka Kita
dapat melakukan uji lanjutan, seperti uji post hoc, untuk menentukan
kelompok-kelompok mana yang berbeda secara signifikan.
Dengan demikian, ANOVA adalah statistik uji yang tepat untuk menguji
hipotesis guru mengenai pengaruh metode pembelajaran dan gaya belajar
siswa terhadap hasil belajar matematika.
c. Untuk menghitung nilai statistik uji ANOVA, Kita memerlukan informasi hasil
belajar matematika siswa kelas IVA dan siswa kelas IVB yang diberikan
metode pembelajaran A dan B. Namun, dalam data yang Kita berikan, saya
tidak melihat informasi yang cukup untuk menghitung nilai statistik ANOVA
secara langsung.
Kita perlu memiliki nilai hasil belajar matematika siswa kelas IVA dan IVB
yang diberikan metode pembelajaran A dan B dalam bentuk data numerik.
Setelah Kita memiliki data tersebut, Kita dapat menggunakan perangkat lunak
statistik seperti SPSS, R, atau Excel untuk menghitung nilai statistik ANOVA.
Pastikan untuk merinci data hasil belajar matematika siswa kelas IVA dan IVB
berdasarkan kelompok metode pembelajaran dan gaya belajar siswa,
kemudian masukkan data tersebut ke dalam perangkat lunak statistik yang
Kita gunakan untuk menghitung nilai F dan p-value yang diperlukan untuk
menguji hipotesis yang telah dirumuskan sebelumnya.
d. Dalam uji ANOVA, terdapat dua daerah utama yang relevan: daerah
penerimaan (acceptance region) dan daerah penolakan (rejection region)
hipotesis statistik. Daerah penolakan adalah daerah di mana Kita akan
menolak hipotesis nol, sementara daerah penerimaan adalah daerah di mana
Kita tidak akan menolak hipotesis nol.
1) Daerah Penerimaan (Acceptance Region):
 Daerah penerimaan adalah wilayah di mana Kita tidak menolak
hipotesis nol. Dalam konteks ANOVA, daerah ini berhubungan dengan
tidak adanya perbedaan yang signifikan antara kelompok-kelompok
yang dibandingkan.
 Nilai-nilai yang jatuh dalam daerah penerimaan tidak signifikan secara
statistik.
 Daerah penerimaan biasanya didefinisikan oleh nilai kritis (critical
values) yang ditentukan berdasarkan tingkat signifikansi (alpha) yang
telah dipilih sebelumnya.
  Alpha adalah tingkat signifikansi yang digunakan untuk menentukan
daerah penerimaan. Misalnya, jika alpha = 0.05, maka daerah
penerimaan akan mencakup 95% dari distribusi
2) Daerah Penolakan (Rejection Region):
 Daerah penolakan adalah wilayah di mana Kita akan menolak
hipotesis nol. Dalam konteks ANOVA, daerah ini berhubungan dengan
adanya perbedaan yang signifikan antara kelompok-kelompok yang
dibandingkan.
 Nilai-nilai yang jatuh dalam daerah penolakan menunjukkan bahwa
terdapat perbedaan yang signifikan antara kelompok-kelompok.
 Daerah penolakan juga didefinisikan oleh nilai kritis, tetapi nilai-nilai
yang jatuh dalam daerah ini menunjukkan bahwa hasilnya signifikan
pada tingkat alpha yang telah ditentukan.

Kriteria (Nilai Kritis):

 Nilai kritis ditentukan berdasarkan distribusi F dalam uji ANOVA.

 Kriteria ini akan bervariasi tergantung pada tingkat signifikansi (alpha)
yang telah dipilih dan derajat kebebasan yang terkait dengan ANOVA
(derajat kebebasan antar kelompok dan derajat kebebasan dalam
kelompok).
 Kita dapat mengacu pada tabel distribusi F atau menggunakan
perangkat lunak statistik untuk menentukan nilai kritis yang sesuai.

Jadi, dalam konteks uji ANOVA yang dilakukan oleh guru, daerah
penolakan dan daerah penerimaan akan bergantung pada tingkat
signifikansi (alpha) yang dipilih dan data hasil belajar matematika yang
dianalisis. Nilai kritis harus dihitung atau dicari berdasarkan data dan
tingkat signifikansi yang bersangkutan.

e. Kesimpulan yang dapat diperoleh oleh guru SD berdasarkan hasil nilai

statistik uji dan kriteria pengujian hipotesis akan bergantung pada hasil uji
statistik dan tingkat signifikansi (alpha) yang telah ditentukan sebelumnya.
Berikut beberapa kemungkinan kesimpulan yang dapat diambil:
1) Jika nilai statistik uji (F-statistic) lebih kecil dari nilai kritis (critical value)
yang sesuai pada tingkat signifikansi (alpha) yang telah dipilih:
Kesimpulan: Guru tidak menemukan perbedaan yang signifikan dalam
hasil belajar matematika antara kelompok metode pembelajaran A1, A2,
B1, B2, dan B3, serta antara kelompok gaya belajar B1, B2, dan B3.
Dalam hal ini, hipotesis nol diterima.
2) Jika nilai statistik uji (F-statistic) lebih besar dari nilai kritis pada tingkat
signifikansi (alpha) yang telah dipilih:
Kesimpulan: Guru menemukan perbedaan yang signifikan dalam hasil
belajar matematika antara setidaknya dua kelompok metode
pembelajaran (A1, A2, B1, B2, B3) dan/atau kelompok gaya belajar (B1,
B2, B3). Dalam hal ini, hipotesis nol ditolak.
3) Jika nilai p-value kurang dari alpha:
Kesimpulan: Guru menemukan perbedaan yang signifikan dalam hasil
belajar matematika antara kelompok metode pembelajaran A1, A2, B1,
B2, dan B3, serta antara kelompok gaya belajar B1, B2, dan B3. Dalam
hal ini, hipotesis nol ditolak.
Penting untuk dicatat bahwa kesimpulan tergantung pada analisis data
yang spesifik dan tingkat signifikansi yang telah dipilih sebelumnya. Jika
hasil uji statistik menunjukkan adanya perbedaan yang signifikan, guru
dapat mengeksplorasi lebih lanjut melalui uji post hoc untuk menentukan
kelompok-kelompok mana yang berbeda secara signifikan. Jika hasil uji
tidak menunjukkan perbedaan yang signifikan, guru dapat menganggap
bahwa metode pembelajaran dan gaya belajar siswa tidak memengaruhi
hasil belajar matematika secara signifikan dalam sampel yang diteliti.