Ressume

Tugas Mata Kuliah Pratikum Statistika Bisnis

Dosen Pengampu : Prof. Fuad, S.E., M.Si., Ph.D.

Disusun oleh :

Firdaus Firmansyah 40011421650120

PROGRAM STUDI D-IV AKUNTANSI PERPAJAKAN

FAKULTAS SEKOLAH VOKASI
2023
 Bab 1

Apa yang Dimaksud dengan Statistika?

Statistika adalah ilmu mengumpulkan, mengorganisasikan, menyajikan, menganalisis, dan
menafsirkan data numerik untuk membantu dalam mengambil keputusan yang lebih efektif.
Siapa yang Menggunakan Statistik?
Teknik statistik digunakan secara luas oleh pemasaran, akuntansi, kendali mutu, konsumen,
olahragawan profesional, administrator rumah sakit, pendidik, politisi, dokter, dll...
Jenis Statistik – Statistik Deskriptif
Statistik Deskriptif - metode pengorganisasian, rangkuman, dan penyajian data dengan cara yang
informatif.
Contoh 1: Jajak pendapat Gallup menemukan bahwa 49% orang dalam survei mengetahui nama
album pertama Metallica. Statistik 49 menggambarkan jumlah dari setiap 100 orang yang mengetahui
jawabannya.
Contoh 2: Menurut Consumer Reports, pemilik mesin cuci General Electric melaporkan 9 masalah
per 100 mesin selama tahun 2001. Statistik 9 menggambarkan jumlah masalah dari setiap 100 mesin.
Statistik Inferensial: Keputusan, perkiraan, prediksi, atau generalisasi tentang suatu populasi,
berdasarkan sampel.
Jenis Variabel
A. Variabel Kualitatif atau Atribut – karakteristik yang dipelajari adalah nonnumerik.
Contoh: Jenis kelamin, afiliasi agama, jenis mobil yang dimiliki, negara bagian lahir, warna mata
adalah contohnya.
B. Variabel kuantitatif – informasi dilaporkan secara numerik.
Contoh: saldo di rekening giro Anda, sisa menit di kelas, atau jumlah anak dalam satu keluarga.
Variabel Kuantitatif - Klasifikasi
Variabel kuantitatif dapat diklasifikasikan sebagai diskrit atau kontinu.
A. Variabel diskrit: hanya dapat mengasumsikan nilai tertentu dan biasanya terdapat “kesenjangan”
antar nilai.
Contoh: jumlah kamar tidur dalam sebuah rumah, atau jumlah palu yang dijual di Home Depot
setempat (1,2,3,…,dst).
B. Variabel kontinu dapat mengambil nilai apa pun dalam rentang tertentu.
Contoh: Tekanan pada ban, total aset, atau tinggi badan siswa dalam suatu kelas.

Empat Tingkat Pengukuran

Tingkat nominal - data yang diklasifikasikan ke dalam kategori dan tidak dapat disusun dalam urutan
tertentu.
Contoh: warna mata, jenis kelamin, afiliasi agama.
Tingkat ordinal – melibatkan data yang disusun dalam beberapa urutan, namun perbedaan antara nilai
data tidak dapat ditentukan atau tidak ada artinya.
Contoh: Pada uji rasa terhadap 4 minuman ringan, Mellow Yellow menduduki peringkat nomor 1,
Sprite nomor 2, Seven-up nomor 3, dan Orange Crush nomor 4.
Tingkat interval - mirip dengan tingkat ordinal, dengan properti tambahan yang dapat menentukan
jumlah perbedaan yang berarti di antara nilai-nilai data. Tidak ada titik nol alami.
Contoh: Suhu pada skala Fahrenheit.
Tingkat rasio - tingkat interval dengan titik awal nol yang melekat. Perbedaan dan rasio mempunyai
arti untuk tingkat pengukuran ini.
Contoh: Pendapatan bulanan ahli bedah, atau jarak tempuh perwakilan produsen per bulan.

Bab 2

Diagram batang
Suatu grafik yang kelas-kelasnya dilaporkan pada sumbu horizontal dan frekuensi kelas pada sumbu
vertikal. Frekuensi kelas sebanding dengan tinggi batang.
Diagram lingkaran
Merupakan bagan yang menunjukkan proporsi atau persen yang dimiliki setiap kelas.
Distribusi Frekuensi
Distribusi frekuensi adalah pengelompokan data ke dalam kategori yang saling eksklusif yang
menunjukkan jumlah observasi di setiap kelas.
Frekuensi Kelas Relatif
Frekuensi kelas dapat diubah menjadi frekuensi kelas relatif untuk menunjukkan pecahan dari jumlah
observasi di setiap kelas.
Frekuensi relatif menangkap hubungan antara total kelas dan jumlah observasi.
Distribusi Frekuensi
Titik tengah kelas: Titik yang membagi suatu kelas menjadi dua bagian yang sama besar. Ini adalah
rata-rata batas kelas atas dan bawah.
Frekuensi kelas : Banyaknya observasi pada setiap kelas.
Interval kelas: Interval kelas diperoleh dengan mengurangkan batas bawah suatu kelas dengan batas
bawah kelas berikutnya.
Membuat Tabel Frekuensi - Contoh
Langkah 1: Tentukan jumlah kelas.
Resep yang berguna untuk menentukan jumlah kelas (k) adalah “aturan 2 banding k”. sedemikian
rupa sehingga 2k > n.
Ada 80 kendaraan yang terjual. Jadi n = 80. Jika kita mencoba k = 6, yang berarti kita akan
menggunakan 6 kelas, maka 26 = 64, kurang dari 80. Oleh karena itu, 6 kelas saja tidak cukup. Jika k
= 7, maka 27 128, yang lebih besar dari 80. Jadi jumlah kelas yang disarankan adalah 7.
Langkah 2: Tentukan interval atau lebar kelas.
Rumusnya adalah: i > (H-L)/k dengan i adalah interval kelas, H adalah nilai teramati tertinggi, L
adalah nilai teramati terendah, dan k adalah jumlah kelas.
($35.925 - $15.546)/7 = $2.911

Bab 3

Karakteristik Mean
Rata-rata aritmatika adalah ukuran lokasi yang paling banyak digunakan. Hal ini membutuhkan skala
interval. Karakteristik utamanya adalah:
a) Semua nilai digunakan.
b) Ini unik.
c) Jumlah deviasi dari mean adalah 0.
d) Itu dihitung dengan menjumlahkan nilai dan membaginya dengan jumlah nilai.
Rata-rata Populasi
Untuk data yang tidak dikelompokkan, mean populasi adalah jumlah seluruh nilai populasi dibagi
dengan jumlah total nilai populasi:
Sifat-sifat Rata-Rata Aritmatika

 Setiap kumpulan data tingkat interval dan tingkat rasio memiliki mean.
 Semua nilai dimasukkan dalam menghitung mean.
 Sekumpulan data mempunyai mean yang unik.
 Rata-rata dipengaruhi oleh nilai data yang sangat besar atau kecil.
 Rata-rata aritmatika adalah satu-satunya ukuran tendensi sentral yang jumlah simpangan
setiap nilai dari rata-rata adalah nol.
Rata-rata Tertimbang
Rata-rata tertimbang dari himpunan bilangan X1, X2, ..., Xn, dengan bobot yang sesuai w1,
w2, ...,wn, dihitung dari rumus berikut:

Median
Median adalah titik tengah suatu nilai setelah diurutkan dari yang terkecil hingga yang terbesar.
Jumlah nilai di atas median sama banyaknya dengan nilai di bawahnya dalam larik data. Untuk
himpunan nilai genap, mediannya adalah rata-rata aritmatika dari dua bilangan tengah.
Properti Median
Ada median unik untuk setiap kumpulan data.
Hal ini tidak dipengaruhi oleh nilai-nilai yang sangat besar atau kecil dan oleh karena itu merupakan
ukuran tendensi sentral yang berharga ketika nilai-nilai tersebut muncul.
Ini dapat dihitung untuk data tingkat rasio, tingkat interval, dan tingkat ordinal.
Distribusi frekuensi dapat dihitung untuk distribusi frekuensi terbuka jika mediannya tidak terletak
pada kelas terbuka.
Contoh - Median
Usia sampel lima mahasiswa adalah:
21, 25, 19, 20, 22
Menyusun data dalam urutan menaik menghasilkan:
19, 20, 21, 22, 25.
Jadi mediannya adalah 21.
Modus
Modus adalah nilai observasi yang paling sering muncul.

Bab 4

Plot Titik

 Plot titik mengelompokkan data sesedikit mungkin dan identitas observasi individu tidak
hilang.
 Untuk mengembangkan plot titik, setiap pengamatan hanya ditampilkan sebagai titik di
sepanjang garis bilangan horizontal yang menunjukkan kemungkinan nilai data.
 Jika terdapat pengamatan yang identik atau pengamatan tersebut terlalu dekat untuk
ditampilkan satu per satu, titik-titik tersebut “ditumpuk” di atas satu sama lain.

Batang-dan-Daun
Tampilan batang dan daun adalah teknik statistik untuk menyajikan sekumpulan data. Setiap nilai
numerik dibagi menjadi dua bagian. Digit terdepan menjadi batang dan digit terakhir menjadi daun.
Batang terletak di sepanjang sumbu vertikal, dan nilai daun ditumpuk satu sama lain di sepanjang
sumbu horizontal. Keuntungan tampilan batang-dan-daun dibandingkan distribusi frekuensi - identitas
setiap pengamatan tidak hilang.
Batang-dan-Daun – Contoh
Misalkan ketujuh observasi pada kelas 90 sampai dengan 100 adalah: 96, 94, 93, 94, 95, 96, dan 97.
Nilai batang adalah angka atau angka terdepan, dalam hal ini 9. Daun adalah angka terakhir. Batang
ditempatkan di sebelah kiri garis vertikal dan nilai daun di sebelah kanan. Nilai pada kelas 90 hingga
100 akan tampak sebagai
Kemudian, kita mengurutkan nilai-nilai dalam setiap batang dari yang terkecil hingga yang terbesar.
Dengan demikian, akan muncul baris kedua tampilan batang dan daun.

Bab 5

Definisi
Probabilitas adalah ukuran kemungkinan terjadinya suatu peristiwa di masa depan. Jika itu hanya
dapat mengasumsikan nilai antara 0 dan 1.

 Nilai yang mendekati nol berarti peristiwa tersebut tidak mungkin terjadi. Nilai yang
mendekati satu berarti kemungkinan besar terjadi.
 Ada tiga cara untuk menetapkan probabilitas:
(a) klasik,
(b) empiris, dan
(c) subyektif.
Definisi berlanjut
Eksperimen adalah pengamatan terhadap suatu kegiatan atau tindakan melakukan suatu pengukuran.

 Hasil adalah hasil tertentu dari suatu percobaan.

 Suatu peristiwa adalah kumpulan dari satu atau lebih hasil suatu percobaan.
Menetapkan Probabilitas
Tiga pendekatan untuk menetapkan probabilitas

 Klasik
 Empiris
 Subyektif
Acara Saling Eksklusif
Peristiwa-peristiwa dikatakan saling lepas jika terjadinya salah satu peristiwa berarti tidak ada
peristiwa-peristiwa lain yang dapat terjadi pada waktu yang sama.
Peristiwa dikatakan bebas apabila terjadinya suatu peristiwa tidak mempengaruhi terjadinya peristiwa
yang lain.
Peristiwa yang Lengkap Secara Kolektif
Peristiwa dikatakan lengkap jika setidaknya salah satu peristiwa harus terjadi pada saat percobaan
dilakukan.
Probabilitas Empiris
Pendekatan empiris terhadap probabilitas didasarkan pada apa yang disebut hukum bilangan besar.
Kunci untuk menetapkan probabilitas secara empiris adalah bahwa lebih banyak observasi akan
memberikan perkiraan probabilitas yang lebih akurat.
Hukum Bilangan Besar
Misalkan kita melempar sebuah koin secara adil. Hasil setiap pelemparan adalah kepala atau ekor.
Jika kita melempar koin berkali-kali, probabilitas munculnya gambar akan mendekati 0,5. Tabel
berikut melaporkan hasil percobaan melempar koin sebanyak 1, 10, 50, 100, 500, 1.000 dan 10.000
kali dan kemudian menghitung frekuensi relatif kepala.
Probabilitas Empiris - Contoh
Pada tanggal 1 Februari 2003, Pesawat Ulang-alik Columbia meledak. Ini merupakan bencana kedua
dalam 113 misi luar angkasa NASA. Berdasarkan informasi ini, berapa probabilitas misi masa depan
dapat diselesaikan dengan sukses?
Probabilitas Subyektif - Contoh
Jika hanya ada sedikit atau tidak ada pengalaman atau informasi masa lalu yang menjadi dasar suatu
probabilitas, maka hal tersebut dapat ditentukan secara subyektif.
Ilustrasi probabilitas subjektif adalah:
1. Memperkirakan kemungkinan New England Patriots akan bermain di Super Bowl tahun depan.
2. Memperkirakan kemungkinan Anda menikah sebelum usia 30 tahun.
3. Memperkirakan kemungkinan defisit anggaran AS akan berkurang setengahnya dalam 10 tahun ke
depan.
Aturan Penambahan
Aturan Khusus Penjumlahan - Jika dua kejadian A dan B saling lepas, maka peluang terjadinya salah
satu kejadian atau kejadian lainnya sama dengan jumlah peluang kedua kejadian tersebut.
P(A atau B) = P(A) + P(B)
Aturan Umum Penjumlahan - Jika A dan B adalah dua kejadian yang tidak saling lepas, maka P(A
atau B) diberikan dengan rumus berikut:
P(A atau B) = P(A) + P(B) - P(A dan B)

Aturan Penjumlahan - Contoh

Berapa peluang bahwa sebuah kartu yang dipilih secara acak dari setumpuk kartu standar akan
menjadi raja atau hati?
P(A atau B) = P(A) + P(B) - P(A dan B)
= 4/52 + 13/52 - 1/52
= 16/52, atau 0,3077
Aturan Pelengkap
Aturan komplemen digunakan untuk menentukan peluang terjadinya suatu peristiwa dengan
mengurangkan peluang tidak terjadinya peristiwa tersebut dengan 1.
P(A) + P(~A) = 1 atau P(A) = 1 - P(~A).

Bab 6

Apa itu Distribusi Probabilitas?

Daftar semua hasil percobaan dan probabilitas yang terkait dengan setiap hasil.
Jenis Variabel Acak
Variabel Acak Diskrit hanya dapat mengasumsikan nilai-nilai tertentu yang dipisahkan dengan jelas.
Biasanya ini adalah hasil menghitung sesuatu
Variabel Acak
Variabel acak - besaran yang dihasilkan dari suatu percobaan yang, secara kebetulan, dapat
mengambil nilai yang berbeda.

 Variabel Acak Kontinu dapat mengasumsikan jumlah nilai tak terhingga dalam rentang
tertentu. Biasanya ini merupakan hasil dari beberapa jenis pengukuran
Variabel Acak Diskrit - Contoh

 Jumlah siswa dalam satu kelas.

 Jumlah anak dalam satu keluarga.
 Banyaknya mobil yang memasuki tempat pencucian mobil dalam satu jam.
 Jumlah hipotek rumah yang disetujui oleh Coastal Federal Bank minggu lalu.
Variabel Acak Kontinu - Contoh

 Jarak yang ditempuh siswa ke kelas.

 Waktu yang dibutuhkan seorang eksekutif untuk berkendara ke tempat kerja.
 Lamanya tidur siang.
 Lamanya waktu panggilan telepon tertentu.
Ciri-ciri Distribusi Diskrit
Ciri-ciri utama dari distribusi probabilitas diskrit adalah:

 Jumlah peluang berbagai hasil adalah 1,00.

 Probabilitas hasil tertentu adalah antara 0 dan 1,00.
 Hasilnya saling eksklusif.

Bab 7
Distribusi Seragam
Distribusi probabilitas seragam mungkin merupakan distribusi paling sederhana untuk variabel acak
kontinu. Distribusi ini berbentuk persegi panjang dan ditentukan oleh nilai minimum dan maksimum.
  Distribusi Seragam - Contoh
Berapa lama seorang siswa “biasanya” harus menunggu bus? Dengan kata lain, apa yang
dimaksud dengan waktu tunggu rata-rata? Berapa simpangan baku waktu tunggunya?

 Distribusi Seragam - Contoh

Berapa peluang seorang siswa akan menunggu lebih dari 25 menit?

 Distribusi Seragam - Contoh

Berapa peluang seorang siswa akan menunggu antara 10 dan 20 menit?
Karakteristik Distribusi Probabilitas Normal

 Berbentuk lonceng dan memiliki satu puncak di tengah distribusi.

 Rata-rata aritmatika, median, dan modus adalah sama
 Luas total di bawah kurva adalah 1,00; separuh luas di bawah kurva normal berada di sebelah
kanan titik pusat tersebut dan separuh lagi di sebelah kiri titik pusat tersebut.
 Ini simetris terhadap mean.
 Ini tidak menunjukkan gejala: Kurva semakin mendekati sumbu X tetapi tidak pernah benar-
benar menyentuhnya. Dengan kata lain, ekor kurva memanjang tanpa batas di kedua arah.
 Letak suatu distribusi normal ditentukan oleh mean,u, sebaran atau penyebaran suatu
distribusi ditentukan oleh simpangan baku,σ .
Distribusi Probabilitas Normal Standar

 Distribusi normal baku adalah distribusi normal dengan mean 0 dan deviasi standar 1.
 Ini juga disebut distribusi z.
 Nilai z adalah jarak antara nilai yang dipilih, yang diberi tanda X, dan rata-rata populasi ,
dibagi dengan simpangan baku populasi, σ.
 Rumusnya adalah:
Aturan Empiris

 Sekitar 68 persen area di bawah kurva normal berada dalam satu standar deviasi dari mean.
 Sekitar 95 persen berada dalam dua standar deviasi dari mean.
 Secara praktis semuanya berada dalam tiga standar deviasi dari mean.
Aturan Empiris - Contoh
Sebagai bagian dari program jaminan kualitasnya, Perusahaan Baterai Autolite melakukan pengujian
terhadap masa pakai baterai. Untuk baterai alkaline sel D tertentu, masa pakai rata-ratanya adalah 19
jam. Masa manfaat baterai mengikuti distribusi normal dengan standar deviasi 1,2 jam.

Bab 8

Mengapa Mengambil Sampel Populasi?

 Ketidakmungkinan fisik untuk memeriksa semua item dalam populasi.

 Biaya mempelajari semua item dalam suatu populasi.
 Hasil sampel biasanya memadai.
  Menghubungi seluruh populasi seringkali memakan waktu.
 Sifat destruktif dari tes tertentu.
Pengambilan Sampel Probabilitas
Sampel probabilitas adalah sampel yang dipilih sedemikian rupa sehingga setiap item atau orang
dalam populasi yang diteliti mempunyai kemungkinan yang diketahui untuk dimasukkan ke dalam
sampel.
1. Metode Pengambilan Sampel Probabilitas
 Sampel Acak Sederhana: Sampel yang dirumuskan sedemikian rupa sehingga setiap item atau
orang dalam populasi mempunyai peluang yang sama untuk dimasukkan.
 Pengambilan Sampel Acak Sistematis: Item atau individu dari populasi disusun dalam
beberapa urutan. Titik awal dipilih secara acak dan kemudian setiap anggota populasi yang
ke-k dipilih sebagai sampel.
2. Metode Pengambilan Sampel Probabilitas
 Pengambilan Sampel Acak Berstrata: Suatu populasi pertama-tama dibagi menjadi beberapa
subkelompok, yang disebut strata, dan sampel dipilih dari setiap strata.
 Cluster Sampling: Suatu populasi pertama-tama dibagi menjadi unit-unit primer, kemudian
sampel dipilih dari unit-unit primer tersebut.
3. Metode Pengambilan Sampel Probabilitas
Dalam nonprobabilitas, penyertaan sampel dalam sampel didasarkan pada penilaian orang
yang memilih sampel.
Kesalahan pengambilan sampel adalah perbedaan antara statistik sampel dan parameter
populasi terkait.
Distribusi Pengambilan Sampel dari Sarana Sampel
Distribusi pengambilan sampel dari mean sampel adalah distribusi probabilitas yang terdiri dari
semua mean sampel yang mungkin dari ukuran sampel tertentu yang dipilih dari suatu populasi.
Distribusi Sampling dari Rata-rata Sampel - Contoh
Tartus Industries memiliki tujuh karyawan produksi (dianggap sebagai populasi). Penghasilan per jam
setiap karyawan diberikan pada tabel di bawah ini.
Teorema Limit Pusat

 Untuk populasi dengan mean μ dan varians σ2, distribusi sampling dari mean semua
kemungkinan sampel berukuran n yang dihasilkan dari populasi akan berdistribusi normal.
 Rata-rata distribusi sampling sama dengan μ dan varians sama dengan σ2/n.
Menggunakan Distribusi Sampling dari Rata-Rata Sampel (Diketahui Sigma)

 Jika suatu populasi mengikuti distribusi normal, maka distribusi sampling mean sampel juga
akan mengikuti distribusi normal.
 Untuk menentukan probabilitas rata-rata sampel berada dalam wilayah tertentu,
X̄−μ
mengunakan: z=
σ / √n
 Bab 9

Titik dan Estimasi Interval

 Estimasi titik adalah statistik yang dihitung dari informasi sampel, yang digunakan untuk
memperkirakan parameter populasi.
 Estimasi interval kepercayaan adalah rentang nilai yang dibangun dari data sampel sehingga
parameter populasi kemungkinan besar muncul dalam rentang tersebut pada probabilitas
tertentu. Probabilitas yang ditentukan disebut tingkat kepercayaan.

Faktor-Faktor yang Mempengaruhi Estimasi Interval Keyakinan

Faktor-faktor yang menentukan lebar selang kepercayaan adalah:
1.Ukuran sampel, n.
2. Variabilitas populasi, biasanya diperkirakan dengan s.
3.Tingkat kepercayaan yang diinginkan.
Perkiraan Interval - Interpretasi
Untuk interval kepercayaan 95%, sekitar 95% dari interval yang dibuat serupa akan berisi parameter
yang diestimasi. Juga 95% dari rata-rata sampel untuk ukuran sampel tertentu akan berada dalam 1,96
standar deviasi dari populasi yang dihipotesiskan
Karakteristik distribusi-t
1. Seperti distribusi z, ini adalah distribusi kontinu.
2. Seperti distribusi z, berbentuk lonceng dan simetris.
3. Tidak ada satu distribusi t, melainkan sekumpulan distribusi t. Semua distribusi t memiliki
rata-rata 0, tetapi simpangan bakunya berbeda-beda menurut ukuran sampel, n.
4. Distribusi t lebih menyebar dan datar di bagian tengah dibandingkan distribusi normal
standar. Namun, seiring bertambahnya ukuran sampel, distribusi t mendekati distribusi
normal standar,

Estimasi Interval Keyakinan untuk Mean

Gunakan distribusi Z
Jika simpangan baku populasi diketahui atau sampel lebih besar dari 30.
Gunakan distribusi-t
Jika simpangan baku populasi tidak diketahui dan sampel kurang dari 30.

Estimasi Interval Keyakinan untuk Mean – Menggunakan Minitab

Manajer Inlet Square Mall, dekat Ft. Myers, Florida, ingin memperkirakan jumlah rata-rata yang
dibelanjakan per kunjungan belanja oleh pelanggan. Sampel yang terdiri dari 20 pelanggan
menunjukkan jumlah pembelanjaan berikut.

Bab 10
Apa itu Hipotesis?
Hipotesis adalah pernyataan tentang nilai parameter populasi yang dikembangkan untuk tujuan
pengujian. Contoh hipotesis yang dibuat tentang parameter populasi adalah:
Pendapatan bulanan rata-rata untuk manajer akuntansi adalah $3,625.
Dua puluh persen dari seluruh perusahaan yang terdaftar di BEI melakukan praktik manajemen laba.
Apa itu Pengujian Hipotesis?
Pengujian hipotesis adalah suatu prosedur, berdasarkan bukti sampel dan teori probabilitas, yang
digunakan untuk menentukan apakah hipotesis merupakan pernyataan yang masuk akal dan tidak
boleh ditolak, atau tidak beralasan dan sebaiknya ditolak.
Hal Penting yang Perlu Diingat tentang H0 dan H1
H0: hipotesis nol dan H1: hipotesis alternatif
H0 dan H1 saling eksklusif dan lengkap secara kolektif
H0 selalu dianggap benar
H1 mempunyai beban pembuktian
Sampel acak (n) digunakan untuk “menolak H0”
Jika kita menyimpulkan 'tidak menolak H0', hal ini tidak berarti hipotesis nol benar, hanya
menunjukkan bahwa tidak terdapat cukup bukti untuk menolak H0; menolak hipotesis nol,
menunjukkan bahwa hipotesis alternatif mungkin benar.
Kesetaraan selalu menjadi bagian dari H0 (misalnya “=” , “≥” , “≤”). “≠” “<” dan “>” selalu menjadi
bagian dari H1
Cara Menyiapkan Klaim sebagai Hipotesis
Dalam praktik sebenarnya, status quo ditetapkan sebagai H0
Jika tuntutannya “sombong” maka tuntutan tersebut ditetapkan sebagai H1 Ingat, H1 mempunyai
beban pembuktian
Dalam pemecahan masalah, carilah kata-kata kunci dan ubahlah menjadi simbol-simbol. Beberapa
kata kuncinya antara lain: “lebih baik, lebih baik dari, sama efektifnya, berbeda dari, telah berubah,
dan sebagainya.”

Nilai-p dalam Pengujian Hipotesis

p-VALUE adalah probabilitas pengamatan nilai sampel sama ekstrimnya, atau lebih ekstrim dari, nilai
yang diamati, mengingat hipotesis nolnya benar.
  Dalam menguji hipotesis, kita juga dapat membandingkan nilai p dengan tingkat signifikansi
 Jika p-value < taraf signifikansi maka H0 ditolak, sebaliknya H0 tidak ditolak.
Apa yang dimaksud dengan nilai p < ?
(a) .10, kita mempunyai beberapa bukti bahwa H0 tidak benar.
(b) 0,05, kita mempunyai bukti kuat bahwa H0 tidak benar.
(c) 0,01, kita mempunyai bukti yang sangat kuat bahwa H0 tidak benar.
(d) 0,001, kami mempunyai bukti yang sangat kuat bahwa H0 tidak benar.

Menguji Rata-Rata Populasi: Deviasi Standar Populasi Tidak Diketahui

Jika simpangan baku populasi (σ) tidak diketahui, maka simpangan baku sampel (s) digunakan
sebagai penggantinya
Distribusi t digunakan sebagai statistik uji, yang dihitung menggunakan rumus:
Menguji Rata-rata Populasi: Deviasi Standar Populasi Tidak Diketahui - Contoh
Departemen Klaim Perusahaan Asuransi McFarland melaporkan biaya rata-rata untuk memproses
klaim adalah $60. Perbandingan industri menunjukkan jumlah ini lebih besar dibandingkan
kebanyakan perusahaan asuransi lainnya, sehingga perusahaan menerapkan langkah-langkah
pemotongan biaya. Untuk mengevaluasi dampak tindakan pemotongan biaya, Supervisor Departemen
Klaim memilih sampel acak sebanyak 26 klaim yang diproses bulan lalu. Contoh informasi
dilaporkan di bawah ini.
Pada tingkat signifikansi 0,01, apakah masuk akal jika klaim sekarang kurang dari $60?
Menguji Rata-rata Populasi dengan Deviasi Standar Populasi yang Diketahui- Contoh

 Langkah 1: Nyatakan hipotesis nol dan hipotesis alternatif.

H0:  ≥ $60
H1:  < $60
(catatan: kata kunci dalam soal “sekarang kurang dari”)

 Langkah 2: Pilih tingkat signifikansi.

α = 0,01 seperti yang tertera pada soal

 Langkah 3: Pilih statistik pengujian.

Gunakan distribusi-t karena σ tidak diketahui