PENGUJIAN HIPOTESIS

A. Pendahuluan

Topik penting lainnya dalam statistika inferensial adalah pengujian hipotesis.

Hipotesis dalam statistika memiliki makna yang sangat luas dan perlu pengujian secara
seksama berbasis data empiris dari sampel. Hipotesis dalam statistika bermakna pendugaan
(conjecture) yang diungkapkan dengan kalimat pernyataan tentang parameter populasi.
Kalimat pernyataan ini dituliskan dalam simbol-simbol statistika yang sudah baku digunakan
diseluruh dunia. Hipotesis statistika ini umumnya diturunkan dari hipotesis penelitian. Oleh
karena itu setiap peneliti yang menggunakan statistika sebagai alat analisisnya harus
memahami secara mendalam hubungan antara hipotesis penelitiannya dengan hipotesis
statistika yang dirancangnya yang selanjutnya akan diujinya dengan langkah-langkah
pengujian hipotesis statistika.

Pada hipotesis statistika dikenal lambang H 0 dan lambang H1 atau Ha atau HT. Pada
dasarnya hipotesis penelitian yang telah dirancang oleh sipeneliti, diterjemahkan dalam
bahasa statistika dan ditulis dalam lambang statistika dan diletakkan pada H 1 atau pada Ha
atau pada HT bukan pada H0. Pada prinsipnya H0 adalah hipotesis yang ingin ditolak oleh si
peneliti. Menolak H0 berarti menerima H1, begitu pula sebaliknya. Oleh karena itu setelah
melalui proses pengujian, seorang peneliti akan mengambil keputusan apakah menolak H 0
atau sebaliknya mengatakan tidak cukup bukti untuk menolak H 0. Kalau dia menolak H0
berarti dia menerima H1 dan keputusan ini sesuai dengan kehendaknya. (ingat bahwa
hipotesis penelitian yang telah dirancang sebelumnya diletakkan pada H1).

Pada pengujian hipotesis dikenal 2 jenis pengujian yaitu:

1. Pengujian satu sisi atau satu arah (one-sided/one-talled test)

Directional test

Bentuk umum hipotesis statistika:

 H0 : θ=θ0 atau H0 : θ=θ0

H1 : θ>θ 0 atau H0 : θ<θ 0

2. Pengujian dua sisi atau dua arah (two-sided/one-talled test)

Nondirectional test

Bentuk umum hipotesis statistika : H0 : θ=θ0

H1 : θ ≠ θ0

Catatan:

Hipotesis (H0) selalu ditulis dengan menggunakan tanda “=”

(memberikan satu nilai tertentu ). Dengan cara ini, peluang membuat kesalahan tipe I selalu
dapat dikontrol.

Contoh 1:

Seorang guru matematika di suatu kota mengklaim bahwa rata-rata nilai matematika siswa
SMA di kotanya melebihi nilai 6,5. Untuk menguji klaim guru tersebut kita pakai hipotesis
nol dan hipotesis alternatif.

H0 : μ=6 ,

H1 : μ>6 ,5

(lambang > pada H1 menunjukkan pengujian hipotesis ini adalah pengujian hipotesis satu
arah, yaitu arah ke kanan)

6,5
Contoh 2:
Seorang pembalap memperkirakan bahwa rata-rata kecepatan terendahnya tidak pada angka
40 km perjam. Untuk menguji dugaannya itu dirumuskan hipotesis:
H0 :  = 40
H1 :   40
(Lambang ≠ pada H1 menunjukkan bahwa pengujian hipotesis ini adalah pengujian hipotesis
dua arah)
 40
B. Prosedur Pengujian Hipotesis Statistika

Ada beberapa langkah yang harus dilalui ketika akan melakukan pengujian hipotesis
statistika, yaitu:

(1) Tulis dan rumuskan hipotesis nol (H0)

(2) Rumuskan hipotesis alternatif yang sesuai dengan hipotesis penelitian dan letakkan
pada H1, atau pada Ha, atau pada HT
(3) Tetapkan tingkat signifikan () misalnya α = 5%
(4) Pilih tes statistik yang sesuai, dan buat sketsa kurva normal dan tetapkan daerah kritis
(daerah penolakan H0)
(5) Hitung nilai statistik dari data-data sampel
(6) Buat keputusan / kesimpulan:
H0 ditolak, bila nilai statistik “hitung’ pada (5) terletak di daerah kritis, H0 diterima
bila sebaliknya.

Catatan: Gunakan lambang-lambang statistika ketika merumuskan H0 dan Ha

C. Pengujian signifikansi rata-rata populasi

1. Jika varians populasi diketahui (kasus ini tidak terjadi pada realitas kehidupan, kecuali
pada persoalan rekayasa atau berdasarkan pengalaman sebelumnya)

Apabila populasi berdistribusi normal dengan rata-rata  dan varians 2 , maka : μ x =¿dan
2
2 σ
σ x= (populasi besar) dimana n= ukuran sampel berarti
n

x−μx x−μ x
=
Z = σx σ
√n
x−μx
Karena hipotesis nol H0 :  = 0, Maka Z = σ berdistribusi normal
√n
Kasus 1. Jika hipotesis alternatif, H 1 :   0 , maka untuk tingkat signifikan  daerah
kritis adalah : Z > Z α / 2 atau Z < −Z α / 2
 Selanjutnya, dari sebuah sampel berukuran n kita dapatkan x dan karena  diketahui,
maka

x−μ x
Z hitung =
Z hitung adalah σ
√n
Dari gambar di atas dapat di simpulkan bahwa: H 0 ditolak bila Z hitung >¿ Z α / 2 atau
Z hitung ← Z α / 2

Kasus 2. Apabila hipotesis alternatif H1 :  > 0 , maka untuk tingkat signifikan , daerah
kritis adalah untuk Z > Z α

Kesimpulan : H0 ditolak, bila Z hitung > Z α

Kasus 3. Apabila hipotesis alternatif H1 :  < 0 , maka H0 ditolak bila Z hitung < −Z α

Contoh :

Sebuah sampel beranggota 100 dicatat dari siswa-siswa SMA pada suatu kabupaten dan
didapat rata-rata nilai matematika mereka adalah 6,2. Jika simpangan baku rata-rata nilai
matematika siswa di Indonesia adalah 0,9 apakah hal ini mengindikasikan bahwa rata-rata
nilai matematika siswa di Indonesia lebih dari 6,0. Gunakan tingkat signifikan 5%.

Penyelesaian :

Diketahui : x=6 , 2 , n=100 , σ =0 , 9

(1) H0 : μ=6 , 0
(2) H1 : μ>6 ,5
(3) σ =0 , 05
(4) Daerah krisis : Z > Z 0 ,05= 1,65 dimana
x−μx
Z= σ
√n