“RESUME STATISTIK STUDENT’S TEST T”

1. Pengertian Student’s test t

Test “t” adalah salah satu tes statisik yang dipergunakan untuk menguji kebenaran atau
kepalsuan hipotesis nihil yang menyatakan bahwa diantara dua buah mean sampel diambil
secara random dari populasi yang sama tidak terdapat perbedaan yang signifikan. Sebagai
salah satu tes statistic parametric, Tes “t” mula pertama dikembangkan oleh William Seely
Gosset pada tahun 1915. Test t sering juga disebut dengan istilah student t (Sudijono:2011).

Tujuan utama kegiatan penelitian antara lain adalah menemukan prinsip yang dapat
diberlakukan secara umum atau bersifat universal. Untuk dapat menemukan prinsip yang
universal itu secara ideal teoritis seorang peneliti seharusnya meneliti keseluruhan objek yang
ia hadapi, dengan kata lain meneliti populasinya. Dengan meneliti populasi, generalisasi yang
diungkapkan oleh seorang peneliti tidak akan terlalu berbeda dengan kenyataan sebenarnya.
Akan tetapi, peneliti akan mengalami kesusahan ketika meneliti seluruh populasi, karena
tidak praktis dan peneliti tidak mungkin melakukan penelitian terhadap karaketristiknya.
Itulah sebabnya sebelum dilakukan pengukuran, populasi perlu diubah terlebih dahulu ke
dalam populasi yang lebih kecil, yang kemudian kita sebut dengan sampel. Sampel sebagai
miniatur population diperoleh dengan cara melakukan reduksi terhadap populasi dan dengan
mereduksi populasi ke dalam bentuk sampel.
Sampel adalah proporsi kecil dari populasi yang seharusnya diteliti, yang dipilh,
ditetapkan untuk keperluasan analisis. Dengan meneliti sampel saja diharapkan peneliti
mampu menarik kesimpulan yang akan dikenakan terhadap populasinya. Agar penarikan
kesimpulan tidak terlalu jauh menyimpang dari populasinya, maka proses pengambilan
sampel dilakukan secara cermat.Salah satu tugas statistik inferensial adalah memperkirakan
atau membuat perkiraan seberapa jauh kiranya hasil pengukuran yang dilakukan terhadap
sampel menyimpang dari pengukuran yang dilakukan terhadap populasi.

2. Kegunaan Uji t
Uji t dilakukan dengan tujuan sebagai berikut:
a. Digunakan untuk menguji hipotesa komparatif (uji perbedaan)

b. Digunakan untuk sampel kecil & varian populasi tidak diketahui

c. Merupakan salah satu tehnik statistik parametrik

 d. Membedakan mean kelompok
e. Sampel yang diambil diperoleh dari data berdistribusi normal

3. Syarat Penggunaan Uji t

Beberapa hal yang perlu diperhatikan sebelum menggunakan rumus uji t atau (student
t) adalah:
1. Menentukan simpangan baku populasi atau standar deviasi (SD)
Menurut Suharsimi jika terdapat sampel berukuran n dengan data x 1, x2, x3, ....., xn dan
rata-rata , maka:

SD (Sudjana)
Jika data dari sampel telah di susun dalam daftar distribusi frekuensi, maka menentukan
standar deviasi dipakai rumus:

SD = (Sudjana)
Dimana: xi = tanda kelas, fi = frekuensi pada kelas tertentu, n = banyak frekuensi

2. Skala pengukuran Rasio/Interval

Menurut Irianto (2004), skala rasio adalah skala pengukuran yang mempunyai nilai nol
mutlak dan mempunyai jarak yang sama.

3. Data Terdistribusi Normal

Pada umumnya kondisi populasi dalam dunia pendidikan terdistribusi normal. Tetapi
tidak selamanya populasi yang dijumpai akan terdistribusi normal. Oleh karena itu kita
harus menggunakan analisis statistik untuk mengujinya. Menurut Irianto (2004:62), data
populasi akan berdistribusi normal jika rata-rata nilainya sama dengan modusnya serta
sama dengan mediannya.
Cara-cara melakukan uji normalitas:
a. Menggunakan Z score:
X− X
Z= , (Irianto)
s
SD= standar deviasi dan = rata-rata
b. Menggunakan chi-kuadrat hitung
 Keterangan:
fe = frekuensi yang diharapkan
fo= frekuensi dari hasil pengamatan
ketentuan dalam uji chi kuadrat:
jika hitung tabel, artinya distribusi data tidak normal.
jika hitung tabel, artinya distribusi data normal.
4. Melakuan Uji Homogenitas
Menurut Riduwan (2005: 119) untuk menguji homogenitas dapat dilakukan
membandingkan varian terbesar dengan varian terkecil.

(Riduwan)
Jika berarti data tidak homogen dan jika berarti data
homogen.

4. Uji rata-rata Satu Pihak dan Dua pihak

Pengujian rata-rata dilakukan dengan dua cara, yaitu dengan menguji satu pihak (kiri
atau kanan) atau uji dua pihak.
1. Uji dua pihak
Kriteria yang didapatkan pada proses ini adalah; terima hipotesis nol jika harga statistic
yang dihitung berdasarkan data peneltitian jatuh antara d1 dan d2, sedangkan yang
lainnya ditolak. Menguji rata-rata dua pihak haus diuji dari dua pihak yang ada yaitu
pihak kanan dan kiri secara bersamaan.
H0 :
H1 :
Contoh Grafik uji dua pihak

Gambar 1: Grafik Uji dua Pihak

2. Uji satu pihak
a. Uji pihak kanan
Untuk tandingan H1 yang memiliki perumusan lebih besar, maka dalam distribusi
yang digunakan dapat sebuah kritis diujung sebelah kanan yang besarnya sama
dengan alpha. Criteria yang dipakai adalah ketika H0 yang dihitung berdasarkan
sampel tidak kurang dari d. krena ini merupakan uji satu pihak maka nila alpha hanya
berada dalam satu pihak saja.
H0 :
H1 :
Seperti yang terlihat pada grafik berikut;

Gambar 2: Grafik Uji Kanan

b. Uji Pihak Kiri

Untuk tandingan H1 mengandung pernyataan lebih kecil maka daerah kritis yang
terbentuk adalah di sebelah kiri yang besarnya alpha. Sama dengan uji pihak kanan
nilai alpha akan berada pada satu pihak yaitu pihak kiri.
H0 :
H1 :
Seperti yang telihat pada grafik berikut:

Gambar 3: Uji Pihak Kiri

5. Penggolongan Uji t
Uji t dapat digolongkan menjadi dua bagian:
1. Uji t untuk Satu Sampel
Uji t untuk sampel ini digunakan untuk satu sampel.Uji t satu sampel digunakan untuk
menguji apakah suatu nilai berbeda secara nyata.Prinsipnya menguji apakah suatu nilai
tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan
rata-rata sebuah sampel. Nilai yang dimaksud pada umumnya adalah nilai parameter untuk
mengukur suatu populasi.

Uji t satu sampel bisa menggunakan rumus:

(Irianto)

Keterangan:
t = Nilai t hitung
= Rata-rata sample
= Nilai parameter
SD =Standar deviasi sample
n = Jumlah sample Rumus one sample t-test

2. Uji t untuk Dua Sampel

Pada uji t untuk dua sampel atau lebih, kedua sampel diambil dari dua populasi yang
mempunyai varians sama. Uji t untuk dua sampel terdiri atas:
a. Uji t Berpasangan
Uji t berpasangan digunakan untuk membandingkan mean dari suatu sampel yang
berpasangan (paired).Sampel berpasangan adalah sebuah kelompok sampel dengan subyek
yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda. Menurut
Suharsimi (2006) yang menyatakan bahwa untuk menganalisis hasil eksperimen yang
menggunakan pretes dan postes desain satu kelompok, maka digunakan persamaan berikut:
Md
t= (Suharsimi)

√ ∑ x2 d
N ( N−1)
 Dengan:

Md=
∑d (Suharsimi)
N

Keterangan:
d = Perbedaan pretes dengan postes (postes – pretes)
Md = Mean dari perbedaan pretes dengan postes
xd = Deviasi masing-masing subjek (d-Md )
∑x2d= Jumlah kuadrat deviasi
N = Subjek pada sampel

Interpretasinya untuk mengintepretasikan t-test terlebih dahulu harus ditentukan.

Dimana nilai α dan df (degree of freedom) = N-k. Untuk paired sample uji t df= N-1. Lalu
bandingkan nilai t-hitung dengan nilai t-tabel.
Apabila :
1) t hitung > ttabel maka berbeda secara signifikan (H0 Ditolak)
2) t hitung < ttabel maka tidak berbeda secara signifikan(H0 Diterima)
Dalam lingkup uji-t untuk pengujian hipotesis 2-sampel bebas, maka ada 1 hal yang
perlu mendapat perhatian, yaitu apakah ragam populasi diasumsikan homogen (sama) atau
tidak. Bila ragam populasi diasumsikan sama, maka uji-t yang digunakan adalah uji-t dengan
asumsi ragam homogen, sedangkan bila ragam populasi dari 2-sampel tersebut tidak
diasumsikan homogen, maka yang lebih tepat adalah menggunakan uji-t dengan asumsi
ragam tidak homogen. Uji-t dengan ragam homogen dan tidak homogen memiliki rumus
hitung yang berbeda.Oleh karena itulah, apabila uji-t hendak digunakan untuk melakukan
pengujian hipotesis terhadap 2-sampel, maka harus dilakukan pengujian mengenai
asumsi kehomogenan ragam populasi terlebih dahulu dengan menggunakan uji-F.
Uji-t berpasangan (paired t-test) adalah salah satu metode pengujian hipotesis
dimana data yang digunakan tidak bebas (berpasangan). Uji-t ini membandingkan satu
kumpulan pengukuran yang kedua dari contoh yang sama. Uji ini sering digunakan untuk
membandingkan skor “sebelum” dan “sesudah” percobaan untuk menentukan apakah
perubahan nyata telah terjadi.Ciri-ciri yang paling sering ditemui pada kasus yang
berpasangan adalah satu individu (objek penelitian) dikenai 2 buah perlakuan yang berbeda.
Walaupun menggunakan individu yang sama, peneliti tetap memperoleh 2 macam data
sampel, yaitu data dari perlakuan pertama(sebelum) dan data dari perlakuan kedua
(sesudah).
b. Uji t Independent
Digunakan untuk membandingkan dua kelompok mean dari dua sampel yang berbeda
(independent).Prinsipnya ingin mengetahui apakah ada perbedaan mean antara dua populasi,
dengan membandingkan dua mean sample-nya.
Rumus independent sample t-test:
(X ¿ ¿ 1¿ −X 2)−( μ1 −μ 2)
t= ¿¿ (Irianto)
SX − X
1 2

Keterangan:
t = Nilai t hitung
X1 = Rata-rata kelompok 1
X 2 =¿Rata-rata kelompok 2
S X −X = Standard error kedua kelompok

Contoh: Seorang dosen Statistik melakukan eksperimen tentang metode mengajar A dan
metode mengajar B terhadap mahasiswa dari beberapa perguruan tinggi. Untuk itu dosen
tersebut mengambil dua kelas sebagai kelas eksperimen dan control. Kelas A ada 9 orang
siswa dan kelas B ada 13 orang siswa, dengan data sebagai berikut:
Kelas A: 70,60, 80, 75, 76, 75, 71, 65, 85
Kelas B: 63, 60, 70, 80, 74, 75, 85, 64, 65, 60, 90, 75, 75
Sebelum kita melakukan perhitungan lebih lanjut maka sebaiknya kita menyusun data
tersebut dalam suatu table;
XA X A −X A 2
(X A− X A ) XB X B− X B (X B− X B )
2

85 12 144 90 18 324
80 7 49 85 13 169
76 3 9 80 8 64
75 2 4 75 3 9
75 2 4 75 3 9
71 -2 4 75 3 9
70 -3 9 74 2 4
 65 -8 64 70 -2 4
60 -3 169 65 -7 49
64 -8 64
63 -9 81
60 -12 144
60 -12 144
657 0 456 936 0 1074

X A =657 : 9=73
X B=936: 13=72
Langkah-langkah pengujian hipotesis yang dpat kita lakukan;
Pertama: Penyusunan Hipotesis Matematika
H0 : μ A −μB =0
H1 : μ A −μB ≠ 0
Apabila untuk pengujian ini digunakan alpha sebesar 0,05 dan derajat kebebasan
adalah 9+13-2= 20
Kedua : Menghitung Standar Eror dengan nilai sebagai berikut

2
S=
∑ ( X A −X A ) + ∑ ( X B −X B )
2 2

p
N A + N B−2
2 456+1074
S p= =76 ,5
9+13−2

SX A −XB =
√ S 2p S2p
+
N A NB

SX A −XB =
√ 765 765
9
+
13
=3,79

(X ¿ ¿ A ¿−X B )−(μ A −μB ) ( 73−72 )−0

t hitung = = =0,2369 ¿ ¿
SX − X
A B
3 , 79
t tabel=¿ 2,086. Hal ini berarti daerah penerimaan adalah H 0 diantara -2,086 dan +2,086.
Dengan demikian kita dapat mengambil kesimpulan yaitu menerima hipotesis nol. Artinga
tidak terdapat perbedaan rata siswa yang diajar dengan metode A dan metode B.
 Z Scores

1. Pengujian Hipotesis
Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk hal
tertentu yang sering dituntut untuk dilakukan pengecekkanya (Sudjana, 2002). Kalau dalam
bidang hukum kita sering mendengar ada istilah praduga tak bersalah, di mana seseorang
dalam pengaduan sebagai tersangka akan diasumsikan tak bersalah sampai hakim
membuktikan ia bersalah. Dalam statistika kita juga menggunakan suatu penduga terhadap
populasi dan kemudian kita perlu membuktikan kebenarannya. Setiap hipotesis bisa benar
atau tidak dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima atau
ditolak. Langkah atau prosedur untuk menentukan apakah hipotesis itu dapat diterima atau
ditolak dinamakan pengujian hipotesis.

Sebelum mengadakan pengujian hipotesis kita harus memahami dahulu asumsi yang
diperlukan dalam pengujian hipotesis. Asumsi ini penting sebab dalam pengujian hipotesis,
perbedaan asumsi akan membedakan alat uji yang digunakan. Dalam pengujian hipotesis
tahap–tahap yang harus dilakukan adalah (Nugraheni, 2011):

a. Menentukan hipotesis null dan alternatif

Dalam menentukan hipotesis null dan alternatif kita harus mengetahui tentang hipotesis
yang akan diuji. Hipotesis null adalah hipotesis yang akan diuji kebenarannya. Sebagai
contoh kita ingin menguji tentang rata-rata laba perusahaan di BEJ adalah sama dengan 100
juta, maka hipotesis null-nya adalah Ho: μ=100 juta.

b. Memilih tingkat signifikansi

Dalam memilih tingkat signifikansi kita harus memperhatikan hasil penelitian terdahulu
terhadap penelitian sejenis. Masing-masing bidang ilmu mempunyai standar yang berbeda
dalam menentukan tingkat signifikansi. Ilmu sosial biasanya menggunakan tingkat
signifikansi antara 90% ( 10%) sampai 95% ( 5%), sedangkan ilmu-ilmu eksakta biasanya
menggunakan tingkat signifikansi antara 98% ( 2%) sampai 99% ( 1%).

c. Mengidentifkasi uji statistik

 Setelah menentukan tingkat signifikansi langkah selanjutnya adalah menentukan uji
statistik yang akan digunakan. Hal ini karena masing-masing uji statistik memerlukan asumsi
yang berbeda dalam penerapannya.

d. Membuat aturan keputusan

Aturan keputusan adalah sebuah pernyataan tentang kondisi di mana hipotesis ditolak
atau kondisi hipotesis tidak ditolak. Area penolakan menjelaskan lokasi dari semua nilai yang
sangat besar atau sangat kecil sehingga probabilitas kita di bawah sebuah hipotesis null yang
benar agar jauh.

e. Pengambilan Keputusan
Tahap terakhir adalah pengambilan keputusan untuk menolak atau tidak menolak
hipotesis null.

2. Pengujian Hipotesis dengan Uji Z

Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan
distribusi normal. Menurut teori limit terpusat, data dengan ukuran sampel yang besar akan
berdistribusi normal. Oleh karena itu, uji Z dapat digunakan utuk menguji data yang
sampelnya berukuran besar. Jumlah sampel 30 atau lebih dianggap sampel berukuran besar.
Selain itu, uji Z ini dipakai untuk menganalisis data yang varians populasinya diketahui.
Namun, bila varians populasi tidak diketahui, maka varians dari sampel dapat digunakan
sebagai penggantinya (Hatta, 2010). Selanjutnya menurut Hatta kriteria penggunaan uji Z
dibagi menjadi data berdistribusi normal, variance (σ2) diketahui, ukuran sampel (n) besar,
≥ 3, dan digunakan hanya untuk membandingkan 2 buah observasi.

Nugraheni (2011) menjelaskan bahwa penggunaan uji Z dapat dilakukan secara uji satu
arah atau uji dua arah. Seperti pada Gambar 1, terlihat bahwa bahwa kita menggunakan uji
satu arah, karena area penolakan hanya di sebelah kanan arah dari kurva.

Titik Kritis
 Gambar 1. Daerah Penolakan dan Penerimaan H0
Pengujian satu arah atau dua arah akan sangat ditentukan oleh hipotesis yang akan kita
uji. Pada contoh uji tentang mean yang menyatakan bahwa Ho: µ ¿ 3,02, yang dibaca bahwa
rata-rata populasi adalah sama dengan atau kurang dari 3,02, sehingga hipotesis alternatifnya
adalah Ha: µ > 3,02. Uji ini adalah uji satu arah sehingga apabila kita gambarkan dalam
bentuk grafik adalah seperti Gambar 2.

Gambara 2. Grafik Pengujian Satu Arah

Apabila kita ingin menguji suatu hipotesis yang menyatakan bahwa rata-rata keluarga
memiliki anak kurang dari 4 orang maka bentuk uji hipotesisnya adalah sebagai berikut:

Ho: µ ¿ 4

Ho: µ < 4

Pada hipotesis di atas dalam pengujiannya menggunakan uji satu arah di mana aturan
pengambilan keputusannya bisa kita gambarkan sebagai berikut:

Gambar 3. Grafik Pengujian Satu Arah

Uji satu arah digunakan jika dalam pernyataan hipotesis ada tanda lebih besar atau lebih kecil
(>/<).
 Apabila dalam pernyataan hipotesis tidak ada petunjuk lebih besar atau lebih kecil
maka uji dua arah digunakan. Sebagai contoh adalah apabila kita ingin menguji suatu
hipotesis yang menyatakan bahwa tidak ada perbedaan antara rata-rata pendapatan daerah A
dengan daerah B, maka hipotesis yang kita gunakan rumus sebagai berikut:

Ho: µA = µB

Ho: µA ¿ µB

Untuk menguji hipotesis di atas maka uji yang digunakan adalah uji dua arah, sehingga
kurva uji adalah seperti pada Gambar 4.

Gambar 4. Grafik Pengujian Dua Arah

Dalam uji hipotesis tentang rata-rata populasi dengan sampel besar, deviasi standar populasi
harus diketahui.

Pada uji ini kita ingin mengetahui tentang apakah rata-rata populasi semua dengan nilai
tertentu. Sebagai contoh adalah rata-rata return on equity perusahaan publik di Indonesia
adalah 0,46 dengan jumlah populasi adalah 700 dan deviasi standart adalah 0,05 maka nilai Z
hitung bisa dicari dengan rumus :

x−μ
σ
Z = √n

dimana:
μ adalah rata-rata populasi; n adalah jumlah sampel
x adalah rata-rata sampel; σ adalah deviasi standar populasi

Apabila diambil sampel sebanyak 30 perusahaan ditemukan bahwa x= 0,47 maka

hipotesisnya adalah:

Ho: µA = 0,46
Ho: µA ¿ 0,46.
 x−μ
σ
Maka nilai Z = √n
0 , 47−0 , 46
= 0 ,05 / √30

0, 00913¿
0, 01¿ ¿
= ¿
= 1,095
Apabila dengan tingkat kepercayaan 95% maka nilai kritis Z dengan uji 2 arah,
setengah dari  0,05 adalah 0,025, sehingga luas kurva adalah 0,475 dengan mencari pada
nilai tabel Z didapatkan nilai Z tabel +1,96 sehingga bentuk kurvanya adalah:

Gambara 5. Titik Kritis Pengujian Dua Arah

Nilai Z hitung tersebut akan terletak pada daerah penerimaan Ho. Dari sini kita bisa
menyimpulkan bahwa kita tidak membuktikan bahwa Ho benar tetapi kita telah gagal untuk
menyangkal Ho, yang berarti kesimpulannya rata-rata return on investment perusahaan di
Indonesia adalah 0,46.

Apabila kita ingin menguji satu arah maka nilai Z hitung akan berubah menjadi 0,5 –
0,05 = 0,45 sehingga titik kritisnya adalah 1,65. Dalam bentuk kurva nilai pengujian satu arah
adalah sebagai berikut:

Gambar 6. Titik Kritis Pengujian Satu Arah

 Dengan menggunakan uji satu arah bisa dilihat bahwa nilai Z hitung tetap berada pada
daerah penolakan H0 sehingga kita bisa menyimpulkan bahwa rata-rata return on investment
perusahaan di Indonesia adalah 0,46.

3. Nilai P dalam Uji Hipotesis

Dalam aplikasi software statistik biasanya akan tercantum nilai P yang merupakan nilai
kekuatan penolakan. Dengan nilai P kita bisa membandingkan dengan tingkat signifikansi
atau alpha di mana jika nilai P lebih kecil dari nilai tingkat signifikansi atau alpha maka
menolak Ho, namun jika nilai P lebih besar dari tingkat signifikansi atau alpha maka
menerima Ho.

Nilai P adalah probabilitas sampel observasi mempunyai perbedaan yang besar dari
nilai observasi di mana hipotesis null benar. Nilai P yang sangat kecil menunjukkan bahwa
kecil kemungkinan Ho benar, sebaliknya jika P-value besar maka kecil kemungkinan bahwa
Ho salah.

Untuk mendapatkan nilai P kita mengurangi luas area ½ kurva dengan luas area z dari
z . Pada contoh rata-rata pendapatan uji hipotesis tentang return on investment dengan
hitung

dua arah diatas, diperoleh luas area z hitung = 0,3621. Dengan 0,5 – 0,3621 = 0,1375. Dikali
dua untuk uji dua arah = 0,275. Karena nilai P sebesar 0,275 lebih besar dari pada 0,05 maka
kita tidak menolak Ho.

Dalam aplikasi software yang lain mungkin bukan nilai P sebagai indikator penerimaan
atau penolakan hipotesis,tetapi menggunakan nilai Signifikansi. Contoh yang ada adalah pada
aplikasi software SPSS, keputusan penerimaan atau penolakan hipotesis bisa dengan melihat
nilai Sig(Significant). Jika nilai Sig lebih kecil dari alpha maka kita bisa menyimpulkan untuk
menolak H0, sebaliknya jika nilai Sig lebih besar dari alpha maka kesimpulan yang dibuat
adalah kita menerima H0. Penerimaan dan penolakan H0 terlihat seperti Gambar 7.
 Gambar 7. Daerah Penerimaan & Penolakan H0

Apabila dalam uji hipotesis di atas σ tidak diketahui, maka kita menggunakan deviasi
standar sampel sebagai penggantinya, sehingga z hitung adalah

x−μ
s
Z = √n

di mana:
μ = adalah rata-rata populasi s = adalah deviasi standar sampel
x = adalah rata-rata sampel n = adalah jumlah sampel

4. Uji Hipotesis Dua Mean

Selanjutnya kita akan membahas mengenai uji hipotesis untuk perbandingan dua mean
yang masih menggunakan uji Z. Untuk menguji perbedaan dua mean digunakan rumus uji
sebagai berikut:

x 1 −x 2

√
s s
12 22
+
Z= n1 n2

di mana:
x 1 adalah rata-rata sampel pertama;
x 2 adalah rata-rata sampel kedua;
s21 adalah varians sampel pertama;
s22 adalah varians sampel kedua;

n1 adalah jumlah sampel pertama;

n2 adalah jumlah sampel kedua.
Contoh:
Kita ingin membandingkan rata-rata kandungan lemak pada produk susu yang
diharuskan minimum sebesar 5 gram per sachet. Suatu survei untuk membandingkan
kandungan lemak susu antara dua perusahaan dengan memilih sampel sebanyak 100 sachet
produk A dan 100 sachet produk B. Berdasarkan hasil survei ditemukan rata-rata kandungan
lemak produk A adalah 5,12 kg sedangkan produk B adalah 5,13 kg dengan deviasi standar
produk A adalah 0,05 dan produk B adalah 0,06. Ujilah apakah kandungan lemak susu per
sachet kedua produk tersebut sama atau berbeda.

Jawab:

Untuk menjawab pertanyaan tersebut kita menggunakan uji Z tentang perbedaan mean
atau rata-rata. Langkah-langkah pengujiannya adalah sebagai berikut:

a. Menyatakan hipotesis null dan hipotesis alternatif. Hipotesis null dan alternatifnya
dinyatakan sebagai berikut:
Ho: µA = µB

Ho: µA ¿ µB

b. Menentukan level signifikansi. Untuk level signifikansi dipilih tingkat kepercayaan 95%.
c. Menentukan uji statistik yang digunakan. Untuk menguji hipotesis tersebut kita
menghitung nilai Z
x 1 −x 2

√
s s
12 22
+
Z= n n
5 , 12−5 , 13

√
( 0 , 05 )2 ( 0 , 06 )2
= 100
+
100
−0 ,01

√
( 0 , 0025 ) ( 0 ,0036 )
= 100
+
100
−0 , 01
= 0 , 0078
= 1,28
d. Memformulasi Keputusan.
Dengan memilih level signifikansi 95% uji dua arah kita mendapatkan nilai Z tabel
sebesar 1,96. Dengan membandingkan nilai z hitung dengan z tabel di mana z hitung lebih kecil
 dari pada Z tabel maka dapat kita simpulkan bahwa z hitung terletak pada daerah penerimaan
H0, sehingga bisa disimpulkan bahwa rata-rata kandungan susu kedua produk adalah
sama. Selengkapnya dapat kita gambarkan dalam Gambar 5.8 sebagai berikut:

Gambar 8. Nilai P Dalam Pengujian Hipotesis

Kita juga bisa menghitung nilai P untuk mengambil keputusan. Pada contoh tersebut
terlihat bahwa luas area 1,28 adalah 0,3849. Jadi luas area di sebelah kanan 1,2 adalah
0,5 – 0,3849 = 0,1003. Dengan uji dua arah maka nilai P adalah 2 x 0,1151 = 0,20026
Karena nilai P lebih besar dari 0,05 maka kita tidak menolak Ho.

5. Uji Proporsi Satu Variabel

Pada pembahasan sebelumnya kita membahas mengenai pengujian terhadap data yang
berbentuk interval atau rasio. Pada bagian ini kita akan membahas tentang proporsi. Proporsi
adalah suatu pecahan, rasio atau persentase yang menunjukkan suatu bagian populasi atau
sampel yang mempunyai sifat luas. Sebagai contoh adalah suatu survei tentang tingkat
pendidikan konsumen dengan mengambil sampel 70 orang, 30 orang dinyatakan
berpendidikan SMU. Jadi sampel proporsi yang berpendidikan SMU adalah 30/70 = 42,86 %.
Jadi seumpama P merupakan proporsi untuk sampel, proporsi sampel (P) adalah :

Jumlah karakteristik tertentu dalam sampel

P= jumlah sampel

Dalam menguji proporsi sampel populasi ada beberapa asumsi yang perlu dipenuhi
yaitu:

a. Data sampel yang diperoleh dengan perhitungan

b. Hasil dari percobaan diklasifikasikan dalam 2 kategori yang mutually exclusif yaitu
sukses atau gagal;
c. Probabilitas untuk sukses pada tiap perlakuan adalah sama;
d. Tiap-tiap perlakuan adalah independen.
Selain asumsi di atas, uji hipotesis tentang proporsi bisa dilakukan jika n. dan n . π (1-µ)
kedua-duanya paling sedikit berjumlah 5. Rumus untuk uji hipotesis proporsi satu variabel
adalah sebagai berikut:

P−π
Z=
σp

dimana:
p : proporsi sampel;
 : proporsi populasi;
n : jumlah sampel;

σp : adalah proporsi populasi yang dicari dengan rumus: σp =

p−π
√
π −( 1−π )
n ;
Z=

sehingga rumus di atas menjadi √

π ( 1−π )
n

Contoh:
Suatu survei tentang merek kacang garing yang dibeli oleh konsumen menyatakan
bahwa proporsi kacang garing merek A dikonsumsi 60% konsumen yang menjadi responden.
Dengan menggunakan uji hipotesis proporsi, nilailah peluang bahwa kacang merek A dipilih
oleh para konsumen jika dari hasil penelitian selanjutnya yang dilakukan terhadap 1000
orang, sebanyak 500 orang menyatakan memilih merek A, ujilah apakah perbedaan hasil
penelitian tersebut sesuai dengan survei sebelumnya?

Jawab:
Untuk menguji hipotesis di atas kita menggunakan uji proporsi dengan tahap-tahap
sebagai berikut:

a. Menentukan hipotesis null dan hipotesis alternatif.

Ho :   0,6

H1 :  < 0,6

b. Menentukan tingkat kepercayaan. Untuk tingkat kepercayaan dipilih 95%.

c. Menetukan uji statistiknya. Uji statistiknya adalah:
 P−π
Z=
σp

d. Menentukan titik kritis penolakan atau penerimaan hipotesis. Dari level kepercayaan 95
% kita dapat melihat bahwa nilai Z adalah 0,5 – 0,05 = 0,45. Nilai Z kita cari pada tabel
Z dengan uji satu arah didapat nilai Z adalah 1,65. Aturan keputusan dapat kita
gambarkan sebagai berikut.

Gambar 9. Grafik pengujian hipotesis dengan taraf kepercayaan 95%

e. Untuk menentukan apakah kita menolak H 0 atau tidak menolak H0 kita menghitung nilai
Z hitung
p−π
Z=

√
580
π ( 1−π )
n

−0 ,6
1000
=

√ 0 ,6 ( 1−0 , 6 )
1000
0,58−0,6
=
0,00024
−0 , 02
=
0 , 01549
=−1,29
Dari hasil penghitungan tersebut terlihat bahwa nilai z hitung sebesar -1,29 terletak pada
daerah penerimaan H0. Dengan demikian perbedaan sebesar 2 % dari penjualan yang
menyatakan bahwa pangsa pasar kadang merek A adalah 60 % adalah hasil dari variasi
fungsinya, dalam arti pangsa pasar kacang garing merek A adalah 60%. Kita bisa juga
menghitung nilai p dengan cara mencari luas area nilai Z yang sebesar -1,29 yaitu sebesar
0,04015. Sehingga nilai p adalah 0,05 – 0,4015 = 0,09. Karena nilai p lebih besar dari pada
level kepercayaan 95% (α = 5%) maka kita tidak menolak H0.
6. Uji Hipotesis Perbedaan Proporsi Dua Populasi
Dalam dunia bisnis banyak kedudukan dengan dua variasi suatu populasi misalnya
adalah apakah ada perbedaan antara populasi perempuan usia muda yang menyukai parfum
merek A dengan perempuan usia setengah baya yang menyukai parfum merek A. untuk
menguji hal tersebut kita perlu menguji perbedaan antara populasi tersebut. Rumus uji
statistik untuk menguji proporsi dua populasi adalah sebagai berikut:
P1 −P2
Z=

√ Pc(1−Pc ) Pc−(1−Pc )
n1
+
n2

di mana
P1 : proporsi populasi pembaca laki-laki
P2 : proporsi populasi pembaca perempuan
N1 : jumlah sampel laki-laki
N2 : jumlah sampel perempuan
P1 : rata-rata tertimbang dari dua proporsi sampel yang dihitung dengan

jumlah sukses x 1 + x 2
Pi = :
jumlah sampel n1 +n 2

di mana:

x1 : jumlah poporsi sampel jenis 1

x2 : jumlah poporsi sampel jenis 2
n1 : jumlah sampel jenis 1
n2 : jumlah sampel jenis 2
Contoh:
Suatu survei tentang majalah mengungkapkan bahwa majalah “Ekonomia” dibaca oleh
pembaca 45% dari seluruh pembaca laki-laki, dan 46% pembaca perempuan dari seluruh
pembaca perempuan. Manajer pemasaran majalah ingin membuktikan kebenaran survei
tersebut dengan mengadakan penelitian terhadap pembaca di suatu kota. Jumlah responden
laki-laki dipilih 150 orang dan yang membaca majalah sebanyak 69 orang mengaku
membaca majalah “Ekonomia”, sedangkan dari 200 orang responden perempuan yang
membaca majalah “Ekonomia” adalah 95 orang. Dengan menggunakan uji hipotesis proporsi
ujilah apakah proporsi pembaca majalah tersebut sama?
Jawab:

Untuk menjawab hal tersebut kita menggunakan tahap-tahap sebagai berikut:

a. Tahap 1. Menyatakan hipotesis null dan alternatif

 H0 : P1 = P2 : 1= 2

H1 : P1  P2 : 1  2

b. Memilih tingkat signifikansi. Level yang dipilih adalah 95%.

c. Menghitung uji statistik. Karena sampel yang digunakan cukup besar maka uji statistik
yang digunakan adalah uji Z di mana distribusi mendekati standar normal.
P1 −P2
Z=

√ Pc(1−Pc ) Pc−(1−Pc )
n1
+
n2

di mana
P1 : proporsi populasi pembaca laki-laki
P2 : proporsi populasi pembaca perempuan
n1 : jumlah sampel laki-laki
n2 : jumlah sampel perempuan
Pc : rata-rata tertimbang dari dua proporsi sampel yang dihitung dengan

jumlah sukses x 1 + x 2
Pc = :
jumlah sampel n1 + n2

di mana:
x1 : jumlah sampel laki-laki yang membaca majalah ekonomi
x2 : jumlah sampel perempuan yang membaca majalah ekonomi

d. Membuat aturan keputusan

Karena dari hipotesis tersebut tidak menyatakan suatu petunjuk seperti lebih besar atau
lebih kecil, maka kita menggunakan uji dua arah. Titik kritis dengan level kepercayaan
95% adalah 1,96, sehingga jika nilai Z hitung berada pada 1,96 kita tidak menolak
hipotesis null.

Gambar 10. Daerah Penerimaan & Penolakan H0

e. Pengambilan keputusan
 69
X1 : 69 p1 : 150
= 0,46
N1 : 150
95
X2 : 95 P2 : 200
N2 : 200 = 0,475

X 1+ X 2
Pc= n1 + n2
69+ 95
= 150+200
= 0,47
Jadi
x 1+ x 2
Z=

√ Pc (1−P c ) P c (1−Pc )
n1
+
n2
0 , 46−0 , 475
=

√ 0 , 47(1−0 , 47) 0 , 47 (1−0 , 47 )

150
−0 , 015
−
200
=

√ 0 ,249 0 ,249
150
+
200
−0 , 015
=
√ 0 , 00166+0 , 001245
−0 , 015
=
√ 0 , 0029
Z =−0,278
Berdasar hasil penghitungan nilai z hitung terlihat bahwa nilai z hitung berada pada daerah
penerimaan H0 sehingga kita dapat membuat keputusan untuk menerima hipotesis null.