3-Uji Hipotesis

■ Hipotesis Statistik 1
TEORI KEPUTUSAN STATISTIK
KEPUTUSAN STATISTIK (STATISTICAL DECISIONS)

Keputusan statistik adalah pengambilan keputusan tentang populasi yang didasarkan pada data-
data sampel.
HIPOTESIS STATISTIK
Untuk pengambilan suatu keputusan statistik biasanya lebih dulu dibuat asumsi atau dugaan yang
berkaitan dengan karakteristik atau parameter populasinya. Kebenaran dari dugaan ini akan
ditentukan melalui suatu pengujian statistik.
Dugaan atau asumsi yang biasanya berupa pernyataan mengenai parameter dari populasi ini
disebut hipotesis statistik. Seringkali hipotesis statistik ini dirumuskan sedemikian hingga
keputusannya justru diarahkan untuk menolak hipotesisnya.
Sebagai contoh misalnya jika akan diuji apakah rata-rata suatu populasi berbeda dibanding rata-
rata populasi yang lain dengan cara membandingkan nilai rata-rata sampelnya, maka perumusan
hipotesisnya dinyatakan bahwa kedua rata-rata tersebut sama (tidak berbeda) atau kedua sampel
diambil dari suatu populasi yang sama. Hal ini dilakukan agar dalam pengujiannya nanti perbedaan
kedua rata-rata sampel bisa dibandingkan dengan fluktuasi dari rata-rata distribusi sampling dari
populasinya. Hipotesis akan diterima hanya apabila tidak cukup bukti untuk menolaknya.
Hipotesis statistik ini sering juga disebut dengan hipotesis nol atau H 0. Hipotesis lain yang
merupakan komplemen dari H0 disebut hipotesis alternatif atau H1.
Contoh :
1. Jika : H0 : μ = μ 0
maka : H1 : μ ≠ μ0 atau μ > μ0 atau μ < μ0
2. Jika : H0 : μ 1 = μ 2
maka : H1 : μ1 ≠ μ2 atau μ1 > μ2 atau μ1 < μ2
UJI HIPOTESIS
Prosedur-prosedur yang bisa digunakan untuk memutuskan apakah hipotesis statistik akan
diterima atau ditolak; atau untuk menentukan apakah sampel yang diobservasi berbeda secara
signifikan dengan hasil yang diharapkan untuk populasinya, disebut Uji Hipotesis atau Uji
Signifikansi.
KESALAHAN TIPE I DAN KESALAHAN TIPE II

Jika hasil pengujian adalah menolak hipotesis yang seharusnya diterima maka dikatakan telah
melakukan kesalahan Tipe I. Sebaliknya, jika hasil pengujian menerima hipotesis yang seharusnya
ditolak, maka dikatakan telah melakukan kesalahan Tipe II.
Hasil Uji Hipotesis

Menerima Hipotesis Menolak Hipotesis
Hipotesis benar P(Keputusan benar) = 1 − α P(Kesalahan Tipe I) = α
Seharusnya
Hipotesis salah P(Kesalahan Tipe II) = β P(Keputusan benar) = 1 − β
P(kesalahan tipe I) = P(menolak H0 | H0 benar) = α

P(kesalahan tipe II) = P(menerima H0 | H0 salah) = β
Kekuatan Uji = 1 – β = P(menolak H0 | H0 salah)
Menghindari atau memperkecil salah satu jenis kesalahan berarti memperbesar jenis kesalahan
yang lain. Salah satu cara untuk memperkecil kedua jenis kesalahan tersebut adalah dengan cara
memperbesar ukuran sampel.
@by:Femiana Gapsari
TINGKAT SIGNIFIKANSI UJI

Dalam uji hipotesis, probabilitas maksimum dari risiko terjadinya kesalahan tipe I yang akan dialami
disebut tingkat signifikansi uji. Biasanya dinyatakan dengan notasi α dan ditentukan lebih dulu
sebelum pengambilan sampel. Dalam prakteknya besarnya tingkat signifikansi diambil antara 5% −
1%.
Tingkat signifikansi sebesar α = 5% yang dipilih untuk suatu uji hipotesis artinya bahwa
kemungkinan terjadi kesalahan menolak hipotesis nol yang seharusnya diterima adalah 5%. Atau
terdapat keyakinan sebesar 95% bahwa keputusan uji yang hasilnya menolak hipotesis nol adalah
benar.
UJI HIPOTESIS YANG BERKAITAN DENGAN DISTRIBUSI NORMAL

Jika S adalah statistik dari sampel yang berasal dari populasi Normal, dengan rata-rata μS dan
S − μS
standard deviasi σS , maka z = ~ berdistribusi Normal standard N(0 ; 1).
σS
Misalkan diberikan uji hipotesis :
H0 : parameter populasi s = s0
H1 : parameter populasi s ≠ s0
Dengan tingkat konfidensi 95%, maka apabila H0 benar, nilai Z dari statistik sampel S akan terletak
pada nilai antara - z0,025 = -1,96 sampai z0,025 = 1,96. Jika nilai z dari statistik sampel S terletak
diluar interval - z0,025 = -1,96 sampai z0,025 = 1,96, maka kesimpulannya H0 ditolak dengan
kemungkinan salah sebesar α = 5% (artinya jika kesimpulannya menolak H 0 padahal
sesungguhnya H0 benar, kemungkinannya adalah 5%).
/2 = 0,025 1 -  = 0,95 /2 = 0,025
-z/2 = -1,96 z/2 = 1,96
Daerah nilai z yang terletak di luar interval z = -1,96 sampai z = 1,96, disebut daerah kritis (critical
region) atau daerah penolakan H0 atau daerah signifikansi. Daerah nilai z yang terletak di dalam
interval z = -1,96 sampai z = 1,96, disebut daerah penerimaan H0 atau daerah non-signifikansi.
Sehingga aturan keputusan uji hipotesis bisa dirumuskan sebagai berikut :
a. Menolak H0 dengan tingkat signifikansi α, jika nilai z dari statistik sampel S terletak di luar
range z = -zα/2 sampai z = zα/2 (jika zstat S < -zα/2 atau zstat S > zα/2 )
Bisa juga dikatakan bahwa nilai statistik sampel yang diamati signifikan pada level α
b. Menerima H0 jika sebaliknya.
UJI SATU SISI (ONE TAILED TEST) DAN UJI DUA SISI (TWO TAILED TEST)
Uji hipotesis dengan perumusan hipotesis sebagai berikut :
H0 : μ = μ 0
H1 : μ > μ 0 atau H 1 : μ < μ0
disebut uji satu sisi
H0 : μ 1 = μ 2
H1 : μ 1 > μ 2 atau H 1 : μ1 < μ 2
H0 : μ = μ 0 H 0 : μ1 = μ 2
disebut uji dua sisi
H1 : μ ≠ μ 0 dan H 1 : μ1 ≠ μ 2
@by:Femiana Gapsari
UJI HIPOTESIS UNTUK RATA-RATA :

I. Uji Rata-rata Untuk Sampel Berukuran Besar (n > 30)
Data statistik sampel :
- Ukuran sampel = n > 30
- Rata-rata sampel = x
- Standard deviasi sampel = s
- Rata-rata distribusi sampling untuk rata-rata  x = 
- Standard deviasi populasi = 
σ
- Standard deviasi distribusi sampling untuk rata-rata  x =
n
n
Karena n > 30 jika σ tidak diketahui bisa diestimate dengan s atau ŝ ( ŝ 2 = s2 )
n -1
Langkah-langkah pengujian:
a. Uji Hipotesis :
• H0 : μ = μ 0
H1 : μ ≠ μ 0
• Tingkat signifikansi : α
x − μ0
• Statistik Uji : zhitung = ~ N(0 ; 1)
σ/ n
• Daerah Kritis (Daerah Penolakan H0) : .
zhitung < - zα/2 atau zhitung > zα/2
/2 /2
1-
-z/2 0 z/2
Daerah Penerimaan H0 : - zα/2. ≤ zhitung ≤ zα/2
b. Uji Hipotesis :
• H0 : μ = μ 0
H1 : μ > μ 0
x − μ0
• Statistik Uji : zhitung = ~ N(0 ; 1)
σ/ n
• Daerah Kritis (Daerah Penolakan H0) : zhitung > zα
1- 
0 z
Daerah Penerimaan H0 : zhitung ≤ zα
@by:Femiana Gapsari
c. Uji Hipotesis :
• H0 : μ = μ 0
H1 : μ < μ 0
x − μ0
• Statistik Uji : zhitung = ~ N(0; 1)
σ/ n
• Daerah Kritis (Daerah Penolakan H0) : zhitung < - zα
 1-
z 0
Daerah Penerimaan H0 : zhitung ≥ - zα
CONTOH :
1. Rata-rata lifetime dari sampel sejumlah 100 unit bola lampu yang dihasilkan suatu pabrik
adalah 1570 jam dengan standard deviasi 120 jam. Jika rata-rata lifetime dari seluruh bola
lampu yang dihasilkan pabrik tersebut adalah μ, ujilah dengan tingkat signifikansi 1% bahwa μ
dari bola lampu yang dihasilkan oleh pabrik tersebut tidak sama dengan 1600 jam.
►
x = 1570 ;  = 120 ; n = 100
Langkah-langkah Uji Hipotesis :
• H0 : μ = 1600
H1 : μ ≠ 1600
• Tingkat signifikansi : α = 0,01  z/2 = z0,005 =NORMSINV(0.995) = 2,575829
1570 − 1600
• Statistik Uji : zhitung = = - 2,5
120 / 100
• Daerah Kritis (Daerah Penolakan H0) : zhitung < - 2,58 atau zhitung > 2,58
0,005 0,005
-2,58 -2,5 0 2,58
• Kesimpulan :
Karena -2,58 < zhitung = -2,5 < 2,58 ; maka H0 diterima.
Artinya, bisa disimpulkan bahwa rata-rata lifetime dari lampu yang dihasilkan pabrik
tersebut adalah 1600 jam dengan tingkat keyakinan 99%.
2. Breaking strength dari kabel yang diproduksi pabrik tertentu mempunyai rata-rata 1800 lb
dengan standard deviasi 100 lb. Dengan menggunakan teknik baru dalam proses
manufakturingnya bisa diharapkan bahwa breaking strength kabel bisa bisa ditingkat-kan.
Untuk menguji pendapat tersebut, dilakukan test dengan sampel berukuran 50 kabel. Dari hasil
@by:Femiana Gapsari
pengukuran sampel diperoleh rata-rata breaking strength 1850 lb. Dengan menggunakan
tingkat signifikansi 1%, ujilah apakah pendapat tersebut bisa diterima.
►
x = 1850 ;  = 100 ; n = 50
Langkah-langkah Uji Hipotesis :
• H0 : μ = 1800
H1 : μ > 1800
• Tingkat signifikansi : α = 0,01  z = z0,01 =NORMSINV(0.99) = 2,3263
1850 − 1800
• Statistik Uji : zhitung = = 3,55
100 / 50
• Daerah Kritis (Daerah Penolakan H0) : zhitung > z0,01 = 2,33
0,99 0,01
0 2,33 3,55
• Kesimpulan : Karena zhitung = 3,55 > zα = 2,33 ; maka H0 ditolak
Artinya, bisa diterima bahwa penggunaan teknik baru dalam proses manufakturing
kabel akan bisa meningkatkan rata-rata breaking strength dengan tingkat signifikansi
1%.
II. Uji Rata-rata Untuk Sampel Berukuran Kecil (n < 30)

- Ukuran sampel = n < 30
- Rata-rata sampel = x
- Standard deviasi sampel = s
Langkah-langkah pengujian :
a. Uji Hipotesis :
• H0 : μ = μ 0
H1 : μ ≠ μ 0
• Statistik Uji :
x − μ0 x − μ0
Thitung = = ~ t (n-1) (student’ t dengan derajad bebas n-1)
ŝ / n s / n −1
• Daerah Kritis (Daerah Penolakan H0):

Thitung < t (1- α/2);(n-1) = − tα/2 ; (n-1) atau Thitung > tα/2 ; (n-1)
α/2 1- α α/2
− tα/2 ; (n-1) 0 tα/2 ; (n-1) t (n-1)
Daerah Penerimaan H0 : − tα/2 ; (n-1) = t (1- α/2);(n-1) ≤ Thitung ≤ tα/2 ; (n-1)
@by:Femiana Gapsari
b. Uji Hipotesis :
• H0 : μ = μ 0
H1 : μ > μ 0
• Statistik Uji :
x − μ0 x − μ0
ŝ / n s / n −1
• Daerah Kritis (Daerah Penolakan H0) : Thitung > tα ; (n-1)
1- α α
0 tα ; (n-1)
Daerah Penerimaan H0 : Thitung < tα ; (n-1)
c. Uji Hipotesis :
• H0 : μ = μ 0
H1 : μ < μ 0
• Statistik Uji :
x − μ0 x − μ0
ŝ / n s / n −1
• Daerah Kritis (Daerah Penolakan H0) : Thitung < t (1- α);(n-1) = − tα ; (n-1)
α 1- α
- t α;(n-1) 0
Daerah Penerimaan H0 : Thitung > − tα ; (n-1)
CONTOH :
1. Sebuah mesin pembuat washer dalam keadaan masih baru bisa menghasilkan washer dengan
ketebalan (tingkat ketipisan) 0,050 inch. Untuk mengetahui apakah mesin tersebut masih bisa
bekerja dengan baik (seperti dalam keadaan masih baru) diambil sampel produk sejumlah 10
washer . Dari sampel tersebut diperoleh rata-rata ketebalan 0,053 inch dengan standard
deviasi 0,003 inch.
Ujilah dengan α = 5% apakah mesin tersebut masih bekerja seperti dalam keadaan baru.
►
- Ukuran sampel = n = 10 < 30
- Rata-rata sampel = x = 0,053
- Standard deviasi sampel = s = 0,003
@by:Femiana Gapsari
Uji Hipotesis :
• H0 : μ = 0,05
H1 : μ ≠ 0,05
• Tingkat signifikansi : α = 0,05
0,053 − 0,05
• Statistik Uji : Thitung = = 3,0
0,003 / 10 − 1
• Daerah Kritis (Daerah Penolakan H0): Thitung < - t (0,025);(9) = - 2,26
atau Thitung > t0,025 ; (9) = 2,26
0,025 0,025
- t (0,025) ; 9 0 t0,025 ; 9 3 t9
- 2,26 2,26
• Kesimpulan :
Karena Thitung = 3,0 > t0,025 ; (9) = 2,26 ; maka H0 ditolak
Artinya mesin sudah tidak bekerja seperti semula.
2. Uji breaking strength dari 6 buah kawat yang dihasilkan oleh suatu perusahaan menunjukkan
rata-rata breaking strength 7850 lb dengan standard deviasi 145 lb. Padahal pemilik
perusahaan tersebut mengatakan bahwa breaking strength dari kawat yang dihasilkannya
mempunyai rata-rata tidak kurang dari 8000 lb.
Apakah klaim dari pemilik perusahaan tersebut bisa dibenarkan ? Ujilah dengan α = 0,01 dan α
= 0,05.
►
- n = 6 < 30 ; x = 7850 lb ; s = 145 lb
a. Uji Hipotesis :
• H0 : μ = 8000 lb
H1 : μ < 8000 lb

7850 − 8000
• Statistik Uji : Thitung = = - 2,31
145 / 6 − 1
• Daerah Kritis (Daerah Penolakan H0) : Thitung < t (0,99);(5) = − t0,01 ; (5) = − 3,36
0,01 0,99
− t0,01 ; (5) = − 3,36 -2,31 0
• Kesimpulan :
Karena Thitung = − 2,31 > t0,99 ; (5) = −3,36 ; maka H0 diterima dengan tingkat
keyakinan 99%
Artinya, klaim pemilik perusahaan yang mengatakan bahwa kawat yang dihasilkan
mempunyai breaking strength 8000 lb bisa dibenarkan.
@by:Femiana Gapsari
b. Uji Hipotesis :
• H0 : μ = 8000 lb
H1 : μ < 8000 lb
7850 − 8000
145 / 6 − 1
• Daerah Kritis (Daerah Penolakan H0) : Thitung < t (0,95);(5) = − t0,05 ; (5) = - 2,1
0,05 0,95
− t0,05 ; (5) = −2,1 0 t5
• Kesimpulan :
Karena Thitung = - 2,31 < t0,95 ; (5) = − 2,1 ; maka H0 ditolak pada α = 0,05
Artinya, klaim pemilik perusahaan yang mengatakan bahwa kawat yang dihasilkan
mempunyai breaking strength 8000 lb tidak bisa dibenarkan.
3. Waktu rata-rata yang diperlukan seorang mahasiswa untuk daftar ulang di suatu perguruan
tinggi adalah 50 menit dengan standard deviasi 10 menit. Suatu prosedur pendaftaran baru
yang menggunakan mesin modern sedang dicoba. Bila dari sampel random sebanyak 12
mahasiswa diperoleh data rata-rata waktu pendaftaran dengan menggunakan sistem baru
tersebut adalah 48 menit dengan standard deviasi 11,9 menit, ujilah hipotesis bahwa sistem
baru tersebut lebih cepat dibanding sistem yang lama. Gunakan α = 0,05
►
- n = 12 < 30
- x = 48 menit
- s = 11,9 menit
• Uji Hipotesis :
H0 : μ = 50
H1 : μ < 50
48 − 50
11,9 / 12 − 1
• Daerah Kritis (Daerah Penolakan H0) : Thitung < t (0,95);(11) = - 1,796
0,05 0,95
t (0,95) ; 11 = - 1,796 0 t 11
• Kesimpulan :
Karena Thitung = - 0,56 > t0,95 ; (11) = -1,796 ; maka H0 diterima dengan tingkat
keyakinan 95%
Artinya, sistem baru tidak lebih cepat dibanding sistem yang lama.
@by:Femiana Gapsari
UJI HIPOTESIS UNTUK PERBEDAAN DUA RATA-RATA

I. Jika n1 ; n2 ≥ 30 dan σ1 ; σ2 diketahui,
jika tidak diketahui σ1 ; σ2 diestimate dengan s1 ; s2 .
- Ukuran sampel 1 = n1 > 30
- Ukuran sampel 2 = n2 > 30
- Rata-rata sampel 1 = x1
- Rata-rata sampel 2 = x 2
- Standard deviasi sampel 1 = s1
( x1 − x 2 ) − (μ1 − μ2 ) ( x1 − x 2 )
• Statistik Uji : zhitung = = ~ N(0 ; 1)
s12 s22 s12 s22
+ +
n1 n2 n1 n2
a. Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 ≠ μ2 atau μ1 - μ2 ≠ 0
• Daerah Kritis (Daerah Penolakan H0) : zhitung < - zα/2 atau zhitung > zα/2
α/2 1- α α/2
- zα/2 0 zα/2
Daerah Penerimaan H0 : - zα/2 ≤ zhitung ≤ zα/2
b. Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 > μ2 atau μ1 - μ2 > 0
1- α α
0 zα
c. Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 < μ2 atau μ1 - μ2 < 0
α 1- α
- zα 0
@by:Femiana Gapsari
CONTOH :
1. Sebuah test dilakukan pada 2 kelas yang berbeda yang masing-masing terdiri dari 40 dan 50
mahasiswa. Dalam kelas pertama diperoleh nilai rata-rata 74 dengan standard deviasi 8,
sementara di kelas kedua nilai rata-ratanya 78 dengan standard deviasi 7. Aapakah kedua
kelas tersebut bisa dikatakan mempunyai tingkat kemampuan yang berbeda? Jika ya, apakah
kelas kedua lebih baik dari kelas yang pertama ? Gunakan tingkat signifikansi 0,05.
►
- n1 = 40 ; x1 = 74 ; s1 = 8
- n2 = 50 ; x 2 = 78 ; s2 = 7
a. Langkah-langkah pengujian :
Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 ≠ μ2 atau μ1 - μ2 ≠ 0
( x1 − x 2 ) (74 − 76)
• Statistik Uji : zhitung = = = - 2,49
s12 s22 82 72
+ +
n1 n2 40 50
• Daerah Kritis: zhitung < - z0,025 = -1,96 atau zhitung > z0,025 = 1,96
0,025 0,95 0,025
- z0,025 = -1,96 z0,025 = 1,96

• Kesimpulan :
Karena zhitung = - 2,49 < z0,025 = -1, 96 ; maka H0 ditolak pada tingkat signifikansi
5%. Artinya, kedua kelas mempunyai kemampuan yang berbeda.
b. Langkah-langkah pengujian :
Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 < μ2 atau μ1 - μ2 < 0
• Statistik Uji :
( x1 − x 2 ) (74 − 76)
zhitung = = = - 2,49
2
s1 s2 2
82 72
+ +
n1 n2 40 50
• Daerah Kritis (Daerah Penolakan H0) : zhitung < - z0,05 = -1,65
0,05 0,95
- z0,025 = -1,65
• Kesimpulan :
Karena zhitung = - 2,49 < z0,025 = -1,65 ; maka H0 ditolak pada tingkat signifikansi 5%.
Artinya, kelas kedua mempunyai kemampuan yang lebih baik dibanding kelas pertama.
@by:Femiana Gapsari
II. Jika n1 ; n2 < 30 dan σ1 ; σ2 tidak diketahui, tetapi σ12 = σ22 = σ2 .

- Ukuran sampel 1 = n1 < 30
• Statistik Uji :
( x1 − x 2 ) − (μ1 − μ2 ) ( x1 − x 2 )
Thitung = = ~ t ;  dengan
1 1 1 1
Sp + Sp +
n1 n2 n1 n2
(n1 − 1) s12 + (n2 − 1) s22

Sp2 = dan  = n1 + n2 – 2
n1 + n2 − 2
a. Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 ≠ μ2 atau μ1 - μ2 ≠ 0
• Daerah Kritis (Daerah Penolakan H0) : Thitung < - tα/2 ; ν atau Thitung > tα/2 ; ν
α/2 1- α α/2
- tα/2 ; ν tα/2 ; ν
Daerah Penerimaan H0 :
- tα/2 ; ν ≤ zhitung ≤ tα/2 ; ν
b. Uji Hipotesis :
• H0 : μ 1 = μ 2 atau μ1 - μ2 = 0
H1 : μ 1 > μ 2 atau μ1 - μ2 > 0
• Daerah Kritis (Daerah Penolakan H0) : Thitung > tα ; ν
1- α α
0 tα ; ν
Daerah Penerimaan H0 : Thitung ≤ tα ; ν
c. Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 < μ2 atau μ1 - μ2 < 0
• Daerah Kritis (Daerah Penolakan H0) : Thitung < - tα ; ν
@by:Femiana Gapsari
α 1- α
- tα ; ν 0
Daerah Penerimaan H0 : Thitung ≥ - tα ; ν
III. Jika n1 ; n2 < 30 dan σ1 ; σ2 tidak diketahui, σ12 ≠ σ22 .

( x1 − x 2 ) − (μ1 − μ2 ) ( x1 − x 2 )
• Statistik Uji : Thitung = = ~ t ; 
s12 s22 s12 s22
+ +
n1 n2 n1 n2
2
 s2 s2 
 1 + 2
 n1 n2 
υ=   −2
(s ) ( )
dengan
2 2 2
/ n1 s2 / n
1 + 2 2
n1 − 1 n2 − 1
a. Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 ≠ μ2 atau μ1 - μ2 ≠ 0
• Daerah Kritis (Daerah Penolakan H0) :
Thitung < - tα/2 ; ν atau Thitung > tα/2 ; ν
α/2 1- α α/2
- tα/2 ; ν 0 tα/2 ; ν
Daerah Penerimaan H0 : - tα/2 ; ν ≤ zhitung ≤ tα/2 ; ν
b. Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 > μ2 atau μ1 - μ2 > 0
• Daerah Kritis (Daerah Penolakan H0) : Thitung > tα ; ν
1- α α
0 tα ; ν
Daerah Penerimaan H0 : Thitung ≤ tα ; ν
@by:Femiana Gapsari
c. Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 < μ2 atau μ1 - μ2 < 0
• Daerah Kritis (Daerah Penolakan H0) : Thitung < - tα ; ν
α 1- α
- tα ; ν 0
Daerah Penerimaan H0 : Thitung ≥ - tα ; ν
CONTOH :
1. Test IQ dari 16 siswa di suatu daerah menunjukkan rata-rata 107 dengan standard deviasi 10.
Sementara sampel 14 siswa dari daerah lain menunjukkan rata-rata 112 dengan standard
deviasi 8. Bisakah disimpulkan bahwa IQ dari kedua daerah tersebut berbeda secara signifikan
? Gunakan α = 0,01, jika diketahui bahwa standard deviasi dari IQ kedua daerah sama.
►
n1 = 16 ; x 1 = 107 ; s1 = 10 → s12 = 100
n2 = 14 ; x 2 = 112 ; s2 = 8 → s22 = 64 ; σ12 = σ22
Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 ≠ μ2 atau μ1 - μ2 ≠ 0
( x1 − x 2 ) (107 − 112)
• Statistik Uji : Thitung = = = -1,497
1 1 1 1
Sp + 9,126 +
n1 n2 16 14
(n1 − 1) s12 + (n2 − 1) s 22 (16 − 1) 100 + (14 − 1) 64

dengan : Sp = = = 9,126
n1 + n2 − 2 16 + 14 − 2
dan  = n1 + n2 – 2 = 16 + 14 – 2 = 28

Thitung < - t0,05 ; 28 = -2,76 atau Thitung > t0,05 ; 28 = 2,76
0,05 0,99 0,05
- t0,05 ; 28 = -2,76 0 t0,025 ; 28 = 2,76
• Kesimpulan :
Karena - t0,05 ; 28 = -2,76 < Thitung = -1,497 < t0,05 ; 28 = 2,76 ; maka H0 diterima dengan
tingkat keyakinan 99%.
Artinya, IQ dari kedua daerah tersebut tidak berbeda secara signifikan.
@by:Femiana Gapsari
2. Untuk menguji pengaruh operator yang berbeda pada hasil proses produksi di sebuah mesin,
dilakukan pengamatan selama 24 hari sebagai sampel. 12 hari pertama operator A yang
mengoperasikan mesin tersebut dan 12 hari berikutnya digantikan oleh operator B. Kondisi
kedua sampel tersebut dibuat sesama mungkin. Dari 12 hari pengamatan yang dilakukan pada
operator A diperoleh rata-rata hasil proses perhari adalah 5,1 kuintal dengan standard deviasi
0,36 kuintal ; sementara dari operator B diperoleh rata-rata hasil proses perhari adalah 4,8
kuintal dengan standard deviasi 0,40 kuintal. Dapatkah disimpulkan bahwa operator A lebih
baik dari operator B ; jika diketahui bahwa standard deviasi dari hasil proses perhari kedua
operator tidak sama. Gunakan α = 0,01
►
n1 = 12 ; x1 = 5,1 ; s1 = 0,36
n2 = 12 ; x 2 = 4,8 ; s2 = 0,40 ; σ12 ≠ σ22
Uji Hipotesis :
• H0 : μ1 = μ2 atau μ1 - μ2 = 0
H1 : μ1 > μ2 atau μ1 - μ2 > 0
( x1 − x 2 ) (5,1 − 4,8)
• Statistik Uji : Thitung = = = 1,931
s12 s 22 0,362 0,42
+ +
n1 n2 12 12
2
 s2 s2 
 1 + 2 0,36 2 0,4 2
 n1 n2  +
dengan υ =   −2= 12 12 − 2 ≈ 20
(s2
1/ n1
2
+
) (
s 22 / n2
2
) (
0,36 2 / 12
2
+
) (
0,4 2 / 12
2
)
n1 − 1 n2 − 1 12 1 12 1
• Daerah Kritis (Daerah Penolakan H0) : Thitung ≥ t0,01 ; 20 = 2,528
0,99 0,01
0 t0,01 ; 20 = 2,528
• Kesimpulan :
Karena Thitung = 1,931 ≤ t0,01 ; 22 = 2,528 ; maka H0 diterima dengan tingkat keyakinan
99%. Artinya, operator A tidak lebih baik dari operator B, atau operator tidak
mempengaruhi hasil proses produksi di mesin tersebut.
IV. Pengujian dua sampel berpasangan (Paired t test)

Jika 2 sampel berukuran n merupakan himpunan n pasangan observasi yang diperoleh dari n
obyek yang diukur atau diperlakukan dengan 2 cara berbeda, misalkan:
Obyek Pengukuran/perlakuan
Selisih (dj) d j2
pengamatan I II
1 x11 x21 d1 = x11 − x21 d12
2 x12 x22 d2 = x12 − x22 d22
: : : : :
n x1n x2n dn = x1n − x2n dn2
n n
Jumlah ∑ dj ∑ d j2
j=1 j=1
@by:Femiana Gapsari
dengan diasumsikan bahwa

x1j  Normal (1 ; 12) dan
x2j  Normal (2 ; 22)
dj = x1j – x2j  Normal ((D ; D2)
• H0 : μ1 = μ2 atau μD = 0
H1 : μ1 ≠ μ2 atau μD ≠ 0
d
• Statistik Uji : Thitung = ~ t α ; n-1
sD / n
n n n
∑d j n ∑ d j2 - [ ∑ d j ]2
j =1 j =1 j=1
dengan : d= dan s D2 =
n n(n - 1)
• Daerah Kritis (Daerah Penolakan H0) : Thitung < - tα/2 ; n-1 atau Thitung > tα/2 ; n-1 .
α/2 1- α α/2
- tα/2 ; ν 0 tα/2 ; ν
Daerah Penerimaan H0 : - tα/2 ; n-1 ≤ zhitung ≤ tα/2 ; n-1
Untuk uji satu sisi, penentuan daerah kritis bisa ditentukan seperti uji t yang lain.
CONTOH:
Misalkan akan diuji apakah penerapan metoda kerja baru di suatu stasiun kerja akan
meningkatkan kapasitas kerja dari karyawan di stasiun kerja tersebut. Untuk itu diamati hasil
produksi perjam dari 12 orang karyawan yang bekerja di stasiun kerja tersebut sebelum dan
sesudah diterapkannya metoda kerja baru, hasilnya bisa dilihat pada tabel berikut: (Gunakan 
= 5%)
Jml produk yang dihasilkan perjam Selisih 2
Karyawan Dj
Metoda Lama Metoda Baru Dj
1 23 24 -1 1
2 18 25 -7 49
3 21 23 -2 4
4 25 24 1 1
5 22 26 -4 16
6 19 21 -2 4
7 21 22 -1 1
8 23 21 2 4
9 24 26 -2 4
10 27 26 1 1
11 23 25 -2 4
12 25 27 -2 4
Jumlah -19 93
Rata-rata -1.58
• H0 : μ1 = μ2 atau μD = 0
H1 : μ1 < μ2 atau μD < 0 (terjadi peningkatan kapasitas)
• Tingkat signifikansi : 0,05
@by:Femiana Gapsari
D - 1,58 12
• Statistik Uji : Thitung = = = - 0,023
sD / n 5,7
n n
n ∑D j 2 - [ ∑D j ]2
j =1 j=1 12(93) - (-19)2
dengan : D = - 1,58 dan s D2 = = = 5,7
n(n - 1) 12(11)
• Daerah Kritis (Daerah Penolakan H0) : Thitung < - t0,05 ; 12-1 = -1,796
0,05 0,95
- t0,05 ; 11 = -1,796 0
Karena Thitung = - 0,023 > - t0,05 ; 12-1 = -1,796, maka H0 diterima.
Berarti penerapan metoda baru tidak meningkatkan kapasitas produksi .
UJI HIPOTESIS UNTUK PROPORSI

P̂ = proporsi kejadian ‘sukses’ dalam sampel
p = proporsi kejadian ‘sukses’ dalam populasi
 P̂ =p
pq p(1 − p)
 P̂ = =
n n
P̂ − p
Statistik Uji : z= ~ N(0 ;1)
p(1 − p)
n
X
Jika : P̂ = ; X = banyaknya Kejadian ‘sukses’ dalam sampel
n
X − np
maka : z= ~ N(0 ;1)
np(1 − p)
a. Uji Hipotesis :
• H0 : p = p 0
H1 : p ≠ p0
P̂ − p0 X − np 0
p0 (1 − p0 ) np 0 (1 − p0 )
n
α/2 1- α α/2
- zα/2 0 zα/2
@by:Femiana Gapsari
b. Uji Hipotesis :
• H0 : p = p 0
H1 : p > p 0
P̂ − p0 X − np 0
p0 (1 − p0 ) np 0 (1 − p0 )
n
1- α α
0 zα
c. Uji Hipotesis :
• H0 : p = p 0
H1 : p < p 0
P̂ − p0 X − np 0
• Statistik Uji : zhitung = = ~ N(0; 1)
p0 (1 − p0 ) np 0 (1 − p0 )
n
α 1- α
- zα 0
CONTOH :
1. Dikatakan bahwa 60% dari pemakai sepeda motor akan memilih sepeda motor merk A. Untuk
menguji pernyataan tersebut, diambil sampel sebanyak 50 orang dan ternyata 20 orang di
antaranya memilih merk A. Dengan tingkat signifikansi 5%, ujilah apakah pernyataan di atas
benar.
►
Data sampel :
20
n = 50 ; X = 20 → P̂ = = 0,4
50
Hipotesis Statistik :
• H0 : p = 0,6
H1 : p ≠ 0,6
P̂ − p0 0,4 − 0,6
• Statistik Uji : zhitung = = = - 2,9
p0 (1 − p0 ) 0,6(1 − 0,6)
n 50
@by:Femiana Gapsari
0,025 0,95 0,025
- zα/2 = -1,96 0 zα/2 = 1,96
• Kesimpulan :
Karena zhitung = -2,9 ≤ - z0,025 = -1,96; maka H0 ditolak dengan tingkat signifikansi 5%.
Artinya, tidak benar bahwa 60% pemakai sepeda motor memilih merk A.
2. Seorang pengusaha pabrik obat mengatakan bahwa obat produksinya 90% efektif bisa
menyembuhkan alergi dalam waktu 8 jam.
Dari sebuah sampel random berukuran 200 orang yang menderita alergi, 160 orang di
antaranya menyatakan sembuh dengan obat tersebut dalam waktu 8 jam. Buktikan apakah
pernyataan pengusaha tersebut benar, gunakan α = 1%.
►
Data sampel :
160
n = 200 ; X = 160 → P̂ = = 0,8
200
Hipotesis Statistik :
• H0 : p = 0,9
H1 : p < 0,9

P̂ − p0 0,8 − 0,9
• Statistik Uji : zhitung = = = -3,33
p0 (1 − p0 ) 0,9(1 − 0,9)
n 200
• Daerah Kritis (Daerah Penolakan H0) : zhitung < - 2,33
0,01 0,99
- z0,01 = -2,33 0
• Kesimpulan :
Karena zhitung = -3,33 ≤ - z0,01 = -2,33 ; maka H0 ditolak dengan tingkat signifikansi 1%.
Artinya, pernyataan pengusaha tersebut tidak benar.
UJI HIPOTESIS UNTUK PERBEDAAN PROPORSI

P̂1 = proporsi kejadian ‘sukses’ dalam sampel 1
P̂2 = proporsi kejadian ‘sukses’ dalam sampel 2
p1 = proporsi kejadian ‘sukses’ dalam populasi 1
p2 = proporsi kejadian ‘sukses’ dalam populasi 2
 P̂ −P̂ = p1 – p2
1 2
@by:Femiana Gapsari
 1 1  n1 P̂1 + n2 P̂2
 P̂ −P̂ = p(1 − p) +  ; p di estimate dengan P =
1 2
 n1 n2  n1 + n2
Statistik Uji :
P̂1 − P̂2 P̂1 − P̂2
z= = ~ N(0 ;1)
 1 1   1 1 
p(1 − p) +  P(1 − P ) + 
 n1 n2   n1 n2 
a. Uji Hipotesis :
• H0 : p1 = p2
H1 : p1 ≠ p2
α/2 1- α α/2
- zα/2 zα/2
b. Uji Hipotesis :
• H0 : p1 = p2
H1 : p1 > p2
1- α α
zα
c. Uji Hipotesis :
• H0 : p1 = p2
H1 : p1 < p2
α 1- α
- zα
zhitung ≥ - zα
@by:Femiana Gapsari
CONTOH :
1. Dari sebuah sampel yang diambil berdasarkan polling pendapat yang terdiri dari 300 orang
dewasa dan 200 remaja, diperoleh data bahwa 56% dari orang dewasa dan 48% dari kelompok
remaja menyukai merk produk tertentu. Ujilah hipotesis bahwa :
a. Terdapat perbedaan minat orang dewasa dan remaja terhadap produk tersebut. Gunakan
α = 1%
b. Jika ya, apakah kelompok orang dewasa lebih menyukai produk tersebut dibandingkan
kelompok remaja ? Gunakan α = 5%
►
Data sampel :
n1 = 300 ; P̂1 = 0,56
n2 = 200 ; P̂2 = 0,48
a. Uji Hipotesis Statistik :
• H0 : p 1 = p2
H 1 : p 1 ≠ p2
P̂1 − P̂2 0,56 − 0,48
• Statistik Uji : z = = = 1,75
 1 1   1 1 
P(1 − P ) +  0,528(1 − 0,528) + 
 n1 n2   300 200 
n1 P̂1 + n2 P̂2 300(0,56) + 200(0,48)

P= = = 0,528
n1 + n2 300 + 200
0,005 0,99 0,005
- z0,005 = -2,58 z0,005 = 2,58
• Kesimpulan :
Karena zhitung = 1,75 > z0,05 = 2,58 ; maka H0 diterima pada α = 1%.
Artinya, tidak terdapat perbedaan yang signifikan antara minat kelompok orang dewasa
dan remaja terhadap produk tersebut.
b. Uji Hipotesis Statistik :

• H0 : p 1 = p2
H1 : p 1 > p2
• Daerah Kritis (Daerah Penolakan H0) : zhitung > 2,33
0,95 0,05
z0,05 = 1,65
• Kesimpulan :
Karena zhitung = 1,75 > z0,05 = 1,65 ; maka H0 ditolak pada α = 0,05.
Artinya, kelompok orang dewasa relatif lebih menyukai produk tersebut dibanding
kelompok remaja.
@by:Femiana Gapsari
2. Dua kelompok A dan B yang masing-masing terdiri dari 100 orang yang menderita penyakit
tertentu digunakan untuk menguji keandalan suatu serum. serum diberikan pada kelompok A,
sementara kelompok B tidak diberi serum (digunakan sebagai kelompok kontrol). Setelah
beberapa waktu diperoleh data bahwa dari kelompok A terdapat 75 orang yang sembuh dan
dari kelompok B terdapat 65 orang yang sembuh. Ujilah keandalan serum tersebut dalam
menyembuhkan penyakit, dengan menggunakan α = 1%.
►
Data sampel :
n1 = 100 ; X1 = 75 ; P̂1 = 0,75
n2 = 100 ; X2 = 65 ; P̂2 = 0,65
n1 P̂1 + n2 P̂2 100(0,75) + 100(0,65)
P= = = 0,7
n1 + n2 100 + 100
Uji Hipotesis Statistik :
• H0 : p 1 = p2
H1 : p 1 > p2
P̂1 − P̂2 0,75 − 0,65
• Statistik Uji : z = = = 1,54
 1 1   1 1 
P(1 − P ) +  0,7(1 − 0,7) + 
 n1 n2   100 100 
• Daerah Kritis (Daerah Penolakan H0) : zhitung > 2,33
0,99 0,01
z0,01 = 2,33
• Kesimpulan :
Karena zhitung = 1,54 < z0,01 = 2,33 ; maka H0 diterima pada α = 1%.
Artinya, serum tersebut tidak handal dalam menyembuhkan penyakit.
UJI HIPOTESIS UNTUK VARIANSI / STANDARD DEVIASI

s2 = variansi sampel
σ2 = variansi populasi
Statistik Uji :
n s2 (n − 1) ŝ2
χ2 hitung = = ~ χ2(n-1)
σ2 σ2
a. Uji Hipotesis :
• H0 : σ = σ 0
H1 : σ ≠ σ 0
n s2 (n − 1) ŝ 2
• Statistik Uji : χ2 hitung = =
σ02 σ02
χ2 hitung < χ2 (1-α/2) ; (n-1) atau χ2 hitung > χ2 α/2 ; (n-1)
@by:Femiana Gapsari
α/2 1- α α/2
0  2(1 −  / 2)  2 / 2  2(n − 1)
Daerah Penerimaan H0 : χ2 (1-α/2) ; (n-1) < χ2 hitung < χ2 α/2 ; (n-1)
b. Uji Hipotesis :
• H0 : σ = σ 0
H1 : σ > σ 0
n s2 (n − 1) ŝ 2
σ02 σ02
χ2 hitung > χ2 α ; (n-1)
1- α α
0  2 ; (n − 1)  2(n − 1)
Daerah Penerimaan H0 : χ2 hitung < χ2 α ; (n-1)
c. Uji Hipotesis :
• H0 : σ = σ 0
H1 : σ < σ 0
n s2 (n − 1) ŝ 2
2
σ0 σ02
χ2 hitung < χ2 1-α ; (n-1)
1- α
α
0  21 −  ; (n − 1)  2(n − 1)
Daerah Penerimaan H0 : χ2 hitung > χ2 1-α ; (n-1)
@by:Femiana Gapsari
CONTOH :
Dalam kondisi normal, standard deviasi dari paket-paket produk dengan berat 40 ons yang
dihasilkan suatu mesin adalah 0,25 ons. Setelah mesin berjalan beberapa waktu, diambil sampel
produk sejumlah 20 paket, dari sample tersebut diketahui standard deviasi beratnya adalah 0,32
ons. Apakah mesin tersebut masih bisa dikatakan bekerja dalam keadaan normal ? Gunakan α =
0,05 dan α = 0,01.
►
n = 20 ; s = 0,32 ons
a. Uji Hipotesis Statistik :
• H0 : σ = 0,25
H1 : σ > 0,25
• Tingkat signifikansi : α =0,05
n s2 20 (0,32)2
• Statistik Uji : χ2 hitung = = = 32,8
σ02 (0,25)2
• Daerah Kritis (Daerah Penolakan H0) : χ2 hitung > χ2 0,05 ; (19) = 30,1
0,95 0,05
0  20,05 ; 19 = 30,1  2(19)
• Kesimpulan :
Karena χ2 hitung = 32,8 >  20,05 ; 19 = 30,1; maka H0 ditolak dengan α = 5%.
Artinya, mesin sudah tidak bekerja dalam kondisi normal.
b. Dengan uji hipotesis yang sama dengan a.

• Daerah Kritis (Daerah Penolakan H0) : χ2 hitung > χ2 0,01 ; (19) = 36,2
0,99 0,01
0  20,01 ; 19 = 36,2  2(19)
• Kesimpulan :
Karena χ2 hitung = 32,8 <  20,01 ; 19 = 36,2; maka H0 tidak ditolak pada α = 1%.
Artinya, mesin masih bisa dikatakan bekerja dalam kondisi normal.
@by:Femiana Gapsari
UJI HIPOTESIS UNTUK RATIO DUA VARIANSI / STANDARD DEVIASI

s12 = variansi sampel 1
s22 = variansi sampel 2
σ12 = variansi populasi 1
σ12 = variansi populasi 1
Statistik Uji :
n1 s12 n1
s12
ŝ12 / σ12 n1 − 1 σ12 n1 − 1 σ 22
F hitung = = = ~ F(n1 −1) ; (n2 −1)
2
ŝ22 / σ 22 n2 s22 n2
s 2 2 σ1
n2 − 1 σ 2 2 n2 − 1
a. Uji Hipotesis :
• H0 : σ1 = σ2
H1 : σ1 ≠ σ2
n1
2 s12
σ2 n1 − 1 ŝ 2
• Statistik Uji : karena H0 : σ1 = σ2 → = 1; maka: Fhitung = = 1
σ12 n2
s22 ŝ 2 2
n2 − 1
F hitung < F(1− α / 2) ; (n1 −1) ; (n2 −1) atau F hitung > F(α / 2) ; (n1 −1) ; (n2 −1)
α/2 1–α α/2
F(1-α/2) ; ν1 ; ν2 Fα/2 ; ν1 ; ν2 Fν1 ; ν2
Daerah Penerimaan H0 : F(1− α / 2) ; (n1 −1) ; (n2 −1) < F hitung < F(α / 2) ; (n1 −1) ; (n2 −1)
b. Uji Hipotesis :
• H0 : σ1 = σ2
H1 : σ1 > σ2
• Daerah Kritis (Daerah Penolakan H0) : F hitung > F(α) ; (n1 −1) ; (n2 −1)
1–α α
Fα ; ν1 ; ν2 Fν1 ; ν2
Daerah Penerimaan H0 : F hitung < F(  ) ; (n1−1) ; (n2 −1)
c. Uji Hipotesis :
• H0 : σ1 = σ2
H1 : σ1 < σ2
@by:Femiana Gapsari
• Daerah Kritis (Daerah Penolakan H0) : F hitung < F(1− α) ; (n1−1) ; (n2 −1)
α 1–α
F(1-α) ; ν1 ; ν2 Fν1 ; ν2
F hitung > F(1− α) ; (n1 −1) ; (n2 −1)

CONTOH :
1. Untuk menguji keseragaman (homogenitas) panjang kawat yang dihasilkan oleh dua pabrik
yang berbeda dilakukan uji ratio variansi. Dari pabrik pertama diambil sampel sejumlah 16
produk, dan diperoleh standard deviasi 9 cm. Dari pabrik kedua diambil sampel sejumlah 25,
diperoleh standard deviasi 12 cm. Apakah kawat yang dihasilkan kedua pabrik tersebut cukup
seragam ? Gunakan α = 0,1
►
n1 = 16 ; s1 = 9
n2 = 25 ; s2 = 12
Uji Hipotesis :
• H0 : σ1 = σ2
H1 : σ1 ≠ σ2
n1 16
s12 92
n1 − 1 16 − 1
• Statistik Uji : F hitung = = = 0,576
n2 25
s22 122
n2 − 1 25 − 1
F hitung < F(0,95) ; (15) ; (24) = 0,44 atau F hitung > F(0,05) ; (15) ; (24) = 2,11
0,05 0,9 0,05
0,44 2,11 Fν1 ; ν2
• Kesimpulan: karena F(0,95) ; (15) ; (24) = 0,44 < F hitung = 0,576 < F(0,05) ; (15) ; (24) =2,112;
maka H0 tidak ditolak (diterima) pada α = 10 %. Artinya, kawat yang dihasilkan kedua
pabrik tersebut relatif seragam.
2. Sama seperti soal sebelumnya. Gunakan α = 1% dan α = 5% , untuk mengetahui apakah

produk kawat yang dihasilkan oleh pabrik pertama lebih seragam panjangnya.
►
a. Uji Hipotesis :
• H0 : σ1 = σ2
H1 : σ1 < σ2
• Daerah Kritis (Daerah Penolakan H0) : F hitung < F(0,99) ; (15) ; (24) = 0,33
@by:Femiana Gapsari
0,01 0,99
0,33 Fν1 ; ν2
• Kesimpulan :
Karena F(0,99) ; (15) ; (24) = 0,33 < F hitung = 0,576 ; maka H0 tidak ditolak pada α = 1%.
Artinya, produk kawat yang dihasilkan oleh pabrik pertama panjangnya seragam dibanding
yang dihasilkan oleh pabrik kedua.’
b. Uji Hipotesis :
• H0 : σ1 = σ2
H1 : σ1 < σ2
• Daerah Kritis (Daerah Penolakan H0) : F hitung < F(0,95) ; (15) ; (24) = 0,44
0,05 0,95
0,44 Fν1 ; ν2
• Kesimpulan :
Karena F(0,95) ; (15) ; (24) = 0,44 < F hitung = 0,576 ; maka H0 tidak ditolak pada α = 5%.
Artinya, produk kawat yang dihasilkan oleh pabrik pertama panjangnya seragam dibanding
yang dihasilkan oleh pabrik kedua.
@by:Femiana Gapsari
RINGKASAN PROSEDUR PENGUJIAN HIPOTESIS STATISTIK

No. H0 Keterangan Statistik Uji H1 Daerah Kritis
1 H0 : μ = μ 0 n ≥ 30 ; x − μ0 a. H1 : μ ≠ μ0 a. zhitung < - zα/2 atau zhitung > zα/2
zhitung =
 diketahui atau σ/ n b. H1 : μ > μ0 b. zhitung > zα
jika tidak diketahui  bisa c. H1 : μ < μ0 c. zhitung < - zα
diestimate dengan s
2 H0 : μ = μ 0 n < 30 ; x - μ0 x − μ0 a. H1 : μ ≠ μ0 a. Thitung < - tα/2;n-1 atau Thitung > tα/2;n-1
Thitung = =
 tidak diketahui ŝ / n s / n −1 b. H1 : μ > μ0 b. Thitung > tα;n-1
 diestimate dengan ŝ c. H1 : μ < μ0 c. Thitung < - tα;n-1
3 H0 : μ 1 = μ 2 n1; n2 ≥ 30 dan ( x1 x2 ) a. H1 : μ1 ≠ μ2 a. zhitung < - zα/2 atau zhitung > zα/2
zhitung =
σ1; σ2 diketahui. b. H1 : μ1 > μ2 b. zhitung > zα
σ12 σ 22
Jika tidak diketahui σ1 ; σ2 + c. H1 : μ1 < μ2 c. zhitung < - zα
n1 n2
bisa diestimate dengan s1
; s2
4 H0 : μ 1 = μ 2 n1 ; n2 < 30 dan x1 - x 2 a. H1 : μ1 ≠ μ2 a. Thitung < - tα/2; atau Thitung > tα/2;
Thitung =
σ1 ; σ2 tidak diketahui, 1 1 b. H1 : μ1 > μ2 b. Thitung > tα;
tetapi σ12 = σ22 = σ2 Sp + c. H1 : μ1 < μ2
n1 n2 c. Thitung < - tα;
(n1 − 1) s12 + (n2 − 1) s22

Sp2 =
n1 + n2 − 2
dan  = n1 + n2 – 2
5 H0 : μ 1 = μ 2 n1 ; n2 < 30 dan ( x1 − x 2 ) a. H1 : μ1 ≠ μ2 a. Thitung < - tα/2; atau Thitung > tα/2;
Thitung =
σ1 ; σ2 tidak diketahui, b. H1 : μ1 > μ2 b. Thitung > tα;
s12 s22
tetapi σ12 ≠ σ22 + c. H1 : μ1 < μ2 c. Thitung < - tα;
n1 n2
2
 s2 s2 
 1 + 2
 n1 n2 
υ=   −2
(s12 / n1) (
+
2
s 22 / n2 ) 2
n1 − 1 n2 − 1
@by:Femiana Gapsari
6 H0 : μ 1 = μ 2 Untuk data berpasangan D a. H1 : μ1 ≠ μ2 a. Thitung < - tα/2;n-1 atau Thitung > tα/2;n-1
atau (paired t test) Thitung = b. H1 : μ1 > μ2 b. Thitung > tα;n-1
sD / n
H0 : μ D = 0 c. H1 : μ1 < μ2 c. Thitung < - tα;n-1
n
∑D j
j =1
dengan : D =
n
n n
n ∑D j2 - [ ∑D j ]2
j =1 j=1
s D2 =
n(n - 1)
7 H0 : p = p 0 p = proporsi populasi P̂ − p0 a. H1 : p ≠ p0 a. zhitung < - zα/2 atau zhitung > zα/2
zhitung = b. H1 : p > p0 b. zhitung > zα
P̂ = proporsi sampel p0 (1 − p0 )
c. H1 : p < p0 c. zhitung < - zα
n
8 H0 : p1 = p2 p = proporsi populasi P̂1 − P̂2 a. H1 : p1 ≠ p2 a. zhitung < - zα/2 atau zhitung > zα/2
z= atau b. H1 : p1 > p2 b. zhitung > zα
P̂ = proporsi sampel  1 1 
p di estimate dengan p(1 − p) +  c. H1 : p1 < p2 c. zhitung < - zα
 n1 n2 
n1 P̂1 + n2 P̂2
P= P̂1 − P̂2
n1 + n2 =
 1 1 
P(1 − P ) + 
 n1 n2 
9 H0 : 2 = 02 s2 = variansi sampel n s2 (n − 1) ŝ 2 a. H1 :  ≠ 0 a. 2hitung < - 2 1-α/2;n-1 atau
σ2 = variansi populasi χ2 hitung = =
atau
σ02 σ02 b. H1 :  > 0 2hitung > - 2 α/2;n-1
H0 :  = 0 n −1 2 c. H1 :  < 0 b. χ2 hitung > χ2 α ; (n-1)
ŝ2 = s
n c. χ2 hitung < χ2 1-α ; (n-1)
10 H0 : 12 = 22 n −1 2 n1 a. H1 : σ1 ≠ σ2 a. F hitung < F(1− / 2) ; (n1−1) ; (n2 −1) atau
ŝ2 = s s12
atau n n1 − 1 ŝ 2 b. H1 : σ1 > σ2
Fhitung = = 1 c. H1 : σ1 < σ2
F hitung > F(  / 2) ; (n1 −1) ; (n2 −1)
H0 : σ1 = σ2 n2 ŝ 2 2
s22
n2 − 1 b. F hitung > F(  ) ; (n1−1) ; (n2 −1)
c. F hitung < F(1− ) ; (n1−1) ; (n2 −1)
@by:Femiana Gapsari
UJI HIPOTESIS UNTUK KESAMAAN BEBERAPA PROPORSI (UJI INDEPENDENSI)

Langkah-langkah Pengujian Hipotesis:
• H0 : p1 = p2 = …… = pk = p
H1 : tidak semua sama (paling sedikit ada satu yang tidak sama)
• Tingkat signifikansi: 
• Data sampel:
Sampel Sampel Sampel Sampel
………… Total
1 2 k-1 k
Sukses x1 x2 ………… xk-1 xk x
Gagal n1 – x1 n2 – x2 ………… nk-1 – xk-1 nk – xk n–x
Total n1 n2 ………… nk-1 nk n
xj = banyaknya kejadian sukses pada sampel j ; j = 1, 2, 3, ……. , k

nj = ukuran sampel j
• Statistik Uji:
2 k (oij - eij )2
χ2 hitung = ∑∑  2α ; (k - 1)
i =1 j =1
eij
dengan:
nj x
o1j = xj ; e1j = nj p̂ j =
n
n j (n - x)
o2j = nj − xj ; e2j = nj (1 − p̂ j ) =
n

χ2 hitung > χ2 α ; (k-1)
1- α α
0  2α ; (k - 1)  2(k - 1)
CONTOH:
Tabel berikut menunjukkan dampak yang terjadi akibat perubahan temperatur terhadap 3 jenis
material.
Dampak Material A Material B Material C Total
Retak 41 27 22 90
Tetap Utuh 79 53 78 210
Total 120 80 100 300
Gunakan tingkat signifikansi 0,05 untuk menguji apakah probabilitas akan terjadi keretakan pada
ketiga material akibat pengaruh temperatur tersebut sama.
Penyelesaian:
• H0 : pA = pB = pC = p
• Tingkat signifikansi: 0,05
• Data sampel:
@by:Femiana Gapsari
Material Material Material

Total
A B C
o1j 41 27 22 90
e1j 36 24 30
o2j 79 53 78 210
e2j 84 56 70
Total 120 80 100 300
nj x n j (90)
o1j = xj ; e1j = nj p̂ j = =
n 300
n j (n - x ) n j (210)
o2j = nj − xj ; e2j = nj (1 − p̂ j ) = =
n 300
• Statistik Uji:
2 3 (oij - eij )2 ( 41 - 36)2 ( 27 - 24 )2 ( 22 - 30)2 (79 - 84 )2
χ2 hitung = ∑∑ eij
=
36
+
24
+
30
+
84
+
i =1 j =1
(53 - 56 )2 (78 - 70 )2
+ = 4,575  20,05 ; (3 - 1)
56 70
• Daerah Kritis (Daerah Penolakan H0): 2hitung > 20,05 ; (2) = 5,991
0,95 0,05
0 20,05 ;2 = 5,991  22
Karena 2hitung = 4,575 < 20,05 ; (2) = 5,991 , maka H0 diterima
Artinya kemungkinan terjadinya keretakan akibat perubahan temperatur pada ketiga jenis
material sama.
UJI INDEPENDENSI UNTUK TABEL CONTINGENCY (r x c)

Langkah-langkah Pengujian Hipotesis:
• H0 : pi1 = pi2 = …………. = pic = p ; i = 1, 2, 3, …….. , r
• Tingkat signifikansi: 
• Data sampel:
Total
Sampel 1 Sampel 2 …… Sampel c-1 Sampel c
(xi)
Kejadian 1 x11 x12 …… x1,c-1 x1,c x1
Kejadian 2 x21 x22 …… x2,c-1 x2,c x2
:
Kejadian r-1 xr-1,1 xr-1,2 …… xr-1,c-1 xr-1,c xr-1
Kejadian r xr1 xr2 …… xr,c-1 xr,c xr
Total (nj) n1 n2 …… nc-1 nc n
xij = banyaknya kejadian i pada sampel j ; i = 1, 2, 3, ……. , r
nj = ukuran sampel j ; j = 1, 2, 3, ……. , c
@by:Femiana Gapsari
r c (oij - eij )2
• Statistik Uji: 2 hitung = ∑∑  2α ; (r - 1)(c - 1)
i =1 j =1
eij
n j xi
dengan: oij = xij ; eij = nj p̂ j =
n
χ2 hitung > χ2 α ; (r-1)(c-1)
1- α α
0 2α ; (r - 1)(c - 1) 2(r - 1)(c - 1)
CONTOH:
Untuk menentukan apakah terdapat hubungan antara performansi karyawan dalam program
training yang diadakan perusahaan terhadap keberhasilan mereka dalam tugas-tugas pekerjaan-
nya, diambil sampel sebanyak 400 karyawan. Hasilnya disajikan dalam tabel berikut:
Performansi dalam program training Total
Di bawah rata-rata Rata-rata Di atas rata-rata xi
Keberhasilan Rendah 23 60 29 112
dalam Rata-rata 28 79 60 167
pekerjaan Bagus 9 49 63 121
Total (nj) 60 188 152 400
Gunakan  = 0,01 untuk menguji hal tersebut.
Penyelesaian:
• H0 : p1 = p2 = p3 = p → performansi dalam program training dan keberhasilan dalam
pekerjaan saling independen
• Tingkat signifikansi: 0,01
• Data sampel:
Di bawah Di atas
Rata-rata Total xi
rata-rata rata-rata
o1j 23 60 29 112
e1j 16,8 52,6 42,6
o1j 28 79 60 167
e1j 25,0 78,5 63,5
o2j 9 49 63 121
e2j 18,2 56,9 45,9
Total nj 60 188 152 400
n j xi n j xi
oij = xij ; eij = nj p̂ j = =
n 400
• Statistik Uji:
3 3 (oij - eij )2 (23 - 16,8)2 (60 - 52,6)2 (29 - 42,6)2 ( 28 - 25 )2
 2hitung = ∑∑ = + + +
i =1 j =1
eij 16,8 52,6 42,6 25
(79 - 78,5)2 (60 - 63,5)2 (9 - 18,2)2 ( 49 - 56,9)2

+ + + +
78,5 63,5 18,2 56,9
(63 - 45,9)2
+ = 20,34  20,01 ; (3 - 1)(3 - 1)
45,9
@by:Femiana Gapsari
• Daerah Kritis (Daerah Penolakan H0): 2hitung > 20,01 ; (4) = 13,277
0,99 0,01
0 20,01 ;4 = 13,277 20,34 24

Karena  2 = 20,34 <  20,01 ; ( 4) = 13,277 , maka H0 ditolak
hitung
• Artinya performansi dalam program training dan keberhasilan dalam pekerjaan saling
dependen atau performansi dalam program training akan mempengaruhi keberhasilan dalam
pekerjaan.
@by:Femiana Gapsari

3-Uji Hipotesis

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

3-Uji Hipotesis

Diunggah oleh

Hak Cipta:

Format Tersedia

■ Hipotesis Statistik 1

TEORI KEPUTUSAN STATISTIK

KEPUTUSAN STATISTIK (STATISTICAL DECISIONS)

KESALAHAN TIPE I DAN KESALAHAN TIPE II

Hasil Uji Hipotesis

P(kesalahan tipe I) = P(menolak H0 | H0 benar) = α

TINGKAT SIGNIFIKANSI UJI

UJI HIPOTESIS YANG BERKAITAN DENGAN DISTRIBUSI NORMAL

/2 = 0,025 1 -  = 0,95 /2 = 0,025

-z/2 = -1,96 z/2 = 1,96

UJI HIPOTESIS UNTUK RATA-RATA :

Daerah Penerimaan H0 : - zα/2. ≤ zhitung ≤ zα/2

Daerah Penerimaan H0 : zhitung ≤ zα

• Daerah Kritis (Daerah Penolakan H0) : zhitung < - zα

-2,58 -2,5 0 2,58

II. Uji Rata-rata Untuk Sampel Berukuran Kecil (n < 30)

• Daerah Kritis (Daerah Penolakan H0):

− tα/2 ; (n-1) 0 tα/2 ; (n-1) t (n-1)

Daerah Penerimaan H0 : − tα/2 ; (n-1) = t (1- α/2);(n-1) ≤ Thitung ≤ tα/2 ; (n-1)

Daerah Penerimaan H0 : Thitung > − tα ; (n-1)

• Tingkat signifikansi : α = 0,01

− t0,01 ; (5) = − 3,36 -2,31 0

− t0,05 ; (5) = −2,1 0 t5

UJI HIPOTESIS UNTUK PERBEDAAN DUA RATA-RATA

Daerah Penerimaan H0 : - zα/2 ≤ zhitung ≤ zα/2

0,025 0,95 0,025

- z0,025 = -1,96 z0,025 = 1,96

II. Jika n1 ; n2 < 30 dan σ1 ; σ2 tidak diketahui, tetapi σ12 = σ22 = σ2 .

(n1 − 1) s12 + (n2 − 1) s22

Daerah Penerimaan H0 : Thitung ≥ - tα ; ν

III. Jika n1 ; n2 < 30 dan σ1 ; σ2 tidak diketahui, σ12 ≠ σ22 .

Daerah Penerimaan H0 : - tα/2 ; ν ≤ zhitung ≤ tα/2 ; ν

(n1 − 1) s12 + (n2 − 1) s 22 (16 − 1) 100 + (14 − 1) 64

• Daerah Kritis (Daerah Penolakan H0):

0,05 0,99 0,05

- t0,05 ; 28 = -2,76 0 t0,025 ; 28 = 2,76

IV. Pengujian dua sampel berpasangan (Paired t test)

dengan diasumsikan bahwa

UJI HIPOTESIS UNTUK PROPORSI

• Daerah Kritis (Daerah Penolakan H0) : zhitung > zα

• Daerah Kritis (Daerah Penolakan H0) : zhitung < - zα

0,025 0,95 0,025

- zα/2 = -1,96 0 zα/2 = 1,96

• Tingkat signifikansi : α = 0,01

UJI HIPOTESIS UNTUK PERBEDAAN PROPORSI

Daerah Penerimaan H0 : zhitung ≤ zα

n1 P̂1 + n2 P̂2 300(0,56) + 200(0,48)

0,005 0,99 0,005

- z0,005 = -2,58 z0,005 = 2,58

b. Uji Hipotesis Statistik :

UJI HIPOTESIS UNTUK VARIANSI / STANDARD DEVIASI

• Daerah Kritis (Daerah Penolakan H0):

χ2 hitung < χ2 (1-α/2) ; (n-1) atau χ2 hitung > χ2 α/2 ; (n-1)

Daerah Penerimaan H0 : χ2 (1-α/2) ; (n-1) < χ2 hitung < χ2 α/2 ; (n-1)

Daerah Penerimaan H0 : χ2 hitung < χ2 α ; (n-1)

Daerah Penerimaan H0 : χ2 hitung > χ2 1-α ; (n-1)

0  20,05 ; 19 = 30,1  2(19)

Artinya, mesin sudah tidak bekerja dalam kondisi normal.

b. Dengan uji hipotesis yang sama dengan a.

0  20,01 ; 19 = 36,2  2(19)

Artinya, mesin masih bisa dikatakan bekerja dalam kondisi normal.

UJI HIPOTESIS UNTUK RATIO DUA VARIANSI / STANDARD DEVIASI

α/2 1–α α/2