Langkah 1: Nyatakan Hipotesis Nol (H0) dan Hipotesis Alternatif (H1)

Langkah pertama adalah menyatakan hipotesis yang sedang diuji. Ini disebut hipotesis nol,
ditunjuk H0, dan dibaca "H sub nol." Huruf kapital H adalah singkatan dari hipotesis, dan subskrip
nol menyiratkan "tidak ada perbedaan." Biasanya ada istilah "tidak" atau "tidak" dalam hipotesis
nol, yang berarti bahwa "tidak ada perubahan." Misalnya, hipotesis nol adalah bahwa jumlah rata-
rata mil yang dikendarai pada ban bersabuk baja tidak berbeda dari 60.000. Hipotesis nol akan ditulis
H0: μ = 60.000. Secara umum, hipotesis nol dikembangkan untuk tujuan pengujian. Kami menolak
atau gagal menolak hipotesis nol. Hipotesis nol adalah pernyataan yang tidak ditolak kecuali data
sampel kami memberikan bukti yang meyakinkan bahwa itu salah. Kita harus menekankan bahwa,
jika hipotesis nol tidak ditolak berdasarkan data sampel, kita tidak dapat mengatakan bahwa
hipotesis nol itu benar. Dengan kata lain, gagal menolak hipotesis nol tidak membuktikan bahwa H0
benar; itu berarti kita telah gagal untuk menyangkal H0. Untuk membuktikan tanpa keraguan
hipotesis nol itu benar, parameter populasi harus diketahui. Untuk benar-benar menentukannya, kita
harus menguji, mensurvei, atau menghitung setiap item dalam populasi. Ini biasanya tidak layak.
Alternatifnya adalah mengambil sampel dari populasi.

Seringkali, hipotesis nol dimulai dengan menyatakan, "Tidak ada perbedaan yang signifikan
antara . . . " atau "Kekuatan benturan rata-rata kaca tidak berbeda secara signifikan dari. . . ." Ketika
kita memilih sampel dari populasi, statistik sampel biasanya berbeda secara numerik dari parameter
populasi yang dihipotesiskan. Sebagai ilustrasi, misalkan kekuatan tumbukan yang dihipotesiskan dari
pelat kaca adalah 70 psi, dan kekuatan tumbukan rata-rata sampel dari 12 pelat kaca adalah 69,5 psi.
Kita harus membuat keputusan tentang perbedaan 0,5 psi. Apakah itu perbedaan yang sebenarnya,
yaitu perbedaan yang signifikan, atau apakah perbedaan antara statistik sampel (69,5) dan
parameter populasi yang dihipotesiskan (70,0) karena kebetulan (pengambilan sampel)? Untuk
menjawab pertanyaan ini, kami melakukan tes signifikansi, yang biasa disebut sebagai tes hipotesis.
Untuk mendefinisikan apa yang dimaksud dengan hipotesis nol:

Hipotesis alternatif menjelaskan apa yang akan Anda simpulkan jika Anda menolak hipotesis
nol. Ditulis H1 dan dibaca "H sub one." Hal ini juga disebut sebagai hipotesis penelitian. Hipotesis
alternatif diterima jika data sampel memberi kita bukti statistik yang cukup bahwa hipotesis nol
salah.

Contoh berikut akan membantu memperjelas apa yang dimaksud dengan hipotesis nol dan
hipotesis alternatif. Sebuah artikel baru-baru ini menunjukkan usia rata-rata pesawat komersial AS
adalah 15 tahun. Untuk melakukan uji statistik mengenai pernyataan ini, langkah pertama adalah
menentukan hipotesis nol dan alternatif. Hipotesis nol mewakili kondisi saat ini atau yang dilaporkan.
Ada tertulis H0: μ = 15. Hipotesis alternatif adalah bahwa pernyataan itu tidak benar, yaitu, H1: μ ≠
15. Penting untuk diingat bahwa tidak peduli bagaimana masalah dinyatakan, hipotesis nol akan
selalu mengandung tanda sama dengan. Tanda sama dengan (=) tidak akan pernah muncul dalam
hipotesis alternatif. Mengapa? Karena hipotesis nol adalah pernyataan yang sedang diuji, dan kita
memerlukan nilai tertentu untuk dimasukkan dalam perhitungan kita. Kami beralih ke hipotesis
alternatif hanya jika data menunjukkan hipotesis nol tidak benar.

1. **Hipotesis Nol (H0):**

 - Hipotesis nol adalah pernyataan yang diajukan untuk diuji dalam suatu percobaan atau
penelitian.

- Biasanya menyatakan bahwa tidak ada perbedaan atau tidak ada efek yang signifikan
antara dua atau lebih kelompok yang dibandingkan.

- Dalam notasi, H0 biasanya ditulis dengan menggunakan simbol "μ" untuk menunjukkan
parameter populasi tertentu yang dihipotesiskan, dan tanda sama dengan (=) digunakan untuk
menunjukkan tidak adanya perbedaan.

- Misalnya, dalam contoh usia rata-rata pesawat komersial AS, H0: μ = 15 menyatakan
bahwa usia rata-rata adalah 15 tahun.

2. **Hipotesis Alternatif (H1):**

- Hipotesis alternatif adalah pernyataan yang menyatakan adanya perbedaan atau efek
yang signifikan antara kelompok yang dibandingkan.

- Hipotesis alternatif dapat mengambil bentuk yang berbeda, tergantung pada pertanyaan
penelitian atau tujuan percobaan.

- Dalam notasi, H1 biasanya tidak menggunakan tanda sama dengan (=), melainkan tanda
ketidak samaan atau tanda "lebih besar dari" atau "kurang dari", tergantung pada bentuk
alternatifnya.

- Contoh dari hipotesis alternatif untuk kasus usia pesawat komersial adalah H1: μ ≠ 15,
yang menyatakan bahwa usia rata-rata tidak sama dengan 15 tahun.

Contoh:

Sebuah penelitian ingin menguji apakah usia rata-rata pesawat komersial AS berbeda dari 15
tahun, seperti yang dilaporkan dalam sebuah artikel. Maka, langkah pertama adalah menetapkan
hipotesis nol dan hipotesis alternatif.

Hipotesis Nol (H0) Usia rata-rata pesawat komersial AS adalah 15 tahun (H0: μ = 15).

Hipotesis Alternatif (H1) Usia rata-rata pesawat komersial AS tidak sama dengan 15 tahun
(H1: μ ≠ 15).

Perlu dicatat bahwa hipotesis nol adalah asumsi awal yang diperlukan untuk dilakukan uji
statistik, sementara hipotesis alternatif mencerminkan kemungkinan bahwa hipotesis nol tidak benar
berdasarkan bukti yang diperoleh dari data sampel.

Langkah 2: Pilih Tingkat Signifikansi Setelah menyiapkan hipotesis nol dan hipotesis alternatif,
langkah selanjutnya adalah menyatakan tingkat signifikansi. Tingkat signifikansi ditunjuk α, huruf
Yunani alfa. Hal ini juga kadang-kadang disebut tingkat risiko. Ini mungkin istilah yang lebih tepat
karena itu adalah risiko yang Anda ambil untuk menolak hipotesis nol ketika itu benar-benar benar.
Tidak ada satu tingkat signifikansi yang diterapkan pada semua tes. Keputusan dibuat untuk
menggunakan level .05 (sering dinyatakan sebagai level 5%), level .01, level .10, atau level lainnya
antara 0 dan 1. Secara tradisional, tingkat 0,05 dipilih untuk proyek riset konsumen, 0,01 untuk
jaminan kualitas, dan 0,10 untuk jajak pendapat politik. Anda, peneliti, harus memutuskan tingkat
signifikansi sebelum merumuskan aturan keputusan dan mengumpulkan data sampel Untuk
mengilustrasikan bagaimana mungkin untuk menolak hipotesis yang benar, misalkan sebuah
perusahaan yang memproduksi komputer pribadi menggunakan sejumlah besar papan sirkuit cetak.
Pemasok menawar di papan, dan yang dengan tawaran terendah diberikan kontrak yang cukup besar.
Misalkan kontrak menentukan bahwa departemen jaminan kualitas produsen komputer akan secara
acak mengambil sampel semua pengiriman papan sirkuit yang masuk. Jika lebih dari 6% papan
sampel di bawah standar, pengiriman akan ditolak. Hipotesis nol adalah bahwa pengiriman papan
yang masuk memenuhi standar kualitas kontrak dan berisi 6% atau kurang papan yang rusak.
Hipotesis alternatif adalah bahwa lebih dari 6% papan rusak. Pengiriman 4.000 papan sirkuit diterima
dari Allied Electronics, dan departemen jaminan kualitas memilih sampel acak dari 50 papan sirkuit
untuk pengujian. Dari 50 papan sirkuit sampel, 4 papan, atau 8%, di bawah standar. Pengiriman
ditolak karena melebihi maksimum 6% papan sirkuit cetak di bawah standar. Jika pengiriman benar-
benar di bawah standar, maka keputusan untuk mengembalikan papan ke pemasok sudah benar.
Namun, karena kesalahan pengambilan sampel, ada kemungkinan kecil dari keputusan yang salah.
Misalkan hanya ada 40, atau 4%, papan yang rusak dalam pengiriman (jauh di bawah ambang batas
6%) dan 4 dari 40 ini dipilih secara acak dalam sampel 50. Bukti sampel menunjukkan bahwa
persentase papan yang rusak adalah 8% (4 dari 50 adalah 8%) jadi kami menolak pengiriman. Tapi,
faktanya, dari 4.000 papan, hanya ada 40 unit yang rusak. Tingkat cacat sebenarnya adalah 1,00%.
Dalam hal ini, bukti sampel kami memperkirakan 8% cacat tetapi hanya ada 1% cacat dalam populasi.
Berdasarkan bukti sampel, keputusan yang salah dibuat. Dalam hal pengujian hipotesis, kami
menolak hipotesis nol ketika kami seharusnya gagal menolak hipotesis nol. Dengan menolak
hipotesis nol yang sebenarnya, kami melakukan kesalahan Tipe I. Probabilitas melakukan kesalahan
Tipe I diwakili oleh huruf Yunani alpha (α). KESALAHAN TIPE I Menolak hipotesis nol, H0, ketika itu
benar. Kesalahan lain yang mungkin terjadi dalam pengujian hipotesis disebut kesalahan Tipe II.
Probabilitas melakukan kesalahan Tipe II ditentukan oleh huruf Yunani beta (β) KESALAHAN TIPE II
Tidak menolak hipotesis nol ketika salah.

Perusahaan yang memproduksi komputer pribadi akan melakukan kesalahan Tipe II jika,
tanpa diketahui oleh pabrikan, pengiriman papan sirkuit cetak yang masuk dari Allied Electronics
berisi papan di bawah standar 15%, namun pengiriman diterima. Bagaimana ini bisa terjadi? Sampel
acak dari 50 papan bisa memiliki 2 (4%) papan di bawah standar, dan 48 papan yang baik. Menurut
prosedur yang dinyatakan, karena sampel mengandung kurang dari 6% papan di bawah standar,
keputusannya adalah menerima pengiriman. Ini adalah kesalahan Tipe II. Meskipun peristiwa ini
sangat tidak mungkin, hal ini dimungkinkan berdasarkan proses pengambilan sampel secara acak dari
suatu populasi. Di bagian selanjutnya, kami menunjukkan cara menghitung probabilitas kesalahan
Tipe II. Dalam retrospeksi, peneliti tidak dapat mempelajari setiap item atau individu dalam populasi.
Dengan demikian, ada kemungkinan dua jenis kesalahan — kesalahan Tipe I, di mana hipotesis nol
ditolak ketika seharusnya tidak ditolak, dan kesalahan Tipe II, di mana hipotesis nol tidak ditolak
ketika seharusnya ditolak. Kita sering menyebut probabilitas kedua kemungkinan kesalahan ini
sebagai alfa, α, dan beta, β. Alpha (α) adalah probabilitas membuat kesalahan Tipe I, dan beta (β)
adalah probabilitas membuat kesalahan Tipe II. Tabel berikut merangkum keputusan yang dapat
dibuat peneliti dan konsekuensi yang mungkin terjadi.

1. **Tingkat Signifikansi (α):**

- Tingkat signifikansi, ditunjukkan oleh huruf Yunani α, adalah tingkat risiko yang diambil
dalam menolak hipotesis nol ketika sebenarnya hipotesis nol tersebut benar.
 - Tingkat signifikansi dapat dipilih sebelumnya oleh peneliti dan biasanya diatur pada nilai
tertentu, seperti 0,05 (5%), 0,01 (1%), atau lainnya.

- Tingkat signifikansi yang lebih rendah menunjukkan tingkat kepercayaan yang lebih tinggi
dalam menolak hipotesis nol.

2. **Kesalahan Tipe I dan Tipe II:**

- Kesalahan Tipe I terjadi ketika hipotesis nol ditolak padahal seharusnya tidak, sedangkan
kesalahan Tipe II terjadi ketika hipotesis nol tidak ditolak padahal seharusnya ditolak.

- Probabilitas kesalahan Tipe I dilambangkan dengan α, sementara probabilitas kesalahan

Tipe II dilambangkan dengan β.

- Penting untuk memahami dan memperhitungkan kedua jenis kesalahan ini dalam
pengambilan keputusan statistik.

3. **Contoh Penerapan Tingkat Signifikansi:**

- Dalam contoh perusahaan yang memproduksi komputer pribadi, tingkat signifikansi 0,05
digunakan untuk menentukan apakah pengiriman papan sirkuit harus diterima atau ditolak.

- Dengan tingkat signifikansi 0,05, perusahaan memutuskan untuk menolak pengiriman jika
lebih dari 6% papan sirkuit dalam sampel berada di bawah standar.

Contoh:

Sebuah perusahaan memproduksi komputer pribadi dan memiliki kebijakan untuk menolak
pengiriman papan sirkuit jika lebih dari 6% papan rusak dalam sampel acak dari pengiriman. Dalam
sebuah pengiriman dari Allied Electronics, 4 papan sirkuit dari sampel 50 ditemukan rusak (8%).
Dengan tingkat signifikansi 0,05, perusahaan memutuskan untuk menolak pengiriman karena
persentase papan rusak melebihi ambang batas 6%, yang menghasilkan kesalahan Tipe I.

Namun, jika sebenarnya hanya ada 40 papan yang rusak dari total 4.000 papan dalam
pengiriman, maka keputusan untuk menolak pengiriman akan menghasilkan kesalahan Tipe II,
karena sampel acak 50 papan mungkin saja hanya mencakup 4% papan rusak yang berada di bawah
ambang batas 6%.

Dalam kedua kasus ini, penting untuk memperhitungkan tingkat signifikansi dan
kemungkinan kesalahan Tipe I dan Tipe II dalam membuat keputusan statistik.

Langkah 3: Pilih Statistik Tes Ada banyak statistik tes. Dalam bab ini, kami menggunakan z
dan t sebagai statistik tes. Dalam bab-bab selanjutnya, kita akan menggunakan statistik uji seperti F
dan χ2, yang disebut chi-square. Peneliti Null Tidak Menolak Hipotesis H0 H0 H0 benar Benar
Kesalahan keputusan Tipe I H0 salah Tipe II Keputusan yang benar STATISTIK UJI Nilai, ditentukan dari
informasi sampel, digunakan untuk menentukan apakah akan menolak hipotesis nol. Dalam
pengujian hipotesis untuk rata-rata (μ) ketika σ diketahui, statistik uji z dihitung dengan: MENGUJI
RATA-RATA, σ DIKETAHUI z = x − μ σ∕√n (10–1) Nilai z didasarkan pada distribusi sampling x, yang
mengikuti distribusi normal dengan rata-rata (μx ) sama dengan μ dan standar deviasi σx, yang sama
dengan σ∕√n. Dengan demikian kita dapat menentukan apakah perbedaan antara x dan μ signifikan
secara statistik dengan menemukan jumlah standar deviasi x dari μ, menggunakan rumus (10-1).

Catatan Pembahasan:

1. **Pemilihan Statistik Uji:**

- Dalam pengujian hipotesis, statistik uji digunakan untuk menentukan apakah akan
menolak hipotesis nol berdasarkan data sampel yang dikumpulkan.
 - Dalam bab ini, kita akan fokus pada penggunaan statistik uji z dan t untuk pengujian
hipotesis tentang rata-rata populasi.

- Statistik uji dipilih berdasarkan karakteristik dari data yang diamati dan apakah parameter
populasi seperti deviasi standar diketahui atau tidak.

2. **Statistik Uji z untuk Pengujian Rata-rata:**

- Dalam situasi di mana deviasi standar populasi (σ) diketahui dan kita ingin menguji
hipotesis tentang rata-rata populasi (μ), kita menggunakan statistik uji z.

- Rumus untuk menghitung nilai z adalah: \( z = \frac{\bar{x} - \mu}{\frac{\sigma}{\

sqrt{n}}} \), di mana \(\bar{x}\) adalah rata-rata sampel, \(\mu\) adalah rata-rata populasi yang
dihipotesiskan, σ adalah deviasi standar populasi, dan n adalah ukuran sampel.

3. **Interpretasi Statistik Uji z:**

- Nilai z menunjukkan seberapa jauh rata-rata sampel (\(\bar{x}\)) berbeda dari rata-rata
populasi yang dihipotesiskan (\(\mu\)) dalam satuan standar deviasi populasi.

- Semakin besar nilai z, semakin signifikan perbedaan antara rata-rata sampel dan rata-rata
populasi yang dihipotesiskan.

Contoh:

Dalam contoh perusahaan yang memproduksi komputer pribadi, jika kita ingin menguji
apakah persentase papan sirkuit yang rusak dalam pengiriman melebihi 6%, kita dapat menggunakan
statistik uji z jika deviasi standar populasi dari persentase papan yang rusak diketahui.

Misalkan deviasi standar populasi dari persentase papan yang rusak adalah σ = 1%. Dari
sampel acak 50 papan sirkuit, kita mendapatkan rata-rata persentase papan yang rusak \(\bar{x}\)
sebesar 8%. Dengan ukuran sampel n = 50 dan hipotesis nol \(\mu = 6%\), kita dapat menghitung
nilai z:

\[ z = \frac{0,08 - 0,06}{\frac{0,01}{\sqrt{50}}} \]

\[ z = \frac{0,02}{0,00447} \

\[ z \approx 4,47 \]

Nilai z sebesar 4,47 menunjukkan bahwa perbedaan antara persentase papan yang rusak
dalam sampel dengan hipotesis nol adalah signifikan secara statistik. Oleh karena itu, kita mungkin
akan menolak hipotesis nol dan mengambil tindakan terkait dengan pengiriman tersebut.

Langkah 4: Merumuskan Aturan Keputusan Aturan keputusan adalah pernyataan tentang

kondisi spesifik di mana hipotesis nol ditolak dan kondisi di mana hipotesis itu tidak ditolak.
Wilayah atau area penolakan mendefinisikan lokasi semua nilai yang sangat besar atau sangat kecil
sehingga probabilitas kemunculannya di bawah hipotesis nol yang sebenarnya agak jauh. Bagan 10–1
menggambarkan wilayah penolakan untuk uji signifikansi yang akan dilakukan nanti dalam bab ini.
Perhatikan dalam bagan bahwa: • Area di mana hipotesis nol tidak ditolak adalah di sebelah kiri
1,645. Kami akan segera menjelaskan cara mendapatkan nilai 1.645. • Area penolakan berada di
sebelah kanan 1.645. • Tes satu sisi sedang diterapkan. (Ini juga akan dijelaskan nanti.) • Tingkat
signifikansi 0,05 dipilih. • Distribusi sampling statistik z mengikuti distribusi probabilitas normal. Nilai
1,645 memisahkan daerah di mana hipotesis nol ditolak dan di mana hipotesis tidak ditolak. • Nilai
1,645 adalah nilai kritis. NILAI KRITIS Titik pemisah antara wilayah di mana hipotesis nol ditolak dan
wilayah di mana hipotesis tidak ditolak.

1. **Merumuskan Aturan Keputusan:**

- Aturan keputusan adalah pernyataan tentang kondisi spesifik di mana hipotesis nol ditolak
dan kondisi di mana hipotesis nol tidak ditolak.

- Wilayah penolakan adalah area di mana kita menolak hipotesis nol karena nilai statistik uji
berada di dalamnya, sementara wilayah tidak penolakan adalah area di mana kita gagal menolak
hipotesis nol.

2. **Nilai Kritis:**

- Nilai kritis adalah nilai yang memisahkan wilayah penolakan dan wilayah tidak penolakan
pada distribusi sampling dari statistik uji tertentu.

- Nilai ini ditentukan oleh tingkat signifikansi yang dipilih dan jenis uji statistik yang
digunakan.

3. **Contoh Penerapan Aturan Keputusan:**

- Misalkan kita menggunakan uji statistik z untuk menguji apakah rata-rata suatu sampel
berbeda secara signifikan dari rata-rata populasi yang dihipotesiskan.

- Dengan tingkat signifikansi 0,05 dan uji satu sisi, kita menentukan nilai kritis z pada 1,645
dari distribusi normal standar.

- Jika nilai z dari sampel kita melebihi 1,645, maka kita akan menolak hipotesis nol;
sebaliknya, jika nilai z kurang dari 1,645, kita gagal menolak hipotesis nol.

Contoh:

Dalam contoh perusahaan yang memproduksi komputer pribadi, kita telah menggunakan uji
statistik z untuk menguji apakah persentase papan sirkuit yang rusak dalam pengiriman melebihi 6%.
Dengan tingkat signifikansi 0,05, nilai kritis z yang sesuai adalah 1,645.

Jika nilai z yang dihitung dari sampel melebihi 1,645, kita akan menolak hipotesis nol bahwa
persentase papan yang rusak kurang dari atau sama dengan 6%. Sebaliknya, jika nilai z kurang dari
atau sama dengan 1,645, kita tidak akan menolak hipotesis nol.
 Langkah 5: Membuat Keputusan Langkah kelima dalam pengujian hipotesis adalah
menghitung nilai statistik pengujian, membandingkan nilainya dengan nilai kritis, dan membuat
keputusan untuk menolak atau tidak menolak hipotesis nol. Mengacu pada Bagan 10–1, jika,
berdasarkan informasi sampel, z dihitung menjadi 2,34, hipotesis nol ditolak pada tingkat signifikansi
0,05. Keputusan untuk menolak H0 dibuat karena 2,34 terletak di wilayah penolakan, yaitu di luar
1,645. Kami menolak hipotesis nol, dengan alasan bahwa sangat tidak mungkin bahwa nilai z yang
dihitung sebesar ini disebabkan oleh kesalahan pengambilan sampel (kebetulan). Seandainya nilai
yang dihitung adalah 1,645 atau kurang, katakanlah 0,71, hipotesis nol tidak ditolak. Beralasan
bahwa nilai komputasi sekecil itu dapat dikaitkan dengan kebetulan, yaitu kesalahan pengambilan
sampel. Seperti yang telah kami tekankan, hanya satu dari dua keputusan yang dimungkinkan dalam
pengujian hipotesis — baik menolak atau tidak menolak hipotesis nol. Namun, karena keputusan
didasarkan pada sampel, selalu mungkin untuk membuat salah satu dari dua kesalahan keputusan.
Dimungkinkan untuk membuat kesalahan Tipe I ketika hipotesis nol ditolak ketika seharusnya tidak
ditolak. Atau mungkin juga untuk membuat kesalahan Tipe II ketika hipotesis nol tidak ditolak dan
seharusnya ditolak. Untungnya, kami memilih probabilitas membuat kesalahan Tipe I, α (alfa), dan
kami dapat menghitung probabilitas yang terkait dengan kesalahan Tipe II, β (beta).

1. **Membuat Keputusan:**

- Langkah kelima dalam pengujian hipotesis melibatkan perbandingan nilai statistik

pengujian (seperti nilai z atau t) dengan nilai kritis yang sesuai untuk tingkat signifikansi yang dipilih.

- Jika nilai statistik pengujian berada di dalam wilayah penolakan, maka hipotesis nol
ditolak; sebaliknya, jika nilai statistik pengujian berada di luar wilayah penolakan, maka hipotesis nol
tidak ditolak.

- Keputusan ini didasarkan pada tingkat signifikansi yang telah ditentukan sebelumnya.

2. **Kesalahan dalam Pengujian Hipotesis:**

- Dalam pengujian hipotesis, terdapat kemungkinan untuk membuat salah satu dari dua
jenis kesalahan: kesalahan Tipe I dan kesalahan Tipe II.

- Kesalahan Tipe I terjadi ketika hipotesis nol ditolak ketika seharusnya tidak ditolak,
sedangkan kesalahan Tipe II terjadi ketika hipotesis nol tidak ditolak ketika seharusnya ditolak.

3. **Probabilitas Kesalahan Tipe I dan Tipe II:**

- Probabilitas membuat kesalahan Tipe I dilambangkan dengan α (alfa), sementara

probabilitas membuat kesalahan Tipe II dilambangkan dengan β (beta).

- Dalam banyak kasus, peneliti memilih tingkat signifikansi α sebelumnya, dan dari nilai α
tersebut, probabilitas kesalahan Tipe II, β, dapat dihitung.

Dalam contoh perusahaan yang memproduksi komputer pribadi, jika nilai statistik pengujian
z yang dihitung dari sampel adalah 2,34, dan kita telah memilih tingkat signifikansi α = 0,05, maka
hipotesis nol akan ditolak karena nilai z yang dihitung berada di luar wilayah penolakan (nilai kritis z
adalah 1,645).

Hal ini berarti bahwa terdapat cukup bukti statistik untuk menolak hipotesis nol yang
menyatakan bahwa persentase papan sirkuit yang rusak kurang dari atau sama dengan 6%. Namun,
jika nilai z yang dihitung adalah 0,71, yang berada di dalam wilayah tidak penolakan, maka hipotesis
nol tidak akan ditolak.
 Dalam kedua kasus ini, penting untuk memperhitungkan kemungkinan kesalahan Tipe I dan
Tipe II dalam membuat keputusan statistik.

Langkah 6: Menafsirkan Hasil Langkah terakhir dalam prosedur pengujian hipotesis adalah
menafsirkan hasil. Proses ini tidak berakhir dengan nilai statistik sampel atau keputusan untuk
menolak atau tidak menolak hipotesis nol. Apa yang bisa kita katakan atau laporkan berdasarkan
hasil uji statistik? Berikut adalah dua contoh: • Seorang reporter investigasi untuk surat kabar
Colorado melaporkan bahwa pendapatan bulanan rata-rata toko serba ada di negara bagian adalah $
130.000. Anda memutuskan untuk melakukan tes hipotesis untuk memverifikasi laporan. Hipotesis
nol dan hipotesis alternatif adalah: H0: μ = $130.000 H1: μ ≠ $130.000 Sampel toko serba ada
menyediakan rata-rata sampel dan standar deviasi, dan Anda menghitung statistik z. Hasil uji
hipotesis menghasilkan keputusan untuk tidak menolak hipotesis nol. Bagaimana Anda menafsirkan
hasilnya? Berhati-hatilah dengan interpretasi Anda karena dengan tidak menolak hipotesis nol, Anda
tidak membuktikan hipotesis nol itu benar. Berdasarkan data sampel, perbedaan antara rata-rata
sampel dan rata-rata populasi yang dihipotesiskan tidak cukup besar untuk menolak hipotesis nol. •
Dalam pidato baru-baru ini kepada siswa, dekan College of Business melaporkan bahwa utang kartu
kredit rata-rata untuk mahasiswa adalah $ 3.000. Anda memutuskan untuk melakukan pengujian
pernyataan atau hipotesis dekan untuk menyelidiki kebenaran pernyataan tersebut. Hipotesis nol
dan hipotesis alternatif adalah: H0: μ = $ 3.000 H1: μ ≠ $ 3.000 Sampel acak mahasiswa memberikan
rata-rata sampel dan standar deviasi, dan Anda menghitung statistik z. Tes hipotesis menghasilkan
keputusan untuk menolak hipotesis nol. Bagaimana Anda menafsirkan hasilnya? Bukti sampel tidak
mendukung pernyataan dekan. Berdasarkan data sampel, jumlah rata-rata utang kartu kredit siswa
berbeda dari $ 3.000. Anda telah menyangkal hipotesis nol dengan probabilitas kesalahan Tipe I yang
dinyatakan, α. Artinya, ada kemungkinan kecil bahwa keputusan untuk menolak hipotesis nol adalah
kesalahan karena pengambilan sampel acak.

1. **Menafsirkan Hasil:**

- Langkah terakhir dalam prosedur pengujian hipotesis adalah menafsirkan hasil uji statistik, yang
melibatkan interpretasi terhadap keputusan yang diambil terkait dengan hipotesis nol.

2. **Interpretasi Hasil Pertama:**

- Dalam contoh toko serba ada, keputusan untuk tidak menolak hipotesis nol berarti bahwa tidak
ada cukup bukti statistik yang mendukung klaim bahwa pendapatan bulanan rata-rata toko serba ada
berbeda secara signifikan dari $130.000.

- Namun, penting untuk diingat bahwa dengan tidak menolak hipotesis nol, kita tidak secara
definitif membuktikan bahwa pendapatan rata-rata toko serba ada benar-benar $130.000. Bukti yang
dihasilkan hanya menyiratkan bahwa perbedaan antara rata-rata sampel dan rata-rata populasi yang
dihipotesiskan tidak cukup besar untuk menolak hipotesis nol.

3. **Interpretasi Hasil Kedua:**

- Dalam contoh utang kartu kredit mahasiswa, keputusan untuk menolak hipotesis nol berarti
bahwa terdapat cukup bukti statistik yang menunjukkan bahwa rata-rata utang kartu kredit
mahasiswa berbeda secara signifikan dari $3.000 yang dinyatakan oleh dekan College of Business.

- Ini mengindikasikan bahwa pernyataan dekan tentang rata-rata utang kartu kredit mahasiswa
tidak didukung oleh bukti sampel yang diperoleh.

- Namun, perlu diingat bahwa dalam membuat keputusan untuk menolak hipotesis nol, terdapat
kemungkinan kecil untuk membuat kesalahan Tipe I, yaitu menolak hipotesis nol ketika seharusnya
tidak. Probabilitas kesalahan tersebut telah ditentukan sebelumnya dengan tingkat signifikansi α.
Dengan demikian, interpretasi hasil pengujian hipotesis memerlukan pemahaman yang hati-hati
terhadap keputusan yang diambil dan penyesuaian dengan konteks serta tingkat signifikansi yang
telah ditentukan sebelumnya.

TES HIPOTESIS SATU ARAH DAN DUA ARAH Lihat Bagan 10–1. Ini menunjukkan tes satu sisi. Ini
disebut tes satu arah karena daerah penolakan hanya di satu ekor kurva. Dalam hal ini, ia berada di
ekor kurva kanan, atau atas. Sebagai ilustrasi, anggaplah departemen pengemasan di General Foods
Corporation khawatir bahwa beberapa kotak Grape Nuts secara signifikan kelebihan berat badan.
Sereal dikemas dalam kotak 453 gram, sehingga hipotesis nol adalah H0: μ ≤ 453. Ini berbunyi, "rata-
rata populasi (μ) sama dengan atau kurang dari 453." Oleh karena itu, hipotesis alternatif adalah H1:
μ > 453. Ini berbunyi, "μ lebih besar dari 453." Perhatikan bahwa tanda ketidaksetaraan dalam
hipotesis alternatif (>) menunjuk ke wilayah penolakan di ekor atas. (Lihat Bagan 10–1). Perhatikan
juga bahwa hipotesis nol termasuk tanda sama dengan. Yaitu, H0: μ ≤ 453. Kondisi kesetaraan selalu
muncul di H0, tidak pernah di H1. Grafik 10–2 menggambarkan situasi di mana wilayah penolakan
berada di ekor kiri (bawah) dari distribusi normal standar. Misalnya, pertimbangkan masalah
produsen mobil, perusahaan penyewaan mobil besar, dan organisasi lain yang membeli ban dalam
jumlah besar. Mereka ingin ban rata-rata, katakanlah, 60.000 mil keausan dalam penggunaan normal.
Oleh karena itu, mereka akan menolak pengiriman ban jika tes mengungkapkan bahwa umur rata-
rata ban secara signifikan di bawah 60.000 mil. Mereka dengan senang hati menerima kiriman jika
umur rata-rata lebih besar dari 60.000 mil! Namun, mereka tidak peduli dengan kemungkinan ini.
Mereka khawatir hanya jika mereka memiliki bukti sampel untuk menyimpulkan bahwa ban akan
rata-rata kurang dari 60.000 mil masa manfaat. Dengan demikian, tes ini diatur untuk memenuhi
kekhawatiran produsen mobil bahwa umur rata-rata ban tidak kurang dari 60.000 mil. Pernyataan ini
muncul dalam hipotesis nol. Hipotesis nol dan alternatif dalam kasus ini ditulis H0: μ ≥ 60.000 dan
H1: μ < 60.000. Salah satu cara untuk menentukan lokasi wilayah penolakan adalah dengan melihat
arah di mana tanda ketidaksetaraan dalam hipotesis alternatif menunjuk (baik < atau >). Dalam
masalah keausan ban, itu menunjuk ke kiri, dan daerah penolakan karena itu di ekor kiri. Singkatnya,
tes adalah satu-arah ketika hipotesis alternatif, H1, menyatakan arah, seperti: H0: Pendapatan rata-
rata pialang saham wanita kurang dari atau sama dengan $ 65.000 per tahun. H1: Pendapatan rata-
rata pialang saham wanita lebih besar dari $ 65.000 per tahun. Jika tidak ada arah yang ditentukan
dalam hipotesis alternatif, kami menggunakan tes dua arah. Mengubah masalah sebelumnya untuk
mengilustrasikan, kita dapat mengatakan: H0: Pendapatan rata-rata pialang saham wanita adalah $
65.000 per tahun. H1: Pendapatan rata-rata pialang saham wanita tidak sama dengan $ 65.000 per
tahun. Jika hipotesis nol ditolak dan H1 diterima dalam kasus dua sisi, pendapatan rata-rata bisa jauh
lebih besar dari $ 65.000 per tahun atau bisa secara signifikan kurang dari $ 65.000 per tahun. Untuk
mengakomodasi dua kemungkinan ini, area penolakan 5% dibagi rata menjadi dua ekor distribusi
sampling (masing-masing 2,5%). Bagan 10–3 menunjukkan dua area dan nilai kritis. Perhatikan
bahwa total area dalam distribusi normal adalah 1.0000, ditemukan oleh .9500 + .0250 + .0250.

1. **Tes Hipotesis Satu Arah dan Dua Arah:**

- Pengujian hipotesis dapat dilakukan dalam dua arah (dua sisi) atau satu arah (satu sisi),
tergantung pada arah yang ditunjukkan oleh hipotesis alternatif.

- Dalam tes satu arah, wilayah penolakan hanya terdapat di satu ekor kurva distribusi (atas atau
bawah), sementara dalam tes dua arah, wilayah penolakan terdapat di kedua ekor kurva distribusi.

2. **Interpretasi Hipotesis dan Tanda Ketidaksetaraan:**

 - Hipotesis nol (H0) selalu mencakup tanda sama dengan (≤, ≥, =), sedangkan hipotesis alternatif
(H1) mengindikasikan arah perubahan (>, <, ≠).

- Contohnya, dalam tes satu arah, jika H1 menyatakan arah (misalnya >), wilayah penolakan berada
di ekor kurva yang sesuai (atas). Sebaliknya, jika H1 tidak menunjukkan arah (misalnya ≠), maka tes
dua arah digunakan.

3. **Bagan dan Nilai Kritis:**

- Bagian wilayah penolakan dari distribusi sampling ditentukan oleh nilai kritis, yang memisahkan
wilayah penolakan dan non-penolakan.

- Dalam tes dua arah, wilayah penolakan biasanya dibagi rata antara kedua ekor distribusi, masing-
masing mewakili setengah dari tingkat signifikansi yang dipilih.

Contoh:

Misalkan kita memiliki sebuah perusahaan yang ingin menguji apakah umur rata-rata ban yang
diproduksi melebihi 60.000 mil dalam penggunaan normal. Dalam hal ini, hipotesis nol (H0) akan
menyatakan bahwa umur rata-rata ban sama dengan atau lebih dari 60.000 mil (H0: μ ≥ 60.000),
sementara hipotesis alternatif (H1) menyatakan bahwa umur rata-rata ban kurang dari 60.000 mil
(H1: μ < 60.000).

Karena H1 menunjukkan arah (kurang dari), maka kita menggunakan tes satu arah. Wilayah
penolakan berada di ekor kiri distribusi. Jika hasil pengujian statistik menunjukkan bahwa nilai rata-
rata sampel ban secara signifikan kurang dari 60.000 mil, kita akan menolak hipotesis nol dan
menyimpulkan bahwa umur rata-rata ban memang kurang dari 60.000 mil dalam penggunaan
normal.
TES HIPOTESIS SATU ARAH DAN DUA ARAH Lihat Bagan 10–1. Ini menunjukkan tes satu sisi. Ini
disebut tes satu arah karena daerah penolakan hanya di satu ekor kurva. Dalam hal ini, ia berada di
ekor kurva kanan, atau atas. Sebagai ilustrasi, anggaplah departemen pengemasan di General Foods
Corporation khawatir bahwa beberapa kotak Grape Nuts secara signifikan kelebihan berat badan.
Sereal dikemas dalam kotak 453 gram, sehingga hipotesis nol adalah H0: μ ≤ 453. Ini berbunyi, "rata-
rata populasi (μ) sama dengan atau kurang dari 453." Oleh karena itu, hipotesis alternatif adalah H1:
μ > 453. Ini berbunyi, "μ lebih besar dari 453." Perhatikan bahwa tanda ketidaksetaraan dalam
hipotesis alternatif (>) menunjuk ke wilayah penolakan di ekor atas. (Lihat Bagan 10–1). Perhatikan
juga bahwa hipotesis nol termasuk tanda sama dengan. Yaitu, H0: μ ≤ 453. Kondisi kesetaraan selalu
muncul di H0, tidak pernah di H1. Grafik 10–2 menggambarkan situasi di mana wilayah penolakan
berada di ekor kiri (bawah) dari distribusi normal standar. Misalnya, pertimbangkan masalah
produsen mobil, perusahaan penyewaan mobil besar, dan organisasi lain yang membeli ban dalam
jumlah besar. Mereka ingin ban rata-rata, katakanlah, 60.000 mil keausan dalam penggunaan normal.
Oleh karena itu, mereka akan menolak pengiriman ban jika tes mengungkapkan bahwa umur rata-
rata ban secara signifikan di bawah 60.000 mil. Mereka dengan senang hati menerima kiriman jika
umur rata-rata lebih besar dari 60.000 mil! Namun, mereka tidak peduli dengan kemungkinan ini.
Mereka khawatir hanya jika mereka memiliki bukti sampel untuk menyimpulkan bahwa ban akan
rata-rata kurang dari 60.000 mil masa manfaat. Dengan demikian, tes ini diatur untuk memenuhi
kekhawatiran produsen mobil bahwa umur rata-rata ban tidak kurang dari 60.000 mil. Pernyataan ini
muncul dalam hipotesis nol. Hipotesis nol dan alternatif dalam kasus ini ditulis H0: μ ≥ 60.000 dan
H1: μ < 60.000. Salah satu cara untuk menentukan lokasi wilayah penolakan adalah dengan melihat
arah di mana tanda ketidaksetaraan dalam hipotesis alternatif menunjuk (baik < atau >). Dalam
masalah keausan ban, itu menunjuk ke kiri, dan daerah penolakan karena itu di ekor kiri. Singkatnya,
tes adalah satu-arah ketika hipotesis alternatif, H1, menyatakan arah, seperti: H0: Pendapatan rata-
rata pialang saham wanita kurang dari atau sama dengan $ 65.000 per tahun. H1: Pendapatan rata-
rata pialang saham wanita lebih besar dari $ 65.000 per tahun. Jika tidak ada arah yang ditentukan
dalam hipotesis alternatif, kami menggunakan tes dua arah. Mengubah masalah sebelumnya untuk
mengilustrasikan, kita dapat mengatakan: H0: Pendapatan rata-rata pialang saham wanita adalah $
65.000 per tahun. H1: Pendapatan rata-rata pialang saham wanita tidak sama dengan $ 65.000 per
tahun. Jika hipotesis nol ditolak dan H1 diterima dalam kasus dua sisi, pendapatan rata-rata bisa jauh
lebih besar dari $ 65.000 per tahun atau bisa secara signifikan kurang dari $ 65.000 per tahun. Untuk
mengakomodasi dua kemungkinan ini, area penolakan 5% dibagi rata menjadi dua ekor distribusi
sampling (masing-masing 2,5%). Bagan 10–3 menunjukkan dua area dan nilai kritis. Perhatikan
bahwa total area dalam distribusi normal adalah 1.0000, ditemukan oleh .9500 + .0250 + .0250.

1. **Tes Hipotesis Satu Arah dan Dua Arah:**

- Pengujian hipotesis dapat dilakukan dalam dua arah (dua sisi) atau satu arah (satu sisi),
tergantung pada arah yang ditunjukkan oleh hipotesis alternatif.

- Dalam tes satu arah, wilayah penolakan hanya terdapat di satu ekor kurva distribusi (atas atau
bawah), sementara dalam tes dua arah, wilayah penolakan terdapat di kedua ekor kurva distribusi.

2. **Interpretasi Hipotesis dan Tanda Ketidaksetaraan:**

- Hipotesis nol (H0) selalu mencakup tanda sama dengan (≤, ≥, =), sedangkan hipotesis alternatif
(H1) mengindikasikan arah perubahan (>, <, ≠).
 - Contohnya, dalam tes satu arah, jika H1 menyatakan arah (misalnya >), wilayah penolakan berada
di ekor kurva yang sesuai (atas). Sebaliknya, jika H1 tidak menunjukkan arah (misalnya ≠), maka tes
dua arah digunakan.

3. **Bagan dan Nilai Kritis:**

- Bagian wilayah penolakan dari distribusi sampling ditentukan oleh nilai kritis, yang memisahkan
wilayah penolakan dan non-penolakan.

- Dalam tes dua arah, wilayah penolakan biasanya dibagi rata antara kedua ekor distribusi, masing-
masing mewakili setengah dari tingkat signifikansi yang dipilih.

Contoh:

Misalkan kita memiliki sebuah perusahaan yang ingin menguji apakah umur rata-rata ban yang
diproduksi melebihi 60.000 mil dalam penggunaan normal. Dalam hal ini, hipotesis nol (H0) akan
menyatakan bahwa umur rata-rata ban sama dengan atau lebih dari 60.000 mil (H0: μ ≥ 60.000),
sementara hipotesis alternatif (H1) menyatakan bahwa umur rata-rata ban kurang dari 60.000 mil
(H1: μ < 60.000).

Karena H1 menunjukkan arah (kurang dari), maka kita menggunakan tes satu arah. Wilayah
penolakan berada di ekor kiri distribusi. Jika hasil pengujian statistik menunjukkan bahwa nilai rata-
rata sampel ban secara signifikan kurang dari 60.000 mil, kita akan menolak hipotesis nol dan
menyimpulkan bahwa umur rata-rata ban memang kurang dari 60.000 mil dalam penggunaan
normal.
1. **Apa Itu Pengujian Hipotesis?**

- Pengujian hipotesis dimulai dengan sebuah asumsi atau pernyataan tentang parameter populasi
yang disebut hipotesis.

- Hipotesis adalah pernyataan yang harus diuji kebenarannya menggunakan data sampel.

2. **Definisi Hipotesis:**

- Hipotesis adalah pernyataan tentang nilai atau sifat parameter populasi yang ingin diverifikasi
validitasnya.

- Misalnya, hipotesis bisa berupa pernyataan tentang rata-rata, proporsi, atau variabilitas populasi.

3. **Prosedur Pengujian Hipotesis:**

- Pengujian hipotesis melibatkan pengambilan sampel dari populasi, perhitungan statistik sampel,
dan pengambilan keputusan tentang apakah hipotesis tersebut dapat diterima atau ditolak.

- Langkah-langkah dalam pengujian hipotesis mencakup merumuskan hipotesis, menentukan

tingkat signifikansi, memilih statistik uji, merumuskan aturan keputusan, mengumpulkan data
sampel, dan menafsirkan hasil.

4. **Contoh:**

- Sebagai contoh, misalkan sebuah perusahaan ingin menguji hipotesis bahwa rata-rata komisi
bulanan rekan penjualan di toko mereka adalah $2.000.

- Mereka tidak dapat menghubungi semua rekan penjualan, sehingga mereka mengambil sampel
dan menghitung rata-rata sampel.

- Jika rata-rata sampel secara signifikan berbeda dari $2.000, mereka akan menolak hipotesis
tersebut.

Contoh:

Misalkan sebuah perusahaan mengklaim bahwa rata-rata waktu pengiriman produk mereka adalah 5
hari. Untuk menguji klaim ini, mereka mengambil sampel dari pengiriman terakhir mereka dan
menemukan bahwa rata-rata waktu pengiriman adalah 5,2 hari. Dengan menggunakan prosedur
pengujian hipotesis, perusahaan dapat menentukan apakah perbedaan antara rata-rata sampel dan
nilai yang dihipotesiskan (5 hari) secara signifikan atau hanya disebabkan oleh kesalahan
pengambilan sampel.

PENGUJIAN HIPOTESIS Prosedur berdasarkan bukti sampel dan teori probabilitas untuk menentukan
apakah hipotesis tersebut merupakan pernyataan yang masuk akal