UJI HIPOTESIS

Entin Hidayah

1
PENDAHULUAN
Tujuan: penarikan kesimpulan
(menggeneralisir) nilai yang berasal dari
sampel terhadap keadaan populasi
melalui pengujian hipotesis.
Keyakinan ini didasarkan pada besarnya
peluang untuk memperoleh hubungan
tersebut secara kebetulan (by chance)
Semakin kecil peluang tersebut (peluang
adanya by chance), semakin besar
keyakinan bahwa hubungan tersebut 2
memang ada.
PRINSIP UJI HIPOTESIS
melakukan perbandingan antara nilai sampel
(data hasil penelitian) dengan nilai hipotesis
(nilai populasi) yang diajukan.
Peluang untuk diterima dan ditolaknya suatu
hipotesis tergantung besar kecilnya perbedaan
antara nilai sampel dengan nilai hipotesis.
Bila perbedaan tersebut cukup besar, maka
peluang untuk menolak hipotesis pun besar
pula, sebaliknya bila perbedaan tersebut kecil,
maka peluang untuk menolak hipotesis menjadi
kecil.
Jadi, makin besar perbedaan antara nilai sampel
3
dengan nilai hipotesis, makin besar peluang
untuk menolak hipotesis
HIPOTESIS
Berasal dari kata hipo dan thesis. Hipo
artinya sementara/lemah kebenarannya
dan thesis artinya pernyataan/teori.
Pernyataan sementara yang perlu diuji
kebenarannya. Untuk menguji
kebenaran sebuah hipotesis digunakan
pengujian yang disebut pengujian
hipotesis.
Pengujian hipotesis dijumpai dua jenis
hipotesis, yaitu hipotesis nol (Ho) dan
hipotesis alternatif (Ha). 4
Hipotesis Nol (Ho)
Hipotesis yang menyatakan tidak ada
perbedaan sesuatu kejadian antara kedua
kelompok. Atau hipotesis yang menyatakan
tidak ada hubungan antara variabel satu
dengan variabel yang lain.
Contoh:
Tidak ada perbedaan berat badan bayi
antara mereka yang dilahirkan dari ibu yang
merokok dengan mereka yang dilahirkan dari
ibu yang tidak merokok.
Tidak ada hubungan merokok dengan berat 5
badan bayi.
Hipotesis Alternatif
(Ha)
Hipotesis yang menyatakan ada perbedaan
suatu kejadian antara kedua kelompok. Atau
hipotesis yang menyatakan ada hubungan
variabel satu dengan variabel yang lain.
Contoh :
Ada perbedaan berat badan bayi antara
mereka yang dilahirkan dari ibu yang
merokok dengan mereka yang dilahirkan
dari ibu yang tidak merokok.
Ada hubungan merokok dengan berat badan
bayi. 6
ARAH/BENTUK UJI
HIPOTESIS
Bentuk hipotesis alternatif akan
menentukan arah uji statistik apakah
satu arah (one tail)
dua arah (two tail).

7
One tail (satu sisi)
bila hipotesis alternatifnyanya
menyatakan adanya perbedaan dan
ada pernyataan yang mengatakan hal
yang satu lebih tinggi/rendah dari hal
yang lain.

Contoh :
Berat badan bayi dari ibu hamil yang
merokok lebih kecil dibandingkan
berat badan bayi dari ibu hamil yang
8
tidak merokok.
Two Tail (dua sisi)
Merupakan hipotesis alternatif yang hanya
menyatakan perbedaan tanpa melihat
apakah hal yang satu lebih tinggi/rendah
dari hal yang lain.
Contoh
Berat badan bayi dari ibu hamil yang
merokok berbeda dibandingkan berat
badan bayi dari ibu yang tidak merokok.
Atau dengan kata lain : Ada perbedaan
berat badan bayi antara mereka yang
dilahirkan dari ibu yang merokok
dibandingkan dari mereka yang tidak 9
merokok.
Contoh penulisan
hipotesis
Suatu penelitian ingin mengetahui hubungan
antara jenis kelamin denga tekanan darah,
maka hipotesisnya adalah sbb:
Ho : A = B
Tidak ada perbedaan mean tekanan darah antara
laki-laki dan perempuan, atau
Tidak ada hubungan antara jenis kelamin dengan
tekanan darah
Ha : A B
Ada perbedaan mean tekanan darah antara laki-
laki dan perempuan, atau
Ada hubungan antara jenis kelamin dengan 10
tekanan darah
KESALAHAN PENGAMBILAN
KEPUTUSAN
Dalam pengujian hipotesis kita selalu
dihadapkan suatu kesalahan
pengambilan keputusan.
Ada dua jenis kesalahan pengambilan
keputusan dalam uji statistik, yaitu:
kesalahan tipe alpha
Kesalahan tipe beta

11
Kesalahan Tipe I ()
Merupakan kesalahan menolak Ho padahal
sesungguhnya Ho benar. Artinya:
menyimpulkan adanya perbedaan padahal
sesungguhnya tidak ada perbedaan.
Peluang kesalahan tipe satu (I) adalah
atau sering disebut Tingkat signifikansi
(significance level).
Sebaliknya peluang untuk tidak membuat
kesalahan tipe I adalah sebesar 1-, yang
disebut dengan Tingkat Kepercayaan 12
(confidence level).
Kesalahan Tipe II ()
Merupakan kesalahan tidak menolak Ho
padahal sesungguhnya Ho salah.
Artinya: menyimpulkan tidak ada
perbedaan padahal sesungguhnya ada
perbedaan.
Peluang untuk membuat kesalahan tipe
kedua (II) ini adalah sebesar .
Peluang untuk tidak membuat kesalahan
tipe kedua (II) adalah sebesar 1-, dan
dikenal sebagai Tingkat Kekuatan Uji 13
statistik (power of the test).
 Kesalahan Pengambilan
Keputusan
Keputusan Populasi

Ho Benar Ho Salah

Tidak Menolak Benar (1-) Kesalahan Tipe

Ho II ()
Menolak Ho Kesalahanan Benar (1-)
Tipe I ()
14
Meminimalkan kesalahan
Dalam pengujian hipotesis dikehendaki nilai
dan kecil atau (1-) besar.
Namun hal ini sulit dicapai karena bila
makin kecil nilai akan semakin besar.
Berhubung harus dibuat keputusan menolak
atau tidak menolak Ho maka harus
diputuskan untuk memilih salah satu saja
yang harus diperhatikan yaitu atau yang
diperhatikan.
Pada umumnya untuk amannya dipilih nilai
15
.
MENENTUKAN TINGKAT KEMAKNAAN
(LEVEL OF SIGNIFICANCE)

Tingkat kemaknaan, atau sering disebut

dengan nilai , merupakan nilai yang
menunjukkan besarnya peluang salah
dalam menolak hipotesis nol.
nilai merupakan batas toleransi peluang
salah dalam menolak hipotesis nol.
nilai merupakan nilai batas maksimal
kesalahan menolak Ho.
Nilai dapat diartikan pula sebagai batas
maksimal kita salah menyatakan adanya
perbedaan. 16
Penentuan nilai (alpha)
Tergantung dari tujuan dan kondisi penelitian.
Nilai (alpha) yang sering digunakan adalah
10 %, 5 % atau 1 %.
Bidang kesehatan masyarakat biasanya digunakan
nilai (alpha) sebesar 5 %.
Pengujian obat-obatan digunakan batas toleransi
kesalahan yang lebih kecil misalnya 1 %, karena
mengandung risiko yang fatal.
Misalkan seorang peneliti yang akan
menentukan apakah suatu obat bius berkhasiat
akan menentukan yang kecil sekali , peneliti
tersebut tidak akan mau mengambil resiko
bahwa ketidak berhasilan obat bius besar 17
karena akan berhubungan dengan nyawa
seseorang yang akan dibius.
PEMILIHAN JENIS UJI PARAMERTIK
ATAU NON PARAMETRIK

Dalam pengujian hipotesis sangat

berhubungan dengan distribusi data
populasi yang akan diuji.
Bila distribusi data populasi yang akan
diuji berbentuk normal/simteris/Gauss,
maka proses pengujian dapat digunakan
dengan pendekatan uji statistik
parametrik.
Bila distribusi data populasinya tidak
normal atau tidak diketahui distribusinya
maka dapat digunakan pendekatan uji 18
statistik Non Parametrik.
Parametrik & non
parametrik
Kenormalan suatu data dapat juga dilihat dari
jenis variabelnya, bila variabelnya berjenis
numerik/kuantitatif biasanya distribusi
datanya mendekati normal/simetris. Sehingga
dapat digunakan uji statistik parametrik.
Bila jenis variabelnya katagori(kualitatif),
maka bentuk distribusinya tidak normal,
sehingga uji non parametrik dapat digunakan.
Penentuan jenis uji juga ditentukan oleh
jumlah data yang dianalisis, bila jumlah data
kecil (< 30) cenderung digunakan uji Non
19
paramterik.
PERBEDAAN SUBSTANSI&
PERBEDAAN STATISTIK
Perlu dipahami/disadari bagi peneliti bahwa
berbeda bermakna/signifikan secara statistik
tidak berarti (belum tentu) bahwa perbedaan
tersebut juga bermakna dipandang dari segi
substansi.
Seperti diketahui bahwa semakin besar sampel
yang dianalisis akan semakin besar
menghasilkan kemungkinan berbeda bermakna.
Dengan sampel besar perbedaan-perbedaan
sangat kecil, yang sedikit atau bahkan tidak
mempunyai manfaat secara substansi dapat
berubah menjadi bermakna secara statistik.
Oleh karena itu arti kegunaan dari setiap
penemuan jangan hanya dilihat dari aspek 20
statistik semata, namun harus juga dinilai/dilihat
dari kegunaan dari segi substansi
PROSEDUR UJI
HIPOTESIS
1. Menetapkan Hipotesis
2. Penentuan uji statistik yang sesuai
3. Menentukan batas atau tingkat
kemaknaan (level of significance)
4. Penghitungan Uji Statistik
5. Keputusan Uji Statistik

21
1. Menetapkan Hipotesis
Hipotesis Nol (Ho)
Tidak ada perbedaan berat badan bayi
antara mereka yang dilahirkan dari ibu
yang merokok dengan mereka yang
dilahirkan dari ibu yang tidak merokok.
Hipotesis Alternatif (Ha)
Ada perbedaan berat badan bayi
antara mereka yang dilahirkan dari ibu
yang merokok dengan mereka yang
22
dilahirkan dari ibu yang tidak merokok.
2. Penentuan uji statistik
yang sesuai
Ada beragam jenis uji statistik yang dapat
digunakan. Setiap uji statistik mempunyai
persyaratan tertentu yang harus dipenuhi.
Oleh karena itu harus digunakan uji statistik
yang tepat sesuai dengan data yang diuji.
Jenis uji statistik sangat tergantung dari:
Jenis variabel yang akan dianalisis
Jenis data apakah dependen atau
independen
Jenis distribusi data populasinya apakah
23
mengikuti distribusi normal atau tidak
Contoh penentuan uji
statistik
Sebagai gambaran, jenis uji statistik
untuk mengetahui perbedaan mean
akan berbeda dengan uji statistik untuk
mengetahui perbedaan
proporsi/persentase.
Uji beda mean menggunakan uji T atau
uji Anova, sedangkan uji untuk
mengetahui perbedaan proporsi
digunakan uji Kai kuadrat.
24
3. Menentukan batas atau
tingkat kemaknaan (level of
significance)
Batas/tingkat kemaknaan, sering
juga disebut dengan nilai .
Penggunan nilai alpha tergantung
tujuan penelitian yang dilakukan,
untuk bidang kesehatan
masyarakat biasanya
menggunakan nilai alpha 5 %

25
4. Penghitungan Uji
Statistik
Penghitungan uji statistik adalah
menghitung data sampel kedalam uji
hipotesis yang sesuai.
Misalnya kalau ingin menguji perbedan
mean antara dua kelompok, maka data
hasil pengukuran dimasukkan ke rumus
uji t. Dari hasil perhitungan tersebut
kemudian dibandingkan dengan nilai
populasi untuk mengetahui apakah ada
hipotesis ditolak atau gagal menolak 26
hipotesis.
5. Keputusan Uji Statistik
hasil pengujian statistik akan
menghasilkan dua kemungkinan
keputusan yaitu menolak Hipotesis Nol
dan Gagal menolak Hipotesis nol.
Keputusan uji statistik dapat dicari
dengan dua pendekatan yaitu
pendekatan klasik dan pendekatan
probabilistik

27
Pendekatan Klasik
Untuk memutuskan apakah Ho ditolak maupun gagal
ditolak, dapat digunakan dengan cara
membandingkan Nilai Perhitungan Uji Statistik
dengan Nilai pada Tabel.
Nilai Tabel yang dilihat sesuai dengan jenis distribusi
uji yang kita lakukan,
uji Z maka nilai tabel dilihat dari tabel Z
uji T.
Setelah kita dapat nilai perhitungan uji Z/T kemudian
kita bandingkan angka yang ada pada tabel T
Besarnya nilai tabel sangat tergantung dari
nilai alpha () yang digunakan
uji one tail (satu sisi/satu arah) atau two tail (dua 28
sisi/dua arah).
Uji two tail (dua sisi/dua
arah)
Ho : x =
Ha : x
Pada uji ini menggunakan uji dua arah
sehingga untuk mencari nilai Z di tabel kurve
normal, nilai -nya harus dibagi dua arah
yaitu ujung kiri dan kanan dari suatu kurva
normal, sehingga nilai alpha = . Sebagai
contoh bila ditetapkan nilai = 0,05 maka
nilai alpha = (0,05) =0,025, pada =
0.025 nilai Z-nya adalah 1,96.

29
Gambar Uji two tail (dua
sisi/dua arah)

30
Uji one tail (satu sisi/satu
arah)
Ho : x =
Ha : x >
Maka uji nya adalah satu arah, nilai alphanya
tetap 5 % (tidak usah dibagi dua) sehingga
nilai Z= 1,65.

31
Uji one tail (satu sisi/satu
arah)

32
Uji one tail (satu sisi/satu
arah)

33
Hasil Keputusan Uji
Statistik
Bila nilai perhitungan uji statistik lebih besar
dibandingkan nilai yang berasal dari tabel (nilai
perhitungan > nilai tabel), maka keputusannya:
Ho ditolak
Ho ditolak, artinya: ada perbedaan kejadian
(mean/proporsi) yang signifikan antara kelompok data
satu dengan kelompok data yang lain.
Bila nilai perhitungan uji statistik lebih kecil
dibandingkan nilai yang berasal dari tabel (nilai
perhitungan < nilai tabel), maka keputusannya:
Ho gagal ditolak
Ho gagal ditolak, artinya: tidak ada perbedaan kejadian
(mean/proporsi) antara kelompok data satu dengan 34
kelompok data yang lain. Perbedaan yang ada hanya
akibat dari faktor kebetulan (by chance).
Pendekatan Probabilistik
Seiring dengan kemajuan perkembangan
komputer maka uji statistik dengan mudah dan
cepat dapat dilakukan dengan program-program
statistik yang tersedia di pasaran seperti Epi
Info, SPSS, SAS dll.. Setiap kita melakukan uji
statistik melalui program komputer maka akan
ditampilkan/dikeluarkan nilai P (P value).
Dengan nilai P ini kita dapat menggunakan
untuk keputusan uji statistik dengan cara
membandingkan nilai P dengan nilai (alpha).
Ketentuan yang berlaku adalah sbb:
Bila nilai P nilai , maka keputusannya adalah
Ho ditolak
Bila nilai P > nilai , maka keputusannya
adalah Ho gagal ditolak 35
Catatan
Perlu diketahui bahwa Nilai P two tail
adalah dua kali Nilai P one tail, berarti
kalau tabel yang digunakan adalah
tabel one tail sedangkan uji statistik
yang dilakukan two tail maka Nilai P
dari tabel harus dikalikan 2.
Dengan demikian dapat
disederhanakan dengan rumus: Nilai P
two tail = 2 x Nilai P one tail.
36
Pengertian Nilai P
Nilai P merupakan nilai yang menunjukkan
besarnya peluang salah menolak Ho dari data
penelitian.
Nilai P dapat diartikan pula sebagai nilai besarnya
peluang hasil penelitian (misalnya adanya

Uji Hipotesa - Rizanda

Machmud- Bagian IKM/IKK
perbedaan mean atau proporsi) terjadi karena
faktor kebetulan (by chance).
Harapan kita nilai P adalah sekecil mungkin, sebab
bila nilai P-nya kecil maka kita yakin bahwa adanya
perbedaan pada hasil penelitian menunjukkan pula
adanya perbedaan di populasi. Dengan kata lain
kalau nilai P-nya kecil maka perbedaan yang ada 37
pada penelitian terjadi bukan karena faktor
kebetulan (by chance).
 STIKes BANTEN.
021. 7587 1242 / 5.
BSD City.

Probabilitas (nilai p)
TINGKAT KEMAKNAAN (Alpha)
Makin kecil tingkat kemaknaan.

Makin kecil terjadi kesalahan

kesimpulan
Roosner.B (1986) fundamental
Statistics
0.01<p<0.05 : significant
0.001<p<0.01: highly significant
P<0.001 : very highly significant
P> 0.05 : not statiscally significant
Uji Beda Mean
Satu Sampel
Tujuan pengujian adalah untuk mengetahui
perbedaan mean populasi dengan mean
data sampel penelitian.
Jenis uji beda mean satu
sampel
Berdasarkan ada tidaknya nilai (baca : tho) dibagi
dua jenis:
Bila nilai diketahui maka digunakan uji Z,
rumusnya:
x-

Uji Hipotesa - Rizanda

Machmud- Bagian IKM/IKK
Z = ------------
/n
Bilai nilai tidak diketahui maka digunakan uji t ,
rumusnya:
x - Ket : x = rata-rata data sampel
= rata-rata data populasi
t = ------------
= standar deviasi data 40
Sd / n populasi
df = n-1 Sd = standar deviasi data
sampel
Contoh uji beda mean
satu sampel
Diketahui bahwa kuat tekan beton untuk pasir
lumajang dengan campuran 1:2:3 adalah 200
KN/mm2 dengan standar deviasi sebesar 56
KN/mm2. Seorang peneliti telah melakukan
pengukuran kuat tekan sekelompok rumah yang
menggunakan campuran 1:2:3 yang jumlahnya
sebanyak 49 unit. Didapatkan rata-rata kuat
tekannya 220 KN/mm2. Peneliti ini ingin menguji
apakah kuat tekan beton sampel berbeda dengan
kuat tekan beton pasir lumajang dengan
campuran 1:2:3 pada umumnya?.

41
Penyelesaian
Kuat tekan beton dengan pasir lumajang
campuran 1:2: 3 adalah mean populasi = 200
KN/mm2
Standar deviasi populasi = 56 KN/mm2
Kuat tekan beton sampel = 220 KN/mm2 ------(x )

42
Proses pengujian:
1. Hipotesis
Ho : = 200
tidak ada perbedaan rata-rata kuat tekan beton
campuran 1:2:3 dengan pasir lumajang dengan
sampel
Ha : 200
ada perbedaan rata-rata kuat tekan beton
campuran 1:2:3 dengan pasir lumajang dengan
sampel
Bila dilihat hipotesis alternatifnya hanya ingin
mengetahui perbedaan, maka jenis uji statistiknya
yang digunakan adalah two tail (dua arah). 43
Proses pengujian:
2. Level of significance
Batas kemaknaan/level of significance pada
uji statistik ini digunakan 5 %
3. Pemilihan Uji Statistik
Tujuan penelitian adalah ingin
membandingkan nilai populasi (data
campuran beton pasir lumajang 1:2:3)
dengan data sampel (data yang diambil dari
beberapa contoh rumah), maka jenis uji
statistik yang digunakan adalah uji beda
mean satu sampel dengan pendekatan uji Z 44
(karena standar deviasi populasi diketahui).
4. Perhitungan Uji
Statistik
Dari soal diatas nilai standar deviasi populasi
diketahui maka rumus yang digunakan adalah:
x-
Z = --------
/n
220 -200
Z = -------------- = 2.5
56/ 49

45
5. Keputusan Uji Statistik
Pendekatan Probabilistik
Pada pendekatan ini dicari nilai p untuk
kemudian dibandingkan dengan nilai alpha.
Pada tahap ini nilai Z yang diperoleh dari
perhitungan dikonversi kedalam tabel kurve
normal untuk mencari nilai p.

Z0.00 0.01 0.02 dst..

0.0
0.1 peluang
..
2.5 .4938 .4940 46
2.6 .4953
5. Keputusan Uji Statistik
Pendekatan Probabilistik..
Dari nilai Z=2,5 diperoleh peluang 0,4938 berarti
nilai p-nya = 0,5 - 0,4938 = 0,0062
Nilai p = 0,4932 , namun perlu diketahui bahwa
nilai peluang pada tabel kurve normal merupakan
nilai one tail .
Sedangkan arah uji pada uji ini adalah two tail
(lihat hipotesis Ha-nya), maka Nilai P untuk uji ini
adalah : 2 x 0,006 = 0,012. Jadi nilai p = 0,012

47
 Uji Hipotesa - Rizanda
48

Machmud- Bagian IKM/IKK

5. Keputusan Uji Statistik
Pendekatan Probabilistik..
Dengan melihat hasil nilai p dan
membandingkannya dengan =0,05 maka terlihat
bahwa nilai p lebih kecil dari , sehingga kita
memutuskan hipotesis nol (Ho) ditolak.
Dengan demikian dapat disimpulkan bahwa pada
5% secara statistik kuat tekan beton
daricampuran pasir lumajang 1:2:3 dengan
sampel berbeda dibandingkan kuat tekan beton
pasil lumajang pada umumnaya (p=0.012)

49
5. Keputusan Uji Statistik
Pendekatan Klasik
Dengan Ha seperti diatas maka berarti kita
melakukan uji hipotesis dengan two tail (dua arah).
Kalau ditentukan = 0.05, maka alphanya harus
dibagi dua, sehingga =0,025.
Untuk mencarai nilai Z di tabel kurve normal maka
angka peluang yang dicari adalah 0,5-
0,025=0,4750, maka nilai tabel kurve normalnya
(batas kritis) adalah Z= 1,96 .
Kemudian nilai Z ini dibandingkan dengan nilai Z
perhitungan yang sudah dilakukan diatas ( Z
hitung=2,5). Terlihat bahwa nilai Z hitung (2,5)
50
lebih besar dibandingkan nilai Z tabel (1,96)
maka keputusannya adalah Ho ditolak
CONTOH
Diketahui bahwa kuat tekan beton pasir lumajang
dengan campuran 1:2:3 adalah 200 KN/mm2.
Seorang peneliti telah melakukan pengukuran
kuat tekan beton sekelompok perumahan yang
jumlahnya sebanyak 25 unit rumah. Didapatkan
rata-rata kuat tekannya 220 KN/mm2. dengan
standar deviasi sebesar 63 KN/mm2 KN/mm2.
Peneliti ini ingin menguji apakah kuat tekan beton
pasir lumajang pada umumnya dengan campuran
1:2:3 berbeda dengan kuat tekan beton
perumahan yang menggunakan pasir lumajang
dengan campuran 1:2:3?.
51
UJI T
Kalau peneliti tidak mengetahui besarnya
standar deviasi populasi serta hanya
mengambil sebanyak 25 sampel unit rumah.
Maka untuk itu standar deviasi populasi
diestimasi saja memakai standar deviasi
sampel. Kita misalkan pada sampel ini
didapatkan standar deviasi sampel 63
KN/mm2. Karena itu uji statistik ini tidak
memakai uji Z tetapi adalah uji t ( t test).
Didalam uji t kita harus memakai distribusi
t dengan memperhatikan degree of
52
freedom (df) atau derajat kebebasan yang
besarnya n-1(df=n-1).
UJI T
Perhitungan ujinya:
x -
t = -----------
s/n
220 -200
t = -------------- =1.59
63/ 25
Hasil t = 1,59 dan nilai df=25-1=24, kemudian dicari
nilai p dengan menggunakan Tabel distribusi t

53
Keputusan Uji Statistik
.10 - .05 .025 .01
.005
1 . nilai p .. .
..
..
24 1.318 - 1.711 2.064 2.492
2.797
.dst
t=1,59

54
Keputusan Uji Statistik
Pada soal diatas diperoleh nilai t=1,59 dan
df=24, terletak pada posisi antara nilai 1,318
dan 1,711 kemudian kalau kita tarik keatas
berarti terletak antara nilai alpha 0,10 dan 0,05,
berarti nilai p-nya lebih kecil dari 0,10(p<0,10)
dan lebih besar dari 0,05(p>0,05), atau dapat
ditulis: 0,05 <p<0,10
Karena tabel t merupakan jenis tabel untuk one
tail, maka nilai p yang didapat dari tabel harus
dikalikan dua. Hasilnya adalah = 2 x 0,05<p<
0,10 = 0,10<p<0,20
Jadi nilai p > 0,10 55
Keputusan Uji Statistik
Dengan melihat hasil p dan membandingkannya
dengan maka ternyata p besar dari , sehingga
hipotesis nol (Ho) gagal ditolak.
Dari penelitian ini dapat disimpulkan bahwa data
sampel tidak menyokong untuk menyatakan kuat
tekan beton pasir lumajang camp 1:2:3 pada
umumnya berbeda dengan kuat tekan beton
sampel pada perumahan.
Dengan kata lain dapat disimpulkan bahwa tidak
ada perbedaan yang bermakna kuat tekan beton
pasir lumajang camp 1:2:3 pada umumnya
berbeda dengan kuat tekan beton sampel pada
perumahan (p>0,10).
56
CONTOH
Dari laporan Dinas PU Kabupaten X tahun yang
lalu menyebutkan bahwa 40 % pembangunan
jalan dilakukan oleh Kontraktor lokal. Kepala Dinas
ingin membuktikan apakah sekarang pelaku
pembangunan masih tetap seperti laporan tahun
lalu atau sudah berubah. Untuk pengujian ini
diambil sampel random sebanyak 250
pembangunan jalan dan dilakukan wawancara
pada pimpro setahun terakhir melakukan proses
pembangunan, dan ternyata terdapat 41 % yang
mengaku dibangun oleh kontraktor lokal. Ujilah
apakah ada perbedaan proporsi pembangunan
antara laporan dinas dengan sampel penelitian, 57
dengan alpha 5 %.
Jawab
Diketahui: n=250 P=0,40 Q=1-
0,40=0,60 p=0,41
Hipotesis:
Ho: P=0,40
tidak ada perbedaan proporsi
pembangungan antara data dinas dengan
data sampel
Ha: P 0,40
ada perbedaan proporsi pembangunan
antara data dinas dengan data sampel
0,41 - 0,40
Z = -------------------------------
(0,40 x 0,60) / 250 58

z = 0,33
Keputusan uji statistik
Dari nilai Z=0,33 diperoleh peluang 0,1293 (tabel
kurve normal, lampiran III) berarti nilai p-nya =
0,5 - 0,1293 = 0,3707
Nilai p = 0,3707 , namun perlu diketahui bahwa
nilai peluang pada tabel kurve normal merupakan
nilai one tail. Sedangkan arah uji pada uji ini
adalah two tail (lihat hipotesis Ha-nya), maka
Nilai P untuk uji ini adalah : 2 x 0,3707 = 0,7414.
Jadi nilai p = 0,7414
Dengan melihat hasil nilai p dan
membandingkannya dengan sebesar 0,05 maka
terlihat bahwa nilai p lebih besar dari , sehingga
kita memutuskan Ho gagal ditolak.
Dengan demikian dapat disimpulkan bahwa pada
5% secara statistik proporsi pembangunan 59
antara laporan dinas dengan data penelitian tidak
berbeda (p=0.7414)
Uji Beda
Proporsi
Tujuan adalah untuk mengetahui/menguji
perbedaan proporsi populasi dengan proporsi
data sampel penelitian.
UJI PROPORSI

UJI PROPORSI SEARAH & DUA ARAH

UJI PROPORSI SATU SAMPEL & DUA SAMPEL
UJI PROPORSI SATU
SAMPLE
UJI PROPORSI DUA
SAMPLE
Contoh soal
Suatu pemungutan suara akan dilakukan diantara
penduduk kota M dan sekitarnya mengenai
pendapat mereka tentang rencana pendirian
gedung serba guna ditengah kota. Untuk
mengetahui apakah ada perbedaan antara proporsi
penduduk kota dan sekitarnya yang menyetujui
rencana tersebut, diambil sebuah sampel acak yang
terdiri dari 200 penduduk kota dan 500 penduduk
disekitarnya. Apabila ternyata ada 120 penduduk
kota dan 240 penduduk disekitarnya yang setuju,
apakah anda setuju jika dikatakan bahwa proporsi
penduduk kota yang setuju lebih tinggi dari pada
proporsi penduduk disekitarnya? Gunakan =1%.
SOLUSI CONTOH
H0: p1= p2
H1: p1> p2
Tingkat signifikasi: = 0.01
Daerah kritisnya: Z0.01= 2.33 atau Z 0.01> 2.33
Perhitungan

Kesimpulan: Jadi, karena proporsi penduduk kota

yang menyetujui rencana itu lebih besar daripada
proporsi penduduk di sekitarnya maka H0 ditolak.
LATIHAN SOAL
Suatu penelitian menggunakan satu jenis tanaman
yang ditempatkan pada 2 daerah yang berbeda.
Didaerah A diletakkan tanaman sebanyak 250
tanaman dan yang dapat hidup 150 tanaman.
Didaerah B diletakkan 300 batang tanaman dan
yang dapat hidup 162 tanaman. Apakah ada
perbedaan yang nyata tentang tanaman yang hidup
didua daerah tersebut? (=5%)
SOLUSI
UJI BEDA RATA-RATA
 UJI HIPOTESIS: RATA-RATA

Beda rata-rata satu sampel.

Beda dua rata-rata untuk data independen
(sampel besar)

69
Beda dua rata-rata untuk data independen
(sampel kecil)
Beda dua rata-rata untuk data observasi
yang berpasangan (paired observations)
Soal 1. Hipotesis
Rata-rata
Manajer pengendalian mutu mengatakan bahwa
semua mesin beroperasi dalam kondisi
terkendali (in control) pada tingkat 100 unit

70
dengan standar deviasi 5 unit. Seorang peneliti
ingin membuktikan pernyataan tersebut. Dari
semua mesin yang beroperasi diambil 40 mesin
sebagai sampel dan diperoleh informasi bahwa
mesin tersebut rata-rata beroperasi pada tingkat
98 unit. Dengan tingkat signifikansi () 5%,
apakah sampel tersebut dapat mendukung
pernyataan produksi rata-rata mesin adalah 100
unit!
 Soal 2. Hipotesis
Rata-rata
Suatu biro perjalanan menyatakan bahwa waktu yang
diperlukan untuk menempuh perjalanan dari kota A ke
kota B adalah 12,3 jam. Sampel sebanyak 6 kali
perjalanan diperoleh informasi sebagai berikut:

Perjalanan 1 2 3 4 5 6

Waktu 13 14 12 16 12 11

Dengan menggunakan tingkat signifikansi 5%, apakah

sampel tersebut dapat mendukung pernyataan bahwa
waktu tempuh dari kota A ke kota B adalah 12,3 jam?

Statistika Induktif - Uji Hipotesis 71

Hasil hitung komputer
Soal 2
One-Sample Statistics

Std. Error
N Mean Std. Deviation Mean

72
X 6 13,0000 1,78885 ,73030

One-Sample Test

Test Value = 12.3

95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
X ,959 5 ,382 ,7000 -1,1773 2,5773
UJI HIPOTESIS BEDA DUA RATA-
RATA: SAMPEL INDEPENDEN
(Unpaired)
Tujuan: menguji hipotesis (dugaan) tentang
perbedaan dua rata-rata populasi
Uji beda dua rata-rata populasi dengan df = n1 + n2

73
2 < 30 disebut sampel kecil. Pengujian dilakukan
menggunakan distribusi t
Uji beda dua rata-rata populasi dengan df = n1 + n2
2 30 disebut sampel besar. Pengujian dilakukan
menggunakan distribusi Z
PROSEDUR PENGUJIAN HIPOTESIS
BEDA DUA RATA-RATA
Analisis
1. Rumusan Hipotesis
H0: 1= 2 1 2 1 2

74
HA: 1 2 1> 2 1< 2

2. Nilai kritis: (cari di tabel t atau Z)

3. Nilai Hitung: (cara manual atau komputer)
4. Keputusan: H0 ditolak jika nilai hitung
absolut lebih besar daripada nilai tabel
absolut. Sebaliknya ..
5. Kesimpulan
RUMUS MENENTUKAN NILAI
HITUNG: SAMPEL KECIL

X1 X 2
t
s x1 x 2

75
2 2
(n 1 1).s1 (n 2 1).s 2 1 1
s x1 x 2 .
n1 n 2 2 n1 n 2
RUMUS MENENTUKAN NILAI
HITUNG: SAMPEL BESAR

X1 X 2
Z

76
s x1 x 2

Statistika Induktif - Uji Hipotesis

2 2
s1 s2
s x1 x 2
n1 n 2
 Soal 3. Hipotesis Beda Dua
Rata-rata Populasi: Sampel
Independen
Manajer pemasaran suatu produk kosmetika menyatakan
tidak ada perbedaan volume penjualan rata-rata setiap
bulan antara Pasar I dan Pasar II. Untuk membuktikan
pernyataan tersebut diambil sampel mengenai volume

77
penjualan selama 12 bulan terakhir di kedua pasar

Statistika Induktif - Uji Hipotesis

tersebut dan diperoleh informasi bahwa volume penjualan
setiap bulan di Pasar I adalah 236 unit dengan standar
deviasi 20 unit. Sedangkan volume penjualan setiap bulan
pada periode tersebut di Pasar II adalah 200 unit dengan
standar deviasi 30 unit. Dengan menggunakan tingkat
signifikansi 5%, apakah sampel mendukung pernyataan
bahwa tidak terdapat perbedaan volume penjualan di
kedua pasar tersebut.
JAWABAN SOAL 3
Analisis
1. Rumusan Hipotesis
H0: 1 = 2

78
HA: 1 2
2. Nilai Kritis: t = 2,074
3. Nilai Hitung: t = 3,458
4. Keputusan: menolak H0
5. Kesimpulan: rata-rata penjualan di pasar I
tidak sama dengan penjualan rata-rata di
pasar II
 Soal 4. Uji Hipotesis Beda Dua
Rata-rata Populasi: Sampel
Independen
Empat puluh karyawan di PT. A dan 36 karyawan
di PT. B dipilih secara random sebagai sampel
untuk menguji dugaan bahwa upah rata-rata per

79
hari di PT. A lebih tinggi daripada upah rata-rata
per hari di PT. B. Berdasarkan sampel tersebut
diperoleh informasi bahwa besarnya upah rata-
rata per hari di PT. A adalah $80,0 dengan
standar deviasi $1,6 dan di PT. B adalah $78,2
dengan standar deviasi $2,1. Dengan = 5%,
apakah sampel mendukung dugaan bahwa upah
rata-rata per hari di PT. A lebih tinggi daripada
upah rata-rata per hari di PT. B.
JAWABAN SOAL 4
Analisis
1. Rumusan Hipotesis
H0: 1 2

80
HA: 1 > 2

Statistika Induktif - Uji Hipotesis

2. Nilai Kritis: Z = 1,645
3. Nilai Hitung: Z = 4,168
4. Keputusan: menolak H0
5. Kesimpulan: upah rata-rata di PT. A lebih tinggi
daripada di PT. B.
UJI HIPOTESIS BEDA DUA RATA-
RATA: OBSERVASI BERPASANGAN

Tujuan: menguji hipotesis (dugaan) tentang beda

dua rata-rata populasi dengan sampel yang sama
(berpasangan)

81
Pokok dari pengujian ini ada menguji apakah
terdapat beda (difference) antara rata-rata
populasi yang belum diberi perlakuan (treatment)
dengan yang telah diberi perlakukan (treatment)
PROSEDUR PENGUJIAN HIPOTESIS

Analisis
1. Rumusan Hipotesis
H0: d = 0 d0 d0

82
Statistika Induktif - Uji Hipotesis
HA: d 0 d>0 d<0
2. Nilai Kritis: tentukan menggunakan tabel
3. Nilai Hitung: hitung dengan rumus
4. Keputusan: H0 ditolak jika nilai hitung
absolut lebih besar daripada nilai tabel
absolut. Sebaliknya ..
5. Kesimpulan
RUMUS MENENTUKAN NILAI HITUNG

d
t
sd

83
sd
sd
n
n d ( d)
2 2
sd
n(n 1)
 Soal 5. Hipotesis Beda Dua
Rata-rata: Observasi
Berpasangan
Waktu yang dibutuhkan karyawan untuk menyelesaikan
satu unit barang sebelum dan sesudah mengikuti
pelatihan adalah sebagai berikut (dalam jam):

Karyawan 1 2 3 4 5 6

Sebelum 6 8 7 10 9 7
Sesudah 5 6 7 8 7 5

Lakukan pengujian terhadap dugaan bahwa waktu yang

diperlukan karyawan untuk menyelesaikan satu barang
tidak berbeda antara sebelum dan sesudah mengikuti
pelatihan dengan tingkat signifikansi 5%.

Statistika Induktif - Uji Hipotesis 84

Jawaban Soal 5
Analisis
1. Rumusan Hipotesis

85
H 0: d = 0
HA: d 0
2. Nilai Kritis: t = 2,571
3. Nilai Hitung: t = 4,39
4. Keputusan: thitung= 4,39 > tkritis = 2,571.
Keputusan nya adalah menolak H 0.
5. Kesimpulan: terdapat perbedaan antara
sebelum dan sesudah
Hasil hitung komputer Soal 5.

HYPOTHESIS TESTS FOR MEANS

NUMBER OF CASES: 6 NUMBER OF VARIABLES: 2

DIFFERENCE BETWEEN MEANS: PAIRED OBSERVATIONS

86
Statistika Induktif - Uji Hipotesis
HYPOTHESIZED DIFF. = .0000
MEAN =1.5000
STD. DEV. =.8367
STD. ERROR =.3416
N = 6 (CASES = 1 TO 6)

T= 4.3916 (D.F. = 5) GROUP 1: Sebelum

GROUP 2: Sesudah
PROB. = 3.539E03
UJI HIPOTESIS PROPORSI POPULASI

Tujuan: menguji hipotesis (dugaan) terhadap

proporsi populasi berdasarkan informasi yang
diperoleh dari sampel

87
Pengujian hipotesis proporsi populasi menggunakan
distribusi Z. Dengan demikian kita tidak perlu
memperhatikan degree of freedom (df)
PROSEDUR PENGUJIAN HIPOTESIS
PROPORSI POPULASI

Analisis
1. Rumusan Hipotesis
H0: = .. .. ..

88
Statistika Induktif - Uji Hipotesis
HA: .. > .. < ..
2. Nilai Kritis: tentukan menggunakan tabel
3. Nilai Hitung: hitung dengan rumus
4. Keputusan: H0 ditolak jika nilai hitung
absolut lebih besar daripada nilai tabel
absolut. Sebaliknya ..
5. Kesimpulan
RUMUS MENENTUKAN NILAI
HITUNG

p
Z
p

89
(1 )
p
n
Soal 6. Uji Hipotesis
Proporsi
Suatu perusahaan jasa menyatakan bahwa 65%
konsumennya merasa puas atas pelayanan ia berikan.
Untuk membuktikan pernyataan ini dilakukan penelitian

90
dengan meminta respon dari konsumen jasa
perusahaan tersebut. Setelah dilakukan survey
diperoleh informasi bahwa dari 250 konsumen yang
memberi respon, terdapat 165 konsumen menyatakan
puas dengan pelayanan yang diberikan. Apakah sampel
yang diperoleh mendukung pernyataan perusahaan jasa
tersebut dengan tingkat signifikansi 5%?
Jawaban Soal 6
Analisis
1. Rumusan Hipotesis
H0: = 0,65

91
HA: 0,65
2. Nilai Kritis: Z = 1,96
3. Nilai Hitung: Z = 0.33
4. Keputusan: H0 diterima
5. Kesimpulan: konsumen yang menyatakan puas
adalah 65%.
UJI VARIANCE (ANOVA)

92
 Analisis Varians Satu Arah
(One Way Anova)

Fungsi Uji :
Untuk mengetahui perbedaan antara
3 kelompok/ perlakuan atau lebih

Asumsi :
Data berskala minimal interval
Data berdistribusi Normal
Varians data homogen
 Analisis Varians Satu Arah
(One Way Anova)

Hipotesis :
H0 : ....
1 2 3 k

H1 : Minimal ada satu pasang

yang
berbeda
 Analisis Varians Satu Arah
(One Way Anova)

Jika H0 ditolak,
harus dicari pasangan mana
yang berbeda, dengan
menggunakan uji
perbandingan berganda
 Analisis Varians Satu Arah
(One Way Anova)

Statistik Uji :
Nilai Fhit
untuk itu akan dibuat sebuah tabel
yang disebut dengan Tabel Anova
untuk mempermudah perhitungan
Analisis Varians Satu Arah
(One Way Anova)
Tabel Anova
 Analisis Varians Satu Arah
(One Way Anova)

Dimana :
k = banyaknya kelompok/
perlakuan
k

n = besar data = ni
i 1
Analisis Varians Satu Arah
(One Way Anova)
Bentuk data
 Analisis Varians Satu Arah
(One Way Anova)
Maka :

FK = Faktor Koreksi =
X ij
2

n
SST ij FK
= Sum of Square Total = X 2

SSP = n Sum ofn Square Perlakuan

1 n
2 k

( X i1 ) 2
( X i 2 ) 2
( X ik ) 2
i 1
= n1 i 1
...... i 1
FK
n2 nk

SSE = Sum of Square Eror = SST SSP

 Analisis Varians Satu Arah
(One Way Anova)
Penarikan Keputusan :

H0 ditolak pada tingkat signifikansi, jika :

Fhit F (v1 , v 2 )

dimanaF (v1 , v 2 ) adalah tabel F dengan

v1 bebas:
derajat k 1
v 2 = derajat bebas perlakuan
nk =
= derajat bebas sisa =
 UJI VARIANSI
Salah satu asumsi yang harus dipenuhi pada
saat menggunakan uji Anova satu arah adalah
varians data HOMOGEN
Untuk mengetahui kondisi varians data
(homogen atau heterogen) maka dilakukan uji
variansi yaitu uji Barlett
 Uji Barlett
Fungsi Uji :
untuk mengetahui kondisi varians data
(homogen atau heterogen)

Hipotesis :
H0 : Varians data homogen
H1 : Varians data heterogen
 Uji Barlett
Statistik Uji :

k

2,3026 n k log S ni 1 log S
2
i
2

i 1
2
faktor koreksi
 Uji Barlett
dimana :
= banyaknya data pada kelompok/ perlakuan ke-i
ni
2
= varians data pada kelompok/ perlakuan ke-i
S i
n = jumlah seluruh data
k =
ni
= Mean Square Errori (MSE)
1
dari Tabel Anova Satu
S2
Arah

1 1 1
faktor koreksi =1
3 k 1
n 1 n k

i
 Uji Barlett
Pengambilan Keputusan :
Digunakan tabel Chi-Square dengan derajat
bebas dan tingkat signifikansi

H0 ditolak jika :

2 2
tabel
 Contoh Kasus
Ingin dilihat perbedaan kadar Hb dari 3
(tiga) kelompok responden, dengan kondisi
sebagai berikut :
Kelompok I : Memperoleh suplemen Fe
Kelompok II : Memperoleh suplemen Fe

dan vitamin B1
Kelompok III : Tidak memperoleh
suplemen
 pengukuran kadar Hb adalah sebagai berikut :
Kelompok I Kelompok II Kelompok
III

11,5 12,4 11,1
11,7 11,6 10,5
12,5 12,1 11,2
11,6 11,8 10,5
12,0 11,8 11,2
12,4 12,3 10,6
12,0 12,2
12,1
Pertanyaan : Dengan asumsi data berdistribusi normal,
apakah ada perbedaan kadar Hb antara ke-3 kelompok
tersebut ? (Gunakan =5%)
Langkah-Langkah
Penyelesaian
Hipotesis :

H0 : 1 = 2 = 3
H1 : minimal ada satu pasang yang berbeda

Atau

H0 : Tidak ada perbedaan kadar Hb untuk ke-3

kelompok
H1 : Ada perbedaan kadar Hb (minimal satu
pasang) untuk ke-3 kelompok
Dari data diperoleh nilai :

Kelompok Kelompok Kelompok Jumlah

1 2 3
11,5 12,4 11,1
11,7 11,6 10,5
12,5 12,1 11,2
11,6 11,8 10,5
12,0 11,8 11,2
12,4 12,3 10,6
12,0 12,2
12,1
Jumlah 83,7 96,3 65,1 245,1
Uraian penghitungan
Sum of Square
Tabel Anova
Sbr var db SS MS Fhit

Perlaku 2 5,692 2,846 24,965

an
18 2,051 0,114
Sisa
Total 20 7,743
Kesimpulan
Dengan menggunakan = 5% dapat disimpulkan :
Fhit = 24,967
F(2,18)(5%) = 3,55

Karena Fhit > F(2,18)(5%) maka Ho ditolak

Artinya : ada perbedaan kadar Hb (minimal
satu pasang )
Uji Varians
Hipotesis :
H0 : Varians data homogen
H1 : Varians data heterogen

Kelompok Kelompok Kelompok

2 1 2 3
si
0,149 0,077 0,123
Proses Perhitungan
Kesimpulan
Dengan menggunakan = 5% dapat disimpulkan :
2 = 0,7068
2 (5%)(2) = 5,99

Karena 2 < 2 (5%)(2) maka Ho diterima

Artinya : Varians data homogen