DASAR-DASAR UJI HIPOTESIS

1
 HIPOTESIS
 Hipotesis: Hipo (di bawah) dan Tesis (pernyataan yang telah
diuji)
 Hipotesis Statistik:suatu proposisi atau anggapan
mengenai parameter populasi yang dapat diuji secara
statistik melalui sampel yang diambil dari populasi
 Pengujian Hipotesis Statistik: suatu prosedur untuk
membuat keputusan, apakah menolak atau gagal menolak
hipotesis (Ho)
 Hipotesis Statistik:
 Hipotesis nol atau ‘Null Hypothesis’ (H0) : pernyataan netral (nol
sama dengan tidak ada) atau selalu memuat tanda ‘=‘
 Hipotesis Alternatif atau ‘Alternative Hypothesis’ (H1 atau HA):
pernyataan netral tersebut sudah ada dugaan atau tidak memuat
tanda ‘=‘

2
 HIPOTESIS
 Bentuk penulisan hipotesis satu arah secara
matematis untuk proporsi
 Satu Sampel untuk proporsi
 H0: p  p0 atau H0: p  p0
 H1: p < p0 H1: p > p0
 Bentuk penulisan hipotesis dua arah secara
matematis untuk proporsi
 Satu Sampel untuk proporsi
 H0: p = p0

 Ha: p  p0

3
 HIPOTESIS
 H0 dan H1 adalah ‘mutually exclusive’ dan
‘exhaustive’
 Contoh:
 H0 : Tidak ada perbedaan rata-rata kadar Hb Ibu yang meninggal
dengan rata-rata kadar Hb Ibu dan yang tidak meninggal

 H0 : Tidak ada hubungan antara kadar Hb darah Ibu dengan

Kematian
 H1 : Ada hubungan antara kadar Hb darah Ibu dengan Kematian

 H1 : Ada perbedaan ratar-rata kadar Hb Ibu yang meninggal

dengan rata-rata Hb darah Ibu yang tidak meninggal
 H1 : Ratar-rata kadar Hb Ibu yang meninggal lebih kecil dibanding
rIbu yang tidak meninggal

4
 UJI HIPOTESIS
 Langkah pertama untuk menguji hipotesis statistik:
merumuskan hipotesis nol (null hypothesis) dan hipotesisi
alternatif (alternative hypothesis)
 Dalam merumuskan hipotesis dikenal istilah
 Hipotesis satu arah (one tailed atau one side)

 Hipotesis dua arah (two tailed atau two side).

 Bentuk penulisan hipotesis satu arah secara matematis

 Satu Sampel untuk mean (rata-rata)
H0:   0
 atau H0:   0
 H1:  < 0 H1:  > 0
 Bentuk penulisan hipotesis dua arah secara matematis
 Satu Sampel untuk mean (rata-rata)
 H0:  = 0
 Ha:   0

5
 Uji HIPOTESIS
Dalam pengujian hipotesis statistik yang diuji adalah
H0
 Penentuan apakah H0 gagal ditolak (dianggap
benar) atau ditolak (dianggap salah) adalah
merupakan tujuan dari pengujian hipotesis
 Besarnya probabilitas H0 benar adalah sebesar nilai-
p (p-value). Bila nilai-p sangat kecil, maka
kemungkinan Ho benar sangat kecil, kita putuskan
untuk menolak Ho
 Batas (nilai-p) untuk menyatakan H0 ditolak atau
tidak sebesar alpha atau < alpha (untuk kesmas
alpa = 5%)

6
 Hypothesis nol, H0

 Dimulai dengan asumsi bahwa hipotesis nol

benar
 Sama seperti asas praduga tak bersalah,
sampai terbukti bersalah
 Selalu memuat tanda “=” sama dengan
 Mungkin ditolak atau tidak ditolak atau gagal
ditolak (GATOL)

7
 Hipotesis Alternatif, H1/Ha
 Lawan dari hypothesis nol
 Tidak pernah memuat tanda “=”
 Secara umum hipotesis ini dipercaya
kebenarannya oleh peneliti (sehingga
perlu untuk dibuktikan)
 Sering disebut juga hipotesis penelitian

8
 Tingkat kesalahan
dan daerah penolakan
a Nilai
kritis

Daerah 0
Penolakan a

0
a/2

9
 Tingkat Signifikansi
dan daerah penolakan

H0:  = 3 a Nilai
H1:  < 3 kritis

Daerah 0
Penolakan a
H0:  = 3
H1:  > 3
0
a/2
H0:  = 3
H1:   3
0

10
 Kesalahan dalam Keputusan
 Salah Jenis I (Error Type I)
 Tolak H0 yang benar
 Mempunyai konsekuensi serius

Peluang kesalahan Type I adalah

 Disebut tingkat signifikansi a
 Ditentukan oleh peneliti
 Salah Jenis II (Error Type II
 Gagal menolak H0 yang salah
 Peluang kesalahan Type II β
 Kekuatan test adalah 1- β

11
 Kesalahan dalam Keputusan
 Salah jenis pertama (a) disebut tingkat signifikansi
(significance level) adalah probabilitas menolak H0
padahal H0 tersebut benar
 (1- a) disebut tingkat kepercayaan (confidence level)
adalah probabilitas untuk tidak membuat kesalahan
jenis pertama
 Salah jenis kedua () adalah probabilitas untuk
menerima H0 padahal H0 tersebut salah
 (1- ) adalah probabilitas untuk tidak membuat
kesalahan jenis kedua dan dikenal dengan tingkat
kekuatan uji (power of the test)
12
Ringkasan Tipe Kesalahan

Hypothesis Test
Kenyataan di populasi
Putusan H0 benarH0 Salah
Terima Type II
1-a
Salah ( )
H0
Type I
Tolak Power
Salah
H0 (1 -  )
(a )

13
 Type I & II mempunyai relasi
berkebalikan
Idealnya kedua kesalahan minimal
tetapi Jika kesalahan yang satu
diperkecil yang lain membesar

14
 KEPUTUSAN UJI STATISTIK
 Secara Klasik
 Membandingkan nilai statistik hitung dengan nilai statistik tabel
 Bila nilai hitung < nilai tabel  Ho diterima  Simpulan Ho
 Bila nilai hitung > nilai tabel  Ho ditolak  Simpulan Ha
 Misal, statistik uji Zhitung=2.5 pada a=0.05 dan uji dua arah (two side) Z tabel=-
1.96 s/d 1.96 merupakan daerah Ho.
 Karena Zhitung=2.5 > Z tabel=1.96 maka Ho ditolak.

 Secara Probabilistik
 Membandingkan nilai-p dengan a
 Bila nilai-p > a  Ho diterima  Simpulan Ho
 Bila nilai-p <= a  Ho ditolak  Simpulan Ha
 Nila-p=0.001, a=0.05 dan ujia dua arah (two side). Karena nilai-p=0.001 <
a=0.05 maka Ho ditolak

15
 Langkah Dalam
Uji Hipotesis

1. Tuliskan H0 dan H1
2. Tetapkan tingkat signifikasi/salah type-1 (a)
• a=0.01, a=0.05 atau a=0.10

3. Tentukan jenis Uji Statistik yang sesuai

16
 Langkah Dalam Uji Hipotesis
4. Hitung uji statistik
5 .Tentukan daerah kritis
o Daerah penerimaan/penolakan Ho atau
o Tentukan nilai-p (berdasarkan Tabel)
atau Hitung nilai-p (oleh komputer)

6. Buat keputusan Statistik

o Tolak Ho (Bila nilai-p < alpha) atau
bila Nilai-hitung > Nilai tabel ) atau
bila Nilai-hitung jatuh di area penolakan  Simpulan Ha
o Gagal tolak Ho (Bila nilai-p > alpha) atau
bila Nilai-hitung < Nilai tabel atau
bila Nilai-hitung jatuh diarea penerimaan  Simpulan Ho
7. Interpretasi dan kesimpulan
17
 JENIS UJI STATISTIK:
JENIS
VARIABEL Var Dependen
Var
Independen Kategorik Numerik
1.Chi-square/
Regresi logistik 2. t-test (jika 2 kategori)
Kategorik sederhana 3. Anova (>2 kategori)
4. Korelasi /
2. t-test (jika 2 kategori) Regresi Linier
Numerik 2.Anova (>2 kategori) sederhana

18
 JENIS UJI STATISTIK:
PENGGUNAAN UJI STATISTIK PARAMETRIK DAN NON
PARAMETRIK
Kelompok
Skala Komparasi (2 sampel) Komparasi > 2 sampel Hubungan
Ukur Deskriptif
(asosiasi/
(1 sampel) Related Independen Related Independen korelasi)
Binominal Fisher Exact Test X² k sample X² k Contigency
Nominal Mc Nemar
X² 1sample X² 2 sample Cohran Q sample Coefficient C

Median test
Median Spearman Rank
Sign test Tes U Mann Friedman Correlation
Extension
Whitney two way
Ordinal Run – test
Wilcoxon Kolmogorov Anova
Smirnov (repeated) Tes Kruskall
Matched
Wallis
Tau Kendall
pairs Wald Woldfowitz

Pearson Product
1way Anova moment
1way Anova
Interval t- test t–test t–test (repeated)
Partial correlation
dan Rasio (1-sampel) (paired) (independen)
2way Anova Multiple
2way Anova correlation
(repeated)
19
20
 Test satu sisi Z untuk Mean
( σ Diketahui)

 Asumsi
 Populasi berdistribusi normal
 Jika tak normal perlu sampel besar
 Tanda H0 ≤ atau ≥
 Z Statistik uji

X  X X 
Z= =
X / n

21
 Contoh: Test Satu Sisi
Q. Apakah rata2 cereal >
368 gram ? Sampel
random dari 25 kotak
cereal rata-rata = 372.5.
Dengan  15 gram.
X
Lakukan test pada a = 368 gm.
0.05.
H0:  ≤ 368
H1:  > 368

22
 Mencari Nilai Kritis : Satu Ekor
Tabel Normal Standart
kumulatif

Z =1 Z .04 .05 .06

.95 1.6 .9495 .9505 .9515

a = .05
1.7 .9591 .9599 .9608

0 1.645 Z 1.8 .9671 .9678 .9686

Nilai Kritis = 1.9 .9738 .9744 .9750
1.645
23
 Penyelesaian: Test Satu Sisi
H0:  ≤ 368 Test Statistic:
H1:  > 368
a = 0.5 X 
Z= = 1.50
n = 25 
Nilai Kritis : 1.645 n
Tolak Putusan:
.05 Tidak ditolak di a = .05
Kesimpulan:
0 1.645 Z Tidak ada bukti rata-rata
> 368
1.50 24
 p -Value
p-Value = P(Z  1.50) = 0.0668

P-Value =.0668
1.0000
- .9332
.0668

0 1.50 Z

25
 p -Value (continued)

(p-Value = 0.0668)  (a = 0.05)

Tidak ditolak.
p Value = 0.0668

Tolak

a = 0.05

0 1.645
Z
1.50
1.50 terletak dalam daerah penerimaan
26
 Contoh: Test Dua Sisi
Q. Apakah rata-rata
berat cereal = 368
gram? Sampel
random dari 25
kotak X= 372.5.  =
15 gram. Lakukan 368 gm.
Test pada a = 0.05
level. H0:  = 368
H1:   368

27
 Penyelesaian: Test Dua Sisi
H0:  = 368 Test Statistic:
H1:   368
X   372.5  368
a = 0.05 Z= = = 1.50
 15
n = 25 n 25
Nilai Critical : ±1.96
Putusan:
Tolak
Tidak ditolak di a = .05
.025 .025
Kesimpulan:
Tidak ada bukti rata-rata
-1.96 0 1.96 Z bukan 368
1.50 28
 p-Value
(p Value = 0.1336)  (a = 0.05)
Jangan tolak H0.
p Value = 2 x 0.0668

Tolak Tolak

a = 0.05

0 1.50 1.96
Z
1.50 terletak dalam daerah penerimaan
29
 t Test: σ tidak diketahui
 Asumsi
 Populasi berdistribusi normal
 Jika tak normal, sampel besar

 T test dengan n-1 db

X 
t=
S/ n

30
 Contoh: t Test Satu Sisi

Apakah rata-rata berat

sereal > 368 gram?
Random sample dari 36
kotak menunjukkan X =
372.5, and S= 15. a = 0.01 368 gm.

H0:   368
 tidak diketahui H1:  > 368

31
 Penyelesaian: Satu Sisi
H0:   368 Test Statistic:
H1:  > 368
X   372.5  368
a = 0.01 t= = = 1.80
S 15
n = 36, df = 35 n 36
Nilai Kritis : 2.4377
Tolak Putusan:
Tidak ditolak di a = .01
.01
Simpulan:
Tidak ada bukti rata-
0 2.437 t35
7
1.80
rata berat > 368 gr
32
 p -Value
(p Value diantara .025 dan .05)  (a = 0.01).
H0 tidak ditolak.

p Value = [.025, .05]

Tolak

a = 0.01

0 t35
1.80 2.4377

33
 Proporsi

 Melibatkan data kategoris

 Dua kemungkinan outcome ( hasil )
 “Sukses” dan gagal
 P(Sukses) = p dan P(Gagal)=1-p
 Distribusi Binomial
 Proporsi populasi “success” dinotasikan
dengan p

34
 Proporsi

 Proporsi sampel dalam kategori sukses pS

X Number of Successes
ps = =
n Sample Size
 Jika np dan n(1-p) ≥ 5, pS dapat didekati
dengan distribusi normal dengan mean dan
standart deviasi

p = p p(1  p)
s  ps =
n
35
 Contoh: Z Test untuk Proporsi
Q. Suatu perusahaan
sabun mandi meng
klaim lebih dari 4%
mahasiswa memakai Check:
produk tersebut. np = 500 .04  = 20
Untuk mengetes
diambil sample random 5
dari 500 mhs
diperoleh 25 mhs n 1  p  = 500 1  .04 
memakai sabun
tersebut. a = .05. = 480  5
36
 Z Test untuk Proporsi: Solusi
H0: p = .04 Test Statistic:
H1: p  .04 pS  p .05  .04
Z = = 1.14
p 1  p  .04 1  .04 
a = .05
n = 500 n 500

Nilai Critical:  1.96 Putusan:

Jangan ditolak di a = .05
Tolak Tolak
Simpulan:
.025 .025
Tidak ada bukti menolak
claim 4% respon di atas.
-1.96 0 1.96 Z
1.14
37
 p -Value
(p Value = 0.2542)  (a = 0.05).
Jangan tolak H0.
p Value = 2 x .1271

Tolak Tolak

a = 0.05

0 1.14 1.96
Z
1.14 dalam daerah penerimaan H0
38