Pengujian Hipotesis

Hipotesis
• Hipotesis : Kesimpulan sementara atau dugaan
logis tentang suatu kondisi (misal: keadaan
populasi)
• Secara statistik Hipotesis bisa menyatakan
parameter populasi dari suatu variabel yang
terdapat dalam populasi dan dihitung
berdasarkan statistik sampel.
• Karena merupakan dugaan sementara, maka
hipotesis mungkin benar, tetapi mungkin juga
tidak benar
 Pengujian Hipotesis

• Tujuan pengujian hipotesis umumnya adalah untuk

mendapatkan kesimpulan mengenai suatu populasi
berdasarkan sampel yang dimiliki

• Kesimpulan dari pengujian hipotesis secara statistik

hanya berupa menerima atau menolak hipotesis dan ini
tidak membuktikan kebenaran hipotesis karena statistika
sama sekali tidak melakukan pembuktian
 Prosedur pengujian hipotesis
1. Rumuskan hipotesis yang akan diuji : H0 dan Ha
2. Tentukan derajat kemaknaan (α) atau kesalahan tipe 1
3. Tentukan uji statistik yang akan digunakan (z atau t)
4. Tentukan nilai titik kritis atau daerah penerimaan –
penolakan H0
5. Hitung nilai statistik sampel dengan uji statistik pada
derajat kemaknaan yg telah ditentukan
6. Buatlah kesimpulan yang tepat pada populasi
bersangkutan  menerima atau menolak H0
Step 1 : Rumuskan Hipotesis Uji (H0 dan H1)

• Pada pengujian hipotesis, parameter yang akan kita uji

disebut hipotesis nol  H0 yang secara statistik berarti
tidak ada perbedaan antara kedua variabel yang
dibandingkan.
H0 : μ = 500 (satu populasi)
H0 : μ1 = μ2 (dua populasi)
• Bila dalam uji statistik kita menolak hipotesis nol, berarti
ada hipotesis lain yang diterima. Hipotesis ini disebut
hipotesis alternatif  H1 yang sifatnya berlawanan
dengan hipotesis nol.
H1 : μ 500 (satu populasi)
H1 : μ1 > μ2 (dua populasi)
 Hipotesis Nol dan Hipotesis Alternatif

H0 -> Hipotesis Nol

H1 -> Hipotesis Alternatif

• Hipotesis selalu menyinggung parameter atau

karakteristik populasi daripada karakteristik
sampel.
• Artinya populasi, bukan sampel, bahwa kita
ingin membuat sebuah kesimpulan (inference)
dari data yang terbatas.
Step 2 : Tentukan Derajat Kemaknaan

keputusan Ho benar Ho salah

Terima Ho Tepat (1-α) Salah tipe II (β)

Tolak Ho Salah tipe I (α) Tepat (1-ß)

Probabilitas Kesalahan Tipe I (α)  adalah probabilitas

menolak H0 ketika H0 benar (Significance level / derajat
kemaknaan)

Probabilitas Kesalahan Tipe II (ß)  adalah probabilitas

menerima H0 ketika H0 salah
 Derajat Kemaknaan
(Significancy Level)
• Tidak ada ketentuan yang baku untuk besarnya
derajat kemaknaan.
• Tetapi yang lazim digunakan adalah :
α = 0,05 (CI=95%) atau α = 0,01 (CI=99%)

CI = Confidence Interval (Tingkat Kepercayaan)

= komplemen dari α
=1-α
 P-value
(observed signivicance level)
• Peluang variabel yang dibandingkan pada
sampel berbeda secara bermakna pada derajat
kepercayaan yang telah ditetapkan  simbol (p)
value  actual signicance level.
• P-value adalah luas area dibawah kurva normal
dengan batas tertentu
• Bandingkan p –value hasil uji statistik dengan α

Jika : P < α  Gagal Tolak H0

Dan jika : P ≥ α  Tolak H0

Step 3 : Tentukan Uji Statistik

Beberapa Uji Hipotesis pada Statistika Parametrik

1. Uji rata-rata dari sampel besar  Uji z 1 sampel

2. Uji rata-rata dari sampel kecil  Uji t 1 sampel

3. Uji beda rata-rata dari 2 sampel besar  Uji z 2 sampel

4. Uji beda rata-rata dari 2 sampel kecil  Uji t 2 sampel

5. Uji korelasi  Uji Korelasi Pearson

6. Uji regresi  Uji regresi linear

d0 = dugaaan perbedaan

m0 = dugaaan rata-rata populasi

 4. Tentukan daerah penerimaan-penolakan H0

1. Uji satu arah (one tailed)

H0 : Ditulis dalam bentuk persamaan (=)
H1 : Ditulis dalam bentuk (>) atau (<)
Contoh uji satu arah :
a. H0 : μ = 50 menit
H1 : μ < 50 menit Daerah
Penerimaan H0

Luas daerah
terarsir = α

Daerah
-zα atau –t(df;α) 0
penolakan H0
Titik kritis z / t
 Arah Pengujian Hipotesis
1. Uji satu arah (one tailed)
b. H0 : μ = μ0 menit
H1 : μ > μ0 menit

Daerah
Penerimaan H0 Luas daerah
terarsir = α

Daerah
penolakan H0

0 zα atau t(df;α)

Titik kritis z
atau t
 Arah Pengujian Hipotesis
2. Uji dua arah (two tailed)
H0 : μ = μ0 menit
H1 : μ ≠ μ0 menit
Daerah
Penerimaan H0
Luas daerah
terarsir = α

Daerah Daerah
penolakan H0 penolakan H0

-zα/2 atau -t(df;α/2) 0 zα/2 atau t(df;α/2)

 Contoh [1]
11.5 11.8 15.7 16.1 14.1 10.5 • Suatu data set (n=33) ingin diuji
15.2 19 12.8 12.4 19.2 13.5 apakah rata-rata populasinya adalah
16.5 13.5 14.4 16.7 10.9 13
15.1 17.1 13.3 12.4 8.5 14.3
15.7,  = 0.05
12.9 11.1 15.0 13.3 15.8 13.5 • Maka:
9.3 12.2 10.3 – H0 : μ = μ0 =15.7
– H1 : μ < μ0

x bar 13.66 • One tailed (left)-test:

– Critical t: -1.6939
Miu-0 15.70 – H0 ditolak bila t stat < t crit, p < 

s 2.54 • Kesimpulan:
n 33 – Rata2 populasi < 15.7
t -4.24
p 0.000

Luas: 0.00
Luas: 0.05

T stat = -4.24 T crit = -1.694

 Contoh [2]
170 167 174 179 179
156 163 156 187 156
• Suatu data set ingin diuji apakah
183 179 174 179 170 rata-rata populasinya adalah 170,
156 187 179 183 174  = 0.05
187 167 159 170 179
• Maka:
– H0 : μ = μ0 =170
x bar : 172.52 – H1 : μ > μ0

o : 170
• One tailed (right)-test:
– Critical t: 1.711
S: 10.31 – H0 ditolak bila t stat > t crit, p > 
n: 25
t : 1.22
• Kesimpulan:
p: 0.117 – Rata2 populasi = 170

Luas: 0.11

Luas: 0.05

T stat = 1.22 T crit = 1.711

 Contoh [3]
7.65 7.6 7.65 7.7 7.55
• Suatu data set ingin diuji apakah
7.55 7.4 7.4 7.5 7.5
rata-rata populasinya adalah 7.5,
 = 0.05
x bar 7.55 • Maka:
mo 7.50 – H0 : μ = μ0 =7.5
– H1 : μ  μ0
s 0.10 • Two tailed-test:
n 10
– Critical t: -2.2622 dan 2.2622
t 1.54
– H0 ditolak bila t stat > atau < t crit, atau
p 0.158
p < /2
• Kesimpulan:
– Rata2 populasi =7.5

Luas: 0.079

Luas: 0.025

T stat = 1.54 T crit = 2.26

 Contoh uji homogenitas (dua sampel)

Sebuah restoran cepat saji melakukan penelitian untuk melihat

perbedaan distribusi antara jumlah antrian dan waktu tunggu
pelanggan

Waiting
Time 24 30 32 34 39 41 43 45 48 49

Lines 1 1 1 2 2 1 2 1 1 1
Waiting
Time 50 55 63 65 67 92 97 101 128 159

Lines 1 1 2 2 2 1 2 2 2 2

19
 Homogenitas varian
Hitung rata-rata (a) dan standar 1 line 2 lines
deviasi (s) :
a 46.6 79.5
s 18.7 41.0
Uji homogenitas varians:

Dengan nilai F pada 95 presentil dari distribusi F dengan n2-1

and n1-1 degrees of freedom, ni dan si adalah jumlah sampel
dan standar deviasi dari sampel i. [di Excel F = FINV(0.05,…)]
Dalam contoh diperoleh nilai 4.8 ≥ F=3.2, sehingga dianggap
varians tidak homogen. 20
 Uji signifikansi untuk varian tidak homogen

Tidak ada perbedaan

significant bila (t adalah
two tail percentile of t-
Student dengan n
degrees of freedom):

dengan n :

Di contoh sisi kanan

bernilai 2.31, dengan 5%
significance level.
21
 Uji signifikansi untuk varian homogen

Tidak ada perbedaan

signifikan bila (t adalah nilai
two tail percentile of t-
Student dengan n degrees of
freedom):

dengan sP :

dan n = n1 + n2 – 2.

22