Anda di halaman 1dari 72

PENGUJIAN HIPOTESA

Dr. Ir. Tatang Sopandi, MP


HIPOTESIS

• Kesimpulan sementara yang dibuat untuk


menjelaskan suatu masalah dalam suatu
kalimat deklaratif dan menuntut
pembuktian lebih lanjut
PENGUJIAN HIPOTESIS

• HIPOTESIS STATISTIK adalah suatu asumsi atau pernyataan


yang berpeluang untuk menjadi benar atau salah mengenai
satu atau lebih populasi

• Contoh:
Pernyataan bahwa rata-rata pendapatan masyarakat kota A
sekitar Rp. 75.000/bulan
Pernyataan mengenai rata-rata pendapatan masyarakat kota
A adalah suatu hipotesis yang perlu dilakukan pengujian
hipotesis kebenarannya

Ho: u = 75.000
H1: u ≠ 75.000
JENIS KESALAHAN DALAM MEMBUAT KESIMPULAN
TENTANG HIPOTESIS

keputusanKesim Keadaan sebenarnya


pulan atau

Hipotesis Benar Hipotesis Salah


Terima hipotesis Tidak membuat Kekeliruan jenis II
kekeliruan

Tolak hipotesis Kekeliruan jenis I Tidak membuat


kekeliruan
Jenis Kekeliruan

• Kekeliruan jenis I: menolak hipotesis yang seharusnya diterima,


dinamakan kekeliruan , : peluang membuat kekeliruan jenis I
disebut juga taraf signifikan, taraf arti, taraf nyata ( = 0,01 atau
 = 0,05 )
• Membacanya:
•  = 0.05 : taraf nyata 5%, artinya kira-kira 5 dari tiap 100
kesimpulan akan menolak hipotesis yang seharusnya diterima.
Atau kira-kira 95% yakin bahwa kesimpulan yang dibuat benar.
Peluang salahnya/kekeliruan sebesar 5%

 Kekeliruan jenis II: menerima hipotesis yang seharusnya


ditolak, dinamakan kekeliruan ,  : peluang membuat
kekeliruan jenis II
PENGUJIAN HIPOTESA
Langkah atau prosedur untuk menentukan apakah
menerima atau menolak hipotesis statistik
 Lambang hipotesis H atau Ho
 Lambang hipotesis tandingan A atau H1
 Pasangan H melawan A , menentukan kriteria pengujian yang
terdiri dari daerah penerimaan dan daerah penolakan
hipotesis
 Daerah penolakan hipotesis disebut juga daerah kritis
 Parameter uji θ dalam penggunaannya θ dapat berarti rata-
rata = μ, simpangan baku = σ, proporsi = π dll) maka akan
terdapat hal-hal sbb:
LANGKAH-LANGKAH PENGUJIAN HIPOTESIS

• RUMUSKAN Ho YG SESUAI
• RUMUSKAN HIPOTESIS TANDINGANNYA (H1) YG SESUAI
• PILIH TARAF NYATA PENGUJIAN SEBESAR α
• PILIH UJI STATISTIK YG SESUAI DAN TENTUKAN DAERAH KRITISNYA
• HITUNG NILAI STATISTIK DR CONTOH ACAK BERUKURAN n
• BUAT KEPUTUSAN: TOLAK Ho JIKA STATISTIK MEMPUNYAI NILAI DALAM
DAERAH KRITIS, SELAIN ITU TERIMA Ho
PENGUJIAN HIPOTESIS MENGENAI NILAI RATA-RATA

PENGUJIAN DWI ARAH

UNTUK MENGUJI HIPOTESIS MENGENAI NILAI RATA-RATA POPULASI,


MAKA DAPAT DIBUAT PERUMUSAN HIPOTESIS SEBAGAI BERIKUT:
Ho : u = uo
H1 : u ≠ uo

PENGUJIAN SATU ARAH

UNTUK MENGUJI HIPOTESIS MENGENAI NILAI RATA-RATA POPULASI


DENGAN MELIHAT SATU SISI SAJA

Ho : u = uo lawan Ho : u > uo

Ho : u = uo lawan Ho : u < uo
PENGUJIAN PARAMETER θ
a. Hipotesis mengandung pengertian sama

1. H : θ = θ0 2. H : θ = θ0
A : θ = θ1 A : θ ≠ θ0
3. H : θ = θ0 4. H : θ = θ0
A : θ > θ0 A : θ < θ0

 Dengan θ0 dan θ1 adalah dua harga yang diketahui. Pasangan


nomor 1 dinamakan pengujian sederhana lawan sederhana,
sedangkan lainnya pengujian sederhana lawan komposit
b. Hipotesis mengandung pengertian maksimum

H : θ ≤ θ0
A : θ > θ0

c. Hipotesis mengandung mengertian minimum

H : θ ≥ θ0
A : θ < θ0

Dinamakan pengujian komposit lawan komposit


Penentuan daerah kritis
• Dalam distribusi statistik yang digunakan terdapat dua daerah kritis
masing-masing pada ujung distribusi.
• Luas daerah kritis pada tiap ujung adalah ½ , karena ada dua daerah
penolakan ini, maka pengujian hipotesis dinamakan uji dua pihak

Daerah penolakan H Daerah penolakan H


(daerah kritis) (daerah kritis)

Daerah penerimaan Luas = ½ ά


H

d1 d2

Kriteria yang didapat : terima hipotesis H jika harga statistik yang dihitung
berada diantara daerah d1 dan d2, dalam hal lainnya H ditolak
Penentuan perumusan lebih besar
Dalam distribusi statistik digunakan satu daerah yang terletak di ujung
kanan. Luas daerah kritis adalah . Karena adanya satu daerah penolakan,
maka pengujian hipotesis dinamakan uji satu pihak yaitu pihak kanan

Daerah penolakan H
(daerah kritis)

Daerah penerimaan Luas =ά


H

Kriteria yang didapat : tolak H jika statistik hitung sampel lebih kecil dari
daerah penolakan d atau di luar daerah penolakan H dengan kata lain terima
H
Penentuan perumusan lebih kecil
Dalam distribusi statistik digunakan terdapat satu daerah kritis di ujung kiri.
Luas daerah kritis adalah . Karena adanya satu daerah penolakan ini, maka
pengujian hipotesis dinamakan uji satu pihak yaitu pihak kiri

Daerah penolakan H
(daerah kritis)

Luas = 
Daerah penerimaan
H

Kriteria yang digunakan : terima H jika statistik hitung berdasarkan


penelitian lebih besar dari d sedangkan dalam hal lainnya ditolak
1. σ DIKETAHUI
• Untuk Hipotesis : H : μ = μ0
A : μ ≠ μ0
x  o
• RUMUS : Z μ

n

• Ho diterima jika –z1/2(1-α) < z < z1/2(1-α)


• Ho ditolak dalam hal lainnya
Gambar kurva

H
diterima

 d1= - Z ½ (1- ά)  d2 = Z ½ (1- ά)


Contoh
• Pengusaha lampu menyatakan bahwa lampu pijarnya
tahan pakai sekitar 800 jam. Akhir-akhir ini timbul
dugaan bahwa masa pakai lampu tersebut telah
berubah. Untuk mengetahui kebenaran pernyataan
tersebut diteliti dan diuji 50 buah lampu pijar dan
diperoleh rata-rata masa pakai lampu 792 jam.
Berdasarkan pengalaman, diketahui bahwa
simpangan baku masa pakai lampu 60 jam. Apakah
kualitas lampu sudah berubah dengan taraf
signifikansi 0,05
Penyelesaian
• H : μ = 800 jam
792  800
• A : μ ≠ 800 jam Z  0.94
• σ = 60 jam 60 / 50
• X = 792 jam
• n = 50
• Dari daftar normal baku untuk
uji dua pihak dengan α = 0.05
yang memberikan z0.475 = - 1.96
Daerah penolakan H Daerah penolakan H
(daerah kritis ) (daerah kritis )

Daerah penerimaan Luas =0.025?


H

d
-1.96 d
1.96

 Terima H jika z hitung terletak antara -1.96 dan 1.96.


Dalam hal lainnya Ho ditolak
 Dari penelitian sudah didapat z = -0.94 dan terletak di
daerah penerimaan H
 Jadi H diterima, kesimpulan masa pakai lampu pijar belum
berubah masih sekitar 800 jam
2. σ TIDAK DIKETAHUI

• Untuk Hipotesis : H : μ = μ0
A : μ ≠ μ0
x  o
• RUMUS : t
s
n
Contoh
• Seperti soal sebelumnya, Dimisalkan
simpangan baku populasi tidak diketahui,
tetapi dari sampel diketahui simpangan baku
s = 55 jam
• Jawab:
• s = 50 jam
• X = 792 jam
• µ = 800 jam
• n = 50
792  800
t  1.029
55 / 50

 Dari daftar distribusi student dengan α = 0.025 dan dk = 49


untuk uji dua pihak diperoleh t = 2.01.
 Kriteria pengujian : Terima H jika t hitung terletak antara -
2.01 dan 2.01. Diluar itu H ditolak
 Dari penelitian didapat t = -1.029 dan terletak di daerah
penerimaan H
 Jadi Ho diterima, kesimpulan masa simpan pakan belum
berubah masih sekitar 800 jam
Gambar kurva

Distribusi student
Δk = 49

Daerah penerimaan 0,025


0,025
H

- 2,01 2,01
A. UJI PIHAK KANAN
1. σ DIKETAHUI
• RUMUS UMUM : H : μ ≤ μ0
A : μ >μ0

• KRITERIA :Tolak H jika Z ≥ Z 0,5- ά


Terima H jika sebaliknya
Contoh:
• Suatu pabrik pakan memproduksi rata-rata 15.7 ton
setiap kali produksi. Hasil produksi mempunyai
simpangan baku = 1.51 ton. Pengusaha menerapkan
metode produksi baru, dengan produksi paling
sedikit rata-rata 16 ton setiap kali produksi. Untuk
mengetahui apakah metode produksi baru dapat
menggantikan metode produksi lama, pengusahan
mencoba 20 kali produksi metode baru dan
diperoleh 16.9 ton setiap kali produksi. Pengusaha
bermaksud mengambil resiko 5% untuk
menggunakan metode baru apabila metode ini rata-
rata menghasilkan lebih dari 16 ton. Bagaimana
keputusannya
Penyelesaian
• H : µ ≤ 16, berarti rata-rata hasil metode baru
paling tinggi 16 ton, maka metode lama
dipertahankan
• A : µ ≥ 16, berarti rata-rata hasil metode baru
lebih dari 16 ton, maka metode lama dapat
diganti
• X = 16.9 ton
• N = 20
• σ = 1.51
• µo = 16
16.9 16
z  2.65
1.51/ 20
 Dari daftar normal standart dengan α = 0.05
diperoleh z = 1.64
 Kriteria pengujian : Tolak H jika z hitung lebih
besar atau sama dengan 1.64. Jika sebaliknya H
diterima
 Dari penelitian didapat z = 2.65, maka H ditolak
 Kesimpulan metode baru dapat digunakan
Gambar kurva

DISTRIBUSI NORMAL
BAKU

Daerah penerimaan 0,05


H

1,64
2. σ TIDAK DIKETAHUI
• RUMUS UMUM : H : μ ≤ μ0
A : μ >μ0

• KRITERIA : Tolak H jika t ≥ t 1- ά


Terima H jika sebaliknya
Contoh:
• Pemberian hormon tertentu pada ayam/ikan dapat
menambah bobot badan rata-rata 4.5 ton per
kelompok. Sampel acak yang terdiri atas 31
kelompok ayam/ikan yang telah diberi suntikan
hormon memberikan rata-rata 4.9 ton dengan
simpangan baku 0.8 ton. Apakah pernyataan
tersebut diterima? Bahwa pertambahan rata-rata
paling sedikit 4.5 ton
Penyelesaian
• H : µ ≤ 4.5, berarti penyuntikan hormon pada ayam/ikan
tidak menyebabkan bertambahnya rata-rata bobot badan
4.5 ton
• A : µ > 4,5, berarti penyuntikan hormon pada ayam/ikan
menyebabkan bertambahnya rata-rata bobot badan
paling sedikit dengan 4.5
• X = 4.9 ton
4.9  4.5
• N = 31 t  2.78
• S = 0.8 ton 0.8 / 31
• µo = 4.5 ton
4.9  4.5
t   2.78
0.8 / 31

• Dengan mengambil  = 0.01, dk = 30 didapat t = 2.46


• Kriteria tolak hipotesis H jika t hitung lebih besar atau
sama dengan 2.46 dan teriam H jika sebaliknya
• Penelitian memberi hasil t = 2.78
• Hipotesis H ditolak
• Kesimpulan : Penyuntikan hormon terhadap ayam/ikan
dapat menambah bobot badan rata-rata paling sedikit
dengan 4.5 ton
Gambar kurva

Distribusi student
Δk = 30

Daerah penerimaan
H

2,46
B. UJI PIHAK KIRI
1. σ DIKETAHUI
• RUMUS UMUM : H : μ ≥ μ0
A : μ <μ0

• KRITERIA : Tolak H jika Z ≤ - Z 0,05- ά


Terima H jika Z > - Z 0,05- ά
2. σ TIDAK DIKETAHUI
RUMUS UMUM : H : μ ≤ μ0
A : μ >μ0

KRITERIA : Tolak H jika t ≥ t 1- ά


Terima H jika sebaliknya
• RUMUS UMUM : H : π = π0
A : π ≠ π0
x  
n
• RUMUS STATISTIK : Z
 (1   )
n

• KRITERIA : Terima H jika – Z1/2(1- ά)<Z<Z1/2(1- ά)


Tolak H jika sebaliknya
A. UJI PIHAK KANAN
• RUMUS UMUM : H : π ≤ π0
A : π > π0

• KRITERIA : Tolak H jika Z ≥ Z 0,5- ά


Terima H jika Z < Z 0,5- ά
B. UJI PIHAK KIRI
• RUMUS UMUM : H : π ≥ π0
A : π < π0

• KRITERIA : Tolak H jika Z ≤ - Z 0,5- ά


Terima H jika Z > - Z 0,5- ά
• RUMUS UMUM : H : σ2 = σ0 2
A : σ2 ≠ σ0 2

(n  1) s 2
• RUMUS STATISTIK : X2 
0
2

• KRITERIA : Terima H jika X21/2ά< X2 < X21-1/2ά


Tolak H jika sebaliknya
A. UJI PIHAK KANAN
• RUMUS UMUM : H : σ2 ≤ σ0 2
A : σ 2 > σ0 2

• KRITERIA : Tolak H jika X2 ≥ X2 1-ά


Terima H jika X2 < X2 1-ά
B. UJI PIHAK KIRI
• RUMUS UMUM : H : σ2 ≥ σ0 2
A : σ 2 < σ0 2

• KRITERIA : Tolak H jika X2 ≤ X2 ά


Terima H jika X2 > X2 ά
• RUMUS UMUM : H : μ1 = μ2
A : μ1 ≠ μ2
A. σ1 = σ2 = σ dan σ diketahui
x1  x 2
• RUMUS STATISTIK : Z 
1 1
 
n1 n2

• KRITERIA : Terima H jika – Z1/2(1- ά)<Z<Z1/2(1- ά)


Tolak H jika sebaliknya
B. σ1 = σ2 = σ tetapi σ tidak diketahui

x1  x 2
• RUMUS STATISTIK : t
1 1
s 
n1 n2

• KRITERIA : Terima H jika - t1-1/2ά < t < t1-1/2ά


Tolak H jika sebaliknya
C. σ1 ≠ σ2 dan kedua-duanya tidak diketahui

x1  x 2
• RUMUS STATISTIK: t 1
2 2
( s1 )  (s2 )
n1 n2

w1t1  w2 t 2 1 w1t1  w2 t 2
• KRITERIA : Terima H jika 
w1  w2
t 
w1 w2
Tolak H jika sebaliknya
d. Observasi berpasangan
• RUMUS UMUM : H : μB = 0
A:μB≠0

B
• RUMUS STATISTIK : t 
SB
n

• KRITERIA : Terima H jika - t1-1/2ά < t < t1-1/2ά


Tolak H jika sebaliknya
a. Rumus umum untuk UJI PIHAK KANAN

• Bila σ1 = σ2, maka


rumus H : μ1 = μ2
A : μ1 ≠ μ2
Kriteria terima H jika t < t1-ά
tolak H jika t ≥ t1-ά
• Bila σ1 ≠ σ2, maka w1t1  w2 t 2
t
1

Kriteria tolak H jika w1  w2


terima H jika sebaliknya
b. Rumus umum untuk UJI PIHAK
KIRI
• Bila σ1 = σ2, maka
rumus H : μ1 ≥ μ2
A : μ1 < μ2
Kriteria tolak H jika t ≤ - t1-ά
terima H jika t > - t1-ά
• Bila σ1 ≠ σ2, maka ( w1t1  w2 t 2 )
t1 
Kriteria tolak H jika w1  w2

terima H jika sebaliknya


Contoh : dua jenis pakan (A) dan (B) diberikan
pada ternak ayam secara terpisah untuk jangka
waktu tertentu. Ingin diketahui jenis pakan
mana yang paling baik pada taraf signifikansi 5%
untuk bobot badan ayam yang diinginkan.
Pakan ayam (A) diberikan pada 11 ekor ayam
dan pakan (B) diberikan pada 10 ekor ayam
yang kedua kelompok ayam tersebut dipilih
secara acak.
Data bobot badan ayam (ons) pada percobaan
pemberian 2 jenis pakan

Pakan A 3,1 3,0 3,3 2,9 2,6 3,0 3,6 2,7 3,8 4,0 3,4
Pakan B 2,7 2,9 3,4 3,2 3,3 2,9 3,0 3,0 2,6 3,7

Dari data di atas diperoleh ẌA = 3,22; ẌB = 3,07; sA2 = 0,1996; dan


sB2 = 0,1112; simpangan baku gabungan (s) = 0,397

Ẍ1 - Ẍ2 3,22 – 3,07
t= = = 0,862
s 1/n1 + 1/n2 0,397 (1/11) + (1/10)
Nilai t0,975 dengan db = n1 + n2 – 2 = 19 dari
daftar distribusi student adalah 2,09. Sehingga
kriteria penerimaan adalah :
-t 0,975< thit < t0,975

Kesimpulan : kedua jenis pakan tersebut


memberi tambahan bobot badan yang sama
terhadap ayam atau tidak terdapat perbedaan
yang signifikan (P>0,05) antara rata-rata bobot
badan ayam yang diberi pakan A dengan bobot
badan ayam yang diberi pakan B
σ1≠σ2 dan keduanya tidak diketahui

Ẍ1 - Ẍ 2
t=
(s12 /n1) + (s22 /n2 )

Contoh : suatu penelitian telah dilakukan untuk mengetahui


pengaruh dua proses produksi terhadap daya tekan barang.
Penelitian dilakukan pada 40 proses, 20 proses A dan 20 proses B
dan diketahui rata-rata daya tekan barang karena proses A = 9,25
kg, proses B = 10, 40 kg, simpangan baku proses A = 2,24 kg dan
proses B = 3,12 kg. Tetapi variasi kedua populasi tidak sama.
Apakah terdapat perbedaan daya tekan barang yang dihasilkan
dari kedua proses tersebut?
Ẍ1 - Ẍ2 9,25 – 10,40
t= = = 0,4867
(s12 /n1) + (s22 /n2 ) (5,0176/20) + (9,7344/20)

t1 tabel pada 0,975 dan db : 19 adalah 2,09, t2 tabel pada 0,975


dan db : 19 adalah 2,09,

Nilai t hitung berada dalam daerah penerimaan -2,09<t<2,09

Kesimpulan : Tidak terdapat perbedaan yang signifikan (P>0.05)


antara rata-rata daya tekan barang pada proses A dengan rata-
rata daya tekan barang pada proses B
Suatu penelitian telah dilakukan untuk mengetahui koefisien
kecernaan (%) pakan ternak silase jagung pada sapi dan
domba dengan daya sebagai berikut:

Koefisien cerna domba (%) Koefisien cerna sapi (%)

57,8 64,2
56,2 58,7
61,9 63,1
54,4 62,5
53,6 59,8
56,4 59,2
53,2
Apakah terdapat perbedaan koefisien kecernaan pakan silase
jagung pada kedua jenis ternak tersebut:

Koefisien cerna domba (%) Koefisien cerna sapi (%)

57,8 64,2
56,2 58,7
61,9 63,1
54,4 62,5
53,6 59,8
56,4 59,2
53,2
Σ 393,5 Σ 367,5
Σ Y12 = 22.174.41 Σ Y22 = 22.535.87
Ӯ1 = 56,21% Ӯ2 = 61,25%

Σ (Y1j – Ӯ1 )2 = Σ Y12 - (ΣY1)2/n1 = 22.174,41 – 22.120,32 = 54,09


= (n1 -1) s12

Σ (Y2j – Ӯ2 )2 = Σ Y22 - (ΣY2)2/n2 = 22.174,41 – 22.120,32 = 26,50


= (n2 -1) s22

Σ Y12 - (ΣY1)2/n1 + Σ Y22 - (ΣY2)2/n2 54,09 – 26,50


S2 = = = 7,33
(n1 -1) + (n2 -1) 6+5
db untuk σ 2 sama adalah

db = (n1-1) + (n2 -1) = 11

(n1 + n2) (7 + 6)
SӮ1-Ӯ2 = s2 = 7,33 = 2,27 = 1,51%
n1n2 42

Ӯ1 – Ӯ2 56,21 – 61,25 -5,04


t = = = = -3,33
SӮ1-Ӯ2 1,51 1,51
Untuk tingkat signifikansi 5% selang kepercayaan
µ2-µ1, Ӯ1 – Ӯ2 ± t0,025 s Ӯ1 – Ӯ2 = 5,04 ± 2,201 (1,51)

= 5,04 ± 3,32; I1 = 1,72 dan I2 = 8,36

Rata-rata koefisiensi kecernaan silase jagung pada


domba siginifikan berbeda dengan pada sapi
A. UJI PIHAK KANAN
• RUMUS UMUM : H : π 1 ≤ π2
A : π 1 > π2

• KRITERIA : Tolak H jika Z ≥ Z 0,5- ά


Terima H jika Z < Z 0,5- ά
B. UJI PIHAK KIRI
• RUMUS UMUM : H : π 1 ≥ π2
A : π 1 < π2

• KRITERIA : Tolak H jika Z ≤ - Z 0,05- ά


Terima H jika Z > - Z 0,05- ά
• RUMUS UMUM : H : σ12 = σ2 2
A : σ12 ≠ σ2 2

2
• RUMUS STATISTIK S1
: F  2
S2

• KRITERIA :
Terima H jika F (1  1  )(n1  1, n2  2) F  F (1  1  )(n1  1, n2  1)
2 2
Tolak H jika sebaliknya
A. UJI PIHAK KANAN
• RUMUS UMUM : H : σ12 ≤ σ2 2
A : σ12 > σ2 2

• KRITERIA : tolak H jika F ≥ Fά (n1-1)(n2-1)


terima H jika F < Fά (n1-1)(n2-1)
B. UJI PIHAK KIRI
• RUMUS UMUM : H : σ12 ≥ σ2 2
A : σ12 < σ2 2

• KRITERIA :tolak H jika F≤ F(1-ά) (n1-1)(n2-1)


terima H jika F> F(1-ά) (n1-1)(n2-1)