UJI HIPOTESIS

DEFINISI
Hipotesis
• Klaim (taksiran) atau pernyataan tentang parameter populasi

Uji Hipotesis
• Prosedur standar untuk menguji pernyataan tentang parameter
populasi
KONSEP DASAR UJI HIPOTESIS
Hipotesis Nol (H0)
• Pernyataan bahwa nilai parameter sama dengan
beberapa nilai yang diklaim (ditaksir)
• Menunjukkan tidak ada perubahan atau tidak ada efek
atau tidak ada perbedaan
• Menguji hipotesis nol secara langsung dalam artian
mengganggap hipotesis tersebut benar
• Kesimpulan menolak H0 atau gagal menolak H0
Hipotesis alternatif (H1 atau Ha atau HA)
• Pernyataan bahwa nilai parameter berbeda dengan
hipotesis nol
• Simbol yang digunakan harus menggunakan salah
satu simbol berikut: ≠, <, >
Contoh
Jika
H0 : p = 0,5
maka
H1 : p > 0,5 atau H1 : p < 0,5 atau H1 : p ≠ 0,5
Mengidentifikasi H 0 dan H 1
Contoh
Terdapat pernyataan bahwa berat rata-rata penumpang
pesawat paling banyak 75kg
Gunakan prosedur 3 langkah untuk mengidentifikasi H0
dan H1.
Prosedur
Langkah 1
Gunakan simbol untuk pernyataan tersebut
Pernyataan : berat rata-rata penumpang pesawat paling banyak
75kg
Simbol :  ≤ 75kg

Langkah 2
Jika pernyataan  ≤ 75kg salah, maka pernyataan  > 75kg
pasti benar
Langkah 3
Dari dua simbol tersebut,  ≤ 75 dan  > 75, tidak
mengandung kesetaraan ataupun persamaan sehingga
hipotesis alternatif menjadi H1 :  > 75
Hipotesis nol harus berupa pernyataan yang setara, maka
H0 :  = 75
Uji Statistik
Nilai yang digunakan dalam membuat keputusan tentang hipotesis nol
Dilakukan dengan mengkonversi sampel menjadi skor dengan asumsi
hipotesis nol adalah benar

Contoh
Diketahui n = 100 dan x = 58, maka 𝑝Ƹ = x/n = 58/100 = 0,58
Diasumsikan p = 0,5 dan q = 0,5
Berdasarkan data diatas, maka
Beberapa uji statistik yang digunakan
Contoh

Terdapat pernyataan bahwa metode seleksi gender XSORT

meningkatkan kemungkinan memiliki bayi perempuan. Hasil
awal tes melibatkan 14 pasangan yang melahirkan 13 bayi
perempuan dan 1 bayi laki-laki. Gunakan pernyataan dan hasil
awal tersebut untuk menghitung nilai uji statistik.
Diketahui
H0 : p = 0,5 H1 : p > 0,5
Diasumsikan bahwa hipotesis nol benar dengan p = 0,5
Proporsi sampel 13 bayi perempuan dari 14 kelahiran 𝑝Ƹ = 13/14 = 0.929
Dengan p = 0,5; 𝑝Ƹ = 0.929 dan n = 14, didapat nilai uji statistik

p̂  p 0.929  0.5
z   3.21
pq 0.5 0.5 
n 14
Wilayah Kritis (Area Penolakan)
• Wilayah yang menyebabkan menolak hipotesis nol

Tingkat Signifikansi (α)

• Probabilitas bahwa nilai uji statistik berada pada wilayah kritis
ketika hipotesis nol sebenarnya benar
 Jenis Uji Hipotesis

Two-tailed test
H0: =

H1: 
Dapat berupa kurang dari atau lebih dari
Left-tailed test
H0: =
H1: <

 berada pada sisi kiri

Right-tailed test
H0: =
H1: >
Kesimpulan
• Selalu uji hipotesis nol
• Kesimpulan awal berupa tolak H0 atau gagal tolak H0
Metode P-value

• Menggunakan tingkat signifikansi α

• Jika P-value  α, maka tolak H0
• Jika P-value > α, maka gagal tolak H0
Menafsifkan uji statistik dengan P-Value atau
nilai kritis
Nilai-P (atau nilai-p atau nilai probabilitas) adalah probabilitas untuk
mendapatkan nilai statistik uji yang paling tidak sama ekstrimnya dengan
yang mewakili data sampel, dengan asumsi bahwa hipotesis nol benar.

Critical region in P-value = area disebelah kiri

the left tail: uji statistik
Critical region in P-value = area disebelah
the right tail: kanan uji statistik
Critical region in P-value = dua kali luas sisi
two tails: luar uji statistik
Menemukan P-Value
Metode tradisional (Metode Nilai Kritis)
Jika nilai uji statistik berada di wilayah kritis, maka
tolak H0
Jika nilai uji statistik berada diluar wilayah kritis,
gagal tolak H0
Penulisan Kesimpulan Akhir
Uji Hipotesis Satu Proporsi
Syarat
Merupakan sampel acak sederhana
Kondisi distribusi binomial terpenuhi
Kondisi np ≥ 5 dan nq ≤ 5 sama-sama terpenuhi, sehingga
distribusi binomial proporsi sampel dapat diperkirakan dengan
distribusi normal dengan μ = np dan σ = npq. Catatan: p
adalah proporsi yang diasumsikan bukan proporsi sampel.
 Uji Statistik untuk menguji proporsi

p–p
z= pq
n

P-value : gunakan tabel distribusi normal standar

Nilai kritis : gunakan tabel distribusi normal standar
Contoh
Pernyataan dari sebuah penelitian dimana 57 dari 104
wanita hamil menebak jenis kelamin bayi mereka dengan
benar. Gunakan data ini untuk menguji bahwa tingkat
keberhasilan tebakan tersebut tidak berbeda dari 50%
tingkat keberhasilan yang diharapkan dengan perkiraan
acak. Gunakan tingkat signifikansi 0,05
Penyelesaian
Persyaratan terpenuhi: data sampel acak sederhana; jumlah percobaan
tetap (104) dengan dua kategori tebakan benar atau tidak benar; np =
(104)(0,5) = 52 ≥ 5 dan nq = (104)(0,5) = 52 ≥ 5
Langkah 1: pernyataan awal bahwa tingkat keberhasilan 50% : p = 0,5
Langkah 2: kebalikan dari pernyataan awal adalah p ≠ 0,5
Langkah 3: p ≠ 0,5 tidak mengandung kesetaraan atau kesamaan, maka
H1 : p ≠ 0,5
Maka
H0 : p = 0,5
H1 : p ≠ 0,5
Langkah 4: tingkat signifikansi α = 0,05
Langkah 5: sampel melibatkan proporsi sehingga statistik yang
relevan adalah proporsi sampel
Langkah 6: hitung nilai z
57
p̂  p  0.50
z  104  0.98
pq 0.50 0.50 
n 104

Uji dua sisi (two-tailed test), P-value dua kali luas sebelah kanan
uji statistik
Berdasar tabel distribusi normal standar z = 0,98 memiliki luas
0,8365 di sebelah kiri, sehingga area sebelah kanan 1 – 0,8365
= 0,1635. maka didapat p-value dua sisi sebesar 0,3270
Langkah 7: P-value = 0,3270 lebih besar dari tingkat signifikansi
0,05, maka gagal menolak H0

Kesimpulan yang tepat

Tidak ada bukti yang cukup untuk menjamin penolakan
terhadap pernyataan bahwa wanita yang menebak jenis kelamin
bayi mereka dengan benar memiliki tingkat keberhasilan 50%
Nilai 𝑝ො
• Nilai 𝑝ො diketahui langsung
“10% mobil sport yang diamati berwarna merah”
Maka 𝑝ො = 0,10

• Nilai 𝑝ො tidak diketahui, melalui perhitungan

“96 rumah memiliki TV kabel dan 54 tidak” maka harus
dilakukan perhitungan

p = nx = (96+54)
96
= 0.64
Menguji Pernyataan
Left-tailed test
P-value merupakan probabilitas mendapatkan x berhasil lebih
sedikit diantara n percobaan

Right-tailed test
P-value merupakan probabilitas mendapatkan x berhasil lebih
banyak diantara n percobaan
Two-tailed test:
Jika 𝑝ො > p, P-value merupakan dua kali probabilitas
mendapatkan x berhasil lebih banyak
Jika 𝑝ො < p, P-value merupakan dua kali probabilitas
mendapatkan x berhasil lebih sedikit
Uji Hipotesis Satu Rata-rata
Syarat (  diketahui)
Merupakan sampel acak sederhana
Nilai deviasi standar diketahui
Salah satu atau dua kondisi terpenuhi : berdistribusi
normal atau n > 30
Uji statistik
Contoh
Orang-orang meninggal dalam kecelakaan kapal karena perkiraan
usang tentang rata-rata bobot pria digunakan. Menggunakan bobot
sampel acak sederhana diperoleh statistik sampel : n = 40 dan 𝑥ҧ =
172,55 lb. Penelitian dari beberapa sumber lain menunjukkan
bahwa populasi bobot pria memiliki standar deviasi  = 26 lb.
Gunakan hasil ini untuk menguji pernyataan bahwa pria memiliki
berat rata-rata lebih besar dari 166,3 lb, yang merupakan bobot
dalam rekomendasi Dewan Transportasi dan Keselamatan
Nasional M-04-04. Gunakan tingkat signifikansi 0,05 dan gunakan
metode P-value
Penyelesaian
Persyaratan terpenuhi: sampel acak sederhana;  diketahui(26
lb), sampel n = 40 (n > 30)
Langkah 1: nyatakan dalam pernyataan  > 166.3 lb
Langkah 2: pernyataan alternatif  ≤ 166.3 lb
Langkah 3:  > 166.3 lb tidak mengandung kesetaraan, maka
H1

H0:  = 166.3 lb
H1:  > 166.3 lb
Langkah 4: tingkat signifikansi α = 0,05
Langkah 5: pernyataan adalah tentang rata-rata populasi, jadi
statistik yang relevan adalah n = 40 dan 𝑥ҧ = 172,55 dan  = 26
Langkah 6: hitung nilai z
x  x 172.55  166.3
z   1.52
 26
n 40

Uji sisi kanan, maka P-value merupakan area sebelah kanan

dari z = 1,52
Berdasar tabel distribusi normal standar z = 1,52, memiliki luas 0,9357 di sebelah kiri,
sehingga area sebelah kanan 1 – 0,9357 = 0,0643. maka p-value = 0,0643
Langkah 7: P-value = 0,0643 lebih besar dari tingkat signifikansi 0,05, maka gagal menolak H0

Kesimpulan yang tepat

Tidak ada bukti yang cukup untuk mendukung bahwa berat rata-rata lebih besar dari 166,3

P-value = 0.0643

 = 166.3
or
z=0 or
z = 1.52
Metode tradisional (wilayah kritis)

Gunakan nilai z = 1,645 untuk menggantikan p-value. Karena z = 1,52 tidak

berada dalam area kritis, maka gagal menolak H0
z = 1,52

area kritis

 = 166.3
or
z=0
z = 1,645
Syarat (  tidak diketahui)
• Merupakan sampel acak sederhana
• Nilai deviasi standar tidak diketahui
• Salah satu atau dua kondisi terpenuhi : berdistribusi
normal atau n > 30

Gunakan distribusi t-Student ketika  tidak diketahui dan

salah satu atau dua kondisi (populasi berdistribusi normal
atau n > 30) terpenuhi
 Uji Statistik

x – µx
t= s
n

Gunakan table distribusi t

Dengan df= n-1
Contoh.
Orang-orang meninggal dalam kecelakaan kapal karena perkiraan
usang tentang rata-rata bobot pria digunakan. Menggunakan bobot
sampel acak sederhana diperoleh statistik sampel : n = 40 dan 𝑥ҧ =
172,55 lb, dan  = 26 lb. Jangan berasumsi bahwa nilai 
diketahui. Gunakan hasil ini untuk menguji pernyataan bahwa pria
memiliki berat rata-rata lebih besar dari 166,3 lb, yang merupakan
bobot dalam rekomendasi Dewan Transportasi dan Keselamatan
Nasional M-04-04. Gunakan tingkat signifikansi 0,05 dan gunakan
metode tradisional.
Penyelesaian
Persyaratan terpenuhi: sampel acak sederhana;  tidak diketahui,
sampel n = 40 (n > 30)
Langkah 1: nyatakan dalam pernyataan  > 166.3 lb
Langkah 2: pernyataan alternatif  ≤ 166.3 lb
Langkah 3:  > 166.3 lb tidak mengandung kesetaraan, maka
menjadi H1

H0:  = 166.3 lb
H1:  > 166.3 lb
Langkah 4: tingkat signifikansi α = 0,05
Langkah 5: pernyataan adalah tentang rata-rata populasi, jadi
statistik yang relevan adalah 𝑥ҧ = 172,55 dan
Langkah 6: hitung nilai t
x   x 172.55  166.3
t   1.501
s 26.33
n 40

df = n – 1 = 39, area 0.05, satu sisi t = 1.685;

Langkah 7: t = 1,501 tidak berada dalam area kritis t = 1,685 maka gagal menolak H0

Kesimpulan:
Tidak ada bukti yang cukup untuk
mendukung bahwa rata-rata populasi
lebih besar dari 166,3

 = 166.3 Critical value

t = 1.685
x  172.55
or
t = 1.501
TERIMA KASIH

END