Pengujian Hipotesa MG 9

Husna Tiara Putri, ST., MT.
,
PENGUJIAN HIPOTESA Helmia Adita Fitra, MT
Dr. Dewi Sawitri, MT.
PENGUJIAN HIPOTESA
Hipotesa adalah
Terdiri dari:
1. Pengujian Hipotesa Parametrik
(memerlukan data populasi yang
terdistribusi normal)
2. Pengujian Hipotesa Non-Parametrik
(tidak memerlukan data populasi yang
terdistribusi normal)
METODE ANALISIS DALAM PENGUJIAN
HIPOTESA
Metoda Analisis Menurut Skala Pengukuran
Penerapan
Nominal Ordinal Internal/Rasio
Kasus Satu Sampel Uji Proporsi Uji Proporsi Uji Proporsi
Uji Median Uji Rata-rata
o Sign Test
o Wilcoxon Sign Rnk Test
Kasus Dua Sampel  Uji Perbedaan  Uji Perbedaan Dua  Uji Perbedaan
Dua Proporsi Proporsi Dua Proporsi
Independen
 Uji Perbedaan  Uji Perbedaan  Uji Perbedaan
Karakteristik Median/Karakteristik Rata-rata
Populasi (Chi Populasi Independen Independen
square) • Mann Whiney U
• Run Test
Kasus Dua Sampel Uji Perbedaan Uji Perbedaan Rata-
Median/Karakteristik rata Berpasangan
Non Independen
Populasi Berpasangan
oSign Test
oWilcoxon Sign Rnk Test
PROSEDUR PENGUJIAN HIPOTESA
1. Penentuan Asumsi
2. Pernyataan Hipotesa Nol (µ1=µ2)
3. Pemilihan Distribusi Sampling dan Penentuan Wilayah
Kritis
4. Pengujian statistik Uji
5. Membuat keputusan
KASUS SATU SAMPEL
1. PENENTUAN ASUMSI
Dalam kasus pengujian hipotesa parametrik,

data/populasi yang akan diuji harus memenuhi
aturan-aturan dasar, mulai dari proses
pengambilan sampel, jenis data, dan bentuk
distribusi sampling. Oleh karena itu diperlukan
penentuan asumsi
 Proses pengambilan sampel Random

 Tipe skala pengukuran (data) Interval/Rasio
 Bentuk distribusi sampling Normal
2. PERNYATAAN HIPOTESA
Hipotesa disusun sebagai dasar untuk menerima atau

menolak hasil pengujian yang telah dilakukan
dua Persoalan 1
wilayah  Ho : µ=a pernyataan tidak ada perbedaan
kritis  H1 : µ≠a pernyataan terdapat perbedaan, secara
langsung bertentangan dengan Ho
satu
wilayah
Persoalan 2
kritis sisi  Ho : µ ≤ a
kanan  H1 : µ > a
satu
wilayah Persoalan 3
kritis sisi  Ho : µ ≥ a
kiri  H1 : µ < a
3. PEMILIHAN DISTRIBUSI SAMPLING
DAN WILAYAH KRITIS
 Mengukur wilayah di bawah distribusi dengan menggunakan
distribusi yang sesuai
 Wilayah kritis terdiri dari wilayah di bawah kurva distribusi
sampling yang mencakup semua hasil sampel yang tidak mungkin
(daerah penolakan Ho)
 Ukuran wilayah kritis diungkapkan dalam α (proporsi dari seluruh
wilayah yang tercakup dalam wilayah kritis
Sampel besar – distribusi Z

Sampel kecil – distribusi t
Wilayah Kritis Wilayah Kritis
t , df
 t , df

2 2
Z   Z  
2 2
Apabila wilayah kritis ada 1 maka digunakan Zα

Apabila wilayah kritis ada 2 maka digunakan ± Zα/2
DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  
DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  
4. PENGUJIAN STATISTIK UJI
 Untuk mengevaluasi probabilitas beberapa hasil sampel

tertentu, nilai sampel harus diubah ke dalam nilai
standar sesuai dengan distribusi yang digunakan.
 Apabila menggunakan distribusi z, maka nilai sampel
diubah dalam nilai Z
Statistik  Parameter
Z hitung 
Standard Error
X  X 
Z hitung  
 S
n n 1
X  X 
t hitung  
 S
n n 1
5. PEMBUATAN KEPUTUSAN
 Keputusan dibuat dengan membandingkan statistik

dengan wilayah kritis ( Z hitung dengan Z tabel)
 Bila statistik uji di wilayah kritis maka akan menolak Ho
dan menerima H1
 Bila statistik uji tidak berada di wilayah kritis maka akan
menolak H1 dan menerima Ho
(lihat lagi wilayah kritis pada kurva normal pada tahap 3)
LATIHAN 1
Dalam rangka pengelolaan sampah perkotaan,

Pemerintah Kota Bandar Lampung akan mengadakan
penarikan retribusi sampah kepada masyarakat. Diduga,
rata-rata masyarakat sanggup membayar tidak kurang
dari Rp. 2000. Untuk membuktikan dugaan tersebut,
diambil sampel random sebesar 2000 KK yang kemudian
ditanyakan terkait kesanggupannya untuk membayar
retribusi sampah per bulan. Berdasarkan data yang
diperoleh, diketahui bahwa rata-rata masyarakat sangup
membayar Rp. 2750 dengan standar deviasi sebesar Rp.
500. Dengan tingkat kepercayaan 95%, apakah dugaan
tersebut benar?
LATIHAN 2
No Kesanggupan
(Rp.)
1 1.500
Diduga kesanggupan
membayar retribusi sampah 2 1.000
penduduk Kota Bandar 3 2.000
Lampung tidak kurang dari Rp. 4 5.000
2.000,-. Untuk membuktikan 5 3.000
dugaan tersebut diambil sampel 6 1.000
random KK sebesar 15 KK 7 1.000
untuk ditanyakan kesanggupan 8 3.000
masing-masing dalam 9 1500
membayar retribusi sampah per
10 2.000
bulan, hasil seperti dalam tabel.
11 3.000
Dengan tingkat kepercayaan
99 % apakah dugaan tersebut 12 1.000
benar? 13 2.000
14 1.000
15 1.500
KASUS DUA SAMPEL
BERPASANGAN (RATA-RATA
BERPASANGAN)
1. PENENTUAN ASUMSI

penentuan asumsi


Persoalan 1
1  Ho : µ1= µ2 atau µ1- µ2 = 0
 H1 : µ1 ≠ µ2 atau µ1- µ2 ≠ 0
Persoalan 2
2  Ho : µ1 ≤ µ2 atau µ1- µ2 ≤ 0
 H1 : µ1 > µ2 atau µ1- µ2 > 0
Persoalan 3
3  Ho : µ1 ≥ µ2 atau µ1- µ2 ≥ 0
 H1 : µ1 < µ2 atau µ1- µ2 < 0
DAN WILAYAH KRITIS

t , df
 t , df

2 2
Z   Z  
2 2

DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  
DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  

D  D D  D
Z hitung  
D SD
n n 1
D  D D  D
thitung  
D SD
n n 1

dan menerima H1
LATIHAN 1
Keberadaan Koperasi diduga tidak berhasil

untuk meningkatkan pendapatan petani Lampung
Selatan. Oleh karena itu diambil sampel random
sebesar 200 petani pengguna koperasi untuk
menyebutkan berapa pendapatan sebelum
menggunakan koperasi dan setelah
menggunakan koperasi. Data menunjukkan
bahwa rata-rata selisih pendapatan sesudah dan
sebelum menggunakan koperasi adalah Rp.
35.000,- dengan standar deviasi Rp. 25.000,-
Dengan tingkat kepercayaan 97 %, apakah
dugaan tersebut benar?
LATIHAN 2
No Sebelum Sesudah
Keberadaan Koperasi diduga Ribu rp Ribu rp
tidak berhasil untuk 1 200 225
meningkatkan pendapatan
petani Lembang. Oleh karena 2 325 350
itu diambil sampel random 3 250 225
sebesar 15 petani pengguna 4 300 350
koperasi untuk menyebutkan 5 550 600
berapa pendapatan sebelum
menggunakan koperasi dan 6 400 400
setelah menggunakan 7 350 400
koperasi. Data yang 8 600 625
dihasilkan seperti dalam tabel. 9 300 400
Dengan Tingkat Kepercayaan
97 %, dan asumsi distribusi 10 250 250
populasi perbedaan normal, 11 400 500
apakah diguaan tersebut 12 300 250
benar? 13 625 650
14 500 500
15 300 400
KASUS DUA SAMPEL TIDAK
INDEPENDEN SAMPEL BESAR)
1. PENENTUAN ASUMSI

penentuan asumsi


Persoalan 1
1  Ho : µ1= µ2 atau µ1- µ2 = 0
 H1 : µ1 ≠ µ2 atau µ1- µ2 ≠ 0
Persoalan 2
2  Ho : µ1 ≤ µ2 atau µ1- µ2 ≤ 0
 H1 : µ1 > µ2 atau µ1- µ2 > 0
Persoalan 3
3  Ho : µ1 ≥ µ2 atau µ1- µ2 ≥ 0
 H1 : µ1 < µ2 atau µ1- µ2 < 0
DAN WILAYAH KRITIS

t , df
 t , df

2 2
Z   Z  
2 2

DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  
DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  

Z hitung 
X 1 
 X 2  1   2 
 X X
Hipotesa : 1   2  1   2  0
Z hitung 
X 1 X2 
 X X
S12 S 22
 X X  
n1  1 n2  1

dan menerima H1
LATIHAN
Desa PPK
N= 110 desa,
Rata-rata Pendapatan 1,50 juta rp
SD= 225 ribu rp
Desa Non PPK
N=200 desa
Rata-rata Pendapatan 1,75 juta rp
SD= 450 ribu rp
α= 1 %
Diduga bahwa rata-rata kedua desa sama, apakah
dugaan tersebut benar?
KASUS DUA SAMPEL TIDAK
INDEPENDEN SAMPEL KECIL)
1. PENENTUAN ASUMSI

pengambilan sampel, jenis data, variansi, dan
bentuk distribusi sampling. Oleh karena itu
diperlukan penentuan asumsi

 Variansi Populasi sama (σ12=σ22)

Persoalan 1
1  Ho : µ1= µ2 atau µ1- µ2 = 0
 H1 : µ1 ≠ µ2 atau µ1- µ2 ≠ 0
Persoalan 2
2  Ho : µ1 ≤ µ2 atau µ1- µ2 ≤ 0
 H1 : µ1 > µ2 atau µ1- µ2 > 0
Persoalan 3
3  Ho : µ1 ≥ µ2 atau µ1- µ2 ≥ 0
 H1 : µ1 < µ2 atau µ1- µ2 < 0
DAN WILAYAH KRITIS

t , df
 t , df

2 2
Z   Z  
2 2

DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  
DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  

 Apabila menggunakan distribusi t, maka nilai sampel
diubah dalam nilai t
t hitung 
X 1 
 X 2  1   2 
 X x
Hipotesa : 1   2  1   2  0
X1  X 2
t hitung 
 X X
n1S12  n2 S 22 n1  n2
 X X   Asumsi  1   2
n1  n2  2 n1n2

 t hitung berada di wilayah kritis  terima H1
 t hitung berada di luar wilayah kritis  terima H0

LATIHAN
KTI KBI
No Pendapatan No Pendapatan
Diduga Rata-rata KK KK
1 400 1 450
pendapatan penduduk 2 225 2 250
di KBI lebih besar 3 300 3 325
daripada rata-rata 4 250 4 300
pendapatan penduduk 5 750 5 700
di KTI. Uji dugaan 6 450 6 475

7 475 7 275
tersebut dengan 8 300 8 350
menggunakan data 9 300 9 600
sampel terlampir dan 10 550 10 675
dengan tingkat 11 300
kepercayaan 95 % 12
13
550
350
14 325
15 400
PROPORSI SAMPEL BESAR
1. PENENTUAN ASUMSI

penentuan asumsi

 Tipe skala pengukuran (data) Nominal

dua Persoalan 1
wilayah  Ho : Pµ=a pernyataan tidak ada perbedaan
kritis  H1 : Pµ≠a pernyataan terdapat perbedaan,
secara langsung bertentangan dengan Ho
satu
wilayah
Persoalan 2
kritis sisi  Ho : Pµ ≤ a
kanan  H1 : Pµ > a
satu
wilayah Persoalan 3
kritis sisi  Ho : Pµ ≥ a
kiri  H1 : Pµ < a
DAN WILAYAH KRITIS

t , df
 t , df

2 2
Z   Z  
2 2

DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  
DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  

 Apabila menggunakan distribusi Z, maka nilai sampel
Ps  P
Z hitung 
P 1  P 
n

 Z hitung berada di wilayah kritis  terima H1
 Z hitung berada di luar wilayah kritis  terima H0

LATIHAN
Keberlanjutan Program PPK dipertanyakan. Oleh karena

itu diambil 400 sampel random dari desa penerima PPK.
Dari jumlah sampel tersebut, 250 desa diantaranya
mengalami kesuksesan. Bila kriteria keberlanjutan
program adalah paling tidak 60 % desa populasi
mengalami kesuksesan, dengan tingkat keberartian 1 %
apakah program PPK sebaiknya dilanjutkan?
PROPORSI INDEPENDEN
SAMPEL BESAR
1. PENENTUAN ASUMSI

penentuan asumsi
 Proses pengambilan sampel Random Independen

 Tipe skala pengukuran (data) Nominal

dua Persoalan 1
wilayah  Ho : Pµ1=Pµ2 pernyataan tidak ada perbedaan
kritis  H1 : Pµ1≠Pµ2 pernyataan terdapat perbedaan,
secara langsung bertentangan dengan Ho
satu
wilayah
Persoalan 2
kritis sisi  Ho : Pµ1 ≤ Pµ2
kanan  H1 : Pµ1 > Pµ2
dua
wilayah Persoalan 3
kritis sisi  Ho : Pµ1 ≥ Pµ2
kiri  H1 : Pµ1 < Pµ2
DAN WILAYAH KRITIS

t , df
 t , df

2 2
Z   Z  
2 2

DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  
DAN WILAYAH KRITIS

Wilayah Kritis
t ,df  
Z  

 Apabila menggunakan distribusi Z, maka nilai sampel
PS1  PS 2   P1  P 2 
Z hitung 
 p p
Hipotesa : P1  P 2  P1  P 2  0
PS 1  PS 2
Z hitung 
 PP
n1  n2
 P  P  P 1  P 
n1n2
n1 PS 1  n2 PS 2
P 
n1  n2

 Z hitung berada di wilayah kritis  terima H1
 Z hitung berada di luar wilayah kritis  terima H0

LATIHAN
Penduduk miskin diduga cenderung lebih tidak tertarik

pada keberadaan pusat belanja modern dibandingkan
dengan penduduk kaya. Perbedaan Persepsi penduduk
miskin dan penduduk kaya terhadap keberadaan pusat
perbelanjaan modern dilihat dari perbedaan proporsi
masing-masing golongan yang menyetujui keberadaan
pusat belanja yang akan dibangun. Untuk membuktikan
dugaan tersebut dilakukan dengan menggunakan 1500
sampel penduduk kaya, yang 1400 diantaranya
menyatakan setuju, dan 2500 penduduk miskin yang
2000 diantaranya menyatakan setuju.
Dengan tingkat keberartian 5 %, apakah dugaan di atas
benar?

Pengujian Hipotesa MG 9

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pengujian Hipotesa MG 9

Diunggah oleh

Hak Cipta:

Format Tersedia

Husna Tiara Putri, ST., MT.

Dalam kasus pengujian hipotesa parametrik,

 Proses pengambilan sampel Random

Hipotesa disusun sebagai dasar untuk menerima atau

Sampel besar – distribusi Z

Wilayah Kritis Wilayah Kritis

Apabila wilayah kritis ada 1 maka digunakan Zα

Sampel besar – distribusi Z

Sampel besar – distribusi Z

 Untuk mengevaluasi probabilitas beberapa hasil sampel

 Keputusan dibuat dengan membandingkan statistik

Dalam rangka pengelolaan sampah perkotaan,

Dalam kasus pengujian hipotesa parametrik,

 Proses pengambilan sampel Random

Hipotesa disusun sebagai dasar untuk menerima atau

Sampel besar – distribusi Z

Wilayah Kritis Wilayah Kritis

Apabila wilayah kritis ada 1 maka digunakan Zα

Sampel besar – distribusi Z

Sampel besar – distribusi Z

 Untuk mengevaluasi probabilitas beberapa hasil sampel

 Keputusan dibuat dengan membandingkan statistik

Keberadaan Koperasi diduga tidak berhasil

Dalam kasus pengujian hipotesa parametrik,

 Proses pengambilan sampel Random

Hipotesa disusun sebagai dasar untuk menerima atau

Sampel besar – distribusi Z

Wilayah Kritis Wilayah Kritis

Apabila wilayah kritis ada 1 maka digunakan Zα

Sampel besar – distribusi Z

Sampel besar – distribusi Z

 Untuk mengevaluasi probabilitas beberapa hasil sampel

 Keputusan dibuat dengan membandingkan statistik

Dalam kasus pengujian hipotesa parametrik,

 Proses pengambilan sampel Random

Hipotesa disusun sebagai dasar untuk menerima atau

Sampel besar – distribusi Z

Wilayah Kritis Wilayah Kritis

Apabila wilayah kritis ada 1 maka digunakan Zα

Sampel besar – distribusi Z

Sampel besar – distribusi Z

 Untuk mengevaluasi probabilitas beberapa hasil sampel

 Keputusan dibuat dengan membandingkan statistik

(lihat lagi wilayah kritis pada kurva normal pada tahap 3)

pendapatan penduduk 5 750 5 700

di KTI. Uji dugaan 6 450 6 475

dengan tingkat 11 300

Dalam kasus pengujian hipotesa parametrik,

 Proses pengambilan sampel Random

Hipotesa disusun sebagai dasar untuk menerima atau

Sampel besar – distribusi Z

Wilayah Kritis Wilayah Kritis

Apabila wilayah kritis ada 1 maka digunakan Zα

Sampel besar – distribusi Z

Sampel besar – distribusi Z

 Untuk mengevaluasi probabilitas beberapa hasil sampel

 Keputusan dibuat dengan membandingkan statistik

(lihat lagi wilayah kritis pada kurva normal pada tahap 3)

Keberlanjutan Program PPK dipertanyakan. Oleh karena

Dalam kasus pengujian hipotesa parametrik,

 Proses pengambilan sampel Random Independen

Hipotesa disusun sebagai dasar untuk menerima atau