Pengujian hipotesis

• Hipotesis Statistik adalah pernyataan atau dugaan mengenai satu atau lebih
populasi. Untuk mengetahui apakah anggapan yang telah kita buat benar atau
salah sehingga kita menerima atau menolak hipotesis, diperlukan pengujian
dengan data sampel.
• Dengan mengambil suatu sampel acak dari populasi dan menggunakan
informasi yang dimiliki sampel tersebut, diputuskan apakah hipotesis tersebut
kemungkinan besar benar atau salah.
• Hanya ada dua keputusan tentang hipotesis yang kita buat, menolak atau
menerimanya.
• Penolakan suatu hipotesis berarti menyimpulkan bahwa hipotesis itu salah,
sedangkan menerima suatu hipotesis berarti tidak cukup informasi dari sampel
untuk menyimpulkan bahwa hipotesis harus kita tolak. Artinya, walaupun
hipotesis diterima, tidak berarti bahwa hipotesis tersebut benar, hanya
semata-mata mengimplikasikan bahwa kita tidak mempunyai bukti untuk
mempercayai sebaliknya.
• Oleh karena memakai sampel, maka kebenaran suatu hipotesis statistik tidak
pernah diketahui dengan pasti.
 
• Hipotesis diartikan sebagai jawaban sementara
terhadap rumusan masalah penelitian.
• Rumusan masalah tersebut dapat berupa peryataan
tentang:
a. Hubungan dua variabel atau lebih
b. Perbandingan (komparasi)
c. Variabel mandiri (Deskripsi)
 
• Dalam menguji hipotesis, kita selalu membuat
pernyataan hipotesis yang diharapkan akan
diputuskan untuk diterima atau ditolak.
• H0 : hipotesis yang dirumuskan, disebut hipotesis
nol..
• H1 : hipotesis alternatif (tandingan).
• Penolakan terhadap hipotesis nol menjurus pada
penerimaan hipotesis alternatif, yaitu H1,
 
 Prosedur pengujian hipotesis
Langkah- langkah pengujian hipotesis adalah sebagai berikut:
1. Tentukan rumusan hipotesis, baik H0 maupun H1
2. Tentukan tingkat signifikan α yang diinginkan, jumlah sampel N.
3. Tentukan nilai kritis berdasarkan α di atas
4. Tentukan statistik uji yang cocok untuk menguji hipotesis nol.
Sampel besar, N>30 : distribusi normal standar
Sampel kecil, N<30 : distribusi t.
5. Tentukan daerah kritis.
6. Kumpulkan data sampel, hitung statistik sampel, ubah dalam variabel
standar ( z atau t).
7. Buat keputusan:
• Jika statistik sampel terletak dalam daerah penolakan : terima H1, tolak
H0 karena probabilitas memperoleh nilai statistik sedemikian jika H0 benar
sangat kecil. ( H0 palsu).
• Jika statistik sampel terletak di dalam daerah penerimaan, terima H0
tolak H1.
 Pengujian satu arah dan dua arah
• Ada dua cara menguji hipotesis nol yang bergantung pada hipotesis alternatifnya.
• Misalkan parameter populasi yang diuji adalah Q.
• Uji satu arah adalah bila hipotesis nol, H0 : Q = q0
H1 : Q < q 0
Atau
H0 : Q = q 0
H1 : Q > q 0
 
• Uji dua arah adalah bila hipotesis nol, H 0 : Q = q0
H1 : Q ≠ q0
 

• Daerah penolakan H0 bergantung kepada nilai kritis tertentu berdasarkan α yang

dipilih.
 
• a. Uji satu arah untuk H1: Q < q0 b. Uji satu arah untuk H1: Q > q0
• Uji dua arah untuk H1: Q ≠ q0
 
Pengujian parameter harga rata-rata
• B. Sampel kecil N<30.
Sama dengan diatas, tetapi digunakan
statistik uji t
Df = N – 1.

(8.3)
Contoh 1:
Suatu populasi berupa pelat baja yang diproduksi suatu perusahaan
memiliki rata-rata panjang 80 cm dengan simpangan baku 7 cm. Sesudah
berselang 3 tahun, teknisi perusahaan meragukan hipotesis mengenai
rata-rata panjang pelat baja tersebut. Guna meyakinkan keabsahan
hipotesis tersebut, diambil suatu sampel acak sebanyak 100 unit pelat
baja dari populasi di atas, dan diperoleh hasil perhitungan bahwa rata-rata
panjang pelat baja adalah 83 cm dan standard deviasinya tetap. Apakah
ada alasan untuk meragukan bahwa rata-rata panjang pelat baja yang
dihasilkan perusahaan itu sama dengan 80 cm pada tingkat signifikansi α =
5%?
• Solusi:
Rumusan hipotesis statistik yang diuji adalah
H0 : μ0 = 80
H1 : μ0 ≠80
• Uji yang dilakukan adalah uji dua arah dengan tingkat signifikansi α = 0.05,
dan nilai kritisnya Zα/2 = Z0,025 = 1,96
• Sampel berukuran besar n = 100 dan = 83
• Kesimpulan, karena nilai statistik uji Z jatuh di
daerah penolakan H0, yaitu 4.29 > 1.96
maka H0 ditolak,
H1 diterima.
• Artinya pada α = 5% ada perbedaan signifikan
dari rata-rata 83 cm yang dihitung dari sampel
dengan nilai rata-rata 80 cm yang dihipotesiskan
 
• Misalkan pada Contoh di atas ditambah data bahwa teknisi perusahaan
telah menemukan metode baru untuk memproduksi yang lebih efisien dan
memperpanjang pelat baja paling sedikit 2 cm, simpangan bakunya tetap.
Untuk menguji hipotesis tersebut, diambil sampel acak sebanyak 100 unit
pelat baja dari populasi itu dan diperoleh rata-rata panjang pelat baja = 83
cm. Dengan tingkat signifikansi 5%, apakah ada alasan menganggap bahwa
hasil pelat baja dengan metode baru tersebut memang lebih panjang
daripada hasil yang diperoleh dengan metode lama?
 
• Rumusan hipotesis statistik berubah menjadi
H0 : μ0 = 80
H1 : μ0 > 80
• Uji yang dilakukan adalah uji satu arah dengan α = 5%.
• Nilai kritisnya adalah Zα = Z0,05= 1.645.
• Nilai uji statistik tidak berubah, yaitu Z = 4.29.
• Nilai statistik ini berada di daerah penolakan H0, yaitu 4.29 > 1.645
Maka H0 ditolak H1 diterima.
• Artinya, pada tingkat signifikansi 5% ada perbedaan yang signifikan antara rata-
rata sampel 83 cm dengan nilai rata-rata yang dihipotesiskan, yaitu 80cm.
 
Contoh 2:Bila σ tidak diketahui, sampel kecil .
• Rata-rata waktu yang dibutuhkan oleh mahasiswa untuk mendaftar ulang pada awal
semester di Universitas A pada semester yang lalu sekitar 45 menit. Suatu pendaftaran
baru dengan memakai komputer yang dilengkapi dengan software sedang dicobakan yang
diharapkan dapat mengurangi waktu pendaftaran maahsiswa dibandingkan dengan cara
lama. Untuk itu diambil sampel acak sebanyak 10 mahasiswa yang telah mendaftar pada
semester berikutnya. Dengan memakai cara pendaftaran baru tersebut. Ternyata, ratarata
waktu yang diperlukan untuk mendaftar adalah sekitar 35 menit dengan simpangan baku
9.5 menit. Apakah anda percaya dengan tingkat signifikansi 1% rata-rata waktu mendaftar
ulang kurang dari 45 menit dengan sistem yang baru?

Solusi:
• Karena simpangan baku populasi tidak diketahui, maka simpangan baku diambil dari
sampel, dan distribusi yang digunakan adalah distribusi t.
H0 : μ = 45
H1 : μ < 45
• Uji hipotesis yang dilakukan adalah uji satu arah
• Nilai α = 0.01 dan derajat kebebasan v = n – 1 = 10 – 1 = 9.
• Dari tabel t, dengan derajat kebebasan 9 diperoleh t 0.01= 2.821
Untuk α = 0.01, nilai -3.3 < -2.821, yaitu nilai t
berada pada daerah penolakan H0.
Keputusan: tolak H0, terima H1 dan disimpulkan
bahwa waktu yang dibutuhkan untuk
mendaftar ulang lebih singkat daripada cara
lama
 
Pengujian parameter proporsi
Contoh:

• Suatu perumahan menyatakan bahwa 90% dari rumah tinggal yang

dibangun memakai bahan batu alam. Untuk menguji pernyataan itu maka
200 sampel rumah diuji, proporsi rumah yang memakai bahan batu alam
dicatat dan ternyata 160 rumah memakai batu alam. Dengan tingkat
signifikansi sebesar 0,01, tentukan apakah pernyataan tersebut dapat
diterima.
 
• Solusi:
Bila uji statistik lebih kecil daripada p = 0.9, maka kita tolak
pernyataan tadi.
H0 : p = 0.9
H1 : p < 0.9
Metode uji yang dilakukan adalah uji satu arah.
Pendugaan parameter beda antara dua harga rata-rata
B. Sampel kecil, N<30.
Gunakan distribusi t.
Contoh
Kita ingin membandingkan rata-rata kandungan lemak pada produk susu
yang diharuskan minimum sebesar 5 gram per sachet. Suatu survei untuk
membandingkan kandungan lemak susu antara dua perusahaan dengan
memilih sampel sebanyak 100 sachetproduk A dan 100 sachet produk B.
Berdasarkan hasil survei ditemukan rata-rata kandungan lemak produk A
adalah 5,12 g sedangkan produk B adalah 5,13 g dengan deviasi standar
produk A adalah 0,05 dan produk B adalah 0,06. Ujilah apakah kandungan
lemak susu per sachet kedua produk tersebut sama atau berbeda.

Solusi:
• Ho: μA = μB
H1: μA ≠ μB
• Untuk level signifikansi dipilih tingkat kepercayaan 95%.
• Untuk menguji hipotesis tersebut kita gunakan uji statistik Z (sampel >30)
• Zα/2 = Z0,025 = 1,96
 -1,96 0 1,28 1,96

Titik 1,28 terletak didalam daerah penerimaan H0, jadi kita terima H0 dan tolak H1 atau kandungan lemak susu per sachet kedua produk sama.
Pengujian parameter beda antara dua proporsi.