HIPOTESIS

HIPOTESIS DAN
DAN UJI
UJI
HIPOTESIS
HIPOTESIS

Abdul
AbdulRohman
Rohman
Fakultas
FakultasFarmasi
FarmasiUGM
UGM
 BAHASAN
 Pengertian Hypothesis dan Hypothesis Testing
 Langkah Pengujian Hipotesis
 Tipe Kesalahan dalam Pengujian Hipotesis
 Pengujian: Dua Sisi dan Satu Sisi
 Uji Hipotesis: Rata-Rata
 Uji Hipotesis: Proporsi

2
 HIPOTESIS
 Hipotesis: Kesimpulan sementara atau dugaan logis
tentang keadaan populasi
• Secara statistik Hipotesis 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

 Suatu prosedur pengujian hipotesis tentang parameter

populasi menggunakan informasi dari sampel dan teori
probabilitas untuk menentukan apakah hipotesis tersebut
secara statistik dapat diterima atau ditolak

 tujuan pengujian hipotesis adalah kita ingin mendapatkan

kesimpulan mengenai suatu populasi berdasarkan sampel
yang kita miliki

4
 PENGUJIAN HIPOTESIS
• Bila kita ingin mengetahui pendapat mahasiswa
tentang khasiat tempuyung sebagai diuretik dan
menanyakan kepada seluruh mahasiswa 
observasi  analisis deskriptif  tidak perlu uji
hipotesis.

• Tetapi bila kita hanya mengambil sampel

mahasiswa  uji hipotesis  untuk membuktikan
jawaban dari sampel bisa mewakili jawaban
seluruh mahasiswa
 PENGUJIAN HIPOTESIS
• 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
• Penerimaan suatu hipotesis terjadi karena TIDAK
CUKUP BUKTI untuk MENOLAK hipotesis
tersebut dan BUKAN karena HIPOTESIS ITU
BENAR
 PASANGAN HIPOTESIS

Hipotesis nol (H0)

hipotesis yang diartikan sebagai tidak adanya
perbedaan antara ukuran populasi dan ukuran
sampel

Hipotesis alternatif (H1)

Lawannya hipotesis nol, adanya perbedaan data
populasi dgn data sampel
TIPE KESALAHAN DALAM PENGUJIAN
HIPOTESIS

 Type I error
Besarnya probabilitas menolak hipotesis yang benar.

Statistika Induktif - Uji Hipotesis

Besarnya kesalahan tipe I adalah 

 Type II error
Besarnya probabilitas menerima hipotesis yang salah.
Besarnya kesalahan tipe II adalah 1-  = 

8
 JENIS KESALAHAN

keputusan Ho benar Ho salah

Terima Ho Tepat Salah jenis II (β)
Tolak Ho Salah jenis I (α) tepat

Kesalahan jenis I. adalah kesalahan yg dibuat pd

waktu menguji hipotesis di mana kita menolak Ho
pd hal sesungguhnya Ho itu benar. Dengan kata
lain adalah peluang menolak Ho yg benar

Kesalahan jenis II. adalah kesalahan yg dibuat pd

waktu menguji hipotesis di mana kita menerima Ho
pd hal sesungguhnya Ho itu salah. Dengan kata lain
adalah peluang menolak Ho yg salah
 LANGKAH PENGUJIAN HIPOTESIS

1. Merumuskan Hipotesis (H0 dan HA)

2. Menentukan nilai kritis (; df)
3. Menentukan nilai hitung (nilai statistik)
4. Pengambilan keputusan
5. Membuat kesimpulan

10
 I. MERUMUSKAN HIPOTESIS
 Ada 3 bentuk rumusan hipotesis:
 Hipotesis Deskriptif
 Hipotesis komparatif
 Hipotesis hubungan (asosiatif)

11
 1. Hipotesis Deskriptif
 Merupakan hipotesis tentang nilai suatu variabel
mandiri, tidak membuat perbandingan atau hubungan.

Sebagai contoh bila rumusan masalah penelitian sbb:

Seberapa tinggi kandungan parasetamol dalam
tabel x?
Berapa lama expired date produk A pada T refri?
Rumusan hipotesis:
• Kandungan parasetamol dalam tablet X adalah 500
mg/tablet.
• Expired date produk X A pada suhu refri 10 hari.
 2. Hipotesis Komparatif
• Pernyataan yg menunjukkan dugaan nilai dalam satu
variabel atau lebih pada sampel yang berbeda.

• Sebagai contoh rumusan hipotesis komparatif:

Apakah ada perbedaan kandungan
parasetamol dalam tablet X dan tablet Y?
Apakah ada perbedaan viskositas larutan
A dan B?
Rumusan hipotesis:
Tidak ada perbedaan kandungan parasetamol dalam tablet X
dan tablet. Ho: 1 = 2 Ha: 1  2
Viscositas larutan A tidak berbeda dibandingkan larutan B. Ho:
1 = 2 Ha: 1  2.
 3. Hipotesis Komparatif
 Pernyataan yg menunjukkan dugaan tentang hubungan
antara dua variabel atau lebih.

Sebagai contoh rumusan hipotesis asosiatif:

• Apakah ada hubungan antara dosis obat dengan aktivitas?
• Apakah ada pengaruh penambahan CMC terhadap
viskositas larutan?

Rumusan hipotesis:
• Tidak ada hubungan antara jumlah iklan dengan volume
penjualan. Ho:  = 0 Ha:   0
• Tidak ada pengaruh penambahan CMC terhadap viscositas
sari buah tomat . Ho:  = 0 Ha:   0.
 II. MENENTUKAN NILAI KRITIS
 Perhatikan tingkat signifikansi () yang digunakan.
Biasanya 1%, 5%, dan 10%.
 Untuk pengujian 2 sisi, gunakan /2, dan untuk
pengujian 1 sisi, gunakan .
 Banyaknya sampel (n) digunakan untuk menentukan
degree of freedom (df).
 Satu sampel: df. = n – 1
 Dua sampel: df. = n1 + n2 – 2
 Nilai Kritis ditentukan menggunakan tabel t atau tabel Z
15
PENGUJIAN DUA SISI DAN PENGUJIAN SATU
SISI

 Pengujian dua sisi (two tail) digunakan jika parameter

populasi dalam hipotesis dinyata-kan sama dengan (=).

 Pengujian satu sisi (one tail) digunakan jika parameter

populasi dalam hipotesis dinya-takan lebih besar (>) atau
lebih kecil (<).

16
 KURVA DISTRIBUSI NORMAL:
PENGUJIAN DUA SISI

Penerimaan Ho
PenolakanHo PenolakanHo

- z/2 +z/2
0
17
PEGUJIAN SATU SISI: SISI KANAN

Penerimaan Ho PenolakanHo

0 +z
18
PENGUJIAN SATU SISI: SISI KIRI

Statistika Induktif - Uji Hipotesis

PenolakanHo Penerimaan Ho

- z 0
19
III. MENENTUKAN NILAI HITUNG

Nilai hitung suatu variabel yang akan

digunakan untuk uji hipotesis dapat
dihitung:

manual
Perangkat lunak komputer
SPSS
Excel
Minitab
SAS
20
IV. MENENTUKA N KEPUTUSAN
 Membandingkan antara Nilai Hitung dengan Nilai Kritis.
Jika |t hitung| > t kritis, keputusan menolak H0. Sebaliknya
….

 Atau menggunakan gambar kurva distribusi normal. Jika

nilai hitung berada pada daerah penolakan H0, maka
keputusannya adalah menolak H0. Sebaliknya, ….

21
V. MEMBUAT KESIMPULAN

22
BERBAGAI JENIS UJI HIPOTESIS
 Uji RATA-RATA
 Rata-rata sampel dengan rata-rata hipotesis
 Beda dua rata-rata untuk data independen (sampel besar)
 Beda dua rata-rata untuk data independen (sampel kecil)
 Beda dua rata-rata untuk data observasi yang berpasangan
(paired observations)
 Uji ANOVA
 Uji KORELASI

23
 Uji Rata-rata sampel dengan nilai sebenarnya

Digunakan uji t untuk membandingkan antara

nilai rata-rata eksperimental dengan nilai
sebenarnya (true value) μ

S adalah standar deviasi

N adalah banyaknya data (replikasi)

Keputusan:
Jika t hitung < t-kritik  = μ
Jika t hitung > t-kritik  ≠ μ
Contoh uji nilai rata-rata vs true value:
Spesifikasi ally tertentu mensyaratkan bahwa kandungan
vanadiumnya adalah 2,30 %. Sebanyak 10 kali replikasi analisis alloy
menghasilkan rata-rata kandungan vanadium sebesar 2,33 % dengan
suatu standar deviasi (s) = 0,02. Uji pada level propabilitas P = 0,01
(1 %) dan P = 0,05 (5 %), apakah kandungan vanadium berbeda dari
spesifikasi yang dipersyaratkan?

= 2,33 %; μ = 2,30 %; s = 0,02; dan N = 10

t = 4,74

DALAM CONTOH DI ATAS KITA MENGGUNAKAN

UJI SATU SISI (one-tailed) atau DUA SISI (two-
tailed)?
 Jawab

Uji dua sisi harus digunakan dalam hal ini karena kita
ditanya apakah alloy berbeda dari spesifikasinya, yang
berakibat bahwa nilai percobaan di atas atau di bawah
dari nilai yang dispesifikasi  ujinya adalah dua sisi

Jika pertanyaannya adalah “ apakah kandungan

vanadium lebih tinggi dibanding nilai spesifikasinya” 
Uji satu sisi

Perhatikan bahwa derajat bebas (degrees of freedom)

atau d.f adalah N-1. Jika N = 10  d.f = 9.
 Nilai t-tabel (Miller and Miller, 2005)

Nilai t-kritik atau t-tabel di atas adalah sesuai untuk uji dua-sisi. Untuk uji satu-sisi,
nilai t- diambil dari P yang nilainya adalah 2 kali dari nilai P pada uji dua sisi.
Contoh soal
Berapakah nilai t-kritik dengan df 9 pada uji dua- sisi dan uji satu-sisi
dengan P = 0,05?

Dengan tabel di atas dapat diketahui bahwa nilai t-kritik, d.f = 9 (dua sisi)
dan P = 0,05 adalah 2,26.

Untuk satu sisi berarti diambil dari P = (2 x 0,05) = 0,1  t = 1,83.

Nilai t-hitung pada contoh 1 adalah sebesar 4,73 yang

berarti lebih besar dibanding dengan t-kritik (P = 0,05;
dua-sisi; N = 9) yang nilainya 2,26.

TERDAPAT PERBEDAAN ANTARA NILAI PENGUKURAN PERCOBAAN

(2,33 %) DENGAN NILAI SPESIFIKASINYA (2,30 %)
 PERBANDINGAN RATA-RATA DUA SAMPEL
Digunakan untuk membandingkan rata-rata hasil
pengukuran suatu metode baru dengan metode standar
(metode yang telah established).

Dalam kasus ini, kita menggunakan uji t- untuk

membanding rata-rata 2 sampel

n1 dan n2 adalah banyaknya data dari

sampel 1 dan 2

s dalam hal ini sering disebut dengan pooled standard

deviation

df = (n1 + n2 – 2)
Contoh Perbandingan dua rata-rata
Adanya krom dalam suatu sampel ditentukan kadarnya dengan 2
metode.
Metode 1: rata-rata = 1,48; standar deviasi = 0,28
Metode 2: rata-rata = 2,33; standar deviasi 0,31
Untuk tiap metode dilakukan 5 kali penentuan.
Apkah kedua metode menghasilkan rata-rata yang berbeda?

Hipotesis null: rata2 metode 1 = rata-rata metode 2.

Nilai pooled standard deviasi-nya

Nilai t-kritik untu (df = 8; P = 0,05) adalah 2,31.

t-hitung (4,56) > t-kritik (2,31)  hipotesis null ditolak

DUA RATA-RATA DARI DUA METODE ADALAH BERBEDA BERMAKNA

Uji ini juga dapat digunakan untuk mengetahui apakah 2
kondisi percobaan mempengaruhi pada hasil. Sebagai contoh,
apakah kondisi refluks dengan suhu yang berbeda (60 dan 75
o
C) berpengaruh secara signifikan kepada hasil akhir.

Persamaan uji t- di atas valid jika standar deviasi populasi

sama. Jika SD tidak sama, maka tidak direkomendasikan
untuk mem-pool-kan SD sampel dengan tujuan untuk
memberikan suatu SD perkiraan keseluruhan.

Untuk menguji hipotesis null, maka tidak dapat

diasumsikan bahwa 2 sampel berasal dari populasi dengan
SD yang sama. Nilai t- untuk keadaan semacam ini adalah:

Dengan derajat bebas (df) =

NILAI df YANG DIPEROLEH DIINTEGRASIKAN KE BILANGAN UTUH TERDEKAT

 Contoh...
Data di bawah memberikan konsentrasi tiol (mM) dalam lisat darah 2
kelompok sukarelawan. Kelompok pertama adalah normal dan yang
kedua adalah penderita reumatoid artritis.
Normal (1) : 1,84; 1,92; 1,94; 1,92; 1,85; 1,91; dan 2,07
Penderita (2) : 2,81; 4,06; 3,62; 3,27; 3,27; 3,76

Hipotesis null: konsentrasi rata-rata kedua kelompok adalah

sama
n1 = 7; rata-rata kel. Normal = 1,921; s1 = 0,076
n1 = 6; rata-rata kel. Penderita = 3,465; s2 = 0,440

df =  df = 5,3--jadi 5  t = -8,48

Nilai t-kritik untuk (df = 5; dan P = 0,01) adalah 4,03

TERDAPAT PERBEDAAN ANTARA NILAI TIOL DALAM KELOMPOK

NORMAL DENGAN PENDERITA
UJI t BERPASANGAN (paired t-test)
Digunakan untuk membandingkan 2 metode untuk
mengukur sampel dengan variasi yang berbeda.

Sebagai contoh analisis parasetamol dengan 2 metode dari

10 batch yang berbeda.

Dalam kasus ini, uji t di atas (untuk membandingkan 2

rata-rata) adalah tidak sesuai, karena variasi hasil mungkin
disebabkan oleh variasi batch.

Hal ini diatasi dengan melihat perbedaan (d) antar tiap

pasang hasil yang diberikan oleh kedua metode.

Hipotesis null-nya adalah: μd = 0

Yang mana:
d : rata-rata dari d (perbedaan antar pasangan)
sd : standar deviasi dari d

Banyaknya derajat bebas t adalah n-1

Contoh...
Uji apakah terdapat perbedaan yang bermakna antara hasil-hasil yang
diperoleh oleh 2 metode (spektroskopi dan NIR) untuk penentuan
kandungan parasetamol (% b/b) dalam suatu tablet dari 10 batch
 UJI F
 Uji F- digunakan untuk membandingkan standar deviasi

(kesalahan random antara 2 set data)

 Dapat digunakan untuk menguji apakah metode A lebih

precise dibanding metode B  satu sisi

 Atau untuk menguji apakah metode A mempunyai

presisi yang berbeda dengan metode B  dua sisi

 Untuk menguji apakah varians 2 sampel berbeda,

maka dilakukan uji hipotesis null Ho: σ21 = σ22

s1 dan s2 diatur sedemikian rupa sehingga F ≥ 1

df untuk pembilang = n1-1; dan penyebut n2-2
UJI INI BERASUMSI BAHWA POPULASI, TEMPAT SAMPEL DIAMBIL
ADALAH NORMAL
 Jika hipotesis null benar  rasio varians dekat
dengan 1. Perbedaan dari 1 dapat terjadi karena
adanya kesalahan random; jika perbedaannya
sangat jauh berarti bukan karena random error.

 Jika F-hitung > F-tabel  hipotesis null ditolak

 Nilai T-tabel tergantung pada ukuran/banyaknya

sampel (N), level signifikasi (P), dan jenis uji yang
digunakan (satu sisi vs dua sisi)
NILAI F-tabel UNTUK UJI SATU SISI DAN P = 0,05
NILAI F-tabel UNTUK UJI DUA SISI DAN P = 0,05
Contoh 6.
Suatu metode baru telah diusulkan untuk penentuan kebutuhan oksigen air limbah dan
hasilnya dibandingkan dengan metode standar (garam merkuri). Hasil analisisnya
adalah sebagai berikut:
Rata-rata SD (mg/L)
Metode baku 72 3,31
Metode usulan 72 1,51

Untuk tiap metode dilakukan 8 kali pengukuran. Apakah metode yang dihasilkan
mempunyai presisi yang lebih besar dibanding metode baku

Dalam kasus ini digunakan uji satu sisi

Nilai F-tabel untuk pembilang 7 (8-1) dan penyebut
7 atau F7,7 (satu sisi; P = 0,05) adalah 3,787).

F-hitung > F-tabel  VARIANS METODE STANDAR > DIBANDING

METODE YANG DIUSULKAN
PENCILAN (OUTLIER)
Seringkali dalam suatu percobaan terdapat suatu nilai yang
menyimpang dari nilai lainnya. Nilai yang menyimpang ini
disebut dengan Pencilan

Misal dalam suatu titrasi diperoleh volume titran: 12,12;

12,15; 12,13; 13,14; 12,12 ml

ISO merekomendasikan untuk menggunakan uji Grubbs’.

Uji ini membandingkan penyimpangan nilai yang dicurigai
dari nilai rata-rata sampel dengan SD sampel. Nilai yang
dicurigai adalah nilai yang jaraknya paling jauh dari mean

Rata-rata dan s dihitung dengan memasukkan

nilai yang dicurigai

UJI INI BERASUMSI BAHWA POPULASI ADALAH NORMAL

Nilai G-kritik pada P = 0,05 dan untuk uji 2 sisi

Jika G-hitung > G-kritik  NILAI YANG DICURIGAI DIBUANG

Contoh 7.