STATISTIK TERAPAN

SAP-4
HIPOTESIS
 Xi.
……………………
Populasi N(μ,σ²)
……………………
……………………
……………………
……….
(induktif) Ho: μ = 0 (tidak ada perbedaan)

(deduktif) HA: μ ≠ 0 (terdapat perbedaan)

xi.
….....
Sampel n(X̄,S²) pada umumnya μ ideal.

Ho = hipotesis nol
HA = hipotesis alternatif (hipotesis kerja), yang merupakan rumusan
operasional hipotesis penelitian.
8 9 5 8
9 4 6 8 5 Populasi N(6,8;2,96) Karakteristik yang diuji adalah rata-rata
6 Ho: μ= 6,8 Uji Z? atau uji t ?
6 8 HA: μ≠ 6,8
4 9 Sampel n(6,75;4,92)
Hipotesis
Hipotesis adalah jawaban sementara tentang parameter populasi yang memer
lukan pembuktian dari sampel.
Hipotesis statistik : Pernyataan mengenai distribusi sekelompok variabel acak
2
(populasi) N (  ,  2 ), yang kebenarannya diuji melalui sampel acak n ( x, s )
Pernyataan yang dibuat mengikuti hukum kelembaman populasi: yaitu :”
Karakter Populasi sulit untuk berubah tanpa ada usaha (eksternal maupun
internal) yang mampu untuk merubah karakter populasi tersebut”.
Dirumuskan dalam bentuk Ho: Ѳ = 0.( Ѳ merupakan karakter besaran yang
diuji.)
Hipotesis mungkin benar atau salah (tidak benar). Kegiatan untuk menerima
atau menolak hipotesis dinyatakan sebagai “pengujian hipotesis”.
Pengujian hipotesis dilakukan untuk menyimpulkan populasi N (  ,  2 )dengan
cara menerima atau menolak karakteristik sampel yang dianalisis yang
dirumuskan dalam bentuk hipotesis nol (Ho) tersebut.
Ho selalu dirumuskan dalam kalimat:” tidak ada perbedaan antara
karakteristik sampel dengan karakteristik populasinya”. Ditulis
Ho: Ѳ = 0. Sebagai lawannnya ditulis H : Ѳ ≠ 0 .
A
Pasangan hipotesis ditentukan oleh arah pengujian yang dilaku kan, diantarnya:
1. Apabila arah pengujian karakter belum diketahui, apakah kearah (+) atau
( –) dibuat hipotesis sebagai berikut:
Ho: Ѳ = 0 (tidak ada perbedaan karakter sampel dgn pop.)

H A: Ѳ ≠ 0 (terdapat perbedaan karakter sampel dgn pop.)

2. Apabila arah pengujian karakter diketahui kearah (+) atau membaik dibuat
hipotesisi sebagai berikut:
Ho: Ѳ ≤ 0 (karakter samp. paling tinggi masih sama dgn pop.)

H A: Ѳ > 0 (karakter samp. telah lebih besar/baik dari pop.)

3. Apabila arah pengujian karakter diketahui kearah (-) atau mengecil
/memburuk dibuat hipotesisi sebagai berikut:
Ho: Ѳ ≥ 0 (karakter samp.paling rendah masih sama dgn pop)

H A: Ѳ < 0 (karakter samp. telah lebih kecil/rendah dari pop.)

 Jenis-jenis pengujian hipotesis.
1. Uji dua ekor, apabila Ho dirumuskan dengan tanda =, maka
distribusi statistik memiliki dua daerah kritis, masing-masing pada
ujung kanan kurva dan ujung kiri kurva seluas ½α , sebagai daerah
penolakan Ho.
1 1
Gambar memperlihatkan kurva
 
2
(1-α) 2
uji dengan dua daerah penolakan
o ditolak Ho diterima Ho ditolak
Z Z
Pengujian dengan uji Z. Kriteria
1 1
 
2
Gbr.Kurva uji Z 2
pengujian adalah : Terima Ho jika
f(χ²)  Z 1  Zh  Z 1
 
2 2

Atau tolak Ho jika Zh  Z 1


2
Zh  Z 1

Ho ditolak Ho diterima Ho ditolak atau 2

0 χ²(½α;dk) χ²(1-½α);dk χ² Demikian pula untuk uji χ² .

Gbr: Kurva Uji χ²
2. Uji ekor kanan, apabila Ho dirumuskan dengan tanda ≤, maka
distribusi statistik memiliki satu daerah kritis, yaitu pada ujung
kanan kurva seluas α, sebagai daerah penolakan Ho.
Gambar menunjukkan kurva uji de-

(1 - α) Ho ditolak
ngan satu daerah penolakan yaitu
Ho diterima
0 Z di ekor kanan. Kriteria pengujian :
Z h  Z tab
Gbr. Kurva Uji Tolak Ho jika
3. Uji ekor kiri , apabila Ho dirumuskan dengan tanda ≥, maka
distribusi statistik memiliki satu daerah kritis, yaitu pada ujung kiri
kurva seluas α, sebagai daerah penolakan Ho.
Gambar menunjukkan kurva uji de-
Ho diterima
α
Ho ditolak ngan satu daerah penolakan yaitu
Z  (1-α ) Z h  Zpengujian
di ekor kiri. Kriteria tab
:
- Tolak Ho jika
Gbr: Kurva Uji
Jenis-jenis hipotesis: 1. Hipotesis deskriptif
2. Hipotesis komparatif
3. Hipotesis assosiatif/korelasional.
(1). Hipotesis deskriptif. Contohnya: a. Kalibrasi.
b. Eksperimen untuk merubah parameter.
c. Pemeriksaan distribusi sampel .
d. Uji kehomogenan beberapa kelompok sampel.
Contoh-1: Etiket kaleng susu isinya 500 gr dengan standar deviasi 20
gr. Ada keluhan dari konsumen. Diperiksa 25 kaleng susu didapat
rata-ratanya 490 gr. Coba uji dengan α = 0,05 apakah keluhan di
terima? x
Dik: μ= 500 grm; σ = 20 grm ; n= 25 kaleng; = 490 grm dan α = 0,05
Ditanya: H Ho:
1 μ = 500

: μ ≠ 500  Z1  Zh  Z 1
(1 ) (1 )
2 2
Kriteria pengujian, terima Ho jika
Jawab: σ diketahui, diuji dengan uji Z.
Ho: μ = 0, digunakan uji dua ekor.
x   490  500
Zh    2,50
1
2
 1
  n 20 25
Ho diterima. 2
pv (1   )
-2,50 -1,96 0 tanda negatif artinya isi berkurang.
1,96
Z
Dari tabel Z untuk h = - 2,50,
Dari tabel Z didapat (Zt=1/2(1-0,05)=Z(0,475)=1,96, maka Ho ditolak.

Kesimpulan: Keluhan konsumen diterima pada taraf signifikan 5%

Saran-saran: 1. mesin pengisi distel ulang
2. Produsen meminta maaf lewat media.
3. Susu dipasaran ditarik.
(*). Jika Ho ditolak, padahal Ho benar, akan berhadapan dengan resiko salah sebesar
pv=0,0062. Resiko ini lebih kecil dari 0,025 yang diajukan. Oleh karena itu tidak salah
apabila Ho ditolak.
 Contoh-2: Etiket kaleng susu isinya 500 gr. Ada keluhan dari konsumen. Diperiksa 25
kaleng susu didapat rata-ratanya 490 gr dengan standar deviasi 0,20. Coba uji
dengan α = 0,05 apakah keluhan di terima?
Dik: μ= 500 grm; n= 25 kaleng; x = 490 gr; s = 0,20 gr dan α = 0,05
Ditanya: Ho: μ = 500
1
: μ ≠ 500 . Kriteria pengujian, tolak Ho jika pv   = 0,025
2
Jawab: σ tidak diketahui, diuji dengan uji t.
Ho: μ = 0, digunakan uji dua ekor.
x 490  500
1
 (1 – α) 1
 th    2,50
2 2
s n 20 25
pv Ho diterima.
-2,50 -2,06 0 2,06 tanda negatif artinya isi berkurang.
Dari tabel t untuk t h = -2,50, dengan dk= 24, terletak dalam
interval: t1 = 2,49 dengan 1= 0,01 dan t 2= 2,80 dengan  2= 0,005.
Didapat p  0,01  (0,01  0,005). 2,50  2,49  0,0098 Cara lain : dari tabel
v
2,80  2,49 didapat t.0.975;24 =
1
Keputusan : Karena p-v = 0,0098 < 2 α= 0,025, maka Ho ditolak. (*) -2,06.
Kesimpulan: Keluhan konsumen diterima pada taraf signifikan 5% Karena th = -2,50 <
Saran-saran: 1. mesin pengisi distel ulang t.tab.=-2,06. Maka
2. Produsen meminta maaf lewat media. Ho ditolak.
3. Susu dipasaran ditarik.
t0, 975, 24  2,06.
(2). Eksperimen.
Eksperimen bertujuan merubah parameter populasi, baik ke arah (+)
maupun (-). Karena parameternya bersipat ideal, maka bila σ diketa
hui, digunakan uji Z. Tetapi apabila tidak diketahui maka digunakan
uji t. Untuk eksperimen ke arah positif digunakan hipotesis;
Ho: Ѳ ≤ 0 melawan H A : Ѳ > 0.
Untuk eksperimen ke arah negatif digunakan hipNilaiotesis;
Ho: Ѳ ≥ 0 melawan H A : Ѳ < 0.
Contoh-3: Nilai rata-rata hasil belajar siswa pada mata pelajaran IPA
adalah 5,8 dengan standar deviasi 0,8. Untuk meningkatkan nilai ter
sebut dilakukan eksperimen model mengajar, yang secara tioritis
mampu untuk meningkatkan nilai belajar siswa. Banyaknya siswa
yang menjadi sampel adalah 36 siswa. Setelah selesai eksperimen di
lakukan test, rata-rata hasil belajarnya 6,2. Coba uji dengan α = 0,05,
apakah PBM yang dieksperimenkan berhasil mening katkan nilai
belajar siswa?
Diketahui: μ = 5,8 ; σ = 0,8; n = 36 ;x = 6,2 dan α= 0,05 .
Ditanya: Ho: μ ≤ 5,8
H A : μ > 5,8. Kriteria pengujian tolak Ho jika Zhit>=Z0,5 - α
Jawab: Karena σ diketahui maka digunakan uji Z.
Karena Ho : μ ≤ 5,8 maka digunakan uji ekor kanan.
x 6,2  5,8
Zh    3,00
 n 0,8 36

(1-α) α=0,05 Untuk Z = 3,00 .

h
Ho diterima p-v=0,0013 Dari tabel didapat Z0,5-0,05 = Z0,45=1,65

0 1,96 Z=3,00 Selanjutnya didapat ,

Gbr: Kurva uji Z Zhit> Ztabel
Keputusan: Ho ditolak. (*)
Kesimpulan: Model mengajar tersebut berhasil
meningkatkan hasil belajar siswa.
 Contoh 4. Seperti soal di atas tetapi σ tidak diketahui. Dari sampel
didapat standar deviasi s= 1,2 . Coba ji dengan α= 0,05.
Jawab: Karena σ tidak diketahui maka digunakan uji t.
Karena Ho: μ ≤ 5,8 maka digunakan uji ekor kanan.
x   6,2  5,8
th    2,0
s n 1,2 36
Kriteria tolak Ho jika thit >= t1- α, untuk dk= n-1=36-1=35, nilai
ttab = t1-0,05= t0,95; 35 =1,69 diperoleh

Keputusan: karena thit > ttab

α=0,05 maka Ho ditolak.(*)

0 1,69 2,0 Kesimpulan: Model mengajar tersebut

gbr: Kurva uji t . berhasil meningkatkan
hasil belajar siswa.
Contoh-5: Banyaknya siswa yang absen setiap harinya, rata-rata 4 orang
dengan standar deviasi 1,5 orang. Untuk memperkecil harga rata-rata
terse but kepala skolah melakukan penyuluhan dan menerapkan aturan
secara konsekwen. Pada akhir bulan diambil sampel sebanyak 16 siswa
yang sering absen. Didapat rata-rata absen setiapm harinya 2 siswa. Coba
uji dengan α= 0,05 apakah usaha kepala sekolah tersebut berhasil?

Diketahui: μ = 4 ; σ = 1,5 ; n = 16 ; = 2; dan α = 0,05.

Ditanya : Ho: μ ≥ 4 . x
: μ < 4 . Kriteria; tolak Ho jika p-v < 0,05.
HA
Jawab: σ diketahui, gunakan uji Z
Ho: μ ≥ 4 . Gunakan uji ekor kiri.
24
α=0,05 (1-α)
Z
untuk
h  Z=  5praktis
-5,33 ,33 tidak ada dalam tabel.
1,5 16
pv Ho diterima sehingga dapat diambil p-v= 0,0000.

-1,96 Ho ditolak (*), jadi: usaha kep. Sek. Berhasil.

Contoh 6. Seperti soal diatas, tetapi σ tidak diketahui dan dari
sampel didapat s = 1,2 .
Diketahui: μ = 4 ; n = 16 ; x = 2; S = 1,2 dan α = 0,05.
Ditanya : Ho: μ ≥ 4 .
: μ < 4 . Kriteria; tolak Ho jika p-v < 0,05.
Jawab: σ tidak diketahui, gunakan uji t
Ho: μ ≥ 4 . Gunakan uji ekor kiri.
x 24
th    6,67
s n 1,2 16
α=0,05 (1-α) untuk dk=15, nilai th= -6,67 terletak didalam
pv Ho diterima
t1 = 2,60 dengan 1 = 0,01 dan t 2 = 2,95
2
-2,95 0
pv dengan pv Dari rumus didapat
= 0,005.
= -0,048. Karena < 0,05 maka Ho ditolak (*).
pv
jadi: usaha kep. Sek. Berhasil.
pv
Nilai negatif artinya interpolasi yang dilakukan melewati titik nol. Ini tidak
(3). Pengujian bentuk distribusi sampel:
Pengujian bentuk distribusi sampel dilakukan dengan uji  , dengan
2

mengguna- kan data diskrit, dengan derajat kebebasan dk= (k-2),

karena digunakan dua kelompok rata-rata yaitu rata-rata hitung
(mean) rata-rata harapan (ei).
( f  e ) 2

Rumus yang digunakan:   

2 i i

e
Hipotesis yang diuji adalah: Ho:  = 0; bentuk distribusi sesuai .
2 i

H A : ≠ 0; bentuk distribusi tidak sesuai

2

3.a. Uji distribusi Binomial.

Bentuk distribusi tioritis p ( x )  C xn . p ( x ) x .q ( x) ( n  x )
n!
Cx 
n
kombinasi dari n obyek menjadi x susunan =
n!(n  x)!
p = proporsi obyek dalam populasi , 0≤ p(x) ≤ 1.
q = (1-p)
Parameter distribusi; rata-rata μ = n.p ; dengan E(x)= xi.p(xi)
Standar deviasi σ = n. p.q
Contoh-7: Dari 100 kali pelemparan 5 koin diperoleh data kemunculan
muka G (gambar) sebagai berikut:
Xi 0 1 2 3 4 5 Jlh
fi 3 16 29 34 14 4 100

Coba uji dengan α = 0,05 apakah sebaran data tersebut mengikuti

distribusi Binomial.
Diketahui: n = 100 ; Xi= 0; 1; 2; 3; 4; 5. dan α=0,05
Ditanya: Ho:  2 = 0
H A :  2 ≠ 0 ;Kriteria: tolak Ho jika pv < 0,025.
Jawab: Rata-rata tioritis; μ= n.p = 5.p
Rata-rata observasi: μ= Σxi.p(Xi)= 3.0  16.1  29.2  34.3  14.4  4.5  2,52
100
Kedua rata-rata seharusnya sama, sehingga: 5.p = 2,52
p = (2,52/5) = 0,504.
dan q = 1- p = 0,496
Selanjutnya dapat dibuat tabel peluang p(x)=C n . p x .q ( n  x )
Tabel Peluang. x
Xi p(xi) ei fi χ² Dari tabel bantu perhitungan didapat:
2

0 0 0 0
0 0,03002 3,002 3 0 = 0,72 .
h
1 0,15252 15,252 16 0,037
Untuk dk = 6 -2 = 4, nilai 2
2 0,30996 30,996 29 0,129  h  0,72
3
4
0,31496
0,16002
31,496
16,002
34
14
0,132
0,25
terletak dalam interval (tabel) :
5
Jumlah
0,03252
1
3,252
100
4
100
0,172
0,72 1 2= 0,711 dengan
1 = 0,95
f( 2) 2 = 1,06 dengan

= 0,90

α=0,05
 Gunakan
2 2
rumus interpolasi, didapat
= 0,949 = 0,949
(1-α)
pv pKeputusan:
v Karena > 0,05 maka Ho
tidak 2
pv
0 0,72 11,1 ditolak.(*)
Gbr: Kurva χ² Kesimpulan: Bentuk distribusi Binomial
diterima pada taraf nyata = 0,05.

(*). Jika Ho ditolak padahal Ho benar akan berhadapan dengan resiko pv= 0,949. Resiko ini terlalu besar
dibanding dengan resiko peluang yang diajukan yaitu α= 0,05. Oleh karena itu Ho tidak ditolak.
 e x
3.b. Bentuk distribusi Poisson. p ( x)  . ; μ = λ = p(x).n ; σ = √ λ
Contoh 8. Pengamatan absensi siswa selama x! 50 hari secara acak
adalah sebagai berikut:

Xi 0 1 2 3 Jumlah
fi periksa dengan
28 50
Coba α =140,05 apakah
6 2
ada unsur kesengajaan ketidak
hadiran siswa tersebut (apakah berdistribusi Poisson dengan rata-
rata tertentu?).
Jawab: Rata-rata observasi E(X)=
Persamaan distribusi poisson untuk fi 28.0  14.1 ini
keadaan  2.3
6.2 adalah:
 X i . f  p(x)=  0,64
i 50
dapat dibuat tabel sbb 0, 64
dari tabel bantu t didapat e
Xi p(x) ei fi χ^2 .(0,64) x
0 0 0 0
Untuk dk= k-2= 4-2=2 x! tabel stat.
dari
0 0,5273 26,365 28 0,101
2
1
2
0,3374 16,873
0,108 5,399
14
6
0,489 didapat
0,067 h   0,955
3 0,0273 1,363 2 0,298
Jumlah 1 50 50 0,955
 02,95; 2  5,99
  2
f( ) Keputusan: Karena h 2  0,956   02,95; 2  5,99 , Ho diterima

Kesimpulan: Bentuk distribusi Poisson diterima

(1-α) α = 0,05 pada α = 0,05. Artinya absensi siswa
2 pv direncanakan .
bersifat acak, tidak
0 0,956 11,1 ( coba hitung )

3.c. Bentuk distribusi Normal.

Bentuk distribusi normal, merupakan asumsi pada penelitian kuanti-
tatif parametrik. Bila data tidak berdistribusi normal maka digunakan
analisis statistik nonparametrik.
Prosedur pengujian normalitas distribusi frekuensi data adalah Sbb:
1. Hitung rata-rata dan standar deviasi pada tabel yang telah dibuat
berdasarkan aturan sturgers, dengan menggunakan Xt.
2. Buat kolom batas bawah kelas interval Xin, yaitu batas bawah kelas
interval dikurangi 0,5 desimal yang digunakan.
3. Buat kolom Zi, dan hitung dengan rumus: Z i  xin  x
s
4. Lihat tabel Z, untuk Lo= L( 0 ≤ Z ≤ Zi ). Ambil luas kelas interval paling
atas dan paling bawah sebesar 0,5000.
5. Buat kolom Li (luas tiap kelas interval), dimana Li  L0  L( 01)
6. Buat kolom frekuensi harapan dan hitung ei  Li .n
7. Hitung nilai  i 
2 ( f i  ei ) 2
dan  h2    i2
ei
8. Kesimpulan sampel berdistribusi normal jika h   tab.
 2

Contoh-9.
Uji kenormalan distribusi frekuensi data seperti dalam tabel dengan α=0,05 .

Interval Xt fi TABEL
fi.Xtfi.Xt^2BANTU
Xin Zi PERHITUNGAN
Lo Li ei χ^2 16
21 - 27 24 4 96 2304 20,5 ∞ 0,5 0,0681 3,405 0,14 14
28 - 34 31 6 186 5766 27,5 -1,49 0,4319 0,1296 6,48 0,036 12
35 - 41 38 10 380 14440 34,5 -0,85 0,3023 0,223 11,15 0,119 10
42 - 48 45 15 675 30375 41,5 -0,2 0,0793 0,2493 12,465 0,516
8
49 - 55 52 8 416 21632 48,5 0,44 0,17 0,1899 9,495 0,235
6
56 - 62 59 4 236 13924 55,5 1,08 0,3599 0,0974 4,87 0,155
4
63 - 69 66 3 198 13068 62,5 1,72 0,4573 0,0427 2,135 0,35
69,5 ∞ 0,5 2
50 2187 101509 1 50 1,551 0
0 2 4 6 8
Perhitungan dengan kalkulator didapat x = 43,74 dan s = 10,93.
Dari tabel bantu perhitungan didapat  tab2
;dkh n 1 1alpha ;n1 10,5;n 1  
2
=  
1,551 .2
  2

 2
Untuk dk= 7-3 = 4 , nilai h = terletak dalam interval dengan
1 = 0,75 dan  2 = 1,92 dengan  2 = 0,75. gunakan rumus interpolasi
2

didapat pv = 0,8215.
f( )
2
Keputusan: karena pv > 0,05 maka Ho tidak
pv=0,8215 ditolak. (*)
(1-α) α=0,05 Kesimplan: Distribusi data normal pada
0 1,55 9,49
2 taraf signifikansi α= 0,05.
Gbr: Kurva Uji  2
Not: Perhitungan rata-rata: x   f i .xt 2187
  43,74
n 50
Varian sampel : 2 n. f i .xt 2  ( xi ) 2 50.101509  (2187) 2
s    119 ,38
n(n  1) 50(50  1)
Standar deviasi: s = 119 ,38 = 10,9261
(4). Uji Homogenitas.
Kelompok-kelompok sampel dinyatakan sama tingkat kehomogenannya apabila
variansnya tidak jauh berbeda. Pengujian kesamaan homogenitas sampel menggunakan
perbandingan varians
2 datanya, dengan besaran:
s ; dengan dk= (n-1) untuk membandingkan kehomogen
  (n  1)
2

2
an sampel dengan populasinya . Sedangkan untuk membandingkan kesama an
kehomogenan antara sampel digunakan besaran statistik F yaitu:
S 2
dk1  (ndan
B  1)
dk 2  (nK  1)
F  B dengan
S K2
Bila kelompok sampel yang akan diuji kesamaan tingkat kehomogenannya lebih dari dua
kelompok sampel, maka digunakan uji homogenitas Barttlet, dengan prosedur sbb:
1. Hitung varians gabungan untuk seluruh sampel dengan rumus :

S 2

 dk .s i
2
i

 ( n  1)
t
i
2. Hitung harga Bartlett dengan rumus : B  (log st2 ). dki

3. Hitung faktor koreksi dengan rumus : 1  1 1 

K  1  ( ) 
3(1)  ni  1  (ni  1) 
 . ln 10 B   dki . log si2 
1
4. Hitung nilai chi kuadrat dengan rumus :  2 
K
pv
5. Hitung nilai dan ambil keputusan.
Untuk
Sampelmempermudah
dk perhitungan
1/dk Si^2 gunakan tabel Sbb:
dk.Si^2 log.Si^2 dk.log.Si^2
A
B
C
D

Jumlah Σ dk Σ 1/dk Σ dk.Si^2 Σ dk.log Si^2

Contoh-10: 25 kaleng susu telah diperiksa oleh YLKI, menghasilkan berat

rata-rata 490 gr dengan standar deviasi 20 gr. Bila standar deviasi
yang dirancang oleh pabrik pengisian adalah 12 gr dengan rata-rata
500 gr. Coba uji dengan α= 0,05 apakah sampel tersebut homogen
seperti populasinya? (sesuai dengan perencanan)
Diketahui: n= 25; =x490 gr ; s= 20 ; μ = 500 gr ; σ= 12 gr; α= 0,05
Ditanya : Ho: σo = 0
HA : σo ≠ 0 ; Kriteria penguian tolak Ho jika pv < α= 0,05
Jawab: Gunakan uji untuk pengujian kesamaan kehomogenan.
2

Karena Ho: σo = 0 , digunakan uji dua ekor .

s2 400
  (n  1) 2  24.
2
h  66,67
 1442
Untuk dk= 24, nilai  = 66,67 terletak
h f( ) 2
Dalam interval :
12  43,dengan
0 1  0,01
dengan
 2  45,60
2  2  0,α=0,025
005 α=0,025

2
23,67 0 12,4 39,4 66,67
pv  0,01  (0,01  0,005)  0,035
2,6

diambil pv = 0,0000.
Keputusan: karena pv< 0,025 maka Ho ditolak. (*)
Kesimpulan: Sampel menjelaskan bahwa susu kaleng yang beredar di pasaran tidak
sesuai dengan perencanaan. (diduga palsu).
Contoh-11 : 32 sepeda motor diuji keiritan pemakaian bahan bakar
nya di daerah datar menghasilkan rata rata 72 Km/liter dengan stan
dar deviasi 22 Km/liter. Sementara itu 28 sepeda motor sejenis di uji
di daerah pegunungan yang menghasilkan rata rata 68 Km/liter
dengan standar deviasi 14 Km/liter. Coba uji dengan α= 0,05 apa-
kah kedua kelompok pengujian tersebut sama homogennya.
Diketahui : n1  32; x1  72; s1  22
n2  28 ; x2  68; s2  14; α = 0,05
Ditanya : Ho:
 02  0
H A :  02  0 ; Kriteria pengujian tolak Ho jika Hhit < Ftable
Jawab: Karena Ho:  2  0 ; digunakan uji dua ekor.
0
karena pengujian homogenitas antar dua sampel, maka digunakan uji F .
f(F) Fhit= S B2 (22) 2
2
 2
 2,469
SK (14)Untuk dk1= 31 dqn dk2= 27 , nilai F=2,469
½α=0,025 ½α=0,025 terletak didalam interval :
F F1 =1,88 dengan α1= 0,05
Gbr: Kurva Uji F F2 =2,47 dengan α2= 0,01
 0,589
Didapat: pv  0,05  0,04  0,01007
0,59
Keputusan : karena pv < 0,025 , maka Ho ditolak.(*)
Kesimpulan: Kedua kelompok sampel tidak sama kehomogenitasannya.
Motor didaerah datar lebih irit pemakaian bahan
bakarnya.
Kelas ulangan
Contoh-12: Hasil A dari 4 kelas
B C diperoleh
paralel D data sebagai
berikut: .ni 5 5 4 4
Si^2 29,3 21,5 35,7 20,7

Coba uji 
dengan
2
  2 α= 0,05
  2
 apakah
2
 0 keempat kelas sama homogennya?
A B C D
Ditanya: Ho: 2
H A :  a   B2   C2   D2  0
; Kriteria tolak Ho jika p-v < 0,05.
Jawab: Gunakan uji  barttlet
2 , melalui tabel bantu perhitungan dan
hitung nilai sampel.
 Sampel dk 1/dk Si^2 dk.Si^2 log Si^2 dk.log Si^2
A 4 0,25 29,3 117,2 1,4669 5,8676
B 4 0,25 21,5 86 1,332 5,3296
C 3 0,33 35,7 107,1 1,5527 4,6581
D 3 0,33 20,7 62,1 1,316 3,948
Dari tabel bantu dapat dihitung:
Jumlah 14 1,16 372,04 19,8033

a. Varians gabungan:
b. harga Barttlet : B = log
372,4
s 26,6. 14 =19,9486
2
 26,6
 i i
dk .s 2

 dki
t
14
c. Faktor koreksi : K =1+
d. Nilai adalah : 1  1
1,16    1  0,1111 (1,0886)  1,1210
3(4  1)  14 

e. f( ) h
2
untuk dk=3 nilai = 0,2985 terletak
1 1
 h2  ( pv=0,9598
ln 10)(19,9486  19,8033) interval
didalam ; .0,1453 dengan
.2,3026 0,2985
K 1,121
 2
0,025 dan  h2
dengan ; sehingga
0,2985 9,35 didapat 12  0,216 1  0,975
Keputsan : Karena pv > 0,025 maka2 Ho diterima (*).Kesimpulan: 
..
 2  0,352 2 0,95
0,0825
 2 pv  0,975  0,025  0,9598
0,136
. (5). Uji independensi
Data pada tabel kontingensi digunakan untuk menentukan keterikatan
antar variabel yang menghasilkan data tersebut (uji independensi).
Kriteria pengujian; kedua variabel saling bebas (independen) apabila
 h   tab
2 . 2 .
Contoh: Uji Ho: ρ = 0
X Y A B C D E Jlh χ²
Tinggi/ fi 8 6 5 3 2 24 2,907
(Kedua variabel pada tabel
ei 5,4 6,3 4,2 3,6 4,5 kontingensi berikut saling
Sedang/fi 7 7 4 3 6 27 0,733
ei 6,1 7,1 4,7 4,1 5
bebas) pada α = 0,05.
Rendah/fi3 8 5 6 7 29 3,007 x= Minat belajar
ei 6,5 7,6 5,1 4,3 5,5 y= IPK
Jumlah 18 21 14 12 15 80 6,647
Jawab: (a). Hitung frekuensi harapan pada tiap sel dengan rumus:
dan nilai χ² pada tiap sel
jumlah
eij 
 B . K
keseluruhannya merupakan
i i
yang
ij 
2
( f  e
didapat dari
ij ij ) 2

n
tabel kontingensi . eij
h 2
(b). Dari tabel perhitungan didapat  h2 =6,647 . Dari tabel statistik untuk
dk=(3-1)(5-1)= 8 dan α= 0,05 didapat  2 = 15,50 .
0 , 95;8
(c) Keputusan : Karena 2 < 2 maka Ho tidak ditolak.
 h  0,95;8
Kesimpulan : Data pada tabel kontingensi menyatakan bahwa kedua
variabel saling bebas pada tarafnyata 0,05. Tidak ada hubunan antara
minat belajar dengan IPK yang didapat oleh mahasiswa.
(6). Pengujian Komparatif. Membandingkan besaran statistik antar
sampel untuk menguji ada atau tidaknya kesamaan parameter
populasi, melalui sampel yang diambil dari setiap populasi.
Sebagai contoh membandingkan besaran statistik yang dida- pat dari
kelompok eksperimen dengan besaran besaran statistik yang
diperoleh dari kelompok kontrolnya. Dapat juga perbanding an
antara besaran besaran kelompok sampel yang terdikotomi atau
dua sampel yang mendapat perlakuan (treathment) yang berbeda.
Pengujian Komparatif yang sering dilakukan dalam statistik misalny:
6.1. Uji Kesamaan rata-rata.
Terdapat tiga jenis pengujian yaitu:
1. Bila eksperimen tidak mengetahui arah perubahan (+) atau (-).

H 0 : 1   2 Uji dua ekor dengan kriteria tolak Ho jika p-v < α .

2. Bila 1   2
H A : eksperimen diketahui kearah perubahan (+).
Uji ekor kanan dengan kriteria tolak Ho jika p-v <
αH. :   
0 1 2

H A : 1   2
3. Bila eksperimen diketahui kearah negatif (-).
H 0 : 1   2
. Uji ekor kiri dengan kriteria tolak Ho jika p-v < α.
H A : 1   2
Prosedur pengujia:
1. Pastikan sampel telah terkumpul, hitung besaran-besarannya.
2. Bila kedua sampel berasal dari populasi yang sama dan nilai
parameter σ diketahui, digunakan uji Z, dengan rumus:

x1  x2
Z
1dari1populasi yang sama tetapi nilai σ ti-

3. Bila kedua sampel berasal 
dak diketahui, digunakannuji
1 tn dengan
2 rumus:

dengan dk= dan

, Standar deviasi gabungan.
x1  x2 ( n  1) S 2
 ( n  1) S 2
t St2  1 1 2 2
1 1 n1  n2  2
St  (n1  n2  2)
n1 n2 St  S t2
4. Bila kedua sampel berasal dari populasi yang berbeda tetapi
memiliki karakteristik yang sama, digunakan uji t dengan rumus :
dengan
x1  x 2 ( s 2
n  s 2
n ) 2

t  dk  2
1 2
2
2
2
2
2
2
S12 S 22 ( s1 n1 ) ( s2 n2 )
 
Contoh:13. n1 n2 (n1  1) ( n2  1)
Suatu sekolah telah memiliki nilai standar rata-rata fisika 64 dengan
standar deviasi 12. Bila diambil sampel dari kelas paralel 14 siswa
dari kelas A yang menghasilkan rata-rata 72 dan 15 siswa dari kelas
B yang menghasilkan rata rata 68. Coba uji dengan α= 0,05 apakah
nilai rata-rata kelas A dan B dapat dianggap sama? Tentukan interval
rata-rata di sekolah tersebut pada α= 0,05.
Diketahui : μ= 72; σ= 12; nA= 14 siswa ; ; nB= 15 siswa ;
α= 0,05.
Ditanya: Kriteria tolak Ho jika p-v < 0,05 .
x A  72 x B  68

H 0 :  A  B
H A :  A  B
Jawab: Karena σ diketahui maka digunakan uji Z.
Karena Ho: μA = μB digunakan uji dua ekor .
x A  xB 72  68
ZH    0,897
1 1 1 1
  12 
pv=0,1849
n A nB 14 15

α=0,025 α=0,025 Nilai Z= 0,897 terletak diantara interval;

-1,96 0 0,897 1,96 Z1= 0,89 dengan α1 = 0,1867
Z2 = 0,90 dengan α2 = 0,1841
pv = 0,1867-0,026.(0,0070/0,01) = 0,1849 .
Keputusan : karena pv > 0,025 maka Ho tidak ditolak.(*)
Kesimpulan: Kedua sampel menyatakan nilai rata-rata kedua kelas
tersebut relatif sama pada taraf nyata α= 0,05.
 x
b. Dari rumus Z 1   dapat dibuat interval rata-rata populasi

2
dalam bentuk : x  z . / n    x  z . / n dimana ;
1 1
 
2 2
BB = x  z 1 . (batas bawah) dan BA= x  z 1 . (batas atas).
 
2 2

Interval rata-rata fisika di sekolah tersebut untuk α = 0,05 adalah:

BB= x  z 1 . = 64 - 1,96. 12 = 40,48 diambil 40 .

2
BA= x  z 1 . = 64 + 1,96.12 = 87,52 diambil 88.

Jadi interval rata-rata nilai fisika disetiap kelas: 40 ≤ μ ≤ 88 . Ternyata
2

kedua rata-rata kelas yang diuji berada didalam kelas interval rata-
rata sekolah .
Bila nilai σ tidak diketahui maka nilai interval rata-rata dihitung dengan
rumus t sebagai berikut: s s
x t 1 .    xt 1 .
(1  ); dk
2 n (1
2
 ). dk n
Contoh-14: Soal seperti di atas tetapi σ tidak diketahui dan dari setiap sampel
yang diambil didapat standardeviasinya, SA = 18 dan SB = 10.
Jawab: Sampel berasal dari populasi yang sama tetapi σ tidak diketahui maka
digunakan uji t dan dari bentuk hipotesis, digunakan uji dua ekor.
13.324  14.100
Hitung varians gabungan: St2   207,852
29  2
Standar deviasi gabungan:
St  St2  207,852  14,42
Gunakan rumus t sebagai berikut:
x A  xB 72  68
t   0,746
pv 1 1 1 1
St  14,42 
n1 n2 14 15

α=0,025 α= 0,025 Untuk dk= 27, nilai th = 0,746 terletak

-2,05 0 0,746 2,05 dalam interval : t1 = 0,648 dengan α1 =0,25
Gbr: Kurva Uji t. dan t 2 = 0,855 dengan α2 = 0,20
di dapat pv = 0,25-0,05(0,062/0,171)
= 0,2319.
Keputusan: Karena pv > 0,05 maka Ho tidak ditolak.

Kesimpulan: kedua rata-rata relatif sama .

Contoh-15 : Bila pada contoh di atas, antara kelas A dan B materi
pelajaran disampaikan dengan model mengajar yang berbeda,
sehingga perlu di uji apakah PBM yang berbeda memberikan hasil
belajar yang berbeda pula?
Diketahui: x A  72 x B  68
n A  14 nB  15
S A  18 S B  10
α = 0,05
Ditanya: H 0 :  A   B
H A :  A  B
Jawab : PBM berbeda materi sama, gunakan uji t.
Bentuk hipotesis menyarankan uji dua ekor .
Hitung nilai t . x A  xB 72  68
th    0,733
S2 2
S 324 100
A
 B 
n A nB 14 15
 ( S A2 n A  S B2 nB ) 2 (324 14  100 15) 2
dk  2 2 2 2
2 2
 2  20,1
(S A nA ) ( S B nB ) (324 14) (100 15
 
( n A  1) (nB  1) 14  1 15  1
.diambil dk = 21.
Untuk dk=21 nilai th = 0,733 terdapat
Dalam interval tabel : pv= 0,2365
t1= 0,686 dengan α1= 0,25 0,025 (1 - α) 0,025

t2 = 0,859 dengan α2= 0,20 -2,08 0 0,73 2,08

pv= 0,25 - 0,05(0,0464/0,173) = 0,2365 Gbr. Kurva Uji t.

Keputusan : karena pv > 0,025 maka Ho diterima.(*)
Kesimpulan: kedua rata-rata relatif sama meskipun berasal dari PBM
yang berbeda.
Contoh-16: Bila pada contoh di atas, diasumsikan model PBM yang
dikembangkan di kelas A, dapat meningkatkan hasil belajar. Coba
uji hasil eksperimen tersebut dengan α = 0,05
Ditanya: H 0 :  A  B
Jawab: H A :  A  B
Pengujian ekor kanan dengan uji t.
dengan
x A  xB
th   0,733 dk  n1  n 2  2  23
2 2
S A SB

n A nB
Untuk dk= 21, nilai th = 0,73 terletak
pv= 0,2365 dalam interval: t1= 0,686 dengan α1= 0,25
α= 0,05 dan t2= 0,859 dengan α2 = 0,20.
pv = 0,25- 0,05 (0,0468/0,173)= 0,2365 .
0 0,733 1,72 Keputusan: karena pv > 0,05, Ho
ditolak(*).
Gbr: Kurva Uji t. Kesimpulan : Peningkatan yang terjadi
tidak signifikan pada α= 0,05.
Untuk uji ekor kiri, prosedurnya sama dengan prosedur di atas. Nilai
kritis pengujian Ho berada di ekor kiri kurva uji .
6.2. Uji kesamaan Varian.
Pengujian kesamaan varian digunakan untuk menentukan apakah sampel
berasal dari satu populasi tertentu. Pengujian menggunakan besaran χ² dengan
mengajukan hipoyesis:
Ho: σ² = σo f(χ²)

HA : σ² ≠ σo
 
2 2 (1-α) α
Dengan kriteria tolak Ho jika h tab.
0 χ²tab χ²
Contoh-1:
Waktu praktek untuk mencapai suatu kompetensi di Work Shop otomo tif
memiliki standar deviasi σ= 60 menit. Pada tahun ini ada 50 mahasiswa yang
mengikuti praktek yang menghasilkan standar deviasi waktu praktek selama S =
55 menit. Apakah waktu praktek tahun ini masih standar dalam taraf α= 0,05?

Jawab : Ho: σ² = 3600 menit f(χ²)

HA : σ² ≠ 3600 menit ½α=0,025 (1-α) ½α=0,025
Gunakan uji χ²
Gunakan uji dua ekor. 0 32,4 71,4 χ²
Untuk n= 50 dan S²= 3025 didapat  h2  (50  1).3025  41,174
3600
Untuk dk= 49 dengan peluang 0,025 dan 0,975 didapat χ²0,025 = 32,4 dan
χ²0,975 = 71,4 .
Keputusan: Karena χ²h berada diantara kedua harga tersebut maka Ho
diterima.
Kesimpulan: Waktu praktek mahasiswa yang praktek tahun ini masih
standar pada taraf nyata α= 0,05.
Contoh-2: Untuk memperkecil tingkat kebervariasian waktu praktek
pada soal terdahulu, instruktur memberlakukan aturan tertentu agar
mahasiswa serius dalam melaksanakan praktek. Usaha ini memberi
kan hasil standar deviasi sebesar 45 menit. Periksa dengan α= 0,05
apakah usaha tersebut berhasil? f(χ²)
Jawab: Ho: σ² ≥ 3600
HA: σ² < 3600 α=0,05 (1-α)

Gunakan uji χ² 0 33,97 χ²

Uji ekor kiri (karena varian harus mengecil). Gbr; Kurva Uji χ²
 (50  1).2025
 2
 27,56
Gunakan rumus: h
3600
Untuk dk= 49 dan peluang 0,05 didapat χ² 0,05= 33,97.
Keputusan: Karena χ²h,= 27,56 < χ²0,05= 33,97,maka Ho ditolak .
Kesimpulan: Instruktur berhasil memperkecil variasi waktu praktek
mahasiswa untuk mencapai kompetensi tertentu.

6.3. Pengujian
2
varians antar sampel menggunakan uji F dengan rumus :
S B dengan dk1= (n1-1) adalah derajat kebebasan pembilang
F 2
S K yaitu sampel yang memiliki varians terbesar dan dk2= (n2-1)
derajat kebebasan penyebut (sampel dengan varians terkecil.
Contoh-3: Dua kelompok mahasiswa malaksanakan praktek untuk mencapai
suatu kompetensi yang memiliki standar waktu tertentu menggunakan
model belajr yang berbeda. Kelompok pertama terdiri dari 10 mahasiswa
menghasilkan standar deviasi waktu sebesar 4,8 jam dan kelompok kedua
sebanyak 13 mahasiswa yang menghasilkan standar deviasi waktu sebesa
6,1 jam.
Periksa dengan α= 0,10 apakah kedua kelompok tsb homogen.
Jawab: Ho: σ²1 = σ²2
Ho: σ²1 ≠ σ²2
(6,1) 2
Gunakan Uji F dua ekor . Didapat: Fh  2
 1,62
(4,8)
Untuk dk1= 12 dan dk2 = 9 dengan α = 0,10 didapat F(0,05;12;9)= 3,07.
Keputusan: Karena Fh < Ftab. Maka Ho diterima.
Kesimpulan: Kedua model belajar memiliki varians yang sama
(homogen).
f(F)

(1-α) α=0,05

0 1,62 3,07 F
Gbr. Kurva Uji F.
Soal :
1. YLKI memeriksa pompa bensin di salah satu SPBU. Mereka mengambil sampel
sebanyak n= 20 yang menghasilkan rata-rata pengeluaran bensin pada setiap skala
pompa adalah 0,99 liter. Jika pabrik pompa menyatakan standardeviasi pompanya
adalah 0,008 liter dan rata-rata pompanya sebesar 0,97; coba uji dengan α= 0,05
apakah pompa bensi yang ada di SPBU tersebut telah merugikan konsumen?
2. Seperti soal no.1. Standar deviasi populasi tidak diketahui tetapi dari sampel yang
diambil diperoleh standardeviasi sampel sebesar 0,012 liter.
3. Menurut kurikulum standar kompetensi waktu praktek rata-rata untuk menyelesai
kan suatu kompetensi adalah 120 menit. Pada semester ini ada 28 mahasiswa
yang melaku kan praktek kompetensi tersebut, diperoleh waktu rata-rata 125 me
nit dengan standar deviasi 5 menit. Coba periksa dengan α = 0,05 apakah waktu
praktek mahasiswa tersebut telah memenuhi waktu yang ditetapkan oleh kuriku
lum?
4. Coba periksa distribusi frekuensi data pada interval fi xt
61 - 65 8
tabel berikut apakah berdistribusi normal 66 - 70 12
pada α = 0,05 ? 71 - 75 14
76- 80 20
81 - 85 16
86 - 90 12
91 - 95 8
Jumlah: 90
5. Skor ujian bahasa Inggris dari mahasiswa JPTM angkatan 2011,
ditinjau dari asal sekolahnya adalah sbb:
SMA 24 32 36 42 54 62 74 72 64 48 54 66 78 46
SMK - 28 34 38 72 36 34 28 42 42 46 56 44 42

Coba uji dengan α = 0,05 apakah hipotesis yang menyatakan tidak

ada perbedaan nilai rata-rata diterima atau ditolak.