UJI HIPOTESIS SATU

SAMPEL
Pengertian Hipotesis
Hipotesis merupakan pernyataan mengenai
populasi. Data kemudian digunakan untuk
memeriksa kelayakan dari suatu pernyataan.
Di dalam analisis statistik, kita mengajukan
pernyataan -yakni pernyataan hipotesis-
mengumpulkan data, dan lalu menggunakan data
untuk menguji pernyataan tersebut. Kita
mendefinisikan hipotesis statistik sebagai berikut.

Hipotesis adalah pernyataan mengenai

parameer populasi untuk dibuktikan.
Pengertian Uji Hipotesis
Istilahuji hipotesis dan pengujian hipotesis digunakan
secara bergantian. Uji hipotesis dimulai dengan
pernyataan atau asumsi, mengenai parameter populasi
-seperti rata-rata populasi. Pernyataan ini disebut
sebagai hipotesis.
Uji hipotesis adalah suatu prosedur berdasarkan pada
bukti sampel dan teori probabilitas untuk menetukan
apakah suatu hipotesis merupakan pernyataan yang
tepat.
  
Prosedur Lima Tahap untuk Menguji Hipotesis

Tahapan 1 : Menetapkan Hipotesis Nol (H0) dan

Hipotesis Alternatif (H1)
Tahap awal adalah menetapkan hipotesis yang
diuji. Disebut dengan hipotesis nol; dilambangkan
H0 , dan dibaca “H sub zero”. Huruf besar
merujuk pada hipotesis, dan angka nol
menunjukkan “tidak ada perbedaan”.
Hipotesis nol adalah pernyataan mengenai nilai
parameter populasi yang digunakan dengan
maksud menguji bukti angka.
Hipotesis alternatif menguraikan apa yang akan
Anda simpulkan jika Anda menolak hipotesis nol.
Ditulis H1 dan dibaca “H sub satu”. Hipotesis
alternatif juga disebut dengan hipotesis penelitian.
Hipotesis alternatif diterima jika data sampel
menyediakan kita buku statistik yang mencukupi
bahwa hipotesis nol itu salah.
Hipotesis alternatif adalah suatu pernyataan
yang diterima jika data sampel menyediakan bukti
yang mencukupi bahwa hipotesis nol itu salah.
Kesalahan Tipe I Penolakan hipotesis
nol, ketika hipotesis tersebut benar
Tahapan 2 : Memilih Tingkat Signifikansi
Tingkat signifikansi adalah probabilitas
penolakan hipotesis nol ketika hipotesis
tersebut benar. Tingkat signifikansi ditanai
dengan huruf Yunani alpha (α). Kadang-kadang
disebut tingkat risiko. Ini mungkin istilah yang
lebih cocok karena merupakan risiko yang
Anda ambil karena menolak hipotesis nol
ketika hipotesis tersebut sesungguhnya benar.
Ada dua jenis Tipe Kesalahan yaitu, Kesalahan
Tipe I dan Kesalahan Tipe II.
 Contoh kesalahan tipe I adalah sampel 50 papan sirkuit yang
diterima pada tanggal 21 Juli dar Allied Electronics
menunjukkan bahwa 4 papan, atau 8 persen, tidak memenuhi
syarat. Pengiriman tersebut ditolak karena melebihi maksimal 6
persen sirkuit cetakan yang tidak memenuhi syarat. Jika
pengiriman tersebut benar-benar tidak memenuhi syarat, maka
keputusan untuk mengembalikan papan-papan tersebut ke
pemasok adalah benar. Akan tetapi, andaikan 4 papan sirkuit
cetakan yang dipilih tidak memenuhi syarat dalam 50 sampel
itu. merupakan hanya keempat papan tidak memenuhi syarat
dalam pengiriman 4.000 papan tersebut. Maka hanya 1/10 dari
1 persen yang cacat (4/4000=0,001). Dalam hal itu, terdapat
kurang dari 6% dari keseluruhan pengiriman yang tidak
memenuhi syarat dan menolak pengiriman itu merupakan
kesalahan. Dalam hal pengujian hipotesis, kita menolak
hipotesis nol bahwa pengiriman itu bukan tidak memenuhi
syarat ketika kita seharusnya menerima hipotesis nol itu.
dengan menolak hipotesis nol yang benar, maka kita
melakukan Kesalahan Tipe I. Probabilitas untuk melakukan
Kesalahan Tipe I adalah α.
Kesalahan TIPE II Penerimaan hipotesis nol, ketika
hipotesis tersebut salah.

Perusahaan produsen computer personal akan melakukan

kesalahan TIPE II jika, tanpa sepengetahuan produsen,
suatu pengiriman papan sirkuit cetakan dari Allied
Electronics berisi 15% papan tidak memenuhi syarat,
namun pengiriman tersebut diterima. Bagaimana ini bisa
terjadi? Andaikan 2 dari 50 papan dalam sampel (4%)
yang diuji tidak memenuhi syarat, dan 48 dari 50
merupakan papan-papan yang baik. Menurut prosedur
yang telah ditetapkan, karena sampel tersebut berisi
kurang dari 6% papan tidak memenuhi syarat pengiriman
tersebut diterima mungkin saja bahwa secara kebetulan
ke-48 papan yang baik yang tepilih dalam sampel tersebut
merupakan satu-satunya papan memenuhi syarat dalam
seluruh pengiriman yang berisi ribuan papan itu!
 Dalam peninjauan ulang, sang peneliti tidak dapat meneliti
setiap barang dalam populasi tersebut. Dengan demikian,
ada kemungkinan dua jenis kesalahan-kesaahan Tipe I,
dimana hipotesis nol ditolak ketika seharusnya diterima,
dan kesalahan Tipe II, dimana hipotesis nol tidak ditolak
seharusnya ditolak.
 Kita sering kali mengacu pada probabilitas dari kedua
kemungkinan kesalahan ini sebagai α, dan β. α adalah
probabilitas kesalahan Tipe I, dan β adalah probabilitas
kesalahan Tipe II. Tabel berikut merangkum keputusan-
keputusan yang bisa dibuat peneliti dan berbagai
konsekuensi yang mungkin.
Tahapan 3: Pilih Statistik Pengujian
Statistik pengujian adalah sebuah nilai
yang ditentukan dari informasi sampel
yang digunakan untuk menentukan
apakah kita akan menolak hipotesis nol.
Berikut rumus dari pengujiannya :
Tahapan 4 : Rumuskan Aturan Keputusan
Aturan statistika adalah sebuah pernyataan kondisi-
kondisi spesifik di mana dalam kondisi tersebut
hipotesis nol ditolak dan kondisi-kondisi di mana
dalam kondisi tersebut hipotesis nol tidak
ditolak.daerah penolakan mendefinisikan lokasi semua
nilai yang begitu besar atu begitu kecil sehingga
probabilitas kemunculan di bawah suatu hipotesis nol
cenderung tipis.
Diagram 10-1 menjelaskan daerah penolakan untuk
sebuah uji signifikansi yang akan dilakukan kemudian
dalam pembahasan ini.
Perhatikan dalam diagram bahwa:
 Daerah di mana daerah hipotesis nol tidak ditolak adalaah di sebelah kiri 1,65.
Kita akan menjelaskan bagaimana mendapatkan nilai 1,65
 Daerah penolakan adalah di sebelah kanan 1,65.
 Diterapkan pengujian satu-sisi
 Tingkat signifikansi 0,05 dipilih
 Distribusi sampling dari statistik z mengikuti distribusi probabilitas normal
 Nilai 1,65 memisahkan daerah-daerah di mana hipotesis nol tersebut ditolak
dan di mana hipotesis tersebut tidak ditolak.
 Nilai 1,65 adalah nilai kriti
NILAI KRITIS Titik pemisah antara daerah di mana hipotesis nol ditolak dan
daerah di mana hipotesis tersebut tidak ditolak
Tahapan 5: Ambil Keputusan
 Langkah terakhir adalah menghitung statistik pengujian,
membandingkannya dengan nilai kritis, serta membuat keputusan
untuk menolak atau tidak menolak hipotesis nol. Mengacu pada
diagram 10-1, jika berdasarkan informasi sampel, z yang dihitung
bernilai 2,34, hipotesis nol ditolak pada tingkat signifikansi 0,05.
Keputusan untuk menolak H0 dibuat karena 2,34 terdapat dalam
daerah penolakan, dengan kata lain, melebihi 1,65. Kita akan
menolak H0, dengan alasan bahwa sangat tidak mungkin nilai z
yang terhitung yang begitu besar ini adalah akibat kesalahan
sampling (kebetulan). Jika nilai yang terhitung adalah 1,65 atau
kurang, katakanlah, 0,71, hipotesis nol tidak akan ditolak. Hal itu
akan dianggap sebagai sampling (kebetulan). Seperti yang terlihat,
hanya satu dari dua keputusan yang mungkin dalam pengujian
hipotesis adalah menerima atau menolak H0.

 Berikut Ringkasan Langkah Uji Hipotesis :

 Menetapkan H0 dan Hipotesis alternative (H1)
 Pilih tingkat signifikansi
 Pilih statistik pengujian yang sesuai
 Rumuskan aturan keputusan

Lihat diagram 10-1, diagram tersebut menggambarkan uji
satu-sisi. Daerah penolakan hanya ada di ujung kanan (bagian
atas) dari kurva tersebut. Sebagai gambaran andaikan
departemen pengemasan di General Foods Corperation
berpendapat bahwa sebagian kotak Grape Nuts terlalu berat.
Sereal tersebut dikemas dalam kotak-kotak 453 gram,
sehingga hipotesis nol nya adalah H0: µ ≤ 453. Ini di baca
rata-rata populasi lebih besar dari 453. “perhatikan bahwa
tanda pertidaksamaan dalam hipotesis alternatif (>) menunjuk
pada daerah penolakan di ujung sebelah atas (lihat diagram
10-1) perhatikan juga bahwa hipotesis nol menyertakan tanda
sama dengan artinya H0: µ ≤ 453. Kondisi persamaan selalu
muncul dalam H0, tidak pernah dalam H1.

Uji Signifikansi Satu Sisi dan Dua

Sisi
Diagram 10-2 menjelaskan suatu situasi di mana daerah penolakan
berada di sisi kiri (bagian bawah) dari distribusi normal. Sebagi
gambaran pertimbangkan masalah produsen mobil perusahaan
penyewaan mobil besar, serta organisasi-organisasi lain yang
membeli ban dengan kualitas besar. Mereka menginginkan ban-ban
tersebut berada pada tingkat rata-rata, katakanlah 60.000 mil dalam
penggunaan normal. Mereka akan menolak pengiriman ban jika
pengujian mengungkapkan bahwa ata-rata umur ban tersebut secara
signifikan di bawah 60.000 mil. Mereka dengan senang menerima
suatu pengiriman jika rata-rata umurnya lebih panjang dari 60.000
mil akan tetapi, mereka tidak menghawatirkan kemungkinan ini.
Mereka hanya khawatir jika mereka memiliki bukti sampel untuk
menyimpulkan bahwa ban-ban tersebut ratarata memiliki masa pakai
kurang dari 60.000 mil. Dengan demikian, pengujan itu diadakan
untuk menjawab kekhawatiran produsen mobil bahwa rata-rata umur
ban-ban tersebu tidak kurang dari 60.000 mil. Pernyataan ini muncul
dalam hipotesis alternative. Hipotesis nol an hipotesis alternative
dalam kasus ini masing-masing ditulis dengan lambang H0:µ ≥
60.000 dan H1:µ < 60.000.
Suatu cara untuk menentukan lokasi daerah penolakan
adalah dengan melhat kearah mana tanda pertidaksamaan
dalam hipotesis alternatifnya tertuju (< atau >). Dalam
masalah ini, tanda tersebut tertuju ke kiri dan daerah
penolakannya oleh karena itu ada di ujung sebelah kiri.
Ringkasnya, sebuah pengujian adalah satu sisi ketika
hipotesis alternatif, H1, menyatakan suatu arah seperti :
 H0 : rata-raa pendapatan pialang saham perempuan
kurang dari atau sama dengan $65.000 pertahun.
H1 : Rata-rata pendapatan pialang saham perempuan lebih
besar dari $65.000 pertahun
Jika tidak ada arah yang ditetapkan dalam hipotesis
alternative, kita menggunakan pengujian dua sisi.
Dengan mengubah masalah sebelumnya untuk
menjelaskan, kita dapat mengatakan :
H0 : rata-rata pendapatan pialang saham perempua
$65.000 pertahun
H1 : rata-rata pendapatan pialang saham perempuan
tidak sama dengan $65.000 pertahun.
 Pada Gambar tersebut terlihat bahwa kita menggunakan uji
satu arah, karena area penolakan hanya di sebelah kanan
arah dari kurva. Pengujian satu arah atau dua arah akan
sangat ditentukan oleh hipotesis yang akan kita uji. Pada
contoh uji tentang mean yang menyatakan bahwa Ho: µ
3,02, yang dibaca bahwa rata-rata populasi adalah sama
dengan atau kurang dari 3,02, sehingga hipotesis
alternatifnya adalah Ha: µ > 3,02. Uji ini adalah uji satu
arah sehingga apabila kita gambarkan dalam bentuk grafik
adalah seperti Gambar.
Gambar 10.3
Grafik Pengujian Satu Arah
 

Menguji Rata-Rata Populasi jika Standar Deviasi

Populasi Diketahui
 Apabila kita ingin menguji suatu hipotesis yang
menyatakan bahwa rata-rata keluarga memiliki anak
kurang dari 4 orang maka bentuk uji hipotesisnya adalah
sebagai berikut:
 Ho: µ 4
 Ho: µ < 4
 Pada hipotesis di atas dalam pengujiannya menggunakan
uji satu arah di mana aturan pengambilan keputusannya
bisa kita gambarkan sebagai berikut:
Gambar 10.4
Grafik Pengujian Satu Arah

 Uji satu arah digunakan jika dalam pernyataan hipotesis

ada tanda lebih besar atau lebih kecil (>/<).
 Apabila dalam pernyataan hipotesis tidak ada petunjuk lebih besar
atau lebih kecil maka uji dua arah digunakan. Sebagai contoh
adalah apabila kita ingin menguji suatu hipotesis yang
menyatakan bahwa tidak ada perbedaan antara rata-rata
pendapatan daerah A dengan daerah B, maka hipotesis yang kita
gunakan rumus sebagai berikut:
 Ho: µA = µB
 Ho: µA µB
 Untuk menguji hipotesis di atas maka uji yang digunakan adalah
uji dua arah, sehingga kurva uji adalah seperti pada Gambar 10.4

Gambar 10.5
Grafik Pengujian Dua Arah
 Dalam uji hipotesis tentang rata-rata populasi dengan sampel
besar, deviasi standar populasi harus diketahui.
 Pada uji ini kita ingin mengetahui tentang apakah rata-rata
populasi semua dengan nilai tertentu. Sebagai contoh adalah rata-
rata return on equity perusahaan publik di Indonesia adalah 0,46
dengan jumlah populasi adalah 700 dan deviasi standart adalah
0,05 maka nilai Z hitung bisa dicari dengan rumus :

Z= x

n

Dimana:
 μ adalah rata-rata populasi;
 n adalah jumlah sampel
 adalah rata-rata sampel;
 σ adalah deviasi standar populasi

Apabila diambil sampel sebanyak 30 perusahaan ditemukan bahwa =

0,47 maka hipotesisnya adalah:
 Ho: µA = 0,46
 Ho: µA 0,46.
 x
 Maka nilai Z =
n

= =1,095

 Apabila dengan tingkat kepercayaan 95% maka nilai kritis

Z dengan uji 2 arah, setengah dari  0,05 adalah 0,025,
sehingga luas kurva adalah 0,475 dengan mencari pada
nilai tabel Z didapatkan nilai Z tabel +1,96 sehingga bentuk
kurvanya adalah:
Gambar 10.6
Titik Kritis Pengujian Dua Arah

x 0,05
  0,025
Z 2
0,475 0,475

-1,96 0 1,96
 Nilai Z hitung tersebut akan terletak pada daerah
penerimaan Ho. Dari sini kita bisa menyimpulkan bahwa
kita tidak membuktikan bahwa Ho benar tetapi kita telah
gagal untuk menyangkal Ho, yang berarti kesimpulannya
rata-rata return on investment perusahaan di Indonesia
adalah 0,46.
 Apabila kita ingin menguji satu arah maka nilai Z hitung
akan berubah menjadi 0,5 – 0,05 = 0,45 sehingga titik
kritisnya adalah 1,65. Dalam bentuk kurva nilai pengujian
satu arah adalah sebagai berikut:
Gambar 10.7
Titik Kritis Pengujian Satu Arah

 Dengan menggunakan uji satu arah bisa dilihat bahwa nilai Z hitung
tetap berada pada daerah penolakan H0 sehingga kita bisa
menyimpulkan bahwa rata-rata return on investment perusahaan
di Indonesia adalah 0,46.
Nilai P dalam Uji Hipotesis
Dalam aplikasi software statistik biasanya akan
tercantum nilai P yang merupakan nilai kekuatan
penolakan. Dengan nilai P kita bisa membandingkan
dengan tingkat signifikansi atau alpha di mana jika nilai
P lebih kecil dari nilai tingkat signifikansi atau alpha
maka menolak Ho, namun jika nilai P lebih besar dari
tingkat signifikansi atau alpha maka menerima Ho.
Nilai P adalah probabilitas sampel observasi mempunyai
perbedaan yang besar dari nilai observasi di mana
hipotesis null benar. Nilai P yang sangat kecil
menunjukkan bahwa kecil kemungkinan Ho benar,
sebaliknya jika P-value besar maka kecil kemungkinan
bahwa Ho salah.
 Untuk mendapatkan nilai P kita mengurangi luas area ½ kurva dengan
luas area z dari z hitung. Pada contoh rata-rata pendapatan uji hipotesis
tentang return on investment dengan dua arah diatas, diperoleh luas
area z hitung = 0,3621. Dengan 0,5 – 0,3621 = 0,1375. Dikali dua untuk
uji dua arah = 0,275. Karena nilai P sebesar 0,275 lebih besar dari pada
0,05 maka kita tidak menolak Ho.
 Dalam aplikasi software yang lain mungkin bukan nilai P sebagai
indikator penerimaan atau penolakan hipotesis,tetapi menggunakan
nilai Signifikansi. Contoh yang ada adalah pada aplikasi software SPSS,
keputusan penerimaan atau penolakan hipotesis bisa dengan melihat
nilai Sig(Significant). Jika nilai Sig lebih kecil dari alpha maka kita bisa
menyimpulkan untuk menolak H0, sebaliknya jika nilai Sig lebih besar
dari alpha maka kesimpulan yang dibuat adalah kita menerima H0.
Penerimaan dan penolakan H0 terlihat seperti Gambar7 
Gambar 10.8
Daerah Penerimaan & Penolakan H0
Menguji Rata-Rata Populasi : Standar Deviasi
Populasi Tidak Diketahui
Apabila dalam uji hipotesis di atas tidak diketahui, maka kita menggunakan deviasi
standar sampel sebagai penggantinya, sehingga z hitung adalah

 Z=

di mana:
μ = adalah rata-rata populasi s = adalah deviasi standar sampel
= adalah rata-rata sampel n =adalah jumlah sampel

Dalam kondisi ini,prosedur statistik yang benar adalah mengganti distribusi normal
dengan distribusi t. sebagai tinjauan ulang, karakteristik-karakteristik utama dari
distribusi t adalah :
Merupakan distribusi yang kontinu
Berbentuk lonceng dan simetris
Terdapat suatu keluarga distribusi t. setiap kali derajat kebebasan berubah, sebuah
distribusi baru diciptakan
Ketika angka derajat bertambah, bentuk distribusi t mendekati bentuk distribusi normal
standar.
 Berikut contoh dari pengujian mengenai proporsi satu sampel. Hasil penelitian yang
sudah dilakukan pada SD X, dinyatakan bahwa 40% murid SD tersebut menderita
cacingan. Pernyataan tersebut akan diuji dengan derajat kemaknaan 5%, untuk itu
diambil sampel sebanyak 250 murid SD dan dilakukan pemeriksaan tinja dan
diperoleh 39% diantaranya terinfeksi cacing. Apakah pernyataan tersebut benar?
 Solusi
1. H0 : p = 0.4 H1 : p ≠ 0.4 =) titik kritis Zα/2 = 1,96 =) uji 2 sisi
2. Derajat kebebasan = 5%
3. Uji statistik :

4. H0 ditolak jika berada pada z<-1,96 atau z>1,96

5. Statistik hitung : z = -0,33
6. Kesimpulan : Nilai z = -0,33 > -1,96 sehingga gagal tolak H 0 pada tingkat
signifikansi 0.05

Pengujian Mengenai Proporsi

Kesalahan Dalam Hipotesis
 Dalam pengujian hipotesis selalu dihadapkan suatu kesalahan pengambilan
keputusan. Ada dua jenis pengambilan keputusan dalam uji statistik:
 Kesalahan jenis I
 Kesalahan ini merupakan kesalahan menolak H O, padahal sesungguhnya HO
benar. Artinya menyimpulkan adanya perbedaan, padahal sesungguhnya
tidak ada perbedaan. Peluang kesalahn jenis 1 adalah  atau sering disebut
tingkat signifikansi ( signifikance level ). Sebaliknya, peluang untuktidak
membuat kesalahan jenis I adalah sebesar I - , yang disbut tingkat
kepercayan ( confidence level ).

 Kesalahan jenis II 

 Kesalahan ini merupakan kesalahan tidak menolak H O, padahal
sesungguhnya HO salah. Artinya menyimpulkan tidak adanya perbedaan,
padahal sesungguhnya ada perbedaan. Peluang kesalahan jenis II adalah .
Peluang untuk tidak membuat kesalahan jenis II adalah sebesar 1-, dan
dikenal sebagai tingkat kekuatan uji ( power of the test ).
 Tabel kesalahan pengambilan keputusan

 Power of test (kekuatan uji)

 Power of test merupakan peluang untuk menolak
hipotesis nol (HO ) ketika HO memang salah atau dengan
kata lain kemampuan untuk mendeteksi adanya
perbedaan bermakna antara kelompok-kelompok yang
diteliti ketika perbedaan-perbedaan itu memang ada.
 Dalam pengujian hipotesis dikehendaki nilai  dan  kecil
atau ( 1-)  besar, namun hal ini sulit dicapai karena bila
 semakin kecil, nilai  akan semakin besar. Berhubung
harus dibuat keputusan menolak atau tidak menolak H O,
maka harus diputuskan untuk memilih salah satu saja
yang harus diperhatikan, yaitu  dan  yang harus
diperhatikan. Pada umumnya untuk amannya dipilih.