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.
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
= =1,095
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 :