Statistika Inferensia:

Pengujian Hipotesis
 Permainan (1)
Ambil sekeping uang coin. Masing-masing
mahasiswa lempar satu kali. Kemudian catat hasil
lemparan dari 40 mahasiswa.

Kejadian Turus Jumlah

Muncul
Angka
Muncul
Gambar
 Lanjutan Permainan (1)

Berapa persen muncul sisi angka dari permainan

tersebut?
Apakah dapat dikatakan bahwa coin tersebut
setimbang (peluang munculnya sisi angka dan
peluang munculnya sisi gambar sama)?
 Lanjutan Permainan (1)
Persentase
munculnya sisi
angka dari pˆ 
a
permainan n
tersebut

Coin p = 50% = 0.5

setimbang ?
 Coin Analogy

H y p o th e s is S ig n ific a n c e L e v e l

C o lle c t E v id e n c e D e c is io n R u le
 m > 20?
Butuh pembuktian
berdasarkan Mana yang
contoh!!! benar?
Apa yang
diperlukan?

Populasi :
 = 20

Ok, itu adalah

Sampel : pengujian hipotesis,
butuh pengetahuan
x  25 mengenai
SEBARAN
PENARIKAN
CONTOH
 Pengujian Hipotesis

Merupakan perkembangan ilmu experimantal 

terminologi dan subyek
Menggunakan 2 pendekatan :
 Metode inferensi induktif  R.A. Fisher
 Metode teori keputusan  J. Neyman & E.S. Pearson
mengatasi kekurangan dari metode inferensia induktif
 Unsur Pengujian Hipotesis

Hipotesis Nol
Hipotesis Alternatif
Statistik UJi
Daerah Penolakan H0
 Hipotesis

  Suatu pernyataan / anggapan yang mempunyai nilai

mungkin benar / salah atau suatu pernyataan /anggapan
yang mengandung nilai ketidakpastian

 Misalnya:
 Besok akan turun hujan  mungkin benar/salah
 Penambahan pupuk meningkatkan produksi  mungkin
benar/salah
 Varietas A lebih baik dibandingkan dengan varietas B  mungkin
benar/salah
 Hipotesis Statistik

Suatu pernyataan tentang nilai suatu parameter populasi

 H0 (hipotesis nol): suatu pernyataan yang bersifat

“status quo” (tidak ada beda , tidak ada perubahan)
 H1 (hipotesis tandingan): pernyataan lain yang akan
diterima jika H0 ditolak (”ada” perbedaan, ”terdapat
perubahan”)
Dalam pengambilan keputusan
memungkinkan untuk terjadi
kesalahan
H0 benar H0 salah
Tolak H0 Peluang salah jenis I Kuasa pengujian
(Taraf nyata; ) (1-)
Terima H0 Tingkat kepercayaan Peluang salah jenis II
(1-) ()

P(salah jenis I) = P(tolak H0/H0 benar) = 

P(salah jenis II) = P(terima H0/H1 benar) = 
 Daerah
Daerah
PEnolakan
Penerimaan
H0
H0
ˆ

H0: H1:
=20 =24

 = P(Terima H0 | H1 benar)  = P(tolak H0 | Ho benar)

22
 = P( < 22 |  = 24)  = P( > 22 |  = 20)

 Merupakan sembarang parameter

 CONTOH (1)
Sampel diambil secara acak dari populasi normal(;2 = 9), berukuran 25.
Hipotesis yang akan diuji,
H0 :  = 15
H1 :  = 10
Tolak H0 jika rata-rata kurang dari atau sama dengan 12.5
Berapakah besarnya kesalahan jenis I dan II ?
Jawab:
P(salah jenis I) = P(tolak H0/ = 15) = P(z  (12.5-15)/3/25))
= P(z  - 4.167 )  0
P(salah jenis II) = P(terima H0/ = 10) = P(z  (12.5-10)/3/25))
= P(z  4.167 ) = 1 - P(z  4.167 )  0
 Sifat  dan 

H1 H0 H1
H0

   

  
  
H1
H0
Jika n   dan  akan
menurun lihat KURVA 
KATERISTIK OPERASI 
 Hipotesis yang diuji

H0 :  = 0 H0 :   0 H0 :   0

H1 :   0 H1 :  < 0 H1 :  > 0

Hipotesis dua arah Hipotesis SATU arah

Statistik uji :
ˆ
v
sˆ

q merupakan sembarang parameter

v merupakan sembarang statistik uji
 Wilayah kritik
Daerah Penolakan H0
Tergantung dari H1. Misalkan v = z  N (0,1)

H1 :   0

Daerah
Penerimaan
H0
/2 /2
Nilai kritik
Daerah
Penolakan H0
-z/2 z/2

Tolak H0 jika v < -z/2 atau v > z/2

H1 :  < 0

Daerah
Penerimaan
H0


Daerah
Penolakan H0
-z
Tolak H0 jika v < -z/2

H1 :  > 0

Daerah
Penerimaan
H0 

Daerah
Tolak H0 jika v > z Penolakan H0
z
  & nilai p
  = taraf nyata dari uji
statistik
 Nilai p = taraf nyata dari
contoh  peluang 
merupakan suatu ukuran
“kewajaran” untuk
menerima H0 atau
menerima H1
 Jika nilai p <  maka Tolak
Nilai p
H0 

z  zh
Nilai p = P (Tolak H0 | contoh)
Misalnya : nilai p = P(Z > zh)
 Tujuan pengujian

Satu Populasi Dua populasi

Nilai Satu Data saling Data

Tengah() Populasi (p) bebas berpasangan

2
1 - 2 p1 - p2 d
diketahui Tidak
diketahui
12 & 22
Tidak Uji z Uji t
Uji z Uji t Uji z diketahui
diketahui

12 & 22

Uji z
sama Tidak sama

Uji t Uji t
Formula 1 Formula 2
Uji Nilai Tengah Populasi ()
 Hipotesis yang dapat diuji:
Hipotesis satu arah
 H0 :    vs H1 :  < 0
0

 H0 :   0 vs H1 :  > 0
Hipotesis dua arah
 H0 :  =  H1 :   0
0 vs

 Statistik uji:
x  0
 Jika ragam populasi ( ) diketahui
2
: zh 
/ n
x  0
th 
 Jika ragam populasi (2) tidak diketahui : s/ n
 Contoh (2)
Batasan yang ditentukan oleh pemerintah terhadap emisi
gas CO kendaraan bermotor adalah 50 ppm. Sebuah
perusahaan baru yang sedang mengajukan ijin pemasaran
mobil, diperiksa oleh petugas pemerintah untuk
mennetukan apakah perusahaan tersebut laya diberikan
ijin. Sebanyak 20 mobil diambil secara acak dan diuji
emisi CO-nya. Dari data didapatkan, rata-ratanya 55 dan
ragamnya 4.2. Dengan menggunakan taraf nyata 5%,
layakkah perusahaan tersebut mendapat ijin?
One-Sample T

Test of mu = 50 vs > 50

95%
Lower
N Mean StDev SE Mean Bound T P
20 55.0000 2.0494 0.4583 54.2076 10.91 0.000
 Pengujian Hipotesis untuk
selisih dua nilai tengah populasi
 Hipotesis

 Hipotesis satu arah:

H0: 1- 2 0 vs H1: 1- 2 <0
H0: 1- 2  0 vs H1: 1- 2 >0
 Hipotesis dua arah:

H0: 1- 2 =0 vs H1: 1- 2 0

 Statistik uji
( x1  x 2 )   0
zh 
 ( x1  x2 )

Formula 1 klik diketahui

Syarat :
 &
2 2
sama
1 2 12 & 22

Tidak sama Tidak

diketahui
Formula 2 klik
 Formula 1
a. Jika 1 dan 2 tdk diketahui dan diasumsikan sama:

1 1 
( x1  x 2 )   0 s x1  x2  s 2
  
th  gab
s ( x1  x2 )  n1 n2 

( n1  1) s12  ( n 2  1) s 22
2
s gab  dan v  n1  n 2  2
n1  n 2  2
 Formula 2
b. Jika 1 dan 2 tdk diketahui dan diasumsikan tidak sama:

( x  x2 )   0  s12 s22 
th  1 s x1  x2    
s ( x1  x2 )
 n1 n2 

2
s
2
s2

 n  n 
1 2

v  1 2 

 s 2  2   s 2  2 
 1 n   n1  1    2 n   n 2  1 
  1    2  
 Contoh (3)
Dua buah perusahaan yang saling bersaing dalam industri
kertas karton saling mengklaim bahwa produknya yang lebih
bak, dalam artian lebih kuat menahan beban. Untuk
imengetahui produk mana yang sebenarnya lebih baik,
dilakukan pengambilan data masing-masing sebanyak 10
lembar, dan diukur berapa beban yang mampu ditanggung
tanpa merusak karton. Datanya sebagai berikut:

Perush A 30 35 50 45 60 25 45 45 50 40

Perush B 50 60 55 40 65 60 65 65 50 55

 Ujilah karton produksi mana yang lebih kuat dengan asumsi

ragam kedua populasi berbeda, gunakan taraf nyata 10%!
 Contoh (3)
Suatu penelitian dilakukan untuk mengetahui rataan waktu yang dibutuhkan
(dalam hari) untuk sembuh darisakit flu. Terdapat dua grup, satu grup
sebagai kontrol dan grup lainnya diberi vitamin C dengan dosis 4 mg/hari.
Statistik yang diperoleh dari peneltian tersebut sebagai berikut :

  Perlakuan
Kontrol Vitamian C : 4 mg
Ukuran contoh 35 35
Rataan contoh 6.9 5.8
Simpangan baku
contoh 2.9 1.2

 Ujilah apakah rata-rata lama waktu sembuh untuk grup yang diberi vitmin C
lebih pendek dibandingkan grup kontrol! Asumsikan data menyebar normal
dan gunakan α=5%
*Sumber : Mendenhall, W (1987)
Pengujian Hipotesis untuk data
berpasangan
 Hipotesis
Hipotesis satu arah:
H0: 1- 2 0 vs H1: 1- 2 <0
atau
H0: D 0 vs H1: D<0 Statistik uji :

H0: 1- 2  0 vs H1: 1- 2 >0 d 0

atau th 
H0: D  0 vs H1: D>0
s/ n
Hipotesis dua arah:
H0: 1- 2 =0 vs H1: 1- 2 0
atau
H0: D = 0 vs H1: D0
 Contoh (4)
Suatu klub kesegaran jasmani ingin mengevaluasi program diet,
kemudian dipilih secara acak 10 orang anggotanya untuk
mengikuti program diet tersebut selama 3 bulan. Data yang
diambil adalah berat badan sebelum dan sesudah program diet
dilaksanakan, yaitu:

Berat Badan Peserta

1 2 3 4 5 6 7 8 9 10
Sebelum (X1) 90 89 92 90 91 92 91 93 92 91
Sesudah (X2) 85 86 87 86 87 85 85 87 86 86
D=X1-X2 5 3 5 4 4 7 6 6 6 5

Apakah program diet tersebut dapat mengurangi berat badan

minimal 5 kg? Lakukan pengujian pada taraf nyata 5%!
 Penyelesaian

 Karena kasus ini merupakan contoh berpasangan, maka:

 Hipotesis:
H0 : D  5 vs H1 : D < 5
 Deskripsi:

n d i2    d i 
2

d
 di 
51
 5,1 s 
2
d 
10(273)  (51) 2
 1,43
n 10 n(n  1) 10(9)

 Statistik uji: s d  1,43  1,20

d  d d  d 5,1  5
t    0,26
sd sd 1,20 / 10
n
Daerah kritis pada =5%
Tolak H0, jika th < -t(=5%,db=9)=-1.833

Kesimpulan:
Terima H0, artinya program diet tersebut dapat mengurangi
berat badan minimal 5 kg
Pendugaan Parameter:
Kasus Satu Sampel

PROPORSI
 Hipotesis yang dapat diuji:
Hipotesis satu arah
 H0 : p  p vs H1 : p < p0
0

 H0 : p  p0 vs H1 : p > p0
Hipotesis dua arah
 H0 : p = p
0 vs H1 : p  p0

 Statistik uji:
pˆ  p0
zh 
p0 (1  p0 )
n
 Contoh(4)
 Menurut suatu artikel suatu obat baru yang diekstrak dari suatu
jamur, cyclosporin A, mampu meningkatkan tingkat kesuksesan dalam
operasi transplantasi organ. Menurut artikel tersebut, 22 pasien yang
menjalani operasi transplantasi ginjal diberikan obat baru tersebut.
Dari 22 pasien tersebut, 19 diantaranya sukses dalam operasi
transpalntasi ginjal.
 Apakah sampel tersebut cukup secara statistik? Sebagai informasi
ahwa keberhasilan dengan menggunakan prosedur yang standar
adalah sekitar 60%!
 Jika kemudian dilakukan pengamatan terhadap 35 pasien dan 25
diantaranya berhasil menjalani transplantasi ginjal, apakah dapat
dikatakan bahwa obat baru tersebut lebih baik dari prosedur yang
standar?
*Sumber : Mendenhall, W (1987)
*sedikit modifikasi soal
Pendugaan Parameter:
Kasus dua Sampel

SELISIH DUA PROPORSI

besar perbedaan antara dua proporsi (0 (p1-p2))

>0

Hipotesis (1)
0
klik

=0

Hipotesis (2)
Klik
 Hipotesis (1)
 Hipotesis satu arah:
H0: p1- p2 0 vs H1: p1- p2 <0
H0: p1- p2  0 vs H1: p1- p2 >0
 Hipotesis dua arah:
H0: p1- p2 =0 vs H1: p1- p2 0

Statistik uji : ˆ
(p ˆ2)
p 
z
h 1 0

ˆ
p(1ˆ
p ) pˆ2(
1 ˆ2)
p
1 1

n1 n2
 Hipotesis (2)
 Hipotesis satu arah:
H0: p1  p2 vs H1: p1 < p2
H0: p1  p2 vs H1: p1 > p2
 Hipotesis dua arah:
H0: p1 = p2 vs H1: p1 p2
Statistik uji : ˆ1
(p ˆ2)
p x1  x2
h
z pˆ 
1 1 n1  n2
ˆ(
p1 ˆ)(  )
p
n1 n
2
 Contoh(6)
 Sebuah penelitian dilakukan untuk menguji pengaruh
obat baru untuk viral infection. 100 ekor tikus
diberikan suntikan infeksi kemudian dibagi secara acak
ke dalam dua grup masing-masing 50 ekor tikus. Grup
1 sebagai kontrol, dan grup 2 diberi obat baru tersebut.
Setelah 30 hari, proporsi tikus yang hidup untuk grup 1
adalah 36% dan untuk grup 2 adalah 60%. Apakah
obat tersebut efektif? Obat dikatakan efektif jika
perbedaan antara grup perlakuan dengan grup kontrol
lebih dari 12%

*Sumber : Mendenhall, W (1987)

*sedikit modifikasi soal
 Penyelesaian
Diketahui :

x1 
Grup Kontrol Grup perlakuan
p1 p2

n1 =50 n2 =50
ˆ 1  0.36
p ˆ 2  0.6
p

Ditanya : p2-p1 > 0.12?

 Penyelesaian
JAwab :

H0: p2- p1  0.12 vs H1: p2- p1 > 0.12

 = 5%
Statistik uji : (
0.
60.
36
)0.
12
z
h 1
.
23
0
.6
(
10.6
)0 .
36(
10
.
36)

50 50

Wilayah kritik : Tolak H0 jika zh > z0.05 = 1.645

Kesimpulan: karena zh=1.23 < z0.05 = 1.645 maka Terima
H0 (belum cukup bukti untuk Tolak H0) dengan kata
lain berdasarkan informasi dari sampel yang ada belum
menunjukkan bahwa obat tersebut efektif