1

STATISTIKA INDUKTIF
EDISI 3

Algifari
STIE YKPN Yogyakarta
 2

BAB 3
Uji Hipotesis
 3

Tujuan

Membuat prosedur uji hipotesis sebagai teknik untuk

membuat keputusan, menentukan risiko kesalahan
keputusan berdasar atas informasi yang diperoleh dari
sampel dan hubungan antara risiko kesalahan dengan
besar sampel yang digunakan
SKEMA PEMBAHASAN:

Konsep Dasar
Uji Hipotesis

Uji Hipotesis Rata-rata

Pembahasan dan Uji Hipotesis Beda
Dua Rata-rata

Uji Hipotesis Proporsi

dan Uji Hipotesis Beda
Dua Proporsi
 5

(1) Konsep Dasar Uji Hipotesis

5 langkah dalam Prosedur Uji Hipotesis

1. Merumuskan Hipotesis
H0:

HA:

2. Menentukan Nilai Kritis

3. Menentukan Nilai Hitung
4. Membuat Keputusan
5. Membuat Kesimpulan
 6

Prosedur Pengujian Hipotesis

Langkah 1:
Membuat rumusan Hipotesis Nol (H0) dan Hipotesis
Alternatif (HA)

Misalnya sebuah perusahaan rokok melaporkan kepada Departemen

Tenaga Kerja bahwa pendapatan rata-rata per minggu karyawan di
perusahaannya adalah Rp450.000.

Rumusan Hipotesis:
H0:  = 450.000
HA:   450.000
 7

Lanjutan ...

Jika pengujian dilakukan terhadap pernyataan (hipotesis) bahwa penghasilan

rata-rata per minggu karyawan lebih dari Rp450.000, maka rumusan
hipotesisnya adalah

H0:   450.000
HA:  > 450.000
 
Catatan: Tanda  menyatakan tidak lebih dari

Jika pengujian dilakukan terhadap pernyataan (hipotesis) bahwa penghasilan

rata-rata per minggu karyawan kurang dari Rp450.000, maka rumusan
hipotesisnya adalah
 
H0:   450.000
HA:  < 450.000

Catatan: Tanda  menyatakan tidak kurang dari

 8

Lanjutan ...

Langkah 2:
Memilih Tingkat Signifikansi (α). Tingkat signifikansi
menunjukkan probabilitas kesalahan yang mungkin akan terjadi
dalam pengambilan keputusan. Tingkat signifikansi yang umun
digunakan dalam uji hipotesis adalah 1%, 5%, dan 10%.

Misalnya α = 5%. Artinya probabilitas kesalahan menolak hipotesis

nol (H0) padahal H0 tersebut benar adalah 5%. (Kesalahan tipe I)

Untuk uji hipotesis rata-rata, pengujian dengan sampel besar (n ≥ 30)

menggunakan distribusi Z. Sedangkan sampel kecil (n < 30)
menggunakan distribusi t.
 9

Lanjutan ...

Langkah 3:

Memilih Uji Distribusi. Langkah ini dilakukan untuk menentukan nilai

statistik (nilai hitung)-nya.

Jika menggunakan distribusi Z, maka langkah yang ketiga adalah menentukan

nilai statistik Z.

Jika menggunakan distribusi t, maka langkah yang ketiga adalah menentukan

nilai statistik t.

Nilai hitung Z atau nilai hitung t dapat ditentukan menggunakan cara manual
atau dengan bantuan komputer. MS Excel dan paket program komputer statistik,
seperti SPSS menyediakan menu untuk menentukan nilai uji distribusi Z atau
nilai distribusi t.
 10

Lanjutan ...

Langkah 4:
Pengambilan Keputusan. Langkah ini akan dihasilkan suatu keputusan menerima H 0
atau menolak H0.
Dasar pengambilan keputusan adalah melihat letak nilai Z hitung atau nilai t hitung di
daerah kurva normal.
Daerah penerimaan H0 dan daerah penolakan H0 pada kurva distribusi normal
tergantung dari pengujian yang dilakukan. Terdapat 3 pengujian dalam uji hipotesis,
yaitu:
1. pengujian dua sisi (ada beberapa buku teks menggunakan istilah dua ekor),
2. pengujian satu sisi: sisi kanan, dan
3. pengujian satu sisi: sisi kiri.
• Pengujian dua sisi : rumusan hipotesis alternatif (H A) menyatakan tidak sama dengan
(bertanda ‘’).
• Pengujian satu sisi: sisi kanan digunakan jika rumusan hipotesis alternatif (H A)
menyatakan lebih besar dari (bertanda ‘>’).
• Pengujian satu sisi: sisi kiri digunakan jika rumusan hipotesis alternatif (H A)
menyatakan lebih besar dari (bertanda ‘<’).
 11

KURVA DISTRIBUSI NORMAL: PENGUJIAN DUA SISI

Penerimaan H0
Penolakan H0 Penolakan H0

- z/2 +z/2
0
 12

PEGUJIAN SATU SISI: SISI KANAN

Penerimaan H0 Penolakan H0

0 +z
 13

PENGUJIAN SATU SISI: SISI KIRI

Penolakan H0 Penerimaan H0

- z 0
 14

Lanjutan ...

• Misalnya pengujian dilakukan terhadap hipotesis bahwa

upah rata-rata karyawan per mingga adalah Rp450.000.
Pengujian menggunakan sampel besar (n ≥ 30) dan nilai
kritis Z berdasarkan Tabel Z = 1,96. Rumusan hipotesis
nol dan hipotesis alternatif adalah
 
H0: = 450.000
HA:   450.000
 
 15

Gambar kurva distribusi normal untuk daerah penerimaan H0 dan

penolakan H0 adalah sebagai berikut:

Penerimaan H0
Penolakan H0 Penolakan H0

- 1,96 0 +1,96
 16

Lanjutan ...

Langha 5:
Pembuatan Kesimpulan.
Kesimpulan dibuat berdasarkan keputusan yang diambil. Jika menerima
H0, kesimpulan berdasarkan hipotesis yang terdapat dalam H0. Sedangkan
jika menolak H0, kesimpulan berdasarkan HA. Misalnya rumusan hipotesis:
  H0:  = 450.000
HA:   450.000
Jika keputusan menerima H0, kesimpulannya adalah bahwa pernyataan
mengenai rata-rata populasi adalah Rp450.000 dapat dibenarkan secara
statistik. Sebaliknya, jika pada langkah keputusan dari pengujian menolak
H0, kesimpulannya adalah bahwa pernyataan mengenai rata-rata populasi
adalah Rp450.000 tidak dapat dibenarkan secara statistik.
 17

(2.a) Uji Hipotesis Rata-rata

• Uji hipotesis ini dimulai dari pernyataan (hipotesis) tentang rata-rata
dan standar deviasi suatu populasi.

Kasus Uji Hipotesis Rata-rata dengan  diketahui

• Misalnya seorang manajer pengendalian mutu mengatakan bahwa
produksi rata-rata semua mesin beroperasi adalah 100 unit dengan
standar deviasi 9 unit. Seorang peneliti ingin membuktikan
pernyataan tersebut. Dari semua mesin yang beroperasi diambil 36
mesin sebagai sampel dan diperoleh informasi bahwa semua mesin
tersebut beroperasi pada tingkat rata-rata 98 unit. Dengan α = 5%,
apakah informasi yang diperoleh dari data sampel tersebutdapat
mendukung pernyataan manajer pengendalian mutu? Lakukan
pengujian secara statistik.
 18

Lanjutan ...

Langkah-langkah pengujian:
1. Rumusan Hipotesis X  μ 98  100
Z   1,33
H0:  = 100 σX 1,5
σ 9
HA:   100 σX    1,5
n 36
2. Nilai Kritis: Z =  1,96
Z = -1,33
3. Nilai Hitung: Z = - 1,33
4. Keputusan: Menerima H0 Penolakan H0 Penerimaan H0 Penolakan H0

5. Kesimpulan: tingkat
0 +1,96
produksi rata-rata semua -1,96

mesin adalah 100 unit.

 19

Lanjutan ...

Contoh Kasus 1.
Sebuah perusahaan mempekerjakan 200 karyawan. Suatu
penelitian dilakukan untuk membuktikan pernyataan
(hipotesis) bahwa upah rata-rata per hari karyawan di
perusahaan tersebut lebih dari Rp55.000 dengan standar
deviasi Rp12.500. Penelilitan dilakukan dengan
menggunakan 42 karyawan sebagai sampel. Berdasarkan
sampel tersebut diperoleh rata-rata upah per hari karyawan
adalah Rp58.420. Dengan menggunakan tingkat
signifikansi 5%, apakah pernyataan perusahaan tersebut
dapat dibenarkan secara statistik?
 20

Lanjutan ...(Jawaban Kasus 1)

Langkah-langkah pengujian:
1. Rumusan Hipotesis
X  μ 58.420 55.000
H0:   55.000 Z   1,99
σX 1.718,65
HA:  > 55.000
σ N  n 12.500 200  42
2. Nilai Kritis: Z = + 1,645 σX  .  .  1.718,65
n N  1 42 200  1
3. Nilai Hitung: Z = 1,99
Z = 1,99
4. Keputusan: Menolak H0
5. Kesimpulan: Upah rata-
Penerimaan H0 Penolakan H0
rata per hari karyawan di
perusahaan tersebut lebih
0 +1,645
dari Rp55.000.

Catatan: Rumus standard error menggunakan faktor koreksi, karena populasi diketahui dan sampel
(n = 42) lebih dari 5% populasi (N = 200) atau yang disebut populasi terbatas.
 21

Lanjutan ...

Kasus Uji Hipotesis Rata-rata dengan  diketahui

Misalnya Suatu biro travel menyatakan bahwa waktu yang diperlukan

untuk menempuh perjalanan dari kota A ke kota B adalah 12,3
jam.Penelitian ini menggunakan eksperimen sebanyak 6 kali perjalanan
sebagai sampel. Waktu tempuh dari 6 kali percobaan tersebut diperoleh
informasi sebagai berikut:

Perjalanan ke.. 1 2 3 4 5 6
Waktu (Jam) 13 14 12 16 12 11

Pada pengujian ini misalnya menggunakan tingkat signifikansi 5%.

Prosedur pengujian atas hipotesis tersebut adalah sebagai berikut:
 22

Lanjutan ...

Langkah-langkah pengujian:
1. Rumusan Hipotesis X  μ 13  12,3
t   0,959
H0:  = 12,3 jam sX 0,73
s 1,79
HA:   12,3 jam sX    0,73
n 6
2. Nilai Kritis: t =  2,571
3. Nilai Hitung: t = 0,959 t = 0,959

4. Keputusan: Menerima H0
Penolakan H0 Penerimaan H0 Penolakan H0
5. Kesimpulan: Waktu rata-
rata dari kota A ke kota B -2,571 0 +2,571
adalah 12,3 jam.
 23

Hasil perhitungan komputer

Hasil perhitungan dengan MS Excel: Hasil perhitungan dengan SPSS:

One-Sample Statistics
X
Std. Error
Mean 13 N Mean Std. Deviation Mean
Standard Error 0,73 x 6 13.0000 1.78885 .73030
Standard Deviation 1,79
One-Sample Test
Sample Variance 3,2
Test Value = 12.3
Count 6
95% Confidence
Interval of the
X  13 (rata - rata sampel) Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
s  1,79 ( standar deviasi sampel)
x .959 5 .382 .70000 -1.1773 2.5773
s X  0,73 (kesalahan standar
rata - rata sampel)
 24

Lanjutan ...

Contoh Kasus 2.
Sebuah penelitian dilakukan untuk membuktikan pernyataan Kepala
Dinas Perekonomian suatu daerah bahwa waktu yang dibutuhkan
untuk menyelesaikan satu berkas perijinan kurang dari 25 menit.
Sebuah sampel sebanyak 12 berkas permohonan izin usaha yang
dilayani oleh staf pada dinas tersebut diperoleh waktu rata-rata yang
dibutuhkan (dalam menit) untuk menyelesaikan satu berkas adalah
18,17 menit dengan standar deviasi sebesar 8,1 menit. Dengan tingkat
signifikansi 5%, apakah dapat disimpulkan bahwa waktu yang
dibutuhkan untuk menyelesaikan satu berkas oleh staf pelayanan izin
di dinas tersebut kurang dari 25 menit?
 25

Lanjutan ...(Jawaban Kasus 2)

Langkah-langkah pengujian:
1. Rumusan Hipotesis
X  μ 18,17  25
H0:  ≥ 25 t   2,92
σX 2,34
HA:  < 25
s 8,1
sX    2,34
2. Nilai Kritis: t = - 1,796 n 12

3. Nilai Hitung: t = - 2,92

t = -2,92
4. Keputusan: Menolak H0
5. Kesimpulan: Waktu yang Penolakan H0 Penerimaan H0
dibutuhkan rata-rata
kurang dari 25 menit. -1,796 0
 26

(2.b) Uji Hipotesis Beda Dua Rata-rata:

Sampel Independen
Analisis
1. Rumusan Hipotesis
H 0: µ1= µ2 µ1 ≤ µ2 µ1 ≥ µ2
H A: µ1 ≠ µ2 µ 1> µ 2 µ1< µ2

(Kemungkinan rumusan hipotesis)

2. Nilai kritis: (cari di tabel t atau Z)

3. Nilai Hitung: (cara manual atau komputer)
4. Keputusan: H0 ditolak jika nilai hitung absolut lebih
besar daripada nilai tabel absolut. Sebaliknya ..
5. Kesimpulan
 27

RUMUS MENENTUKAN NILAI HITUNG: SAMPEL BESAR

Sampel besar: Kedua sampel minimal 30

 diketahui:  tidak diketahui:

X1  X 2 X1  X 2
Z Z
σ x1  x 2 s x1  x 2

2 2 2 2
σ1 σ 2 s1 s2
σ x1  x 2   s x1  x 2  
n1 n 2 n1 n 2
 28

RUMUS MENENTUKAN NILAI HITUNG: SAMPEL KECIL

Sampel kecil: Salah satu atau kedua-duanya sampel kurang dari 30

X1  X 2
t
s x1  x 2
2 2
(n1  1).s1  (n 2  1).s2 1 1
s x1  x 2  . 
n1  n 2  2 n1 n 2
 29

Lanjutan ...

Misalnya seorang manajer pemasaran suatu produk kosmetika ingin

mengetahui apakah terdapat perbedaan antara volume penjualan rata-
rata per hari di Pasar I dan Pasar II. Berdasarkan informasi yang lalu,
standar deviasi volume penjualan di Pasar I adalah 20 unit dan di
pasar II adalah 30 unit. Setelah dilakukan observasi selama 40 hari
terakhir di kedua pasar tersebut diperoleh informasi bahwa volume
penjualan rata-rata setiap hari di Pasar I adalah 214 unit dan volume
penjualan rata-rata setiap hari pada periode yang sama di Pasar II
adalah 202 unit. Dengan menggunakan tingkat signifikansi 5%,
apakah sampel mendukung hipotesis bahwa tidak terdapat perbedaan
volume penjualan rata-rata setiap hari di Pasar I dan di Pasar II?
Berikut ini langkah-langkah pengujian hipotesis:
 30

Lanjutan ...

Langkah-langkah pengujian:
1. Rumusan Hipotesis
X1  X 2 214  202
H0: 1 = 2 Z   2,11
σ X1 X 2 5,70
HA: 1  2 2 2
σ1 σ 2 20 2 30 2
2. Nilai Kritis: Z =  1,96 σ x1  x 2      5,70
n1 n 2 40 40
3. Nilai Hitung: Z = 2,11
4. Keputusan: Menolak H0 Z = 2,11

5. Kesimpulan: Volume
penjualan rata-rata di Penolakan H0 Penerimaan H0 Penolakan H0

Pasar I dan di Pasar II

secara statistik adalah -1,96 0 +1,96
berbeda.
 31

Lanjutan ...

Contoh Kasus 3.
Dua buah kolam digunakan untuk membudidayakan ikan nila, yaitu
Kolam A dan Kolam B. Sebuah penelitian dilakukan untuk menguji
pernyataan bahwa rata-rata per ekor ikan nila dari Kolam A lebih berat
daripada dari Kolam B. Tabel berikut ini menunjukkan data sampel.

Kolam A Kolam B
Sampel (n) = 40 Sampel (n) = 48
Rata-rata ( X ) = 4,57 ons Rata-rata ( X ) = 4,35 ons
Standar deviasi (s) = 0,56 ons Standar deviasi (s) = 0,31 ons

Berdasarkan data sampel tersebut, apakah sampel mendukung

pernyataan tersebut dengan tingkat signifikansi 10%.
 32

Lanjutan ... Jawaban Kasus 3

Misalnya Kolam A merupakan populasi I:

Analisis:
X1  X 2 4,57  4,35
1. Rumusan Hipotesis Z   2,22
s X1  X 2 0,0992
H0: 1  2
2 2
HA: 1 > 2 s x1  x 2 
s1 s 2
 
0,56 2 0,312
  0,0992
n1 n 2 40 48
2. Nilai Kritis: Z = + 1,282
3. Nilai Hitung: Z = +2,22 Z = 2,22
4. Keputusan: Menolak H0
5. Kesimpulan: Rata-rata per Penerimaan H0 Penolakan H0

ekor ikan nila dari Kolam A

lebih berat daripada dari 0 +1,282
Kolam B.
 33

Lanjutan ...

• Sampel Kecil (Jika salah satu atau semua sampel

yang digunakan kurang dari 30)

Misalnya suatu studi tentang kelompok ekonomi lemah di DIY

manyatakan bahwa pendapatan rata-rata pedagang Bakso dan
pedagang Satai tidak berbeda. Hasil observasi terhadap 5
pedagang bakso diperoleh informasi bahwa pendapatan rata-
rata pedagang bakso Rp7.240 dengan standar deviasi
Rp898,89. Sedangkan dari 6 pedagang satai diperoleh
informasi bahwa pendapatan rata-rata adalah Rp7.066,67
dengan standar deviasi Rp1.046,26. Prosedur pengujian
hipotesis kasus tersebut adalah sebagai berikut:
 34

Lanjutan ...

Misalnya Pedagang Bakso sebagai populasi I:

Analisis:
1. Rumusan Hipotesis
H0: 1 = 2
HA: 1  2 t = 0,291

2. Nilai Kritis: t = 2,262

3. Nilai Hitung: t = 0,291
4. Keputusan: Menerima H0 Penolakan Penerimaan H0 Penolakan
H0 H0
5. Kesimpulan: pendapatan
rata-rata pedagang bakso 0 +2,262
-2,262
dan pedagang satai sama
(tidak berbeda secara
statistik).
 35

Lanjutan ....

X1  X 2 7.240  7.066,67
t   0,291
s X1  X 2 595,53

2 2
(n1  1).s1  (n 2  1).s2 1 1
s x1  x 2  . 
n1  n 2  2 n1 n 2

(5 - 1).898,89 2  (6  1).1,046,26 2 1 1
s x1  x 2  .   595,53
562 5 6
 36

Lanjutan ...

Contoh Kasus 4. Dinas Pertanian suatu daerah

menyatakan bahwa produksi rata-rata gabah kering per
hektar di Kecamatan A lebih tinggi daripada di Kecamatan
B. Untuk membuktikan pernyataan tersebut digunakan
sampel sebanyak 12 hektar sawah di Kecamatan A dan 15
hektar sawah di Kecamatan B. Berdasarkan sampel
tersebut, produksi rata-rata gabah kering di Kecamatan A
adalah 7,41 ton dengan standar deviasi adalah 0,28 ton.
Sedangkan produksi rata-rata gabah kering di Kecamatan B
adalah 7,28 ton dengan standar deviasi adalah 0,16 ton.
Lakukan pengujian secara statistik terhadap pernyataan
Dinas Pertanian tersebut dengan tingkat signifikansi 5%.
 37

Lanjutan ... Jawaban Kasus 4

Misalnya Kecamatan A sebagai populasi I:

Analisis:
1. Rumusan Hipotesis
H0: 1  2
HA: 1 > 2 t =1,52

2. Nilai Kritis: t = +1,708

3. Nilai Hitung: t = 1,52
4. Keputusan: Menerima H0 Penerimaan H0 Penolakan
H0
5. Kesimpulan: Produksi rata-
rata gabah per hektar di 0 +1,708
Kecamatan A tidak lebih
tinggi daripada di
Kecamatan B.
 38

Lanjutan ....

X1  X 2 7,41  7,28
t   1,52
s X1  X 2 0,0856

2 2
(n1  1).s1  (n 2  1).s2 1 1
s x1 x 2  . 
n1  n 2  2 n1 n 2

(12 - 1).0,28 2  (15  1).1,6 2 1 1

s x1  x 2  .   0,0856
12  15  2 12 15
 39

(2.c) Uji Hipotesis Beda Dua Rata-

rata:Observasi Berpasangan
• Pada kasus ekonomi dan bisnis banyak terdapat kasus
uji hipotesis untuk mengetahui beda dua rata-rata yang
sampel satu tergantung (dependent) dengan sampel lain.
Data untuk kasus ini biasanya disebut data berpasangan
(paired data).
• Nilai statistik yang diperlukan untuk menentukan nilai t
hitung adalah
▫ d (d bar) : rata-rata beda (rata-rata selisih)
▫ Standar deviasi beda (sd)
▫ Standar error beda (s d )
 40

Lanjutan ... (Rumus)

d
t 
sd

d
 d
n

d = selisih nilai data yang nilainya dapat sebelum-sesudah atau

sesudah – sebelum)

n  d 2  ( d ) 2
sd 
n(n  1)
sd
sd 
n
 41

Lanjutan ... (Langkah-langkah Pengujian)

Analisis
1. Rumusan Hipotesis
H0: d = 0 d ≤ 0 d≥0
HA: d  0 d > 0 d<0
(Kemungkinan rumusan hipotesis)

2. Nilai kritis: (cari di tabel t)

3. Nilai Hitung: (cara manual atau komputer)
4. Keputusan: H0 ditolak jika nilai hitung absolut lebih
besar daripada nilai tabel absolut. Sebaliknya ..
5. Kesimpulan
 42

Contoh Kasus
Misalnya divisi pengembangan sumberdaya manusia suatu perusahaan
menyatakan bahwa kinerja karyawan meningkat setelah mengikuti
pelatihan. Kenaikan kinerja karyawan ditunjukkan oleh waktu yang
diperlukan karyawan untuk menyelesaikan satu unit barang lebih
singkat. Sampel sebanyak 6 karyawa peserta pelatihan yang digunakan
sbagai sampel diperoleh informasi waktu yang dibutuhkan setiap
karyawan dalam menyelesaikan satu unit barang sebelum dan sesudah
pelatihan adalah sebagai berikut (waktu dalam jam):

Karyawan ke.. 1 2 3 4 5 6
Sebelum 6 8 7 10 9 7
Sesudah 5 6 7 8 7 5

Dengan tingkat signifikansi 5%, apakah sampel dapat mendukung

pernyataan tersebut?
Misalnya didefinisikan: d = Sebelum - sesudah
Karyawan
Sebelum Sesudah
ke.. d d2
1 6 5 1 1
2 8 6 2 4
3 7 7 0 0
4 10 8 2 4
5 9 7 2 4
6 7 5 2 4
  9 17

d
 d  9  1,5
n 6
n  d 2  ( d ) 2 6(17)  9 2
sd    0,8367
n(n  1) 6(6  1)
sd 0 ,8367
sd    0 ,3416
n 6
 44

Lanjutan ... (Hasil perhitungan)

Misalnya d = waktu sebelum – waktu sesudah

d 1, 5
t    4 , 39
sd 0 , 3416

d
 d  9  1,5
n 6

n  d 2  ( d ) 2 6(17 )  (9) 2
sd    0,8367
n(n  1) 6(6  1)

sd 0,8367
sd    0,3416
n 6
 45

Analisis
1. Rumusan Hipotesis
H0: d ≤ 0
HA: d > 0 t =4,39
2. Nilai kritis: t = +2,015
3. Nilai Hitung: t =4,39
Penerimaan H0 Penolakan
4. Keputusan: Menolak H0 H0

5. Kesimpulan: Setelah 0 +2,015

pelatihan lebih cepat
 46

Lanjutan ...
Hasil perhitungan menggunakan MS Excel:
t-Test: Paired Two Sample for Means
  Sebelum Sesudah
Mean 7,833 6,333
Variance 2,167 1,467
Observations 6 6
Pearson Correlation 0.823
Hypothesized Mean Difference 0
df 5
t Stat 4,392
P(T<=t) one-tail 0,004
t Critical one-tail 2,015
P(T<=t) two-tail 0,007
t Critical two-tail 2,571  
 47

Lanjutan ...

Hasil perhitungan menggunakan MS Excel:

Paired Samples Test

Pair 1
SEBELUM - SESUDAH
Paired Differences Mean 1.50
Std. Deviation .84
Std. Error Mean
.34
95% Confidence Interval Lower .62
of the Difference Upper 2.38
t 4.392
df 5
Sig. (2-tailed) .007
 48

Lanjutan ...

Contoh Kasus 5:
Sebuah perusahaan elektronik memperkenalkan sistem pengamanan
yang baru. Perusahaan tersebut menyatakan bahwa sistem baru ini
dapat menurunkan jumlah sepeda motor yang hilang. Untuk menguji
pernyataan tersebut dilakukan penelitian menggunakan 8 wilayah.
Data sampel mengenai jumlah sepeda motor yang hilang di wilayah
tersebut menggunakan sistem pengamanan lama dan sistem
pengamanan baru adalah sebagai berikut:

Wilayah
Sistem
A B C D E F G H
Lama 12 15 18 9 8 4 14 8
Baru 10 14 14 6 7 3 10 6
 49

Lanjutan Soal 5

Berikut ini adalah hasil perhitungan menggunakan MS Excel:

t-Test: Paired Two Sample for Means

  Baru Lama
Mean 8.75 11
Variance 15.64 20.86
Observations 8 8
Pearson Correlation 0.965
Hypothesized Mean Difference 0
Df 7
t Stat -4.965
P(T<=t) one-tail 0.001
t Critical one-tail 2.998
P(T<=t) two-tail 0.002
t Critical two-tail 3.499  
Lakukan pengujian terhadap dugaan bahwa sistem pengamanan baru dapat
menurunkan jumlah sepeda motor hilang dengan tingkat signifikansi 1%.
 50

Lanjutan ... (jawaban Soal 5)

Misalnya d: sistem baru dikurang sistem lama

Analisis
1. Rumusan Hipotesis
H0: d ≥ 0
HA: d < 0
2. Nilai kritis: t = -2,998
t = -4,965
3. Nilai Hitung: t = -4,965
4. Keputusan: Menolak H0
Penolakan H0
5. Kesimpulan: Sistem baru Penerimaan H0

dapat mengurangi sepeda

-2,998 0
motor yang hilang
 51

(3.a) Uji Hipotesis Proporsi

• Tujuan: menguji hipotesis (dugaan) terhadap

proporsi populasi berdasarkan informasi yang
diperoleh dari sampel
• Pengujian hipotesis proporsi populasi
menggunakan distribusi Z. Dengan demikian
kita tidak perlu memperhatikan degree of
freedom (df)
 52

Lanjutan ... (Prosedur Pengujian)

Analisis
1. Rumusan Hipotesis
H0:  = ..  ≤ ..  ≥ ..
HA:  ≠ ..  > ..  < ..
2. Nilai Kritis: ditentukan menggunakan tabel Z
3. Nilai Hitung: hitung dengan rumus
4. Keputusan: H0 ditolak jika nilai hitung absolut
lebih besar daripada nilai tabel absolut.
Sebaliknya ..
5. Kesimpulan
 53

Rumus Menentukan Nilai Hitung Z (Sampel Besar)

• Sampel besar: .n  15

pπ
• Nilai Z hitung: Z
σp

X
• Proporsi sampel: p
n

(1  )
• Kesalahan standar (standard error): p 
n
 54

Contoh Kasus
Misalnya suatu perusahaan jasa menyatakan bahwa 65%
konsumen merasa puas atas pelayanan yang diberikan oleh
perusahaannya. Untuk membuktikan pernyataan ini
dilakukan penelitian dengan meminta respon dari
konsumen jasa perusahaan tersebut. Setelah dilakukan
survei terhadap 250 konsumen yang memberi respon
sebagai sampel, terdapat 165 konsumen menyatakan puas
dengan pelayanan yang diberikan. Berdasarkan informasi
tersebut apakah pernyataan perusahaan jasa tersebut dapat
dibenarkan secara statistik dengan tingkat signifikansi 5%?
 55

Pengujian terhadap hipotesis ini dapat dilakukan melalui

prosedur berikut ini:

Analisis
1. Rumusan Hipotesis
H0:  = 0,65
HA:  ≠ 0,65 Z = 0,331
2. Nilai Kritis: Z = ± 1,96
3. Nilai Hitung: Z = 0,331
4. Keputusan: H0 diterima Penolakan Penerimaan H0 Penolakan
H0 H0
5. Kesimpulan: konsumen yang
-1,96 0 +1,96
menyatakan puas adalah 65%.
 56

Nilai Hitung Z

p  π 0,66  0,65
Z   0,331
σp 0,0302

X 165
p   0,66
n 250

π(1  π) 0,65(1  0,65)

σp    0,0302
n 250
 57

Lanjutan ....

• Hasil perhitungan Z menggunakan SPSS:

Respon

Observed N Expected N Residual

Puas 165 162.5 2.5
Tidak Puas 85 87.5 -2.5
Total 250

Test Statistics

Respon
Chi-Squarea .110
df 1
Asymp. Sig. .740
a. 0 cells (.0%) have expected frequencies less than
5. The minimum expected cell frequency is 87.5.

Z  Chi  Square  0,11  0,331

 58

Lanjutan ...

Contoh Kasus 6.
Seorang pemeriksa ingin menguji pernyataan
bahwa persentase tingkat kesalahan pencatatan
rekening di sebuah lembaga pemerintahan daerah
kurang dari 15%. Sebuah sampel sebanyak 150
rekening diambil secara random, terdapat 21
rekening yang salah catat. Dengan tingkat
signifikansi 5%, lakukan pengujian terhadap
pernyataan (hipotesis) tersebut.
 59

Lanjutan ... (Jawaban Kasus 6)

Analisis
1. Rumusan Hipotesis
H0:  ≥ 0,15
HA:  < 0,15
Z = -0,342
2. Nilai Kritis: Z = - 1,645
3. Nilai Hitung: Z = - 0,342
Penolakan H0
4. Keputusan: H0 diterima Penerimaan H0

5. Kesimpulan: Tingkat kesalahan

-1,645 0
pencatatan rekening tidak
kurang dari 15%.
 60

Nilai Hitung Z

p  π 0,14  0,15
Z   0,342
σp 0,0292

X 21
p   0,14
n 150

π(1  π) 0,15(1  0,15)

σp    0,0292
n 150
 61

Uji Hipotesis Proporsi (Sampel Kecil)

• Sampel Kecil: .n < 15

• Rumus menentukan besarnya proporsi sampel (menggunakan

Wilson Adjustment) adalah

X2
p
n4

• Rumus menentukan besarnya kesalahan standar (standard error)

adalah
π(1  π)
σp 
n4
 62

Uji Hipotesis Proporsi (Sampel Kecil

Contoh Kasus 7. Sebuah perusahaan asuransi melakukan

penelitian untuk membuktikan dugaan bahwa tingkat
kecelakaan bus di jalur Jogja-Semarang lebih dari 5%.
Sebuah sampel sebanyak 200 buah bus yang melewati jalur
Jogja-Semarang, terdapat 12 bus yang mengalami
kecelakaan. Dengan tingkat signifikansi 5%, apakah sampel
tersebut mendukung (hipotesis) tersebut.
 63

Lanjutan ... (Jawaban Kasus 7)

Analisis
1. Rumusan Hipotesis
H0:  ≤ 0,05
HA:  > 0,05
2. Nilai Kritis: Z = + 1,645 Z = 1,22

3. Nilai Hitung: Z = 1,22

4. Keputusan: H0 diterima Penerimaan H0 Penolakan H0
5. Kesimpulan: persentase
kecelakaan bus jalur Jogja- 0 +1,645
Semarang tidak lebih dari 5%.
 64

Nilai Hitung Z Sampel Kecil

p  π 0,0686  0,05
Z   1,22
σp 0,0153

X  2 12  2
p   0,0686
n  4 200  4

π(1  π) 0,05(1 0,05)

σp    0,0153
n4 200  4
 65

Kasus untuk latihan 1

Badan Keselamatan Transportasi Nasional (BKTN) menyatakan bahwa
minimal 80 persen pengendara sepeda motor di kota besar
menggunakan helm standar SNI. Untuk menguji kebenaran pernyataan
BKTN tersebut dilakukan penelitian dengan mengambil 2.000
pengendara di kota besar sebagai sampel. Berdasar sampel tersebut
terdapat 1.550 pengendara sepeda motor yang menggunakan helm
standar SNI. Dengan tingkat signifikansi 5%, apakah sampel tersebut
dapat mendukung pernyataan BKTN bahwa proporsi pengendara
sepeda motor di kota besar yang menggunakan helm standar SNI
minimal 80 persen? Lakukan pengujian secara statistik!
 66

(3.b) Uji Hipotesis Beda Dua Proporsi

• Tujuan: menguji hipotesis (dugaan) terhadap beda

dua proporsi populasi berdasarkan informasi yang
diperoleh dari sampel
• Pengujian hipotesis proporsi populasi menggunakan
distribusi Z. Dengan demikian kita tidak perlu
memperhatikan degree of freedom (df)
 67

PROSEDUR PENGUJIAN
Analisis
1. Rumusan Hipotesis
H0: 1 = 2 1 ≤ 2 1 ≥  2
HA: 1 ≠ 2 1 > 2 1 <  2
2. Nilai Kritis: tentukan menggunakan tabel
3. Nilai Hitung: hitung dengan rumus atau
menggunakan hasil hitung komputer
4. Keputusan: H0 ditolak jika nilai hitung absolut lebih
besar daripada nilai tabel absolut. Sebaliknya ..
5. Kesimpulan
RUMUS MENENTUKAN NILAI HITUNG

p1  p 2
Z 
 p1  p 2
X1 X2
p1  p2 
n1 n2

1 1
σ p1  p2  p(1  p)(  )
n1 n 2

x1  x
p  2
n1  n 2

68
 69

Contoh Kasus
Misalnya seorang manajer produksi sebuah perusahaan
menyatakan bahwa tingkat barang yang rusak dari dua jalur
produksi (production lines) adalah sama. Untuk menguji
pernyataan manajer produksi tersebut diambil sampel 200
barang yang dihasilkan jalur produksi pertama dan 300
barang yang dihasilkan jalur produksi kedua. Dari 200
barang yang diambil dari jalur produksi yang pertama
terdapat 40 barang yang rusak dan dari 300 barang yang
diambil dari jalur produksi kedua terdapat 45 barang yang
rusak. (Misalnya menggunakan α = 10%)
 70

Prosedur pengujiannya adalah sebagai

berikut:
Analisis
1. Rumusan Hipotesis
H 0 : 1 = 2
HA: 1 ≠ 2
Z = 1,46
2. Nilai Kritis: Z = ± 1,645
3. Nilai Hitung: Z = 1,46
Penolakan
4. Keputusan: H0 diterima Penolakan H0 Penerimaan H0
H0
5. Kesimpulan: tingkat barang rusak -1,645 0 +1,645
antara jalur produksi pertama
dengan jalur produksi kedua
adalah tidak berbeda
RUMUS MENENTUKAN NILAI HITUNG

p1  p 2 0,20  0,15
Z   1,46
σ p1  p2 0,0343

X1 40 X2 45
p1    0,20 p2    0,15
n1 200 n 2 300

x1  x 2 40  45
p   0,17
n 1  n 2 200  300

1 1  1 1 
σ p1  p2  p(1  p)(  )  0,17(1  0,17)    0,0343
n1 n 2  200 300 

71
 72

Lanjutan ... (Hasil perhitungan SPSS)

Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 2.126b 1 .145
a
Continuity Correction 1.787 1 .181
Likelihood Ratio 2.100 1 .147
Fisher's Exact Test .147 .091
Linear-by-Linear
2.122 1 .145
Association
N of Valid Cases 500
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 34.
00.

Z  Chi  Square  2,126  1,46

 73

Lanjutan ...

Contoh Kasus 8.
Sebuah penelitian dilakukan untuk menganalisis beda proporsi
karyawan baru yang mengundurkan diri (resign) sebelum satu tahun
bekerja antara perusahaan di industri perbankan dan di industri
asuransi. Data pada tabel berikut ini diperoleh dari sampel masing-
masing industri.

Industri Sampel Jumlah Resign

Perbankan 1.000 200
Asuransi 800 168

Dengan tingkat signifikansi 5%, apakah data yang diperoleh

mendukung hipotesis bahwa proporsi karyawan baru yang
mengundurkan diri (resign) sebelum satu tahun bekerja di industri
perbankan lebih rendah daripada di industri asuransi? Lakukan
pengujian secara statistik!
 74

Lanjutan ...(Jawaban Soal 8)

Misalnya industri perbankan: 1 dan industri asuransi: 2
Analisis
1. Rumusan Hipotesis
H 0 :  1 ≥ 2
HA: 1 < 2
2. Nilai Kritis: Z = - 1,645 Z = -0,52
3. Nilai Hitung: Z = -0,52
4. Keputusan: H0 diterima
5. Kesimpulan: Proporsi karyawan baru Penolakan H0 Penerimaan H0
yang mengundurkan diri (resign)
yang bekerja di industri perbankan -1,645 0
tidak lebih rendah daripada yang
bekerja di industri asuransi.
RUMUS MENENTUKAN NILAI HITUNG

p1  p 2 0,20  0,21
Z   0,52
σ p1  p 2 0,0191

X 200 X 2 168
p1  1   0,20 p2    0,21
n1 1.000 n 2 800

x1  x 2 200  168
p   0,2044
n1  n 2 1.000  800

1 1  1 1 
σ p1  p 2  p(1  p)(  )  0,2044(1  0,2044)    0,0191
n1 n 2  1 .000 800 

75
 76

Kasus untuk latihan 2

Suatu perusahaan melakukan penelitian untuk mengetahui respon

konsumen terhadap produk yang dihasilkannya. Responden
dikelompokkan menjadi dua, yaitu remaja dan anak-anak. Sampel
random sebanyak 150 remaja, terdapat 87 remaja yang menyatakan
produk yang dihasilkan memuaskan. Sedangkan sampel random 200
anak-anak, terdapat 123 anak-anak yang menyatakan sangat
memuaskan. Berdasarkan sampel yang digunakan, apakah dapat
disimpulkan bahwa proporsi remaja yang menyatakan produk sanbat
memuaskan lebih rendah daripada proporsi anak-anak. Gunakan
tingkat signifikansi 10%.