Sebaran percontohan

(sampling distribution)
Populasi
n Contoh
,  2

Xbar, s2
Xbar1
n
Xbar2
n Xbar, s2 n besar

Xbar3 Xbar ~ Normal(, 2/n)

Xbar, s2
Pengujian Hipotesis mengenai
Rataan Populasi
• Rataan populasi:
– nilainya tidak diketahui
– nilainya diduga
– nilainya diasumsikan sama dengan, kurang dari atau lebih dari
nilai tertentu
– nilainya dihipotesiskan
• Rataan Contoh
– digunakan untuk menduga rataan populasi
– digunakan untuk mengkonfirmasi hipotesis tentang rataan
populasi
– kesimpulan konfirmasi hipotesis: ditolak vs diterima
 Kesalahan Kesimpulan
Kondisi Sebenarnya
(tapi tidak diketahui)
Hipotesis Benar Hipotesis Salah
Kesimpulan Konfirmasi

 
(berdasarkan data

Diterima
contoh)

Ditolak  
Apapun kesimpulan yang diambil berdasarkan data
contoh, mengandung peluang membuat kesalahan.
 Bentuk Hipotesis

Hipotesis dalam statistika dinyatakan dalam dua
bentuk yaitu:
 H0 (hipotesis nol)
 H1 / HA (hipotesis alternatif)

 H0 dan H1 bertolak belakang, tidak mungkin dua-

duanya ditolak dan tidak mungkin dua-duanya
diterima. Penolakan terhadap H0 berimplikasi
pada penerimaan terhadap H1, dan sebaliknya.
 Bentuk Hipotesis

Two-Tail One-Tail
Hypothesis Hypothesis
H0 :  = 0 H0 :   0 H0 :   0
H1 :   0 H1 :  < 0 H1 :  > 0
 Kesalahan Kesimpulan
Kondisi Sebenarnya
(tapi tidak diketahui)
H0 Benar H0 Salah
Kesimpulan Konfirmasi

Type II Error

(berdasarkan data

Terima H0 ()
contoh)

Tolak H0
Type I Error
() 
 ditentukan oleh pengambil kesimpulan. Secara umum
 membesar jika  mengecil.  disebut juga sebagai
taraf nyata (significance level).
 Kesalahan Kesimpulan
H0:  = 55
H1:  = 60

0 1
Pengambilan Kesimpulan
H0 :  =  0
H1 :   0
Jika H0 benar maka x-bar akan menyebar
mengikuti sebaran N(0, 2/n)
Wilayah penolakan H0:
1. x-bar lebih dari 0 + z/2 2/n
2. x-bar kurang dari 0 – z/2 2/n
Pengambilan Kesimpulan
H0 :  =  0
H1 :   0

Jika didefinisikan zhitung sebagai

x  0
z hitung 

n
Tolak H0 jika |zhitung| > z/2
1- /2 Z/2
99% 0.005 2.57
95% 0.025 1.96
90% 0.050 1.645
 Pengambilan Kesimpulan
H0 :  =  0
H1 :   0

Pada kondisi nilai ragam (2) atau simpangan baku ()

populasi tidak diketahui, didefinisikan thitung sebagai

x  0
t hitung 
s
n
Tolak H0 jika |thitung| > t/2 dengan derajat bebas (n – 1)
 Pengambilan Kesimpulan
Daerah penolakan H0 sangat tergantung dari bentuk hipotesis
alternatif (H1) dan statistik uji
daerah kritis
(critical region)
Uji Z (Z-test)
H1:  < 0  Tolak H0 jika zhitung < -z (tabel)
H1:  > 0  Tolak H0 jika zhitung > z (tabel)
H1:   0  Tolak H0 jika |zhitung| > z/2(tabel)

Uji t (t-test)
H1:  < 0  Tolak H0 jika thitung < -t(; db=n-1)(tabel)
H1:  > 0  Tolak H0 jika thitung > t(; db=n-1)(tabel)
H1:   0  Tolak H0 jika |thitung| > t(/2; db=n-1)(tabel)
 Ilustrasi
• 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
menentukan apakah perusahan tersebut layak diberikan ijin.
• Sebanyak 20 mobil diambil secara acak dan diuji emisi CO-nya.
• Dari data yang didapatkan, rata-ratanya adalah 55 dan
ragamnya 4.2.
• Dengan menggunakan taraf nyata 5%, layakkah perusahaan
tersebut mendapat ijin ?
• Hipotesis yang diuji:
H0 :   50 vs H1 :  > 50

• Statistik uji:
th= (55-50)/(4.2/20)=10.91

• Daerah kritis pada taraf nyata 0.05

Tolak Ho jika th > t(0,05;db=19) = 1,729
• Kesimpulan:
Tolak H0, artinya emisi gas CO kendaraan
bermotor yang akan dipasarkan oleh
perusahaan tersebut melebihi batasan yang
ditentukan oleh pemerintah sehingga
perusahaan tersebut tidak layak memperoleh
ijin untuk memasarkan mobilnya.
 Latihan
• 50 orang di antara pasien suatu klinik pengobatan darah
tinggi, yang memiliki kadar kolesterol darah di atas 220,
direkrut sebagai sukarelawan untuk uji efektifitas obat
baru dalam mengurangi kadar kolesterol darah.
• Obat tersebut diberikan selama 1 bulan dan selanjutnya
perubahan kadar kolesterol mereka diukur.
• Apabila rata-rata pengurangan kadar kolesterol ke-50
sukarelawan tersebut adalah sebesar 14.8 dengan
simpangan baku 6.4, kesimpulan apakah yang dapat
diambil?
Pengujian Pembandingan
Rata-Rata Dua Populasi
 Gambaran Umum
• Dua populasi ingin dibandingkan rata-ratanya.

• Contoh acak diambil dari masing-masing

populasi.

• Menggunakan contoh acak yang berasal dari

x1
populasi pertama diperoleh nilai rata-rata dan
dari contoh acak kedua diperoleh nilai rata-rata
x2
• Pembandingan bisa melibatkan salah satu dari
dua kasus berikut:
– Contoh Saling Bebas
– Contoh Berpasangan
 Saling Bebas atau Berpasangan?
• Kementerian Pendidikan dan Kebudayaan bermaksud
mengevaluasi dan membandingkan motivasi pengembangan
diri guru di sekolah dasar negeri dan sekolah dasar swasta.

• Untuk tujuan tersebut, seratus orang guru dari sekolah

negeri dan seratus orang guru dari sekolah swasta
dilibatkan.

• Setiap orang guru diwawancarai oleh psikolog terlatih untuk

dinilai tingkat motivasi pengembangan dirinya.
 Saling Bebas atau Berpasangan?
• Kementerian Pendidikan dan Kebudayaan bermaksud
mengevaluasi dan membandingkan motivasi
pengembangan diri guru sekolah dasar, sebelum dan
sesudah penerapan sertifikasi guru.

• Sebanyak seratus orang terlibat dan diamati

motivasinya beberapa bulan sebelum penerapan
program sertifikasi. Selanjutnya, guru-guru yang sama
kemudian diamati kembali satu tahun setelah
penerapan program sertifikasi.
Perbandingan Nilai Tengah Dua Populasi
1 ??? 2
Kasus Dua Contoh Saling
Bebas
– Setiap populasi diambil Populasi I Populasi II
contoh acak berukuran X~N(1,12) X~N(2,22)
tertentu (bisa sama, bisa
juga tidak sama)
– Pengambilan kedua contoh
saling bebas
Acak dan
– Tujuannya adalah menguji
saling bebas
apakah parameter 1 sama
dengan parameter 2

Contoh I Contoh II
(n1) (n2)
 Bentuk Hipotesis
• Hipotesis
– Hipotesis satu arah (One-Tail Hypothesis)
H0: 1- 2  0 vs H1: 1- 2 < 0

H0: 1- 2  0 vs H1: 1- 2 > 0

– Hipotesis dua arah (Two-Tail Hypothesis)

H0: 1- 2 = 0 vs H1: 1- 2  0
 Bentuk Hipotesis

• Jika 0 = 0
– Hipotesis satu arah (One-Tail Hypothesis)
H0: 1  2 vs H1: 1 < 2

H0: 1  2 vs H1: 1 > 2

– Hipotesis dua arah (Two-Tail Hypothesis)

H0: 1 = 2 vs H1: 1  2
 Statistik Uji
( x1  x2 )   0
th 
s( x1  x2 )
Jika diasumsikan ragam kedua populasi sama besar atau 21 = 22

1 1 (n1  1) s12  (n2  1) s22

s x1  x2   s g  dengan s g 
n1 n2 n1  n2  2

Jika diasumsikan ragam kedua populasi tidak sama besar atau 21  22

s12 s22
s x1  x2   
n1 n2
• Daerah kritis pada taraf nyata ()
– Pada prinsipnya sama dengan kasus satu contoh,
dimana daerah penolakan H0 sangat tergantung
dari bentuk hipotesis alternatif (H1) dan statistik uji
H1: 1- 2 <0  Tolak H0 jika th < -t(; db)(tabel)
H1: 1- 2 >0  Tolak H0 jika th > t(; db)(tabel)
H1: 1- 2 0  Tolak H0 jika |th | > t(/2; db)(tabel)
 Derajat Bebas Pengujian

Jika diasumsikan ragam kedua populasi sama besar

atau 21 = 22
Derajat bebas = n1 + n2 – 2

Jika diasumsikan ragam kedua populasi tidak sama besar

atau 21  22
( s12 / n1  s22 / n2 ) 2
db  2
( s1 / n1 ) 2 ( s22 / n2 ) 2

(n1  1) (n2  1)
(buang nilai desimalnya)
 Teladan
PT MultiKertas mengklaim bahwa kertas produksinya lebih
baik dari pada produk PT Kertasku, dalam artian lebih tahan
dan kuat menahan beban. Guna memeriksa hal tersebut,
dilakukan pengukuran kekuatan kertas yang dipilih acak
masing-masing sebanyak 10 lembar dari kedua perusahaan
tersebut. Data yang didapatkan adalah sebagai berikut:

Kertasku 30 35 50 45 60 25 45 45 50 40
MultiKertas 50 60 55 40 65 60 65 65 50 55

Ujilah apakah klaim MultiKertas didukung oleh data dengan

mengasumsikan ragam kedua populasi berbeda dan
menggunakan taraf nyata 10%
Jawab:
– Rata-rata dan ragam kedua contoh:
n x    x 
2 2
30  35    40 1 10(19025) - (425)
i
2
x 
1  42,5 s 2
1   106.94
10 n(n  1) 10(9)
n x22    xi 
2
50  60    55 10(32525) - (565)2
x2   56,5 s 
2
2   66.94
10 n(n  1) 10(9)

– Perbandingan kekuatan karton

• Hipotesis:
– H0: 1  2 vs H1: 1 < 2
• Statistik uji: (ragam populasi tidak diketahui dan diasumsikan 12 
22 )

( x2  x1 )   0 56.5  42.5  0
th    3.36
( s12 / n1 )  ( s22 / n2 ) 106.94 / 10  66.94 / 10

( s12 / n1  s22 / n2 ) 2 (106.94 / 10  66.94 / 10) 2

db  2 
( s1 / n1 ) 2 /(n1  1)  ( s22 / n2 ) 2 /(n2  1) (106.94 / 10) 2 / 9  (66.94 / 10) 2 / 9
 17.10  17

• Daerah kritis pada taraf nyata 10%:

Tolak H0 jika th < -t(0.10;17) = -1.333
• Kesimpulan:
Tolak H0, artinya klaim PT MultiKerta didukung oleh data.
 Latihan
• Suatu percobaan dilakukan untuk mengetahui efektifitas vitamin C dalam
membantu penyembuhan flu. Contoh acak sebanyak 10 orang diberikan tablet
vitamin C 1 gram yang dikonsumsi sebanyak 4 kali sehari. Sementara itu, contoh
acak sebanyak 12 orang menerima tablet placebo yang penampilan dan rasanya
persis seperti tablet yang berisi vitamin C yang juga dikonsumsi sebanyak 4 kali
sehari. Konsumsi tablet tersebut terus berlanjut hingga dokter yang rutin
memeriksa mereka menyatakan mereka telah sembuh dari flu. Rentang waktu
(dalam hari) dari mulai terpapar flu hingga dinyatakan sembuh diukur sebagai
respon dari percobaan ini. Apakah konsumsi vitamin C 4 gram sehari mampu
mempersingkat rata-rata waktu sakit flu?

  Treated with Vitamin C Treated with Placebo

Mean 6.45 7.13
Variance 0.58 0.78
Observations 10 12
Pooled Variance 0.69
 Perbandingan Nilai Tengah Dua
Populasi Berpasangan
1 ??? 2
Kasus Dua contoh Saling
Berpasangan
– Setiap populasi diambil Populasi I Populasi II
contoh acak berukuran n X~N(1,12) X~N(2,22)
(wajib sama)
– Pengambilan kedua contoh
berpasangan, ada pengkait Acak dan
antar kedua contoh (bisa berpasangan
waktu, objek, tempat, dll)
– Tujuannya adalah menguji
apakah parameter 1 sama
dengan parameter 2 contoh I contoh II
(n) (n)

Pasangan 1

Pasangan …

Pasangan n
Perbandingan Nilai Tengah Data Berpasangan

• Jika X1 adalah nilai pengukuran dari contoh pertama dan X2

adalah nilai pengukuran dari contoh kedua, dan didefinisikan
D = X1 - X2, maka hipotesis statistika untuk kasus data
berpasangan:
–Hipotesis satu arah:
H0: D  0 vs H1: D < 0
H0: D  0 vs H1: D > 0
–Hipotesis dua arah:
H0: D = 0 vs H1: D0

(catatan D adalah selisih dari kedua pengukuran, D= difference)

 Proses Analisis
Contoh 1 (X1) Contoh 2 (X2) Selisih (D)
x11 x21 D1
x12 x22 D2
x13 x23 D3
Pandang
seperti dalam
pengujian
x1n x2n Dn hipotesis rata-
rata satu
populasi

Data yang Data yang

dikumpulkan selanjutnya
diuji
• Ilustrasi
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 lebih

dari 5 kg? Lakukan pengujian pada taraf nyata 5%!
Jawab:
• Karena kasus ini merupakan contoh berpasangan,
maka:
• Hipotesis:
H0 : D  5 vs H1 : D > 5
• Deskripsi:
n d    d i 
2 2

d
 d i

51
 5.1 sd2  i

10(273)  (51) 2
 1.43
n 10 n(n  1) 10(9)

• Statistik uji: sd  1.43  1.20

d  d 5.1  5
t   0.26
sd 1.20 / 10
n
• Daerah kritis pada =5%
Tolak H0, jika th > t(=5%,db=9)= 1.833

• Kesimpulan:
Terima H0, artinya data tidak mendukung hipotesis
bahwa program diet tersebut dapat mengurangi
berat badan lebih dari 5 kg
 Latihan
• Suatu prosedur keselamatan kerja sedang diterapkan pada
suatu perusahaan. Rata-rata jam kerja yang hilang per minggu
akibat adanya kecelakaan, sebelum dan sesudah pelaksanaan
prosedur keselamatan ini, dicatat pada 10 pabrik perusahaan
tersebut dengan hasil berikut ini.

Pabrik 1 2 3 4 5 6 7 8 9 10
Sebelum 31 19 25 32 16 15 24 26 28 18
Sesudah 23 21 22 29 15 16 25 21 24 17

• Pada taraf nyata 5%, apakah prosedur keselamatan kerja

tersebut efektif?
 Uji Kesamaan Ragam
Dua Populasi
• Pengujian pembandingan rata-rata dua
populasi mengasumsikan kesamaan atau
ketidaksamaan ragam.

• Jika tidak ada alasan untuk membuat asumsi,

diperlukan pengujian terlebih dahulu untuk
melihat apakah kedua populasi dapat
dikatakan memiliki ragam yang sama atau
sebaliknya.
 Uji Kesamaan Ragam
Dua Populasi
• Bentuk Hipotesis:
H0: 12 = 22
H1: 12  22

• Statistik uji :

max(s12 , s 22 )
f hit  ~ f  db1  n1 1;db2  n 2 1
min(s12 , s 22 )

• Tolak H0 jika fhit > F, dengan db1 = n1-1, db2 = n2 - 1