STATISTIKA TEKNIK

LINGKUNGAN
SEARPHIN NUGROHO, S.T., M.T.
 RENCANA PEMBELAJARAN SEMESTER (RPS)
 Pert. 1 : Pendahuluan
 Pert. 2 : Distribusi Frekuensi dan Grafiknya
 Pert. 3 : Ukuran Pemusatan
 Pert. 4 : Ukuran Penyebaran
 Pert. 5 : Uji Hipotesis Sampel Tunggal
 Pert. 6 - 7: Uji Hipotesis Sampel Ganda
 Pert. 8 : UTS
 Pert. 9 : Uji ANOVA
 Pert. 10 : Uji Regresi dan Korelasi Linier Sederhana
 Pert. 11 : Uji Normalitas
 Pert. 12 – 15 : Uji Statistik Non-Parametrik
 Pert. 16 : UAS
 STATISTIK serangkaian teknik yang digunakan untuk mengkaji, menaksir
dan mengambil kesimpulan sebagaian data (data sampel) yang
INFERENSIAL dipilih secara acak dari seluruh data yang menjadi subyek
kajian (populasi)

untuk menganalisis data interval atau rasio, yang diambil dari

Statistik Parametris
populasi yang berdistribusi normal

untuk menganalisis data nominal dan ordinal dari populasi yang

Statistik non-parametris bebas distribusi. Jadi tidak harus normal
 HIPOTESIS

Suatu jenis proposisi yang dirumuskan sebagai jawaban tentatif atas

suatu masalah dan kemudian diuji secara empiris.

hubungan antara dua atau lebih variabel yang di dalamnya, dimana

pernyataan-pernyataan hubungan tersebut telah diformulasikan dalam
kerangka teoritis
Dalam melakukan uji hipotesis, terdapat sejumlah hal yang perlu diperhatikan, yaitu:

Menyusun dua hipotesis yang saling bertentangan

Mengumpulkan data sampel

Menentukan distribusi yang tepat untuk melakukan uji hipotesis

Menganalisis data sampel dengan melakukan perhitungan, dimana hasilnya akan

menjadi dasar untuk menolak atau batal menolak hipotesis nihil (Ho)

Membuat keputusan dan menuliskan kesimpulan

 Rata-rata (µ)

Simpangan baku (σ)

PARAMETER Proporsi (π)

Koefisien korelasi (ρ)

1. Hipotesis Nihil (Ho)
Ketika akan menguji statistik kita selalu bekerja dengan dua hipotesis yaitu hipotesis nihil atau
hipotesis nol dan hipotesis alternative. Hipotesis nihil (Ho) inilah yang sebenarnya diuji secara
statistik dan merupakan pernyataan tentang parameter yang bertentangan dengan keyakinan peneliti.
Ho sementara waktu dipertahankan benar-benar hingga pengujian statistik mendapatkan bukti yang
menentang atau mendukungnya. Apabila dari pengujian statistik diperoleh keputusan yang
mendukung atau setuju dengan Ho, maka dapat dinyatakan bahwa Ho diterima. Sebaliknya jika
diperoleh keputusan yang bertolak belakang atau bertentangan dengan keputusan Ho, maka dapat
dinyatakan bahwa Ho ditolak.

2. Hipotesis Alternatif (Ha)

Hipotesis alternative diberi symbol Ha, disebut juga hipotesis kerja (H1). Pihak peneliti tidak
menguji Ha sebab Ha adalah lawan Ho. Hipotesis alternatif hanya mengekspresikan keyakinan
peneliti tentang ukuran populasi.
 Dikarenakan hipotesis nihil dan alternatif bersifat berkebalikan, maka perlu
dikumpulkan sejumlah bukti untuk menentukan apakah hipotesis nihil tersebut dapat
ditolak atau tidak. Pada umumnya, bukti-bukti tersebut berbentuk data sampel.

 Setelah data dianalisis dan diidentifikasi hipotesis manakah yang memiliki

kecenderungan terhadap data, maka dibuatlah keputusan/kesimpulan. Terdapat dua
macam kesimpulan, yakni “menolak Ho” apabila sampel mendukung Ha atau “tidak
menolak Ho” atau “batal untuk menolak Ho” jika data yang didapatkan tidak cukup
untuk menolak Ho.

 Untuk symbol matematika yang digunakan pada Ho dan Ha:

Ho Ha
Setara (=) Tidak setara (≠), atau leboh dari (>)
atau kurang dari (<)
Lebih dari sama dengan (≥) Kurang dari (<)
Kurang dari sama dengan (≤) Lebih dari (>)
 Contoh:
“Kita ingin menguji apakah rata-rata tinggi dari siswa kelas 8 adalah 66 inci”
Maka hipotesisnya adalah:
H0 : µ = 66
Ha : µ ≠ 66

“Kita ingin menguji apakah membutuhkan waktu kurang dari lima tahun untuk lulus dari jenjang
perkuliahan”
Maka hipotesisnya adalah:
H0 :µ≥5
Ha :µ<5
 KESIMPULAN SERTA ERROR TIPE I & TIPE II
Saat melakukan uji hipotesis, terdapat empat kemungkinan kesimpulan berdasarkan pada fakta yang
sebenarnya (atau kesalahan) dari Ho dan keputusan untuk menolaknya atau tidak. Kesimpulan-
kesimpulan tersebut dapat dilihat pada table berikut:

Keadaan yang Sebenarnya

Kesimpulan
Ho benar Ho salah
Menerima Ho Kesimpulan benar Kesalahan Model ii
Menolak Ho Kesalahan Model I Kesimpulan benar
Empat kemungkinan kesimpulan pada table ialah:
a. Keputusan untuk tidak menolak Ho apabila Ho adalah benar (keputusan tepat)
b. Keputusan untuk menolak Ho apabila Ho adalah benar (keputusan salah, disebut sebagai Tipe I
Error)
c. Keputusan untuk tidak menolak Ho apabila Ho adalah salah (keputusan salah, disebut sebagai Tipe II
Error)
d. Keputusan untuk menolak Ho apabila Ho adalah salah (keputusan tepat)
Setiap dari error terjadi dengan
probabilitas/peluang tertentu, yang
dilambangkan dengan  dan β,
dimana  merupakan probabilitas
error tipe I dan β merupakan
probabilitas error tipe II.
Dalam praktiknya,  disebut juga sebagai taraf signifikansi atau
taraf nyata. Besar kecilnya  dan β yang diterima dalam
pengambilan keputusan tergantung dari kekeliruan-kekeliruan yang
terjadi, dikarenakan keduanya saling berkaitan. Apabila  yang
digunakan semakin kecil, maka β semakin besar. Demikian juga
sebaliknya.

Untuk kepentingan praktis, maka nilai  akan ditentukan lebih dahulu dengan
harga yang umumnya digunakan, yakni  = 0,01 atau  = 0,05. Perhitungan
harga β umumnya menggunakan rumus β = 1 - 
 PENGUJIAN HIPOTESIS SECARA UMUM
Dalam pengujian hipotesis, pada umumnya terdapat dua cara, yaitu:
 Uji hipotesis satu sisi
Dalam uji satu sisi (one-tailed test), hanya ada satu daerah penolakan, dan
hipotesis nol ditolak jika dan hanya jika nilai statistik sampel berada dalam daerah
ini. Jika daerah penolakan berada disisi kanan distribusi sampling, maka uji
hipotesisnya disebut uji sisi kanan (right-tailed test), sedangkan jika berada disisi
kiri maka disebut uji sisi kiri (left-tailed test).

 Uji hipotesis dua sisi

Uji dua sisi merupakan uji hipotesis yang menolak hipotesis nol, jika statistik
sampel secara signifikan lebih tinggi atau lebih rendah dari parameter populasi
yang diasumsikan
Uji satu sisi kanan:
H0: µ ≤ µ0
Ha: µ > µ0

Uji satu sisi kiri:

H0: µ ≥ µ0
Ha: µ < µ0

Uji dua sisi:

H0: µ = µ0
Ha: µ ≠ µ0
 UJI HIPOTESIS
SAMPEL
TUNGGAL
sejumlah distribusi data tertentu berkaitan dengan uji hipotesis

distribusi normal distribusi Student (distribusi-t)

dilakukan apabila nilai standar deviasi populasi tidak diketahui

dan distribusi dari rata-rata sampel mendekati normal.
 Uji distribusi normal

Rata-rata

UJI HIPOTESIS Uji distribusi-t

SAMPEL
TUNGGAL
Proporsi Uji distribusi normal
 Pengujian Rata-rata: Distribusi normal

 Hipotesis:
  Rumus:  Titik kritis:
a. Uji dua sisi:
z= a. Uji dua sisi:
H0: µ = µ 0
-z/2 dan z/2
Ha: µ ≠ µ0
Dimana: b. Uji satu sisi:
z = harga pada daftar Uji satu sisi kanan:
b. Uji satu sisi: distribusi normal baku
z
Uji satu sisi kanan: = rata-rata yang dihitung
H0: µ ≤ µ0 Uji satu sisi kiri:
= rata-rata yang menjadi
Ha: µ > µ0 acuan/standar -za
= standar deviasi yang
berasal dari data acuan
Uji satu sisi kiri:
n = jumlah data
H0: µ ≥ µ0
Ha: µ < µ0
 Contoh uji hipotesis satu sisi:
Seorang pengusaha roti mengklaim bahwa roti yang dia buat memiliki Panjang rata-rata sebesar 15
cm dengan standar deviasi sebesar 0,5 cm. Suatu hari, pelanggan meragukan klaim tersebut dan
menganggap roti-roti tersebut lebih kecil dari seharusnya, sehingga pelanggan tersebut mencoba
untuk membeli roti-roti tersebut sebanyak 9 buah dengan rata-rata sebesar 14,7 cm. Lakukanlah uji
hipotesis dari cerita di atas dengan derajat kepercayaan sebesar 95%.

Jawab:
Berdasarkan soal di atas, maka hipotesis yang terbentuk adalah:
H0 : µ = 15
Ha : µ < 15

Dari hipotesis di atas, maka uji hipotesis yang dilakukan adalah uji satu sisi kiri, dan dikarenakan
standar deviasi dari acuan diketahui, maka distribusi yang digunakan adalah distribusi normal (uji-z).
 =1–β z = -1,645 (berdasarkan pembacaan daftar distribusi normal baku)
= 1 – 0.95
= 0,05 Aturan pengambilan keputusan:
Tolak H0 jika z < -1,645
 Statistik uji:

z =
=

= -1,8

-1,8 -1,645 0

z = -1,8, z = -1,645
z: -1,8 < -1,645

Maka, H0 ditolak dikarenakan nilai z yang diuji berada pada daerah penolakan
 Contoh uji hipotesis dua sisi:
Seorang pengusaha roti mengklaim bahwa roti yang dia buat memiliki Panjang rata-rata sebesar 15
cm dengan standar deviasi sebesar 0,5 cm. Suatu hari, pelanggan meragukan klaim tersebut dan
mencoba untuk membeli roti-roti tersebut sebanyak 9 buah dengan rata-rata sebesar 14,7 cm.
Lakukanlah uji hipotesis dari cerita di atas dengan derajat kepercayaan sebesar 95%.

Jawab:
Berdasarkan soal di atas, maka hipotesis yang terbentuk adalah:
H0 : µ = 15
Ha : µ ≠ 15

Dari hipotesis di atas, maka uji hipotesis yang dilakukan adalah uji dua sisi, dan dikarenakan standar
deviasi dari acuan diketahui, maka distribusi yang digunakan adalah distribusi normal (uji-z).
 =1–β
z/2 = z 0,025
= 1 – 0.95
= -1,96 (berdasarkan pembacaan daftar distribusi normal baku)
= 0,05
Dikarenakan uji ini merupakan dua sisi, maka terdapat titik kritis lainnya yang merupakan
/2 = 0,025 kebalikan dari z/2 yakni 1,96

 Statistik uji:
Aturan pengambilan keputusan:
z = Tolak H0 jika z < - 1,96 atau z > 1,96
=

= -1,8

z = -1,8, z = -1,96
z: -1,8 > -1,96 -1,96 -1,8 1,96

Maka, H0 diterima dikarenakan nilai z yang diuji berada pada daerah penerimaan
 Pengujian Rata-rata: Distribusi-t

 Hipotesis:
  Rumus:  Titik kritis:
a. Uji dua sisi:
t= a. Uji dua sisi:
H0: µ = µ 0
-t/2.dk dan t/2.dk
Ha: µ ≠ µ0
Dimana: b. Uji satu sisi:
t = harga pada daftar Uji satu sisi kanan:
b. Uji satu sisi: distribusi Student
t.dk
Uji satu sisi kanan: = rata-rata yang dihitung
H0: µ ≤ µ0 Uji satu sisi kiri:
= rata-rata yang menjadi
Ha: µ > µ0 patikan /standar -ta.dk
= standar deviasi yang
dihitung
Uji satu sisi kiri:
n = jumlah data
H0: µ ≥ µ0
Ha: µ < µ0
 Contoh uji hipotesis satu sisi:
Seorang pengusaha roti mengklaim bahwa roti yang dia buat memiliki Panjang rata-rata sebesar 15
cm. Suatu hari, pelanggan meragukan klaim tersebut dan menganggap roti-roti tersebut lebih kecil
dari seharusnya, sehingga pelanggan tersebut mencoba untuk membeli roti-roti tersebut sebanyak 9
buah dengan rata-rata sebesar 14,7 cm dengan standar deviasi sebesar 0,7. Lakukanlah uji hipotesis dari
cerita di atas dengan derajat kepercayaan sebesar 95%.

Jawab:
Berdasarkan soal di atas, maka hipotesis yang terbentuk adalah:
H0 : µ = 15
Ha : µ < 15

Dari hipotesis di atas, maka uji hipotesis yang dilakukan adalah uji satu sisi kiri, dan dikarenakan
standar deviasi dari acuan tidak diketahui, maka distribusi yang digunakan adalah distribusi Student (uji-
t).
 =1–β Derajat kebebasan (dk) = n – 1
=9–1=8
= 1 – 0.95
t.dk = -1,86 (berdasarkan pembacaan daftar distribusi Student)
= 0,05

 Statistik uji: Aturan pengambilan keputusan:

t = Tolak H0 jika t < -1,86

=

= -1,28

-1,86 -1,28

t = -1,28, t.dk = -1,86

t: -1,28 > -1,86

Maka, H0 diterima dikarenakan nilai t yang diuji tidak berada pada daerah penolakan
 Contoh uji hipotesis dua sisi:
Seorang pengusaha roti mengklaim bahwa roti yang dia buat memiliki Panjang rata-rata sebesar 15
cm. Suatu hari, pelanggan meragukan klaim tersebut dan mencoba untuk membeli roti-roti tersebut
sebanyak 9 buah dengan rata-rata sebesar 14,7 cm dengan standar deviasi sebesar 0,7 cm. Lakukanlah
uji hipotesis dari cerita di atas dengan taraf nyata sebesar 5%.

Jawab:
Berdasarkan soal di atas, maka hipotesis yang terbentuk adalah:
H0 : µ = 15
Ha : µ ≠ 15

Dari hipotesis di atas, maka uji hipotesis yang dilakukan adalah uji dua sisi, dan dikarenakan standar
deviasi dari acuan tidak diketahuidiketahui, maka distribusi yang digunakan adalah distribusi normal
(uji-z).
 = 0,05 Derajat kebebasan (dk) = n – 1
=9–1=8
/2 = 0,025
t.dk = -2,306 (berdasarkan pembacaan daftar distribusi Student)

Dikarenakan uji ini merupakan dua sisi, maka terdapat titik kritis lainnya yang
 Statistik uji:
merupakan kebalikan dari t/2.dk yakni 2,306
t =
Aturan pengambilan keputusan:
=
Tolak H0 jika t < - 2,306 atau t > 2,306
= -1,28

t = -1,28, t/2.dk = -2,306

t: -1,28 > -2,306 -2,306 -1,28 2,306

Maka, H0 diterima dikarenakan nilai t yang diuji berada pada daerah penerimaan
TERIMA KASIH