Contoh Uji Hipotesis Sampel

Ganda
Uji Hipotesis Varians dengan Sampel-Ganda
Prosedur:
1. Pernyataan Hipotesis Nol:
Ho : 12 = 22
H1 : 12 ≠ 22 ; 12 > 22; 12 < 22
2. Pemilihan Tingkat Kepentingan (Level of Significance), α
3. Penentuan distribusi Pengujian yang digunakan
4. Kesimpulan
Rasio Uji (RUF= s12/s22)
Contoh:
Untuk mengetahui pengaruh pemberian bahan peredam suara pada ruangan
kendaraan dilakukan uji pada produk A dan B, maka dilakukan eksperemen
pengukuran pengurangan kebisingan dengan menggunakan detector bunyi.
Tujuan eksperimen adalah untuk mengetahui perbedaan variabilitas yang
berarti dari kedua bahan tersebut. Diasumsikan kedua bahan menghasilkan
efek peredaman mengikuti distribusi normal. Untuk bahan A dipasangkan
pada 8 kompartemen mobil, sedangkan bahan B dipasangkan pada 9
kompartemen mobil. Setelah diuji didapatkan data pengurangan kebisingan
bahan A sebesar : 41, 43, 60, 56, 85, 79, 51, 49 (dB) sedangkan bahan B
memberikan pengurangan kebisingan sebesar: 73, 67, 83, 70, 66, 68, 92, 76,
59 (dB). Dengan menggunakan uji dua varians apakah kesimpulan yang bisa
diambil?
Penyelesaian:
Sampel A:
dan
Sampel B:
dan
Uji hipotesis:
1. H1 : 12 < 22
2. α = 0,05 (5%)
3. A : n=8  df1 = 8 - 1=7; B: n=9 df2=9-1=8
4. α = 0,05/2 = 0,025  F0,025,7,8 = + 4,53
5. RUF = s12/s22 = 260,29/98 = 2,656
6. RUF < F0,025,7,8 => 2,656 < 4,53
Uji Hipotesis Mean sampel-ganda
1. Diasumsikan terdistribusi normal
2. Ada 4 kondisi:
a. Uji t-pasangan untuk populasi yang saling tergantung (dependent
population)
b. Uji z utk populasi yan independent dan jika varians pupulasinya diketahui
atau jika kedua sampel ukurannya > 30;
c. Uji t sampel ukuran kecil untuk populasi yang independent jika uji F-nya
menunjukkan 1 2 ≠ 2 2
d. Uji t sampel ukuran kecil untuk populasi yang independent jika uji F-nya
menunjukkan 1 2 = 2 2
Uji t-pasangan untuk populasi saling
tergantung
1. Uji-t pasangan populasi saling tergantung  H0: µd = 0; H1: µd ≠ 0 ; µd > 0
2. Pemilihan tingkat kepentingan (Level of Significance) = α
3. Penentuan distribusi pengujian yang digunakan
4. Penentuan daerah penolakan atau kritis  df = v = n-1

Dimana:
d : perbedaan nilai pasangan data (sebelum dan sesudah diberi perlakukan)
Contoh:
Seorang insinyur informatika akan melakukan riset pembuatan program
baru untuk pengolahan database. Jika dg program baru ini terdapat
perbedaan waktu pengolahan (penghematan waktu), dia
merekomendasikan kepada perusahaan untuk mengganti program yang
lama dengan program yang baru. Untuk itu dia mengadakan uji sistem
ke 8 pengguna (operator) untuk mengolah data yang sama baik dengan
program lama maupun yang baru, kemudian dalam waktu (jam)
dilakukan evaluasi. Hasilnya ditunjukkan dalam tabel. Apakah program
baru ada perbedaan yang signifikan?
Tabel data
Operator Program baru Program Lama Perbedaan Selisih dg mean Varian
(x1) (x2) (d = x1 – x2) (d – drata-rata) (d – drata-rata)2
Amir 85 80 5 3 9
Desi 84 88 -4 -6 36
Coki 80 76 4 2 4
Beni 936 90 3 1 1
Faras 83 74 9 7 49
Rugi 71 70 1 -1 1
Makmur 79 81 -2 -4 16
Heru 83 83 0 -2 4
16 0 120
Ho : ud = 0 ; H1: ud ≠ 0
Uji dengan α=0,05
Dg distribusi t  t0,05/2= t0,025,7 = + 2,36
drata-rata = 16/8 = 2
sd= √(sum(d-drata-rata)2/n-1) = √(120/7) = 4,14

RUt = ttest = (drata-rata – ud)/(sd/√n) = (2 – 0)/(4,14/ √8) = 1,37 < 2,36

 H0 diterima
Uji z untuk populasi yang independen
• Ho :
Contoh:
• Sebuah perusahaan Telkom memutuskan memasang sistem antenna
baru di stasiun-2 relay untuk meningkatkan kinerja jaringan
telkomnya. Dari 35 sampel antenna (A) acak diuji selama 2800 hari
dan 32 antenna sampel (B) acak diuji selama 2750 hari. Diperoleh
deviasi standar antenna A adalah 200 jam, antenna B 180 jam. Jika
diuji dengan tingkat kepentingan 0,05 apakah kedua jenis antenna
tersebut berbeda?