PENGUJIAN HIPOTESIS

Bagian 2
RUMUS UMUM :

H0 : μ1 = μ2
H1 : μ1 ≠ μ2
A. σ1 = σ2 = σ dan σ diketahui

 RUMUS STATISTIK :
x1  x 2
Z hitung 
1 1
 
n1 n2
 KRITERIA :
Terima H0 jika – Z(1- ά/2)<Z<Z(1- ά/2)
Tolak H0 jika sebaliknya
B. σ1 = σ2 = σ tetapi σ tidak diketahui

 RUMUS STATISTIK :
x1  x 2
t
1 1
s 
n1 n2

 KRITERIA : Terima H0 jika - t1/2ά < t < t1/2ά

Tolak H0 jika sebaliknya
 C. σ1 ≠ σ2 dan kedua-duanya tidak
diketahui

 RUMUS STATISTIK :
x1  x 2
t0 
2 2
s1 s2
( )( )
n1 n2
 KRITERIA :
Terima H0 jika  t
 / 2  t 0  t / 2
Tolak H0 jika sebaliknya
Contoh 1
 Lima sampel zat yang
mengandung besi diuji Sampel Analisis
untuk menentukan ke
apakah ada perbedaan
kandungan besi yang Kimia Sinar-X
terukur antara
pengukuran dengan 1 2,2 2,0
analisis secara kimia
dan analisis pendar flour
2 1.9 2.0
sinar-X pada taraf nyata 3 2,5 2,3
5% ? 4 2,3 2,3
5 2,4 2,4
Contoh 1

H 0 : μ1 = μ2
H 1 : μ1 ≠ μ2

0,05
½ 0,025 t  2.571
5–1=4

Terima H0 jika :  2.571  t0  2.571

Contoh 1

x1  2.26 s12  0.053 x1  x2

t0 
 s12   s22 
x2  2.2 s  0.035
2
2
    
 n1   n2 

2.26  2.2 0.06

t0    0.452
 0.053   0.035  0.0176
  
 5   5 

Kesimpulan ?
Contoh 2
 Seseorang ingin menunjukkan bahwa siswa wanita dan siswa
pria tidak sama kemampuannya dalam matematika. Untuk itu,
ia mengambil 12 wanita dan 16 pria sebagai sampel. Nilai-nilai
mereka adalah:

Wanita : 51 71 76 81 67 98 58 69 87 74 79 81
Pria : 68 72 77 79 68 80 54 63 89 74 66 86 77 73
74 87

 Jika diasumsikan bahwa sampel-sampel tadi diambil dari

populasi-populasi normal yang variansi-variansinya sama tetapi
tidak diketahui, dan dengan =5%, bagaimana kesimpulan
penelitian tersebut?

 Catt : dk = n1 + n2 - 2
Contoh 2
Contoh 2
Contoh 2
 a. Rumus umum untuk UJI PIHAK
KANAN
 Bila σ1 = σ2, maka
rumus H : μ1 < μ2
A : μ1 > μ2
Kriteria terima H jika t > tά
tolak H jika t< tά
 Bila σ1 ≠ σ2, maka
Kriteria tolak H jika t < tά
terima H jika sebaliknya
 b. Rumus umum untuk UJI PIHAK
KIRI
 Bila σ1 = σ2, maka
rumus H : μ1 ≥ μ2
A : μ1 < μ2
Kriteria tolak H jika t ≤ - tά
terima H jika t > - tά
 Bila σ1 ≠ σ2, maka
Kriteria tolak H jika t ≤ - tά
terima H jika sebaliknya
Soal
Seseorang berpendapat bahwa rata-rata jam kerja
Gravitymeter tipe A dan B sama. Namun timbul keraguan
dimana muncul anggapan jam kerja Gravitymeter A lebih
tinggi daripada B.

Untuk itu, diambil sampel data dengan menggunakan

kedua Gravitymeter, masing-masing 100 data dan 70 data
dengan rata-rata dan simpangan baku 38 dan 9 jam per
minggu serta 35 dan 7 jam per minggu. Ujilah pendapat
tersebut dengan taraf nyata 5% ! Asumsi Varians/
simpangan baku kedua populasi sama besar !
 RUMUS UMUM : H : σ12 = σ2 2
A : σ12 ≠ σ2 2
2
S1
F  2
 RUMUS STATISTIK : S2

 KRITERIA :
F (1  1  )(n1  1, n2  1) F  F ( 1  )(n1  1, n2  1)
2 2
Terima H jika

Tolak H jika sebaliknya

A. UJI PIHAK KANAN
 RUMUS UMUM : H : σ12 ≤ σ2 2
A : σ12 > σ2 2

 KRITERIA :

tolak H0 jika : F ≥ Fά (n1-1)(n2-1)

terima H0 jika : F < Fά (n1-1)(n2-1)
B. UJI PIHAK KIRI
 RUMUS UMUM : H : σ12 ≥ σ2 2
A : σ12 < σ2 2

 KRITERIA :

tolak H0 jika : F ≤ F(1-ά) (n1-1)(n2-1)

terima H0 jika : F > F(1-ά) (n1-1)(n2-1)
Uji Normalitas
 Uji normalitas berguna untuk menentukan data yang
telah dikumpulkan berdistribusi normal atau diambil dari
populasi normal.

 Metode klasik dalam pengujian normalitas suatu data

tidak begitu rumit

 Berdasarkan pengalaman empiris beberapa pakar

statistik, data yang banyaknya lebih dari 30 angka (n >
30), maka sudah dapat diasumsikan berdistribusi
normal. Biasa dikatakan sebagai sampel besar.
Uji Normalitas
 Namun untuk memberikan kepastian, data yang dimiliki
berdistribusi normal atau tidak, sebaiknya digunakan uji
statistik normalitas.

 Karena belum tentu data yang lebih dari 30 bisa

dipastikan berdistribusi normal, demikian sebaliknya data
yang banyaknya kurang dari 30 belum tentu tidak
berdistribusi normal, untuk itu perlu suatu pembuktian.

 Normalitas dapat diuji dengan menggunakan metoda

chi-kuadrat.
Uji Normalitas

Keterangan :
= Nilai
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal
dikalikan N (total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)
Uji Normalitas
Komponen penyusun rumus tersebut di atas didapatkan berdasarkan pada
hasil transformasi data distribusi frekuensi yang akan diuji normalitasnya,
sebagai berikut :
𝑥𝑖 − 𝑥
𝑆𝐷

Keterangan :

Xi = Batas tidak nyata interval kelas

Z = Transformasi dari angka batas interval kelas ke notasi pada distribusi normal
pi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal
dikalikan N (total frekuensi) (pi x N)
Uji Normalitas

Persyaratan Metode (Uji Goodness of fit Distribusi Normal)

a. Data tersusun berkelompok atau dikelompokkan dalam

tabel distribusi frekuensi.

b. Cocok untuk data dengan banyaknya angka besar ( n >

30 )

c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.

Uji Normalitas

Signifikansi:

Jika nilai hitung < nilai tabel, maka terdistribusi normal.

Jika nilai hitung > nilai tabel, maka tidak terdistribusi normal.
Contoh
 Diambil Tinggi Badan Mahasiswa Di Suatu Perguruan
Tinggi Tahun 2010

 Selidikilah dengan α = 5%, apakah data tersebut di atas

berdistribusi normal ?
 (Mean = 157.8; Standar deviasi = 8.09)
Contoh
Hipotesis :

 Ho : Populasi tinggi badan mahasiswa berdistribusi

normal
 H1 : Populasi tinggi badan mahasiswa tidak
berdistribusi normal

Nilai α = level signifikansi = 5% = 0,05

Contoh

2
Contoh

Nilai tabel

Derajat Bebas : = k – 3 ; k = banyak kelas

=7–3=4

Nilai tabel ; α = 0,05 ; = 4  9,488

hitung = 0,427
tabel = 9,488

hitung < nilai X2 tabel  terdistribusi normal

Uji Homogenitas
• Pengujian homogenitas adalah pengujian mengenai
sama tidaknya variansi-variansi dua buah distribusi atau
lebih.

• Uji homogenitas yang akan dibahas dalam tulisan ini

adalah Uji Homogenitas Variansi.

• Uji homogenitas dilakukan untuk mengetahui apakah

data dalam variabel X dan Y bersifat homogen atau
tidak.
Uji Homogenitas
Langkah-langkah menghitung uji homogenitas :
1. Mencari Varians/Standar deviasi Variabel X danY, dengan rumus :

2. Mencari F hitung dengan dari varians X danY, dengan rumus :

Uji Homogenitas
Catatan:

Pembilang: S besar artinya Variance dari kelompok dengan

variance terbesar (lebih banyak)

Penyebut: S kecil artinya Variance dari kelompok

dengan variance terkecil (lebih sedikit)

Jika variance sama pada kedua kelompok, maka bebas tentukan

pembilang dan penyebut.
Uji Homogenitas
Langkah-langkah menghitung uji homogenitas :
3. Membandingkan F hitung dengan tabel distribusi F, dengan:

Untuk varians dari kelompok dengan variance terbesar adalah

pembilang n-1

Untuk varians dari kelompok dengan variance terkecil adalah

penyebut n-1

Jika F hitung < F tabel, berarti homogen

Jika F hitung > F tabel, berarti tidak homogen

Contoh
 Data tentang hubungan antara Penguasaan kosakata(X) dan
kemampuan membaca (Y):
Contoh
Contoh
 Dari penghitungan diatas diperoleh F hitung 2.81

 dari grafik daftar distribusi F dengan pembilang = 10-1 = 9.

penyebut = 10-1 = 9. Dan α = 0.05 dan F tabel = 3.18.

 F hitung < F tabel.

 Kesimpulan : data variabel X dan Y homogen.

Soal
Untuk menguji apakah produksi model A dan model B
mempunyai variansi-variansi yang sama (homogen),
secara random diambil 4 buah model A dan 6 buah model
B. Datanya adalah sebagai berikut.

A: 4 7 6 6
B: 5 1 3 5 3 4

Dengan mengambil taraf nyata 5%, bagaimana kesimpulan

penelitian ini?
TERIMA KASIH