Pengujian Hipotesis

METODE STATISTIK
 KELOMPOK 4
AMIRA HUSNA
DANIEL ANINDITO WITJAKSANA
MUHAMMAD ILHAM PASTAMA
MUHAMMAD LUTHFI JASIR YADRI
NUR FADILAH YULIANDINI
SORAYA AZZAHRA
YUDHO AHMAD FAHREZA
MATERI INTRO
A P A ITU UJI HIPOTESIS ?
 PENGANTAR

ESTIMASI UJI HIPOTESIS HIPOTESIS UJI HIPOTESIS

berfokus pada mencari kebenaran klaim atau menguji kebenaran
mencari tahu nilai dari hipotesis yang pernyataan klaim atau
(mengestimasi) sudah dirumuskan mengenai atribut, pernyataan dari
nilai sebuah sebelumnya sifat, atau populasi
parameter karakteristik suatu
populasi
 STRUKTUR UJI HIPOTESIS

NULL HYPOTHESIS (H 0 )
Pernyataan yang diuji dalam sebuah uji hipotesis, biasanya berupa initial claim yang
sudah dikemukan oleh peneliti melalui riset maupun pengetahuan yang sudah ada.

ALTERNATIVE HYPOTHESIS (H 1 )
Klaim terbaru yang akan dibuktikan kebenarannya. Pembuktian kebenaran alternative
hypothesis akan sekaligus mengeliminasi kebenaran null hypothesis.
 S TRUKTUR UJI HIPOTESIS

Jika H0 menunjukkan bahwa nilai parameter dari suatu populasi adalah

sama dengan harga tertentu, H1 menyatakan sebaliknya, yakni nilai
parameter dari suatu populasi adalah tidak sama dengan harga
yang dinyatakan pada H0.

H0 biasanya menyatakan bahwa fenomena yang sedang

dipelajari tidak memiliki efek atau menimbulkan perbedaan
 CONTOH
Sebuah perusahaan pembuat gelas menghasilkan gelas
dengan diameter 10 cm. Seorang pekerja meyakini
bahwa mesin yang digunakan sudah tidak dapat
menghasilkan gelas dengan ukuran tersebut. Kemudian
diambil sampel sebanyak 200 buah gelas untuk
dilakukan uji hipotesis dengan confidence 99%.
Dokter meyakini bahwa kebanyakan mahasiswa Fisika
UI angkatan 2019 tidur rata-ratanya tidak lebih dari 6
jam setiap hari. Seorang kakak tingkat meyakini bahwa
mahasiswa-mahasiswa tersebut tidur lebih lama.
 TES STATISTIK

Contoh (Walpole, 2012)

Sebuah tipe vaksin diketahui hanya 25% efektif setelah 2
tahun. Akan dibuktikan bahwa vaksin yang lebih baru lebih
unggul daripada vaksin yang sudah ada, dalam artian dapat
melindungi dari virus dengan jangka waktu yang lebih lama. Untuk
itu dilakukan pengujian terhadap 20 orang. Ketentuan pengujian:
Jika lebih dari 8 orang yang divaksinasi dengan vaksin baru
kemudian tidak terkena virus selama lebih dari 2
tahun, maka vaksin tersebut dinyatakan lebih unggul
daripada vaksin yang lama (catat bahwa 25%*20=5).
 TES STATISTIK
H0: Vaksin baru sama efektifnya dengan vaksin lama (p=0,25)
H1:Vaksin baru lebih efektif daripada vaksin lama (p>0,25)

Test Statistic (yang menjadi bahan pengambilan keputusan): random variable X

yaitu jumlah individu yang tidak terkena virus selama lebih dari 2 tahun
setelah vaksinasi.
 Galat/Error dalam Uji Hipotesis

Statistik dari sampel yang diambil dari populasi merupakan

perkiraan yang dipakai sebagai dasar untuk mengambil keputusan
pada hipotesis nol.
Keputusan menolak atau menerima hipotesis nol mengandung
ketidakpastian, di mana keputusan bisa saja benar ataupun salah.
Ketidakpastian tersebut menimbulkan suatu galat atau error, yang
kemudian dibagi menjadi dua jenis: galat tipe I dan galat tipe II

ZIMCORE HUB | DESIG THINKIN

S N G
 Galat/Error dalam Uji Hipotesis
Galat Tipe I : Menolak hipotesis nol padahal hipotesis tersebut benar
adanya.
Galat Tipe II : Menerima hipotesis nol padahal hipotesis tersebut salah,
sehingga seharusnya H0 ditolak.

ZIMCORE HUBS | DESIG THINKIN

N G
 Galat/Error dalam Uji Hipotesis
Probabilitas melakukan Galat Tipe I disebut dengan tingkat signifikansi
(disimbolkan dengan α).
Probabilitas melakukan Galat Tipe II disimbolkan dengan β

Contoh Vaksinasi: Level of Significance

Contoh Vaksinasi: Prob. Error Tipe II hanya bisa dihitung jika alternative
hypothesis lebih spesifik (misal H1: p=1/2) dan dikalkulasi menggunakan
distribusi binomial.

Dari hasil tersebut, dapat kita lihat bahwa α kecil tapi β cukup besar, padahal
kita ingin keduanya kecil.
ZIMCORE HUBS | DESIG THINKIN
N G
 PERANAN α, β, DAN
UKURAN SAMPEL
Masih pada kasus Vaksinasi: Andai kita enggan melakukan kesalahan tipe II saat H1: p=1/2
bernilai benar, kita bisa menggeser critical value ke X=7 sehingga critical region mencakup
nilai X>7

nilai tersebut, kita berhasil menurunkan β

bila
Dari ukuran samep kita
nilai tersebut, tetap,berhasil
penurunan peluan β, namun akibatnya α naik, yang artinya
menurunkan
apabila ukuran sampel tetap, penurunan peluang jenis error satu akan memengeruhi
peluang jenis error yang lain. Untungnya, probabilitas untuk kedua jenis error tersebut
dapat diturunkan dengan menambah ukuran sampel. Penasaran!? Cekidot!
 PERANAN α, β, DAN
UKURAN SAMPEL
Masih dalam kasus Vaksinasi, kita naikkan jumlah sampel menjadi 100 dan set critical
value ke 36 (Reject H0: p=1/4 dan terima H1: p>1/4 jika X>36 (Setidaknya 37 dari 100 pasien
yang terima vaksin baru bebas virus selama lebih dari 2 tahun)
Untuk mempermudah perhitungan, kita gunakan pendekatan kurva distribusi normal.
Untuk distribusi binomial, mean dan standar deviasi bernilai:
 PERANAN α, β, DAN
UKURAN SAMPEL
Probabilitas Error Tipe I diberikan oleh luasan di bawah kurva di sebelah kanan X=36,5.
Sehingga:
 PERANAN α, β, DAN
UKURAN SAMPEL
Probabilitas Error Tipe II bisa dihitung untuk alternative hypothesis yang spesifik, misal H1:
p=1/2, dan asumsikan H1 benar

Dapat kita lihat dari nilai tersebut bahwa

kenaikan ukuran sampel menurunkan kedua
nilai error.
MATERI POKOK
U J I HIPOTESIS BEDA 2
MEAN
Pengujian Nilai Mean Dari Sampel Ganda
Dua buah random sample dengan ukuran masing-masing n1 dan n2 diambil dari
populasi dengan mean masing-masing µ1 dan µ2 dan varians σ1 dan σ2. Random
variable berikut ini mempunyai distribusi normal.
P E N G U J I A N NILAI MEAN DARI SAMPEL
GANDA (VARIANSI TIDAK DIKETAHUI)
Asumsikan σ1=σ2, titik uji t nya adalah:
Dengan Sp adalah:

yang mempunyai distribusi-t dengan degree of freedom sebagai :

P E N G U J I A N NILAI MEAN DARI SAMPEL
GANDA (VARIANSI TIDAK DIKETAHUI)
Asumsikan σ1≠σ2, maka titik uji t nya adalah:

mempunyai distribusi-t dengan degree of freedom sebagai :

P E N G U J I A N NILAI MEAN DARI SAMPEL
GANDA ( DATA BERPASANGAN )
Suatu data yang memiliki X1 dan X2 dimana sampel dengan subjek yang sama namun
mengalami dua perlakuan atau pengukuran yang berbeda, titik t nya dapat dinyatakan
sebagai :
Dengan Sd/SD sebesar : Keterangan :
D = Selisih X1 dan X2 (X1-X2)
n = Jumlah Sampel (n1 = n2 = n)
D̅ = Rata-rata
Sd = Standar Deviasi dari d
Dengan X̅ d/X̅ D :
Dan V sebesar :
V=n-1
Kriteria Pengujian Nilai Mean Dari
Sampel Ganda ( Distribusi Normal )
Poin a) dan b) adalah uji satu arah (One-Tail).
Sedangkan, poin c) adalah uji 2 arah (Two-Tail)
Kriteria Pengujian Nilai Mean Dari
Sampel Ganda ( Distribusi-t )
Poin a) dan b) adalah uji satu arah (One-Tail).
Sedangkan, poin c) adalah uji 2 arah (Two-Tail)
Langkah Dalam Menguji Hipotesis 2 Mean
Langkah –langkah untuk melakukan uji hipotesis dua rata-rata adalah
sebagai berikut :
1. Tentukan H0 dan H1
2. Hitunglah komponen pada rumus titik t ( x̅, S atau σ, dan n ) dan
rumus daerah kritis (α atau α/2 , v)
3. Tentukan daerah kritis berdasarkan H1 dan taraf nyata (α)
4. Hitunglah titik t dengan rumus tertentu
5. Bandingkan titik t pada daerah kritis
6. Simpulkan H0 (Ditolak atau diterima)
Contoh Soal!
UDAH SIAP!?
 Uji Nilai Mean dari 2 Sampel One-Tail
(Variansi Tidak Diketahui, Asumsi Variansi Sama)
Sebuah eksperimen dilakukan untuk membandingkan keausan dua
material yang berbeda. Dua belas material 1 diuji dengan mesin
pengukur keausan. Sepuluh material 2 diuji dengan cara yang sama.
Dalam setiap kasus kedalaman keausannya, sampel material 1
memberikan rata-rata keausan 85 unit dengan variansi sampel 1=16
dan
sampel material 2 memberikan rata-rata 81 dengan variansi sample 2 = 25.
Dapatkah kita ambil kesimpulan dengan tingkat signifikansi 0.05
bahwa tingkat keausan material 1 melebihi material 2 dari 2 unit?
Anggap bahwa populasi mempunyai distribusi normal dengan
varians yang sama.
Oke, ayo kita selesaikan!

Dengan µ1 dan µ2 adalah mean populasi untuk material 1 dan

material 2.
H0: µ1 - µ2 = 2
H1: µ1- µ2 > 2
α = 0.05
Critical region: t > 1.725 dengan:

dengan degree of freedom v = n1 + n2 - 2 = 20

dikit lagi bos!

Lantas kemudian dapat diambil kesimpulan bahwa jangan tolak H0.

Kita tidak dapat mengambil kesimpulan bahwa keausan material 1
tidak melebihi material 2 dari 2 unit.
Uji Nilai Mean 2 Sample Two Tail ( Data Berpasangan )
Suatu kegiatan penelitian eksperimental,
telah berhasil menemukan metode
“ABG” sebagai metode baru untuk
mengajarkan mata kuliah Statistika II.
Dalam rangka uji coba terhadap
efektifitas atau keampuhan metode baru
itu, dilaksanakan penelitian lanjutan
dengan mengajukan Hipotesis Nol (Nihil)
yang mengatakan : Tidak terdapat
perbedaan yang signifikan nilai Statistika
II antara sebelum dan sesudah di
terapkannya metode “ABG” sebagai
metode mengajar mahasiswa UIB
semester 6. Dalam rangka pengujian ini
diambil sampel sebanyak 20 mahasiswa.
Gunakan taraf kepercayaan 95 % (α=
5% ) untuk menguji pernyataan
(Hipotesis) tersebut.
Langkah Kerja
1) Menentukan Hipotesis : 3) Perhitungan Σ(D)dan Σ(D2) 4) Perhitungan SD
H0 : µ1 - µ2 = 0
H1 : µ1 - µ2 ≠ 0

2) Menentukan dareah Krisis :

Karena ini adalah uji 2 arah
maka,
α = 0.05, α/2 = 0.025
V = n – 1 = 20 – 1 = 19 5) Perhitungan titik t
-tα/2,v< T < tα/2,v
t=
-t0.025,19 < T < t0.025,19 H0 : µ1 − µ2 = 0
-2.093 < T < 2.093
Langkah Kerja
6) Bandingkan dengan daerah kritis

Titik t = -3.5902 berada di luar daerah kritis -2.093 < T < 2.093

7) Kesimpulan

Ho ditolak , sehingga disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil belajar statistika II
sebelum dan sesudah diterapkannya Metode “ABG”.
 Uji Nilai Mean 2 Sample Two Tail
( Variansi Tidak Diketahui, Asumsi Variansi Tak Sama )
Sebuah pabrik mobil ingin memutuskan apakah akan menggunakan ban merk A atau merk B bagi
mobil produksi terbarunya. Untuk membantu mencapai keputusan tersebut, sebuah percobaan
dilakukan dengan menggunakan 12 ban untuk masing-masing merk tersebut. Ban – ban tersebut
dipasang dan digunakan sampai aus sehingga harus diganti hasilnya adalah :

Merk A : x̅ 1 = 37,900 Km, s1 = 5100 Km

Merk B : x̅ 2 = 39,800 Km, s2 = 5900 Km

Ujilah hipotesis pada taraf nyata 0.05 bahwa tidak ada perbedaan antara kedua merk ban tersebut.
Asumsikan bahwa kedua populasi menyebar menghampiri normal dan bervariansi berbeda.
Langkah Kerja
1) Menentukan Hipotesis : 3) Mencari V
H0 : µ1 - µ2 = 0
H1 : µ1 - µ2 ≠ 0
Asumsikan σ1≠σ2
2) Informasi dari Soal
n1 = n2 = n = 12
x̅ 1 = 37900 Km
s1 = 5100 Km
x̅ 2 = 39800 Km
s2 = 5900 Km
4)=Mencari
α 0.05, α/2Daerah Kritis
= 0.025
α/2 = 0.025, v = 22
-tα/2,v< T < tα/2,v
-t0.025,22 < T < t0.025,22
-2.073 < T < 2.073
5) Perhitungan titik t
t=
v=
= 21.548 H0 : µ1 − µ2 = 0
v 22
t=
= -0.844
6) Bandingkan dengan daerah kritis
Titik t = -0.844 berada di dalam 7) Kesimpulan
daerah kritis -2.073 < T < 2.073 H0 diterima, sehingga disimpulkan
bahwa tidak ada perbedaan antara
kedua merk ban tersebut.
 [1 E. Walpole, Ronald. 1988. Pengenalan
Statistika
] Edisi ke-3. Jakarta: PT. Gramedia
Pustaka Utama
[2] Munir, R. "Pengujian Hipotesis". Bahan
Kuliah II2092 Probabilitas dan Statistik STEI
References ITB. Institut Teknologi Bandung: Bandung.
[3] Nugroho, H. A. 2018. "Uji Hipotesis I".
Materi Ajar Probabilitas dan Statistika
DTETI UGM. Universitas Gadjah Mada
Press: Yogyakarta.

ZIMCORE HUBS | DESIGN THINKING