BAHAN AJAR
STATISTIKA INFERENSIAL
KODE MATA KULIAH
MAT 201
ROMBEL
410140-03
410140-04
410140-05
410140-06
410140-07
Semester Gasal 2011/2012
Disusun Oleh
Putriaji Hendikawati, S.Si., M.Pd., M.Sc.
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Negeri Semarang
DAFTAR ISI
BAB I PENAKSIRAN PARAMETER
1. Pengertian Penaksiran
2. Menaksir Rata-rata µ
3. Menaksir Proporsi π
4. Menaksir Simpangan Baku σ
5. Menaksir Selisih Rata-Rata
6. Menaksir Selisih Proporsi
BAB II PENGUJIAN HIPOTESIS
1. Pendahuluan
2. Dua Macam Kekeliruan
3. Langkah Pengujian Hipotesis
4. Uji Hipotesis Rata-Rata
5. Uji Hipotesis Proporsi
6. Uji Hipotesis Varians
7. Uji Hipotesis Kesamaan Dua Rata-Rata
8. Uji Hipotesis Kesamaan Dua Proporsi
9. Uji Hipotesis Kesamaan Dua Varians
10.Uji Homogenitas Varians Populasi
BAB III ANALISIS VARIANS
BAB IV ANALISIS REGRESI
BAB I
PENAKSIRAN PARAMETER
1. Pengertian Penaksiran
Statistika digunakan untuk menyimpulkan populasi.
Kelakuan populasi dipelajari berdasarkan data yang diambil baik secara
sampling maupun sensus. Namun, karena berbagai faktor untuk
menyimpulkan populasi diambil sebuah sampel yang representatif kemudian
berdasarkan hasil analisis terhadap data sampel, kesimpulan mengenai
populasi dibuat.
Kelakuan populasi yang akan diamati adalah mengenai parameter populasi
dan sampel yang digunakan adalah sampel acak. Data sampel dianalisis,
nilai-nilai yang perlu yaitu statistik dihitung dan berdasarkan nilai-nilai-nilai-nilai statistik
dapat disimpulkan bagaimana parameter bertingkah laku.
Cara pengambilan kesimpulan tentang parameter sehubungan dengan
cara-cara menaksir harga parameter. Harga parameter yang sebenarnya tetapi tidak
diketahui nilainya tersebut akan ditaksir berdasarkan statistik sampel yang
diambil dari populasi yang bersangkutan.
Parameter populasi yang akan ditaksir pada bab ini adalah rata-rata,
simpangan baku dan proporsi.
Secara umum parameter populasi akan diberi simbol θ (baca: theta). Jadi θ
bisa merupakan rata-rata µ, simpangan baku σ , proporsi πdan sebagainya.
Jika θ tidak diketahui harganya, ditaksir oleh harga θˆ (baca: theta topi), maka
θˆ dinamakan penaksir.
Sangat diharapkan θˆ=θ, yaitu penaksir dapat mengatakan harga parameter θ yang sebenarnya. Namun, keinginan ini dapat dikatakan terlalu ideal.
Kenyataan yang sering terjadi adalah:
b. menaksir θ oleh θˆ terlalu rendah.
Kriteria untuk memperoleh penaksir yang baik yaitu: takbias, memiliki varians
minimum dan konsisten.
a. penaksir θˆ dikatakan penaksir takbias jika rata-rata semua harga θˆ yang
mungkin akan sama dengan θ, ditulis E
( )
θˆ =θ. Penaksir yang tidaktakbias disebut penaksir bias.
b. penaksir bervarians minimum ialah penaksir dengan varians terkecil
diantara semua penaksir untuk parameter yang sama. Jika θˆ1 dan θˆ2 dua
penaksir untuk θ, jika varians θˆ1 < varians θˆ2, maka θˆ1 merupakan
penaksir bervarians minimum.
c. Misalkan θˆ penaksir untuk θ yang dihitung berdasarkan sebuah sampel
acak berukuran n. Jika ukuran sampel n makin besar mendekati ukuran
populasi menyebabkan θˆ mendekati θ, maka θˆ disebut penaksir
konsisten.
d. Penaksir yang takbias dan bervariansi minimum dinamakan penaksir
terbaik.
Jika harga parameter θ ditaksir oleh θˆ tertentu, maka θˆ dinamakan penaksir
atau tepatnya titik taksiran (estimasi titik).
Misalkan akan ditaksir rata-rata tinggi mahasiswa jurusan matematika Unnes.
Maka diambil sebuah sampel acak, kemudian data sampel dikumpulkan lalu
dihitung rata-ratanya. Misalkan diperoleh x= 160 cm. Jika 160 cm ini
digunakan untuk menaksir rata-rata tinggi mahasiswa jurusan matematika
Unnes, maka 160 adalah titik taksiran untuk rata-rata tinggi mahasiswa
matematika Unnes.
Titik taksiran untuk suatu parameter µ, harganya akan berlainan tergantung
pada harga x yang diperoleh dari sampel yang diambil, sehingga hasilnya
kurang meyakinkan atau kurang dapat dipercaya. Untuk itu digunakan interval
taksiran atau selang taksiran, yaitu menaksir harga parameter di antara batas
dua harga.
Dalam prakteknya harus dicari interval taksiran yang sempit dengan derajat
kepercayaan yang memuaskan. Derajat kepercayaan menaksir, disebut
koefisien kepercayaan, merupakan pernyataan dalam bentuk peluang.
Jika koefisien kepercayaan dinyatakan dengan γ (baca: gamma), maka
1
0<γ < . Harga γ yang digunakan tergantung pada persoalan yang dihadapi
dan seberapa besar peneliti ingin yakin dalam membuat kesimpulan. Yang
biasa digunakan adalah γ =0,95 atau γ =0,99.
Untuk menentukan interval taksiran parameter θ dengan koefisien
kepercayaan γ , diambil sebuah sampel acak lalu hitung nilai statistik yang
diperlukan.
Perumusan dalam bentuk peluang untuk parameter θ antara A dan B adalah:
(I.1) P
(
A<θ <B)
=γDengan A dan B fungsi daripada statistik, merupakan variabel acak, tetapi
tidak tergantung pada θ.
Bentuk (I.1) dapat diartikan: peluangnya sama dengan γ bahwa θ terletak
antara A dan B. Jika A dan B dihitung harganya berdasarkan data sampel,
maka A dan B akan merupakan bilangan tetap, sehingga pernyataan di atas
menjadi: kita merasa 100 γ% percaya bahwa parameter θ akan ada di dalam
2. Menaksir Rata-rata µ
Misalkan dipunyai populasi berukuran N dengan rata-rata µ dan simpangan
baku σ . Dari populasi ini akan ditaksir parameter rata-rata µ. Untuk itu
ambil sebuah sampel acak berukuran n, hitung satatistik yang diperlukan yaitu
xdan s. Titik taksiran untuk rata-rata µ adalah x. Dengan kata lain,
nilai µ ditaksir oleh harga x yang diperoleh dari sampel.
Untuk memperoleh taksiran yang tinggi derajat kepercayaannya, digunakan
interval taksiran atau selang taksiran disertai nilai koefisien kepercayaan yang
dikehendaki.
a. Simpangan baku σ diketahui dan populasi berdistribusi normal
Rumus (I.1) menjadi:
(I.2) γ σ µ γ σ ⎟⎟=γ
⎠ ⎞ ⎜⎜
⎝
⎛ − < < +
n z x n
z x
P . .
2 1 2
1
Dengan γ = koefisien kepercayaan dan γ
2 1
z = bilangan z dari tabel normal
baku untuk peluang 12γ.
Untuk memperoleh 100 γ% interval kepercayaan parameter µ dapat
digunakan rumus:
(I.3)
n z x n
z
x γ. σ µ γ. σ
2 1 2
1 < < + −
b. Simpangan baku σ tidak diketahui dan populasi berdistribusi normal
Kenyataannya parameter σ jarang sekali diketahui. Maka rumus (I.2) diganti
(I.4) µ ⎟⎟=γ
⎠ ⎞ ⎜⎜
⎝
⎛ − < < +
n s t x n
s t x
P p. p.
Dengan γ = koefisien kepercayaan dan tp= nilai t dari daftar distribusi
Student dengan =
(
1+γ)
2 1Untuk interval kepercayaannya:
(I.5)
n s t x n
s t
x− p. <µ< + p.
Bilangan
n s t
x− p. dan
n s t
x+ p. masing-masing merupakan batas bawah
dan batas atas kepercayaan.
Jika ukuran sampel n relatif besar dibandingkan dengan ukuran populasi N
yakni >5%
N n
, maka rumus (I..3) dan rumus (I.5) menjadi:
(I.6)
1 .
1 .
2 1 2
1 −
− +
< < − − −
N n N
n z x N
n N
n z
x γ σ µ γ σ
(I.7)
1 .
1 .
− − +
< < − − −
N n N
n s t x N
n N
n s t
x p µ p
c. Simpangan baku σ tidak diketahui dan populasi tidak berdistribusi normal
Jika ukuran sampel n tidak terlalu kecil, maka dapat digunakan dalil limit
pusat. Selanjutnya aturan-aturan yang diuraikan dalam bagian (b) di atas dapat
digunakan dengan kekeliruan yang sangat kecil.
Jika distribusi populasi sangat menyimpang dari normal dan ukuran sampel
kecil sekali, maka teorinya harus dipecahkan menggunakan bentuk distribusi
asli dari populasi yang bersangkutan.
Hal ini tidak dibicarakan di sini.
Contoh
Sebuah populasi berdistribusi normal berukuran 1000 dengan simpangan baku
5,75. dari populasi diambil sampel acak dan diperoleh rata-rata 68,6. Taksirlah:
a. rata-rata populasi bila ukuran sampelnya 30
Penyelesaian
Diketahui x= 68,6
σ= 5,75
γ = 95% = 0,95
γ 2 1 475 , 0
= Æ z0,475= 1,96
a. Sampel n = 30 Æ 5%
1000 30 ≤ = N n n z x n z
x γ. σ µ γ. σ
2 1 2
1 < < + −
( )
( )
30 75 , 5 . 96 , 1 6 , 68 30 75 , 5 . 96 , 1 6 ,68 − <µ< +
66,54<µ<70,66
Jadi, 95% interval kepercayaan untuk rata-rata populasi ialah
66 , 70 54
,
66 <µ< .
Dengan kata lain, kita merasa 95% yakin (percaya) bahwa rata-rata populasi
tersebut akan ada dalam interval dengan batas 66,54 dan 70,66.
b. Sampel n = 80 Æ 5%
1000 80 ≥ = N n 1 . 1 . 2 1 2 1 − − + < < − − − N n N n z x N n N n z
x γ σ µ γ σ
( )
( )
1 1000 80 1000 . 30 75 , 5 . 96 , 1 6 , 68 1 1000 80 1000 30 75 , 5 . 96 , 1 6 , 68 − − + < < − − − µ68,6−a<µ<68,6+a
Jadi, 95% interval kepercayaan untuk rata-rata populasi ialah
a a< < +
− 68,6 6
,
68 µ .
Dengan kata lain, kita merasa 95% yakin (percaya) bahwa rata-rata populasi
3. Menaksir Proporsi
Misalkan sebuah sampel acak berukuran n diambil dari populasi binomial
berukuran N dimana terdapat proporsi π untuk peristiwa A yang ada dalam
populasi tersebut. Jika terdapat x peristiwa A, sehingga proporsi sampel untuk
peristiwa A =
n
x . Jadi titik taksiran untuk π adalah n x .
Digunakan pendekatan oleh distribusi normal kepada binomial untuk ukuran
sampel n cukup besar.
Rumus 100 γ% keyakinan untuk interval kepercayaan π adalah
(I.8)
n pq z
p n
pq z
p . .
2 1 2
1 γ <π < + γ −
dengan
n x
p= dan q=1−p sedangkan γ
2 1
z adalah bilangan z yang
diperoleh dari daftar normal baku untuk peluang γ 2 1 .
Contoh
Diadakan survei terhadap sebuah populasi masyarakat di kota Semarang dengan
mengambil sampel 100 orang dan diperoleh yang suka berolahraga sejumlah 60
orang. Dengan koefisien kepercayaan 95%, taksirlah interval kesukaan
berolahraga masyarakat di kota Semarang tersebut.
Penyelesaian
Diketahui γ= 95% = 0,95
γ 2 1
475 , 0
= Æ z0,475= 1,96
0,6
100 60 =
=
p Æ q= 0,4
Interval kepercayaan π adalah
n pq z
p n
pq z
p . .
2 1 2
( ) ( )( )
( ) ( )( )
1004 , 0 6 , 0 . 96 , 1 6 , 0 100
4 , 0 6 , 0 . 96 , 1 6 ,
0 − <π < +
6960,504<π <0,
% 6 , 69 %
4 ,
50 <π <
Jadi, kita merasa 95% yakin (percaya) bahwa persentase kesukaan
berolahraga masyarakat di kota Semarang tersebut akan ada dalam interval
dengan batas 50,4 % dan 69,6 %.
4. Menaksir Simpangan Baku σ
Untuk menaksir varians σ2 dari sebuah populasi, maka perlu dihitung sampel
varians s2 berdasarkan sampel acak berukuran n.
(I.9)
(
)
1
2 2
− − =
∑
n x x
s i
Varians s2 adalah penaksir takbias untuk varians σ2, tetapi simpangan baku
s bukan penaksir takbias untuk simpangan baku σ. Jadi titik taksiran s
untuk σ adalah bias.
Jika populasinya berdistribusi normal dengan varians σ2, maka 100 γ%
interval kepercayaan untuk σ2 ditentukan dengan menggunakan distribusi chi-kuadrat.
(I.10)
(
)
( )
(
)
( )
2 1 2 1
2 2
2 1 2 1
2
1 1
γ
γ χ
σ
χ + −
− < <
− s n s n
dengan n ukuran sampel sedangkan 2(1 )
2 1 γ
χ + dan 2(1 )
2 1 γ
χ − diperoleh dari daftar
chi-kuadrat berturut-turut untuk =
(
1+γ)
2 1p dan =
(
1−γ)
2 1
p dengan
(
−1)
= n
dk .
Interval taksiran simpangan baku σ diperoleh dengan melakukan penarikan
Contoh
Dari sebuah populasi yang berdistribusi normal, diambil sampel yang representatif
dan diperoleh simpangan baku sebesar 6 dengan ukuran sampel 31. Dengan
koefisien kepercayaan 99%, taksirlah interval dari simpangan baku populasi.
Penyelesaian
Diketahui n = 31
s = 6
γ = 99 % = 0,99
( ) 2(10,99) (,311) (20,995) ( ),30 53,7
2 1 2
, 1 2
1 + =χ + − =χ =
χ γ dk
( ) 2( ) ( ) (20,005) ( ),30 13,8
1 31 , 99 , 0 1 2 1 2
, 1 2
1 − =χ − − =χ =
χ γ dk
Interval kepercayaan simpangan baku populasi adalah
(
)
( )(
)
( )
2 1 2 1
2 2
2 1 2 1
2
1 1
γ
γ χ
σ
χ + −
− < <
− s n s n
(
)( )
(
)( )
8 , 13
6 1 31 7
, 53
6 1
31 2 2
2 −
< < − σ
(
)( )
(
)( )
8 , 13
6 1 31 7
, 53
6 1
31− 2 <σ < − 2
4,4846<σ <8,8465
Jadi, kita merasa 99% yakin (percaya) bahwa simpangan baku populasi tersebut
akan ada dalam interval dengan batas 4,4846 dan 8,8465.
5. Menaksir Selisih Rata-Rata
Misalkan dipunyai dua buah populasi, keduanya berdistribusi normal dengan
rata-rata dan simpangan baku masing-masing µ1dan σ1 untuk populasi
pertama, µ2dan σ2untuk populasi kedua. Secara independen diambil sebuah
sampel acak dengan ukuran n1 dan n2 dari masing-masing populasi. Rata-rata
Akan ditaksir selisih rata-rata (µ1−µ2).
Titik taksiran untuk adalah (µ1−µ2) adalah (x1−x2).
Untuk menaksir selisih rata-rata dibedakan hal-hal berikut:
a. Dalam hal σ1=σ2
Jika kedua populasi normal dan memiliki σ1=σ2 =σ yang besarnya
diketahui, maka 100 γ% interval kepercayaan untuk (µ1−µ2) adalah
(I.11) 2 1 2 1 2 1 2 1 2 1 2 1 2 1 1 1 ) ( 1 1 ) ( n n z x x n n z x
x − − γσ + <µ −µ < − + γσ +
dengan γ
2 1
z diperoleh dari daftar normal baku untuk peluang γ 2 1 .
Jika kedua populasi normal dan memiliki σ1 =σ2 =σ tetapi besarnya tidak
diketahui, maka perlu tentukan varians gabungan dari sampel yang dinyatakan
dengan s2.
(I.12)
(
)
(
)
2 1 1 2 1 2 2 2 2 1 1 2 − + − + − = n n s n s n s
Interval kepercayaannya ditentukan dengan menggunakan distribusi Student.
Rumus untuk 100 γ % interval kepercayaan (µ1−µ2) adalah
(I.13) 2 1 2 1 2 1 2 1 2 1 1 1 . ) ( 1 1 . ) ( n n s t x x n n s t x
x − − p + <µ −µ < − + p +
dengan s diperoleh dari rumus (I.12) dan tp diperoleh dari daftar distribusi
Student dengan =
(
1+γ)
2 1p dan dk =n1+n2−2.
b. Dalam hal σ1≠σ2
Untuk populasi normal dengan σ1≠σ2 teori di atas tidak berlaku dan teori
Dengan memisalkan s1=σ1 dan s2 =σ2 untuk sampel-sampel acak
berukuran cukup besar, dapat dilakukan pendekatan kepada distribusi normal.
Rumus interval kepercayaan ditentukan oleh:
(I.14)
2 2 2 1 2 1 2 1 2 1 2 1 2 2 2 1 2 1 2 1 2
1 ) ( )
(
n s
n s z x x n
s
n s z x
x − − γ + <µ −µ < − + γ +
dengan γ
2 1
z diperoleh dari daftar normal baku untuk peluang γ 2 1 .
c. Observasi berpasangan
Misalkan populasi pertama memiliki variabel acak X dan populasi kedua
dengan variabel acak Y. Rata-ratanya masing-masing µx dan µy. Diambil
sampel acak dari tiap populasi yang berukuran sama, n1=n2 =n.
Diperoleh data sampel
(
x1,x2,K,xn)
dan(
y1,y2,K,yn)
, dan bila dataobservasi ini berpasangan maka
1
x berpasangan dengan y1
2
x berpasangan dengan y2
M
n
x berpasangan dengan yn
Dalam hal berpasangan, maka untuk menaksir selisih atau beda rata-rata
y x B µ µ
µ = − , dapat pula dibentuk selisih atau beda tiap pasangan data yaitu
1 1 1 x y
B = − , B2 =x2−y2,…, Bn =xn−yn.
Dari sampel berukuran n yang datanya terdiri dari B1, B2,…, Bn, dihitung
rata-rata Bdan simpangan baku sBdengan menggunakan
n B
B =
∑
i dan(
(
)
)
1
2 2
1 − − =
∑
∑
n n
B B
n
sB i
Rumus untuk 100 γ % interval kepercayaan µB adalah
s s < < +
dengan tp diperoleh dari daftar distribusi Student dengan =
(
1+γ)
2 1p dan
(
−1)
= n
dk .
Contoh (Sudjana)
Ada dua cara pengukuran untuk mengukur kelembaban suatu zat. Cara I
dilakukan 50 kali yang menghasilkan x = 60,2 dan 1 s12= 24,7. Cara II dilakukan
60 kali dengan x2= 70,4 dan s22= 37,2. Tentukan interval kepercayaan 95%
mengenai perbedaan rata-rata pengukuran dari kedua cara tersebut.
Penyelesaian
Diketahui x = 60,2 ; 1 s12= 24,7
x2= 70,4 ; s22= 37,2
Dimisalkan hasil kedua cara pengukuran berdistribusi normal.
(
)
(
1 0,95)
0,975 21 1
2
1 + = + =
= γ
p ; dk=50+60−2=108
Karena kedua populasi normal dan memiliki σ1=σ2 =σ tetapi besarnya tidak
diketahui, maka varians gabungan dari sampel adalah
(
)
(
)
(
)(
) (
)(
)
53 , 31 2 60 50 2 , 37 1 60 7 , 24 1 50 2 1 1 2 1 2 2 2 2 1 1 2 = − + − + − = − + − + − = n n s n s n sMaka interval kepercayaan
2 1 2 1 2 1 2 1 2 1 1 1 . ) ( 1 1 . ) ( n n s t x x n n s t x
x − − p + <µ −µ < − + p +
60 53 , 31 50 53 , 31 . ) 2 , 60 4 , 70 ( 60 53 , 31 50 53 , 31 . ) 2 , 60 4 , 70
( − −t0,975;108 + <µ1−µ2 < − +t0,975;108 +
(70,4−60,2)−
(
1,984) ( )
.1,08 <µ1−µ2 <(70,4−60,2)+(
1,984) ( )
.1,088,06<µ1−µ2 <12,34
Jadi, kita merasa 95% yakin (percaya) bahwa selisih rata-rata pengukuran dari
kedua cara tersebut akan ada dalam interval yang dibatasi oleh 8,06 dan 12,34.
diambil sebuah sampel acak berukuran n1 dan n2. Proporsi untuk peristiwa
yang diperhatikan pada sampel tersebut adalah
1 1 1
n x
p = dan
2 2 2
n x
p = dengan
1
x dan x2menyatakan banyaknya peristiwa yang diperhatikan.
Akan ditentukan interval taksiran untuk
(
π1−π2)
dengan menggunakanpendekatan oleh distribusi normal asalkan n1 dan n2cukup besar.
Rumus untuk 100 γ % interval kepercayaan selisih
(
π1−π2)
adalah(I.16)
(
)
(
)
2 2 2 1
1 1 2 1 2 1 2 1 2
2 2 1
1 1 2 1 2 1
n q p
n q p z
p p n
q p
n q p z
p
p − − γ + <π −π < − + γ +
dengan q1 =1−p1 dan q2 =1− p2 sedangkan γ
2 1
z diperoleh dari daftar
normal baku untuk peluang γ 2
1 .
Contoh (Sudjana)
Diambil dua sampel acak yang masing-masing terdiri atas 500 pemudi dan 700
pemuda yang mengunjungi sebuah pameran. Ternyata diperoleh bahwa 325
pemudi dan 400 menyukai pameran itu. Tentukan interval kepercayaan 95%
mengenai perbedaan persentase pemuda dan pemudi yang mengunjungi pameran
dan menyukainya.
Penyelesaian
Diketahui
persentase pemudi yang menyukai pameran 100% 65%
500 325
1 1
1= = × =
n x
p
persentase pemuda yang menyukai pameran 100% 57%
700 400
2 2
2= = × =
n x p
Jadi, q1=1−p1=1−65%=35% dan q2=1− p2=1−57%=43%
(
)
(
)
2 2 2 1 1 1 2 1 2 1 2 1 2 2 2 1 1 1 2 1 2 1 n q p n q p z p p n q p n q p z pp − − γ + <π −π < − + γ +
(
)
(
)(
) (
)(
)
(
)
(
)(
) (
)(
)
700 43 , 0 57 , 0 500 35 , 0 65 , 0 57 , 0 65 , 0 700 43 , 0 57 , 0 500 35 , 0 65 , 0 57 , 0 65 , 0 95 , 0 . 2 1 2 1 95 , 0 . 21 + < − < − + +
−
− z π π z
(
0,65−0,57) ( ) (
− 1,96 0,0284)
<π1−π2 <(
0,65−0,57) ( ) (
+ 1,96 0,0284)
0,024<π1−π2<0,136
Jadi, kita merasa 95% yakin (percaya) bahwa perbedaan persentase pemuda dan
pemudi yang mengunjungi pameran dan menyukainya akan ada dalam interval
yang dibatasi oleh 2,4% dan 13,6%.
LATIHAN
1. Diketahui populasi siswa dengan ukuran 100 Taksirlah rata-rata penguasaan
kemampuan bahasa dari populasi tersebut jika:
a. diambil sampel secara acak sebanyak 4 siswa dengan penguasaan
kemampuan bahasa berikut 60,2 ; 65,4 ; 70,1 dan 72,8 dengan koefisien
kepercayaan 95%.
b. diambil sampel secara acak sebanyak 10 siswa dengan penguasaan
kemampuan bahasa berikut 60,4 ; 55,7 ; 70,2 ; 70,3 ; 60,5 ; 66,6 ; 62,8 ;
63,9 ; 70,1 ; 64,8 dengan koefisien kepercayaan 99%.
2. Telah ditimbang 10 buah tomat dengan hasil (dalam gram): 142, 157, 138,
175, 152, 149, 148, 200, 182, 164. Jika berat tomat berdistribusi normal,
tentukan interval kepercayaan 95% untuk rata-rata berat tomat.
3. Diketahui dua buah sampel yang diambil dari dua buah populasi.
Sampel I : 38, 42, 51, 47, 38, 60, 57, 58, 32, 45
Sampel II : 44, 49, 53, 46, 41, 47, 34, 60, 59, 63
Tentukan selisih rata-ratanya bila interval kepercayaan 95 %, jika:
c. simpangan baku kedua populasi diasumsikan tidak sama.
4. Dari populasi tanaman padi jenis A dan jenis B, diambil sampel tinggi
tanaman padi sbb:
Sampel I dari padi jenis A : 39,3 ; 45,5 ; 41,2 ; 53 ; 44,2 ; 42,5 ; 63,9.
Sampel II dari padi jenis B : 37 ; 42,4 ; 40,1 ; 52,2 ; 41,5 ; 40,8 ; 60,2.
Dengan observasi berpasangan tersebut dan interval kepercayaan 95 %,,
taksirlah selisih rata-ratanya.
5. Sebuah sampel berukuran 200 lampu yang dihasilkan oleh sebuah mesin
produksi menunjukkan 15 buah lampu rusak. Sebuah sampel lain berukuran
100 buah lampu yang dihasilkan oleh mesin kedua mengandung 12 buah
lampu yang rusak. Tentukan interval kepercayaan 99% untuk selisih kedua
BAB II
PENGUJIAN HIPOTESIS
1. Pendahuluan
Sebelumnya telah dipelajari cara-cara menaksir parameter untuk mengambil
kesimpulan tentang berapa besar harga parameter. Cara pengambilan
kesimpulan yang kedua akan dipelajari adalah melalui pengujian hipotesis.
Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk
menjelaskan hal tersebut yang sering dituntut untuk melakukan
pengecekannya.
Jika asumsi atau dugaan tersebut dikhususkan mengenai populasi, umumnya
mengenai nilai-nilai parameter populasi, maka hipotesis disebut hipotesis
statistik.
Contoh hipotesis
a. peluang lahirnya bayi berjenis kelamin laki-laki = 0,5.
b. 25 % masyarakat termasuk golongan A.
c. Rata-rata pendapatan keluarga di suatu daerah Rp 300.000,00 tiap bulan.
Setiap hipotesis bisa benar atau tidak benar, maka perlu diadakan penelitian
sebelum hipotesis itu diterima atau ditolak. Langkah atau prosedur untuk
menentukan apakah menerima atau menolak hipotesis dinamakan pengujian
hipotesis.
2. Dua Macam Kekeliruan
Meskipun dalam penelitian hipotesis telah diterima atau ditolak, tidak berarti
bahwa telah dibuktikan kebenaran hipotesis. Yang diperlihatkan adalah hanya
menerima atau menolak hipotesis saja.
a. Kekeliruan tipe I ialah menolak hipotesis yang seharusnya diterima,
b. Kekeliruan tipe II ialah menerima hipotesis yang seharusnya ditolak.
Tipe Kekeliruan Ketika Membuat Kesimpulan tentang Hipotesis Keadaan Sebenarnya
Kesimpulan
Hipotesis Benar Hipotesis Salah
Terima Hipotesis BENAR SALAH
(Kekeliruan tipe II)
Tolak Hipotesis SALAH
(Kekeliruan tipe II)
BENAR
Kedua tipe kekeliruan dinyatakan dalam bentuk peluang. Peluang membuat
kekeliruan tipe I biasa dinyatakan dengan α(alpha) maka disebut pula
kekeliruan αdan peluang membuat kekeliruan tipe II dinyatakan dengan β
(beta) dikenal dengan kekeliruan β.
α disebut taraf signifikan (level of significan) atau taraf arti atau sering disebut taraf nyata.
Jika αdiperkecil, maka βmenjadi besar dan demikian sebaliknya.
Harga α yang biasa digunakan adalah α =0,01 atau α=0,05.
Misalnya, dengan α=0,05 atau sering disebut taraf nyata (taraf signifikansi)
5%, artinya kira-kira 5 dari tiap 100 kesimpulan bahwa akan menolak
hipotesis yang harusnya diterima. Dengan kata lain kira-kira 95% yakin
bahwa telah dibuat kesimpulan yang benar. Dalam hal demikian dikatakan
bahwa hipotesis telah ditolak pada taraf nyata 0,05 yang berarti mungkin salah
dengan peluang 0,05.
3. Langkah Pengujian Hipotesis
Pengujian hipotesis akan membawa pada kesimpulan untuk menerima atau
menolak hipotesis. Sehingga terdapat dua pilihan, dimana digunakan
perumusan seperlunya agar lebih terperinci dan lebih mudah dalam penentuan
Hipotesis yang biasa dinyatakan dengan H, perlu dirumuskan dengan singkat
dan jelas sesuai dengan persoalan yang dihadapi. Agar tampak adanya dua
pilihan, maka hipotesis H ini didampingi pernyataan lain yang isinya
berlawanan yang disebut dengan hipotesis tandingan (alternatif) yang
dinyatakan dengan A.
Pasangan hipotesis H dan A, tepatnya H melawan A, akan menentukan
kriteria pengujian yang terdiri dari daerah penerimaan dan daerah penolakan
hipotesis. Daerah penolakan hipotesis sering disebut dengan daerah kritis.
Bila menguji parameter θ (θ dapat berupa rata-rata µ, proporsi π,
simpangan baku σ , dll), maka:
a. Hipotesis mengandung pengertian sama
Pengujian sederhana lawan sederhana
1) H : θ =θ0
A : θ=θ1
dengan θ0,θ1 dua nilai berbeda yang diketahui.
Pengujian sederhana lawan komposit
2) H : θ =θ0
A : θ≠θ0
3) H : θ =θ0
A : θ>θ0
4) H : θ =θ0
A : θ<θ0
b. Hipotesis mengandung pengertian maksimum (pengujian komposit lawan
komposit)
H : θ≤θ0
c. Hipotesis mengandung pengertian minimum pengujian komposit lawan
komposit)
H : θ≥θ0
A : θ<θ0
Berikut hanya akan dipelajari pengujian terhadap hipotesis yang
perumusannya mengandung pengertian sama atau tidak memiliki perbedaan,
disebut hipotesis nol H0 melawan hipotesis tandingannya H1, yang
mengandung pengertian tidak sama, lebih besar atau lebih kecil. H1 harus
dipilih dan ditentukan peneliti sesuai dengan persoalan yang dihadapi.
Pasangan H0 dan H1 yang telah dirumuskan dituliskan dalam bentuk berikut.
⎩ ⎨ ⎧
≠ =
0 1
0 0
: H
: H
θ θ
θ θ
atau
⎩ ⎨ ⎧
> =
0 1
0 0
: H
: H
θ θ
θ θ
atau
⎩ ⎨ ⎧
< =
0 1
0 0
: H
: H
θ θ
θ θ
Selanjutnya, pilih bentuk statistik yang akan digunakan, apakah z, t, χ2, F
atau lainnya. Harga statistik yang dipilih dihitung besarnya berdasarkan data
sampel yang dianalisis. kriteria pengujian ditentukan berdasarkan pilihan taraf
nyata αatau disebut ukuran daerah kritis.
Peran hipotesis tandingan H1 dalam penentuan daerah kritis adalah sebagai
berikut:
1) Jika H1 mempunyai perumusan tidak sama, maka dalam distribusi statistik
yang digunakan didapat dua daerah kritis masing-masing pada ujung-ujung
α
2
1 . Karena adanya dua daerah penolakan maka pengujian hipotesis
dinamakan uji dua pihak.
Kedua daerah dibatasi oleh d1 dan d2 (pada contoh gambar d1 dinyatakan
dengan nilai z = -1,96 dan d2 dinyatakan dengan z = 1,96) yang harganya
diperoleh dari daftar distribusi yang bersangkutan dengan peluang ditentukan
oleh α.
Kriteria yang digunakan: terima H0 jika harga statistik yang dihitung
berdasarkan data penelitian terletak diantara d1 dan d2, selain itu tolak H0.
2) Jika H1 mempunyai perumusan lebih besar, maka dalam distribusi statistik
yang digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah
Harga d (pada contoh gambar ddinyatakan dengan nilai z = 1,96) diperoleh
dari daftar distribusi yang bersangkutan dengan peluang ditentukan oleh α,
menjadi batas antara daerah kritis dan daerah penerimaan H0.
Kriteria yang digunakan: tolak H0 jika statistik yang dihitung berdasarkan
sampel tidak kurang dari d, selain itu terima H0.
Pengujian hipotesis ini dinamakan uji satu pihak, tepatnya pihak kanan.
3) Jika H1 mempunyai perumusan lebih kecil, maka dalam distribusi statistik
yang digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah
kiri. Luas daerah kritis atau daerah penolakan ini sama dengan α.
Gambar daerah penerimaan dan penolakan akan sama dengan pada option 2)
di atas, namun daerah penolakan terletak disebelah kiri.
Kriteria yang digunakan: terima H0 jika statistik yang dihitung berdasarkan
penelitian lebih besar dari d, selain itu tolak H0.
Pengujian hipotesis ini dinamakan uji satu pihak, tepatnya pihak kiri.
Secara ringkas langkah pengujian hipotesis adalah:
1. Rumuskan hipotesis pengujian yang akan digunakan.
2. Tentukan besarnya taraf nyata α.
3. Tentukan kriteria pengujian.
4. Tentukan nilai statistik hitung berdasarkan data penelitian (sampel) yang
diambil.
5. Menarik kesimpulan menerima atau menolah H0 berdasarkan hasil 3 dan 4.
4. Uji Hipotesis Rata-Rata µ: Uji Dua Pihak
Misalkan dipunyai sebuah populasi berdistribusi normal dengan rata-rata µ
dan simpangan baku σ. Untuk menguji parameter rata-rata µ, diambil
a. Dalam hal σ diketahui
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
0 1
0 0
: H
: H
µ µ
µ µ
dengan µ0 sebuah harga yang
diketahui.
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Terima H0 jika − (−α)< < (1−α)
2 1 1
2
1 z z
z , selainnya tolak H0.
Dengan (1−α)
2 1
z diperoleh dari daftar distribusi normal baku dengan
peluang
(
1−α)
21 .
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(II.1)
n x z= −σµ0
dengan x adalah rata-rata sampel, µ0 nilai yang diketahui, σ adalah
simpangan baku populasi.
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh
Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar
800 jam. Namun timbul dugaan bahwa masa pakai lampu tersebut telah berubah.
Maka dilakukan pengujian terhadap 50 lampu untuk menentukan hal ini. Ternyata
diperoleh rata-ratanya 792 jam. Berdasarkan pengalaman diketahui simpangan
baku masa hidup lampu 60 jam. Selidikilah dengan menggunakan kepercayaan
95% apakah kualitas lampu telah berubah atau belum.
Penyelesaian
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
0 1
0 0
: H
: H
µ µ
µ µ
yaitu
⎩ ⎨ ⎧
≠ =
800 :
H
800 :
H
1 0
µ µ
2. Taraf signifikansi α= 5%.
3. Kriteria pengujian.
Terima H0 jika − (−α)< < (1−α)
2 1 1
2
1 z z
z
( ) (1 0,05)
2 1 05
, 0 1 2
1 − < < −
−z z z Æ 96−1,96<z<1,
Dengan (1−α)
2 1
z diperoleh dari daftar distribusi normal baku dengan peluang
(
1−α)
21 .
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
94 , 0
50 60
800 792
0 = − =− −
=
n x z
σµ
5. Kesimpulan : karena zhitung =−0,94 terletak dalam daerah penerimaan
0
H maka H0 diterima. Jadi, µ=800 . Artinya, dalam taraf signifikansi 5%
hasil penelitian menunjukkan bahwa masa pakai lampu belum berubah yaitu
masih 800 jam.
b. Dalam hal σ tidak diketahui
Pada kenyataannya simpangan baku σ sering tidak diketahui, maka
digunakan taksirannya yaitu simpangan baku s.
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
0 1
0 0
: H
: H
µ µ
µ µ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Terima H0 jika − 1−12α < < 1−12α
t t t
Dengan α
2 1 1−
t diperoleh dari daftar distribusi t (distribusi Student)
dengan peluang α
2 1
1− dan dk =n−1.
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(II.2)
n s x t= −µ0
(II.3)
(
)
1
2
− − =
∑
n x x
s i
dengan x adalah rata-rata sampel, µ0 nilai yang diketahui, s adalah
simpangan baku sampel.
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh
Untuk contoh sebelumnya (kasus masa hidup lampu pijar), dimisalkan simpangan
baku populasi tidak diketahui, dan dari sampel diperoleh s = 55 jam. Selidikilah
dengan menggunakan kepercayaan 95% apakah kualitas lampu telah berubah
atau belum.
Penyelesaian
Diketahui x= 792 ; n = 50 ; s = 55
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
0 1
0 0
: H
: H
µ µ
µ µ
yaitu
⎩ ⎨ ⎧
≠ =
800 :
H
800 :
H
1 0
µ µ
2. Taraf signifikansi α= 5%.
3. Kriteria pengujian.
Terima H0 jika 1−12α 1−12α < < −t t t
dengan dk = 50 - 1 = 49
( ) ( )
05 , 0 1 2 1 05
, 0 1 2
1 − < < −
−t t t Æ −2,01<t<2,01
029 , 1
50 55
800 792
0 = − =− −
=
n s x
t µ
5. Kesimpulan : karena thitung =−1,029 terletak dalam daerah penerimaan
0
H maka H0 diterima. Jadi, µ=800 . Artinya, dalam taraf signifikansi 5%
hasil penelitian menunjukkan bahwa masa pakai lampu belum berubah yaitu
masih 800 jam.
5. Uji Hipotesis Rata-Rata µ: Uji Satu Pihak
Misalkan dipunyai sebuah populasi berdistribusi normal dan diambil sebuah
sampel acak berukuran n, lalu dihitung statistik xdan s.
Uji Pihak Kanan
a. Dalam hal σ diketahui
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
> =
0 1
0 0
: H
: H
µ µ
µ µ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Tolak H0 jika z≥z0,5−α, selainnya H0 diterima.
Dengan z0,5−α diperoleh dari daftar distribusi normal baku dengan
peluang
(
0,5−α)
.4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
menggunakan statistik z yang sama dengan rumus (II.1).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
b. Dalam hal σ tidak diketahui
Pada kenyataannya simpangan baku σ sering tidak diketahui, maka
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
> =
0 1
0 0
: H
: H
µ µ
µ µ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
TolakH0 jika t≥t1−α, selainnya H0 diterima.
Dengan t1−α diperoleh dari daftar distribusi t (distribusi Student)
dengan peluang 1−α dan dk=n−1.
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
menggunakan statistik t yang sama dengan rumus (II.2).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh
Proses pembuatan barang rata-rata menghasilkan 15,7 unit per jam. Hasil produksi
memiliki varians 2,3. metode baru diusulkan untuk mengganti metode lama jika
rata-ratanya per jam menghasilkan paling sedikit 16 buah. Untuk menentukan
apakah metode akan diganti atau tidak, metode baru dicoba 20 kali dan ternyata
rata-rata perjam menghasilkan 16,9 buah. Pengusaha bermaksud mengambil risiko
5% untuk menggunakan metode baru apabila metode ini rata-rata menghasilkan
labih dari 16 buah. Apakah keputusan yang akan diambil pengusaha?
Penyelesaian
Diketahui x= 16,9 ; n = 20 ; σ = 2,3, µ0=16
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
0 1
0 0
: H
: H
µ µ
µ µ
yaitu
⎩ ⎨ ⎧
> =
16 : H
16 : H
1 0
µ µ
2. Taraf signifikansi α= 5%.
3. Kriteria pengujian.
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
65 , 2
20 3 , 2
16 9 , 16
0 = − = −
=
n x z
σµ
5. Kesimpulan : karena zhitung =2,65> z0,5−α =1,64 terletak pada daerah kritis
maka H0 ditolak. Jadi, µ>16. Sehingga dapat disimpulkan bahwa dengan
risiko 5% metode baru dapat menggantikan metode lama.
Uji Pihak Kiri
a. Dalam hal σ diketahui
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
< =
0 1
0 0
: H
: H
µ µ
µ µ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Tolak H0 jika z≤−z0,5−α, selainnya H0 diterima.
Dengan z0,5−α diperoleh dari daftar distribusi normal baku dengan
peluang
(
0,5−α)
.4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
menggunakan statistik z yang sama dengan rumus (II.1).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
b. Dalam hal σ tidak diketahui
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
< =
0 1
0 0
: H
: H
µ µ
µ µ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Dengan t1−α diperoleh dari daftar distribusi Student t dengan peluang
α
−
1 dan dk=n−1.
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
menggunakan statistik t yang sama dengan rumus (II.2).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh
Masyarakat mengeluh dan mengatakan bahwa isi bersih makanan kaleng tidak
sesuai dengan yang tertera pada kemasannya sebesar 5 ons. Untuk meneliti hal ini,
23 kaleng makanan diteliti secara acak. Dari sampel tersebut diperoleh berat
rata-rata 4,9 ons dan simpangan baku 0,2 ons. Dengan taraf nyata 5%, bagaimanakah
pendapat anda mengenai keluhan masyarakat tersebut.
Penyelesaian
Diketahui x= 4,9 ; n = 23 ; s = 0,2 ; µ0= 5
Langkah pengujian hipotesis dengan varians populasi tidak diketahui:
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
0 1
0 0
: H
: H
µ µ
µ µ
yaitu
⎩ ⎨ ⎧
< =
5 : H
5 : H
1 0
µ µ
Jika rata-rata berat makanan kaleng tidak kurang dari 5 ons tentu masyarakat
tidak akan mengeluh.
2. Taraf signifikansi α= 5%.
3. Kriteria pengujian.
Tolak H0 jika t≤−t1−α Æ 72−t1−α =−t1−0,05 =−1, dengan dk = 23 - 1 = 22
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
398 , , 2
23 2 , 0
5 9 , 4
0 = − =− −
=
n s x
t µ
5. Kesimpulan : karena thitung =−2,398<−t1−α =−1,72 terletak pada daerah kritis
maka H0 ditolak. Jadi, µ<5. Sehingga dapat disimpulkan penelitian tersebut
6. Uji Hipotesis Proporsi π: Uji Dua Pihak
Misalkan dipunyai populasi binomial dengan proporsi peristiwa A adalah π.
Untuk menguji parameter proporsi π, diambil sebuah sampel acak berukuran
n dari populasi dan menghitung proporsi sampel peristiwa A sebesar
n x
.
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
0 1
0 0
: H
: H
π π
π π
dengan π0 sebuah harga yang diketahui.
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Terima H0 jika − (−α)< < (1−α)
2 1 1
2
1 z z
z , selainnya tolak H0.
Dengan (1−α)
2 1
z diperoleh dari daftar distribusi normal baku dengan
peluang
(
1−α)
21 .
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(II.4)
(
)
n n x z
0 0
0
1 π
π π
− − =
dengan
n
x adalah proporsi peristiwa A dari sampel dan
0
π adalah
proporsi yang diuji.
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh
Akan diuji distribusi jenis kelamin laki-laki dan jenis kelamin perempuan adalah
sama. Sebuah sampel acak terdiri atas 4.800 orang terdiri atas 2.458 laki-laki.
Dalam taraf nyata 5%, apakah benar distribusi kedua jenis kelamin tersebut adalah
sama.
Penyelesaian
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧ ≠ = 0 1 0 0 : H : H π π π π yaitu ⎩ ⎨ ⎧ ≠ = 5 , 0 : H 5 , 0 : H 1 0 π π
2. Taraf signifikansi α= 5%.
3. Kriteria pengujian.
Terima H0 jika − (−α)< < (1−α)
2 1 1
2
1 z z
z
( ) (10,05)
2 1 05 , 0 1 2
1 − < < −
−z z z Æ 96−1,96<z<1,
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(
)
(
)
1,684800 5 , 0 1 5 , 0 5 , 0 4800 2458 1 0 0 0 = − − = − − = n n x z π π π
5. Kesimpulan :karena zhitung =1,68 terletak dalam daerah penerimaan H0maka
0
H diterima. Jadi, µ=0,5. Artinya, benar distribusi kedua jenis kelamin
tersebut adalah sama.
7. Uji Hipotesis Proporsi π: Uji Satu Pihak
Uji Pihak Kanan
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧ > = 0 1 0 0 : H : H π π π π
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Tolak H0 jika z≥z0,5−α.
Terima H0 jika z<z0,5−α.
Dengan z0,5−α diperoleh dari daftar distribusi normal baku dengan peluang
(
0,5−α)
.5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Uji Pihak Kiri
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
< =
0 1
0 0
: H
: H
π π
π π
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Tolak H0 jika z≤−z0,5−α, selainnya terima H0.
Dengan z0,5−α diperoleh dari daftar distribusi normal baku dengan peluang
(
0,5−α)
.4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
menggunakan statistik z yang sama dengan rumus (II.4).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh
Berbagai media memberitakan bahwa dari seluruh wanita 60% nya suka
menonton sinetron untuk mengisi waktu luangnya. Untuk menyelidiki kebenaran
berita tersebut, maka diambil sampel acak 100 orang wanita dan setelah
diwawancarai ternyata yang suka menonton sinetron hanya 40 orang. Dengan α=
5%, ujilah kebenaran pernyataan berita tersebut dengan alternatif bahwa wanita
suka menonton sinetron untuk mengisi waktu luangnya kurang dari 60%.
Penyelesaian
Diketahui x = 40 n = 100
π0 =60%=0,6
Langkah pengujian hipotesis uji pihak kiri:
1. Hipotesis pengujian
⎩ ⎨ ⎧
< =
0 1
0 0
: H
: H
π π
π π
yaitu
⎩ ⎨ ⎧
< =
6 , 0 : H
6 , 0 : H
1 0
π π
Tolak H0 jika z≤−z0,5−α Æ z≤−z0,5−0,005 Æ z≤−z0,45 Æ z≤−1,64
Terima H0 jika z>−z0,5−α Æ z>−1,64
α
−
5 , 0
z diperoleh dari daftar distribusi normal baku dengan peluang
(
0,5−α)
.4. Statistik hitung berdasarkan data penelitian (sampel)
(
)
(
)
4,08100 6 , 0 1 6 , 0
6 , 0 100 40
1 0
0 0
− = −
− =
− − =
n n x z
π π
π
5. Kesimpulan: karena zhitung =−4,08<−1,64=−z0,5−α maka H0 ditolak.
Jadi, π <π0 . Artinya, pemberitaan di media mengenai kesukaan wanita
menonton sinetron untuk mengisi waktu luangnya tidak benar.
8. Uji Hipotesis Varians σ2: Uji Dua Pihak
Pada pengujian rata-rata µ untuk populasi normal diperoleh hal dimana
simpangan baku σ diketahui yang umumnya diperoleh dari pengalaman dan
untuk menentukan besarnya perlu diadakan pengujian. Untuk itu dimisalkan
populasi berdistribusi normal dengan varians
σ
2 dan daripadanya diambilsebuah sampel acak berukuran n. Varians sampel yang besarnya s2 dihitung
dengan rumus:
(
)
1
2 2
− − =
∑
n x x
s i atau
(
(
)
)
1
2 2
2
− − =
∑
∑
n n
x x
n
s i i
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎪⎩ ⎪ ⎨ ⎧
≠ =
2 0 2 1
2 0 2 0
: H
: H
σ σ
σ σ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Terima H0 jika 2
2 1 1 2 2
2
1α χ χ α
Dengan 2
2 1α
χ dan 2
2 1 1 α
χ− diperoleh dari daftar distribusi Chi Kuadrat
dengan dk=n−1 dan masing-masing peluang 12α dan
(
1−12α)
.4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(II.5)
(
2)
0 2
2 1
σ
χ = n− s
(II.6)
(
)
1 2 2 − − =
∑
n x xs i atau
(II.7)
(
)
) 1 ( 2 2 2 − − =
∑
∑
n n x x ns i i
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh
Pada kasus sebelumnya tentang masa hidup lampu, diambil σ = 60 jam dengan
ukuran sampel n = 50 diperoleh s = 55 jam. Jika masa hidup lampu berdistribusi
normal, benarkah σ = 60 jam dalam taraf nyata 5%.
Penyelesaian
Diketahui σ = 60 jam ; n = 50 ; s = 55 jam
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎪⎩ ⎪ ⎨ ⎧ ≠ = 2 0 2 1 2 0 2 0 : H : H σ σ σ σ yaitu ⎪⎩ ⎪ ⎨ ⎧ ≠ = 3600 : H 3600 : H 2 1 2 0 σ σ
2. Taraf signifikansi α= 5%.
3. Kriteria pengujian.
Terima H0 jika 2
2 1 1 2 2 2
1 α χ χ α
χ < < − dengan dk =n−1=50−1=49
2 .0,05
2 1 1 2 2 05 , 0 . 2
1 <χ <χ−
χ Æ 2
975 , 0 2 2 025 ,
0 χ χ
χ < <
32,4< χ2 <71,4
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(
)
(
)(
)
174 , 41 025 , 3 1 50 1 22 = − = − =
σ
5. Kesimpulan :karena χ2 =41,174 terletak dalam daerah penerimaan H0maka
0
H diterima. Jadi, σ2 =3600. Artinya, benar σ = 60 jam dalam taraf nyata
5%.
9. Uji Hipotesis Varians σ2: Uji Satu Pihak
Uji Pihak Kanan
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎪⎩ ⎪ ⎨ ⎧
> =
2 0 2 1
2 0 2 0
: H
: H
σ σ
σ σ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Tolak H0 jika 2 1 2
α
χ
χ ≥ − , selainnya terima H0.
Dengan χ12−α diperoleh dari daftar distribusi Chi Kuadrat dengan
1
− =n
dk dan peluang
(
1−α)
.4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
menggunakan statistik Chi Kuadrat yang sama dengan rumus (II.5).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Uji Pihak Kiri
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎪⎩ ⎪ ⎨ ⎧
< =
2 0 2 1
2 0 2 0
: H
: H
σ σ
σ σ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Tolak H0 jika χ2 ≤χα2, selainnya terima H0.
Dengan χα2 diperoleh dari daftar distribusi Chi Kuadrat dengan dk=n−1
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
menggunakan statistik Chi Kuadrat yang sama dengan rumus (II.5).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh (Walpole)
Seorang pengusaha pembuat baterai menyatakan umur baterainya berdistribusi
hampir normal dengan simpangan baku sama dengan 0,9 tahun. Diambil sampel
acak sebesar 10 baterai mempunyai simpangan baku 1,2 tahun. Gunakan taraf
nyata 5% untuk menguji apakah σ > 0,81 tahun!
Penyelesaian
Diketahui σ0= 0,81 tahun ; n = 10 ; s = 1,2 tahun
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎪⎩ ⎪ ⎨ ⎧
> =
2 0 2 1
2 0 2 0
: H
: H
σ σ
σ σ
yaitu
⎪⎩ ⎪ ⎨ ⎧
> =
81 , 0 : H
81 , 0 : H
2 1
2 0
σ σ
2. Taraf signifikansi α= 5%.
3. Kriteria pengujian.
Tolak H0 jika χ2 ≥χ12−α, selainnya terima H0.
2 16,919
05 , 0 . 2 1 =
χ dengan dk =n−1=10−1=9
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(
)
(
)(
)
0 , 16 81
, 0
44 , 31 1 10 1
2 0
2
2 = − = − =
σ
χ n s
5. Kesimpulan : karena 16 2.0,05 16,919
2 1 2 = <χ =
χ terletak dalam daerah
penerimaan H0 maka H0 diterima. Jadi, σ2 =0,81. Artinya, tidak ada alasan
meragukan bahwa simpangan baku umur baterai adalah 0,9 tahun.
10.Uji Hipotesis Kesamaan Dua Rata-Rata: Uji Dua Pihak
Banyak penelitian yang memerlukan perbandingan antara dua populasi.
akan digunakan dasar distribusi sampling mengenai selisih statistik, misalnya
selisih rata-rata dan selisih proporsi.
Misalkan dipunyai dua buah populasi, keduanya berdistribusi normal dengan
rata-rata dan simpangan baku masing-masing µ1dan σ1 untuk populasi
pertama, µ2dan σ2untuk populasi kedua. Secara independen diambil sebuah
sampel acak dengan ukuran n1 dan n2 dari masing-masing populasi. Rata-rata
dan simpangan baku dari sampel-sampel itu berturut-turut x1, s1dan x2, s2.
Akan diuji tentang rata-rata µ1 dan µ2.
a. Dalam hal σ1=σ2 =σ dan σ diketahui
Langkah pengujian hipotesis:
a. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
2 1 1
2 1 0
: H
: H
µ µ
µ µ
b. Tentukan besarnya taraf signifikansi α.
c. Kriteria pengujian.
Terima H0 jika − 12(1−α)< < 12(1−α)
z z z
, selainnya tolak H0.
Dengan (−α)
1 2 1
z diperoleh dari daftar distribusi normal baku dengan
peluang 12
(
1−α)
.d. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(II.8)
2 1
2 1
1 1
n n
x x z
+ − =
σ
e. Menarik kesimpulan berdasarkan hasil 3 dan 4.
b. Dalam hal σ1=σ2 =σ tetapi σ tidak diketahui
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ = 2 1 0
: H
: H
µ µ
µ µ
3. Kriteria pengujian.
Terima H0 jika α α
2 1 1 2
1
1− < < −
−t t t , selainnya tolak H0.
Dengan α
2 1 1−
t diperoleh dari daftar distribusi t (distribusi Student)
dengan peluang 1−12α dan dk =n1+n2−2.
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(II.9)
2 1
2 1
1 1
n n s
x x t
+ − =
(II.10)
(
)
(
)
2 1 1
2 1
2 2 2 2 1 1 2
− +
− + − =
n n
s n s n s
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh (Sudjana)
Dua macam makanan A dan B diberikan kepada ayam secara terpisah untuk
jangka waktu tertentu. Ingin diketahui makanan mana yang lebih baik bagi ayam.
Sampel acak yang terdiri atas 11 ayam diberi makanan A dan 10 ayam diberi
makanan B. Hasil percobaan pertambahan berat badan ayam (ons) sebagai berikut
Makanan A 3,1 3,0 3,3 2,9 2,6 3,0 3,6 2,7 3,8 4,0 3,4
Makanan B 2,7 2,9 3,4 3,2 3,3 2,9 3,0 3,0 2,6 3,7
Bila populasinya dianggap normal, ujilah pada taraf nyata 5%, apakah kedua
makanan tersebut sama baiknya atau tidak!
Penyelesaian
Diketahui dari data di atas xA= 3,22 ; xB= 3,07 ; s2A= 0,1996 ; s2B= 0,1112.
Pada kasus ini populasi dianggap normal dan variansnya tidak diketahui namun
sama besar.
Langkah pengujian hipotesis dalam hal σ1 =σ2 =σ tetapi σ tidak diketahui
1. Hipotesis pengujian
⎩ ⎨ ⎧
≠ =
2 1 1
2 1 0
: H
: H
µ µ
µ µ
3. Kriteria pengujian.
Terima H0 jika α α
2 1 1 2
1
1− < < −
−t t t dengan dk=n1+n2−2=11+10−2=19
α
α 1 12
2 1
1− < < − −t t t Æ
05 , 0 . 2 1 1 05 , 0 . 2 1
1− < < −
−t t t Æ −2,09<t<2,09
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
Simpangan baku gabungan
(
)
(
)
2 1 1 2 1 2 2 2 2 1 1 2 − + − + − = n n s n s n
s diperoleh s = 0,397.
(
)
0,86210 1 11 1 397 , 0 07 , 3 22 , 3 1 1 2 1 2 1 = + − = + − = n n s x x t
5. Kesimpulan : karena −2,09<thitung =0,862<2,09 terletak dalam daerah
penerimaan H0 maka H0 diterima. Jadi, µ1=µ2. Artinya, kedua macam
makanan tersebut memberikan pertambahan berat badan ayam yang sama,
sehingga kedua makanan tersebut sama baiknya.
c. Dalam hal σ1≠σ2 dan keduanya tidak diketahui
Untuk kasus ini belum ada statistik yang tepat yang dapat digunakan.
Pendekatan yang cukup memuaskan adalah dengan menggunakan statistik
t′.
Langkah pengujian hipotesis:
1. Hipotesis pengujian
⎩ ⎨ ⎧ ≠ = 2 1 1 2 1 0 : H : H µ µ µ µ
2. Tentukan besarnya taraf signifikansi α.
3. Kriteria pengujian.
Terima H0 jika
2 1 2 2 1 1 2 1 2 2 1 1 w w t w t w t w w t w t w + + < ′ < + +
− , untuk harga t yang
lain H0 ditolak.
Dengan 1 2 1 1 n s w = ;
m
tβ, diperoleh dari daftar distribusi Student dengan peluang β dan
m dk= .
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
(II.11) 2 2 2 1 2 1 2 1 n s n s x x t + − = ′
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.
Contoh (Sudjana)
Suatu barang dihasilkan dengan menggunakan dua proses. Ingin diketahui apakah
kedua proses itu menghasilkan barang yang sama kualitasnya ditinjau dari
rata-rata daya tekannya. Maka diadakan percobaan sebanyak 20 kali masing-masing
dari hasil proses pertama maupun kedua. Diperoleh informasi x1= 9,25 kg ; x2=
10,4 kg ; s1= 2,24 kg ; s2= 3,12 kg. Bila populasinya dianggap normal dengan
varians kedua populasi tidak sama, dengan taraf nyata 5%, ujilah bagaimana
hasilnya!
Penyelesaian
Diketahui x1= 9,25 kg ; x2= 10,4 kg ; s1= 2,24 kg ; s2= 3,12 kg.
Pada kasus ini populasi dianggap normal dan variansnya tidak diketahui namun
sama besar.
Langkah pengujian hipotesis dalam hal σ1≠σ2 dan keduanya tidak diketahui
1. Hipotesis pengujian
⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ ≠ = berbeda yang tekan daya rata -rata kualitas dengan barang an menghasilk proses kedua ; : H sama yang tekan daya rata -rata kualitas dengan barang an menghasilk proses kedua ; : H 2 1 1 2 1 0 µ µ µ µ
2. Taraf signifikansi α= 5%.
3. Kriteria pengujian.
Terima H0 jika 11 2 2 11 2 2
2509 , 0 20 0176 , 5 1 2 1
1= = =
n s
w ; 0,4867
20 7344 , 9 2 2 2
2 = = =
n s w
(
)
( )(
.0,05)
,(201) 0,975;19 2,09 2 1 1 1 , 2 1 1 11 == = =
=t − − t − − t t
n
α
(
1 12)
,( 1)(
1 12.0,05)
,(201) 0,975;19 2,09 22
= =
=
=t − − t − − t t n α Sehingga 2 1 2 2 1 1 2 1 2 2 1 1 w