Heri Sunaryo
Pengujian hipotesa
Pengujian hipotesa Langkah-lanLangkah-langkah atau gkah atau prosedur yangprosedur yang dilakukan dengan tujuan untuk memutuskan apakah menerima dilakukan dengan tujuan untuk memutuskan apakah menerima atau menolak
atau menolak hipotesahipotesa mengenai parameter populasimengenai parameter populasi
Untuk hipotesa yang telah dibuat, hanya dua kemungkinan Untuk hipotesa yang telah dibuat, hanya dua kemungkinan
yang akan diputuskan, yaitu menolak hipotesa atau menerima yang akan diputuskan, yaitu menolak hipotesa atau menerima hipotesa, setelah kita menghitung statistik dari sampel.
hipotesa, setelah kita menghitung statistik dari sampel.
Artinya, wal
Artinya, walaupun hipotesa itu daupun hipotesa itu diterima, tidak siterima, tidak selalu berartielalu berarti
bahwa hipotesa itu benar.
bahwa hipotesa itu benar.
Menolak hipotesa artinya menyimpulkan bahwa Menolak hipotesa artinya menyimpulkan bahwa hipotesa tidak benar
hipotesa tidak benar
Menerima hipotesa artinya tidak cukup informasi Menerima hipotesa artinya tidak cukup informasi dari sampel untuk menyimpulkan bahwa hipotesa dari sampel untuk menyimpulkan bahwa hipotesa harus ditolak
Pengujian hipotesa
Pengujian hipotesa Langkah-lanLangkah-langkah atau gkah atau prosedur yangprosedur yang dilakukan dengan tujuan untuk memutuskan apakah menerima dilakukan dengan tujuan untuk memutuskan apakah menerima atau menolak
atau menolak hipotesahipotesa mengenai parameter populasimengenai parameter populasi
Untuk hipotesa yang telah dibuat, hanya dua kemungkinan Untuk hipotesa yang telah dibuat, hanya dua kemungkinan
yang akan diputuskan, yaitu menolak hipotesa atau menerima yang akan diputuskan, yaitu menolak hipotesa atau menerima hipotesa, setelah kita menghitung statistik dari sampel.
hipotesa, setelah kita menghitung statistik dari sampel.
Artinya, wal
Artinya, walaupun hipotesa itu daupun hipotesa itu diterima, tidak siterima, tidak selalu berartielalu berarti
bahwa hipotesa itu benar.
bahwa hipotesa itu benar.
Menolak hipotesa artinya menyimpulkan bahwa Menolak hipotesa artinya menyimpulkan bahwa hipotesa tidak benar
hipotesa tidak benar
Menerima hipotesa artinya tidak cukup informasi Menerima hipotesa artinya tidak cukup informasi dari sampel untuk menyimpulkan bahwa hipotesa dari sampel untuk menyimpulkan bahwa hipotesa harus ditolak
Dalam membuat rumusan pengujian hipotesa, hendaknya Dalam membuat rumusan pengujian hipotesa, hendaknya selalu membuat pernyataan hipotesa yang diharapkan
selalu membuat pernyataan hipotesa yang diharapkan akanakan diputuskan untuk ditolak.
diputuskan untuk ditolak.
Hipotesa yang dirumuskan dengan harapan untuk Hipotesa yang dirumuskan dengan harapan untuk ditolak disebut
ditolak disebut hiphipoteotesasa nol / null hynol / null hypotpotesiesiss yangyang ditulis
ditulis HH00
Penolakan hipotesa nol akan menjurus pada Penolakan hipotesa nol akan menjurus pada penerimaan
penerimaan hipotesa alternatif hipotesa alternatif atauatau hipotesahipotesa tandingan
tandingan yang ditulisyang ditulis HH11 atauatau HHaa
Contoh penentuan hipotesa H
Contoh penentuan hipotesa H00 atau Hatau H11
Pengujian hipotesa bahwa suatu jenis obat baru
Pengujian hipotesa bahwa suatu jenis obat baru lebih efektif lebih efektif
untuk menurunkan berat badan untuk menurunkan berat badan
Hipotesa nol
Hipotesa nol HH00 : obat baru = obat lama: obat baru = obat lama Hipotesa
Kesalahan Jenis I dan Kesalahan Jenis II
a. Kesalahan Jenis I adalah kesalahan akibat menolak H0, padahal H0 benar, yang sesungguhnya harus diterima.
Probabilitas melakukan kesalahan jenis II disebut β yaitu
β = P(kesalahan jenis II) = P(menerima H
0/H0 salah).Probabilitas melakukan kesalahan jenis I disebut taraf nyata atau taraf keberartian atau taraf / tingkat
signifikansi atau yang ditulis α , yaitu
α = P(kesalahan jenis I) = P(menolak H
0 / H0 benar). b. Kesalahan jenis II adalah kesalahan akibat menerima H0,Sehingga diharapkan nilai
α
danβ
sekecil mungkin, tetapi memperkecil atau membuatα
danβ
sekecil mungkin secara sekaligus tidaklah mungkin. Karena memperkecil nilaiα
akan mengakibatkan membesanya nilaiβ,
demikian sebaliknya.Jika digunakan taraf signifikansi α = 0,05, artinya adalah ada
keyakinan sebesar 95% bahwa telah dibuat keputusan atau kesimpulan yang benar
Dalam pengujian hipotesa, nilai-
nilai α yang biasa dipakai
adalah α = 0,05, α = 0,01, α = 0,02, dan sebagainya
Usaha memperkecil nilai
α
danβ
dilakukan dengan memperbesar banyaknya sampel, makin besar sampel, maka nilaiα
danβ
akan semakin kecilUji Satu Arah Dan Uji Dua Arah
Penentuan uji satu arah atau dua arah tergantung dari hipotesa alternatifnya (H1)
Uji satu arah / uji eka arah /
one tail tes t
Bentuk : H0 : θ = θ0 H1 : θ > θ0 H1 : θ < θ0 H0 : θ = θ0 atau Daerah penerimaan H0 Daerah penolakan H0 α –Zα 0 1 – α Daerah penerimaan H0 Daerah penolakan H0 α Zα 0 1 – α
Nilai yang membatasi daerah penolakan dan daerah penerimaan H0 adalah Zα , disebut
nilai kritis / titik kritis
/critical point
Uji dua arah / uji dwi arah / two tail test Bentuk H0 : θ = θ0 H1 : θ ≠ θ0 1 – α Daerah penolakan H0 Z α/2 α/2 α/2 Daerah penolakan H0 –Z α/2 0 Daerah penerimaan H0
Pada uji dua arah ada dua daerah penolakan H0 yang tergantung pada nilai kritis tertentu, yaitu luas daerah di bagian paling kiri dan luas daerah di bagian kanan yang masing-masing besarnya
α/2 ( setengah α ),
dimana α telah ditentukan sebelumnya
Langkah-langkah uji hipotesa :
a. Tetapkan hipotesa, baik Ho maupun H1
b. Tetapkan taraf nyata α (biasanya sudah ditentukan)
c. Tetapkan statistik uji (Zh) untuk menguji hipotesa nol d. Hitung nilai statistik uji (Zh)
e. Simpulkan;
1) Menolak HO, bila nilai statistik uji (Zh) terletak di daerah penolakan HO, yaitu bilamana
a) nilai Zh > Zα atau Zh < - Zα untuk uji satu arah b) nilai Zh > Zα/2 atau Zh < - Zα/2 untuk uji dua arah. 2) Menerima HO, bila nilai statistik uji Zh jatuh atau
terletak di daerah penerimaan Ho , yaitu bila
a) nilai Zh < - Zα atau Zh > Zα untuk uji satu arah b) nilai - Zα/2 < Zh < Z α/2 untuk uji dua arah.
x h
x
Z
0 n x x 1 nBila simpangan baku (σX) populasi diketahui dan sampelnya sebanyak n, maka statistik uji yang dipakai untuk menguji
hipotesa rata-rata populasi tersebut adlh:
,bilamana populasi tak terbatas
,bilamana populasi terbatas (diketahui) Pengujian Rata-Rata (µ) Populasi
H0
: μ = μ
0 H1: μ ≠ μ
0Pengujian hipotesa bahwa rata-rata (µ) suatu populasi sama dengan suatu nilai µo , dengan alternatif bahwa rata-rata
populasi tersebut tidak sama dengan µo, yaitu sbb :
Bila σ
X dari populasi tak diketahui,maka nilai σ dapat ditaksir /
diduga / didekati dengan nilai SX, yang dihitung dari sampelN N n x x . dengan
Untuk taraf nyata α , maka nilai kritis dari statistik uji Z di atas
adalah Zα/2 yang diperoleh dari tabel kurva normal standar Z.
Daerah penolakan dan dan daerah penerimaan hipotesa nol (Ho), adalah Daerah penerimaan H0 Daerah penolakan H0 Z α/2 α/2 α/2 Daerah penolakan H0
–
Z α/2 0 1 – αHipotesa nol (Ho) akan
ditolak,
jika nilai statistik uji Zh > Zα/2 atau Zh <
–
Zα/2 , Sedangkan hipotesa nol H0 akanditerima
, yaitu bila–
Zα/2 < Zh < Zα/2 .Suatu populasi berupa seluruh pelat baja yang diproduksi oleh suatu perusahaan memiliki rata-rata panjang 80 cm dengan simpangan baku 7 cm. Sesudah berselang 3
tahun, teknisi perusahaan meragukan hipotesa mengenai rata-rata panjang pelat baja tersebut. Guna meyakinkan keabsahan hipotesa itu, diambil suatu sampel acak
sebanyak 100 unit pelat baja dari populasi di atas, dan
diperoleh hasil perhitungan bahwa rata-rata panjang pelat baja adalah 83 cm, dan standar deviasinya tetap. Apakah ada alasan untuk meragukan bahwa rata-rata panjang
pelat baja yang dihasilkan perusahaan itu sama dengan 80
cm pada taraf signifikansi α = 5%?
Jawab :
Populasi dianggap tak terbatas, sebab ukurannya tidak diketahui. Informasi dari populasi adalah rata-rata µo = 80
cm dan simpangan baku σ
X = 7 cm.Sampel berukuran besar, yaitu n = 100 dengan rata-rata X =
83 cm. Taraf nyata yang diinginkan adalah α = 5%.
a. Hipotesa statistik yang diuji adalah uji dua arah, yaitu: HO : µ = 80
H1
: µ ≠ 80
Langkah-langkah pengujian hipotesa sebagai berikut :
b. Taraf nyata α = 5%.
x h
x
Z
0n
x xc. Statistik uji yg dipakai untuk menguji hipotesa tersebut adalah:
Karena populasi tak terbatas, maka
7
0
100
7
,
n
x x29
4
7
0
80
83
0,
,
x hx
Z
d. Menghitung statistik uji :
e. Daerah penolakan dan daerah penerimaan H0 adalah :
Kesimpulan, karena nilai statistik uji Zh = 4,29 berada di daerah penolakan hipotesa Ho, yaitu Zh = 4,29 > 1,96, maka hipotesa Ho di tolak.
Atau dengan kata lain, rata-rata pelat baja yang
diproduksi perusahaan tersebut tidak lagi = 80. Daerah
Misalkan pada contoh diatas ditambah data bahwa teknisi perusahaan telah menemukan metode baru yang dapat memperpanjang pelat baja paling sedikit 2 cm, sedangkan simpangan bakunya tetap. Untuk menguji hipotesa tersebut, diambil sampel acak sebanyak 100 unit pelat baja dari
populasi itu, dan diperoleh rata-rata panjang pelat baja = 83
cm. Dengan taraf nyata α = 5%, apakah ada alasan guna
menganggap bahwa hasil pelat baja dengan metode baru tersebut memang lebih panjang dari pada hasil yang
diperoleh dengan metode lama? Contoh 2 :
Jawab:
a. Hipotesa statistik menjadi uji satu arah , yaitu Ho : µ = 80
H1 : µ > 80
b. Taraf signifikansi α = 5%, untuk uji satu arah, nilai
kritisnya adalah Zα = Z0,05 = 1,645;
e. Kesimpulan, karena nilai statistik uji Zh = 4,29 berada di daerah penolakan Ho,
yaitu Zh = 4,29 > 1,645 = Z0,05 ,
maka hipotesa nol Ho : µ = 80 ditolak dan hipotesa alternatif H1 : µ > 80 diterima.
Artinya pada taraf signifikansi α = 5%, terbukti bahwa metode baru itu dapat menghasilkan pelat baja yang lebih panjang
c. Statistik uji yang dipakai tetap
Pengujian Paramater Beda Dua Rata-Rata (µ1 – µ2) dari Dua Populasi
2
x
Dari populasi kedua diambil sampel acak berukuran n2 dan diperoleh rata-rata dgn simpangan baku S2
Maka pengujian hipotesa untuk beda dua rata-rata (µ1 - µ2) dari dua populasi tsb :
Dipunyai dua populasi berdistribusi normal, masing-masing mempunyai rata-rata µ1 dan µ2
dengan simpangan baku σ
1dan σ
2.Dari populasi pertama diambil sampel acak berukuran n1 dan diperoleh rata-rata x1 dgn simpangan baku S1
Uji Dua Arah Uji Satu Arah
H0 : μ1 = μ2 H1 : μ1 ≠ μ2 H0 : μ1 = μ2 H1 : μ1 > μ2 atau H0 : μ1 = μ2 H1 : μ1 < μ2
Statistik uji yang dipakai Statistik uji yang dipakai
2 2 2 2 2 2 1 1 2 2 1 1 2 2 1 1 x x nn nn x x
1
1
2 2 1 1 2 2 1 1 2 2 1 1 2 2 2 2 2 2 1 1 2 2 1 1 2 2 1 1N
N
N
N
n
n
n
n
N
N
N
N
n
n
n
n
x x x x )) (( )) (( ..bila kedua populasi tak terbatas, penyebut dihitung dgn bila kedua populasi tak terbatas, penyebut dihitung dgn
dan bila terbatas / diketahui : dan bila terbatas / diketahui :
Contoh Contoh :: Asosiasi Re
Asosiasi Real Estate sedaal Estate sedang menyiapkng menyiapkan brosur yang merekaan brosur yang mereka rasa mungkin menarik bagi calon pembeli rumah di daerah A rasa mungkin menarik bagi calon pembeli rumah di daerah A dan B di suatu kota. Satu hal yang menarik adalah lama
dan B di suatu kota. Satu hal yang menarik adalah lama waktu si pembeli tinggal dalam rumah yang bersangkutan. waktu si pembeli tinggal dalam rumah yang bersangkutan. Sebuah sampel yang terdiri atas 40 rumah di daerah A
Sebuah sampel yang terdiri atas 40 rumah di daerah A memperlihatk
memperlihatkan bahwa an bahwa rata-rata kepemilikan adalah 7,6rata-rata kepemilikan adalah 7,6 tahun
tahun dengan dengan simpangan simpangan baku baku 2,3 2,3 tahun. tahun. Sedangkan Sedangkan suatusuatu sampel yang terdiri atas 55 rumah di daerah B
sampel yang terdiri atas 55 rumah di daerah B memperlihatk
memperlihatkan bahwa an bahwa rata-rata lama waktu rata-rata lama waktu kepemilikepemilikankan adalah 8,1 tahun dengan simpangan baku 2,9
adalah 8,1 tahun dengan simpangan baku 2,9 tahun. Padatahun. Pada taraf signifikansi 5%, apakah kita dapat menarik kesimpulan taraf signifikansi 5%, apakah kita dapat menarik kesimpulan bahwa penduduk di daerah A memiliki rumah mereka dalam bahwa penduduk di daerah A memiliki rumah mereka dalam waktu lebih singkat dari penduduk di daerah B?
Data yang diperoleh dari sampel Data yang diperoleh dari sampel di di daerah daerah A A : : nn11 = 40,= 40, 11 = = 7,6 7,6 ; ; SS11= 2,3= 2,3 d di i ddaaeerraah h BB : : nn22 = 55,= 55, 22 = = 8,1 8,1 ; ; SS22 = 2,9= 2,9 (( 11
–
–
22 ) = ) = 77,,6 6 -- 88,,1 1 = = -- 00,,55x
x
x
x
x
x x
x
Jawaban : Jawaban :Karena σ
Karena σ
11dan σ
dan σ
22 tidak diketahui dari populasi, makatidak diketahui dari populasi, maka ditaksir dengan Sditaksir dengan S11 dan Sdan S22 sehingga diperoleh:sehingga diperoleh:
53 53 0 0 55 55 9 9 2 2 40 40 3 3 2 2 22 22 2 2 2 2 2 2 1 1 2 2 1 1 2 2 1 1 ,, , , , ,
n
n
n
n
x x x xHipotesa yang diuji adalah bahwa penduduk di daerah A Hipotesa yang diuji adalah bahwa penduduk di daerah A waktu kepemilikannya lebih singkat dari pada penduduk waktu kepemilikannya lebih singkat dari pada penduduk daerah B
a. Hipotesa : 94 0 53 0 0 5 0 2 1 2 1 2 1 , , , ) ( ) ( x h
x
x
Z
c. Statistik uji:b.
Nilai kritis untuk uji satu arah dengan α = 5% adalah
Z0,05 =–
1,645 (di kiri).Ho : µ1 = µ2
H1 : µ1
< μ
2d. Kesimpulan: Karena Zh = - 0,94 > -1,645, maka pada
α
= 5%, hipotesa nol diterima. Artinya, pada taraf signifikansiα
= 5%, waktu kepemilikan rumah penduduk di daerah A dan daerah B perbedaannya tidak signifikan. Dengan kata lain, waktu kepemilikan rumah penduduk di daerah A tidak lebih singkat dari pada penduduk daerah B.n
x
p
Suatu populasi mengandung jenis tertentu dgn proporsi
n
x
p
ˆIngin diuji hipotesa parameter proporsi p yang diasumsikan nilainya sama dengan po, yaitu p = p0 , Dengan memakai sampel berukuran n yg mengandung jenis tertentu, yaitu
Pengujian Parameter Proporsi (p) Populasi
Maka rumusan hipotesa untuk pengujian hipotesa adalah
Uji Dua Arah Uji Satu Arah
H0 : p = p0 H1
: p ≠ p
0 H0 : p = po H1 : p > po atau H0 : p = po H1 : p < po p hp
p
Z
ˆ ˆ 0n
p
p
p ) ( ˆ 0 0 1 1 1 0 0 pˆ N n N n p p . ) (Statistik uji yang dipakai : Dengan
bilamana populasi tak terbatas
Perusahaan MAGIC yang bergerak di bidang suku cadang komputer mikro, akan memperkenalkan produk terbarunya di pasaran. Untuk itu bagian pengendalian kualitas perusahaan mengambil sampel secara acak sebanyak 170 buah suku
cadang dan ditemukan ada 16 yang cacat. Dari data tersebut apakah benar produksi yang ditemukan cacat kurang dari 10%? Gunakan taraf signifikansi 2%.
Contoh :
Populasi dianggap tak terbatas, karena ukurannya tidak diketahui. Populasi suku cadang yang cacat dalam
sampel adalah : Jawab:
094
0
170
16
,
ˆn
x
p
a. Hipotesa statistik:
b. Pada α = 2%, nilai kritisnya adalah Z
α = Z0,02Dari tabel distribusi normal standar Z0,02 =
–
2,054 (dikiri). Sehingga H0 akan ditolak jika Zh <–
2,054.& H1 : p < 0,1 H0 : p = 10% = 0,1 -2,054 p h
p
p
Z
ˆ ˆ 0 0 023 170 9 0 1 0 1 0 0 , ) , ( , ) ( ˆ n p p p 26 0 023 0 1 0 094 0 0 , , , , ˆ ˆ p hp
p
Z
c. Statistik uji : sehinggad. Karena nilai statistik uji
Zh =
–
0,26 >–
2,054 = Z0,02 , maka hipotesa nol (H0) diterima.Artinya pada taraf signifikansi α = 2%,
data yang diperoleh dari sampel tidak mendukung hipotesa alternatif (H1)
bahwa produksi yg cacat kurang dari 10% dgn
Pengujian Parameter Beda Dua Proporsi dari Dua Populasi 1 1 1 N X p
Misal dipunyai dua populasi.
Populasi pertama terdiri atas unsur X1 dengan proporsi
2 2 2 N X p
Populasi kedua terdiri atas unsur X2 dengan proporsi
1 1 1 n x pˆ
Populasi pertama diambil sampel acak sebanyak n1 yang terdiri unsur x1 dengan proporsi
2 2 2 n x pˆ
Populasi kedua diambil sampel acak sebanyak n2 yang terdiri atas unsur x2 dengan proporsi
Maka pengujian hipotesa untuk parameter beda dua proporsi (p1
–
p2) adalah sebagai berikut.Uji Dua Arah Uji Satu Arah
H0 : p1 = p0 H1 : p1
≠ p
0 H0 : p1 = po H1 : p1 > po atau H0 : p1 = po H1 : p1 < po Statistik uji : Dgn penyebut 2 1 1 1 2 1
n
n
p pˆ ˆ1
1
1
2 1 2 1 2 1 2 1 2 1n
n
N
N
p p)
(
)
(
ˆ ˆ 2 2 1n
x
x
p
1n
ˆq
ˆp
ˆbila kedua populasi tak terbatas,
bila kedua populasinya terbatas
serta dan
q
p
ˆ ˆN
N
n
n
q
p
ˆ ˆ.
1
Contoh :
Suatu survei dilakukan di dua daerah yang berbatasan, yaitu daerah A dan daerah B untuk mengetahui pendapat
masyarakat tentang suatu rencana pembangunan pabrik obat nyamuk diperbatasan dua daerah itu bisa diteruskan atau
tidak. Untuk mengetahui apakah ada perbedaan proporsi penduduk yang menyetujui rencana pembangunan pabrik obat nyamuk antara penduduk di daerah A dan di daerah B, suatu poling dilakukan. Dari 200 penduduk di daerah A
ternyata terdapat 120 penduduk yang menyetujui rencana
tersebut dan dari 500 penduduk di daerah B ternyata terdapat 250 penduduk yang menyetujui rencana tersebut. Apakah
beralasan untuk menerima bahwa proporsi penduduk di daerah A lebih besar dari proporsi penduduk di daerah B?
P1 = proporsi sesungguhnya penduduk daerah A yang setuju dengan rencana tersebut
P2 = proporsi sesungguhnya penduduk daerah B yang setuju dengan rencana tersebut
Jawab : Misalkan 6 0 200 120 , ˆ
p
Sampel di daerah A : n1 = 200, x1 = 120, dan
5 0 500 250 , ˆ
p
Sampel di daerah B : n2 = 500, x2 = 250, dan
a. Hipotesa H0 : p1 = p2 dan H1 : p1 > p2
5 2 04 0 5 0 6 0 2 1 2 1 2 1 , , ) , , ( ) ( ) ˆ ˆ ( ˆ ˆ p h p p p p Z
d. Kesimpulan; tolak Ho, karena nilai Zh = 2,5 > 2,326 = Z0,01 . Sehingga statistik uji nya adalah
Artinya, dapat diterima bahwa proporsi penduduk di daerah A yang menyetujui rencana pembangunan pabrik tersebut
lebih besar daripada proporsi penduduk di daerah B.
53 0 500 200 250 120 2 1 2 1 , ˆ n n x x p ˆ 1 0,53 0,47 c. 04 0 500 1 200 1 47 0 53 0 1 1 2 1 2 1 ( , )( , ) , ˆ ˆ ˆ ˆ p p p
q
sehingga n n q pKecuali rumus statistik yang dipakai untuk menguji dan penentuan nilai kritis, semua langkah pengujian hipotesa dengan sampel besar dapat dipakai untuk pengujian hipotesa dengan sampel kecil
Kalau pengujian dgn sampel besar distribusinya menggunakan distribusi normal standar ( distribusi Z ) , maka dalam pengujian dgn sampel kecil, distribusi yang dipakai adalah distribusi t
Pengujian Parameter Rata-rata (μ) dari Populasi dgn σ2 tidak diketahui
Uji Dua Arah Uji Satu Arah
H0 : μ1 = μ2 H1 : μ1 ≠ μ2 H0 : μ1 = μ2 H1 : μ1 > μ2 atau H0 : μ1 = μ2 H1 : μ1 < μ2 Hipotesa yg digunakan
Statistik uji yang dipakai statistik t (student t ), yaitu :
x
x
t
0n
x x 1N
n
n
x dimanabila populasi terbatas
bila populasi tak terbatas
Nilai σx ditaksir dengan nilai SX yang dihitung dari sampel
N
Contoh :
Rata-rata waktu yang diperlukan untuk mendaftar ulang pada awal semester di Universitas A pada semester yang lalu sekitar 45 menit dengan simpangan baku 8 menit. Suatu pendaftaran baru dengan memakai komputer modern yang dilengkapi
dengan suatu sofware sedang dicobakan yang diharapkan dapat mengurangi waktu pendaftaran dibandingkan dengan cara lama. Untuk itu diambil sampel acak sebanyak 10
mahasiswa yang telah mendaftar pada semester berikutnya dengan memakai cara pendaftaran baru tersebut. Ternyata,
rata-rata waktu yang diperlukan untuk mendaftar adalah sekitar 35 menit dengan simpangan baku 9,5 menit. Apakah harapan untuk mengurangi waktu pendaftaran dapat dipercaya ?
0 3 10 5 9 , ,
n
S
x Jawab:Diketahui data dari populasi : rata-rata µo = 45 menit dan simpangan baku
σ
x = 8 menit. Populasi dianggap tak terbatas. Diketahui data sampel n = 10,x
= 35 menit dan S = 9,5 menitx ditaksir dengan S dari sampel
Langkah-langkah pengujian hipotesa nya adalah : a. Hipotesa: H0 : µ = 45
H1 : µ < 45
b. Dengan α = 1% , derajat kebebasan db = n –
1 = 10–
1 = 9, maka diperoleh nilai kritis: t(α , db) = t(0,01 ; 9) = 2,821.Sedangkan untuk α = 5%; didapat t(0,05 ; 9) = 1,833 Karena uji satu arah dan H1 bertanda <, maka nilai kritis t yang dipakai adalah nilai negatifnya, yaitu
3
3
0
3
45
35
0 , , x hx
t
c. Statistik uji yang dipakai adalah
Untuk α = 1%, H
0 ditolak, karena th = - 3,3 < -2,821 = t(0,01; 9 )Untuk α = 5%, H
0 ditolak karena th = -3,3 < -1,833 = t(0,05 ; 9)Kesimpulan: pada α = 1% dan α = 5% H
0 ditolak.Artinya, cara baru itu terbukti mengurangi waktu pendaftaran daripada cara lama.
Hipotesa yang digunakan adalah
Uji Dua Arah Uji Satu Arah
H0 : μ1 = μ2 H1 : μ1 ≠ μ2 H0 : μ1 = μ2 H1 : μ1 > μ2 atau H0 : μ1 = μ2 H1 : μ1 < μ2 Statistik uji statistik t (
s tudent t
), yaitu) ( 2 1 2 1 2 1
)
(
)
(
x x h x x t
Pengujian Parameter Beda Dua Rata-Rata (µ1 - µ2) dari Dua Populasi
2 1 ) ( 1 1 2 1 n n S p x x
2 1 1 12 2 22 1 2 n n S n S n S p ( ) ( ) ) ( x1x2 besarnya nilai 2 2 2 2 1a. bila tidak diketahui pada populasi, maka
, untuk populasi tak terbatas
, dgn db = n1 + n2
–
2 nilai Sp :2 2 2 1 2 1 ) ( 1 2 n S n S x x 1 1 2 2 2 2 2 1 2 1 2 1 2 2 2 2 1 2 1 db 2 2 2 1
b. bila dan tidak diketahui pada populasi, maka
untuk populasi tak terbatas
dengan derajat kebebasan
) ( x1x2 1 2 1 2 1 2 1
N
N
n
n
N
N
) ( ) (c. bila populasi terbatas, maka simpangan baku harus dikalikan dengan faktor koreksi
n n S n n S n S n S
Suatu mata kuliah diberikan pada dua kelas yang berbeda. Kelas A yang terdiri atas 12 mahasiswa diajar dengan
metode pengajaran biasa. Sedangkan kelas B yang terdiri atas 10 mahasiswa diajar dengan metode pengajaran baru. Pada akhir semester mahasiswa di kelas A dan B diberi
materi ujian yang sama. Di kelas A, nilai rata-rata mahasiswa adalah 85 dengan simpangan baku 4, sedangkan di kelas B nilai rata-rata mahasiswa adalah 81 dengan simpangan baku 5. Yakinkah Anda bahwa metode pengajaran yang biasa
tetap lebih baik dari metode pengajaran yang baru dengan
memakai taraf signifikansi α = 0,01? Diasumsikan bahwa
dua populasi mendekati distribusi normal dengan variansi yang sama.
Jawab:
Dua populasi dianggap tak terbatas dan ber distribusi normal. Dari sampel A : n1 = 12,
x
1 = 85, S1 = 4Hipotesa H0 : µ1 = µ2
H1 : µ1 > µ2 (bahwa metode pengajaran yang biasa tetap lebih baik dari metode pengajaran yang baru)
2
x
Dari sampel B : n2 = 10, = 81, S2 = 5
Dgn α = 0,01, dan db = n
1 + n2–
2 = 12 + 10–
2 = 20, makadiperoleh nilai kritis : t(α,db) = t(0,01 ; 20) = 2,528.
2 1 x x 05 20 20 5 9 4 11 2 1 1 2 2 2 1 2 2 2 2 1 1 2 , ) )( ( ) )( ( ) ( ) ( S p 917 1 10 1 12 1 478 4 1 1 2 1 2 1 x S p n n ( , ) , x
Untuk menghitung th, terlebih dulu dihitung Sp dan
simpangan baku distribusi sampel beda dua rata-rata adalah :
sehingga Sp = √20,05 = 4,478
Maka diperoleh nilai statistik uji th, sebagai berikut :
09 2 917 1 0 81 85 2 1 2 1 2 1 , , ) ( ) ( ) ( x h x x t
kesimpulan : karena nilai th = 2,09 < 2,528 = t(α;db) , maka H0 tidak ditolak.
artinya : metode pengajaran biasa tetap lebih baik daripada metode pengajaran baru
n n S n S n x
)
(
2
)
(
2
2 1 2 2 2 2 1 xe
x
)
x
(
f
di mana:= n
–
1 adalah derajat kebebasan e = 2,71832 2
α
menyatakan nilai yang luas di sebelah kanannya sama
dengan α
2
Distribusi chi-kuadrat mempunyai bentuk umum:
2 adalah fungsi gamma yang tergantung dari
f
Test Hipotesa Mengenai k Proporsi (k > 2)
Untuk melaksanakan test hipotesa dari k proporsi (k > 2), Langkah-langkah uji
a. Menentukan formulasi hipotesa : H0 : P1 = P2 = P3 = ... = Pk H1 : P1
≠ P
2≠ P
3≠ …≠ P
k b. Tingkat Signifikansi : c. Rule of the test / daerah kritis
;
1
2 2
k
h H0 ditolak apabilad. Statistik uji 2 2 2 ij ij h e ) e i = 1, 2 dan
j = 1, 2 , … , k
Oij = Frekuensi hasil pengamatan/observasi eij = Frekuensi yang diharapkan
e. Kesimpulan. H0 ditolak jika h2
2
;
k
1
.
Cara menghitung eij
Sifat Sampel Jumlah
baris 1 2 3 k 1 O11 e11 O12 e12 O13 e13 … … O1k e1k B1 2 O21 e21 O22 e22 O23 e23 … … O2k e2k B2 Jumlah kolom K1 K2 K3 Kk N N K . B eij i j Frekuensi yang diharapkan di tiap-tiap sel (eij) dihitung dgn : N K B e 2 3 23 . contoh B2 =O21+O22 +…+O 2k K =O +O 1 1 i k j ij O (
Analisa Tabel (r x k)
Test hipotesa mengenai mengenai r kemungkinan, perlu adanya tabel (r x k) r = jumlah baris dan k = jumlah kolom
Langkah-langkah analisa a. Formulasi Hipotesa : Pr1 = Pr2 = Pr3
= … =
Prk (=Pr ) : P31 = P32 = P33= … = P
3k (=P3) : P21 = P22 = P23= … = P
2k (=P2) H0 : P11 = P12 = P13= … = P
1k (=P1)H1 : Tidak semua proporsi sama b. Tentukan Level of Signifikansi ,
sehingga ;(r - 1)(k - 1)) dapat dilihat pada tabel dimana (r - 1)(k - 1) = (degress of freedom)
; 1 1
2 2
r k h
c. Kriteria Pengujian : H0 ditolak bila :
r i k j ij ij ij h e e O 1 1 2 2 ( ) d. statistik uji 2 h dihitung e. Kesimpulan. H0 ditolak apabila
2 ( ;(r - 1)(k - 1)) dari tabel
; 1 1
2 2
r k h
2h Hasil hitungan point d
Untuk mengetes apakah dua variabel dalam suatu populasi independent atau tidak, dengan mengambil sampel-sampel.
Test Of Independency
Variabel I terdiri dari k kategori dan variabel II terdiri dari r
kategori, hsl sampel ditulis dlm tabel k x r
tabel K onting ens i
Langkah-langkah test hipotesa
a. Formulasi Hipotesa H0 : Ke dua variabel independent
H1 : Ke dua variabel dependent
b. Tingkat signifikasi , dgn derajat kebebasan = (r - 1)(k - 1)
; 1 1
2 2
r k h
c. Kriteria Pengujian : H0 ditolak bila :
r i k j ij ij ij h e e O 1 1 2 2 ( ) d. Statistik uji e. Kesimpulan52
Contoh : Klasifikasi dari 300 orang pembaca surat kabar berdasarkan klas sosialnya adalah sebagai berikut
Klas Sosial Surat Kabar
A B C
Miskin 31 11 12
Rendah 49 59 51
Menengah 18 26 31
Kaya 2 4 6
Ujilah apakah ada pengaruh / hubungan antara klas sosial dengan jenis surat kabar yang dibaca. Gunakan = 5 %
Jawaban :
H0 = Hubungan klas sosial dengan jenis surat kabar independent H1 = Hubungan klas sosial dengan jenis surat kabar dependent Tingkat signifikansi / Level of signifikasi = 5% , dari tabel
distribusi 2 didapat nilai
(α ; (r – 1)(k – 1 )) = (0,05 ; (4-1)(3-1)) = 12,592
Sehingga H0 ditolak apabila > 12,592
2 2
2 h
Menghitung Statistik uji :
Klas Sosial Surat Kabar Jumlah
A B C Miskin (18 )31 (18 )11 (18 )12 54 Rendah (53)49 (53)59 (53)51 159 Menengah (25 )18 (25 )26 (25 )31 75 Kaya (4)2 (4)4 (4)6 12 Jumlah 100 100 100 300 N K B eij i. j Merah : Biru : Oij
61 , 20 4 4 6 ... 18 18 11 18 18 31 ) ( 2 2 2 1 1 2 2
r i k j ij ij ij h e e O Kesimpulan. Karena hasil perhitungan 20,61 > 12,592 maka H0 ditolak. Ini berarti ada hubungan klas sosial dengan jenis surat kabar, atau kebiasaan membaca surat kabar tergantung dari
Sampel besar (n 30) distribusi normal (Z)
Uji Hipotesa Mengenai Variansi (Sampel Kecil)
Untuk sampel kecil (n < 30) test mengenai variansi menggunakan distribusi chi kuadrat (2 )
b. Tingkat Signifikansi :
Langkah-langkah uji hipotesis variansi sampel kecil adalah
a. Formulasi Hipotesa 1) Untuk uji dua arah
Ho
: σ
2= σ
o2H1
: σ
2≠ σ
o22) Untuk uji satu arah Ho
: σ
2= σ
o2 H1: σ
2 <σ
o2 Ho: σ
2= σ
o2 H1: σ
2 >σ
o2 atauDaerah penolakan 2 (1
–
/2 ;n–
1) 2 (/2 ;n–
1) /2 1-Daerah penerimaanc. Kriteria Pengujian / Daerah Penolakan / Daerah Kritik 1) Untuk uji dua arah
2) Untuk uji satu arah
2
h
Jika H1
: σ
2> σ
o2 , maka H0 ditolak bila > ( ; n - 1)
2
h
Jika H1
: σ
2 <σ
o2 , maka H0 ditolak bila < ( 1- ; n - 1)
2 0 2 2
(
n
1)
S
h d. Statistik ujie. Kesimpulan : Dengan membandingkan hasil dari perhitungan (d) dengan kriteria (c) maka dapat ditentukan kesimpulannya
/2
2
uji hipotesis untuk menduga dan menguji perbedaan 2 parameter variansi,
σ
12= σ
22 α/2 1 – α ) V , V ; (F
2 1 2 1F
( ;V1,V2) 2 Kurva distribusi F ) V , V ; (F
2 1 21 = nilai kritis bawah
= nilai kritis atas
) V , V ; (
F
2 1 2 V1 = n1–
1 V2 = n2–
1 Berdasarkan teorema, nilai) V , V ; ( ) V , V ; (
F
F
1 2 2 2 1 2 1 1Uji Satu Arah (
One S ide Tes t / One Tail Tes t
))
1
(
);
1
(
);
(
n
1
n
2
F
a. Uji / Test Lebih Besar Varians Populasi I
Untuk menguji apakah Varians dari
populasi X > daripada Varians populasi Y Langkah-langkah
1) Hipotesis Ho :
σ
12= σ
22 H1 :
σ
12> σ
222) Data : Diperoleh dari sampel-sampelnya
3) Critical Value / nilai kritis
) 1 ( ); 1 ( ); ( 1 2 n n obs
F
F
4) Daerah kritis Ho ditolak jika
)
y
n
-y
1)(
-(n
)
x
n
-x
1)(
-(n
S
S
2 2 i 1 2 2 i 2 2 y 2 x obs F 5) Test statistiknya 6) Kesimpulan) , ; ( ) , ; 1 ( 1 2 2 1 1 V V V V F F
) 1 ( ); 1 ( ); 1 ( n1 n2F
b. Uji / Test Lebih Besar Varians Populasi II
Untuk menguji apakah Varians dari
populasi X < daripada Varians populasi Y Langkah-langkah
1) Hipotesis Ho :
σ
12= σ
22 H1 :
σ
12 <σ
222) Data : Diperoleh dari sampel-sampelnya 3) Critical Value / nilai kritis
) 1 ( ); 1 ( ); 1 ( 1 2
n n obsF
F
4) Daerah kritis Ho ditolak jika
)
1)(
(n
)
x
n
-x
1)(
-(n
S
S
2 2 2 2 i 2 2 2 x ob s F 5) Test statistiknya 6) Kesimpulan Hitung dgn Uji / Test Dua Arah (
Two S ided Tes t
)apakah varians Populasi I = varians Populasi II Langkah-langkah
1) Hipotesis Ho :
σ
12= σ
22 H1 :
σ
12≠ σ
222) Data : Diperoleh dari sampel-sampelnya
)
y
n
-y
1)(
-(n
)
x
n
-x
1)(
-(n
S
S
2 2 i 1 2 2 i 2 2 y 2 x ob s F 3) Test statistiknya4) Critical value / daerah kritik / Kriteria penolakan
) 1 ( ); 1 ( ); 2 1 ( 1 2 n n obs F F Ho ditolak jika ) 1 ( ); 1 ( ); 2 ( 1 2 n n obs
F
F
α/2 1 – α 5) Kesimpulan atauTest Untuk Pengujian lebih dari 2 mean WG x BM x obs
S
S
F
2 2H
0ditolak jika F
obs> F
(α ; (k-1) ; k(n-1))Langkah-langkah
a. Hipotesa
H
o:
1=
2= …=
kH
1:
1≠
2≠ …≠
k b. Data diperoleh dari masing-masing sampelc. Critical value / nilai kritis