Uji Hipotesis Satu Populasi
Dasar –Dasar Hipotesis
Test satu populasi
Apa itu suatu Hypothesis?
Hypothesis adalah suatu
pernyataan (asumsi)
tentang parameter/
karakteristik populasi
Contoh parameter
populasi
adalah mean
Parameter harus
diidentifikasi
sebelum analisa
Saya nyatakan rata-rata IPK mahasiswa
Definisi
Uji hipotesis: suatu proses untuk menentukan apakah dugaan tentang nilai parameter/karakteristik populasi didukung kuat oleh data sampel atau tidak.
Pengujian hipotesis: Langkah-langkah/ prosedur yang dilakukan dengan tujuan untuk memutuskan apakah kita menerima atau menolak hipotesis mengenai parameter populasi disebut
Hipotesis penelitian: hipotesis tentang pernyataan dari hasil penelitian yang akan dilakukan
Hipotesis Statistik:
• suatu pernyataan tentang parameter populasi
• suatu asumsi atau anggapan atau pernyataan atau
Dalam suatu hipotesis yang dibuat, hanya dua
kemungkinan yang akan kita putuskan, yaitu kita akan menolak hipotesis atau kita akan menerima hipotesis, setelah kita manghitung statistik dari sampel.
Menolak hipotesis artinya kita menyimpulkan bahwa hipotesis tidak benar, sedangkan
Menerima hipotesis artinya tidak cukup informasi/bukti dari sampel untuk menyimpulkan bahwa hipotesis harus kita tolak. Artinya walaupun hipotesis itu kita terima,
tidak berarti bahwa hipotesis itu benar.
dalam membuat rumusan pengujian hipotesis,
hendaknya selalu membuat pernyataan hipotesis yang diharapkan akan diputuskan untuk ditolak.
Hipotesis yang dirumuskan dengan harapan untuk ditolak disebut hipotesis nol (Ho).
Ini menyatakan bahwa setiap hipotesis yang ingin diuji dinyatakan dengan Ho.
Penolakan Ho akan menjurus pada penerimaan
hipotesis alternatif atau hipotesis tandingan Ha atau H1
Dasar yang digunakan untuk
merumuskan hipotesis
berdasarkan pengetahuan yang
diperoleh dari teori,
berdasarkan hasil penelitian terdahulu,
berdasarkan pengalaman, atau
Hypothesis nol, H
0
Pernyataan (numeric) yang akan diuji,
bisa benar bisa salah
e.g.: Rata-rata tinggi mahasiswa tidak
kurang dari 155 cm, H
0: µ ≥ 155
Harus merupakan dugaan terhadap
parameter populasi, bukan tentang statistik
Salah… Tidak Boleh !!!
0
:
3
Hypothesis nol, H
0
Dimulai dengan asumsi bahwa
hipotesis nol benar
Sama seperti asas praduga tak bersalah
sampai terbukti bersalah
Selalu memuat tanda “=” artinya bisa
=, ≥, atau ≤
Hipotesis Alternatif, H
1
Lawan dari hypothesis nol
Contoh : Rata-rata IPK mhs < 3,25
Tidak pernah memuat tanda “=”
Secara umum hipotesis ini dipercaya
kebenarannya oleh peneliti (sehingga
perlu untuk dibuktikan)
Proses Test Hipothesis
Identifikasi Populasi
Tolak
Ambil Sample
Hypothesis nol
Apakah 3,15 dekat dengan 3,25 ?
Asumsikan rata-rata
0
:
3, 25
H
Tingkat Signifikansi
dan daerah penolakan
Kesalahan dalam keputusan
kebenaran atau ketidakbenaran suatu
hipotesis tidak pernah diketahui secara pasti.
Dengan adanya faktor ketidakpastian ini
mengakibatkan timbulnya suatu
resiko/kesalahan yang harus ditanggung oleh
pembuat keputusan itu sendiri.
Kesalahan dalam Keputusan
Type I (Galat I)
Tolak H0 yang benar
Mempunyai konsekuensi serius
Peluang kesalahan Type I adalah
Disebut tingkat signifikansi
Ditentukan oleh peneliti
Type II (Galat II)
Gagal menolak H0 yang salah
Peluang kesalahan Type II adalah β Kekuatan test adalah 1- β
Ringkasan Tipe Kesalahan
H0: Tak Salah
Kenyataan Kenyataan
Putusan Innocent Guilty Putusan H0 benar H0 Salah
Innocent Benar Salah TidakTolak H0
1 - a Type II Salah (b)
Guilty Salah Benar Tolak H0 Persidangan Hypothesis Test
Type I & II mempunyai relasi
berkebalikan
a
b
Idealnya kedua kesalahan minimal tetapi Jika kesalahan yang satu
Langkah Dalam
Hypothesis Testing
1. H
0Vs H
12. Tetapkan
3. Cari Statistik Uji
4. Tentukan daerah kritis
5. Ambil Data
6. Hitung statistik uji
7. Buat keputusan Statistik
8. Ekspresikan kesimpulan
Test satu sisi
Z
untuk Mean
( σ Diketahui)
Asumsi
Populasi berdistribusi normal
Jika tak normal perlu sampel besar
Tanda H
0≤ atau ≥
Z
Statistik uji
/
X
Z
n
Daerah Kritis
Z harus secara
Significant dibawah 0 untuk menolak H0
Nilai Z yang kecil tidak kontradiksi dengan H0
jangan tolak H0 !
Contoh: Test Satu Sisi
Q. Apakah rata2 cereal >
368 gram ? Sampel
random dari 25 kotak
cereal rata-rata =
372.5. Dengan s =15
gram. Lakukan test
pada
a
=
0.05.
368 gm.
H
0:
m
≤
368
H
1:
m
>
Mencari Nilai Kritis : Satu Ekor
Z 0.4 .06
1.6 .9495 .9505 .9515
1.7 .9591 .9599 .9608
1.8 .9671 .9678 .9686
.9738 .9750
Z
0
1.645
.
051.9 .9744
Penyelesaian: Test Satu Sisi
a
=
0.05
n
= 25
Nilai Kritis : 1.645
Test Statistic:
Putusan:
Kesimpulan:
Tidak ditolak di
a
= .05
H
0tidak di tolak (liat gbr)
Tidak ada bukti rata-rata > 368
p
-Value
Z
0 1.50
P-Value =.0668
1.0000 - .9332 .0668
p
-Value
(continued)0
1.50
Z
Tolak
(
p
-Value = 0.0668)
³
(
a
= 0.05)
Ho Tidak ditolak.
p Value = 0.0668
a = 0.05
1.50 terletak dalam daerah penerimaan
Contoh: Test Dua Sisi
Q. Apakah rata-rata
berat cereal = 368
gram? Sampel
random dari 25
kotak = 372.5.
s
=
15 gram.
Lakukan Test pada
a
=
0.05 level.
368 gm.
H
0:
m
=
368
H
1:
m
¹ 368
a
=
0.05
n
= 25
Nilai Critical : ±1.96
Penyelesaian: Test Dua Sisi
Test Statistic:
Putusan:
Kesimpulan:
Ho Tidak ditolak di a = .05p-Value
(
p
Value = 0.1336)
³
(
a
= 0.05)
Jangan tolak H
0.
0
1.50Z
Tolak
a = 0.05
1.96
p Value = 2 x 0.0668
1.50 terletak dalam daerah penerimaan
Tolak
p
-Value =
P
(
Z
³
1.50) = 0.0668
t
Test: σ tidak diketahui
Asumsi
Populasi berdistribusi normal
Jika tak normal, sampel besar
T
test dengan
n-1
db
/
X
t
S
n
Contoh:
t
Test Satu Sisi
Apakah rata-rata berat
sereal > 368 gram?
Random sample dari 36
kotak menunjukkan =
372.5, and
s
=
15.
a
=
0.01
368 gm.
H
0:
m £
368
H
1:
m
>
368
s
tidak diketahui
Penyelesaian: Satu Sisi
a
=
0.01
n
= 36, df = n-1 = 35
Nilai Kritis : 2.4377
Test Statistic:
Putusan:
Simpulan:
Ho Tidak ditolak di a = .01
p
-Value
0
1.80t
35Tolak
(
p
Value diantara .025 dan .05)
³
(
a
= 0.01).
H
0tidak ditolak.
p Value = [.025, .05]
a = 0.01