PENGUJIAN HIPOTESIS Statistik contoh dapat dipakai untuk menguji hipotesis.

Hipotesis : dugaan mengenai parameter populasi yang harus diuji dengan suatu statistik uji. Jika statistik uji ini memenuhi kaidah yang telah ditetapkan, maka hipotesis itu dinyatakan diterima, sebaliknya jika tidak memenuhi kaidah tersebut, hipotesis dinyatakan ditolak.

PENGUJIAN HIPOTESIS

pemilihan statistik uji Setiap statistik memiliki sebaran populasi yang tertentu bentuknya. Ada 2 macam hipotesis. perumusan hipotesis statistika Hipotesis statistika : suatu pendugaan mengenai nilai parameter.Prosedur untuk menguji hipotesis adalah: 1. x2. t. Statistik uji dapat berupa statistik Z. yang menentukan statistik ujinya. yaitu hipotesis penelitian dan hipotesis statistika. Statistik uji disebut juga statistik hitung. . 2. dan sebagainya. Hipotesis statistika dijabarkan dari hipotesis penelitian.

Taraf uji ditunjukkan berdasar luas ujung kurva sebaran. Dilakukan dengan membandingkan statistik uji dengan tabel statistik sebaran yang bersangkutan berdasar taraf uji tertentu. . seluas . Penentuan kaidah keputusan dan taraf uji. Luas ujung (ujung) kurva itu disebut daerah kritis.3.

dan simpangan baku  tidak diketahui. Pasangan hipotesis ini adalah "rata-rata nilai mahasiswa tidak sama dengan 8. . maka rata-rata nilai menyebar menurut sebaran t-Student.0". Langkah pertama adalah menyusun hipotesis. Berdasar nilai 30 mahasiswa diperoleh nilai rata-rata 7. misalnya berbunyi "rata-rata nilai mahasiswa () adalah 8. Langkah kedua adalah menentukan statistik uji. Langkah terakhir adalah menentukan kriteria uji. sehingga dipakai t sebagai statistik uji. Karena sebaran populasi nilai dapat dianggap normal.  sebesar 5%. Jika besarnya kesalahan dalam menarik kesimpulan (menerima hipotesis) hanya boleh 5%.0". mungkin timbul pertanyaan berapa sebenarnya nilai rata-rata populasi mahasiswa tersebut. maka dipakai daerah kritis.Contoh : 1. Jika nilai tsb dianggap contoh.79.

.Hipotesis nihil dan hipotesis alternatif Hipotesis nol atau hipotesis nihil. Karena itu. H1 dirumuskan "berbeda" ( ) Keputusan statistik diambil berdasar dua daerah kritis pada setiap ujung kurva sebaran yang dipakai. uji ini disebut juga uji dua fihak atau uji 2 ekor. dilambangkan dengan H0 Hipotesis alternatif dilambangkan dengan Ha atau H1 Pemanfaatan hipotesis alternatif H1 adalah seperti berikut : 1. masing-masing sebesar (/2).

Nilai d. d1 dan d2 adalah nilai tabel Z. sedang d2 berada di kanan sumbu simetri. dsb. x2. Kaidah penerimaan hipotesis adalah: jika (d1  statistik uji  d2 ) : H0 diterima ] (statistik uji < d1 ) :H0 ditolak (statistik uji > d2 ) : H0 ditolak . t. Nilai d1 berada di kiri sumbu simetri.Daerah kritisnya ditentukan berdasar letak nilai d1 dan d2 pada sumbu datar kurva sebaran yang bersangkutan.

Daerah Penolakan H0 (daerah kritis) Daerah Penolakan H0 (daerah kritis) luas = ½  Ilustrasi Daerah penerimaan dan penolakan hipotesis 2 ekor. .

Kaidahhya adalah jika (statistik uji > d ) : H0 ditolak (statistik uji  d) : H0 diterima . disebut juga uji satu fihak atau uji fihak kanan. H1 dirumuskan "lebih besar daripada" (>). daerah kritisnya dibatasi oleh nilai d yang berada di bagian kanan sumbu simetri sebaran. Jika statistik uji berada di sebelah kanan nilai d. Keputusan statistik diambil berdasar satu daerah kritis sebaran statistik yang dipakai.2. H0 dinyatakan ditolak. Di sini. yang terletak di ujung kanan kurva sebesar .

Daerah penolakan H0 (daerah kritis) luas =  Ilustrasi Daerah penerimaan dan penolakan hipotesis 1 ekor (ujung kanan). .

disebut juga uji fihak kiri. atau kaidahnya jika (statistik uji < d ) : H0 ditolak (statistik uji  d) : H0 diterima . Daerah kritisnya dibatasi oleh nilai d yang terletak di bagian kiri sumbu simetri.3. H1 dirumuskan "lebih kecil daripada" (<). Keputusan statistik diambil berdasar satu daerah kritis yang terletak di" ujung kiri kurva sebesar (). H0 dinyatakan ditolak jika statistik uji berada di kiri d.

Daerah penolakan H0 (daerah kritis) luas =  Ilustrasi Daerah penerimaan dan penolakan hipotesis 1 ekor (ujung kiri). .

3.Contoh 10.5". dapat dinyatakan menjadi 1 > 2.2. sedang pernyataan "nilai rata-rata mutu obat-3 berbeda dengan rata-rata mutu obat-4".5 atau "peluang munculnya sisi M tidak berbeda dengan 0. dapat dirumuskan sebagai 3  4 Contoh 10. Misalnya.5". H1: P(M)  0. Dugaan ini dapat dirumuskan menjadi hipotesis yang berbunyi: H0: P(M) = 0.5 atau "peluang muka M berbeda dengan 0. Pernyataan "nilai rata-rata mutu obat-1 lebih baik daripada rata rata mutu obat-2". . diduga sekeping mata uang adalah seimbang.

Hipotesis itu diuji dengan statistik Z. Jika Z hitung  Z (0.96 .4. Kesimpulannya adalah.03.05/2) = l. bahwa sebenarnya 1  0 . Misalnya ada hipotesis yang berbunyi H0: 1 = 0 lawan H1 : 1  0 . maka H0 dinyatakan ditolak.Contoh 10.05/2) : Ho ditolak Z hitung < Z (0. dan misalnya diperoleh nilai d1 = Z(0. jika misalnya diperoleh Z hit = -8.05/2) : Ho diterima Seterusnya.

05) = 1.96 dan d2 = + Z(0. pada db = 24. bahwa  sebesar 5%.05)= + 1. diperoleh nilai d1 = Z(0. Jika ditetapkan. dengan tabel Z.71 .5. diperoleh d1 = t(0.Contoh 10.05/2) = ± 1.05/2) = ± 2.65 sedangkan dengan tabel t.06 dan d2 = t(0.

. Kesalahan tipe I terjadi jika kita menolak hipotesis nol padahal seharusnya hipotesis itu diterima (seharusnya diterima tetapi ditolak).Kesalahan tipe I dan tipe II Karena hanya merupakan pendugaan. Ada 2 macam kesalahan yaitu kesalahan tipe I dan kesalahan tipe II. Kesalahan tipe II terjadi jika kita menerima hipotesis nol yang seharusnya ditolak. maka mengambil keputusan mengenai suatu hipotesis pasti mengandung kesalahan.

sedang peluang melakukan kesalahan tipe II disebut . Di sini. Lazimnya. nilai  diambil 5% atau 1%.05 (taraf nyata 5%) maka peluang melakukan kesalahan tipe I adalah 5%. bahwa kesimpulannya benar.1 %.Peluang melakukan kesalahan tipe I disebut . . hipotesis nol telah ditolak pada taraf nyata 0. jika ada 100 kejadian H0 benar. Jika dinyatakan nilai  = 0. kadangkadang 0. ada keyakinan sebesar 95%.5% dan 0. Ukuran  disebut juga tingkat kepercayaan atau taraf signifikansi atau taraf nyata. Dengan perkataan lain.05. maka ada 5 kejadian H0 yang ditolak. Artinya.

Menguji perbedaan  dengan nilai tertentu Kadang-kadang. karena dipakai nilai  = 5% (yaitu berdasar nilai Z(0. Lihat lagi contoh 10.6. harus dilakukan pemeriksaan untuk mengetahui apakah nilai  berbeda atau lebih besar atau lebih kecil dengan suatu nilai tertentu.05/2). Pemilihan statistik ujinya tergantung pada apakah nilai  diketahui atau tidak. Kesimpulan yang menyatakan bahwa 1  0 sebenarnya masih mengandung kesalahan sebesar 5%. Besarnya kesalahan ini dapat diukur. .Contoh 10.4.

jika Z hitung  Z (/2) : Ho ditolak Z hitung < Z (/2) : Ho diterima .0 Z hitung =  / n Dengan kaidah. Hipotesis uji ini berbunyi: H0: 1 = 0 lawan H1: 1  0 (0 merupakan suatu nilai tertentu).Uji dua ekor. Jika  diketahui Statistik untuk menguji hipotesis nol tersebut di atas adalah _ X .

3600).Contoh 10. Hipotesis statistik dalam soal ini adalah Ho:  = 800 kg lawan H1:   800 kg . Apakah memang benar daya tahan benang itu benar-benar 800 kg ? Peluang kesalahan kesimpulannya maksimum adalah 5%. Daya tahan beban benang rata-rata adalah 800 kg.7.Berdasar contoh 50 utas benang ternyata rata-rata daya tahan bebannya 792 kg. dengan simpangan baku 60 kg atau X ~N (800.

05/2) = 1. maka H0 diterima atau. . Dengan perkataan lain. maka statistik ujinya 792 .96.94| < Z(0. "tidak cukup bukti untuk menyatakan bahwa rata rata daya tahan benang berbeda dengan 800 kg".94 Pada tabel . nilai Z dua ekor dengan  =5% adalah Z 0.0.96 Berdasar kaidah.Karena  diketahui. daya tahan benang merk A adalah 800 kg.475 = 1. Zhit = |0.800 Z hitung = 60/50 = .

Statistik ujinya _ X .0 t hitung = s/n Dengan kaidah. jika |t hitung|  t (/2)(n-1) : Ho ditolak < t (/2)(n-1) : Ho diterima Nilai (n-l) adalah derajad bebas. .Jika  tidak diketahui Jika  tidak diketahui dipakai penduga nilai  yaitu s.

029| Dari tabel t pada  = 0.029| < t daftar 2. Berdasar kaidah. sehingga H0 diterima.Contoh 10.8.01.05 dan derajad bebas 49.7. Jika dari 50 utas benang hanya diketahui s=55 kg maka statistik ujinya: 792 . Kesimpulannya sama dengan kesimpulan contoh 10.01. Uji satu ekor Hipotesis uji satu ekor berbunyi H0: 1 = 0 lawan H1: 1 > 0 .800 t hitung = 55/50 = |-1. ternyata t hit = |-1. diperoleh t daftar = 2.

jika Z hitung  Z () : Ho ditolak Z hitung < Z () : Ho diterima .Jika  diketahui Statistik ujinya _ X .0 Z hitung =  / n Dengan kaidah.

hipotesisnya adalah H0: = 16 jam lawan H1:  < 16 jam. pabrik obat itu menyatakan. bahwa ragam jangka waktu penyembuhan obatnya adalah = 2.Ada ketentuan bahwa suatu jenis obat boleh dipasarkan. Berdasar 20 contoh itu. Jadi.65 . jika jangka waktu penyembuhan obat tersebut maksimum 16 jam (pasien akan sembuh kurang dari ( < ) 16 jam setelah minum obat). Obat merk A akan diperiksa.3 jam.9-16 Z hitung = 1. Misalnya pula.52/ 20 = 2. rata-rata waktu penyembuhannya 16. Diambil 20 contoh obat secara acak.  = 1. maka statistik ujinya 16. Di sini.52.9 jam. Jika waktu penyembuhan dianggap menyebar normal dan karena  diketahui.

33. Jadi Z hitung = 2.01) kurang daripada 16 jam".0 t hitung = s/n Dengan kaidah.01. maka H0 ditolak dan H1 diterima.Karena merupakan uji 1 ekor (lihat H1) maka Z 0. jika t hitung  t ()(n-1) : Ho ditolak t hitung < t ()(n-1) : Ho diterima .01 = 2. Jika  tidak diketahui Statistik ujinya _ X . atau rata-rata jangka waktu menyembuhkan obat A secara amat nyata (P<0.65 > Z 0.

16 t hitung = 2. tetapi tidak ada keterangan tentang  .Contoh 10.54 maka H0 diterima.10.2/20 = 0.49 = 1. Seperti contoh 10.9 . harus dihitung dulu s contoh. misalnya diperoleh s = 2. Maka statistik ujinya 16.82 Karena t hitung = 1.2 jam.82 < t (0.01) (19) = 2. Oleh karena itu.9/0.9. .

Sign up to vote on this title
UsefulNot useful