P. 1
Uji Hipotesis

Uji Hipotesis

|Views: 5|Likes:
Published by Harry Kuriuzhaky
perobaan
perobaan

More info:

Categories:Types, School Work
Published by: Harry Kuriuzhaky on Apr 09, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

11/22/2013

pdf

text

original

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

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

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

Contoh : 1.79.  sebesar 5%.0". Langkah terakhir adalah menentukan kriteria uji. mungkin timbul pertanyaan berapa sebenarnya nilai rata-rata populasi mahasiswa tersebut. misalnya berbunyi "rata-rata nilai mahasiswa () adalah 8. Langkah kedua adalah menentukan statistik uji. . Pasangan hipotesis ini adalah "rata-rata nilai mahasiswa tidak sama dengan 8. Berdasar nilai 30 mahasiswa diperoleh nilai rata-rata 7. dan simpangan baku  tidak diketahui. sehingga dipakai t sebagai statistik uji.0". maka rata-rata nilai menyebar menurut sebaran t-Student. Karena sebaran populasi nilai dapat dianggap normal. maka dipakai daerah kritis. Langkah pertama adalah menyusun hipotesis. Jika nilai tsb dianggap contoh. Jika besarnya kesalahan dalam menarik kesimpulan (menerima hipotesis) hanya boleh 5%.

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

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

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

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

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

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

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

dapat dinyatakan menjadi 1 > 2. sedang pernyataan "nilai rata-rata mutu obat-3 berbeda dengan rata-rata mutu obat-4". Pernyataan "nilai rata-rata mutu obat-1 lebih baik daripada rata rata mutu obat-2".5". Misalnya. Dugaan ini dapat dirumuskan menjadi hipotesis yang berbunyi: H0: P(M) = 0.3.Contoh 10. dapat dirumuskan sebagai 3  4 Contoh 10. . diduga sekeping mata uang adalah seimbang.2.5 atau "peluang muka M berbeda dengan 0.5".5 atau "peluang munculnya sisi M tidak berbeda dengan 0. H1: P(M)  0.

Kesimpulannya adalah. maka H0 dinyatakan ditolak.05/2) : Ho diterima Seterusnya.96 .05/2) = l.Contoh 10.03. Misalnya ada hipotesis yang berbunyi H0: 1 = 0 lawan H1 : 1  0 . bahwa sebenarnya 1  0 .4. Hipotesis itu diuji dengan statistik Z.05/2) : Ho ditolak Z hitung < Z (0. dan misalnya diperoleh nilai d1 = Z(0. Jika Z hitung  Z (0. jika misalnya diperoleh Z hit = -8.

71 . pada db = 24. dengan tabel Z.5.05/2) = ± 1.05)= + 1.Contoh 10. diperoleh d1 = t(0.05) = 1.05/2) = ± 2.65 sedangkan dengan tabel t.96 dan d2 = + Z(0. diperoleh nilai d1 = Z(0.06 dan d2 = t(0. bahwa  sebesar 5%. Jika ditetapkan.

Kesalahan tipe I terjadi jika kita menolak hipotesis nol padahal seharusnya hipotesis itu diterima (seharusnya diterima tetapi ditolak). . maka mengambil keputusan mengenai suatu hipotesis pasti mengandung kesalahan.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.

Jika dinyatakan nilai  = 0. Ukuran  disebut juga tingkat kepercayaan atau taraf signifikansi atau taraf nyata. hipotesis nol telah ditolak pada taraf nyata 0. Artinya. kadangkadang 0. Lazimnya. bahwa kesimpulannya benar. sedang peluang melakukan kesalahan tipe II disebut .05 (taraf nyata 5%) maka peluang melakukan kesalahan tipe I adalah 5%.05.5% dan 0. . nilai  diambil 5% atau 1%. Di sini. ada keyakinan sebesar 95%. jika ada 100 kejadian H0 benar. Dengan perkataan lain.Peluang melakukan kesalahan tipe I disebut .1 %. maka ada 5 kejadian H0 yang ditolak.

Contoh 10. Besarnya kesalahan ini dapat diukur. Menguji perbedaan  dengan nilai tertentu Kadang-kadang. karena dipakai nilai  = 5% (yaitu berdasar nilai Z(0. Pemilihan statistik ujinya tergantung pada apakah nilai  diketahui atau tidak.05/2). Lihat lagi contoh 10.4. harus dilakukan pemeriksaan untuk mengetahui apakah nilai  berbeda atau lebih besar atau lebih kecil dengan suatu nilai tertentu.6. Kesimpulan yang menyatakan bahwa 1  0 sebenarnya masih mengandung kesalahan sebesar 5%. .

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

Berdasar contoh 50 utas benang ternyata rata-rata daya tahan bebannya 792 kg. dengan simpangan baku 60 kg atau X ~N (800. Apakah memang benar daya tahan benang itu benar-benar 800 kg ? Peluang kesalahan kesimpulannya maksimum adalah 5%.3600). Daya tahan beban benang rata-rata adalah 800 kg. Hipotesis statistik dalam soal ini adalah Ho:  = 800 kg lawan H1:   800 kg .Contoh 10.7.

Dengan perkataan lain. daya tahan benang merk A adalah 800 kg. Zhit = |0.800 Z hitung = 60/50 = .94| < Z(0.Karena  diketahui. "tidak cukup bukti untuk menyatakan bahwa rata rata daya tahan benang berbeda dengan 800 kg". maka H0 diterima atau.475 = 1.05/2) = 1. nilai Z dua ekor dengan  =5% adalah Z 0.94 Pada tabel .96 Berdasar kaidah.96. .0. maka statistik ujinya 792 .

. 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.0 t hitung = s/n Dengan kaidah. Statistik ujinya _ X .

7.Contoh 10. Berdasar kaidah.05 dan derajad bebas 49. Jika dari 50 utas benang hanya diketahui s=55 kg maka statistik ujinya: 792 . Uji satu ekor Hipotesis uji satu ekor berbunyi H0: 1 = 0 lawan H1: 1 > 0 .01. diperoleh t daftar = 2.8.01. sehingga H0 diterima. Kesimpulannya sama dengan kesimpulan contoh 10.029| < t daftar 2.029| Dari tabel t pada  = 0.800 t hitung = 55/50 = |-1. ternyata t hit = |-1.

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

rata-rata waktu penyembuhannya 16. pabrik obat itu menyatakan. Misalnya pula. Obat merk A akan diperiksa.Ada ketentuan bahwa suatu jenis obat boleh dipasarkan. Jika waktu penyembuhan dianggap menyebar normal dan karena  diketahui. Berdasar 20 contoh itu.3 jam. Di sini.65 .52/ 20 = 2.52.9-16 Z hitung = 1.  = 1. bahwa ragam jangka waktu penyembuhan obatnya adalah = 2.9 jam. jika jangka waktu penyembuhan obat tersebut maksimum 16 jam (pasien akan sembuh kurang dari ( < ) 16 jam setelah minum obat). hipotesisnya adalah H0: = 16 jam lawan H1:  < 16 jam. Jadi. maka statistik ujinya 16. Diambil 20 contoh obat secara acak.

0 t hitung = s/n Dengan kaidah. Jika  tidak diketahui Statistik ujinya _ X . atau rata-rata jangka waktu menyembuhkan obat A secara amat nyata (P<0.Karena merupakan uji 1 ekor (lihat H1) maka Z 0.01.01 = 2. jika t hitung  t ()(n-1) : Ho ditolak t hitung < t ()(n-1) : Ho diterima .33. Jadi Z hitung = 2.01) kurang daripada 16 jam". maka H0 ditolak dan H1 diterima.65 > Z 0.

54 maka H0 diterima. harus dihitung dulu s contoh.2/20 = 0. tetapi tidak ada keterangan tentang  .Contoh 10.10.01) (19) = 2. misalnya diperoleh s = 2. Seperti contoh 10.16 t hitung = 2.2 jam.9/0. Maka statistik ujinya 16.9.82 < t (0.49 = 1. Oleh karena itu. .82 Karena t hitung = 1.9 .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->