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

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

3. Luas ujung (ujung) kurva itu disebut daerah kritis. 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.

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

masing-masing sebesar (/2). H1 dirumuskan "berbeda" ( ) Keputusan statistik diambil berdasar dua daerah kritis pada setiap ujung kurva sebaran yang dipakai. . Karena itu.Hipotesis nihil dan hipotesis alternatif Hipotesis nol atau hipotesis nihil. 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.

Nilai d. dsb.Daerah kritisnya ditentukan berdasar letak nilai d1 dan d2 pada sumbu datar kurva sebaran yang bersangkutan. t. 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. d1 dan d2 adalah nilai tabel Z. x2.

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

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

.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. H1 dirumuskan "lebih kecil daripada" (<). disebut juga uji fihak kiri. 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). .

5".5". dapat dinyatakan menjadi 1 > 2. diduga sekeping mata uang adalah seimbang.Contoh 10. dapat dirumuskan sebagai 3  4 Contoh 10.2.5 atau "peluang munculnya sisi M tidak berbeda dengan 0. Misalnya. H1: P(M)  0.5 atau "peluang muka M berbeda dengan 0. Dugaan ini dapat dirumuskan menjadi hipotesis yang berbunyi: H0: P(M) = 0.3. . Pernyataan "nilai rata-rata mutu obat-1 lebih baik daripada rata rata mutu obat-2". sedang pernyataan "nilai rata-rata mutu obat-3 berbeda dengan rata-rata mutu obat-4".

Kesimpulannya adalah. bahwa sebenarnya 1  0 . maka H0 dinyatakan ditolak. Misalnya ada hipotesis yang berbunyi H0: 1 = 0 lawan H1 : 1  0 .05/2) = l.96 .Contoh 10. Hipotesis itu diuji dengan statistik Z. Jika Z hitung  Z (0. dan misalnya diperoleh nilai d1 = Z(0.4. jika misalnya diperoleh Z hit = -8.05/2) : Ho ditolak Z hitung < Z (0.03.05/2) : Ho diterima Seterusnya.

06 dan d2 = t(0. diperoleh d1 = t(0.05) = 1. diperoleh nilai d1 = Z(0.65 sedangkan dengan tabel t.05/2) = ± 1.05)= + 1.05/2) = ± 2.71 .96 dan d2 = + Z(0. pada db = 24. Jika ditetapkan.5. bahwa  sebesar 5%.Contoh 10. dengan tabel Z.

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

jika ada 100 kejadian H0 benar. . kadangkadang 0. nilai  diambil 5% atau 1%. Dengan perkataan lain. Lazimnya.5% dan 0.05. Ukuran  disebut juga tingkat kepercayaan atau taraf signifikansi atau taraf nyata. maka ada 5 kejadian H0 yang ditolak.1 %. Jika dinyatakan nilai  = 0.05 (taraf nyata 5%) maka peluang melakukan kesalahan tipe I adalah 5%. sedang peluang melakukan kesalahan tipe II disebut . hipotesis nol telah ditolak pada taraf nyata 0. Artinya. bahwa kesimpulannya benar.Peluang melakukan kesalahan tipe I disebut . ada keyakinan sebesar 95%. Di sini.

Lihat lagi contoh 10. .4.05/2). Menguji perbedaan  dengan nilai tertentu Kadang-kadang.Contoh 10. harus dilakukan pemeriksaan untuk mengetahui apakah nilai  berbeda atau lebih besar atau lebih kecil dengan suatu nilai tertentu. Kesimpulan yang menyatakan bahwa 1  0 sebenarnya masih mengandung kesalahan sebesar 5%. Besarnya kesalahan ini dapat diukur. karena dipakai nilai  = 5% (yaitu berdasar nilai Z(0.6. Pemilihan statistik ujinya tergantung pada apakah nilai  diketahui atau tidak.

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

Contoh 10.3600).7. 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. dengan simpangan baku 60 kg atau X ~N (800.Berdasar contoh 50 utas benang ternyata rata-rata daya tahan bebannya 792 kg. Hipotesis statistik dalam soal ini adalah Ho:  = 800 kg lawan H1:   800 kg .

05/2) = 1. daya tahan benang merk A adalah 800 kg.0. nilai Z dua ekor dengan  =5% adalah Z 0. "tidak cukup bukti untuk menyatakan bahwa rata rata daya tahan benang berbeda dengan 800 kg".94| < Z(0. maka statistik ujinya 792 .Karena  diketahui.96. Dengan perkataan lain.96 Berdasar kaidah. Zhit = |0.94 Pada tabel . .475 = 1. maka H0 diterima atau.800 Z hitung = 60/50 = .

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

01.8. Jika dari 50 utas benang hanya diketahui s=55 kg maka statistik ujinya: 792 . diperoleh t daftar = 2.Contoh 10.029| < t daftar 2.7. Berdasar kaidah.800 t hitung = 55/50 = |-1. sehingga H0 diterima.01. ternyata t hit = |-1. Kesimpulannya sama dengan kesimpulan contoh 10.029| Dari tabel t pada  = 0.05 dan derajad bebas 49. Uji satu ekor Hipotesis uji satu ekor berbunyi H0: 1 = 0 lawan H1: 1 > 0 .

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

maka statistik ujinya 16.9 jam. Misalnya pula. Obat merk A akan diperiksa.3 jam. Berdasar 20 contoh itu. Diambil 20 contoh obat secara acak. Jika waktu penyembuhan dianggap menyebar normal dan karena  diketahui.52/ 20 = 2. hipotesisnya adalah H0: = 16 jam lawan H1:  < 16 jam. rata-rata waktu penyembuhannya 16.9-16 Z hitung = 1.Ada ketentuan bahwa suatu jenis obat boleh dipasarkan.  = 1. Di sini.52. Jadi. jika jangka waktu penyembuhan obat tersebut maksimum 16 jam (pasien akan sembuh kurang dari ( < ) 16 jam setelah minum obat).65 . pabrik obat itu menyatakan. bahwa ragam jangka waktu penyembuhan obatnya adalah = 2.

0 t hitung = s/n Dengan kaidah.01 = 2.01) kurang daripada 16 jam". jika t hitung  t ()(n-1) : Ho ditolak t hitung < t ()(n-1) : Ho diterima .Karena merupakan uji 1 ekor (lihat H1) maka Z 0.33. Jadi Z hitung = 2. atau rata-rata jangka waktu menyembuhkan obat A secara amat nyata (P<0. Jika  tidak diketahui Statistik ujinya _ X . maka H0 ditolak dan H1 diterima.65 > Z 0.01.

9/0. harus dihitung dulu s contoh.54 maka H0 diterima.10. . Maka statistik ujinya 16.9 .2 jam.Contoh 10.16 t hitung = 2.9.01) (19) = 2.82 < t (0. Seperti contoh 10.82 Karena t hitung = 1. Oleh karena itu. tetapi tidak ada keterangan tentang  .49 = 1.2/20 = 0. misalnya diperoleh s = 2.

Sign up to vote on this title
UsefulNot useful