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

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

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

Jika besarnya kesalahan dalam menarik kesimpulan (menerima hipotesis) hanya boleh 5%. Karena sebaran populasi nilai dapat dianggap normal. maka rata-rata nilai menyebar menurut sebaran t-Student. mungkin timbul pertanyaan berapa sebenarnya nilai rata-rata populasi mahasiswa tersebut.0". Berdasar nilai 30 mahasiswa diperoleh nilai rata-rata 7. sehingga dipakai t sebagai statistik uji. Langkah terakhir adalah menentukan kriteria uji.  sebesar 5%.79.0". Langkah kedua adalah menentukan statistik uji. Langkah pertama adalah menyusun hipotesis. Pasangan hipotesis ini adalah "rata-rata nilai mahasiswa tidak sama dengan 8. dan simpangan baku  tidak diketahui. Jika nilai tsb dianggap contoh. . maka dipakai daerah kritis. misalnya berbunyi "rata-rata nilai mahasiswa () adalah 8.Contoh : 1.

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.Hipotesis nihil dan hipotesis alternatif Hipotesis nol atau hipotesis nihil. masing-masing sebesar (/2). Karena itu. dilambangkan dengan H0 Hipotesis alternatif dilambangkan dengan Ha atau H1 Pemanfaatan hipotesis alternatif H1 adalah seperti berikut : 1. .

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

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

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

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

H0 dinyatakan ditolak jika statistik uji berada di kiri d.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 (). atau kaidahnya jika (statistik uji < d ) : H0 ditolak (statistik uji  d) : H0 diterima . 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). .

Misalnya.5". Dugaan ini dapat dirumuskan menjadi hipotesis yang berbunyi: H0: P(M) = 0.5 atau "peluang muka M berbeda dengan 0. .2. H1: P(M)  0.Contoh 10.3. Pernyataan "nilai rata-rata mutu obat-1 lebih baik daripada rata rata mutu obat-2".5 atau "peluang munculnya sisi M tidak berbeda dengan 0.5". dapat dinyatakan menjadi 1 > 2. diduga sekeping mata uang adalah seimbang. dapat dirumuskan sebagai 3  4 Contoh 10. sedang pernyataan "nilai rata-rata mutu obat-3 berbeda dengan rata-rata mutu obat-4".

96 . dan misalnya diperoleh nilai d1 = Z(0.05/2) = l. jika misalnya diperoleh Z hit = -8.05/2) : Ho diterima Seterusnya.Contoh 10.05/2) : Ho ditolak Z hitung < Z (0.03.4. maka H0 dinyatakan ditolak. Kesimpulannya adalah. bahwa sebenarnya 1  0 . Hipotesis itu diuji dengan statistik Z. Jika Z hitung  Z (0. Misalnya ada hipotesis yang berbunyi H0: 1 = 0 lawan H1 : 1  0 .

dengan tabel Z. pada db = 24.06 dan d2 = t(0.05/2) = ± 1.Contoh 10.05) = 1. bahwa  sebesar 5%.5.96 dan d2 = + Z(0.05/2) = ± 2. diperoleh d1 = t(0.65 sedangkan dengan tabel t. diperoleh nilai d1 = Z(0.71 . Jika ditetapkan.05)= + 1.

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 II terjadi jika kita menerima hipotesis nol yang seharusnya ditolak.Kesalahan tipe I dan tipe II Karena hanya merupakan pendugaan. Ada 2 macam kesalahan yaitu kesalahan tipe I dan kesalahan tipe II. .

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

Besarnya kesalahan ini dapat diukur. Lihat lagi contoh 10.Contoh 10.4.05/2). .6. karena dipakai nilai  = 5% (yaitu berdasar nilai Z(0. 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%. Pemilihan statistik ujinya tergantung pada apakah nilai  diketahui atau tidak. Menguji perbedaan  dengan nilai tertentu Kadang-kadang.

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

Hipotesis statistik dalam soal ini adalah Ho:  = 800 kg lawan H1:   800 kg .Contoh 10.7. 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.Berdasar contoh 50 utas benang ternyata rata-rata daya tahan bebannya 792 kg.3600). dengan simpangan baku 60 kg atau X ~N (800.

Zhit = |0. Dengan perkataan lain. "tidak cukup bukti untuk menyatakan bahwa rata rata daya tahan benang berbeda dengan 800 kg". nilai Z dua ekor dengan  =5% adalah Z 0.94| < Z(0.96 Berdasar kaidah.Karena  diketahui. maka statistik ujinya 792 . .475 = 1. daya tahan benang merk A adalah 800 kg.94 Pada tabel .96. maka H0 diterima atau.0.05/2) = 1.800 Z hitung = 60/50 = .

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

05 dan derajad bebas 49. ternyata t hit = |-1.Contoh 10. Uji satu ekor Hipotesis uji satu ekor berbunyi H0: 1 = 0 lawan H1: 1 > 0 .029| Dari tabel t pada  = 0. sehingga H0 diterima. Kesimpulannya sama dengan kesimpulan contoh 10. Berdasar kaidah.800 t hitung = 55/50 = |-1. Jika dari 50 utas benang hanya diketahui s=55 kg maka statistik ujinya: 792 .01.01. diperoleh t daftar = 2.8.7.029| < t daftar 2.

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

bahwa ragam jangka waktu penyembuhan obatnya adalah = 2. Di sini. Diambil 20 contoh obat secara acak. Obat merk A akan diperiksa. hipotesisnya adalah H0: = 16 jam lawan H1:  < 16 jam. Misalnya pula.52. Jika waktu penyembuhan dianggap menyebar normal dan karena  diketahui. Jadi. rata-rata waktu penyembuhannya 16. pabrik obat itu menyatakan.52/ 20 = 2.65 . maka statistik ujinya 16.Ada ketentuan bahwa suatu jenis obat boleh dipasarkan.9-16 Z hitung = 1. Berdasar 20 contoh itu.3 jam. jika jangka waktu penyembuhan obat tersebut maksimum 16 jam (pasien akan sembuh kurang dari ( < ) 16 jam setelah minum obat).9 jam.  = 1.

jika t hitung  t ()(n-1) : Ho ditolak t hitung < t ()(n-1) : Ho diterima .01) kurang daripada 16 jam". maka H0 ditolak dan H1 diterima.Karena merupakan uji 1 ekor (lihat H1) maka Z 0.0 t hitung = s/n Dengan kaidah. Jadi Z hitung = 2.01.33.65 > Z 0.01 = 2. Jika  tidak diketahui Statistik ujinya _ X . atau rata-rata jangka waktu menyembuhkan obat A secara amat nyata (P<0.

49 = 1. misalnya diperoleh s = 2.Contoh 10.2/20 = 0.01) (19) = 2. tetapi tidak ada keterangan tentang  .9/0. Seperti contoh 10.54 maka H0 diterima. harus dihitung dulu s contoh.2 jam.10.9 . Maka statistik ujinya 16. Oleh karena itu.82 < t (0.16 t hitung = 2.82 Karena t hitung = 1. .9.

Sign up to vote on this title
UsefulNot useful