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

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

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

.  sebesar 5%. Langkah pertama adalah menyusun hipotesis.Contoh : 1. Jika besarnya kesalahan dalam menarik kesimpulan (menerima hipotesis) hanya boleh 5%. Jika nilai tsb dianggap contoh. Karena sebaran populasi nilai dapat dianggap normal. Berdasar nilai 30 mahasiswa diperoleh nilai rata-rata 7. maka rata-rata nilai menyebar menurut sebaran t-Student. dan simpangan baku  tidak diketahui.0".79. misalnya berbunyi "rata-rata nilai mahasiswa () adalah 8. Pasangan hipotesis ini adalah "rata-rata nilai mahasiswa tidak sama dengan 8.0". sehingga dipakai t sebagai statistik uji. mungkin timbul pertanyaan berapa sebenarnya nilai rata-rata populasi mahasiswa tersebut. Langkah terakhir adalah menentukan kriteria uji. maka dipakai daerah kritis. Langkah kedua adalah menentukan statistik uji.

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

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

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

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

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 . Daerah kritisnya dibatasi oleh nilai d yang terletak di bagian kiri sumbu simetri. H1 dirumuskan "lebih kecil daripada" (<).3. H0 dinyatakan ditolak jika statistik uji berada di kiri d. disebut juga uji fihak kiri.

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

dapat dinyatakan menjadi 1 > 2. Dugaan ini dapat dirumuskan menjadi hipotesis yang berbunyi: H0: P(M) = 0. dapat dirumuskan sebagai 3  4 Contoh 10. .5 atau "peluang muka M berbeda dengan 0.3. sedang pernyataan "nilai rata-rata mutu obat-3 berbeda dengan rata-rata mutu obat-4". diduga sekeping mata uang adalah seimbang.5 atau "peluang munculnya sisi M tidak berbeda dengan 0. H1: P(M)  0.Contoh 10.2. Misalnya. Pernyataan "nilai rata-rata mutu obat-1 lebih baik daripada rata rata mutu obat-2".5".5".

96 .Contoh 10. bahwa sebenarnya 1  0 .05/2) : Ho diterima Seterusnya. maka H0 dinyatakan ditolak. Kesimpulannya adalah. jika misalnya diperoleh Z hit = -8.4.05/2) : Ho ditolak Z hitung < Z (0.03. Hipotesis itu diuji dengan statistik Z. Misalnya ada hipotesis yang berbunyi H0: 1 = 0 lawan H1 : 1  0 .05/2) = l. dan misalnya diperoleh nilai d1 = Z(0. Jika Z hitung  Z (0.

05) = 1.71 .65 sedangkan dengan tabel t. pada db = 24.06 dan d2 = t(0.96 dan d2 = + Z(0. diperoleh d1 = t(0. Jika ditetapkan.Contoh 10.05/2) = ± 1.5.05/2) = ± 2. diperoleh nilai d1 = Z(0. dengan tabel Z. bahwa  sebesar 5%.05)= + 1.

Ada 2 macam kesalahan yaitu kesalahan tipe I dan kesalahan tipe II. . 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. Kesalahan tipe II terjadi jika kita menerima hipotesis nol yang seharusnya ditolak. maka mengambil keputusan mengenai suatu hipotesis pasti mengandung kesalahan.

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

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

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). Jika  diketahui Statistik untuk menguji hipotesis nol tersebut di atas adalah _ X .Uji dua ekor.

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

Karena  diketahui.05/2) = 1. Dengan perkataan lain.800 Z hitung = 60/50 = . .0.475 = 1. nilai Z dua ekor dengan  =5% adalah Z 0. daya tahan benang merk A adalah 800 kg. Zhit = |0. "tidak cukup bukti untuk menyatakan bahwa rata rata daya tahan benang berbeda dengan 800 kg".96 Berdasar kaidah. maka statistik ujinya 792 .96.94 Pada tabel . maka H0 diterima atau.94| < Z(0.

Statistik ujinya _ X . 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. .Jika  tidak diketahui Jika  tidak diketahui dipakai penduga nilai  yaitu s.

Jika dari 50 utas benang hanya diketahui s=55 kg maka statistik ujinya: 792 . diperoleh t daftar = 2. Kesimpulannya sama dengan kesimpulan contoh 10.029| < t daftar 2.800 t hitung = 55/50 = |-1.05 dan derajad bebas 49. sehingga H0 diterima. ternyata t hit = |-1.01. Uji satu ekor Hipotesis uji satu ekor berbunyi H0: 1 = 0 lawan H1: 1 > 0 . Berdasar kaidah.7.029| Dari tabel t pada  = 0.01.Contoh 10.8.

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

Jika waktu penyembuhan dianggap menyebar normal dan karena  diketahui.9 jam. Diambil 20 contoh obat secara acak. jika jangka waktu penyembuhan obat tersebut maksimum 16 jam (pasien akan sembuh kurang dari ( < ) 16 jam setelah minum obat).52/ 20 = 2. hipotesisnya adalah H0: = 16 jam lawan H1:  < 16 jam. Misalnya pula. pabrik obat itu menyatakan.3 jam.52.  = 1. Di sini. bahwa ragam jangka waktu penyembuhan obatnya adalah = 2. Berdasar 20 contoh itu. Obat merk A akan diperiksa.Ada ketentuan bahwa suatu jenis obat boleh dipasarkan. maka statistik ujinya 16. rata-rata waktu penyembuhannya 16.9-16 Z hitung = 1. Jadi.65 .

atau rata-rata jangka waktu menyembuhkan obat A secara amat nyata (P<0. Jika  tidak diketahui Statistik ujinya _ X .65 > Z 0. maka H0 ditolak dan H1 diterima.01) kurang daripada 16 jam".01.33. jika t hitung  t ()(n-1) : Ho ditolak t hitung < t ()(n-1) : Ho diterima . Jadi Z hitung = 2.01 = 2.Karena merupakan uji 1 ekor (lihat H1) maka Z 0.0 t hitung = s/n Dengan kaidah.

16 t hitung = 2. Seperti contoh 10.82 < t (0.9. misalnya diperoleh s = 2.54 maka H0 diterima. .9 . Maka statistik ujinya 16.01) (19) = 2.9/0. harus dihitung dulu s contoh.2 jam.Contoh 10.2/20 = 0.82 Karena t hitung = 1. tetapi tidak ada keterangan tentang  . Oleh karena itu.10.49 = 1.