Uji Hipotesis

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

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

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

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

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

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

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

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

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

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

5 atau "peluang muka M berbeda dengan 0. Dugaan ini dapat dirumuskan menjadi hipotesis yang berbunyi: H0: P(M) = 0.2. dapat dirumuskan sebagai 3  4 Contoh 10.3.Contoh 10. dapat dinyatakan menjadi 1 > 2.5". Pernyataan "nilai rata-rata mutu obat-1 lebih baik daripada rata rata mutu obat-2". H1: P(M)  0. diduga sekeping mata uang adalah seimbang. sedang pernyataan "nilai rata-rata mutu obat-3 berbeda dengan rata-rata mutu obat-4". . Misalnya.5 atau "peluang munculnya sisi M tidak berbeda dengan 0.5".

05/2) : Ho diterima Seterusnya.05/2) = l. Misalnya ada hipotesis yang berbunyi H0: 1 = 0 lawan H1 : 1  0 . Jika Z hitung  Z (0.96 . bahwa sebenarnya 1  0 .05/2) : Ho ditolak Z hitung < Z (0. Hipotesis itu diuji dengan statistik Z.4. Kesimpulannya adalah.03. maka H0 dinyatakan ditolak. dan misalnya diperoleh nilai d1 = Z(0.Contoh 10. jika misalnya diperoleh Z hit = -8.

05) = 1. diperoleh d1 = t(0. diperoleh nilai d1 = Z(0.Contoh 10. bahwa  sebesar 5%.05/2) = ± 2.96 dan d2 = + Z(0. pada db = 24.71 .65 sedangkan dengan tabel t.5.05)= + 1. dengan tabel Z. Jika ditetapkan.06 dan d2 = t(0.05/2) = ± 1.

Ada 2 macam kesalahan yaitu kesalahan tipe I dan kesalahan tipe II. .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.

05.05 (taraf nyata 5%) maka peluang melakukan kesalahan tipe I adalah 5%. bahwa kesimpulannya benar. maka ada 5 kejadian H0 yang ditolak. ada keyakinan sebesar 95%. kadangkadang 0. Lazimnya. Artinya.Peluang melakukan kesalahan tipe I disebut . Di sini. Ukuran  disebut juga tingkat kepercayaan atau taraf signifikansi atau taraf nyata.1 %. Dengan perkataan lain. hipotesis nol telah ditolak pada taraf nyata 0. . Jika dinyatakan nilai  = 0.5% dan 0. nilai  diambil 5% atau 1%. jika ada 100 kejadian H0 benar. sedang peluang melakukan kesalahan tipe II disebut .

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. Besarnya kesalahan ini dapat diukur. . Pemilihan statistik ujinya tergantung pada apakah nilai  diketahui atau tidak.6.Contoh 10.4. Kesimpulan yang menyatakan bahwa 1  0 sebenarnya masih mengandung kesalahan sebesar 5%. Menguji perbedaan  dengan nilai tertentu Kadang-kadang. Lihat lagi contoh 10.05/2).

jika Z hitung  Z (/2) : Ho ditolak Z hitung < Z (/2) : Ho diterima .Uji dua ekor.0 Z hitung =  / n Dengan kaidah. 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 .

dengan simpangan baku 60 kg atau X ~N (800. Daya tahan beban benang rata-rata adalah 800 kg.Contoh 10. 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.7.3600). Apakah memang benar daya tahan benang itu benar-benar 800 kg ? Peluang kesalahan kesimpulannya maksimum adalah 5%.

94 Pada tabel . daya tahan benang merk A adalah 800 kg. maka H0 diterima atau.96.800 Z hitung = 60/50 = .Karena  diketahui. . Dengan perkataan lain. maka statistik ujinya 792 .05/2) = 1.475 = 1. Zhit = |0.94| < Z(0.0.96 Berdasar kaidah. "tidak cukup bukti untuk menyatakan bahwa rata rata daya tahan benang berbeda dengan 800 kg". nilai Z dua ekor dengan  =5% adalah Z 0.

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.

7.Contoh 10.01. Kesimpulannya sama dengan kesimpulan contoh 10. ternyata t hit = |-1. sehingga H0 diterima. Jika dari 50 utas benang hanya diketahui s=55 kg maka statistik ujinya: 792 .800 t hitung = 55/50 = |-1. diperoleh t daftar = 2.029| < t daftar 2.8.01.029| Dari tabel t pada  = 0. Uji satu ekor Hipotesis uji satu ekor berbunyi H0: 1 = 0 lawan H1: 1 > 0 .05 dan derajad bebas 49. Berdasar kaidah.

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

3 jam.52. Obat merk A akan diperiksa. Di sini. Jadi. jika jangka waktu penyembuhan obat tersebut maksimum 16 jam (pasien akan sembuh kurang dari ( < ) 16 jam setelah minum obat). maka statistik ujinya 16. Jika waktu penyembuhan dianggap menyebar normal dan karena  diketahui. rata-rata waktu penyembuhannya 16.Ada ketentuan bahwa suatu jenis obat boleh dipasarkan.52/ 20 = 2. bahwa ragam jangka waktu penyembuhan obatnya adalah = 2. Berdasar 20 contoh itu. Misalnya pula.65 . pabrik obat itu menyatakan.9-16 Z hitung = 1. Diambil 20 contoh obat secara acak. hipotesisnya adalah H0: = 16 jam lawan H1:  < 16 jam.  = 1.9 jam.

65 > Z 0. Jadi Z hitung = 2. atau rata-rata jangka waktu menyembuhkan obat A secara amat nyata (P<0.01 = 2. Jika  tidak diketahui Statistik ujinya _ X .Karena merupakan uji 1 ekor (lihat H1) maka Z 0.01) kurang daripada 16 jam".01.33. jika t hitung  t ()(n-1) : Ho ditolak t hitung < t ()(n-1) : Ho diterima . maka H0 ditolak dan H1 diterima.0 t hitung = s/n Dengan kaidah.

9/0.10. Oleh karena itu.Contoh 10.2 jam. misalnya diperoleh s = 2. harus dihitung dulu s contoh.82 Karena t hitung = 1.9 . tetapi tidak ada keterangan tentang  .9.49 = 1. Maka statistik ujinya 16.82 < t (0. Seperti contoh 10.01) (19) = 2.54 maka H0 diterima.2/20 = 0.16 t hitung = 2. .

Sign up to vote on this title
UsefulNot useful