Pengujian Hipotesis

Parametrik1
 PENGUJIAN HIPOTESIS PARAMETRIK 1

A. Pendahuluan

1. Hipotesis Penelitian

Hipotesis penelitian merupakan bagian dari

penelitian ilmiah, biasanya, sebagai
jawaban terhadap pertanyaan ilmiah
(masalah)

Dikenal dua macam hipotesis penelitian

• Hipotesis induktif
• Hipotesis deduktif

Hipotesis penelitian perlu diuji secara

empirik
2. Hipotesis Induktif

Terdapat sejumlah data (dalam jumlah besar)

Terdapat alasan untuk menduga bahwa ada pola

tertentu pada data itu, misalnya,

 Data lebih besar dari suatu data acuan tertentu

(seperti standar, persyaratan, dan sejenis itu)
 Data satu lebih besar dari data lainnya
 Ada hubungan di antara data satu dengan data
lainnya

Hipotesis ini perlu diuji, secara kualitatif atau

secara kuantitatif

Pengujian secara kuantitatif dapat dilakukan

melalui

 Matematika
 Statistika
3. Hipotesis Deduktif

Ada pertanyaan ilmiah berupa masalah

Secara deduktif, melalui teori atau hukum ilmiah,

ditemukan jawaban ilmiah terhadap madalah itu

Jawaban ilmiah ini dikenal sebagai hipotesis

deduktif

Hipotesis deduktif ini perlu diuji secara empirik

melalui cara kualitatif atau cara kuantitatif

Pengujian secara kuantitatif dapat dilakukan

melalui

 Matematika
 Statistika

(lihat metodologi penelitian)

4. Hipotesis Statistika

Jika pengujian hipotesis dilakukan melalui statistika

maka diperlukan hipotesis statistika

Disusun hipotesis statistika yang sesuai dengan

rumusan hipotesis penelitian

Hipotesis statistika berbicara tentang parameter

populasi sehingga perlu dicari parameter yang
sesuai dengan rumusan hipotesis penelitian

Pengujian hipotesis statistika dapat dilakukan

secara

 Parametrik
 Nonparametrik

Pengujian hipotesis statistika dapat menggunakan

 Populasi data
 Sampel data
Pengujian hipotesis secara statistika

Pengujian hipotesis secara statistika

Data Data
populasi sampel

Secara
statistika
mengambil
keputusan
tentang
populasi
Langsung
memperoleh
hasil uji Hasil uji
5. Rumusan Hipotesis Statistika

Hipotesis Penelitian ke Hipotesis Statistika

Rumusan hipotesis penelitian berbentuk kata-

kata, biasanya, tidak menyebut besaran
statistika

Rumusan hipotesis statistika berbentuk

rumusan parameter dan pada umumnya
dilakukan melalui notasi atau dalam hal
tertentu melalui frasa pendek

Parameter yang banyak dipakai adalah

• Rerata
• Variansi
• Koefisien korelasi
• Koefisien regresi

Harus ada kecocokan di antara rumusan

hipotesis penelitian dan hipotesis statistika
B. Hipotesis Statistika dengan Data Populasi

1. Struktur hipotesis statistika

Perangkat hipotesis statistika disusun dalam

tiga suku, berbentuk

logika
parameter konstanta
aritmetika

Bentuk logika aritmetika mencakup

=, >, <, ≥, , 

Pada H0 harus terdapat logika aritmetika =

dalam bentuk

=, ≥ , atau ≤
2. Model dasar

Ada beberapa model dasar perangkat hipotesis

statistika, berupa salah satu di bawah ini

H : parameter = konstanta

H : parameter > konstanta

H : parameter < konstanta

H : parameter  konstanta
Kecocokan hipotesis statistika dengan hipotesis
penelitian

 Hipotesis statistika menggunakan parameter

yang rumusannya cocok dengan rumuan
hipotesis penelitian

 Misalnya, jika hipotesis penelitian menyatakan

bahwa sesuatu lebih tinggi dari standar, maka
hipotesis statistika dapat berbentuk

H : X > 10

jika standar yang dimaksud = 10

 Misal ini menggunakan parameter rerata.

Sesuai dengan keadaan, kita memilih
parameter yang sesuai dengan rumusan
hipotesis penelitian
Contoh 1

Hipotesis penelitian

Melalui metoda belajar anu, hasil belajar

terletak di atas standar lulus

Misalkan standar lulus adalah 6

Hipotesis statistika

X > 6

X = hasil belajar

Catatan: Di sini dipilih parameter rerata

Contoh 2

Hipotesis penelitian

Pada tulisan berbahasa Indonesia mutakhir,

awalan me- lebih banyak digunakan daripada
awalan di-

Hipotesis statistika

X – Y > 0

X = banyaknya awalan me-

Y = banyaknya awalah di-

Catatan: Di sini digunakan parameter rerata

untuk banyaknya awalan me- dan awalan di- di
dalam misalnya tiap halaman buku
Contoh 3

Hipotesis penelitian

Di toko swalayan termasuk toko serba

ada, pengunjung wanita lebih banyak
daripada pengunjung pria

Hipotesis statistika

X > 0,5

X = banyaknya pengunjung wanita

Catatan: Di sini digunakan paramater

proporsi. Karena cuma ada wanita dan pria
sehingga jika wanita lebih dari 50% maka hal
ini sama artinya dengan wanita lebih banyak
dari pria
Contoh 4

Hipotesis penelitian

Sikap terhadap keluarga berencana di

kalangan penduduk lulusan SMP lebih
seragam daripada di kalangan
penduduk tidak lulus SD

Hipotesis statistika

 X2
1
 Y2

X = penduduk lulusan SMP

Y = penduduk tidak lulus SD

Catatan: Di sini digunakan parameter

variansi untuk menunjukkan keseragaman
Contoh 5

Hipotesis penelitian

Di perguruan tinggi, terdapat hubungan

positif di antara hasil belajar mahasiswa
dengan hasil seleksi masuk mereka ke
perguruan tinggi

Hipotesis statistika

XY > 0

X = hasil ujian seleksi masuk

mahasiswa
Y = hasil belajar mahasiswa

Catatan: Di sini digunakan koefisien

korelasi linier untuk menunjukkan
hubungan
C. Pengujian Hipotesis Statistika dengan Data Populasi

1. Langkah Pengujian

• Langkah pertama adalah merumuskan

hipotesis statistika, misalnya

H : X > 8

• Langkah kedua, menghitung rerata pada data

populasi yang diperoleh

• Langkah ketiga, membandingkan hasil hitungan

ini dengan hipotesis

• Langkah keempat, mengambil keputusan untuk

menerima atau menolak hipotesis
2. Pengujian Hipotesis Rerata

Contoh 6

Terdapat dugaan bahwa rerata IPK di perguruan

tinggi X pada tahun 2007 tidak mencapai 2,75

Hipotesis

H : μX < 2,75

Data Populasi

Dari administrasi akademik diperoleh

μX = 2,49

Keputusan

Hipotesis diterima
Contoh 7

Terdapat dugaan bahwa pada tahun 2007 di

perguruan tinggi X, IPK mahasiswi lebih tinggi dari
IPK mahasiswa

Hipotesis

H : μX ─ μY > 0

dengan X = IPK mahasiswi

Y = IPK mahasiswa

Data

Dari administrasi akademik diperoleh μX =

2,51
dan μY = 2,47 sehingga μX ─ μY = 0,04

Keputusan

Hipotesis diterima
Contoh 8

Diduga bahwa pada penerimaan mahasiswa baru

tahun 2006 di perguruan tinggi X mahasiswi lebih
banyak dari mahasiswa

Hipotesis

πmi > 0,5 mi = jumlah mahasiswa

Data

Dari Panitia Penerimaan Mahasiswa diperoleh

1765 mahasiswi baru dan 1678 mahasiswa baru

πmi = 0,513

Keputusan

Hopotesis diterima
Contoh 9

Diduga bahwa pada tahun 2007, untuk mahasiswa

angkatan 2005, koefisien korelasi di antara IPK dan
ujian masuk mereka dua tahun lalu tidak kurang
dari 0,50

Hipotesis

H : ρXY > 0,50

X = nilai ujian masuk

Y = nilai IPK

Data

Dari administrasi akademik diperoleh data

ρXY = 0,71

Keputusan

Hipotesis diterima
D. Rumusan Hipotesis Statistika dengan Data Sampel

1. Perangkat hipotesis statistika

• Sampel memiliki probabilitas keliru yakni

tidak sama dengan populasi tempat
sampel ditarik.

• Ada probabilitas besar sampel berasal dari

populasi, hipotesis tetapi ada probabilitas
kecil sampel berasal dari populasi
hipotesis

• Pengujian hipotesis didasarkan kepada

probabilitas ini

Populasi sampel
hipotesis Probabi
litas ?
2. Populasi Hipotesis

Biasanya pada pengujian hipotesis,

populasi hipotesis tidak hanya satu,
melainkan banyak

Misal hipotesis tentang rerata

X > 5

Ada tak terbilang banyaknya populasi

hipotesis di atas 5, tidak mungkin
dilakukan pengujian

Probabili
tas ?
X > 5 rerata

Populasi Data
hipotesis sampel
3. Silogisme pada Logika Deduktif

• Kita gunakan silogisme dari logika deduktif.

Silogisme memulai dari dua hal yang diketahui
(premis) diakhiri dengan menarik konklusi

• Silogisme disjunkitif

Premis mayor : A atau B

Premis minor : menerima A
Konklusi : menolak B

• Silogisme alternatif

Premis mayor : A atau B

Premis minor : menolak A
Konklusi : menerima B

• Persyaratan adalah tidak boleh ada pilihan ketiga

kecuali A atau B dan tidak boleh ada tumpang
tindih (di A dan juga di B)
• Pada pengujian hipotesis kita buat dua
kemungkinan hipotesis populasi

A = hipotesis nol H0
B = hipotesis H1

• Tidak ada pilihan ketiga dan juga tidak ada

tumpang tindih

• Supaya terdapat satu populasi hipotesis, maka

hipotesis nol menggunakan =

• Hipotesis H1 boleh saja menggunakan lainnya

berupa <, >, atau 
4. Struktur hipotesis statistika

Perangkat hipotesis statistika disusun dalam tiga

suku, berbentuk

Logika
parameter konstanta
aritmetika

Bentuk logika aritmetika mencakup

=, >, <, ≥, , 

Pada H0 harus terdapat logika aritmetika = dalam

bentuk

=, ≥ , atau ≤
5. Model dasar

Ada tiga model dasar perangkat hipotesis statistika

H0 : parameter = konstanta
H1 : parameter > konstanta

H0 : parameter = konstanta
H1 : parameter < konstanta

H0 : parameter = konstanta
H1 : parameter  konstanta

Catatan: H0 dapat juga berbentuk

H0 : parameter ≥ konstanta
H0 : parameter ≤ konstanta
Contoh 10

Dengan ketentuan tidak ada pilihan ketiga

H0 : X = 6
H1 : X > 6

H0 : X = 6
H1 : X < 6

H0 : X = 6
H1 : X  6

 X2
H0 : 1
 Y2
 X2
H1 : 1
 Y2

 X2
H0 : 1
 Y2
 X2
H1 : 1
 Y2
H0 : X  Y = 0
H1 : X  Y > 0

H0 : X  Y = 0
H1 : X  Y < 0

H0 : X  Y = 0
H1 : X  Y  0
H0 : XY = 0
H1 : XY > 0

H0 : XY = 0
H1 : XY < 0

H0 : XY = 0
H1 : XY  0

H0 : XY = 0,6
H1 : XY > 0,6

H0 : XY = 0,6
H1 : XY < 0,6
H0 : XY = 0,6
H1 : XY  0,6

H0 : XY  UV = 0
H1 : XY  UV > 0

H0 : XY  XZ = 0
H1 : XY  XZ > 0

H0 : B = 0
H1 : B > 0

H0 : B = 0
H1 : B < 0

H0 : B = 0
H1 : B  0

H0 : B1  B2 = 0
H1 : B1  B2 > 0
6. Syarat hipotesis statistika

Di antara H0 dan H1 terdapat syarat yang harus

dipenuhi agar apabila H0 ditolak maka satu-satunya
alternatif adalah menerima H1

Syarat ini dapat berbentuk

 Tidak boleh tumpang tindih, artinya, tidak

boleh ada di H0 dan juga ada di H1, seperti

H0 : X = 7
H1 : X > 6 (7 ada di dua-duanya)

 Tidak boleh ada pilihan ketiga selain H0 atau H1

seperti

H0 : X = 7
H1 : X > 8 (7,5 adalah pilihan ketiga)
Karena itu dalam hal seperti hipotesis statistika

H0 : X = 0
H1 : X > 0

perlu ada perjanjian bahwa hipotesis ini sama

sekali tidak melibatkan X < 0

Syarat lainnya

 Hipotesis statistika hanya berkenaan dengan

parameter (bukan berkenaan dengan statistik)

 Pada pengujian hipotesis parametrik, skala data

harus interval atau rasio (tidak boleh nominal
atau ordinal)
E. Hipotesis Statistika dengan Data Sampel

1. Tujuan uji hipotesis

 Tujuan pengujian hipotesis statistika

adalah pengambilan keputusan tentang
parameter

 Titik tolak pengujian hipotesis statistika

adalah data sampel (statistik) namun
keputusan yang perlu diambil adalah
tentang parameter (populasi)

 Pada dasarnya, dengan pengetahuan

tentang sebagian data (sampel), kita
mengambil keputusan tentang seluruh
data (populasi)

 Diperlukan cara tertentu untuk dapat

melakukan pengujian ini

 Keputusan yang diambil mengandung

risiko keliru
2. Dasar pengujian hipotesis statistika

Untuk memberikan gambaran tentang dasar

pengujian hipotesis statistika melalui data
sampel, kita menggunakan suatu contoh

Contoh 11

Misalkan ada hipotesis statistika

H0 : X = 7
H1 : X > 7

dengan data yang memenuhi syarat

Misalkan data sampel menunjukkan

ukuran populasi NX = 5
ukuran sampel nX = 2
rerata sampel X = 8
Hipotesis yang diuji

Probabilitas sampel
Populasi H0 berasal dari populasi H0

X = 7 Sampel

X = 8,5
Populasi H1

Probabilitas sampel
X > 7 berasal dari populasi
H1

H0 mengandung tanda = sehingga hanya ada satu

populasi H0

H1 mengandung tanda > sehingga ada tak hingga

banyaknya populasi H1

Kita tidak dapat menguji H1, sehingga kita hanya

menguji H0 (menerima atau menolaknya)
Pengujian hipotesis statsitika menjadi

Populasi H0 sampel

X = 7 X = 8,5
Probabilitas = 

Tampak di sini mengapa diperlukan syarat bahwa

pada H0 harus ada tanda = (supaya hanya ada satu
populasi H0)

Selanjutnya ada dua pilihan keputusan yakni

 Menerima H0 dengan probabilitas 

 Menolak H0 dengan probabilitas keliru 

 Kalau H0 ditolak maka karena tidak ada pilihan

ketiga dan tidak tumpang tindih, maka satu-
satunya alternatif adalah menerima H1

Tampak di sini mengapa tidak boleh tumpang

tindih dan tidak ada pilihan ketiga pada H0 dan H1
Distribusi probabilitas (kekeliruan) pensampelan

Frekuensi
3

5,5 6 6,5 7 7,5 8 8,5 Rerata sampel

Rerata populasi H0

Sampel X = 8,5  = 0,10

Keputusan:

Terima H0 probabilitas hanya 0,10

Tolak H0 bisa keliru 0,10

Pada penolakan H0 ,  dinamakan taraf signifikansi

Kita dapat juga memilih risiko keliru α misalnya α =
0,05

Selanjutnya kita menghitung nilai kritis NK pada α =

0,05 (dengan tabel statistika, perlu transformasi baku)

Untuk rerata sampel X  NK

0,95  = 0,05

=7 7,5 NK

• Kalau H0 diterima maka probabilitasnya hanya

0,05 atau kurang

• Kalau kita menolak H0 (karena tidak ada pilihan

ketiga sehingga menerima H1) maka probabilitas
kelirunya adalah 0,05 atau kurang
3. Pembahasan

Dalam pengambilan keputusan pada pengujian

hipotesis statistika,

 Dengan tiada tumpang tindih atau pilihan

ketiga, kita hanya menguji H0

 Kita menghitung probabilitas  yakni

probabilitas sampel berasal dari populasi H0

 Untuk menghitung probabilitas , kita

menggunakan distribusi probabilitas
pensampelan (terdapat di Bab 6A dan 6B)

 Kalau  besar, kita memilih menerima H0

 Kalau  kecil, kita cenderung memilih menolak

H0 dengan risiko probabilitas keliru sebesar 

 Kita perlu menentukan besarnya probabilitas

keliru  (dikenal sebagai taraf signifikansi)
untuk menerima atau menolak H0
F. Pengujian Hipotesis Statistika dengan Data Sampel

1. Dasar

 Selanjutnya kita tidak membahas pengujian

hipotesis statistika dengan data populasi

 Pembahasan selanjutnya hanyalah pengujian

hipotesis statistika dengan data sampel

 Pengujian hipotesis statistika memerlukan

distribusi probabilitas pensampelan dan
informasi ini terdapat pada Bab 6A dan 6B

 Pengujian hipotesis statistika memerlukan taraf

signifikansi . Banyak penelitian menggunakan
 = 0,05 atau  = 0,01

  = 0,05 berarti mungkin ada 1 keliru di antara

20 keputusan menolak H0 demikian

  = 0,01 berarti mungkin ada 1 keliru di antara

100 keputusan menolak H0 demikian
2. Proses Pengujian Hipotesis Statistika

(a) Hipotesis statistika dan data sampel

 Kita mulai dengan suatu contoh seperti contoh

7 yang telah dibicarakan di depan yakni

H0 : X = 7
H1 : X > 7

 Distribusi probabilitas populasi adalah normal

dan simpangan baku populasi tidak diketahui

 Ditarik sampel acak melalui SADP

Ukuran sampel nX = 49
Rerata sampel X = 8
Simpangan baku sampel sX = 3,85

 Kita akan menguji hipotesis dengan taraf

signifikansi  = 0,05
(b) Distribusi probabilitas pensampelan

Distribusi probabilitas pensampelan satu rerata

adalah

Satu rerata

DP populasi DP populasi
normal tidak normal

SB populasi SB populasi
diketahui tidak diketahui

SADP SATP SADP SATP

Pada distribusi probabilitas pensampelan

DPP : DP t-Student

Kekeliruan baku
sX 3,85
X    0,55
nX 49

Derajat kebebasan X = nX – 1 = 49 – 1 = 48

(c) Statistik uji

Dengan demikian, maka rerata sampel X = 8,

dapat dinyatakan sebagai nilai baku pada
distribusi probabilitas t-Student melalui
transformasi

tX 
X  X 8  7
  1,82
(statistik uji)
X 0,55

Tujuan transformasi ke DP t-Student adalah untuk

memanfaatkan tabel fungsi distribusi t-Student
yang ada
(c) Kriteria pengujian hipotesis statistika

• Kalau probabilitas untuk sampel berasal dari

populasi H0 adalah kecil maka kita akan menolak
H0 (tentunya dengan risiko keliru menolak)

• Batas kecilnya untuk penolakan adalah  = 0,05

sehingga jika probabilitas untuk sampel berasal
dari populasi H0 adalah kurang dari 0,05 ( <
0,05), maka kita akan menolak H0

• Dari tabel fungsi distribusi t-Student (Bab 5C),

diperoleh
f (t)
 = 48

0,05

t
1,82
1,677
(d) Keputusan pada pengujian hipotesis

Tampak pada grafik distribusi probabilitas t-Student

bahwa untuk  = 0,05

t(0,95)(48) = 1,677 (nilai kritis)

Tampak juga bahwa t untuk sampel adalah

tX = 1,82

sehingga tampak bahwa rerata sampel

terletak pada  < 0,05

Keputusan pada pengujian hipotesis statistika

adalah menolak H0 pada taraf signifikansi
(probabilitas keliru)  = 0,05

Ini berarti bahwa (karena tidak tumpang tindih dan

tidak ada pilihan ketiga) kita menerima H1
(e). Ukuran Efek (Effect Size)

• Taraf signifikansi hanya berkenaan dengan

probabilitas keliru dalam penolakan H0

• Besarnya selisih rerata sampel dengan H0 diukur

dengan ukuran efek.

• Ukuran efek d Cohen

selisih rerata sampel dengan H0

d = ---------------------------------------------
simpangan baku

• Jika simpangan baku populasi diketahui gunakan

simpangan populasi

• Jika simpangan baku populasi tidak diketahui

gunakan simpangan baku sampel
• Ukuran efek menunjukkan seberapa besar
perbedaan rerata sampel dari rerata H0

• Ukuran ini bisa kecil dan bisa juga besar

• Jika ukuran efek kecil, maka walaupun perbedaan

itu signifikan namun efeknya kecil

• Secara empirik, kecil besarnya ukuran efek adalah

0 < d < 0,2 efek kecil

0,2 < d < 0,8 efek medium
d > 0,8 efek besar
3. Langkah Sistematis Pengujian Hipotesis Statistika

Kita sistematiskan proses pengujian hipotesis

statistika ke dalam enam langkah

Langkah 1: Merumuskan perangkat hipotesis

statistika

Langkah 2: Menyajikan sampel beserta statistik

sampel

Langkah 3: Menentukan distribusi probabilitas

pensampelan serta menghitung
kekeliruan bakunya

Langkah 4: Menghitung statistik uji dari sampel

Langkah 5: Menentukan kriteria pengujian

Langkah 6: Mengambil keputusan

Langkah 7: Menghitung ukuran efek jika H0 ditolak

Dengan contoh yang telah kita bicarakan,
penyajian sistematis pengujian hipotesis
adalah sebagai berikut

Langkah 1 Hipotesis

H0 : X = 0
H1 : x > 0

Langkah 2 Sampel

Sampel acak dengan

pengembalian

nX = 49
X = 8
sX = 3,85
Langkah 3 Distribusi probabilitas pensampelan

DPP : DP t-Student

Kekeliruan baku
sX 3,85
X    0,55
nX 49

Derajat kebebasan X = nX – 1 = 49 – 1 =
48

Lengkah 4 Perhitungan statistik uji

X  X 8  7
tX    1,82
X 0,55
 ---------------------------------------------------------------
---------------
Bab 7A
---------------------------------------------------------------
---------------
Langkah 5 Kriteria pengujian

taraf signifikansi  = 0,05

t(0,95)(48) = 1,677

tolak H0 jika t > 1,677

terima H0 jika t  1,677

Langkah 6 Keputusan

Pada taraf signifikansi 0,05, tolak H0

(menerima H1)

Langkah 7 Ukuran efek Cohen

8─7
d = ------------- = 0,26
3,85
efek medium
4. Pengujian satu ujung dan dua ujung

(a) Pengertian ujung

Di dalam contoh yang telah kita bicarakan, tampak

bahwa pengujian dilakukan pada

f(t)

Ujung atas

t
Terima H0 Tolak H0
1,677

Di sini,  terletak di ujung atas pada distribusi

probabilitas t-Student sehingga dikenal sebagai
pengujian satu ujung pada ujung atas
( = 1 – )

Kemungkinan pengujian adalah

• Satu ujung pada ujung atas

• Satu ujung pada ujung bawah
• Dua ujung
 (b) Pengujian pada ujung bawah

Kita menggunakan contoh yang telah dibicarakan dengan

mengubah rumusan hipotesis menjadi

H 0 : X = 7
H 1 : X < 7

Dengan X < 7, pengujian terjadi pada ujung bawah

 = 

f (t)
Ujung bawah

t
Tolak H0Kriteria pengujian Terima H0
– 1,677
Tolak H0 jika t < – 1,677
Terima H0 jika t  – 1,677
(c) Pengujian pada dua ujung

Sekali lagi, kita menggunakan contoh yang sama

dengan contoh yang telah kita bicarakan di depan
dengan mengganti rumusan hipotesis menjadi

H0 : X = 7
H1 : X  7

 Dengan  timbul dua kemungkinan berupa > 7

dan < 7 sehingga kita menguji kedua-duanya
dan dikenal sebagai pengujian pada dua ujung

 Dalam hal ini  dibagi dua, ½ ( =0,025)

pada ujung atas serta ½ ( = 0,025) pada
ujung bawah

 Pada contoh yang telah kita bicarakan,

pada ujung bawah t(0,025)(48) = – 2,011

pada ujung atas t(0,975)(48) = 2,011
 Kriteria pengujian menjadi

f (t)
Ujung bawah ½ Ujung atas ½

t
Tolak H0 Tolak H0
– 2,011 Terima H0 2,011

Ujung bawah  = ½
Ujung atas  = 1 – ½

Kriteria pengujian menjadi

 Tolak H0 jika t < – 2,011 atau t > 2,011

 Terima H0 jika – 2,011  t  2,011
5. Tipe Probabilitas Keliru

Sebenarnya ada dua tipe probabilitas keliru pada

pengambilan keputusan tentang hipotesis statistika

Kekeliruan tipe I () atau taraf signifikansi

 Keliru menolak H0 pada hal seharusnya H0

diterima

Kekeliruan tipe II ()

 Keliru menerima H0 pada hal seharusnya H0

ditolak

Seahrusnya
terima H0 tolak Ho
tolak H0 
Keputusan
terima H0 
G. Pengujian Hipotesis Parametrik Satu Rerata

1. Dasar

Dasar dari pengujian hipotesis statistika

parametrik untuk satu rerata sudah
dibicarakan pada contoh tentang
pengertian pengujian hipotesis

Terdapat tiga macam pengujian berupa

• pengujian satu ujung pada ujung

atas,
• pengujian satu ujung pada ujung
bawah
• pengujian dua ujung

Kita hanya menggunakan pengujian

hipotesis statistika dengan probabilitas
keliru tipe I pada pengambilan keputusan
yakni taraf signifikansi 
2. Pengujian Hipotesis Statistika

Contoh 12

Populasi X berdistribusi probabilitas normal

dan dihipotesiskan memiliki rerata X > 6.
Sampel acak dengan pengembalian
berukuran nX = 25 menunjukkan rarata X
= 6,25 dan simpangan baku sX = 0,5.
Hipotesis ini diuji pada taraf signifikansi 
= 0,05

 Hipotesis

H0 : X = 6
H1 : X > 6

 Sampel
Sampel acak dengan pengembalian

nX = 25, X = 6,25, sx = 0,5

 Distribusi probabilitas pensampelan

DPP : DP t-Student
Kekeliruan baku

sX 0,5
X    0,1
nX 25

Derajat kebebasan

X = nX – 1 = 25 – 1 = 24

 Statistik uji

X   X 6,25  6
tX    2,5
X 0,1
 Kriteria pengujian

Pengujian satu ujung pada ujung atas

dengan  = 0,05, dari tabel

t(0,95)(24) = 1,711

Kriteria pengujian

Tolak H0 jika t > 1,711

Terima H0 jika t  1,711

 Keputusan

Pada taraf signifikansi 0,05, tolak H0

(terima H1)

 Ukuran efek d Cohen

 d Cohen = (6,25 – 6,00) / 0,5 = 0,50

Contoh 13

Seorang peneliti berhipotesis bahwa kadar X pada

suatu jenis produksi sudah turun sampai di bawah
6 satuan
Untuk menguji hipotesis ini dengan taraf
signifikansi 0,05 dari populasi X yang berdistribusi
probabilitas normal ditarik sampel acak dengan
pengembalian berukuran 49 yang menghasilkan
rerata 5,96 dengan simpangan baku 0,14

 Hipotesis

 Sampel
 Distribusi probabilitas pensampelan

DPP :
Kekeliruan baku

 Statistik uji
 Kriteria pengujian

Pengujian
dengan

Kriteria pengujian

 Keputusan

Pada taraf signifikansi

 Ukuran Efek
Contoh 14

Setiap hari suatu alat rerata menghasilkan 70

benda. Pemilik alat akan membeli alat baru kalau
hasil alat baru itu melampaui hasil alat lama
Dengan anggapan bahwa hasil adalah berdistribusi
probabilitas normal, hasil percobaan 16 hari dengan
alat baru menunjukkan rerata 73 benda dengan
simpangan baku 5.
Dengan anggapan bahwa sampel ini adalah sampel
acak kecil, pada taraf signifikansi 0,05 uji apakah
hasil alat baru itu melampaui hasil alat lama

Contoh 15

Pada taraf signifikansi 0,05 akan diuji keberhasilan

suatu sistem diet untuk menurunkan berat badan
Secara acak sampel kecil menunjukkan berat badan
dalam kg (anggap DP populasi adalah normal)

Sebelum diet 70 79 83 78 69 64 71 66 72
Sesudah diet 68 80 76 75 71 62 70 64 68

(hitung selisih berat badan dan kemudian buat

hipotesis tentang selisih berat badan itu)
Contoh 16

Seharusnya suatu alat memproduksikan benda

berukuran tepat 15 cm. Pada taraf signifikansi 0,05
uji kestabilan produksi alat itu. Anggap DP populasi
adalah normal.
Sampel acak ukuran kecil memberikan ukuran (cm)

15,6 14,7 15,3 15,2 14,8 15,4 15,5

14,9 15,4 15,6 15,5 14,8 15,2 15,2
15,3

Uji hipotesis pada taraf signifikansi 0,05

Contoh 17

Dengan anggapan DP populasi adalah normal serta

sampel kecil, uji hipotesis untuk

H0 : x = 70 nX = 22, X = 12,5 sX =
12,5
H1 : x > 70  = 0,025
Contoh 18

Dengan anggapan DP populasi adalah normal serta

sampel kecil, ujilah hipotesis berikut

a. H0 : X = 75 nX = 60 X = 101 sx = 42
H1 : x > 75  = 0,02

b. H0 : X = 100 nX = 6 X = 84,3 sx = 8,4

H1 : x < 100  = 0,05

c. H0 : X = 825000 nX = 12 X = 78000 sx =
49000
H1 : x < 825000  = 0,05

d. H0 : X = 90 nX = 20 X = 84 sx = 11
H1 : x  90  = 0,10

e. H0 : X = 13 nX = 7 X = 11,6 sx = 1,3
H1 : x  13  = 0,02