P. 1
PENGUJIAN HIPOTESIS 1

PENGUJIAN HIPOTESIS 1

|Views: 2,079|Likes:
Published by askim02

More info:

Published by: askim02 on Mar 11, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

06/16/2013

pdf

text

original

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 penelitian
• •

macam

hipotesis

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 populasi

Data 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

parameter

logika aritmetika

konstanta

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 : µ
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 µ 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 diHipotesis statistika µ X–µ
Y

>0

X = banyaknya awalan meY = banyaknya awalah diCatatan: 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 π
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

2 σX <1 2 σY

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 ρ
X Y

>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 : µ > 8

X

• 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 πm > 0,5 i Data Dari Panitia Penerimaan Mahasiswa diperoleh 1765 mahasiswi baru dan 1678 mahasiswa baru πm = 0,513 i Keputusan Hopotesis diterima mi = jumlah mahasiswa

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 ρXY = 0,71

data

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 hipotesis

Probabi litas ?

sampel

2. Populasi Hipotesis Biasanya pada pengujian hipotesis, populasi hipotesis tidak hanya satu, melainkan banyak Misal hipotesis tentang rerata µ
X

>5

Ada tak terbilang banyaknya populasi hipotesis di atas 5, tidak mungkin dilakukan pengujian
Probabili tas ? rerata Data sampel

µ

X

>5

Populasi hipotesis

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 Premis minor Konklusi • Silogisme alternatif Premis mayor Premis minor Konklusi • : A atau B : menolak A : menerima B : A atau B : menerima A : menolak 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

parameter

Logika aritmetika

konstanta

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 : µ H1 : µ H0 : µ H1 : µ H0 : µ H1 : µ
X X

= 6 > 6 = 6 < 6 = 6 ≠ 6

X X

X X

H0 : H1 :

2 σX =1 2 σY 2 σX >1 2 σY

H0 : H1 :

2 σX =1 2 σY 2 σX ≠1 2 σY

H0 : µ X − µ Y = 0 H1 : µ X − µ Y > 0 H0 : µ X − µ Y = 0 H1 : µ X − µ Y < 0 H0 : µ X − µ Y = 0 H1 : µ X − µ Y ≠ 0

H0 : ρ H1 : ρ H0 : ρ H1 : ρ H0 : ρ H1 : ρ H0 : ρ H1 : ρ H0 : ρ H1 : ρ

XY XY

= 0 > 0 = 0 < 0 = 0 ≠ 0 = 0,6 > 0,6 = 0,6 < 0,6

XY XY

XY XY

XY XY

XY XY

H0 : ρ H1 : ρ H0 : ρ H1 : ρ H0 : ρ H1 : ρ

X Y X Y

= 0,6 ≠ 0,6 − ρ − ρ − ρ − ρ
U V U V

X Y X Y

= 0 > 0 = 0 > 0

X Y X Y

X Z X Z

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 : µ H1 : µ
X X

= 7 > 6 (7 ada di dua-duanya)

Tidak boleh ada pilihan ketiga selain H0 atau H1 seperti H0 : µ
X

= 7 (7,5 adalah pilihan

H1 : µ X > 8 ketiga)

Karena itu dalam hal seperti hipotesis statistika H0 : µ H1 : µ
X X

= 0 > 0

perlu ada perjanjian bahwa hipotesis ini sama sekali tidak melibatkan µ 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 : µ H1 : µ
X X

= 7 > 7

dengan data yang memenuhi syarat Misalkan data sampel menunjukkan ukuran populasi NX = 5 ukuran sampel rerata sampel X nX = 2 = 8

Hipotesis yang diuji

Populasi H0 µ
X

Probabilitas sampel berasal dari populasi H0 Sampel X = 8,5

= 7

H0 mengandung tanda = sehingga hanya ada satu 1 populasi H0 H1 mengandung tanda > X banyaknya populasi H1

Populasi H µ >7

Probabilitas sampel sehingga ada tak hingga berasal dari populasi H1

Kita tidak dapat menguji H1, sehingga kita hanya menguji H0 (menerima atau menolaknya)

Pengujian hipotesis statsitika menjadi

Populasi H0 µ
X

sampel

X = 8,5 Probabilitas = α Tampak di sini mengapa diperlukan syarat bahwa

=7

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 α Menolak H0 dengan probabilitas keliru α 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
3 2 1 5,5 6 6,5 7 7,5 8 8,5 Rerata sampel Frekuensi

Rerata populasi H0 Sampel X = 8,5 Keputusan: Terima H0 probabilitas hanya 0,10 Tolak H0 bisa keliru 0,10 Pada penolakan H0 , α dinamakan taraf signifikansi α = 0,10

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 µ = 7 7,5 NK

α = 0,05

• 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 α yakni probabilitas sampel berasal dari populasi H0 Untuk menghitung probabilitas α , kita menggunakan distribusi probabilitas pensampelan (terdapat di Bab 6A dan 6B) Kalau α besar, kita memilih menerima H0 Kalau α kecil, kita cenderung memilih menolak H0 dengan risiko probabilitas keliru sebesar α Kita perlu menentukan besarnya probabilitas keliru α (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 α . Banyak penelitian menggunakan α = 0,05 atau α = 0,01 α = 0,05 berarti mungkin ada 1 keliru di antara 20 keputusan menolak H0 demikian α = 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 : µ H1 : µ
X X

= 7 > 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 α = 0,05

(b) Distribusi probabilitas pensampelan Distribusi probabilitas pensampelan satu rerata adalah Satu rerata

DP populasi normal

DP populasi tidak normal

SB populasi diketahui

SB populasi tidak diketahui

SADP

SATP

SADP

SATP

Pada distribusi probabilitas pensampelan DPP : DP t-Student

Kekeliruan baku
σX =
sX 3,85 = = 0,55 nX 49

Derajat kebebasan (c) Statistik uji

ν

X

= nX – 1 = 49 – 1 = 48

Dengan demikian, maka rerata sampel X = 8, dapat dinyatakan sebagai nilai baku pada distribusi probabilitas t-Student melalui transformasi (statistik uji) Tujuan transformasi ke DP t-Student adalah untuk memanfaatkan tabel fungsi distribusi t-Student yang ada
tX = X − µX 8 − 7 = = 1,82 σX 0,55

(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 α = 0,05 sehingga jika probabilitas untuk sampel berasal dari populasi H0 adalah kurang dari 0,05 (α < 0,05), maka kita akan menolak H0 f (t) • Dari tabel fungsi distribusi t-Student (Bab ν = 48 5C), diperoleh 0,05 t

1,82 1,677

(d) Keputusan pada pengujian hipotesis Tampak pada grafik distribusi probabilitas tStudent bahwa untuk α = 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 α < 0,05
Keputusan pada pengujian hipotesis statistika adalah menolak H0 pada taraf signifikansi (probabilitas keliru) α = 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 0,2 < d < 0,8 d > 0,8 efek kecil efek medium 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
X x

H0 : µ H1 : µ

= 0 > 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 = = 0,55 nX 49

σX =

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

Lengkah 4

Perhitungan statistik uji
tX = X − µX 8 − 7 = = 1,82 σX 0,55

Langkah 5

----------------------------------------------------------------------------Bab 7A -----------------------------------------------------------------------------

Kriteria pengujian

taraf signifikansi α = 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

Di sini, α terletak di ujung atas pada distribusi 1,677 probabilitas t-Student sehingga dikenal sebagai pengujian satu ujung pada ujung atas (φ = 1 – α ) Kemungkinan pengujian adalah • Satu ujung pada ujung atas • Satu ujung pada ujung bawah • Dua ujung

Terima H0

Tolak H0

t

(b) Pengujian pada ujung bawah Kita menggunakan contoh yang telah dibicarakan dengan mengubah rumusan hipotesis menjadi H0 H1 : : µ µ
X X

= <

7 7
X

Dengan µ

< 7, pengujian terjadi pada ujung bawah φ = α

f (t) Ujung bawah

Tolak H0

Kriteria pengujian Tolak 1,677 t < – 1,677 – H0 jika Terima H0 jika t ≥ – 1,677

Terima H0

t

(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 : µ H1 : µ

X X

= 7 ≠ 7

Dengan ≠ timbul dua kemungkinan berupa > 7 dan < 7 sehingga kita menguji kedua-duanya dan dikenal sebagai pengujian pada dua ujung Dalam hal ini α dibagi dua, ½α ( =0,025) pada ujung atas serta ½α ( = 0,025) pada ujung bawah Pada contoh yang telah kita bicarakan, pada ujung bawah pada ujung atas t(0,025)(48) t(0,975)(48) = – 2,011 = 2,011

Kriteria pengujian menjadi

f (t) Ujung bawah ½α Ujung atas ½α

Tolak H0

– 2,011

Terima H0

2,011

Tolak H0

t

Ujung bawah φ = ½α Ujung atas φ = 1 – ½α 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 (α ) atau taraf signifikansi

Keliru menolak H0 pada hal seharusnya H0 diterima

Kekeliruan tipe II (β )

Keliru menerima H0 pada hal seharusnya H0 ditolak Seahrusnya terima H0 tolak Ho tolak H0 Keputusan terima H0 β α

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 α

2. Pengujian Hipotesis Statistika Contoh 12 Populasi X berdistribusi probabilitas normal dan dihipotesiskan memiliki rerata µ 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 α = 0,05

Hipotesis H0 : µ H1 : µ =6 X > 6
X

Sampel Sampel acak dengan pengembalian nX = 25, X = 6,25, sx = 0,5

Distribusi probabilitas pensampelan DPP : DP t-Student Kekeliruan baku

σX =

sX 0,5 = = 0,1 nX 25

Derajat kebebasan ν X = nX – 1 = 25 – 1 = 24

Statistik uji

tX =

X − µ X 6,25 − 6 = = 2,5 σX 0,1

Kriteria pengujian Pengujian satu ujung pada ujung atas dengan α = 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 Sesudah diet 70 79 83 78 69 64 71 66 72 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 15,5 15,2 14,7 14,9 15,2 15,3 15,2 14,8 15,4 15,4 15,6 15,5 14,8 15,3

Uji hipotesis pada taraf signifikansi 0,05 Contoh 17 Dengan anggapan DP populasi adalah normal serta sampel kecil, uji hipotesis untuk H0 : µ x = 70 12,5 H1 : µ x > 70 nX = 22, X = 12,5 sX = α = 0,025

Contoh 18 Dengan anggapan DP populasi adalah normal serta sampel kecil, ujilah hipotesis berikut
a. H0 : µ X = 75 H1 : µ x > 75 b. H0 : µ X = 100 H1 : µ x < 100 nX = 60 X = 101 sx = 42

α = 0,02 nX = 6 X = 84,3 sx = 8,4

α = 0,05 sx =

c. H0 : µ X = 825000 nX = 12 X = 78000 49000 H1 : µ x < 825000 α = 0,05 d. H0 : µ X = 90 H1 : µ x ≠ 90 e. H0 : µ X = 13 H1 : µ x ≠ 13 nX = 20 α = 0,10 nX = 7 X = 11,6 X = 84

sx = 11

sx = 1,3

α = 0,02

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->