P. 1
Pengujian Hipotesis

Pengujian Hipotesis

|Views: 95|Likes:
Published by Dita Amalia

More info:

Published by: Dita Amalia on May 03, 2012
Copyright:Attribution Non-commercial

Availability:

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

11/05/2012

pdf

text

original

PENGUJIAN HIPOTESIS

STATISTICS
BAHASAN
Pengertian Hypothesis dan Hypothesis Testing
Tipe Kesalahan dalam Pengujian Hipotesis
Lima Langkah Pengujian Hipotesis
Pengujian: Dua Sisi dan Satu Sisi
Uji Hipotesis: Rata-Rata
Uji Hipotesis: Proporsi
Hipotesis

Jawaban sementara.
Bisa salah bisa benar.
Belum terbukti kebenarannya.
Perlu dicek.
HIPOTESIS
 HIPOTESIS ADALAH PERNYATAAN YANG MASIH LEMAH TINGKAT
KEBENARANNYA SEHINGGA MASIH HARUS DIUJI MENGGUNAKAN
TEKNIK TERTENTU.
 HIPOTESIS DIRUMUSKAN BERDASARKAN TEORI, DUGAAN,
PENGALAMAN PRIBADI/ORANG LAIN, KESAN UMUM, KESIMPULAN
YANG MASIH SANGAT SEMENTARA.
 HIPOTESIS ADALAH JAWABAN TEORITIK ATAU DEDUKTIF DAN BERSIFAT
SEMENTARA.
 HIPOTESIS ADALAH PERNYATAAN KEADAAN POPULASI YANG AKAN DIUJI
KEBENARANNYA MENGGUNAKAN DATA/INFORMASI YANG
DIKUMPULKAN MELALUI SAMPEL.
 JIKA PERNYATAAN DIBUAT UNTUK MENJELASKAN NILAI PARAMETER
POPULASI, MAKA DISEBUT HIPOTESIS STATISTIK
PERUMUSAN HIPOTESIS
• DINYATAKAN SEBAGAI KALIMAT PERNYATAAN (DEKLARATIF)
• MELIBATKAN MINIMAL DUA VARIABEL PENELITIAN
• MENGANDUNG SUATU PREDIKSI
• HARUS DAPAT DIUJI (TESTABLE)
DUA TIPE HIPOTESIS
• HIPOTESIS KORELATIF YAITU PERNYATAAN TENTANG ADA ATAU TIDAK
ADANYA HUBUNGAN ANTARA DUA VARIABEL ATAU LEBIH
• HIPOTESIS KOMPARATIF YAITU PERNYATAAN TENTANG ADA ATAU TIDAK
ADANYA PERBEDAAN ANTARA DUA KELOMPOK ATAU LEBIH

Perbedaan
Hypothesis dan Hypothesis Testing
Hypothesis
Suatu pernyataan tentang besarnya nilai
parameter populasi yang akan diuji

Hypothesis Testing
Suatu prosedur pengujian hipotesis tentang
parameter populasi menggunakan informasi dari
sampel dan teori probabilitas untuk menentukan
apakah hipotesis tersebut secara statistik dapat
diterima atau ditolak
Hipotesis Dalam Statistika
Suatu asumsi atau anggapan atau pernyataan yang
mungkin benar ataupun salah mengenai suatu
parameter satu populasi atau lebih.

Pengujian hipotesis :
Langkah-langkah atau prosedur yang dilakukan
dengan tujuan untuk memutuskan apakah kita
menerima atau menolak hipotesis mengenai
parameter populasi.
H
0
VS H
1
(H
a
)
H
0
(H nol) :
Hipotesis yang dirumuskan dengan harapan untuk DITOLAK.

H
1
(H alternatif/tandingan) :
Hipotesis yang dirumuskan dengan harapan untuk DITERIMA.
Contoh
• Seorang dokter menyatakan bahwa lebih dari 60% pasien yang menderita
sakit paru-paru di suatu rumah sakit adalah karena merokok.
Hipotesisnya :
H0 : p=60%=0,6
H1 : p >0,6

• Seorang dosen menyatakan bahwa prestasi belajar mahasiswa laki-laki lebih
tinggi daripada mahasiswa perempuan.
Hipotesisnya :
H0 : prestasi belajar mahasiswa laki-laki = mahasiswa perempuan
H1 : prestasi belajar mahasiswa laki-laki > mahasiswa perempuan
Dasar Merumuskan Hipotesis

1. Berdasarkan pengetahuan yang diperoleh dari teori.
2. Berdasarkan hasil penelitian.
3. Berdasarkan pengalaman.
4. Berdasarkan ketajaman berpikir.
Jenis Kesalahan
Ada dua jenis, yaitu :
1. Kesalahan jenis I, kesalahan akibat menolak
hipotesis nol padahal hipotesis nol benar
sehingga seharusnya diterima.
2. Kesalahan jenis II, kesalahan akibat menerima
hipotesis nol padahal hipotesis nol salah
sehingga seharusnya ditolak.

Probabilitas Kesalahan
Keputusan
Keadaan yang sesungguhnya
H
0
benar H
0
salah
Menolak H
0
Keputusan salah
α = P(kesalahan
jenis I)
Keputusan tepat
1 – β
Menerima H
0
Keputusan tepat
1 - α
Keputusan salah
β = P(kesalahan
jenis II)
Sifat-sifat Pengujian Hipotesis
1. Ada hubungan antara kesalahan jenis I dan kesalahan jenis II,
yaitu memperkecil probabilitas kesalahan jenis I akan
memperbesar probabilitas kesalahan jenis II, demikian pula
sebaliknya.
2. Probabilitas melakukan kesalahan jenis I dapat diperkecil dengan
menyesuaikan nilai kritis.
3. Makin besar ukuran sampel, maka nilai α dan β akan makin kecil.
4. Bila hipotesis nol salah, maka nilai β akan mencapai maksimum
jika nilai parameter yang sesungguhnya dekat dengan nilai yang
dihipotesiskan.
Makin besar jarak antara nilai sesungguhnya dengan nilai yang
dihipotesiskan, makin kecil nilai β.
RUMUSAN HIPOTESIS
• Rumusan hipotesis terdiri dari H
0
dan H
A
• H
0
: hipotesis observasi
• H
A
: hipotesis alternatif
• Rumusan hipotesis pada H
0
dan H
A
dibuat
menggunakan simbol matematis sesuai dengan
hipotesis
• Beberapa kemungkinan rumusan hipotesis
menggunakan tanda matematis sebagai berikut:
H
0
:
H
A
:
=


>

<
Pengujian Dua Sisi dan Pengujian Satu Sisi
• Pengujian dua sisi (two tail) digunakan jika parameter populasi
dalam hipotesis dinyatakan sama dengan (=).

• Pengujian satu sisi (one tail) digunakan jika parameter populasi
dalam hipotesis dinyatakan lebih besar (>) atau lebih kecil (<).
Uji Satu Arah VS Uji Dua Arah
arah. dua uji disebut ini hipotesis pengujian maka
, : H alternatif hipotesis
dengan dilawan , : H nol, hipotesis Bila 2.
arah. satu uji disebut ini hipotesis pengujian maka
, : H atau : H alternatif hipotesis
dengan dilawan , : H nol, hipotesis Bila 1.
0 1
0 0
0 1 0 1
0 0
u = u
u = u
u < u u > u
u = u
Uji Satu Arah
0 1
: H arah satu Uji u < u
0
-Z
α
α
Daerah penolakan
H
0
Daerah
penerimaan
H
0
1 - α
0
+Z
α
α
Daerah penolakan
H
0
1 - α
0 1
: H arah satu Uji u > u
Uji Dua Arah
0
-Z
α/2
α/2
Daerah penolakan
H
0
Daerah
penerimaan
H
0
1 - α
0 1
: H arah a du Uji u = u
+Z
α/2
α/2
Daerah penolakan
H
0
Langkah-langkah Pengujian
Hipotesis
1. Tetapkan dahulu rumusan hipotesis, uji satu arah atau uji dua
arah.
2. Tetapkan taraf nyata α yang diinginkan untuk memperoleh nilai
kritis dalam tabel.
3. Tetapkan statistik uji (Z
h
) yang cocok untuk menguji hipotesis nol
(tergantung pada parameter populasi yang di uji).
4. Hitung nilai statistik uji (Z
h
) berdasarkan data dan informasi yang
diketahui baik dari populasi maupun dari sampel yang diambil
dari populasi tersebut.
5. Simpulkan, tolak H
0
bila nilai statistik uji (Z
h
) terletak di daerah
penolakan H
0
dan terima H
0
bila nilai statistik uji (Z
h
) terletak di
daerah penerimaan H
0
.
Pengujian Hipotesis Dengan
Sampel Besar
1. Pengujian Parameter Rata-rata Populasi
2. Pengujian Parameter Proporsi Populasi
3. Pengujian Parameter Beda Dua Rata-rata
Dari Dua Populasi
4. Pengujian Parameter Beda Dua Proporsi
Dari Dua Populasi
Pengujian Parameter Rata-rata Populasi
Rumus statistik uji :

Contoh :
Suatu populasi berupa seluruh pelat baja yang diproduksi oleh suatu
perusahaan memiliki rata-rata panjang 80 cm dengan simpangan baku 7
cm. Sesudah selang 3 tahun teknisi perusahaan meragukan rata-rata
panjang pelat baja tersebut.
Guna menyakinkan keabsahan hipotesis tersebut, diambil sampel acak
sebanyak 100 unit pelat baja dari populasi diatas, dan diperoleh hasil
perhitungan bahwa rata-rata pelat baja adalah 83 cm, dan standar
deviasinya tetap. Apakah ada alasan untuk meragukan bahwa rata-rata
panjang pelat baja yang dihasilkan perusahaan itu sama dengan 80 cm
pada taraf signifikansi α=5%?
X
0
h
- X
Z
o
µ
=
Pengujian Parameter Rata-rata
Populasi (lanjutan)
Jawab :
- populasi : μ = 80 cm , σ = 7 cm
- sampel : n = 100 , X = 83 cm
- α = 5%
ditolak. H hipotesis maka , H hipotesis penolakan daerah di jatuh uji statistik Nilai 5.
29 , 4
0,7
80 - 83
Z : adalah uji statistik nilai maka 7 , 0
100
7
n
4.
X
Z : adalah cocok yang uji Statistik 3.
1,96 Z Z maka 5% 2.
80 : H dan 80 : H
: yaitu arah, dua uji dengan uji di Hipotesis 1.
: hipotesis pengujian langkah - Langkah
0 0
h
X
X
X
0
h
0,025
2
1 0
= = = =
o
= o
o
µ ÷
=
= = = o
= µ = µ
o
Pengujian Parameter Rata-rata Populasi
(lanjutan)
0
-1,96

α/2
Daerah penolakan
H
0
Daerah
penerimaan
H
0
1 – α
=95%
0 1
: H arah a du Uji u = u
1,96

α/2
Daerah penolakan
H
0
Z
h
=4,29

Pengujian Parameter
Proporsi Populasi
Rumus statistik uji :

Contoh :
Suatu perusahaan yang bergerak di bidang suku cadang
komputer akan memperkenalkan produk barunya di
pasaran. Untuk itu bagian pengendalian kualitas
perusahaan mengambil sampel secara acak sebanyak 170
buah suku cadang dan ditemukan ada 16 yang cacat. Dari
data tersebut apakah benar produksi yang ditemukan cacat
kurang dari 10%? Gunakan taraf signifikansi 2%.


0
h
p - p
ˆ
Z
o
=
Pengujian Parameter Proporsi Populasi
(lanjutan)
( ) ( )
diterima. nol hipotesis maka kritis, nilai dari besar lebih Z . 5
26 , 0
023 , 0
1 , 0 094 , 0
Z
023 , 0
170
0,9 0,1

n
p - 1 p
4.
p pˆ
Z 3.
-2,054 Z Z kritisnya nilai maka , 2% 2.
0,1 p : H dan 0,1 p : H : yaitu arah, satu uji dengan statistik hipotesis Pengujian . 1
094 , 0
170
16
pˆ oporsi Pr
h
h
0 0


0
h
0,02
1 0
÷ =
÷
=
= = = o
o
÷
=
= = = o
< =
= =
o

BAHASAN
Pengertian Hypothesis dan Hypothesis Testing Tipe Kesalahan dalam Pengujian Hipotesis Lima Langkah Pengujian Hipotesis Pengujian: Dua Sisi dan Satu Sisi Uji Hipotesis: Rata-Rata Uji Hipotesis: Proporsi

Perlu dicek.Hipotesis Jawaban sementara. Bisa salah bisa benar. Belum terbukti kebenarannya. .

 HIPOTESIS ADALAH JAWABAN TEORITIK ATAU DEDUKTIF DAN BERSIFAT SEMENTARA. KESIMPULAN YANG MASIH SANGAT SEMENTARA. DUGAAN. KESAN UMUM.HIPOTESIS  HIPOTESIS ADALAH PERNYATAAN YANG MASIH LEMAH TINGKAT KEBENARANNYA SEHINGGA MASIH HARUS DIUJI MENGGUNAKAN TEKNIK TERTENTU.  HIPOTESIS ADALAH PERNYATAAN KEADAAN POPULASI YANG AKAN DIUJI KEBENARANNYA MENGGUNAKAN DATA/INFORMASI YANG DIKUMPULKAN MELALUI SAMPEL.  JIKA PERNYATAAN DIBUAT UNTUK MENJELASKAN NILAI PARAMETER POPULASI. MAKA DISEBUT HIPOTESIS STATISTIK .  HIPOTESIS DIRUMUSKAN BERDASARKAN TEORI. PENGALAMAN PRIBADI/ORANG LAIN.

PERUMUSAN HIPOTESIS • DINYATAKAN SEBAGAI KALIMAT PERNYATAAN (DEKLARATIF) • MELIBATKAN MINIMAL DUA VARIABEL PENELITIAN • MENGANDUNG SUATU PREDIKSI • HARUS DAPAT DIUJI (TESTABLE) .

DUA TIPE HIPOTESIS • HIPOTESIS KORELATIF YAITU PERNYATAAN TENTANG ADA ATAU TIDAK ADANYA HUBUNGAN ANTARA DUA VARIABEL ATAU LEBIH • HIPOTESIS KOMPARATIF YAITU PERNYATAAN TENTANG ADA ATAU TIDAK ADANYA PERBEDAAN ANTARA DUA KELOMPOK ATAU LEBIH .

Perbedaan Hypothesis dan Hypothesis Testing Hypothesis Suatu pernyataan tentang besarnya nilai parameter populasi yang akan diuji Hypothesis Testing Suatu prosedur pengujian hipotesis tentang parameter populasi menggunakan informasi dari sampel dan teori probabilitas untuk menentukan apakah hipotesis tersebut secara statistik dapat diterima atau ditolak .

Hipotesis Dalam Statistika Suatu asumsi atau anggapan atau pernyataan yang mungkin benar ataupun salah mengenai suatu parameter satu populasi atau lebih. Pengujian hipotesis : Langkah-langkah atau prosedur yang dilakukan dengan tujuan untuk memutuskan apakah kita menerima atau menolak hipotesis mengenai parameter populasi. .

. H1 (H alternatif/tandingan) : Hipotesis yang dirumuskan dengan harapan untuk DITERIMA.H0 VS H1 (Ha) H0 (H nol) : Hipotesis yang dirumuskan dengan harapan untuk DITOLAK.

Contoh • Seorang dokter menyatakan bahwa lebih dari 60% pasien yang menderita sakit paru-paru di suatu rumah sakit adalah karena merokok.6 • Seorang dosen menyatakan bahwa prestasi belajar mahasiswa laki-laki lebih tinggi daripada mahasiswa perempuan. Hipotesisnya : H0 : prestasi belajar mahasiswa laki-laki = mahasiswa perempuan H1 : prestasi belajar mahasiswa laki-laki > mahasiswa perempuan .6 H1 : p >0. Hipotesisnya : H0 : p=60%=0.

4. Berdasarkan ketajaman berpikir. Berdasarkan hasil penelitian. . Berdasarkan pengetahuan yang diperoleh dari teori. 2.Dasar Merumuskan Hipotesis 1. 3. Berdasarkan pengalaman.

. Kesalahan jenis I. kesalahan akibat menerima hipotesis nol padahal hipotesis nol salah sehingga seharusnya ditolak. 2.Jenis Kesalahan Ada dua jenis. yaitu : 1. kesalahan akibat menolak hipotesis nol padahal hipotesis nol benar sehingga seharusnya diterima. Kesalahan jenis II.

Probabilitas Kesalahan Keadaan yang sesungguhnya Keputusan H0 benar Menolak H0 Keputusan salah α = P(kesalahan jenis I) Keputusan tepat 1-α H0 salah Keputusan tepat 1–β Keputusan salah β = P(kesalahan jenis II) Menerima H0 .

4. maka nilai β akan mencapai maksimum jika nilai parameter yang sesungguhnya dekat dengan nilai yang dihipotesiskan. maka nilai α dan β akan makin kecil. Bila hipotesis nol salah. Ada hubungan antara kesalahan jenis I dan kesalahan jenis II. . demikian pula sebaliknya. 3. 2.Sifat-sifat Pengujian Hipotesis 1. Makin besar ukuran sampel. Makin besar jarak antara nilai sesungguhnya dengan nilai yang dihipotesiskan. Probabilitas melakukan kesalahan jenis I dapat diperkecil dengan menyesuaikan nilai kritis. yaitu memperkecil probabilitas kesalahan jenis I akan memperbesar probabilitas kesalahan jenis II. makin kecil nilai β.

RUMUSAN HIPOTESIS • • • Rumusan hipotesis terdiri dari H0 dan HA • H0: hipotesis observasi • HA: hipotesis alternatif Rumusan hipotesis pada H0 dan HA dibuat menggunakan simbol matematis sesuai dengan hipotesis Beberapa kemungkinan rumusan hipotesis menggunakan tanda matematis sebagai berikut: H 0: HA : = ≠ ≤ > ≥ < .

Pengujian Dua Sisi dan Pengujian Satu Sisi • Pengujian dua sisi (two tail) digunakan jika parameter populasi dalam hipotesis dinyatakan sama dengan (=). . • Pengujian satu sisi (one tail) digunakan jika parameter populasi dalam hipotesis dinyatakan lebih besar (>) atau lebih kecil (<).

Bila hipotesis nol. . H 0 :   0 . maka pengujian hipotesis ini disebut uji satu arah. maka pengujian hipotesis ini disebut uji dua arah. 2.Uji Satu Arah VS Uji Dua Arah 1. H 0 :   0 . dilawan dengan hipotesis alternatif H1 :   0 . Bila hipotesis nol. dilawan dengan hipotesis alternatif H1 :   0 atau H1 :   0 .

Uji Satu Arah Daerah penolakan H0 Daerah penerimaan H0 Daerah penolakan H0 1-α α α -Zα 1-α 0 Uji satu arah H1 :   0 0 +Zα Uji satu arah H1 :   0 .

Uji Dua Arah Daerah penerimaan H0 Daerah penolakan H0 α/2 0 +Zα/2 Daerah penolakan H0 1-α α/2 -Zα/2 Uji dua arah H1 :   0 .

Langkah-langkah Pengujian Hipotesis 1. 4. Hitung nilai statistik uji (Zh) berdasarkan data dan informasi yang diketahui baik dari populasi maupun dari sampel yang diambil dari populasi tersebut. . 2. Tetapkan statistik uji (Zh) yang cocok untuk menguji hipotesis nol (tergantung pada parameter populasi yang di uji). 5. 3. Simpulkan. Tetapkan taraf nyata α yang diinginkan untuk memperoleh nilai kritis dalam tabel. uji satu arah atau uji dua arah. Tetapkan dahulu rumusan hipotesis. tolak H0 bila nilai statistik uji (Zh) terletak di daerah penolakan H0 dan terima H0 bila nilai statistik uji (Zh) terletak di daerah penerimaan H0.

Pengujian Parameter Rata-rata Populasi 2. Pengujian Parameter Beda Dua Rata-rata Dari Dua Populasi 4. Pengujian Parameter Beda Dua Proporsi Dari Dua Populasi . Pengujian Parameter Proporsi Populasi 3.Pengujian Hipotesis Dengan Sampel Besar 1.

diambil sampel acak sebanyak 100 unit pelat baja dari populasi diatas.0 Zh  X . dan diperoleh hasil perhitungan bahwa rata-rata pelat baja adalah 83 cm. Apakah ada alasan untuk meragukan bahwa rata-rata panjang pelat baja yang dihasilkan perusahaan itu sama dengan 80 cm pada taraf signifikansi α=5%? X .Pengujian Parameter Rata-rata Populasi Rumus statistik uji : Contoh : Suatu populasi berupa seluruh pelat baja yang diproduksi oleh suatu perusahaan memiliki rata-rata panjang 80 cm dengan simpangan baku 7 cm. Sesudah selang 3 tahun teknisi perusahaan meragukan rata-rata panjang pelat baja tersebut. Guna menyakinkan keabsahan hipotesis tersebut. dan standar deviasinya tetap.

. Hipotesis di uji dengan uji dua arah. σ = 7 cm . maka hipotesis H 0 ditolak.025  1. X = 83 cm .7 n 100 5.7 maka nilai statistik uji adalah : Z h   4.sampel : n = 100 . Statistik uji yang cocok adalah : Z h  4.80  0. Nilai statistik uji jatuh di daerah penolakan hipotesis H 0 .langkah pengujian hipotesis : 1. yaitu : H 0 :   80 dan H1 :   80 2.Pengujian Parameter Rata-rata Populasi (lanjutan) Jawab : .29 0.α = 5% Langkah .populasi : μ = 80 cm .96 2 3.   5% maka Z   Z0.  X  X  X  0 X 7 83 .

29 Daerah penolakan H0 α/2 1–α =95% -1.96 Uji dua arah H1 :   0 .96 0 1.Pengujian Parameter Rata-rata Populasi (lanjutan) Daerah penerimaan H0 Daerah penolakan H0 α/2 Zh=4.

Pengujian Parameter Proporsi Populasi Rumus statistik uji : Contoh : Suatu perusahaan yang bergerak di bidang suku cadang komputer akan memperkenalkan produk barunya di pasaran.p0 Zh  p ˆ . Untuk itu bagian pengendalian kualitas perusahaan mengambil sampel secara acak sebanyak 170 buah suku cadang dan ditemukan ada 16 yang cacat. ˆ p . Dari data tersebut apakah benar produksi yang ditemukan cacat kurang dari 10%? Gunakan taraf signifikansi 2%.

023 5.26 0.054 3. maka nilai kritisnya Z  Z0.02  -2. yaitu : H 0 : p  0.1 dan H1 : p  0.1 ˆ Pr oporsi p  2.10. Z h  4.1 Zh   0.  p  ˆ ˆ p  p0 p ˆ p 0 1 .Pengujian Parameter Proporsi Populasi (lanjutan) 16  0.094 170 1.023 n 170 0. . Pengujian hipotesis statistik dengan uji satu arah. Z h lebih besar dari nilai kritis.p 0  0.   2% .9    0.094  0. maka hipotesis nol diterima.

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)//-->