Professional Documents
Culture Documents
UJI HIPOTESIS
Dalam kehidupan, sering kita ingin menguji kebenaran suatu pernyataan/ anggapan. Misal,
benarkah pernyataan iklan obat di televisi yang sebagai ‘penambah tenaga’. Untuk menguji
kebenarannya, sulit untuk menanyakan semua orang yang minum obat tersebut (populasi yang
minum obat). Kesulitan tersebut karena biaya yang besar, memakan waktu yang lama, serta
kemungkinan bisa/ tidaknya suatu percobaan dilaksanakan. Kegiatan ini disebut hipotesis
statistik.
Pengujian hipotesis statistik merupakan bagian terpenting dari teori keputusan. Suatu
anggapan/ pernyataan yang mungkin benar/ tidak mengenai satu populasi atau lebih disebut
hipotesis statistik.
Kebenaran atau ketidakbenaran suatu hipotesis statistik tidak pernah diketahui dengan pasti
kecuali bila seluruh populasi diamati. Namun hal ini sangat sulit, karena itu diambil sampel
acak dari populasi yang ingin diselidiki dan dengan menggnakan informasi yang terkandung
dalam sampel itu diputuskan apakah hipotesis tersebut wajarnya benar atau salah.
Petunjuk dari sampel yang tidak sesuai dengan hipotesis menjurus kepada penolakan hipotesis,
sedangkan petunjuk yang mendukung menjurus kepada penerimaannya. (ditegaskan bahwa
penerimaan suatu hipotesis statistik diakibatkan oleh tidak cukupnya petunjuk untuk
menolaknya dan tidaklah menunjukkan bahwa hipotesis itu benar).
Istilah diterima / ditolak penting dipahami, bahwa penolakan suatu hipotesis berarti
menyimpulkan bahwa hipotesis tersebut tidak benar, sedangkan penerimaan suatu hipotesis
hanyalah menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya. Biasanya
hipotesis yang dirumuskan dengan harapan untuk ditolak disebut hipotesis nol (H0). Penolakan
H0 menjurus kepada penerimaan suatu hipotesis tandingannya (H1). Bentuk uji hipotesis
statistik untuk 1 populasi adalah sbb:
1. Uji satu arah, yaitu setiap uji hipotesis statistik dengan tandingannya yang berarah satu,
seperti:
H 0 : µ = µ0 atau H 0 : µ = µ0
H1 : µ > µ0 H1 : µ < µ0
Seluruh daerah kritis untuk hipotesis tandingan µ > µ0 terletak diujung kanan distribusi,
sedangkan seluruh daerah kritis untuk hipotesis tandingan µ < µ0 terletak diujung kiri.
86
2. Uji dua arah, yaitu setiap uji hipotesis statistik dengan tandingan berarah dua, seperti:
H 0 : µ = µ0
H1 : µ ≠ µ0
Hipotesis tandingan menyatakan salah satu dari µ < µ0 ataupun µ > µ0 . Nilai pada kedua
ujung distribusi membentuk daerah kritisnya. Sebagai contoh: Misalkan umur rata-rata
mahasiswa yang mengambil statistika dasar adalah 20 tahun dan jumlah mahasiswa
(populasi) yang mengam,bil mata kuliah tersebut 400 org. Ingin diuji apakah rata-rata
umur mhs tsb benar/ salah, jika diambil sampel sebanyak 15 mhs. Penulisan hipotesis
statistiknya adalah
H 0 : µ = 20 atau H 0 : µ = 20 atau H 0 : µ = 20
H1 : µ < 20 H1 : µ > 20 H1 : µ ≠ 20
diketahui, sama dengan nilai µ0 tertentu lawan tandingan bahwa rataan tersebut tidak
H1 : µ ≠ µ0
Statistik yang sesuai sebagai dasar patokan keputusan ialah peubah acak x karena x
adalah penaksir tak bias untuk µ . Tidak diketahui bahwa distribusi sampel dari rataan
adalah hampir normal dengan rataan µ dan variansi σ 2 / n , bila suatu populasi dengan
mean µ dan variansi σ 2 diambil sampelnya secara acak sebanyak n. Bila digunakan taraf
keberartian α , maka dapat dicari 2 nilai kritis x1 & x2 sedemikian sehingga x1 < X < x2
menyatakan daerah penerimaan dan yang lainnya menyatakan daerah kritis.
Daerah kritis dapat dinyatakan dalam nilai z yang diberikan oleh:
x − µ0
z=
σ /n
Jadi, untuk taraf keberartian α , nilai kritis peubah acak z yang berpadanan dengan x1 & x2 ,
adalah:
x1 − µ0 x2 − µ0
− zα / 2 = atau zα / 2 =
σ /n σ /n
87
Dari populasi diambil sampel acak berukuran n dan kemudian rataan sampel x dihitung.
Bila x jatuh dalam daerah penerimaan x1 < X < x2 , maka z akan jatuh dalam daerah
− zα / 2 < Z < zα / 2 dan disimpulkan bahwa µ ≠ µ0 . Daerah kritis biasanya dinyatakan dalam
z bukan dalam x .
Contoh 1
Suatu perusahaan pembuat perlengkapan olah raga membuat tali pancing sintetik yang
baru dan yang menurut pembuatnya rata-rata dapat menahan beban 8 kg dengan
simpangan baku 0.5 kg (tali pancing tersebut diasumsikan berdistribusi normal). Ujilah
hipotesis bahwa µ = 8 kg lawan tandingan bahwa µ ≠ 8 kg, bila sampel acak 50 tali diuji
dan ternyata rata-rata daya tahannya 7.8 kg. Gunakan taraf keberartian 0.05.
Jawab:
Pengujiannya masalahnya adalah:
H 0 : µ = 8 kg
H1 : µ ≠ 8 kg
88
One-Sample Z: C1
Test of mu = 8 vs not = 8
The assumed standard deviation = 0.5
Analisa : Dari Minitab diperoleh nilai z hitung = -3.44. Untuk taraf keberartian α = 0.05 ,
z mempunyai nilai kritis : z < -2.575 dan z > 2.575. Jadi, z = -3.43 terletak dalam daerah
penolakan maka kesimpulannya adalah H0 ditolak, artinya rata-rata daya tahan tidak smaa
dengan 8. Cara lain yang lebih mudah untuk mengujinya adalah dengan membandingkan
α dengan nilai p-nya. Jika α < nilai p , maka H0 diterima. Untuk sebaliknya, H0 ditolak.
Contoh 2
Ujilah hipotesis bahwa rat-rat isi kaleng sejenis minyak pelumas adalah 10 liter, bila isi
sampel acak 10 kaleng adalah 10.2, 10.1, 10.3, 10.1, 9.8, 9.9, 10.4, 10.3, dan 9.8 liter.
Gunakan taraf keberartian 0.10 dan anggap bahwa distribusi isi kalaeng normal.
Jawab :
Pengujian : H0 : µ = 10
H1 : µ ≠ 10
Langkah-langkah pengerjaan pada Minitab:
1. Input data pada kolom C2 10.2 9.7 10.1 10.3 10.1 9.8 .9.9 10.4 10.3 9.8
2. Pilih Stat > Basic Statistics > 1-sample t
3. Pada kotak dialog, pilih sample in column input C2, test mean input 10 selanjutnya
OK
89
Gambar 12.2 Kotak dialog 1-sample t
One-Sample T: C2
Test of mu = 10 vs not = 10
Analisa: nilai kritis dari t untuk taraf keberartian 0.10 dan derajat kebebasan 9 :
t0.05,9 < −1.833 dan t0.05,9 < 1.833 . Maka T hasil perhitungan = 0.77 terletak
dalam daerah penerimaan. Jadi, H0 diterima, artinya rata-rata- isi kaleng minyak
adalah benar 10 liter. Cara lain : α = 0.10 < nilai p = 0.46, jadi H0 diterima.
Contoh 3
Misalkan untuk masalah diatas, pengujiananya dilakukan satu arah, misalkan pengujian
menjadi :
H0 : µ =10 lawan
H1 : µ < 10
Maka digunakan uji t 1 sampel untuk masalah satu arah :
1. Pilih Stat > Basic Statistics > 1-sample t
2. Pada kotak dialog klik option, pilih less than pada kolom alternative, lalu OK > OK
One-Sample T: C2
90
Test of mu = 10 vs < 10
95%
Upper
Variable N Mean StDev SE Mean Bound T P
C2 10 10.0600 0.2459 0.0777 10.2025 0.77 0.770
Analisa : Dengan nilai kritis T < -1.833 maka kesimpulan adalah H0 diterima.
Contoh 4
Diberikan 2 sampel acak berukuran n1 = 11& n2 = 14 , dari dua populasi normal yang bebas
satu sama lain. Dari sampel diperoleh x1 = 75, x2 = 20, s1 = 6.1, s2 = 5.3 . Ujilah
91
Gambar 12.4 2-samples t
Two-sample T for C1 vs C2
Analisa : Diketahui untuk taraf keberartian 5% daerah kritis adalah T0.029,23 < −2.069 dan
T0.029,23 > 2.069 . Maka T = 8.16 terletak dalam daerah penolakan, artinya
keputusan adalah H1 diterima atau selisih mean tidak sama dengan nol, atau
terdapat beda mean kedua populasi.
92