Perhitungan interpolasi linier

0,93 1,476 c a X  1,476 0,937  0,93

 
d b 1,555  1,476 0,94  0,93
b a d
c
X  1,476 0,007
 X  1,5313
0,937 X 0,079 0,01
0,94 1,555

Interpolasi linier
 UJI HIPOTESIS
A. 1. Pengertian
Hipotesis adalah gabungan kata :
Hipo (= dasar atau sementara) dan
Tesis (=pendapat/pernyataan/kesimpulan yang didasari dan dukungan
fakta atau alasan yang kuat dan masuk akal)
Hipotesis diartikan secara ringkas = pendapat sementara yang didasari
oleh fakta yang kuat dan logis.
Karena bersifat sementara, agar menjadi Tesis, maka hipotesis ini perlu
diuji kebenarannya melalui penelitian (percobaan) dan/atau pengamatan
tentang fakta-fakta empirik yang dapat mendukung atau menolak
hipotesis yang diajukan tersebut.
Dalam Pengujian Hipotesis (Hipotesis statistik) ada hal penting
diketahui yaitu : kebenaran atau ketidakbenaran suatu hipotesis tidak
akan pernah diketahui secara pasti, kecuali seluruh ciri suatu populasi
dapat diamati, tentunya ini sulit dan tidak praktis dilakukan (= ini yang
mendasari berkembangnya Statistika).
Karena itu dalam pengujian hanya memilih sejumlah populasi yang diselidiki 
data contoh secara random yang dianggap mewakili informasi yang teramati pada
contoh-contoh tersebut, kemudian dapat ditentukan apakah hipotesis yang diajukan
tersebut wajarnya benar atau salah.
Dalam pengujian hipotesis sering digunakan istilah ditolak dan diterima, penting
dipahami bahwa :
1. Penolakan hipotesis berarti dapat disimpulkan bahwa suatu hipotesis adalah
tidak benar.
2. Penerimaan hipotesis berarti dapat disimpulkan bahwa tidak cukup informasi
untuk menyatakan suatu hipotesis adalah tidak benar atau menolaknya.

2. Bentuk Hipotesis
Hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian.
Dikatakan sementara karena jawaban yang diberikan baru berdasarkan pada teori,
dan belum menggunakan fakta.
Dalam analisis statistika inferensia terdapat dua hipotesis yang perlu diuji yaitu
hipotesis penelitian (= menguji jawaban yang sementara/tentatif itu apakah betul –
betul terjadi pada sampel yang diteliti atau tidak, kalau terjadi berarti hipotesis
penelitian terbukti, kalau tidak berarti tidak terbukti) dan hipotesis statistik (=
menguji apakah hipotesis yang telah terbukti atau tidak terbukti berdasarkan data
sampel itu dapat diberlakukan pada pupolasi atau tidak)
 Populasi
Penelitian
Reduksi
(penyederhanaan)

Menguji hipotesis statistik berarti Sampel

membuktikan apakah hipotesis yang telah
terbukti berdasarkan data sampel itu dapat
diberlakukan untuk populasi atau tidak

Hipotesis penelitian
dibuktikan dengan data
sampel

Gambar Menguji Hipotesis Penelitian Dan Statistik

PANDUAN PENGGUNAAN STATISTIK PARAMETRIS DAN NONPARAMETRIS UNTUK MENGUJI HIPOTESIS

Bentuk Hipotesis

Macam data Komparatif (lebih dari dua

Deskriptif (Satu Komparatif (dua sampel ) Asosiatif
sampel)
Variabel) (Hubungan)
Related Independen Related Independen
Binomial Fisher Exact χ2 for k
Mc Probability sample χ2 for k Contingency
Nominal χ2 One sample
Nemar Cochran Q sample Coefficient C
χ2 Two sample

Median test
Median
Sign test Mann Whitney Spearman
Friedman Extension
U test Rank
Ordinal Run Test Two-way Kruskal- Correlation
Wilcoxon Kolmogorov-
Anova Wallis One
matched Smirnov Kendall Tau
Way Anova
pairs Wald-Wolfowitz
Pearson
Product
One-way One-way Moment
Anova Anova
Interval t-test of t-test Partial
t-test Correlation
Ratio related independent
Two-way Two-way Multiple
Anova Anova Correlation
Regresi

Statistik Parametris
6
Terdapat tiga bentuk hipotesis yang dirumuskan dan diuji yaitu :
a. Hipotesis Deskriptif = merupakan dugaan terhadap nilai satu variabel dalam satu sampel
walaupun di dalamnya bisa terdapat beberapa katagori atau merupakan jawaban sementara
terhadap masalah deskriptif, yaitu yang berkanaan dengan variabel mandiri.
Contoh 1.
Ho : Kecenderungan masyarakat memilih warna gelap dalam membeli kendaraan
H1 : Kecenderungan masyarakat warna dalam membeli kendaraan tidak warna gelap
Contoh 2.
1) Rumusan masalah deskriptif
a) Berapa daya tahan lampu pijar merek X?
b) Sebarapa tinggi semangat kerja karyawan di P.T. Y?
2) Hipotesis Deskriptif
Ho: Daya tahan lampu pijar X = 600 jam.  merupakan Ho karena daya tahan lampu
yang ada pada sampel diharapkan tidak berbeda secara signifikan dengan daya tahan pada
populasi.
H1: Daya tahan lampu pijar merek X  600 jam  ini bisa > atau < dari 600 jam
3) Hipotesis Statistik (hanya ada bila berdasarkan data sampel)
Ho:  = 600
H1 :   600
  nilai rata-rata populasi yang dihipotesiskan atau ditaksir melalui sampel.
Untuk rumusan masalah no. 2)
Ho nya:
a) Semangat kerja karyawan di P.T. Y = 75% dari kriteria ideal yang
diharapkan.
b) Semangat kerja karyawan di P.T. Y paling sedikit 75% dari kriteria ideal
yang ditetapkan ( paling sedikit  bisa > atau  )
c) Semangat kerja karyawan di P.T. Y paling banyak 75% dari kriteria ideal
yang ditetapkan ( paling banyak  bisa < atau  )
Biasanya hanya satu yang dipilih tergantung pada teori dan pengamatan
pendahuluan pada obyeknya.
H1 nya:
d) Semangat kerja karyawan di P.T. Y  75%
e) Semangat kerja karyawan di P.T. Y < 75%
f) Semangat kerja karyawan di P.T. Y > 75%
Hipotesis statistik adalah (hanya ada bila berdasarkan data sampel)
g) Ho: ρ = 75% b) Ho: ρ  75% c) Ho: ρ  75%
H1 : ρ  75% H1 : ρ < 75% H1 : ρ > 75%
b. Hipotesis Komparatif = merupakan dugaan terhadap perbandingan nilai dua
sampel atau lebih atau jawaban sementara terhadap rumusan masaalah komparatif
(keadan itu terjadi pada waktu yang berbeda). Dalam komparasi ini terdapat
beberapa macam yaitu :
1) Komparasi berpasangan (related) dalam dua sampel dan lebih dari dua sampel (k
sampel)
2) Komparasi independen dalam dua sampel dan lebih dari dua sampel (k sampel)
Contoh 1.
Sampel Berpasangan, komparatif dua sampel
Ho : Tidak terdapat perbedaan nilai penjualan sebelum dan sesudah ada iklan
H1 : Terdapat perbedaan nilai penjualan sebelum dan sesudah ada iklan
Sampel Independen, komparatif tiga sampel
Ho : Tidak terdapat perbedaan antara birokrat, akademisi, dan pebisnis dalam
memilih partai
H1 : Terdapat perbedaan antara birokrat, akademisi, dan pebisnis dalam memilih
partai
Contoh 2.
1) Rumusan masalah komparatif
Bagaimanakah produktivitas kerja karyawan P.T X bila dibandingkan dengan P.T.
Y?
2) Hipotesis Komparatif
Berdasarkan rumusan masalah ada tiga model Ho nya sebagai berikut:
a) Ho: Tidak terdapat perbedaan produktivitas kerja antara karyawan di P.T.
X dan P.T. Y; atau terdapat persamaan produktivitas kerja antara karyawan
P.T. X dan P.T. Y
b) Ho: Produktivitas karyawan di P.T. X lebih besar atau sama dengan ()
P.T. Y
c) Ho: Produktivitas karyawan di P.T. X lebih kecil atau sama dengan () P.T.
Y
H1 nya sebagai berikut:
d) H1: Produktivitas kerja karyawan di P.T. X lebih besar (atau lebih kecil)
dari karyawan P.T. Y
e) H1: Produktivitas kerja karyawan di P.T. X lebih kecil (<) dari pada
karyawan P.T. Y
f) H1: Produktivitas kerja karyawan di P.T. X lebih besar (>) dari pada
karyawan P.T. Y
3) Hipotesis Statistik dapat dirumuskan sebagai berikut:
g) Ho: 1 = 2 b) Ho: 1  2 c) Ho: 1  2
H1: 1  2 H1: 1 < 2 H1: 1 > 2
c. Hipotesis Asosiatif = merupakan dugaan terhadap hubungan antara dua
variabel atau lebih atau jawaban sementara terhadap rumusan masalah asosiatif,
yaitu yang menanyakan hubungan antara dua variabel atau lebih.
Contoh 1.
Ho: Tidak terdapat hubungan antara jenis profesi dengan jenis olah raga yang
disenangi.
H1: Terdapat hubungan antara jenis profesi dengan jenis olah raga yang disenangi.

Contoh 2.
1) Rumusan masalah asosiatif
Adakah hubungan yang signifikan antara kerapihan berpakaian pelayan toko
dengan barang yang terjual.
2) Hipotesis Penelitian:
Terdapat hubungan yang positif antara kerapihan berpakaian pelayan toko
dengan barang yang terjual.
3) Hipotesis Statistik
Ho: ρ = 0  0 berarti tidak ada hubungan
H1: ρ  0  “tidak sama dengan 0” berarti lebih besar (+) atau kurang (-)
dari
nol berarti ada hubungan.
B. Dua Macam Kekeliruan
Dalam pengujian hipotesis, maka dilakukan penelitian, diambil
sampel dihitung nilai-nilai statistiknya yang perlu, kemudian
dibandingkan (dengan menggunakan kriteria tertentu) dengan hipotesis.
Bila hasil penelitian yang diperoleh (dalam pengertian
peluang/probabilitas) jauh berbeda dari hasil yang diharapkan
berdasarkan hipotesis, maka hipotesis ditolak, bila terjadi sebaliknya
hipotesis
Meskipunditerima.
berdasarkan penelitian kita telah menerima atau menolak
hipotesis, tidak berarti bahwa kita telah membuktikan atau tidak
membuktikan kebenaran hipotesis. Yang deperlihatkan hanyalah
menerima atau menolak hipotesis saja.
Ada dua macam kekeliruan/kesalahan dalam melakukan pengujian
hipotesis, yang dikenal dengan nama :
a. Kekeliruan macam I ialah menolak hipotesis yang seharusnya
diterima.
b. Kekeliruan macam II ialah menerima hipotesis yang seharusnya
ditolak.
 Tabel Macam Kekeliruan ketika
Membuat kesimpulan tentang Hipotesis

KEADAAN SEBENARNYA
KESIMPULAN
HIPOTESIS BENAR HIPOTESIS SALAH
Terima Hipotesis Tidak Membuat Kekeliruan Kekeliruan Macam II
Tolak Hipotesis Kekeliruan Macam I Tidak membuat
Kekeliruan

Dua macam kekeliruan ini harus dibuat sekecil mungkin saat

merencanakan suatu penelitian untuk pengujian hipotesis. Agar
penilaian dapat dilakukan maka kedua macam kekeliruan itu
dinyatakan dalam peluang.
Peluang membuat kekeliruan macam I dinyatakan dengan α (= alpha)
 kekeliruan α  dlm penggunaan disebut taraf significance = taraf
arti = taraf nyata.
Peluang membuat kekeliruan macam II dinyatakan dengan β (= beta)
 kekeliruan β
1. Taraf Significance
Misalnya : Hipotesis statistik mengatakan bahwa mean populasi = harga tertentu
(μ = μ0). Untuk menguji hipotesis tersebut diambil random sampel dari populasi tsb,
dihitung mean populasinya (X grs). Apabila sampelnya besar (n > 30) maka distribusi
sampling mendekati normal.
Pedoman pengujian biasanya dinyatakan dalam bentuk persentase luas kurva normal.
Misalnya : Diambil luas 95% (atau tergantung penyidik bisa 90%, 98% atau 99%)

95%

Daerah Tolak Daerah Terima Daerah Tolak

_ _ _
X1 μ0 X2 X
Gambar Bagian tengah Kurva, Daerah Terima dan Daerah Tolak
Harga X grs1< X grs < X grs2 = mempunyai perbedaan yang cukup kecil dengan μ0.
Harga X grs < X grs1 atau X grs > X grs2 dianggap cukup besar perbedaannya dng μ0.
Daerah X grs1 sampai X grs2 = daerah terima (area af acceptance) ; Sebelah kiri X grs1
dan sebelah kanan X grs2 disebut daerah tolak (area of rejection atau critical region).
Probabilitas akan mendapatkan harga X grs yang terletak di daerah kritis,
apabila hipotesisnya benar disebut level of significance dari uji tersebut (α)
yang menunjukkan kesalahan macam I (type I error).
. Jika diambil luas kurva 95% maka α = 5% = 0.05  taraf nyata 5% berarti
kira-kira 5 dari tiap 100 kesimpulan bahwa kita akan menolak hipotesis yang
seharusnya diterima. Dengan kata lain kira-kira 95% yakin bahwa kita telah
membuat kesimpulan yang benar. Dikatakan bahwa hipotesis telah ditolak pada
taraf nyata 0.05 yang berarti kita mungkin salah dengan peluang 0.05
. Jika diambil luas kurva 90% maka α = 10% = 0.1
. Jika diambil luas kurva 98% maka α = 2% = 0.02
. Jika diambil luas kurva 99% maka α = 1% = 0.01

2. Kesalahan Macam II (Kesalahan β)

Bila α diperkecil harganya  β menjadi besar. Untuk memperkecil harga
kedua-duanya (α dan β), maka n harus diperbesar.
Misalnya : Dipunyai hipotesis bahwa mean suatu populasi μ = 60 dan
diperkirakan deviasi standard σ = 20. Untuk menguji hipotesis tersebut diambil
suatu sampel random dengan n = 100 dan α = 0.05, maka daerah kritisnya <
Xgrs = 60 – 1.96(20/√100) = 60 – 3.92 = 56.08 dan > Xgrs = 60+1.96(20/√100)
= 60+3.92 = 63.92
 Artinya hipotesis ditolak apabila mean
dari sampel dengan n = 100 tersebut <
56.08 atau > 63.92. Hipotesis diterima
Daerah Tolak Daerah Terima Daerah Tolak
bila mean sampelnya terlatak antara
56.08 60 63.92
56.08 dan 63.92.
Gambar Daerah Terima dan Daerah Tolak

Seandainya hipotesis tersebut salah,

mean populasi yang benar μ = 62.
95%
Maka distribusi sampling harga mean
mempunyai mean = 62 dan deviasi
2.5% 2.5% standard = 20/√100 = 2.
56.08 60 63.92
Pada kurva yang bawah daerah 2.5%
kiri kanan adalah daerah tolak μ = 60,
sedangkan daerah 95% adalah daerah
di mana hipotesis bahwa μ = 60 (yang
Daerah Tolak Daerah Tolak sebenarnya salah, yang benar μ = 62)
56.08 62 63.92
Gambar Probabilitas/Kesalahan Macam II (β) diterima. Luas daerah ini = β
menunjukkan probabilitas menerima
hipotesis yang salah.
Luas daerah ini dapat dihitung dengan :
a. Luas antara 56.08 – 62  Z1 = (56.08 – 62)/2 = – 5.92/2 = – 2.96 luasnya = 0.4985
b. Luas antara 62 – 63.92  Z2 = (63.92 – 62)/2 = 1.92/2 = 0.96 luasnya = 0.3315
Jadi luas probabilitas berbuat kesalahan macam II = 0.4985+0.3315 = 0.8300

C. Prosedur Pengujian Hipotesis

Pengujian Hipotesis = membuktikan atau menguatkan suatu dugaan
atau anggapan tentang parameter populasi yang tak diketahui
berdasarkan informasi dari sampel yang diambil dari populasi tersebut.
Apa yang diduga atau diasumsikan atau dihipotesakan (dalam bahasa
Statistik) dinyatakan dalam null hypothesis (H0) atau alternative
hyphothesis (H1).
Null hypothesis (H0) diuji berhadapan dengan alternative hypothesis
(H1). Teori pengujian hipotesis akan memutuskan apakah H0 diterima
atau ditolak.
Keputusan menolak atau menerima H0 didasarkan pada uji statistik dari
data sampel, kemudian dibandingkan dengan nilai kritis dari distribusi
statistik tersebut yang ada dalam tabel (Z, t, χ2, F atau lainnya).
Langkah-langkah pengujian hipotesis secara umum :
1. Menetapkan null hypothesis (Ho) dan alternative hypothesis (H1).
Di mana Ho mengandung suatu tanda : =, ≥ atau ≤
Sedangkan H1 mengandung tanda : ≠, > atau <

Pernyataan Tanda
Jika Null hypothesis (Ho) = ≤ ≥
Maka Aternative hypothesis (H1) ≠ atau < atau > > <

Contoh pasangan tanda Ho dan H1 :

a. Jika Ho : μ = 50 maka H1 : μ ≠ 50  dinamakan pengujian dua arah
Ujilah apakah rata-rata populasi sama dengan 50 !
Maka Ho : μ = 50 dan H1 : μ ≠ 50
Di sini kalimat pengujian menjadi Ho
b. Jika Ho : μ1 – μ2 ≤ 1 maka H1 : μ1 – μ2 > 1  dinamakan pengujian searah atas
Apa yang dipersoalkan atau yang akan diuji, tidak selamanya menjadi Ho. Sering
kalimat pengujian menjadi H1. Apakah suatu kalimat pengujian akan menjadi Ho atau
H1 tergantung pada tandanya.
Ujilah apakah beda dua rata-rata populasi lebih besar satu ?
Maka Ho : μ1 – μ2 ≤ 1 dan H1 : μ1 – μ2 > 1
c. Jika Ho : P ≥ 0,5 maka H1 : P < 0,5  dinamakan pengujian searah bawah
Ujilah apakah proporsi populasi sekurang-kurangnya 0,5 !
Maka Ho : P ≥ 0,5 dan H1 : P < 0,5
Di sini kalimat pengujian menjadi Ho
2. Menentukan nilai kritis atau daerah menolak Ho yaitu membuat kriteria (dinamakan
nilai kritis) untuk menolak atau menerima Ho (dari tabel).
Dua hal yang perlu diperhatikan :
Pertama : Tingkat signifikans atau α  ditentukan sebelum sampling, diusahakan yang
sekecil-kecilnya.
Kedua : Distribusi probabilitas yang digunakan dalam pengujian. Jika pengujian
menggunakan nilai Z, maka nilai kritisnya cukup perhatikan α saja. Jika distribusi t,
selain α juga derajat bebasnya. Selain diperoleh nilai kritis kemudian ditentukan
daerah kritisnya yaitu daerah menolak Ho.
Misal pengujian menggunakan distribusi normal dengan α = 1%
a. Jika pengujian dua arah nilai kritisnya adalah – Z0,005 dan Z0,005 atau – 2,58 dan 2,58
sehingga daerah kritis adalah : Z < – 2,58 dan Z > 2,58
b. Jika pengujian searah atas maka nilai kritis adalah Z0,01 atau 2,33 dan daerah kritis
adalah : Z > 2,33
c. Jika pengujian searah bawah maka nilai kritis adalah – Z0,01 atau – 2,33 dan daerah
kritis adalah : Z < – 2,33
α/2 α/2
– 2,58 0 2,58
Gambar a Uji dua arah

α
0 2,33
Gambar b Uji searah atas

α
– 2,33 0
Gambar c Uji searah bawah
3. Menghitung nilai uji statistik
Tahap ini menghitung penduga parameter dari data sampel yang
diambil (penentuan nilai Z, berdasarkan distribusi samplingnya)
4. Membuat keputusan secara statistik.
Keputusan menolak atau menerima Ho dilakukan setelah
membandingkan nilai uji statistik dengan nilai kritis. Jika nilai uji
statistik berada dalam daerah kritis maka Ho ditolak, jika
sebaliknya Ho diterima.
Misal :
Dalam pengujian searah atas pada tingkat kritis 1% diperoleh
nilai uji statistik 2,4  ini berada dalam daerah kritis ( 2,4 > 2,33
atau 2,33 < 2,4) maka ada alasan untuk menolak Ho, dan resiko
menolak keliru hanya 1%.
Jika pengujiannya dilakukan dua arah, maka nilai uji statistik
berada dalam daerah penerimaan ( – 2,58 < 2,4 < 2,58 ), berarti Ho
diterima.
D. Uji Hipotesis Rata – rata ( Mean ) dan Proporsi
1. Uji Hipotesis Rata-rata Sampel Besar ( n ≥ 30)
Langkah-langkah dalam melakukan uji hipotesisnya :
a) Buat formulasi Ho dan H1
Uji dua arah  Ho : μ = μo maka H1 : μ ≠ μo ;
Searah atas/sisi kanan  Ho : μ = μo maka H1 : μ > μo ;
Searah bawah/sisi kiri  Ho : μ = μo maka H1 : μ < μo
b) Tentukan taraf nyatanya (α)
c) Tentukan aturan pengujiannya.
1) Uji dua arah : Ho diterima jika : – Zα/2 ≤ Z ≤ Zα/2
Ho ditolak jika : Z > Zα/2 atau Z < – Zα/2
2) Uji searah atas/sisi kanan : Ho diterima jika : Z ≤ Zα
Ho ditolak jika : Z > Zα
3) Uji searah bawah/sisi kiri : Ho diterima jika : Z ≥ – Zα
Ho ditolak jika : Z < – Zα
_
d) Dari sampel random hitung nilai Z dengan rumus : Z = (X – μo)/(S/√n)
Contoh :
Pengusaha lampu pijar T mengatakan daya pakai lampu 800 jam. Akhir-akhir ini timbul
dugaan daya pakai telah berubah. Untuk itu dilakukan penyelidikan dengan jalan menguji 50
lampu, ternyata rata-ratanya 792 jam. Dari pengalaman, diketahui bahwa simpangan baku
daya pakai 60 jam. Selidikilah dengan taraf nyata 0,05 apakah lampu itu berubah atau belum
?
Jawab :
Daya pakai lampu dimisalkan berdisribusi normal, maka akan menguji :
a. Ho : μ = 800 jam, berarti lampu itu daya pakainya 800 jam
H1 : μ ≠ 800 jam, berarti kualitas lampu telah berubah
(digunakan pengujian dua sisi/arah)
b. Taraf nyata (α) = 0,05  Z = 1.96 (tabel)
c. Kriteria pengujian : Ho diterima jika : – 1.96 ≤ Z ≤ 1.96
Ho ditolak apabila : Z > 1.96 atau Z < – 1.96
d. Menentukan nilai Z hitung : Diketahui S = 60 jam ; X grs = 792 jam ; n = 50
maka Z = (Xgrs – μ)/(S/√n) = (792 – 800)/(60/√50) = – 0.94
e. Membandingkan hasil d. dengan c.
Maka : – 0.94 (nilai hitung) > – 1.96 (taraf nyata/tabel) atau – 1.96 ≤ – 0.94 ≤ 1.96,
dalam daerah penerimaan, maka Ho diterima dan H1 ditolak
f. Kesimpulan :
Ini berarti dalam taraf nyata 0.05, penyelidikan memperlihatkan bahwa memang daya
pakai lampu masih sekitar 800 jam. Jadi belum berubah.
2. Uji Hipotesis Rata-rata Sampel kecil ( n < 30 )
Langkah-langkah dalam melakukan uji hipotesisnya :
a) Buat formulasi Ho dan H1
Uji dua arah  Ho : μ = μo maka H1 : μ ≠ μo ;
Searah atas/sisi kanan  Ho : μ = μo maka H1 : μ > μo ;
Searah bawah/sisi kiri  Ho : μ = μo maka H1 : μ < μo
b) Tentukan taraf nyatanya (α)
c) Tentukan aturan pengujiannya.
1) Uji dua arah : Ho diterima jika : – t(α/2 ; n – 1) ≤ t ≤ t(α/2 ; n – 1)
Ho ditolak jika : t > t(α/2 ; n – 1) atau t < – t(α/2 ; n – 1)
2) Uji searah atas/sisi kanan : Ho diterima jika : t ≤ t (α ; n – 1)
Ho ditolak jika : t > t(α ; n – 1)
3) Uji searah bawah/sisi kiri : Ho diterima jika : t ≥ – t (α ; n – 1)
Ho ditolak jika : t < – t(α ; n – 1)
_
d) Dari sampel random hitung nilai t dengan rumus : t = (X – μo)/(S/√n)
e) Bandingkan hasil langkah d) dengan langkah c) apakah Ho diterima
atau ditolak, kemudian ambil kesimpulan.
Contoh : Suatu jenis pupuk yang digunakan pada tanaman padi dikatakan akan
menaikkan hasil panenan rata-rata 5 kw/Ha. Suatu sampel random dengan 9 Ha sawah
memberikan rata-rata 4 kw lebih banyak dari rata-rata sebelum menggunakan pupuk
tersebut dengan deviasi standard 1 kw. Apakah cukup alasan untuk menerima
pernyataan bahwa kenaikan rata-rata 5 kw/Ha ?
Jawab :
a) Ho : μ = 5 kw/Ha,
dengan menggunakan pupuk tsb hasil panenan rata-rata naik 5 kw/Ha.
H1 : μ ≠ 5 kw/Ha,
dengan menggunakan pupuk tsb hasil panenan rata-rata tidak naik 5 kw/Ha
(digunakan uji dua sisi/arah)
b) Tentukan taraf nyatanya (α) = 0.05 untuk t(α/2 ; n – 1)= t(0.025 ; 9 – 1) = 2.306 (tabel nilai t)
c) Kriteria pengujiannya.
Ho diterima jika : – 2.306 ≤ t ≤ 2.306
Ho ditolak jika : t > 2.306 atau t < – 2.306
_
d) Menghitung nilai t dengan rumus : t = (X – μo)/(S/√n)
Diketahui : Xgrs = 4 ; μ = 5 ; S = 1 ; n = 9 maka nilai t = (4 – 5 )/(1/√9) = – 1/(⅓) = – 3

e) Membandingkan hasil langkah d) dengan langkah c) yaitu – 3 < – 2.306, maka Ho

ditolak H1 diterima (karena nilai t hitung ada di daerah kritis)
3. Uji Hipotesis Proporsi
Langkah-langkah dalam melakukan uji hipotesisnya :
a) Buat formulasi Ho dan H1
Uji dua arah  Ho : P = Po maka H1 : P ≠ Po ;
Searah atas/sisi kanan  Ho : P = Po maka H1 : P > Po ;
Searah bawah/sisi kiri  Ho : P = Po maka H1 : P < Po
b) Tentukan taraf nyatanya/level of significance (α)
c) Tentukan aturan pengujiannya.
1) Uji dua arah : Ho diterima jika : – Zα/2 ≤ Z ≤ Zα/2
Ho ditolak jika : Z > Zα/2 atau Z < – Zα/2
2) Uji searah atas/sisi kanan : Ho diterima jika : Z ≤ Zα
Ho ditolak jika : Z > Zα
3) Uji searah bawah/sisi kiri : Ho diterima jika : Z ≥ – Zα
Ho ditolak jika : Z < – Zα
_
d) Dari sampel random hitung nilai z dengan rumus : Z = (X/n – Po)/√{Po.(1 – Po)/n}
e) Bandingkan hasil langkah d) dengan langkah c) apakah Ho diterima atau ditolak
kemudian ambil kesimpulan.
Contoh : Di surat kabar, radio dan mass media lain selalu diiklankan bahwa masyarakat
60% nya menggunakan “Pil Kita” untuk menjaga kesehatannya. Untuk menyelidiki
kebenaran dari iklan tersebut kemudian diambil sampel random sebanyak 100 orang,
setelah ditanyai ternyata mereka hanya 40 orang yang menggunakan “Pil Kita”. Ujilah
pernyataan di atas dengan alternatif bahwa masyarakat yang menggunakan “Pil Kita”
kurang dari 60%. Gunakan α = 0.05 !
Jawab :
a. Ho : P = 60% masyarakat menggunakan “Pil Kita” untuk menjaga kesehatan
H1 : P < 60% masyarakat menggunakan “Pil Kita” untuk menjaga kesehatan
(digunakan pengujian satu sisi kiri)
b. Taraf nyata (α) = 0,05  Z = 1.64 (tabel)
c. Kriteria pengujian : Ho diterima jika : Z ≥ – 1.64
Ho ditolak apabila : Z < – 1.64
d. Menentukan nilai Z hitung :
Diketahui P = X/n = 40/100 = 0.4 ; Po = 60% = 0.6 ; maka nilai
Z = (X/n – Po)/√{Po.(1 – Po)/n}=(0.4 – 0.6)/√{0.6(0.4)/100) = – 0.2/0.0489 = –
4.08
e. Membandingkan hasil d. dengan c.
Maka : – 4.08 (nilai hitung) < – 1.64 (taraf nyata/tabel) dalam daerah kritis, maka
Ho ditolak dan H1 diterima
f. Kesimpulan : Ho ditolak
Ini berarti warga masyarakat yang menggunakan “Pil Kita” kurang dari 60% pada
E. Uji Hipotesis Beda Rata – rata dan Beda Dua Proporsi
1. Uji Hipotesis Beda Rata-rata Sampel Besar (n1 ; n2 ≥ 30)
Langkah-langkah dalam melakukan uji hipotesisnya :
a) Buat formulasi Ho dan H1
Uji dua arah  Ho : μ1 = μ2 atau (μ1 – μ2) = 0 maka H1 : μ1 ≠ μ2 atau (μ1 – μ2) ≠ 0 ;
Sisi kanan  Ho : μ1 = μ2 atau (μ1 – μ2) = 0 maka H1 : μ1 > μ2 atau (μ1 – μ2) > 0 ;
Sisi kiri  Ho : μ1 = μ2 atau (μ1 – μ2) = 0 maka H1 : μ1 < μ2 atau (μ1 – μ2) < 0
b) Tentukan taraf nyatanya (α)
c) Tentukan aturan pengujiannya.
1) Uji dua arah : Ho diterima jika : – Zα/2 ≤ Z ≤ Zα/2
Ho ditolak jika : Z > Zα/2 atau Z < – Zα/2
2) Uji searah atas/sisi kanan : Ho diterima jika : Z ≤ Zα
Ho ditolak jika : Z > Zα
3) Uji searah bawah/sisi kiri : Ho diterima jika : Z ≥ – Zα
Ho ditolak jika : Z < – Zα
d) Dari sampel random hitung nilai Z dengan rumus :
_ _
Z = (X1 – X2) – (μ1 – μ2) /√(S12/n1 + S22/n2)
Contoh : Diketahui bahwa pendapatan penduduk kota lebih tinggi dari penduduk desa. Suatu
sampel yang diambil dari penduduk kota sebanyak 1,500 kk menunjukkan rata-rata pendapatan
Rp 50,000.00,- dengan deviasi standard Rp 10,000.00.- sementara sampel dari penduduk desa
sebanyak 2,500 kk menunjukkan pendapatan rata-rata Rp 12,000.00.- dengan deviasi standard Rp
2,000.00.- Dengan taraf nyata 5% tentukan apakah rata-rata pendapatan penduduk kota a) Rp
35,000.00.- lebih tinggi b) Rp 40,000.00.- lebih tinggi ?
Jawab :
Diketahui X grs1 = 50,000 ; n1 = 1,500 ; S1 = 10,000 ; X grs2 = 12,000 ; n2 = 2,500 ; S2 = 2,000
Untuk Rp 35,000 lebih tinggi :
a) Formulasi Ho dan H1
Ho : μ1 – μ2 ≥ 35,000 beda rata-rata pendapatan penduduk kota dan desa
H1 : μ1 – μ2 < 35,000 beda rata-rata pendapatan penduduk kota dan desa  Uji sisi kiri
b) Taraf nyatanya (α) = 5% = – 1.64
c) Kriteria pengujiannya.
Ho diterima jika : Z ≥ – Zα
Ho ditolak jika : Z < – Zα
_ _
d) Nilai Z dengan rumus : Z = (X1 – X2) – (μ1 – μ2)/√(S12/n1 + S22/n2)
= (50,000 – 12,000) – 35,000/√(10,0002/1500 + 2,0002/2,500) = 3,000/261.27 = 11.48 (ada di
daerah terima)
e) Karena 11.48 (Nilai Z hitung) > – 1.64 (nilai kritis) maka Ho diterima dan H 1 ditolak, jadi
memang pendapatan rata-rata penduduk kota lebih tinggi dari pendapatan penduduk desa
pada taraf nyata 5%.
Untuk Rp 40,000 lebih tinggi :
a) Formulasi Ho dan H1
Ho : μ1 – μ2 ≥ 40,000 beda rata-rata pendapatan penduduk kota dan desa
H1 : μ1– μ2 < 40,000 beda rata-rata pendapatan penduduk kota dan desa  uji sisi kiri

b) Taraf nyatanya (α) = 5% = – 1.64

c) Kriteria pengujiannya.
Ho diterima jika : Z ≥ – Zα
Ho ditolak jika : Z < – Zα
_ _
d) Nilai Z dengan rumus : Z = (X1 – X2) – (μ1 – μ2)/√(S12/n1 + S22/n2)
= (50,000 – 12,000) – 40,000/√(10,0002/1500 + 2,0002/2,500) = – 2,000/261.27
= – 7.65 (ada di daerah kritis)
e) Karena – 7.65 (Nilai Z hitung) < – 1.64 (nilai kritis) maka Ho ditolak dan H 1
diterima, jadi tidak benar pendapatan rata-rata penduduk kota lebih tinggi dari
pendapatan penduduk desa pada taraf nyata 5%.
2. Uji Hipotesis Beda Rata-rata Sampel Kecil (n1 ; n2 < 30)
Langkah-langkah dalam melakukan uji hipotesisnya :
a) Buat formulasi Ho dan H1
Uji dua arah  Ho : μ1 = μ2 atau (μ1 – μ2) = 0 maka H1 : μ1 ≠ μ2 atau (μ1 – μ2) ≠ 0 ;
Sisi kanan  Ho : μ1 = μ2 atau (μ1 – μ2) = 0 maka H1 : μ1 > μ2 atau (μ1 – μ2) > 0 ;
Sisi kiri  Ho : μ1 = μ2 atau (μ1 – μ2) = 0 maka H1 : μ1 < μ2 atau (μ1 – μ2) < 0
b) Tentukan taraf nyatanya (α)
c) Tentukan aturan pengujiannya.
1) Uji dua arah : Ho diterima jika : – t(α/2;n1+n2 – 2) ≤ t ≤ t(α/2;n1+n2 – 2)
Ho ditolak jika : t > t(α/2;n1+n2 – 2) atau t < – t(α/2;n1+n2 – 2)
2) Uji searah atas/sisi kanan : Ho diterima jika : t ≤ t(α;n1+n2 – 2)
Ho ditolak jika : t > t(α;n1+n2 – 2)
3) Uji searah bawah/sisi kiri : Ho diterima jika : t ≥ – t(α;n1+n2 – 2)
Ho ditolak jika : t < – t(α;n1+n2 – 2)
d) Dari sampel random hitung nilai t dengan rumus :
_ _
t = (X1 – X2)/√[{(n1 – 1)S12 + (n2 – 1)S22/(n1+n2 – 2)}.(1/n1+1/n2)]
e) Bandingkan hasil langkah d) dengan langkah c) apakah Ho diterima atau ditolak
kemudian ambil kesimpulan.
Contoh : Usaha penyewaan traktor ingin menguji pemakaian rata-rata solar/jarak rata-
rata yang bisa ditempuh dari dua merek traktor. Lima traktor merek K dicoba, ternyata
1 liter solar bisa mencapai rata-rata 10 km dengan deviasi standard 1 km. Delapan
merek Q diuji, ternyata 1 liter solar bisa mencapai rata-rata 12 km dengan deviasi
standard 1.2 km. Apakah rata-rata jarak yang bisa dicapai per satu liter solar dari kedua
merek traktor tersebut mempunyai perbedaan yang signifikan dengan alpha = 5% ?
Jawab :
Diketahui Xgrs1 = 10 ; Xgrs2 = 12 ; n1 = 5 ; n2 = 8 ; S1 = 1 ; S2 = 1.2
1) Ho : μK = μQ jarak rata-rata pemakaian satu liter solar dari kedua merek sama
H1 : μK ≠ μQ jarak rata-rata pemakaian satu liter solar dari kedua merek tidak sama
(pengujian dua sisi/dua arah)
2) α = 0.05 ; df = 5+8 – 2= 11 ; t = ± 2.201
3) Kriteria pengujian : Ho diterima apabila : – 2.201 ≤ t ≤ 2.201
Ho ditolak apabila : t > 2.201 atau t < – 2.201
4) Nilai t adalah = (10 – 12)/√[{(5 – 1).12+(8 – 1).(1.2)2/(5+8 – 2)}.(1/5+1/8)]
= – 2/√[{(4+10.08)/11}.(1/5+1/8)] = – 2√(183.04/440)
= − 2/(4.28/6.64) = − 3.1
5) Uji statistik (t) − 3.1 < − 2.201 (taraf nyata) maka Ho ditolak dan H 1 diterima
6) Kesimpulan : Karena − 3.1 < − 2.201 Ho ditolak dan terima H 1. Jadi jarak rata-rata
yang dapat dicapai per satu liter solar dari kedua merek traktor tersebut tidak sama
3. Uji Hipotesis Beda Dua Mean Untuk Observasi Berpasangan
Misalnya : (X11 ; X21 ), ( X12 ; X22)…….. (X1n ; X2n) di mana X11 adalah observasi
pertama sampel pertama ; X12 adalah observasi pertama dari sampel kedua dan
seterusnya. Kedua sampel tersebut akan diuji dengan hipotesis nihil bahwa μ 1 = μ2 dari
observasi berpasangan dan menggunakan perbedaan antara harga-harga berpasangan
itu D1 = X11 – X21
D2 = X12 – X22
Dn = X1n – X2n
Langkah-langkah dalam pengujian hipotesis ini sama dengan pembahasan di atas,
perbedaan hanya pada langkah perhitungan, dari hasil observasi dihitung nilai t dengan
_
t = D/(SD/√n)
Di mana : _
D = mean dari harga-harga D
SD = deviasi standard dari harga-harga Di
n = banyaknya pasangan
Contoh :
Untuk menguji apakah ada perbedaan prestasi rata-rata dalam mata kuliah tertentu
antara semester ganjil dan genap. Secara random dipilih 9 orang mahasiswa untuk
 Masiswa Hasil ujian Hasil ujian Dengan level of significance
semester ganjil semester genap 0.05 ujilah hipotesis nihil yang
A 64 54 menyatakan bahwa tidak ada
B 62 77 perbedaan prestasi rata-rata
C 45 50 dalam mata kuliah itu antara
D 66 54 semester ganjil dan semester
E 70 89 genap !
F 62 56
G 80 72
H 54 65
I 65 76

Jawab :
1) Ho : μ1 = μ2
H1 : μ1 ≠ μ2 (digunakan pengujian dua sisi)
2) α = 0.05 ; nilai t(0.025;9 – 1) = 2.306
3) Kriteria pengujian : Ho diterima jika : − 2.306 ≤ t ≤ 2.306
Ho ditolak jika : t > 2.306 atau t < − 2.306
4) Perhitungan nilai t dari sampel :
Dari hasil observasi terhadap 9 mahasiswa tersebut di atas dilakukan perhitungan
sebagai berikut :
 Mahasiswa Semester Semester D (D – Dgrs) (D – Dgrs)2
ganjil genap
A 64 54 10 12.78 163.3284
B 62 77 -15 -12.22 149.3284
C 45 50 - 5 -2.22 4.9284
D 66 54 12 14.78 218.4484
E 70 89 - 19 -16.22 218.4484
F 62 56 6 8.78 77.0884
G 80 72 8 10.78 116.2084
H 54 65 - 11 -8.22 67.5684
I 65 76 - 11 -8.22 67.5684
- 25 1127.5556

D grs = Σ D/n = − 25/9 = − 2,78 ;

SD = √(D – D grs)2/(n – 1) = √(1,127.5556/8) = √140.94445 = 11.872
Maka t = − 2.78/(11.872/√9) = − 0.702
5) Kesimpulan : Karena t = − 0.702 terletak antara − 2.306 dan 2.306 maka Ho
diterima. Berarti memang tidak ada perbedaan prestasi rata-rata dalam mata kuliah
tertentu antara semester ganjil dan genap
4. Uji Hipotesis Beda Dua Proporsi
Langkah-langkah dalam melakukan uji hipotesisnya :
a) Buat formulasi Ho dan H1
Uji dua arah  Ho : P1 = P2 atau (P1 – P2) = 0 maka H1 : P1 ≠ P2 atau (P1 – P2) ≠ 0 ;
Sisi kanan  Ho : P1 = P2 atau (P1 – P2) = 0 maka H1 : P1 > P2 atau (P1 – P2) > 0 ;
Sisi kiri  Ho : P1 = P2 atau (P1 – P2) = 0 maka H1 : P1 < P2 atau (P1 – P2) < 0
b) Tentukan taraf nyatanya (α)
c) Tentukan aturan pengujiannya.
1) Uji dua arah : Ho diterima jika : – Zα/2 ≤ Z ≤ Zα/2
Ho ditolak jika : Z > Zα/2 atau Z < – Zα/2
2) Uji searah atas/sisi kanan : Ho diterima jika : Z ≤ Zα
Ho ditolak jika : Z > Zα
3) Uji searah bawah/sisi kiri : Ho diterima jika : Z ≥ – Zα
Ho ditolak jika : Z < – Zα
d) Dari sampel random hitung nilai Z dengan rumus :
Z = (X1/n1 – X2/n2) /√{P(1 – P)(1/n1 + 1/n2)}
Di mana P = (X1+X2)/(n1+n2)
e) Bandingkan hasil langkah d) dengan langkah c) apakah Ho diterima atau ditolak
Contoh : Suatu survey dilakukan di suatu kota, ternyata dari 100 kaum ibu yg mempunyai bayi
60 orang ibu menggunakan susu SGM, yang lain menggunakan merek lain. Survey di kota lain
didapatkan 140 orang dari 200 kaum ibu yg mempunyai bayi ternyata menyenangi susu bubuk
SGM dari pada merek lain. Gunakan level of significance 5% untuk menguji apakah ada
perbedaan yg berarti ataukah tidak mengenai proporsi dari kaum ibu yg menyenangi susu bubuk
SGM di kedua kota ?
Jawab :
X1 = 60 ; n1 = 100 ; X2 = 140 ; n2 = 200 ; P=(X1+X2)/(n1+n2)=(60+140)/(100+200) = 200/300= ⅔
1) Ho : P1 = P2. Tak ada perbedaan proporsi antara ibu yang mempunyai bayi di kedua kota itu
yg menyenangi susu bubuk SGM
H1 : P1 ≠ P2. Ada perbedaan proporsi antara ibu yg mempunyai bayi di kedua kota itu
yang menyenangi susu bubuk SGM
(digunakan pengujian dua arah)
2) α = 5% ; Z = 1.96
3) Kriteria pengujian : Ho diterima apabila : − 1.96 ≤ Z ≤ 1.96
Ho ditolak apabila : Z > 1.96 atau Z < − 1.96
4) Perhitungan nilai Z = (60/100 – 140/200)/√{⅔(1 – ⅔)(1/100 – 1/200)}
Z = (− 1/10)/√{(2/9)(3/200)}= (− 1/10)/√(1/300) = − 17.32/10 = −1.732
5) Kesimpulan :
Ternyata nilai hitung Z = − 1.732 > − 1.96 Jadi Ho diterima yakni P 1 = P2 Tak ada perbedaan
proporsi pemakaian susu bubuk SGM dari kaum ibu di kedua kota itu. Perbedaan proporsi
pada sampel tak berarti (non significance)
Soal latihan
1. Guna menguji apakah makanan kacang mentah berbeda
efeknya terhadap nilai protein dibanding dengan makanan
kacang rebus maka diadakan eksperimen. 10 ekor tikus
percobaan memperoleh proteinnya dari makanan kacang
mentah, 10 ekor lainnya memperoleh proteinnya dari
makanan kacang rebus. Dari hasil eksperimen kemudian
diketahui bahwa pertambahan berat 20 ekor tikus ditunjukkan
sebagai berikut :
Yang mendapat makanan kacang mentah : X grs = 58 ; S = 5
Yang mendapat makanan kacang rebus : X grs = 55 ; S = 4
Saudara diminta menguji guna menentukan apakah kacang
rebus memiliki efek yang lebih rendah terhadap nilai protein ?
Gunakan taraf nyata = 0.01
[Link] suatu penelitian bidang pemasaran,
dalam sampel sebanyak 100 orang, 68 orang
lebih menyukai susu sari kedele merek Bunga
dari pada merek Sari. Di lain tempat ternyata
dari sampel 300 orang, 213 pembeli lebih
menyukai merek Bunga dari pada merek Sari.
Apakah perbedaan dalam kesukaan susu sari
kedele merek Bunga signifikan ? (tetapkan
sendiri level of significancenya)
3. Dua puluh bidang tanah yg ditanami suatu varietas
padi tertentu diambil sebagai sampel, Sepuluh bidang
digunakan pupuk tradisional, sepuluh bidang lainnya
digunakan pupuk jenis baru. Hasil panennya disajikan
sebagai berikut :
Bidang 1 2 3 4 5 6 7 8 9 10
Pupuk 5.9 5.7 6.1 5.8 5.9 5.6 5.6 5.9 5.7 5.6
tradisional
Pupuk jenis 6.1 5.8 7.0 6.1 5.8 6.4 6.1 6.0 5.9 5.8
baru

Apakah pupuk jenis baru dapat menaikkan hasil panen

padi ? Gunakan alpha 5%