Contoh HIPOTESIS DESKRIPTIF:

80% mahasiswa Unpar berasal dari keluarga berpendapatan menengah ke atas. Tindakan agresif banyak dilakukan oleh anak yang berasal dari keluarga broken home. Orang yang berpendidikan tinggi relatif lebih mudah menerima perubahan. Terjadi peningkatan jumlah masyarakat yang hidup di bawah garis kemiskinan semenjak dinaikkannya harga BBM

Contoh HIPOTESIS ASOSIATIF/KORELASIONAL:

>>> klik di sini untuk perbedaan PENGARUH dan HUBUNGAN <<< Ada H0: H1: 0 hubungan antara usia dan = kepuasan kerja. 0

Terdapat hubungan H0: H1: > 0

positif

antara

kepuasan

konsumen dan

loyalitas

konsumen. 0

Ada hubungan antara tingkat kerajinan mahasiswa dan nilai yang diperoleh: semakin rajin mahasiswa, nilai yang diperoleh juga akan semakin baik. H0: 0 H1: > 0 Ada hubungan antara lama antrian dengan kepuasan pelanggan: semakin lama suatu antrian, kepuasan pelanggan juga akan semakin rendah. H0: 0 H1: < 0 Catatan: Mengapa H0 disebut hipotesis nol/null hypothesis?! Karena tanda = 0 (baca: sama dengan nol) HARUS diletakkan pada H0. Dengan me-reject H0, maka kita akan menerima H1, artinya: Ada hubungan/pengaruh!!! Jika kita menerima H0, besarnya pengaruh/hubungan akan sama dengan nol. Sebagai contoh, dalam kasus regresi sebagai berikut: Y = 1,2 + 0X, karena besarnya pengaruh adalah sama dengan nol, maka berapa pun nilai X yang dimasukkan, Y akan bernilai 1,2. Tujuan dari uji hipotesis adalah menerima H1. Untuk mengurangi kesalahan, biasakan memulai membuat hipotesis statistik dari H1 dulu, lalu hal-hal yang belum tercantum di H1 kita masukan menjadi H0. Sebagai contoh, jika di H1 kita memasukkan tanda , maka di H0 kita harus

memasukkan =. Jika di H1 kita memasukkan tanda >, maka di Ho kita harus memasukkan halhal yang belum dijelaskan di H1, yaitu < dan =. Mudah kan?! Banyak kesalahan-kesalahan terjadi dengan menuliskan hipotesis statistik sebagai berikut: Ho: > H1: 0 // 0 // < 0 0 // < 0 // > 0

Apakah kalian tahu di mana letak kesalahannya?

Contoh HIPOTESIS KAUSAL:

Ada pengaruh Ho: H1: 0 antara tingkat awareness dengan = knowledge konsumen. 0

Angka yang bukan nol nilainya bisa positif, bisa juga negatif. Digunakan untuk NONDIRECTIONAL HYPOTHESES. Dengan me-reject H0, pengaruhnya mungkin positif, mungkin juga negatif. Perhatikan baik-baik hipotesis berikut: Ada pengaruh Ho: H1: 0 antara kepuasan kerja dengan = produktivitas karyawan. 0

Dengan me-reject H0, berarti H1 diterima: Ada pengaruh antara kepuasan kerja dengan produktivitas karyawan, namun kita tidak tahu pengaruhnya positif atau negatif. Jika hasil regresi memunculkan persamaan sebagai berikut: Y = 20 3X, maka kita akan menerima H1 karena = -3 0, artinya: dengan kenaikan kepuasan kerja sebesar 1 akan menurunkan produktivitas karyawan sebesar 3 (pengaruhnya negatif), padahal seperti yang kita semua tahu bahwa semakin tinggi kepuasan kerja, produktivitas karyawan juga akan meningkat (pengaruhnya positif). Apakah hal ini benar? Bandingkan dengan hipotesis berikut: Ada pengaruh Ho: H1: > 0 positif antara kepuasan kerja dengan produktivitas karyawan. 0

Jika kita menggunakan DIRECTIONAL HYPOTHESES, dengan persamaan regresi yang sama: Y = 20 3X, kita tentu akan menerima H0 karena nilai = -3 < 0. Itulah alasannya kenapa saya selalu NGOTOT UNTUK MENGGUNAKAN DIRECTIONAL HYPOTHESIS.

Contoh HIPOTESIS PERBEDAAN:

Ada perbedaan motivasi H0: p = w H1: p w // H1: p w 0 kerja // H0: antara p pria w dan = wanita. 0

Ada perbedaan motivasi kerja antara pria dan wanita, dimana wanita lebih bermotivasi dalam bekerja daripada pria. H0: p w // H0: p w 0 H1: p < w // H1: p w < 0 Ada perbedaan pengaruh insentif finansial dan non finansial terhadap unjuk kerja. Insentif finansial lebih berpengaruh terhadap peningkatan unjuk kerja pegawai dibandingkan dengan insentif non finansial. H0: F NF // H0: F NF 0 H1: F > NF // H1: F NF > 0 CATATAN: Untuk menghitung besarnya hubungan, kita menggunakan korelasi yang memiliki koefisien korelasi r untuk sampel dan untuk populasi. Untuk menghitung besarnya pengaruh, kita menggunakan regresi dengan persamaan Y = a + bX untuk sampel dan Y = + X untuk populasi. Besarnya pengaruh dilambangkan dengan b atau . Untuk uji beda, kita akan menguji rata-rata hitung yang dilambangkan dengan X-bar untuk sampel dan untuk populasi. Dalam penelitian, sangat diharapkan agar sampel yang diambil dapat mewakili populasi, karenanya dalam membuat hipotesis statistik, umumnya kita akan menggunakan parameter populasi. 4

====================================== PERHATIAN!!! Boleh copy-paste, tetapi mohon cantumkan sumber dengan linkback ke http://www.b0chun.com/. Terima kasih!!! ======================================

Posted in: Ivan Prasetya, Re-search Methods for Business. This entry was posted on Thursday, March 3rd, 2011 at 5:56 pm and is filed under Ivan Prasetya, Re-search Methods for Business. You can follow any responses to this entry through the RSS 2.0 feed. You can leave a response, or trackback from your own site. The MarkPlus Conference 2011: Grow With The Next Marketing Membuat Theoritical Framework dan Hipotesis

One Response to CONTOH Hipotesis Penelitian dan Hipotesis Statistik

BAB V. UJI HIPOTESA Setiap hipotesis bisa benar atau tidak benar dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Langkah untuk menentukan apakah menerima atau menolak hipotesisi dinamakan pengujian hipotesis. Terdapat dua macam kekeliruan yang dapat terjadi, 1. Kekeliruan type I: menolak hipotesis yang seharusnya diterima, 2. Kekeliruan type II : menerima hipotesis yang seharusnya ditolak Beberapa pengujian hipotesis 1. Hipotesa yang mengandung pengertian sama a) Uji dua pihak (dua arah) H0 : = 0 H1 : = 1 H0 : = 0 H1 : > 0 2. H0 : 0 H1 : > 1 3. Hipotesa yang mengandung pengertian minimum H0 : 0 H1 : < 1 Langkah-Langkah Umum Dalam Uji Hipotesa 1. Menentukan formulasi hipotesis nol dan alternatifnya (H0 : tidak ada perbedaan dan H1 : ada perbedaan ..) 2. 3. 4. Menentukan alternatif pengujian ( dua arah atau satu arah) Menentukan taraf signifikan ( = 5% atau yang lain) Penentuan kriteria pengujian : daerah terima dan daerah tolak atau H0 : = 0 H1 : 0 H0 : = 0 H1 : < 0

1. Pendahuluan
Pengujian adalah membuktikan atau menguatkan anggapan tentang parameter populasi yang tidak diketahui berdasarkan informasi dari sampel yang diambil dari populasi tersebut dengan langkah-langkah atau metode tertentu.

Hipotesis adalah pernyataan atau dugaan yang masih lemah tingkat kebenarannya sehingga masih harus di uji menggunakan teknik tertentu. Jika pernyataan dibuat untuk menjelaskan nlai parameter populasi maka disebut hipotesis stastistik. Berikut yang dapat dianggap sebagai hipotesis: a.Peluang lahirnya bayi berjenis laki-laki =0,5 b. 30% masyarakat termasuk golongan A c.rata-rata pendapatan keluarga di suatu daerah Rp. 35.000,00 tiap bulan. Setiap hipotesa bisa benar atau salah sehingga perlu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Jadi, Pengujian Hipotesis adalah langkah atau prosedur untuk menguatkan anggapan atau dugaan yang masih lemah tingkat kebenarannya dengan di uji menggunakan teknik tertentu.

2. Dua macam kesalahan

Untuk pengujian hipotesis , penelitian dilakukan dengan mengambil sampel acak, menghitung nilai-nilai statistik kemudian membandingkan berdasarkan kriteria tertentu untuk menentukan hipotesis tersebut ditolak atau diterima. Jika hasil yang diterima dari penelitian itu jauh berbeda dari hasil yang diharapkan, berarti hipotesis ditolak, begtu juga sebaliknya. Meskipun berdasarkan penelitian kita telah menerima atau menolak hipotesis, tidak berarti bahwa kita telah membutikan atau tidak membuktikan kebenaran hipotesis. Kita hanya memperlihatkan menerima atau menolak hipotesis saja.

Dalam pengujian hipotesis ada 2 jenis tipe kesalahan Tipe I : menolak hipotesis yang seharusnya diterima =P (menolak Ho|Ho benar) = (taraf nyata)

Tipe II: menerima hipotesis yang seharusnya ditolak = P (menerima Ho|Ho salah) = (kuasa uji) Keputusan Terima Ho Tolak Ho Ho Benar Keputusan benar Kesalahan Tipe II Ho Salah Kesalahan Tipe I Keputusan benar

-Ho dan Ha Hipotesis Nihil/Nol (Ho) yaitu hipotesis yang menyatakan tidak adanya hubungan antara dua variabel atau lebih atau tidak adanya perbedaan antara dua kelompok atau lebih. Hipotesis Alternatif (Ha) yaitu hipotesis yang menyatakan adanya hubungan antara dua variabel atau lebih atau tidak adanya perbedaan antara dua kelompok atau lebih. - dan merupakan peluang kesalahan tipe I dan untuk kesalahan tipe II. Dalam merencanakan suatu penelitian untuk pengujian hipotesis kedua tipe kesalahan tersebut dibuat sekecil mungkin. disebut pula taraf signifikan atau taraf arti atau taraf nyata. Besar kecilnya dan yang dapat diterima dalam pengambilan kesimpulan bergantung pada akibat-akibat atas diperbuatnya kekeliruan-kekeliruan itu. Kedua kekeliruan-kekeliruan tersebut juga berkaitan. Jika diperkecil, maka menjadi besar dan demikian sebaliknya. Hasil pengujian hipotesis yang baik ialah pengujian yang dilakukan dengan nilai yang sama besar dan nilai yang paling kecil. Untuk keperluan praktis, nilai atau harga yang biasa digunakan yaitu = 0,01 atau = 0,05. = 0,05 atau taraf nyata 5%, berarti kira-kira 5 dari tiap 100 kesimpulan bahwa kita akan menolak hipotesis yang seharusnya diterima. Jadi,kita yakin bahwa 95% kita telah membuat kesimpulan yang benar.

Untuk setiap pengujian dengan yang ditentukan ,besar dapat dihitung. Harga ( 1 ) dinamakan kuasa uji. Nilai atau harga bergantung pada parameter, katakanlah , sehingga didapat () sebuah fungsi yang begantung pada . Bentuk () dinamakan fungsi ciri operasi ( C.O )dan 1 - () disebut fungsi kuasa.

3. Langkah-langkah Pengujian Hipotesis.

Kesimpulan dari pengujian hipotesis ini ada 2 pilihan, menerima atau menolak hipotesis. Tentunya dengan menggunaka perumusan-perumusan seperlunya agar dapat menentukan satu pilihan yang mudah dilakukan dan lebih terperinci. Langkah-langkah Pengujian Hipotesis, yaitu 1.Rumuskan Ho . Ho yang sesuai dengan persoalan yang dihadapi. 2.Rumuskan Ha (hipotesis tandingannya). Karna ada 2 pilihan kesimpulan, hipotesis Ho perlu didampingi oleh hipotesis tandingan (Ha) yang isinya berlawanan . Pasangan Ho dan Ha ini ,tepatnya Ho melawan Ha ,menentukan kriteria pengujian yang terdiri dari daerah penerimaan dan penolakan hipotesis. H1 ini harus dipilih atau ditentukan peneliti sesuai dengan persoalan yang dihadapi. Pasangan H0 dan H1 yang telah dirumuskan, dituliskan dalam bentuk :

atau

atau

3. Pilih Uji Statistik yang sesuai dan tentukan daerah kritisnya . Kita pilih bentuk statistika yang digunakan ,apakah uji z, t, x2,F atau lainnya. Menentukan kriteria pengujian berdasarkan pilihan taraf nyata atau ukuran daerah kritis.

Peran hipotesis tandingan H1 dalam penentuan daerah kritis adalah sebagai berikut:

1) Jika tandingan H1 mempunyai perumusan tidak sama, maka dalam distribusi statistik yang digunakan, normal untuk angka z, Student untuk t, dan seterusnya didapat dua daerah kritis masing-masing pada ujung-ujung distribusi. Luas daerah kritis atau daerah penolakan pada tiap ujung adalah . Karena adanya dua daerah penolakan ini, maka pengujian hipotesis dinamakan uji dua pihak.

Gambar XII(1) Gambar di atas memperlihatkan sketsa distribusi yang digunakan disertai daerah-daerah penerimaan dan penolakan hipotesis. Kedua daerah ini dibatasi oleh d1 dan d2 yang harganya didapat dari daftar distribusi yang bersangkutan dengan menggunakan peluang yang ditentukan oleh . Kriteria yang didapat adalah : terima hipotesis H0 jika harga statistik yang dihitung berdasarkan data penelitian jatuh antara d1 dan d2, dalam hal lainnya H0 ditolak. 2) Untuk tandingan H1 yang mempunyai perumusan lebih besar, maka dalam distribusi yang digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kanan. Luas daerah kritis atau daerah penolakan ini sama dengan .

Gambar XII(2) Harga d, didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan oleh , menjadi batas antara daerah kritis dan daerah penerimaan H0. Kriteria yang dipakai adalah: tolak H0 jika statistik yang dihitung berdasarkan sampel tidak kurang dari d. Dalam hal lainnya kita terima H0. Pengujian ini dinamakan uji satu pihak, tepatnya pihak kanan. 3) Akhirnya, jika tandingan H1 mengandung pernyataan lebih kecil, maka daerah kritis ada di ujung kiri dari distribusi yang digunakan. Luas daerah ini = yang menjadi batas daerah penerimaan H0 oleh bilangan d yang didapat dari daftar distribusi yang bersangkutan. Peluang untuk mendapatkan d ditentukan oleh taraf nyata .

Gambar XII(3) Kriteria yang digunakan adalah : terima H0 jika statistik yang dihitung berdasarkan penelitian lebih besar dari d sedangkan dalam hal lainnya H0 kita tolak. 4)Hitung nilai Statistik dari contoh acak berukuran n. 5)Buat keputusan. Terima atau tolak Ho berdasarkan letak nilai statistik pada daerah kritis.

4. MENGUJI RATA-RATA : UJI DUA PIHAK

Umpamakanlah kita mempunyai sebuah populasi berdistribusi normal dengan rata-rata dan simpangan baku . Akan diuji mengenai parameter rata-rata . Untuk ini ambil sebuah sampel acak berukuran n, lalu hitung statistik dibedakan hal-hal berikut: 1) diketahui dan s.Dapat

Untuk pasangan hipotesis

dengan 0 sebuah harga yang diketahui, digunakan statistik :

XII(1)

Statistik z ini berdistribusi normal baku, sehingga untuk menentukan kriteria pengujian, seperti tertera dalam Gambar XII(1), digunakan daftar distribusi normal baku. H0 kita terima jika z (1 - ) < z < z(1 - ) dengan z(1 - ) didapat dari daftar normal baku dengan peluang (1 - ). Dalam hal lainnya, H0 ditolak. Catatan : Pengujian yang menghasilkan H0diterima dalam taraf nyata0,05 dinamakan uji tak nyata atau uji tak berarti atau uji non-signifikan.

5) MENGUJI RATA-RATA : UJI SATU PIHAK

Perumusan yang umum untuk uji pihak kanan mengenai rata-rata berdasarkan H0 dan H1 adalah :

Kita misalkan populasi berdistribusi normal dan di ambil sebuah sampel acak berukuran n. Seperti biasa, dari sampel tersebut dihitung Hal A). diketahui Jika simpangan baku untuk populasi diketahui, seperti biasa digunakan statistik z yang tertera dalam Rumus XII(1). Sketsa untuk kriteria pengujian seperti nampak dalam Gambar XII(2), ialah menggunakan distribusi normal baku. Batas kriteria, tentunya didapat dari daftar normal baku. Kita tolak H0 jika z z0,5
-

dan s. Didapat hal-hal berikut:

dengan z0,5

didapat dari daftar normal baku

menggunakan peluang (0,5 - ). Dalam hal lainnya H0 kita terima.

Catatan : Pengujian yang menghasilkan H0ditolak dengan taraf nyata 0,05 dinamakan uji nyata atau uji berarti atauuji signifikan. JikaH0ditolak pada taraf hasil 5% uji tetapi diterima berarti. pada taraf hal 1% ini

makadikatakanbahwa

barangkali

Dalam

dianjurkanuntukmelakukan penelitian lebih lanjut dan pengujian dapat dilakukan lagi.

Hal B). tidak diketahui

jika tidak diketahui, statistik yang digunakan untuk menguji pihak kanan

adalah statistik t seperti dalam Rumus XII(2). Kriteria pengujian didapat dari daftar distribusi Student t dengan dk = (n 1) dan peluang (1 ). Jadi kita tolak H0 jika t t1 - dan menerima H0 dalam hal lainnya.

Untuk menguji pihak kiri

cara yang sama berlaku untuk uji pihak kanan. Jika diketahui, maka statistik z seperti dalam Rumus XII(1) digunakan dan tolak H0 jika z - z0.5 - , denga z0,5 - didapat dari normal baku menggunakan peluang (0,5 - ). Dalam hal lainnya H0 diterima. Di sini = taraf nyata. Jika tidak diketahui, maka untuk uji pihak kiri tersebut digunakan statistik t seperti yang tertera dalam Rumus XII(2). Dalam hal ini kita tolak hipotesis H0 jika t - t1 - , dengan t1

di dapat dari daftar distribusi Student t menggunakan peluang (1 - ) dan dk = (n 1). Untuk t

> - t1 - , hipotesis H0 kita terima.

6)MENGUJI PROPOrsi : UJI DUA PIHAK

Misalkan kita mempunyai populasi binom dengan proporsi peristiwa A = . Berdasarkan sebuah sampel acak yang diambil dari populasi itu, akan diuji mengenai uji dua pihak :

dengan 0 sebuah harga yang diketahui. Dari sampel berukuran n itu kita hitung proporsi sampel x/n adanya peristiwa A. Dengan menggunakan pendekatan oleh distribusi normal, maka untuk pengujian ini digunakan statistik z yang rumusnya :

Kriteria untuk pengujian ini, dengan taraf nyata adalah: terima H0 jika z (1 - ) < z < z
(1 - ),

di mana z (1 - ) didapat dari daftar normal baku dengan peluang (1 - ). Dalam hal

lainnya, hipotesis H0 ditolak.

7)MENGUJI PROPORSI : UJI SATU PIHAK

Jika yang diuji dari populasi binom itu berbentuk:

maka pengujian demikian merupakan uji pihak kanan. Untuk ini pun, statistik yang digunakan masih statistik z seperti tertera dalam Rumus XII(3). Yang berbeda hanyalah dalam penentuan kriteria pengujiannya. Dalam hal ini, tolak H0 jika z z0,5 - , di mana z0,5 - didapat dari daftar normal baku dengan peluang (0,5 - ). Untuk z < z0,5 - hipotesis H0 diterima.

Untuk uji pihak kiri, maka pasangan hipotesis nol dan tandingannya adalah :

Statistik yang digunakan statistik z seperti dalam Rumus XII(3). Kriteria pengujian adalah: tolak H0 jika z - z0,5 - di mana z0,5 - didapat dari daftar normal baku dengan peluang (0,5 - ). Dalam hal lainnya H0 diterima.

8. MENGUJI VARIANS 2
Kita misalkan populasi berdistribusi normal dengan varians 2 dan diambil sebuah sampel acak berukuran n. Varians sampel yang besarnya s2 dihitung dengan Rumus V (5) atau Rumus V (6). Kita bedakan dua hal berikut : Hal A). Uji dua pihak Untuk ini, pasangan H0 dan H1 adalah :

Untuk pengujian ini dipakai statistik chi-kuadrat

Jika dalam pengujian dipakai taraf nyata , maka kriteria pengujian adalah : terima H0 jika di mana dan didapat dari daftar distribusi chi kuadrat dan . Dalam hal lainnya

dengan dk = (n 1) dan masing-masing dengan peluang H0 ditolak.

Hal B). Uji satu pihak Dalam kenyataannya sangat sering dikehendaki adanya varians yang berharga kecil. Untuk ini pengujian diperlukan dan akan merupakan uji pihak kanan :

Statistik yang digunakan masih tetap X2. Kriteria pengujian dalam hal ini adalah: tolak H0 jika , di mana , didapat dari daftar chi-kuadrat dengan dk = (n 1) dan

peluang (1 ). Dalam hal ini lainnya, H0 diterima. Jika hipotesis nol dan tandingannya menyebabkan uji pihak kiri, yakni pasangan :

Maka hal yang sebaliknya akan terjadi mengenai kriteria pengujian, yaitu tolak H0 jika , dimana didapat dari daftar chi-kuadrat dengan dk = (n 1) dan peluang .

9. MENGUJI KESAMAAN DUA RATA-RATA : UJI DUA PIHAK

Misalkan kita mempunyai dua populasi normal masing-masing dengan rata-rata 1 dan 2 sedangkan simpangan bakunya 1 dan 2.Dari populasi kesatu diambil sebuah sampel acak berukuran n1 sedangkan dari populasi kedua sebuah sampel acak berukuran n2. dari kedua sampel ini berturut-turut didapat , s1 dan s2. akan diuji tentang rata-rata 1 dan 2.

Pasangan hipotesis nol dan tandingannya yang akan di uji adalah :

Untuk ini kita bedakan hal-hal berikut :

Hal A).

dan diketahui Statistik yang digunakan jika H0 benar, adalah :

Dengan

taraf

nyata dimana

maka

kriteria

pengujian

adalah

terima

H0

jika

didapat dari daftar normal baku dengan peluang (1 ).

Dalam hal lainnya H0 ditolak. Hal B). Jarang sekali tetapi tidak diketahui dan diketahui besarnya. Jika H0 benar dan sedangkan

tidak diketahui harganya, statistik yang digunakan adalah

Dengan

maka statistik t di atas berdistribusi Student dengan dk = (n1 + n2 2). Kriteria pengujian adalah: terima H0 jika dk = (n1 + n2 1) dan peluang (1 dimana didapat dari daftar distribusi t dengan

). Untuk harga-harga t lainnya H0 ditolak.

Hal C). 1 2 dan kedua-duanya tidak diketahui Jika kedua simpangan baku tidak sama tetapi kedua populasi berdistribusi normal, hingga sekarang belum ada statistik yang tepat yang dapat digunakan. Pendekatan. Pendekatan yang cukup memuaskan adalah dengan menggunakan statistik t sebagai berikut :

Kriteria pengujian adalah : terima hipotesis H0 jika

Dengan :

dan

Hal D). Observasi berpasangan

kita ambil B = 1 2. Hipotesis nol dan tandingannya adalah :

Jika B1 = x1 y1, B2 = x2 y2,...., Bn = xn yn, maka data B1, B2, ... , Bn menghasilkan rata-rata dan simpangan baku sB. Untuk pengujian hipotesis, gunakan statistik :

Dan terima H0 jika

dimana

Di dapat dari daftar distribusi t dengan peluang lainnya H0 ditolak.

dan dk = (n 1). Dalam hal

10)MENGUJI KESAMAAN DUA RATA-RATA : UJI SATU PIHAK

Dimisalkan bahwa kedua populasi berdistribusi normal dengan rata-rata 1 dan 2 dan simpangan baku 1 dan 2. karena umumnya besar 1 dan 2 tidak diketahui, maka di sini akan ditinjau hal-hal tersebut untuk keadaan 1 = 2 atau 1 2 Hal A). Uji pihak kanan

Yang diuji adalah

Dalam hal 1 = 2 maka statistik yang digunakan ialah statistik t seperti pada rumus Kesamaan dua rata-rata:uji 2 pihak . Kriteria pengujian yang berlaku ialah : terima H0 jika t < t1 dan tolak H0 jika t mempunyai harga-harga lain. Dk= (n1 + n2 2) dengan peluang (1 ).

Jika 1 2, maka statistik yang digunakan adalah statistik t. Dalam hal ini, kriteria pengujian adalah : tolak hipotesis H0 jika

dan terima H0 jika terjadi sebaliknya, dengan t = t(1

),(n1 1)

dan t(1

),(n2 1).

Peluang untuk penggunaan daftar distribusi t ialah (1 )

sedangkan dk-nya masing-masing (n1 1) dan (n2 1) Untuk observasi berpasangan, pasangan hipotesis nol H0 dan hipotesis tandingan H1 untuk uji pihak kanan adalah :

Statistik yang digunakan masih statistik dan tolak H0 jika daftar distribusi Student dengan dk = (n 1) dan peluang (1 ).

di mana t1 didapat dari

Hal B). Uji Pihak Kiri Perumusan hipotesis H0 dan hipotesis tandingan H1 untuk uji pihak kiri adalah :

Langkah-langkah yang ditempuh dalam hal ini sejalan dengan yang dilakukan untuk uji pihak kanan.

Jika 1 = 2, kedua-duanya nilainya tak diketahui, maka digunakan statistik t dalam Rumus yang sama dengan rumus kesamaan rata-rata:uji 2 pihak. Kriteria pengujian adalah : tolak H0 jika , di mana t1 didapat dari daftar distribusi t dengan dk = (n1 + n2 2) dan peluang (1 ). Untuk harga-harga t lainnya, H0 diterima. Jika 1 2, maka yang digunakan adalah statistik t dalam Rumus XII(8) dan tolak H0 untuk

Di mana w1, w2, t1 dan t2 semuanya seperti telah diuraikan di muka. Jika t lebih besar dari harga tersebut, maka H0 diterima. Untuk observasi berpasangan, hipotesis H0 dan tandingan yang akan diuji adalah

Statistik yang digunakan ialah statistik t dalam yang rumus yang sama di atas dan tolak H0 jika dan terima H0 untuk .

10.

KESAMAAN DUA PROPORSI: UJI DUA PIHAK

Misalkan sekarang kita mempunyai dua populasi binom yang didalamnya masing-masing

didapat proporsi peristiwa A sebesar 1 dan 2. Dari populasi kesatu diambil sebuah sampel acak berukuran n1 dan di dalamnya terdapat proporsi peristiwa A sebesar x 1/n1. Dari populasi kedua angka-angka tersebut berturut-turut adalah n2 dan x2/n2.Akan diuji hipotesis:

Untuk ini digunakan pendekatan oleh distribusi normal dengan statistik :

XII(10) .........................

Dengan

dan q = 1 p

Jika dalam pengujian ini digunakan taraf nyata , maka kriteria pengujian adalah : Terima H0 untuk dan tolak H0 untuk harga-harga z lainnya.

11.

MENGUJI KESAMAAN DUA PROPORSI : UJI SATU PIHAK

Untuk uji pihak kanan, maka pasangan hipotesisnya adalah :

Statistik yang digunakan masih berdasarkan pendekatan oleh distribusi normal, jadi digunakan statistik z dalam Rumus XII(10). Dalam hal ini tolak H0 jika untuk dengan = taraf nyata. Apabila uji pihak kiri, maka hipotesis nol H0 dan tandingannya H1 berbentuk dan terima H0

Dengan statistik yang sama seperti di atas, tolak H0 untuk . Untuk kedua-duanya peluang (0,5 ).

dan terima H0 jika

di dapat dari daftar distribusi normal baku dengan

12.

MENGUJI KESAMAAN DUA VARIANS

Menguji kesamaan atau perbedaan dua rata-rata telah berulang kali ditekankan adanya

asumsi bahwa populasi mempunyai varians yang sama agar menaksir dan menguji bisa berlangsung. Dalam hal varians yang berlainan, hingga sekarang hanya digunakan cara-cara pendekatan. Oleh karena itu terasa perlu untuk melakukan pengujian mengenai kesamaan dua varians atau lebih. Populasi-populasi dengan varians yang sama besar dinamakan populasi dengan varians yang homogen. Dalam hal lainnya disebut populasi dengan varians heterogen. Dalam bagian ini akan dilakukan pengujian kesamaan varians untuk dua populasi. Misalkan kita mempunyai dua populasi normal dengan varians dan .

Akan diuji mengenai uji dua pihak untuk pasangan hipotesis nol H0 dan tandingannya H1:

Berdasarkan sampel acak yang masing-masing diambil dari populasi tersebut. Jika sampel dari populasi kesatu berukuran n1 dengan varians berukuran n2 dengan varians dan sampel dari populasi kedua

maka untuk menguji hipotesis di atas digunakan statistik.

XII(11) ......................

Kriteria pengujian adalah : terima hipotesis H0 jika

Untuk taraf nyata , di mana F(m,n) didapat dari daftar distribusi F dengan peluang , dk pembilang = n dan dk penyebut = n .

Dalam hal lainnya Ho ditolak. Statistik lain yang digunakan untuk menguji hipotesis H0 di muka juga adalah:

XII(12) ....................

Dan tolak H0 hanya jika F

dengan

didapat daftar distribusi F dengan

peluang , sedangkan derajat kebebasan v1 dan v2 masing-masing sesuai dengan dk pembilang dan penyebut dalam rumus XII(12). Seperti biasa = taraf nyata. Dalam perhitungan F dari daftar, jika peluang beda dari 0,01 atau 0,05, maka digunakan Rumus VIII(22). Jika pengujian yang dihadapi merupakan uji satu pihak, yaitu uji pihak kanan, untuk hipotesis nol H0 dengan tandingan H1

Dan uji pihak kiri :

Maka dalam kedua hal, statistik yang digunakan masih

seperti dalam Rumus

XII(11). Untuk uji pihak kanan, kriteria pengujian adalah: tolak H0 jika F sedangkan untuk uji pihak kiri, tolak H0 jika F . Dalam hal-hal lain H0 diterima.

13.

KUASA UJI DAN KURVA CIRI OPERASI

Telah kita lihat bahwa dalam membuat keputusan berdasarkan pengujian hipotesis terjadi dua tipe kekeliruan, ialah dan . Untuk mendapatkan keputusan yang baik kedua kekeliruan tersebut haruslah seminimal mungkin. Tetapi hal ini sulit dicapai mengingat meminimalkan yang satu akan terjadi peningkatan yang lain; kecuali dengan jalan memperbesar ukuran sampel, yang pada umumnya jarang bisa dilaksanakan. Dalam prakteknya suatu kompromi diambil guna membatasi terjadinya kekeliruan yang dianggap berbahaya. Kekeliruan tipe I sering dibatasi dengan jalan menentukan terlebih dahulu taraf nyata misalnya = 0,001 atau = 0,05 atau nilai lainnya. Berpegang kepada prinsip ini, marilah sekarang kita lihat berapa besar kekeliruan mungkin dibuat dan berapa besar kuasa uji (1 ) didapat berdasarkan yang dipilih lebih dahulu tersebut. Diberikan contoh tentang uji rata-rata masa hidup lampu, ialah H0 : = 800 jam melawan H1 : 800 jam dengan = 60 jam diketahui. Dengan sampel berukuran n = 50 dan =792 jam,

pengujian menyatakan menerima H0 pada taraf = 0,05. Jika sebenarnya rata-rata masa hidup lampu itu bukan 800 jam, melainkan = 778 jam, berapakah , yaitu peluang membuat kekeliruan tipe II, dalam pengambilan keputusan di atas? Untuk menentukan , kita buat sketsa dua distribusi normal, yang satu dengan = 800 dan satu lagi dengan = 778. Kedua-duanya mempunyai = 60. Uji dua pihak dengan = 0,05 menghasilkan daerah penerimaan H0 berbentuk 1,96 < z < 1,96 atau atau .

Gambar XII(9)

adalah bagian grafik dalam distribusi normal dengan = 778 yang dalam daerah penerimaan H0 yaitu dari 783,36 ke 816,46. Dalam distribusi normal baku, ini sama dengan dari ke atau dari z = 0,63 ke z = 4,55 atau praktis dari z =

0,63 kekanan. Luasnya adalah 0,5 0,2357 = 0,2643. Jadi = 0,2643. Ini berarti peluang menerima hipotesis nol bahwa rata-rata masa hidup lampu 800 jam padahal sebenarnya 778 jam adalah 0,2643. Untuk itu, kuasa uji dapat ditentukan ialah (1 ) = 0,7357 dan ini tiada lain daripada peluang menolak hipotesis = 800 karena sebenarnya = 778. Jika sekarang = 825, maka merupakan bagian grafik dalam distribusi normal dengan = 825 yang terletak dalam daerah penerimaan H0 yaitu antara 783,36 dan 816,64.

Gambar XII(10) Dalam angka z, ternyata antara z = -4,91 dan z = -,099 atau praktis dari z = -0,99 ke kiri. Luasnya adalah 0,5 0,3389 = 0,1111. Dengan demikian = 0,1111 dan kuasa uji = 0,8889. Dengan cara yang sama, dan (1 - ) dapat dihitung untuk harga-harga yang berlainan. Beberapa diantaranya dapat dilihat berikut ini. Daftar XII (2)

Beberapa nilai kuasa uji untuk berbagai H0 : = 800 melawan H1 : 800 1- 750 765 778 790 800 810 825 870 845

0,0000 0,0154 0,2643 0,7815 0,95 0,7815 0,1111 0,0582 0,0004 1,0000 0,9846 0,7357 0,2185 0,05 0,2185 0,8889 0,9418 0,9996

Kita lihat bahwa menyatakan peluang menerima H0 : = 800 apabila sebenarnya harga lain daripada 800. Tetapi jika sebenarnya = 800, maka diartikan sebagai peluang menerima = 800 apabila memang itu harus diterima. Dalam hal ini, besar = 0,95. Grafik terhadap dinamakan kurva ciri operasi, disingkat kurva CO, yang dapat dilihat di bawah ini :

Gambar XII(11) Bentuk kurva CO seperti diatas adalah khas untuk uji dua pihak. Makin tajam puncak kurva makin baik aturan keputusan untuk menolak hipotesis yang tidak berlaku.

Grafik (1 ) terhadap dinamakan kurva kuasa untuk uji hipotesis. Untuk uji dua pihak dalam contoh di muka, bentuk kurva kuasanya dapat dilihat dalam gambar XII(12). Ternyata bahwa bentuknya persis kebalikan daripada kurva ciri operasi.

Gambar XII(12) (1 ) disebut juga fungsi kuasa, karena memperlihatkan kuasa daripada pengujian untuk menolak hipotesis yang seharusnya ditolak. Untuk uji satu pihak akan kita ambil uji pihak kanan mengenai proporsi sebagai contoh. Misalkan akan menguji H0 : = 0,5 melawan H1 : = 0,5 dengan = 0,05 berdasarkan sebuah sampel acak berukuran n = 100. ukuran sampel cukup besar, sehingga dapat digunakan pendekatan oleh distribusi normal dengan Rumus XII(3). Dinyatakan dalam perbandingan sampel f = x/n, kita terima H0 jika atau jika . atau

Jika sebenarnya = 0,4, berapakah besarnya ? Dengan melakukan penyesuaian terhadap x, dalam hal ini dikurangi 0,5, maka dalam kurva distribusi normal baku, letak daerah ada di sebelah kiri dari

Luasnya = 0,5 0,4968 = 0,0032 sehingga = 0,0032 dan kuasa uji = 0,9968. Dengan jalan yang sama, nilai dan (1 ) untuk berbagai diberikan di bawah ini. DAFTAR XII (3) BEBERAPA KUASA UJI UNTUK BERBAGAI H0 : = 0,5 melawan H1 : > 0,5 1- 0,3 1,0000 0,0000 0,4 0,9998 0,0002 0,5 0,95 0,05 0,6 0,3050 0,6950 0,7 0,0032 0,9968 0,8 0,0000 1,0000

Kurva ciri operasi (CO) untuk pengujian di atas dapat dilihat dalam Gambar XII(13) Makin agak jauh jalan kurva makin baik aturan keputusan untuk menolak hipotesis yang seharusnya ditolak. Kurva kuasa untuk pengujian di atas dapat dilihat dalam Gambar XII(14). Ternyata bentuknya kebalikan daripada kurva ciri operasi.

Gambar XII(13)

Gambar XII(14)

Kurva ciri operasi kurva kuasa adalah ekivalen. Hingga kini, dan (1 ) telah dihitung berdasarkan populasi normal dengan diketahui. Jika tidak diketahui, pengujian akan berdasarkan distribusi t dan ustuk menentukan

kuasa diperlukan distribusi yang nonsentral. Hal ini tidak dibicarakan di sini, karena memerlukan teori yang lebih jauh dan karenanya pula sudah keluar dari ruang lingkup buku ini. Hal yang sama juga berlaku untuk pengujian yang menggunakan distribusi F dan distribusi chi-kuadrat. Dalam hal ini, untuk menghitung diperlukan distribusi F nonsentral dan chi-kuadrat nonsentral. Distribusi-distribusi yang kita kenal sekarang di sini semuanya distribusi sentral.

14. MENENTUKAN UKURAN SAMPEL Sesudah kita mempelajari cara menguji hipotesis, akan diberikan beberapa contoh bagaimana menentukan banyak objek yang perlu diteliti. Faktor yang ikut menentukan dalam hal ini ialah: a. Mengenai parameter apakah hipotesis yang akan diuji itu. b. Bagaimana pengujian dilakukan, satu pihak atau dua pihak c. Berapa besar taraf nyata yang akan digunakan.

d. Berapa besar kekeliruan yang mau dilakukan e. Berapa besar penyimpangan yang dapat diterima diukur dari nilai hipotesis. Pada umumnya, simpangan baku tidak diketahui besar sebenarnya dan sering didapat berdasarkan penaksiran atau dari pengalaman. Dalam hal ini, cara menentukan ukuran sampel yang tepat haruslah digunakan distribusi t dan bukan distribusi normal. Untuk keperluan ini, karena menyangkut perhitungan , seperti telah diuraikan di muka, diperlukan distribusi t nonsentral. Hal yang sama berlaku untuk menentukan ukuran sampel berdasarkan pengujian yang menggunakan distribusi yang tidak normal.

15.

MENGUJI HOMOGENITAS VARIANS POPULASI

Untuk menguji kesamaan beberapa buah rata-rata, dimisalkan populasinya mempunyai varians yang homogen, yaitu dimisalkan Untuk menguji kesamaan dua rata-rata, telah

. sekarang akan diuraikan perluasannya yaitu untuk menguji kesamaan k

buah (k 2) varians populasi yang berdistribusi normal. Tepatnya, misalkan kita mempunyai k (k 2) buah populasi berdistribusi independen dan normal masing-masing dengan varians . Akan diuji hipotesis: H1: palingsedikit satu tanda sama dengan tidak berlaku

berdasarkan sampel-sampel acak yang masing-masing diambil dari setiap populasi. Ada beberapa metoda yang telah ditemukan untuk melakukan pengujian ini, tetapi di sini, hanya akan diberikan sebuah saja yang dikenal dengan nama uji Bartlett.