1

Layton Tire dan Rubber Company ingin menetapkan sebuah
jaminan jarak minimal untuk ban baru MX100-nya. Sebuah
pengujian menunjukkan bahwa jarak tempuh rata-ratanya
adalah 67.900 mil, dengan standar deviasi 2.050 mil, dan
distribusinya mengikuti distribusi probabilitas normal. Layton
ingin menetapkan jaminan jarak minimal sedemikian hingga
tidak lebih dari 4 persen bannya harus diganti. Berapa jarak
minimal mil yang harus dijamin oleh Layton?
Layton Tire and Rubber Company wishes to set a
minimum mileage guarantee on its new MX100 tire.
Tests reveal the mean mileage is 67.900 with a standard
deviation of 2.050 miles and that the distribution of miles
follows the normal probability distribution. Layton wants
to set the minimum guaranteed mileage so that no more
than 4 percent of the tires will have to be replaced. What
minimum guaranteed mileage should Layton announce?

µ = 67.900 (rata-rata populasi)

σ = 2.050 (standar deviasi populasi)

We don’t have any information about Z dan X

We have information about Layton wants to set the minimum guaranteed mileage so that no more than 4 percent of the tires
will have to be replaced. So, tire replaced if it does not get 64.312 of milliage. And the area
between µ and X is 0.4600, found by 0.5000 - 0.0400

So, Z score is -1,75

Then see Z table dan search the body of the table for the area closest to 0.4600 and we call it Z score.
The Z score is -1,75
Then we can now solve for X (the minimum guaranteed mileage) = 64.312 miliage

So Layton can advertise that it will replace for free any tire that wears out before it reaches 64.312 miles, and the company
will know that only 4 percent of the tires will be replaced under this plan.

Jadi Layton dapat mengumumkan bahwa ban yang rusak sebelum digunakan dalam 64.312 mil akan diganti secara gratis,
dan perusahaan dapat meyakini bahwa maksimal hanya 4% dari total ban yang akan diproduksi yang akan diganti.
 2

CONFIDENCE INTERVAL A range of values constructed from sample data so that the population parameter is likely to
occur within that range at a specified probability. The specified probability is called the level of confidence.

Kisaran nilai yang dibuat dari data sampel di mana parameter populasi cenderung terjadi dalam kisaran tersebut dengan
probabilitas yang spesifik. Probabilitas spesifik ini disebut dengan Tingkat Kepercayaan (level of confidence).

In general, a confidence interval for the population mean when the population follows the normal distribution and the
standard deviation is known is computed by:

σ = standar deviasi populasi

Interval Kepercayaan untuk Rata-Rata Populasi Jika  Confidence interval for population mean with σ
(standar deviasi populasi) diketahui known

Bun and Run adalah restoran waralaba siap saji yang berlokasi
di kawasan Northeast. Bagian perencanaan Bun-and-Run Inc.
melaporkan bahwa distribusi penjualan harian untuk restoran
tersebut mengikuti distribusi normal. Standar deviasi dari
distribusi penjualan harian adalah $3.000. Sampel berisi 40
data hasil penjualan harian menunjukkan rata-ratanya $20.000.
1) Berapakah rata-rata populasinya?
Rata-rata populasi (µ) tidak diketahui, hanya diperkirakan rata-
rata populasi sama dengan sampel yaitu $20.000
2) Berapa estimasi terbaik dari rata-rata populasinya? Nilai ini
disebut apa?
Estimasi titik (point estimate) => rata-rata populasi nya 20.000
The Bun-and-Run is a franchise fast-food restaurant
located in the Northeast specializing in half-pound
hamburgers, fish sandwiches, and chicken sandwiches.
Soft drinks and French fries are also available. The
Planning Department of Bun-and-Run Inc. reports that
the distribution of daily sales for restaurants follows the
normal distribution and that the population standard
deviation is $3,000. A sample of 40 showed the mean
daily sales to be $20,000.
1) What is the population mean?
2) What is the best estimate of the population mean?
What is this value called?

3) Buatlah interval kepercayaan 99% untuk rata-rata

populasinya!
3) Develop a 99 percent confidence interval for the
population mean.

X = rata-rata sampel = 20.000

z = 99% = 2,58.
 = standar deviasi populasi = 3.000
n = jumlah sampel = 40

20.000 ± 1.224
Rata-rata populasi ada di angka 18.776 s.d 21.224 4) Interpret the confidence interval

4) Jelaskan interval kepercayaan tersebut!

99% dari intervalnya akan mencakup rata-rata populasinya.
Titik ujungnya ada di angka 18.776 dan 21.224

Standar Deviasi Populasi σ tidak diketahui
Pada kebanyakan situasi sampling standar deviasi (σ) tidak
diketahui, misalnya pada contoh berikut:
Dekan Mahasiswa ingin memperkirakan jarak tempuh
mahasiswa ke kampus. Ia memilih sampel 40 mahasiswa,
menghubungi setiap mahasiswa, dan menentukan jarak satu
arah dari rumah setiap mahasiswa ke kampus.
Oleh karena kita tidak mengetahui σ , kita tidak dapat
menggunakan distribusi z. Kita menggunakan deviasi standar
sampel dan mengganti distribusi z dengan distribusi t
Sebuah produsen ban ingin menyelidiki umur tapak bannya.
Sampel dari 10 ban yang dikendarai sejauh 50.000 mil
menunjukkan rata-rata sampel sisa tapak 0,32 inci dengan
deviasi standar 0,09 inci. Interval kepercayaan 95 persen untuk
rata-rata populasi. Apakah masuk akal bagi pabrikan untuk
menyimpulkan bahwa setelah 50.000 mil jumlah rata-rata
populasi tapak yang tersisa adalah 0,30 inci?
= 0,32
s = 0,09
n = 10
df = degrees of freedom (derajat kebebasan) = n-1 = 10-1 = 9
look t-table. df = 9, confidence interval=95%, so t-table= 2.262
Would it be reasonable for the manufacturer to conclude that after 50,000 miles the population mean amount of tread
remaining is 0.30 inches?
A Confidence Interval for a Proportion
PROPORTION is The fraction, ratio, or percent indicating the part of the sample or the population having a particular
trait of interest.
The population proportion is identified by π. Therefore, π refers to the percent of successes in the population
3
Population Standard Deviation σ unknown
In most sampling situations the standard deviation (σ) is
unknown, for example in the following example:
The Dean of Students wants to estimate the distance
students travel to campus. He selected a sample of 40
students, contacted each student, and determined the one-
way distance from each student's home to campus.
Since we don't know σ, we cannot use the z distribution.
We use the sample standard deviation and replace the z
distribution with the t distribution
A tire manufacturer wishes to investigate the tread life of
its tires. A sample of 10 tires driven 50,000 miles
revealed a sample mean of 0.32 inches of tread remaining
with a standard deviation of 0.09 inches. Construct a 95
percent confidence interval for the population mean.
Would it be reasonable for the manufacturer to conclude
that after 50,000 miles the population mean amount of
tread remaining is 0.30 inches?
Hipotesis => µ=0,3 inches (two tails)
See page 309

Serikat perwakilan Bottle Blowers of America (BBA) sedang
mempertimbangkan proposal untuk bergabung dengan
Serikat Teamsters. Menurut anggaran rumah tangga serikat
BBA, sedikitnya ¾ anggota serikat harus menyetujui merger
apapun. Sampel acak 2.000 anggota BBA saat ini
menunjukkan bahwa 1.600 diantaranya akan menyetujui
proposal merger tersebut. Berapa estimasi proporsi dan
populasinya?
Gunakan interval kepercayaan 95%. Dengan mendasarkan
keputusan anda pada informasi sampel ini, dapatkah anda
mengambil kesimpulan bahwa terdapat cukup proporsi dari
populasi yang mendukung merger? Mengapa?
Memilih Ukuran Sampel yang Tepat
Keputusan kami didasarkan pada tiga variabel:
1. Batas kesalahan yang dapat ditoleransi oleh peneliti.
2. Tingkat kepercayaan yang diinginkan misalnya 95 persen.
3. Variasi atau sebaran populasi yang diteliti.
4
The union representing the Bottle Blowers of America (BBA)
is considering a proposal to merge with the Teamsters Union.
According to BBA union bylaws, at least three-fourths of the
union membership must approve any merger. A random
sample of 2,000 current BBA members reveals 1,600 plan to
vote for the merger proposal.
What is the estimate of the population proportion?
Develop a 95 percent confidence interval for the population
proportion. Basing your decision on this sample information,
can you conclude that the necessary proportion of BBA
members favor th merger? Why?
Choosing an Appropriate Sample Size
Our decision is based on three variables:
1. The margin of error the researcher will tolerate.
2. The level of confidence desired, for example, 95 percent.
3. The variation or dispersion of the population being studied.
 5

Uji hipotesis

Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis data, baik dari percobaan yang
terkontrol, maupun dari observasi (tidak terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara
statistik jika kejadian tersebut hampir tidak mungkin disebabkan oleh faktor yang kebetulan, sesuai dengan batas
probabilitas yang sudah ditentukan sebelumnya
Uji hipotesis kadang disebut juga "konfirmasi analisis data". Keputusan dari uji hipotesis hampir selalu dibuat
berdasarkan pengujian hipotesis nol. Ini adalah pengujian untuk menjawab pertanyaan yang mengasumsikan hipotesis
nol adalah benar
Daerah kritis (bahasa Inggris: critical region) dari uji hipotesis adalah serangkaian hasil yang bisa menolak hipotesis
nol, untuk menerima hipotesis alternatif. Daerah kritis ini biasanya disimbolkan dengan huruf C.
Definisi Istilah
Definisi berikut diambil dari buku karangan Lehmann dan Romano
1) Hipotesis statistik
Sebuah pernyataan tentang parameter yang menjelaskan sebuah populasi (bukan sampel).
2) Statistik
Angka yang dihitung dari sekumpulan sampel.
3) Hipotesis nol (H0)
Sebuah hipotesis yang berlawanan dengan teori yang akan dibuktikan.
4) Hipotesis alternatif (H1) atau hipotesis kerja (Ha)
Sebuah hipotesis (kadang gabungan) yang berhubungan dengan teori yang akan dibuktikan.
5) Tes Statistik
Sebuah prosedur yang masukannya adalah sampel dan hasilnya adalah hipotesis.
 6

6) Daerah penerimaan
Nilai dari tes statistik yang menggagalkan untuk penolakan hipotesis nol. = Ho diterima
7) Daerah penolakan
Nilai dari tes statistik untuk penolakan hipotesis nol. = Ha diterima
8) Kekuatan Statistik (1 − β)
Probabilitas kebenaran pada saat menolak hipotesis nol.
9) Tingkat signifikan test (α)
Probabilitas kesalahan pada saat menolak hipotesis nol.
10) Nilai P (P-value)
Probabilitas, mengasumsikan hipotesis nol benar.
Interpretasi
Jika nilai p lebih kecil dari tingkat signifikan tes yang diharapkan, maka hipotesis nol bisa ditolak, dan hipotesis
alternatif dianggap benar. Jika nilai p tidak lebih kecil dari tingkat signifikan tes yang diharapkan bisa disimpulkan
bahwa tidak cukup bukti untuk menolak hipotesa nol.
Contoh =
Tingkat kepercayaan 95% (level of confidence)
Tingkat signifikan test (α) = 5%
One tail = (α) = 5%
Two tails = (α)/2 = 5% / 2 = 2,5% = 0,25

Ho ditolak jika p< α , artinya Ha diterima

Ho gagal ditolak ketika p> α
Prosedur uji hipotesis
1. Tentukan parameter yang akan diuji
2. Tentukan Hipotesis nol (H0)
3. Tentukan Hipotesis alternatif (H1)
4. Tentukan (α)
5. Pilih statistik yang tepat
6. Tentukan daerah penolakan
7. Hitung statistik uji
8. Putuskan apakah Hipotesis nol (H0) ditolak atau tidak
Contoh uji hipotesis
Seorang yang dituduh pencuri dihadapkan kepada seorang hakim. Seorang hakim akan menganggap orang tersebut
tidak bersalah, sampai kesalahannya bisa dibuktikan. Seorang jaksa akan berusaha membuktikan kesalahan orang
tersebut.
Dalam kasus ini,
hipotesis nol (H0) adalah: "Orang tersebut tidak bersalah", dan hipotesis alternatif (Ha) adalah: "Orang tersebut
bersalah".
Ada dua kondisi yang mungkin terjadi terhadap orang tersebut:
1. Orang tersebut tidak bersalah.
2. Orang tersebut bersalah.
Dan ada dua keputusan yang bisa diambil hakim:
1. Melepaskan orang tersebut.
2. Memenjarakan orang tersebut.

Hipotesis alternatif (H1) benar

Hipotesis nol (H0) benar
(Orang tersebut bersalah)
(Orang tersebut tidak bersalah)

Keputusan yang salah

Menerima hipotesis nol
(Orang tersebut dibebaskan)
Menolak hipotesis nol
(Orang tersebut dipenjara)
Keputusan yang benar
(Kesalahan Tipe II)
Keputusan yang salah
Keputusan yang benar.
(Kesalahan Tipe I)
 7

Dalam kasus ini, ada dua kemungkinan kesalahan yang dilakukan hakim:
1. Memenjarakan orang yang benar (Kesalahan Tipe I)
2. Melepaskan orang yang bersalah (Kesalahan Tipe II)

PENGUJIAN HIPOTESIS

A. Pengertian Pengujian Hipotesis

Pengujian statistik (test statistic) sebagai dasar pengambilan keputusan dalam prosedur pengujian hipotesis
yang jumlah besar z dan yang jumlah kecil menggunakan t

B. Prosedur Pengujian Statistik

Nyatakan hipotesis nol dan hipotesis alternatifnya.

1. Pilih taraf nyata α serta besaran sampel n.

2. Pilih statistik uji yang sesuai.
3. Tentukan daerah kritis.
4. Kumpulkan data sampel dan hitung statistik sampel.
5. Kesimpulan.

Perhatikan gambar kurva berikut untuk mempermudah dalam mengambar keputusan

1. Uji hipotesa satu arah sebelah kanan (one tail)

Perumusan hipotesanya : Ho ; µ ≤ 50
a= kontansta

2. Uji hipotesa satu arah sebelah kiri (one tail)

Perumusan hipotesanya : Ho ; µ ≥ 50

3. Uji dua arah

Perumusan hipotesanya : Ho ; µ ≠ a
 8

C. Pengujian dengan Sampel Besar

Pengujian hipotesis ini digunakan jika jumlah sampelnya lebih besar dari 30 (if we collect sample data more
than 30 we use Z formula, but if the sample data maximum 30 or less we use t formula

1. Pengujian parameter rata-rata, Ho ; 𝜇𝑥 = 𝜇0 , dimana 𝜎𝑥 2 diketahui

𝑥̅ − 𝜇0
𝑧= 𝜎𝑥
√𝑛

Daerah kritis pengujian

𝑥̅ − 𝜇0 𝑥̅ − 𝜇0
𝜎𝑥 > 𝑍𝑎/2 , 𝜎𝑥 < −𝑍𝑎/2
√𝑛 √𝑛

Contoh :

Secara teknis populasi yang terdiri dari seluruh pelat baja yang dihasilkan oleh sebuah perusahaan
industri besi baja memiliki rata-rata panjang 80 cm dengan standar deviasi 7 cm sesudah selang 3
tahun teknisi perusahaan meragukan hipotesis tentang rata-rata panjang pelat baja diatas. Guna
menyakinkan keabsahan hipotesis diatas sebuah sampel random sebanyak 100 unit pelat baja
dipilih dari populasi dan menghasilkan panjang rata-rata 83 cm. teknisi percaya bahwa standar
deviasinya masih sama. Tingkat kepercayaan 95%

Apakah ada alasan untuk meragukan hipotesis diatas, gunakan 𝛼 = 0,05

Prosedur penyelesaian

1. 𝐻0 : 𝝁𝒙 = 𝟖𝟎, → 𝐻𝑎 : 𝜇𝑥 ≠ 80
2. 𝛼 = 0,05 → 𝑍𝑡𝑎𝑏𝑒𝑙 = 1,96
𝑥̅ − 𝜇0 83− 80
3. 𝑧= 𝜎𝑥 → 𝑧= 7 = 4,2857
√𝑛 √ 100

-1,96 0 1,96

H0 ditolak, Ha diterima. Sehingga panjang plat baja memiliki nilai rata-rata tidak sama dengan 80.

2. Pengujian parameter rata-rata, Ho ; 𝜇𝑥 = 𝜇0 , dimana 𝜎𝑥 2 tidak diketahui

𝑥̅ − 𝜇0
𝑧= 𝑠
√𝑛
Daerah kritis pengujian
𝑥̅ − 𝜇0 𝑥̅ − 𝜇0
𝑠 > 𝑍𝑎/2 , 𝑠 < −𝑍𝑎/2
√𝑛 √𝑛
 9

3. Pengujian parameter proporsi, Ho ; 𝑝 = 𝑝0

𝑝 − 𝑝0
𝑍=
√𝑝0 (1 − 𝑝0
𝑛

𝑝 − 𝑝0 𝑝 − 𝑝0 𝑥
> 𝑍𝑎/2 , < −𝑍𝑎/2 , 𝑝=
𝑛
√𝑝0 (1 − 𝑝0 √𝑝0 (1 − 𝑝0
𝑛 𝑛

Contoh :

Sebuah sampel random yang terdiri dari 400 unit komputer telah dipilih dari suatu populasi komputer
yang jumlahnya banyak sekali.
Ternyata 12 unit dinyataklan rusak.
Apakah hasil sampel di atas merupakan suatu bukti bahwa presentasi komputer yang rusak dalam
populasinya adalah lebih dari 2% proses produksi harus diperbaiki.
Sebaliknya jika presenasi kerusakan hanya 2% atau kurang, maka proses produksi tidak perlu
diperbaiki.

Prosedur pengujian :
1. Ho ; 𝑝 ≤ 0,02, 𝐻1 > 0,02
2. α = 0,05 maka Z table = 1,96
0,03− 0,02
3. 𝑍 = = 1,4285
0,02 𝑥 0,98
√
400
4. Karena 1,4285 < 1,96, maka H0: p≤0,02 diterima

4. Pengujian parameter rata-rata, Ho ; 𝜇𝑥 = 𝜇0 , atau 𝜇𝑥 − 𝜇0 = 0, dimana

𝜎𝑥 2 diketahui 𝜎1 2 ≠ 𝜎2 2

(𝑥̅1 − 𝑥̅2 ) − (𝜇̅1 − 𝜇̅2 )

𝑧=
𝜎𝑥̅ 1−𝑥̅ 2
𝜎1 2 𝜎2 2
𝜎𝑥̅ 1−𝑥̅ 2 =√ +
𝑛1 𝑛2
Daerah kritisnya
(𝑥̅1 − 𝑥̅ 2 ) − (𝜇̅1 − 𝜇̅2 ) (𝑥̅1 − 𝑥̅2 ) − (𝜇̅1 − 𝜇̅2 )
> 𝑍𝑎/2 , < −𝑍𝑎/2
𝜎𝑥̅ 1−𝑥̅ 2 𝜎𝑥̅ 1−𝑥̅ 2
 10

Contoh :
Seorang importer telah mengimpor sejumlah lampu pijar yang merknya berbeda, yaitu lampu merk A
dan merk B. importer tersebut ingin mengetahui ada atau tidak perbedaan secara nyata usia rata-rata
kedua merk lampu pijar diatas. Secara random dipilih 50 lampu merk A dan 50 merk B. setelah
diadakan pengukuran secara seksama, ternyata usia rata-rata lampu A sebesar 1.282 dan lampu B
sebesar 1.208 jam berdasarkan pengalaman, ia menduga deviasi standar populasi lampu A sebesar 80
jam dan lampu B sebesar 94 jam. Yakinkah pedagang impor bahwa usia rata-rata kedua merk lampu
diatas nyata berbeda

1. 𝐻0 : 𝜇1 = 𝜇2 𝑎𝑡𝑎𝑢 𝜇1 − 𝜇2 = 0 𝐻1 : 𝜇1 ≠ 𝜇2
2. 𝜎 = 0,05 , maka 𝑍𝑡𝑎𝑏𝑒𝑙 = 1,96
(𝑥̅ 1 −𝑥̅ 2 )−(𝜇
̅ 1 −𝜇
̅2) (1282−1208)−0
3. 𝑧 = = = 4,23
𝜎𝑥̅1−𝑥̅2 2 2
√(80) +(94)
50 50

4. Karena 4,23 >1,96 maka H0 ditolak, dengan kata lain beda antara usia rata-rata lampu merk A dan
B memang nyata pada taraf nyata 0,05

5. Pengujian parameter rata-rata, Ho ; 𝜇𝑥 = 𝜇0 , dimana 𝜎𝑥 2 diketahui 𝜎1 2 = 𝜎2 2 = 𝜎 2

(𝑥̅1 − 𝑥̅2 ) − (𝜇̅1 − 𝜇̅2 )
𝑧=
𝜎𝑥̅ 1−𝑥̅ 2
1 1
𝜎𝑥̅ 1−𝑥̅ 2 = √ +
𝑛1 𝑛2
Contoh : Dua orang teknisi perusahaan kayu telah melakukan observasi secara tersendiri mengenai
hasil rata-rata perjam dari penggunaan suatu mesin gergaji kayu. Teknisi A melakukan 12 observasi
memperoleh hasil rata-rata 120 lembar kayu, sedangkan teknisi B 8 observasi dengan hasil 115
lembar kayu. Varians populasi kurang lebih sama sebesar 40 lembar kayu. Apakah kedua teknisi
tersebut yakin bahwa beda antara kedua hasil rata-rata di atas betul nyata dan bukan disebabkan faktor
kebetulan?>
1. 𝐻0 : 𝜇1 = 𝜇2 𝑎𝑡𝑎𝑢 𝜇1 − 𝜇2 = 0 𝜎 𝐻1 : 𝜇1 ≠ 𝜇2
2. 𝜎 = 0,05 , maka 𝑍𝑡𝑎𝑏𝑒𝑙 = 1,96
(𝑥̅ 1 −𝑥̅ 2 )−(𝜇
̅ 1 −𝜇
̅2) (120−115)−0
3. 𝑧 = = = 1,73
𝜎𝑥̅1−𝑥̅2 1 1
6,325√ +
50 50

4. Karena 1,73 <1,96 maka H0 diterima, dengan kata lain beda antara jumlah lembar kayu yang
dihasilkan memang disebabkan faktor kebetulan

6. Pengujian beda antara dua proporsi 𝑝1 − 𝑝2

(𝑝̌1 − 𝑝̌2 ) − (𝑝1 − 𝑝2 )
𝑧=
𝜎𝑝̌1−𝑝̌2
𝑝1 (1 − 𝑝1 ) 𝑝2 (1 − 𝑝2 )
𝜎𝑝̌1−𝑝̌2 = √ +
𝑛1 𝑛2
 11

Contoh : suatu penelitian preferensi konsumen terhadap sabun mandi merk A dan telah dilakukan
oleh perusahaan sabun yang bersangkutan. Penelitian telah dilakukan terhadap 200 keluarga
konsumen di Jakarta. Berdasarkan pendapatan rata-rata perbulan, para konsumen di bagi menjadi 2
golongan yang berpendapatan berbeda. Golongan pertama merupakan golongaan yang mampu dan
meliputi 30 persen dari seluruh konsumen yang diobservasi sedangkan golongan kedua merupakan
golongan yang kurang mampu dan jumlahnya mencapai 70 persen dari seluruh konsumen yang
diobservasi. Pada golongan pertama 40 konsumen menyatakan suka dengan sabun merkA, sedangkan
pada golongan kedua 80 konsumen yang menyatakan senangdengan sabun merk A di atas.
Berdasarkan penelitian di atas adakah alasan untuk menyangsikan pernyataan (hipotesis) yang
menganggap bahwa proporsi kedua golongan konsumen yang menyukai sabun merk A adalah sama.
1. 𝐻0 : 𝑝1 = 𝑝2 𝑑𝑎𝑛 𝑝1 > 𝑝2
2. 𝜎 = 0,05 , maka 𝑍𝑡𝑎𝑏𝑒𝑙 = 1,645
(𝑝̌1 −𝑝̌2 )−(𝑝1 −𝑝2 )
3. 𝑧 = 𝑝 (1−𝑝 ) 𝑝 (1−𝑝 )
√ 1𝑛 1+ 2𝑛 2
1 2
40 + 80 120
𝑝= = = 0,60
60 + 140 200
40 80
𝑧= 60 − 140 = 1,269
√ 0,60𝑥0,40 0,60𝑥0,40
+
60 140

4. Karena 1,269<1,645 maka Ho diterima

D. Pengujian hipotesa dengan Sampel Kecil

Pengujian hipotesis ini digunaka jika jumlah sampelnya lebih kecil dari 30
1. Pengujian parameter rata-rata Ho ; 𝜇𝑥 = 𝜇0 , dimana 𝜎𝑥 2 tidak diketahui
𝑥̅ − 𝜇𝑜
𝑡= 𝑠
√𝑛

Daerah kritis pengujian

𝑥̅ − 𝜇𝑜 𝑥̅ − 𝜇𝑜
𝑠 > 𝑡(𝑎/2𝑑.𝑓) , 𝑠 < −𝑡(𝑎/2𝑑.𝑓)
√𝑛 √𝑛
 12

Contoh `: Secara hipotesis , mesin cetak “A” dapat mencetak 6.500 helai kertas perjam. Sebuah
perusahaan ingin membuktikan keabsahan hipotesa di atas. Perusahaan mengadakan observasi secara
epiris dengan menggunakan 12 buah mesin cetak
6.000 5.900 6.200 6.200 5.500 6.100
5.800 6.400 6.500 5.400 6.200 6.700
Apakah ada alas an bagi perusahaan guna mempercayai hipotesis di atas
n = 12 x = 6.075 dan s = 384,06

Prosedur pengukuran
1. 𝐻0 : 𝜇𝑥 = 6.500, 𝐻1 ≠ 6.500
2. 𝜎 = 0,05 , dan 𝑡𝑡𝑎𝑏𝑒𝑙 = 2,201
6.075 −6.500
3. 𝑡 = 384,06 = −3,81176
√12
4. Karena -3,81176 < -2,201 mmaka Ho ditolak

2. Pengujian parameter rata-rata Ho ; 𝜇𝑥 = 𝜇0 , dimana 𝜎𝑥 2 tidak diketahui dan 𝜎1 2 = 𝜎2 2 = 𝜎 2

(𝑥̅1 − 𝑥̅2 ) − (𝜇1 − 𝜇2 )
𝑡=
(𝑛 − 1)𝑠1 2 + (𝑛2 − 1)𝑠2 2 1 1
√ 1 √ +
𝑛1 + 𝑛2 − 2 𝑛1 𝑛2
Derajat bebas 𝑛1 + 𝑛2 − 2
Contoh : dua jenis pupuk buatan digunakan di atas tanah pertanian yang memiliki tingkat kesuburan
maupun kondisi iklim yang kurang lebih sama. Tujuan penggunaan pupuk di atas adalah apakah
hasil salah satu jenis pupuk buatan tersebut betul-betul berbeda dari yang lain. Peneliti memilih
secara random 12 petak pertanian dan memberinya pupuk buatan 𝑋1 𝑑𝑎𝑛 𝑋2
Hasil penggunaan 𝑋1: 31 34 29 26 32 35 38 34 3029 32 31
Hasil penggunaan 𝑋2: 26 24 28 29 30 29 3226 31 29 32 28
Apakah hasil penggunaan pupuk berbeda
𝑥1 = 31,75 → 𝑆1 2 = 10,2045
̅̅̅
𝑥2 = 31,75 → 𝑆2 2 = 10,2045
̅̅̅
1. 𝐻0 : 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝜇1 ≠ 𝜇2
2. 𝜎 = 0,05 , maka 𝑡𝑡𝑎𝑏𝑒𝑙 = 1,96 dan 𝑡𝑡𝑎𝑏𝑒𝑙 = −1,96
31,75−28,67
3. 𝑡 = 11𝑥10,2045+11𝑥6,058 1 1
= 2,646
√ √ +
22 12 12

4. Karena 2,646>2,074 maka Ho ditolak

3. Pengujian parameter rata-rata Ho ; 𝜇𝑥 = 𝜇0 , dimana 𝜎𝑥 2 tidak diketahui dan 𝜎1 2 ≠ 𝜎2 2

(𝑥̅1 − 𝑥̅2 ) − (𝜇1 − 𝜇2 )
𝑡=
𝑠 2 𝑠 2
√ 1 + 2
𝑛 −1 𝑛 −2
1 2