Makalah Uji Hipotesis Statistika
BAB
I
PENDAHULUAN
Ketika kita menggunakan
statistika untuk menguji hipotesis maka muncullah dua macam hipotesis berupa
hipotesis penelitian dan hipotesis statistika. Tepatnya hipotesis penelitian
kita rumuskan kembali menjadi hipotesis statistika yang sepadan. Hipotesis
statistika harus mencerminkan dengan baik maksud dari hipotesis penelitian yang
akan diuji.
Dalam memebuat
keputusan mengenai populasi atas informasi dari sampel, dibutuhkan
asumsi-asumsi mengenai populasi yang
bersangkutan, yang disebut sebagai Hipotesa Statistik yang umumnya merupakan
pernyataan mengenai sebaran peluang dari populasi. Hipotesa statistik
dirumuskan dengan tujuan untuk menolaknya.
Hipotesis yang bersifat
statistik sebenarnya dapat diartikan sebagai suatu asumsi mengenai parameter
fungsi frekuensi variable random. Berdasarkan penaksiran, lalu kesimpulan dibuat
bagaimana atau berapa besar harga parameter tersebut.
BAB
II
PEMBAHASAN
2.1. Pengertian Pengujian Hipotesis
Hipotesis adalah pernyataan
tentang sesuatu yang perlu dibuktikan atau diuji kebenarannya (Kuswadi, 2004). Asumsi atau dugaan mengenai
sesuatu hal yang dibuat untuk menjelaskan hal itu yang sering dituntut untuk
melakukan penegcekkannya. Jika asumsi atau dugaan itu dikhususkan mengenai
populasi, maka hipotesis tersebut merupakan hipotesis statistik. Setiap hipotesis bisa
benar atau tidakbenar dan karenanya perlu diadakan penelitian sebelum hipotesis
itu diterima atau ditolak. Langkah atau prosedur untuk menentukan apakah
hipotesis tersebut diterima atau ditolak disebut dengan pengujian hipotesis.
Telah kita ketahui bahwa suatu penduga pada umumnya tidaklah harus sama dengan
nilai parameter yang sebenarnya.
Misalnya, distribusi
probabilita yang merupakan model bagi distribusi X, katakanlah hasil penstensilan kertas koran
dalam n percobaan penstensilan demikian dinyatakan sebagai :
F(x) = (NCx) px
(1-p)n-x
Jika p = ¼ dan n= 500, maka
F(x) =
|
500!
|
(1/4)x(3/4)500-x
|
X!(500-x)
|
Parameter p diatas
merupakan probabilita kerusakan pada setiap penstensilan sedemikian itu dan
dapat merupakan suatu asumsi yang memiliki karakteristik hipotesis statistik
karena p = ¼ merupakan parameter fungsi frekuensi vareiable random p.
Andaikan kita meragukan
hipotesis diatas, maka kita dapat
mengujinya secara statistik pula jika sekali lagi jika datanya dapat
dukumpulkan dan dianalisa dalam cara yang memenuhi ketentuan asas-asas
statistik. Pengujian hipotesis diatas dianggap sebagai suatu prosedur guna
menentukan apakah hipotesis diatas sebaiknya diterima atau ditolak andaikan
keraguan kita mengenai p = ¼ di atas disebabkan oleh adanya kemungkinan p = ½
meskipun kita yakin bahwa kemungkinan p = ¼ lebih besar dari pada p = ½ . maka, hipotesis yang akan kita uji dapat
dinyatakan sebagai berikut. H0 : p = ¼ dan H1 : p ≠¼
H0 merupakan
hipotesis nol dan merupakan hipotesis yang akan diuji danyang nantinya akan
diterima atau ditolak tergantung pada hasil eksperimen atau pemilihan
sampelnya. H1 merupakan hipotesis alternatif atau hipotesis
tandingan. Pengujian diatas membutuhkan observasi atau hasil pemilihan sampel
yang bersifat random tentang frekuensi kerusakan X/n hasil penstensilan itu
sendiri. Observasi pemilihan sampel sedemikian itu dapat dilakukan secara
berulang-ulang kali atau sekali saja.atas dasar nilai statistik sampel,
keputusan diambil untuk menentukan apakah H0 tersebut sebaiknya
diterima atau ditolak. Jika H0 diterima, maka sama artinya dengan H1
ditolak dan sebaliknya jika H0 ditolak maka H1 diterima.
Dalam melakukan
pengujian hipotesis, ada dua macam kekeliruan yang dapat terjadi, dikenal
dengan nama-nama :
a)
Kekeliruan tipe I : adalah kekeliruan
karena menolak hipotesis (H0) padahal hipotesis tersebut benar.
Kekeliruan ini disebut kekeliruan α..
b) Kekeliruan
tipe II : adalah kekeliruan menerima hipotesis (H0) padahal hipotesis
tersebut salah. Kekeliruan ini disebut β
.
Uji hipotesis atau peraturan
pengambilan keputusan dilakukan dengan baik agar kesalahan pengambilan
keputusan dapat diminimalisir. Cara untuk mengurangi kedua tipe kekeliruan
tersebut adalah dengan memperbesar ukuran sampel, yang mungkin atau tidak
mungkin dilakukan (Spiegel, 1992).
2.2.
Prosedur Dasar Pengujian Hipotesis
Pengujian hipotesis statistik memiliki prosedur yang harus diikuti
tergantung pada hipotesisnya yang distribusi populasi. Prosedur umum yang harus
diikuti tergantung pada hipotesisnya dan distribusi populasi. Prosedur umum
yang harus diikuti dapat dibagi dalam beberapa langkah :
a) Rumuskan dengan baik hipotesis penelitian agar
dapat dihitung statistik sampelnya, seperti rata-rata, seperti :
Pengujian
hipotesis dapat dilakukan terhadap satu populasi untuk pengujian hipotesis
rata-rata dua populasi. Misalnya, rata-rata tekanan darah sapi Ongole sama
dengan tekanan darah sapi Brahman.
H0 :
=
= rata-rata
tekanan darah sapi Ongole
= rata-rata tekanan darah sapi Brahman
Rata-rata
tekana darah sampel sapi Ongole dan sapi Brahman adalah x1 dan x2.
b) Tentukan
derajat kemaknaan α atau kesalahan tipe 1 yang akan digunakan. Penentuan ini
harus dilakukan pada saat perencanaan.
c) Tentukan kesalahan tipe 2 atau β. Biasanya
penentuan ini dilakukan pada saat menghitung besarnya sampel.
d) Tentukan distribusi yang akan digunakan dalam
perhitungan. Tentukan metode statistik yang akan digunakan untuk menghitung
statistik sampel.
e) Tentukan kriteria menerima atau menolak
hipotesis nol pada derajat kemaknaan yang telah ditentukan.
f) Buatlah kesimpulan yang tepat pada populasi
yang bersangkutan.
Ilusrasi 1. Prosedur
Pengujian Hipotesis
2.3. Uji – Z = Pengujian untuk Sampel Besar
Pengujian hipotesa dapat
menggunakan rumus-rumus untuk variabel normal baku (Z) atau t dan sesuai dengan
tingkat nyata yang dipilih (α) dan jenis pengujian yang dipilih (dua sisi, satu
sisi kanan atau satu sisi kiri). Menggunakan (Z) jika datanya berdistribusi
atau mempunyai fungsi normal (data sampel ≥ 30)dan menggunakan uji t jika data
sampel kecil (<30).
Nilai Z
dihitungkan dengan rumus : Z =
Untuk pengujian dua sisi :
Ho diterima, jika –Z α /2 atau Z < Z α /2
Ho ditolak, jika Z > Z α /2 atau Z < -Z α /2
Untuk pengujian sisi kanan :
Ho diterima, jika Z < Z α /2
Ho ditolak, jika Z > Z α /2
Untuk pengujian sisi kiri :
Ho diterima, jika Z
> -Z α /2
Ho
ditolak, jika Z < -Z α /2
2.3.1.
Pengujian
Parameter Rata-rata, Ho: µ=µ0 dimana σ2 Tidak Diketahui
Nilai Z
dihitungkan dengan rumus : Z =
Untuk pengujian dua sisi :
Ho
diterima, jika –Z α /2 atau Z < Z α /2
Ho
ditolak, jika Z > Z α /2 atau Z
< -Z α /2
Untuk pengujian sisi kanan :
Ho
diterima, jika Z < Z α /2
Ho
ditolak, jika Z > Z α /2
Untuk pengujian sisi kiri :
Ho
diterima, jika Z > -Z α /2
Ho
ditolak, jika Z < -Z α /2
Contoh :
Jumlah kunjungan di Peternakan A dan jumlah
kunjungan di Peternakan B mempunyai varian yang sama, yaitu 25 dan akan diuji
apakah terdapat perbedaan. rata-rata jumlah pengunjung di Peternakan A dan
Peternakan B berada pada derajat kemaknaan 0,05. Dari Peternakan A dan
Peternakan B diambil sampel sebesar 50 dan 60 hari kerja hingga diperoleh
rata-rata 62 dan 60 kunjungan.
Jawab :
Hipotesis
statistik: H0 : µ1
= µ2
Ha
:µ1 ≠ µ2
Α = 0,05
Diketahui:
n1 = 50 n2 = 60
= 62
2
= 60
σ12
= 25 σ22= 25
= σ
=
5√1/50 + 1/60 = 0,957
Interval konfidensi: µ1 = µ2
= 0
0 - 1,96 x 0,957 = -1,87
0 + 1,96 x 0,957 = 1,87
H0 akan diterima bila selisih
rata-ratanya terletak antara -1,87 dan +1,87. Selisih sampel 62-60=2
Hipotesis nol ditolak pada α 0,05 atau
p<0,05
Kesimpulannya,
kita 95% percaya bahwa terdapat perbedaan antara rata-rata sampel pada derajat
kemaknaan 0,05 atau p<0,05
Grafik
pengujian hipotesis perbedaan jumlah kunjungan peternakan
Penyelesaian
soal ini dapat dilakukan dengan menghitung nilai Z, seperti berikut:
Z = (
) /
= 62 - 60 / 0,957= 2,09
H0 akan
diterima bila selisih rata-ratanya terletak antara -1,96 dan +1,96 Hipotesis
nol ditolak karena terletak diluar daerah penerimaan pada derajat kemaknaan
0,05 atau p<0,05
Grafik
pengujian hipotesis perbedaan jumlah kunjungan Peternakan
Z = 2,09
2.3.2. Pengujian H0 : µ1 = µ2
Dimana σp2 Diketahui dan σ12 = σ22
Dalam bidang tertentu kita sering dihadapkan dengan masalah yang
membutuhkan penarikan kesimpulan, apakah parameter dua populasi memang berbeda
atau perbedaan yang tampak hanya desebabkan oleh faktor kebetulan. Dalam hal
ini, kita berhadapan dengan perbedaan antara dua populasi. Salah satu macam
pengujian hipotesis perbedaan dua parameter populasi adalah pengujian perbedaan
rata-rata dua pihak dengan sampel besar dimana kesalahan baku kedua populasi
sama dan diketahui. Pengujian hipotesis tersebut bisa dihitung dengan
menggunakan rumus berikut :
Statistik
uji Z =
Dimana
=
Contoh soal :
Dua orang teknisi melakukan observasi secara sendiri-sendiri
mengenai hasil rata-rata per jam dari penggunaan suatu mesin pemotong bulu
domba teknisi (A): 12 obervasi dan memperoleh hasil rata-rata
120 kilogram. Sedangkan teknisi (B): 8 observasi rata-rata 115 kilogram. Pengalaman
menunjukkan bahwa σ2 = 40 kilogram. Apakah kedua teknisi yakin bahwa
beda antara kedua hasil rata-rata tersebut diatas betul-betul nyata, bukan
karena faktor kebetulan?
Jawab :
1.
H0 : µ1= µ2 dan
H1 : µ1 ≠ µ2
2.
α = 0,05
3.
Z =
4.
Daerah kritis
(terima H1) dengan α = 0,05 secara 2 arah
Z > Z
½ α dan Z < - Z ½ α
Z >
1,96 dan Z < - 1,96
5.
Z =
= 1,73358
6.
Karena 1,73358 < 1,96 maka H0
diterima, beda rata-rata hanya disebabkan faktor kebetulan dan tidak nyata
serta µ1= µ2.
2.4.
Uji-t
Pengujian untuk Sampel Kecil
Uji beda dua mean dapat
dilakukan dengan menggunakan uji Z atau uji T. Uji Z dapat digunakan bila
standar deviasi populasi (σ) diketahui dan jumlah sample besar (lebih dari 30).
Apabila kedua syarat tersebut tidak terpenuhi, maka di lakukan uji T. Pada
umumnya nilai σ sulit diketahui, sehingga uji beda dua mean biasanya
menggunakan Uji T (T - Test). Untuk varian yang sama, bentuk ujinya adalah
sebagai berikut.
X1 – X2
T =
Sp
(1/n1) +
(1/n2
(n1-1) S12
+ (n2-1) S22
SP2 =
n1 + n2 - 2
df = n1 + n2
– 2
Keterangan :
N1 atau n2 = jumlah
sampel kelompok 1 atau 2
S1
atau S2 = standar deviasi sampel kelompok 1 dan 2
2.4.1. Pengujian H0 : µ = µ0 Dimana
σ2 Tidak Diketahui
Contoh :
Nilai rata-rata ujian statistika di Fakultas Peternakan tahun lalu
adalah 76 dan tahun ini diperkirakan nilai rata-rata tersebut akan sama dengan
tahun lalu (Ho). Setelah selesai ujian tahun ini, diambil 40
mahasiswa sebagai sampel dan nilai rata-rata = 73 dengan simpangan baku (S) =
6. Dengan menggunakan α = 5%, apakah Ho diterima atau ditolak?
Jawab: Ho
: Nilai rata-rata ujian statistika
= μ = 76
H1 : Nilai rata-rata ujian statistika = μ ≠ 76
Dipergunakan
pengujian dua sisi.
Ho diterima, jika –Z α /2
< Z < Z α /2
Ho ditolak, jika Z > Z α /2 atau Z < -Z α /2
Untuk α
= 5%, nilai Z α /2 = 1,96 (lihat table luas kurva normal, angka 95%/2 atau
0,4750 ada pada koordinat 1,9 dan 0,06 atau 1,96)
Data
dari sapel seperti tersebut diperoleh:
Z =
=
=
= -3,16
Oleh
karena itu –Z α /2 ( -1,96) < Z ( -3,16)
Z α /2 (1,96), maka kesimpulannya Ho diterima. Atau, dengan
kata lain, nilai ujian rata-rata statistika tahun ini sama dengan tahun lalu.
2.4.2.
Pengujian Ho : µ1 = µ2 atau µ1 - µ2 = 0, Jika σ2 tidak diketahui dan σ 12 = σ 22
Apabila simpangan baku tidak diketahui dan sampelnya kecil maka
digunakan distribusi t (Budiarto, 2002). Statistik t dirumuskan sebagai berikut
:
t = (X1- X2)
Sp √1 / n1 + 1/n2
Simpangan
baku biasanya ditaksir dari simpangan baku sampel, tetapi karena tidak
diketahui, maka harus dihitung dahulu simpangan baku gabungannya (Budiarto,
2002). Rumusnya adalah sebagai berikut :
Sp2 = (n1-1)S12
+ (n2-1)S22
n1 + n2 – 2
Keterangan
:
n1
atau n2 = jumlah sampel kelompok 1 atau 2
S1
atau S2 = standar deviasi sampel kelompok 1 atau 2
Statistik uji – t memiliki distribusi t dengan derjat bebas (n1 + n2 - 2). Daerah
kritis (menerima H1) pengujian untuk populasi tak terbatas :
(X1 – X2)
> t (1/2 α : n1 + n2
– 2) dan (X1 – X2) < - t (1/2 α : n1 + n2 –
2)
Sp/ √1/n1
+ 1/n2
Sp/ √1/n1 + 1/n2
Contoh :
Dua
macam obat penambah bobot badan diberikan pada unggas untuk jangka waktu 3
bulan. Obat 1 diberikan pada 10 unggas, sedangkan obat kedua diberikan kepada 9
unggas. Ingin diuji apakah terdapat perbedaan dalam sistem kerja pada kedua
macam obat tersebut dengan derajat kemaknaan 0,05.
Obat
ke-1 dapat menambah produksi daging 9,6 kg dan obat ke-2 menambah produksi
daging 10 kg.
Diketahui :
X1 =
9,6 kg X2 = 10 kg
S12
= 16 S22
= 9
n1 =
10 n2 = 9
Hipotesis
statistik:
H0
: µ1 = µ2
Ha
: µ1 ≠µ2
α = 0,05
dk = 17
Ditanyakan
:
Apakah
terdapat perbedaan antara keduanya?
Penyelesaian :
Sp2 = (n1-1)S12 + (n2-1)S22
n1
+ n2 – 2
Sp2
= (10-11) 6 + (9-1) 9 = 12,7
17
S = 3,56
S (X1-X2) = S√1/n1
+1/n2
=3,56√1/10+1/9 =
1,636
t =
(X1- X2)
Sp
√1 / n1 + 1/n2
= (9,6- 10)
1,64
= -
0,244
t, dk 17 = 2,11
H0 akan diterima apabila hasil
perhitungan “t” terletak antara -2,11 & + 2,11. Kesimpulannya H0
diterima pada α 0,05atau p > 0,05 atau tidak terdapat perbedaan antara 2
macam obat penambah bobot badan tersebut.
2.4.3. Pengujian Ho : µ1
= µ2 atau µ1 - µ2 = 0, Jika σ2 tidak diketahui dan
σ 12 ≠ σ 22
Statistik t dirumuskan sebagai berikut :
t = (X1- X2) - (µ1
- µ2)
√S12 / n1 + S22/n2
db = (S12/n1) + (S2 / n2)2
(S12/
n1)2 + (S22 / n2)2
n1 + 1 n2+2
Bila
populasi berdistribusi normal atau mendekati normal maka varian populasinya
dapat ditaksir dari varian sampel. Rumus “t” tidak dapat langsung digunakan
karena hanya ini merupakan pendekatan saja, tetapi t ½ α harus dihitung dahulu
menggunakan rumus berikut :
t0,05
= t1 (S12 / n1) + t2 (S22
/ n2)
S12 / n1 + S22
/ n2
t’
= w1t1 +
w2t2
w1 + w2
dimana: w1 = S12
/ n1 t1
= t (1/2 α; n1 – 1)
w2
= S22 / n2 t2
= t (1/2 α; n2 – 1)
sehingga kriteria test untuk uji 2 arah :
- w1t1 + w2t2 < t < w1t1
+ w2t2
w1
+ w2 w1 + w2
Contoh :
Sepuluh ayam
broiler yang diare diberi kloramfenikol 3 x 500 mg per hari dengan kesembuhan
rata-rata 7 hari dengan deviasi standar 1,5 hari. Lima ayam broiler yang diare
diberi tetrasiklin 3 x 500 mg dengan rata-rata kesembuhan 6 hari dengan deviasi
standar 1,5 hari.
Jika
ingin diuji apakah terdapat perbedaan antara efek kloramfenikol dan tetrasiklin
terhadap penyakit diare pada derajat kemaknaan 0.05 maka bagaimanakah hasilnya
?
Diketahui:
n1 = 10 n2 = 15
S1 = 2 S2= 1,5
dk = 9 dk
= 14
H0 : µ1 = µ2
Ha : µ1 ≠µ2
α = 0,05
t = 7-6 = 1,35
√4/10 + 2,25/15
t dk 9 = 2,262
t dk 14 = 2,145
t0,05 = (2,62 x 4/10 + 2,145 x
2,25/15) / (4/10 +2,25/15)
= 2,23
Ternyata, t < t0,05. Jadi,
hipotesis diterima pada derajat kemaknaan 0,05. Kesimpulannya, tidak ada
perbedaan antara kloramfenikol dan tetrasiklin dalam pengobatan diare pada ayam
broiler.
BAB III
KESIMPULAN
Hipotesis adalah perumusan sementara
mengenai sesuatu hal yang dibuat untuk menjelaskan hal itu dan untuk menuntun
atau mengarahkan penyelidikan selanjutnya. Dalam melakukan hipotesis, ada dua
macam kekeliruan yang dapat terjadi, dikenal dengan nama-nama, yaitu kekeliruan
tipe I adalah menlolak hipotesis yang seharusnya diterima dan kekeliruan tipe
II adalah menerima hipotesis yang seharusnya ditolak. Prosedur pengujian
hipotesis, yaitu merumuskan hipotes, menentukan taraf nyata, menentukan uji
statistik, menentukan daerah keputusan dan mengambil keputusan, sehingga kita
dapat menarik kesimpulan sesuai dengan prosedur hipotesis.
DAFTAR
PUSTAKA
Budiarto, E. 2002. Biostatistika untuk Kedokteran dan Kesehatan Masyarakat. Jakarta:
Penerbit Buku Kedokteran EGC.
Chandra, B. 2009. Biostatik Untuk Kedokteran dan Kesehatan. Jakarta: Penerbit Buku
Kedokteran.
Dajan, A. 1991. Pengantar Metode Statistik Jilid II.
Jakarta: Lembaga Penelitian, Pendidikan dan Penerangan Ekonomi dan Sosial.
Kuswadi dan E. Mutiara. 2004.
Statistik Berbasis Komputer untuk
Orang-Orang Non Statistik. Jakarta: PT Elex Media Komputindo.
Spiegel, M. R. 1992. Statistik Versi SI (Metrik). Jakarta:
Penerbit Erlangga. Diterjemahkan oleh I Nyoman Susila dan Ellen Gunawan.
Tidak ada komentar:
Posting Komentar