Sabtu, 08 April 2017

Pengujian Hipotesis Perbedaan Dua Rata-rata


Contoh :
seorang pemilik toko lampu berpendapat bahwa bola lampu merek A & B tidak ada perbedaan rata-rata lamanya menyala. Dengan pendapat alternatif ada perbedaan (≠), guna menguji pendapat itu dilakukan eksperimen dengan jalan menyatakan 100 buah bola lampu A dan 50 buah lampu buah bola lampu B dengan sempel acak. Ternyata bola lampu merek A, dapat menyala rata-rata selama 952 jam, sedangkan  merek B 987 jam, masing – masing dengan standar deviasi sebesar 85 jam dan 92 jam B. Dengan menggunakan α = 5%. Ujilah pendapat tersebut.

Diketahui :



















































Kesimpulan : sehingga pernyataan bahwa bola lampu A dan B tidak ada perbedaan rata-rata lamanya menyala, tidak cukup bukti dan tidak sama.

Minggu, 02 April 2017

A.  Pengertian Pengujian Hipotesis

Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang sifatnya masih sementara atau lemah kebenarannya. Hipotesis statistik dapat berbentuk suatu variabel seperti binomial, poisson, dan normal atau nilai dari suatu parameter, seperti rata-rata, varians, simpangan baku, dan proporsi. Hipotesis statistic harus di uji, karena itu harus berbentuk kuantitas untuk dapat di terima atau di tolak. Hipotesis statistic akan di terima jika hasil pengujian membenarkan pernyataannya dan akan di tolak jika terjadi penyangkalan dari pernyataannya.

Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan memutuskan apakah menerima atau menolak hipotesis itu. Dalam pengujian hipotesis, keputusan yang di buat mengandung ketidakpastian, artinya keputusan bias benar atau salah, sehingga menimbulkan risiko. Besar kecilnya risiko dinyatakan dalam bentuk probabilitas. Pengujian hipotesis merupakan bagian terpenting dari statistic inferensi (statistic induktif), karena berdasarkan pengujian tersebut, pembuatan keputusan atau pemecahan persoalan sebagai dasar penelitian lebih lanjut dapat terselesaikan.
B.  Prosedur  Pengujian Hipotesis
Prosedur pengujian hipotesis statistic adalah langkah-langkah yang di pergunakan dalam menyelesaikan pengujian hipotesis tersebut. Berikut ini langkah-langkah pengujian hipotesis statistic adalah sebagai berikut.
1.  Menentukan  Formulasi Hipotesis
Formulasi atau perumusan hipotesis statistic dapat di bedakan atas dua jenis, yaitu sebagai berikut;
1.      Hipotesis nol / nihil (HO) : Hipotesis nol adalah hipotesis yang dirumuskan sebagai suatu pernyataan yang akan di uji. Hipotesis nol tidak memiliki perbedaan atau perbedaannya nol dengan hipotesis sebenarnya.
2.      Hipotesis alternatif/ tandingan (H1 / Ha): Hipotesis alternatif adalah hipotesis yang di rumuskan sebagai lawan atau tandingan dari hipotesis nol. Dalam menyusun hipotesis alternatif, timbul 3 keadaan berikut.
·         H1 menyatakan bahwa harga parameter lebih besar dari pada harga yang di hipotesiskan. Pengujian itu disebut pengujian satu sisi atau satu arah, yaitu pengujian sisi atau arah kanan.
·         H1 menyatakan bahwa harga parameter lebih kecil dari pada harga yang di hipotesiskan. Pengujian itu disebut pengujian satu sisi atau satu arah, yaitu pengujian sisi atau arah kiri.
·         H1 menyatakan bahwa harga parameter tidak sama dengan harga yang di hipotesiskan. Pengujian itu disebut pengujian dua sisi atau dua arah, yaitu pengujian sisi atau arah kanan dan kiri sekaligus.
Secara umum, formulasi hipotesis dapat di tuliskan :

2.   Menentukan Taraf Nyata (α)
Apabila hipotesis nol (H0) diterima (benar) maka hipotesis alternatif (Ha) di tolak. Demikian pula sebaliknya, jika hipotesis alternatif (Ha) di terima (benar) maka hipotesis nol (H0) ditolak.
Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai parameter populasinya. Semakin tinggi taraf nyata yang di gunakan, semakin tinggi pula penolakan hipotesis nol atau hipotesis yang di uji, padahal hipotesis nol benar.
Besaran yang sering di gunakan untuk menentukan taraf nyata dinyatakan dalam %, yaitu: 1% (0,01), 5% (0,05), 10% (0,1), sehingga secara umum taraf nyata di tuliskan sebagai α0,010,05, α0,1. Besarnya nilai α bergantung pada keberanian pembuat keputusan yang dalam hal ini berapa besarnya kesalahan (yang menyebabkan resiko) yang akan di tolerir. Besarnya kesalahan tersebut di sebut sebagai daerah kritis pengujian (critical region of a test) atau daerah penolakan ( region of rejection).
Nilai α yang dipakai sebagai taraf nyata di gunakan untuk menentukan nilai distribusi yang di gunakan pada pengujian, misalnya distribusi normal (Z), distribusi t, dan distribusi X². Nilai itu sudah di sediakan dalam bentuk tabel di sebut nilai kritis.
3.  Menentukan Kriteria Pengujian
Kriteria Pengujian adalah bentuk pembuatan keputusan dalam menerima atau menolak hipotesis nol (Ho) dengan cara membandingkan nilai α tabel distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk pengujiannya. Yang di maksud dengan bentuk pengujian adalah sisi atau arah pengujian.
1.      Penerimaan Hterjadi jika nilai uji statistiknya lebih kecil atau lebih besar daripada nilai positif atau negatif dari α tabel. Atau nilai uji statistik berada di luar nilai kritis.
2.      Penolakan Hterjadi jika nilai uji statistiknya lebih besar atau lebih kecil daripada nilai positif atau negatif dari α tabel. Atau nilai uji statistik berada di luar nilai kritis.
Dalam bentuk gambar, kriteria pengujian seperti gambar di bawah ini:



4.  Menentukan Nilai Uji Statistik
Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi tertentu dalam pengujian hipotesis. Uji statistik merupakan perhitungan untuk menduga parameter data sampel yang di ambil secara random dari sebuah populasi. Misalkan, akan di uji parameter populasi (P), maka yang pertama-tama di hitung adalah statistik sampel (S).
5.  Membuat Kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau penolakan hipotesis nol (Ho)yang sesuai dengan kriteria pengujiaanya. Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji statistik dengan nilai α tabel atau nilai kritis.
1.      Penerimaan Ho terjadi jika nilai uji statistik berada di luar nilai kritisnya.
2.      Penolakan Ho terjadi jika nilai uji statistik berada di dalam nilai kritisnya.
Kelima langkah pengujian hipotesis tersebut di atas dapat di ringkas seperti berikut.
Langkah 1 : Menentukan formulasi hipotesis nol (H0) dan hipotesis alternatifnya (Ha)
Langkah 2 : Memilih suatu taraf nyata (α) dan menentukan nilai table.
Langkah 3 : Membuat criteria pengujian berupa penerimaan dan penolakan H0.
Langkah 4 : Melakukan uji statistic
Langkah 5 : Membuat kesimpulannya dalam hal penerimaan dan penolakan H0.

- See more at: https://sman3subang.sch.id/statistika-pengujian-hipotesis/#sthash.Ajv4SEzE.dpuf
Pengujian dua arah adalah pengujian terhadap suatu hipotesis yang belum diketahui arahnya. Misalnya ada hipotesis, ‘diduga ada pengaruh signifikan antara variabel X terhadap Y’. Hipotesis tersebut harus diuji dengan pengujian dua arah. Sedangkan hipotesis yang berbunyi, ‘diduga ada pengaruh positif yang signifikan antara variabel X terhadap Y’. Nah, hipotesis tersebut harus diuji dengan pengujian satu arah.
Bedanya apa? Lihat saja kedua hipotesis tersebut, ada kata positif dan tidak ada kata positif.

Apa sih bedanya Hipotesis 1 arah dan 2 arah???

Perbedaanya terletak pada masalah apa yang mau diuji.
Hipotesis 1 arah digunakan untuk menguji suatu hal yang sudah jelas akan lebih besar atau lebih kecil dari hipotesis awal. Sedangkan Hipotesis 2 arah digunakan untuk menguji suatu hal (hipotesis awal) pada suatu titik tertentu, dimana kemungkinan hipotesis tandingannya bisa lebih besar maupun lebih kecil dari titik tersebut.

Untuk memperjelas saya ingin memberikan suatu contoh
kasus hipotesis yang mudah.

Misalnya kita ingin menguji suatu kadar emisi
kendaraan apakah mencapai batas tertentu atau tidak.
Maka, yang menjadi perhatian kita adalah melebihi batas
emisi ataukah tidak. Bila kadar emisi lebih
kecil dari batas emisi dianggap masih menjadi hipotesis awal karena semakin kecil semakin
baik. Dalam hal ini hipotesis yang digunakan adalah 1
arah.

Misalnya kita ingin menguji dampak yang di sebabkan oleh jumlah kendaraan pribadi seperti motor dan mobil pribadi. Maka kita
konsen pada dua arah. Apabila jumlah motor dan mobil melebihi batas daya tampung jalan maka akan berdampak pada kemacetan.
sedangkan apabila lebih kecil dari batas daya tamping maka akan berdampak berbeda. Yang bagus adalah jumlahnya pas dengan batas
daya tampung. Oleh karena itu lebih cocok menggunakan
hipotesis 2 arah.