I.

PENDAHULUAN

Pada pembahasan kali ini, kami akan memaparkan sedikit banyak tentang pengujian
hipotesis didalam statistika dasar. Seperti yang telah kita ketahui, hipotesis merupakan suatu
dugaan atau jawaban sementara terhadap masalah penelitian yang kebenaranya perlu
dibuktikan. Hipotesis mengungkapkan jawaban sementara didasarkan pada anggapan dasar
(asumsi

atau

postulat)

yang

digunakan

dalam

kerangaka

pemikiran.

Hipotesis

mengungkapkan jawaban sementara secara teoritis dianggap paling tinggi kemungkinan

kebenarannya. Selain digunakan dalam metode Statistika, pengujian hipotesis juga dilakukan
pada saat penelitian ilmiah dan sebagainya.
Pengujian hipotesis, dalam ilmu statistik, dilakukan untuk menguji kebenaran suatu
pernyataan secara statistik . Umumnya pernyataan statistik berkaitan dengan satu peubah,
dua peubah, atau lebih dari dua peubah dan melibatkan suatu parameter.
Pengujian hipotesis bisa dilakukan dengan berbagai cara, antara lain yaitu dengan
hipotesis penelitian, hipotesis statistik, hipotesis nol dan hipotesis alternatif. Masing-masing
memiliki pengertian dan cara yang berbeda-beda. Uji hipotesis ini juga memiliki bentuk
umum, bentuk umumnya terdiri dari tiga macam, yaitu hipotesis dua arah (two tailed),
hipotesis searah (kanan) dan hipotesis searah (kiri). Secara umum, pengujian hipotesis
dibedakan dua yaitu, pengujian hipotesis komparatif dan asosiasi.

II. ISI
A. Konsep Dasar Pengujian Hipotesis
Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal. Dengan demikian,
hipotesis bisa benar ataupun tidak benar. Untuk menentukan apakah hipotesis itu benar
ataupun tidak benar, dapat ditempuh dengan melakukan pengujian hipotesis. Secara ilmiah,
pengujian hipotesis tentu harus dilakukan melalui penelitian.
Pelaksanaan penelitian dapat dilakukan dengan berbagai cara, antara lain sensus,
survei, percobaan laboratorium, ataupun percobaan di lapangan. Pemilihan cara-cara ini
sangat tergantung pada banyak hal antara lain biaya, tenaga, dan waktu yang tersedia. Cara
sensus tergolong yang paling mahal, memerlukan banyak tenaga dan waktu, karena sensus
memerlukan seluruh data populasi yang ada. Oleh karena itu, cara ini jarang sekali dipakai.
Di Indonesia, sensus hanya dipakai pada sensus penduduk
Pada umumnya, orang melakukan penelitian dengan menggunakan cara yang lebih
murah dan lebih mudah, yaitu dengan mengambil data sampel. Dengan menggunakan
sampel, peneliti cukup mengambil beberapa data saja dari keseluruhan data populasi,
misalnya 30 murid dari 500 orang murid SD. Namun demikian, pemilihan cara sampel ini
akan menimbulkan konsekuensi bahwa kesimpulan yang dibuat nanti tidak bisa membuktikan
secara tegas apakah hipotesis yang dibuat benar atau tidak benar. Hal ini disebabkan
kesimpulan mengenai populasi dibuat hanya dari beberapa data sampel saja. Jadi, ada
kemungkinan kesimpulan tersebut bisa saja salah.
Oleh karena itu, penelitian yang menggunakan data sampel tidak menggunakan
istilah hipotesis tersebut benar atau hipotesis tersebut salah. Sebagai gantinya, dalam
statistika, kita memakai istilah hipotesis diterima atauhipotesis ditolak.
Langkah atau prosedur untuk menentukan apakahhipotesis tersebut diterima atau
ditolak dilakukan dengan pengujian hipotesis. Dari basil pengujian hipotesis ini, kitadapat
menarik kesimpulan mengenai hipotesis yang kita buat.
Dalam statistika, hipotesis itu ada dua macam, yaitu hipotesis nol, disingkat H0 dan
hipotesis alternatif, disingkat HA, Kedua hipotesis ini saling terkait satu dengan yang lainnya.
Hipotesis nol adalah hipotesis yang menyatakan bahwa tidak ada perbedaan di antara dua
peristiwa ataukejadian. Dengan kata lain perbedaan antara dua peristiwa adalah nol.
Sedangkan hipotesis alternatif adalah hipotesis yang menyatakan bahwa dua peristiwa atau
kejadian adalah berbeda. Jadi hipotesis alternatif ini tidak lain adalah lawan dari hipotesis
nol.
Oleh karena kedua hipotesis ini terkait satu sama lain, maka kita tidak mungkin
menerima keduanya sekaligus. Yang mungkin terjadi adalah bila kita menolak Ho kita harus
menerima HA atau sebaliknya.
Pengujian hipotesis sering ditulis sebagai berikut:
1. Untuk uji dua pihak, maka hipotesis ditulis:
H0 : = 0
HA : # 0
2. Untuk uji satu pihak
H0 : = 0
HA : > 0 atau < 0

 dapat berupa rata-rata, simpangan baku, varian dan lain-lain. Misalnya, rata-rata
produktivitas padi varietas Ciherang (y)c dibandingkan dengan rata-rata produktivitas padi
varietas IR-64 (y) i. Maka hipotesisnya bisa ditulis sebagai berikut:
Untuk uji dua pihak, ditulis:
H0 : ( y)i = (y )c
HA : ( y)i # (y )c
Untuk uji satu pihak
H0 : (y)i = (y )c
HA : (y )i > (y )c atau: (y )i < (y )c
Mengenai jenis hipotesis, apakah memakai uji dua pihak atau uji satu pihak, maka ini sangat
tergantung pada seberapa kuat landasan teori atau seberapa besar pengetahuan si peneliti
terhadap obyek yang diteliti. Bila si peneliti tidak memiliki pengetahuan yang cukup kuat,
maka uji dua pihak adalah pilihannya. Sebaliknya, bila si peneliti memiliki pengetahuan atau
landasan teori yang cukup mendalam mengenai obyek yang diteliti, maka uji satu pihak akan
lebih baik.
Seperti anda bisa lihat bahwa, perbedaan dari kedua jenis hipotesis ini hanya terletak pada
hipotesis alternatifnya. Pada uji dua pihak, pernyataan hipotesis alternatif tidak tegas. Bila
tulis dengan kalimat, maka pernyataannya tersebut menjadi rata-rata produktivitas padi
varietas Ciherang tidak sama dengan rata-rata produktivitas padi varietas IR-64. Kata-kata
tidak sama mengandung dua arti (dua pihak), yaitu produksi padi Ciherang bisa lebih tinggi
tetapi juga bisa lebih rendah. Ini menunjukkan ketidakyakinan apakah varietas Ciherang
elbih tinggi produksinya atau lebih rendah dibandingkan dengan varietas IR-64.
Sebaliknya, uji satu pihak, pernyataan hipotesis alternatifnya lebih tegas. Peneliti biasanya
akan dengan tegas membuat hipotesis yang menyatakan misalnya rata-rata produktivitas
varietas padi Ciherang lebih tinggi daripada rata-rata produktivitas varietas padi IR-64. Ini
bisa dibuatnya karena si peneliti tersebut mendasarkannya pada informasi ataupun
pengetahuan yang ia punyai tentang kedua varietas tersebut.
Penentuan pemilihan jenis hipotesis ini akan menentukan tingkat sensitivitas dari
penelitian. Uji satu pihak lebih sensitif dibanding uji dua pihak. Ini disebabkan alfa yang
digunakan dalam pengujian pada uji satu pihak hanya setengah alfa dari uji dua pihak.
Misalnya, bila alfa yang dipakai pada uji satu pihak adalah 2,5 persen, maka nilainya setara
dengan alfa 5 persen untuk uji dua pihak.
Hipotesis yang telah dibuat dapat diuji dengan menggunakan berbagai macam bentuk
uji statistik seperti uji Z, uji t, uji2, uji F atau lainnya. Pemilihan jenis uji ini sangat
tergantung pada metode penelitian yang dipilih dalam pengumpulan data. Dari hasil
pengujian hipotesis ini kemudian kita dapat menarik kesimpulan tentang hipotesis tersebut.

B. Dua Macam Kekeliruan

1. Menolak hiptesis yang seharusnya diterima
2. Menerima hiptesis yang seharusnya ditolak
TIPE KEKELIRUAN KETIKA MEMBUAT KESIMPULANTENTANG HIPOTESIS

kesimpulan

Hiptesis Benar

Terima hiptesis

Benar

Hipotesis Salah
Keliru
(keliru Tipe II)

Keliru
Tolak hiptesis

Benar
(keliru tipe I)

Daerah kritis (crictical value) adalah nilai yang begitu ekstrem sehinggaprobalitas
untuk mendapatkan nilai tersebut atau yang lebih ekstrem, bila H0 benar, sama dengan

Dengan demikian bahwa kaidah pengambilan keputusan(decision rule) dapat dinyatakan

menurut nilai nilai kritis. Sebagai contoh dalamuji satu sisi kaidah pengambilan keputusan
memutuskan bahwa menolak H0 jika nilai uji statistik uji hasil perhitungtan lebih ekstrem
(entah lebih besar atau lebihkecil, bergantung pada hipotesis tandingan) dari pada daerah
kritis.
Taraf signifikan 5% adalah kira kira 5 dari tiap - tiap 100 kesimpulanbahwa kita
akan menolak hipotesis yang seharusnya diterima. Dengan kata lain95% yakin bahwa kita
membuat kesimpulan yang benar.
Interval kepercayaan 95%adalah kemungkinan membuat kesimpulan 95%benar,
berati 95 dari 100 kesimpulan yang kita buat benar dengan tingkatkesalahan / taraf signifikasi

= 5%.

C. Langkah Langkah Pengujian Hipotesis

Pengujian hipotesis akan mambawa kepada kesimpulan untuk menerima hipotesis
atau menolak hipotesis. Jadi dengan demikian,terdapat dua pilihan. Agar supaya dalam
penentuan salah satu di antara kadua pilihan itu lebih terperinci dan mudah di lakukan, maka
akan di lakukan rumusan rumusan seperlunya. Hipotesis di sini akan dinyatakan dengan H,
supaya di rumuskan dengan singkat dan jelas. Supaya nampak ada dua pilihan, hipotesis H ini
perlu di dampingi oleh pernyataan lain yang isinya berlawanan. Pernyataan ini merupakan
hipotesis tandingan untuk H, akan di sebut alternatif, dinyatakan dengan A. Pasangan H dan
A ini, tepatnya H melawan A, lebih jauh juga menentukan keriteria pengujian yang terjadi di
daerah penerimaan dan daerah penolakan hipotesis. Daerah penolakan hipotesis sering pula
dinamakan denagn daerah kritis.

D. Uji T dan Uji Z

Uji-t digunakan untuk menguji perbedaan rata-rata dari suatu sampel acak
berdistribusi (memiliki sebaran) normal. Dalam aplikasi di dunia nyata, uji-t lebih
banyak dipakai karena hanya mensyaratkan bahwa sample berasal dari distribusi
normal saja. Tidak seperti uji-z yang mensyaratkan bahwa data harus menyebar
normal danragam populasi diketahui. Sebagaimana yang kita ketahui, uji-z dan uji-t
adalah 2 alat uji yang sama-sama digunakan untuk menguji perbedaan rata-rata
populasi. Keduanya-pun sangat mirip.
Uji-t menggunakan distribusi (sebaran/fungsi)

t.

Distribusi

sebenarnya

adalah turunandari distribusi normal dengan asumsi ragam (variance) yang tidak
diketahui. Oleh karena itulah mengapa data yang diuji menggunakan uji-t harus
berdistribusi normal.
Uji-t dapat dibedakan menjadi beberapa jenis, yaitu:
1. Uji-t Satu Sampel, terdiri dari:
o Uji 1-arah (1-way test)
o Uji 2-arah (2-way test)
2. Uji-t Dua Sampel, terdiri dari:
o Uji 2 Sampel Tidak Berpasangan (independent/unpaired samples t-test), terdiri
dari:

Ragam (variance) diasumsikan sama ataukedua data sampel dianggap

berasal dari 1 populasi yang sama, terdiri dari:
5

Uji 1-arah (1-way test)

Uji 2-arah (2-way test)
Ragam (variance) diasumsikan berbeda ataukedua data sampel

dianggap berasal dari 2 populasi yang berbeda, terdiri dari:

Uji 1-arah (1-way test)
Uji 2-arah (2-way test)

Uji t Tidak Berpasangan

Contoh kasus
Kita ingin menguji dua jenis pupuk nitrogen terhadap hasil padi
1. Hipotesis
Ho : 1 =

HA : 1

2. Hasil penelitian tertera pada Tabel 1.

Tabel 1. Data hasil penelitian dua jenis pupuk nitrogen terhadap hasil padi (t/h)
Pupuk A
Pupuk B
Plot
Y1
Y2
7
8
1
2
6
6
5
7
3
4
6
8
5
6
5
6
4
6
4
7
7
8
6
7
6
8
9
6

10

7
7
6

11
12

6
5
7

3. Data analisis adalah sebagai berikut

Hitunglah
= 5.58

S1 = 0.996
2

= 6.92

S2 = 0.793
thit =(

)/(S12/n1) +(S22/n2)

=( 5.58 6.92)/(0.9962/12)+(0.7932/12)
= -1.34/0.367522 = -3.67
Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah sebagai
berikut. Pertama kita lihat kolom = 0.025 pada Tabel 2. Nilai ini berasal dari 0.05 dibagi
2, karena hipotesis HA kita adalah hipotesis 2 arah (lihat hipotesis). Kemudian, kita lihat baris
ke 22. Nilai 22 ini adalah nilai df, yaitu n1+n2-2. Nilai n adalah jumlah ulangan, yaitu masing
12 ulangan. Akhirnya, kita peroleh nilai ttable = 2.074.
t table = t /2 (df) = t0.05/2 (n1+n2-2)=t0.025(12+12-2) = t0.025(22) = 2.074

Tabel 2. Nilai t

df

1
2

0.05

0.025

0.01

6.314

12.706

31.821

2.920

4.303

6.965

0.005
63.657
9.925

3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

2.353

3.182

4.541

2.132

2.776

3.747

2.015

2.571

3.365

1.943

2.447

3.143

1.895

2.365

2.998

1.860

2.306

2.896

1.833

2.262

2.821

1.812

2.228

2.764

1.796

2.201

2.718

1.782

2.179

2.681

1.771

2.160

2.650

1.761

2.145

2.624

1.753

2.131

2.602

1.746

2.120

2.583

1.740

2.110

2.567

1.734

2.101

2.552

1.729

2.093

2.539

1.725

2.086

2.528

1.721

2.080

2.518

1.717

2.074

2.508

1.714

2.069

2.500

1.711

2.064

2.492

5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797

25
26
27
28
29
30
40
50
100
10000

1.708

2.060

2.485

1.706

2.056

2.479

1.703

2.052

2.473

1.701

2.048

2.467

1.699

2.045

2.462

1.697

2.042

2.457

1.684

2.021

2.423

1.676

2.009

2.403

1.660

1.984

2.364

1.645

1.960

2.327

2.787
2.779
2.771
2.763
2.756
2.750
2.704
2.678
2.626
2.576

4. Kriteria Pengambilan Kesimpulan

Terima H0, jika thit| < t table, sebaliknya
Tolak H0, alias terima HA, jika thit| > t table

5. Kesimpulan
Karena nila thit|= 3.67 (tanda minus diabaikan) dan nilai t table=2.074, maka kita tolak H0, alias
kita terima HA. Dengan demikian, 1 2, yaitu hasil padi yang dipupuk dengan pupuk A
tidak sama dengan hasil padi yang dipupuk dengan pupuk B. Lebih lanjut, kita lihat bahwa
rata-rata hasil padi yang dipupuk dengan pupuk B lebih tinggi daripada yang dipupuk dengan
pupuk A. Dengan demikian, kita dapat menyimpulkan bahwa pupuk B nyata lebih baik
daripada pupuk A untuk meningkatkan hasil padi.

Uji-t sampel berpasangan (paired samples t-test), terdiri dari:

Uji 1-arah (1-way test)
Uji 2-arah (2-way test)

Uji t berpasangan
Contoh kasus. Kita ingin menguji metode pembelajaran baru terhadap tingkat penguasaan
materi ajar pada mahasiswa.
1. Hipotesis
Ho : 1 = 2
HA :

2. Data hasil penelitian dari penggunaan metode pembelajaran baru adalah sebagaimana
tertera pada Tabel 1.
Tabel 1. Data hasil penelitian dari penggunaan metode pembelajaran baru
Nilai Pre-test

Nilai post-test

70

75

Mahasiswa
1
60
2

65
50

70
65

4
55

80
60

40

60

45

70

65

70

5
6
7
8
60
9
10

65
70
75

11

60
65

12

50
75

13

30
65
10

14

45
70

15

40
70

3. Data analisis adalah sebagai berikut

Tabel 2. Tabel analisis data

Nilai Pre-test Nilai posttest

Mahasiswa
y1
y2
n
1
70
75
60
2
3

50
65

4
5

55
40

6
7

45
65

8
9

60
70

10
11

60
50

12
13

30
45

14
15

40

Perbedaan
D

D2

25

25

20

400

15

225

25

20

400

25

625

25

25

25

25

25

625

35

1225

25

625

30

900

65
70
80
60
60
70
70
65
75
65
75
65
70
70

11

Jumlah

805

1035

53.67

69

230

5200

Hitunglah
S2D = [D2 ((D)2/n)]/[n-1]
= [5200 ((230)2/15)]/[15-1] = (5200 1673.333)/14 = 119.5238
S = S2D/n = 119.5238/15 = 7.968254 =2.82281
thit =(

)/S = (53.67 69)/2.82281 = -15.33/2.82281= -5.43076

Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah sebagai
berikut. Pertama kita lihat kolom = 0.025 pada Tabel 3. Nilai ini berasal dari 0.05 dibagi
2, karena hipotesis HA kita adalah hipotesis 2 arah (lihat hipotesis). Kemudian, kita lihat
baris ke 14. Nilai 14 ini adalah nilai df, yaitu n-1. Nilai n adalah jumlah mahasiswa, yaitu 15
orang. Akhirnya, kita peroleh nilai t table = 2.145.
t table = t /2 (df) = t0.05/2 (n-1)=t0.025(15-1) = t0.025(14) = 2.145
Tabel 3. Nilai t

df

1
2
3
4
5
6
7

0.05

0.025

0.01

0.005

6.314

12.706

31.821

63.657

2.920

4.303

6.965

2.353

3.182

4.541

2.132

2.776

3.747

2.015

2.571

3.365

1.943

2.447

3.143

1.895

2.365

2.998

12

9.925
5.841
4.604
4.032
3.707
3.499

8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

1.860

2.306

2.896

1.833

2.262

2.821

1.812

2.228

2.764

1.796

2.201

2.718

1.782

2.179

2.681

1.771

2.160

2.650

1.761

2.145

2.624

1.753

2.131

2.602

1.746

2.120

2.583

1.740

2.110

2.567

1.734

2.101

2.552

1.729

2.093

2.539

1.725

2.086

2.528

1.721

2.080

2.518

1.717

2.074

2.508

1.714

2.069

2.500

1.711

2.064

2.492

1.708

2.060

2.485

1.706

2.056

2.479

1.703

2.052

2.473

1.701

2.048

2.467

1.699

2.045

2.462

13

3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756

30
40
50
100
10000

1.697

2.042

2.457

1.684

2.021

2.423

1.676

2.009

2.403

1.660

1.984

2.364

1.645

1.960

2.327

2.750
2.704
2.678
2.626
2.576

4. Kriteria Pengambilan Kesimpulan

Terima H0, jika thit| < t table, sebaliknya
Tolak H0, alias terima HA, jika thit| > t table
5. Kesimpulan
Karena nila |thit|= 5.431 (tanda minus diabaikan) dan nilai ttable=2.145, maka kita tolak H0, alias
kita terima HA. Dengan demikian,
2, yaitu nilai pre-test tidak sama dengan nilai post-test. Lebih lanjut, kita lihat bahwa
rata-rata nilai post-test lebih tinggi daripada nilai pre-test. Secara lengkap, kita dapat
menyimpulkan bahwa metode pembelajaran baru secara nyata dapat meningkatkan
pemahaman mahasiswa terhadap materi ajar yang diberikan.
1

Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan
distribusi normal. Menurut teori limit terpusat, data dengan ukuran sampel yang besar akan
berdistribusi normal. Oleh karena itu, uji Z dapat digunakan utuk menguji data yang
sampelnya berukuran besar. Jumlah sampel 30 atau lebih dianggap sampel berukuran besar.
Selain itu, uji Z ini dipakai untuk menganalisis data yang varians populasinya diketahui.
Namun, bila varians populasi tidak diketahui, maka varians dari sampel dapat digunakan
sebagai penggantinya.
Kriteria Penggunaan uji Z
1. Data berdistribusi normal
2. Variance (2) diketahui
3. Ukuran sampel (n) besar, 30

14

4. Digunakan hanya untuk membandingkan 2 buah observasi.

Contoh Uji rata-rata dua arah:
Umpamakanlah kita mempinyai populasi berdistribusi normal dengan rata rata

dan

simpangan baku . Akan di uji mengenai parameter rata rata .

Untuk ini, seperti biasa di ambil sebuah sampel acak berukuran n, lalu hitung statistik

dan

s. Kita bedakan hal hal berikut:

Hal A.

diketahui.

Untuk pasangan hipotesis H0 :

H1 :
Dengan

sebuah harga yang di ketahui, di gunakan statistik:

XII (1) .....

Kita terima jika -

dengan

di dapat dari daftar nornal baku

dengan peluang (1- ). Dalam hal lainnya, H0 dotolak.

Contoh :
Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800 jam.
Akhir akhir ini timul dugaan bahwa masa pakai lampu itu telah barubah. Untuk
mementukan hal ini, di lakukan penelitian dengan jalan menguji 50 lampu. Ternyata rata
ratanya 792 jam. Dari pengalaman, di ketahui bahwa simpangan baku masa hidup lampu 60
jam. Selidikilah dengan taraf nyata 0,005 apakah kualitas lampu itu sudah berubah atau
belum.
Jawab :
Dengan memisalkan masa hidup lampu berdistribusi normal, maka kita akan menguji
H0 :
H1 :

= 800 jam, berti lampu itu masa pakainya sekitar 800 jam.
800 jam bererti kualitas lampu telah berubah, bukan 800 jam lagi.

Dari pengalaman, simpangan baku

Dari penelitian di dapat

= 60 jam.

jam dengan n = 50. Statistik yang di gunakan adalah seperti

yang telah di tuliskan pada rumus XII(1) dengan mensubtitusikan

15

= 800. Di dapat :

Nilai Ztabel dapat diperoleh dari Tabel 1.

Dengan menggunakan Tabel 1, maka nilai

Z0,025 adalah nilai pada perpotongan baris 0,02 dengan kolom 0,005, yaitu 1,96. Untuk
diketahui bahwa nilai Z adalah tetap dan tidak berubah-ubah, berapapun jumlah sampel.
Nilai Z0,025 adalah 1,96 dan nilai Z0,05 adalah 1,645.
Tabel 1. Nilai Z dari luas di bawah kurva normal baku

0
0.001 0.002 0.003
0.00
3.090 2.878 2.748
0.01 2.326 2.290 2.257 2.226
0.02 2.054 2.034 2.014 1.995
0.03 1.881 1.866 1.852 1.838
0.04 1.751 1.739 1.728 1.717
0.05 1.645 1.635 1.626 1.616
0.06 1.555 1.546 1.538 1.530
0.07 1.476 1.468 1.461 1.454
0.08 1.405 1.398 1.392 1.385
0.09 1.341 1.335 1.329 1.323
0.10 1.282 1.276 1.270 1.265
Kriteria Pengambilan Kesimpulan

0.004
2.652
2.197
1.977
1.825
1.706
1.607
1.522
1.447
1.379
1.317
1.259

0.005
2.576
2.170
1.960
1.812
1.695
1.598
1.514
1.440
1.372
1.311
1.254

0.006
2.512
2.144
1.943
1.799
1.685
1.589
1.506
1.433
1.366
1.305
1.248

0.007
2.457
2.120
1.927
1.787
1.675
1.580
1.499
1.426
1.359
1.299
1.243

0.008
2.409
2.097
1.911
1.774
1.665
1.572
1.491
1.419
1.353
1.293
1.237

0.009
2.366
2.075
1.896
1.762
1.655
1.563
1.483
1.412
1.347
1.287
1.232

Jika |Zhit| < |Ztabel|, maka terima H0

Jika |Zhit| |Ztabel|, maka tolak H0 alias terima HA

Kesimpulan
Karena harga |Zhit| = 0,94 < harga |Ztabel | = 1,96, maka terima H0
Jadi, tidak ada perbedaan yang nyata antara kualitas bola lampu yang diteliti dengan kualitas
bola lampu yang dinyatakan oleh pabriknya.
Kriteria yang di pakai, dari daftar normal baku untuk uji dua arah dengan
memberikan

adalah :

Distribusi Normal Baku

Daerah penerimaan H0

16

= 0,05 yang

0,025

0,025
-1,96

1,96
Gambar XII(4)

Hal B.

tidak di ketahui.

Pada kenyataannnya simpangan baku sering tidak di ketahui. Dalam hal ini maka diambil
taksirannya, ialah simpangan baku s yang di hitung dari sampel. Statistik yang di gunakan
untuk menguji pasangan hipotesis :H0 :

H0 ;
Tidak lagi seperti dalam rumus XII(1), akan tetapi :XII ...
Untuk populasi normal, kita mengetahui bahwa t berdistribusi student denagn dk = ( n 1 ).
Kerena itu distribusi untuk menentukan kriteria pengujian du gunakan distribusi student dan
batas batas kriteria untuk uji dua arah ini di dapat dari daftar distribusi student pula. H 0 kita
terima jika t1-

dengan t1-1/2 di dapat dari daftar distribusi t dengan

1/2

peluang (1-1/2 ) dan dk = (n 1).

Contoh : Untuk contoh di muka tentang masa pakai lampu, misalkan simpangan baku
pupolasi tak diketahui, dan dari sampel di dapat s = 55 jam. Maka dari rumus XII(2) dengan

Distribusi student dk = 49
Gambar XII(5)
0, 025

0,025

2,01

2,01

Penelitian menghasilkan t = - 1,029 yang jelas terletak dalam daerah penerimaan.

Kesimpulan sama seperti pada contoh di atas.

17

Contoh Uji rata-rata satu arah:

Perumusan yang umum untuk uji arah kanan mengenai rata rata

berdasarkan H0 dan H1

adalah :
H0 :

H1 :
Kita misalkan populasi berdistribusi normal dan dari padanya sebuah sampel acak berukuran
n telah diambil. Seperti biasa, dari sampel tersebut dihitung

dan s. Didapat hal hal

berikut:
Hal A.

diketahui
Jika simpangan baku

untuk populasi diketahui. Sketsa untuk kriteria pengujian

menggunakan distribusi normal baku. Batas kriteria, tentunya di dapat dari daftar normal
baku. Kita tolak Ho jika

z0,5- dengan z0,5- didapat dari dafar normal baku menggunakan

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

Contoh:
proses pembuatan barang rata-rata menghasilkan 15,7 unit per jam. Hasil produksi
mempunyai varians = 2,3. Metode baru di usulkan untuk mengganti yang lama jika rata-rata
per jam menghasilkan paling sedikit 16 buah. Untuk menentukan apakah metode diganti atau
tidak, metode baru dicoba 20 kali dan ternyata rata-rata per jam menghasilkan 16,9 buah.
Pengusaha bermaksud mengambil resiko 5% untuk menggunakan metode baru apabila
metode ini rata-rata menghasilkan lebih dari 16 buah. Apakah keputusan si pengusaha?
Jawab: dengan memisalkan hasil produksi berdistribusi normal, maka kita akan menguji
pasangan hipotesis:
H0 :

= 16, berarti rata-rata metode baru paling tinggi 16. Jika ini terjadi, metode
lama masih di perthankan.

H1:

> 16, berarti rata-rata hasil metode baru lebih dari 16 dan karenanya metode
lama dapat diganti.

18

Harga-harga yang perlu untuk menggunakan rumus XII(1) adalah

=

dan

= 16,9 buah, n = 20,

buah. Didapat :

Distribusi Normal baku

Daerah Penerimaan H0
0,05
1,64
Gambar XII(6)
Dari daftar normal standar dengan

diperoleh z = 1,64. Kriteria pengujian adalah :

tolak H0 jika z dihitung lebih besar atau sama dengan 1,64. Jika z hitung lebih kecil dari 1,64
maka H0 diterima.
Dari penelitian di dapat z = 2,65 yang jelas jatuh pada daerah kritis. Jadi H 0 di tolak. Ini
menyimpulkan bahwa metode baru dapat menggnatikan metode lama dengan mengambil
risiko 5%.
Catatan : Penguji yang mengahilkan H0 ditolak dengan taraf nyata 0,05 dinamakan uji nyata,
uji berarti atau uji siknifikan. Jika H0 ditolak pada taraf 5%, tapi di terima pada taraf 1% maka
dikatakan bahwa hasil uji barangkali berarti. Dalam hal ini di anjurkan untuk melakukan
penelitian lebih lanjut, dan pengujian dapat dilakukan lagi.
Sering di kehendaki berapa besar peluang yang terjadi ketika keputusan berdasarkan hasil
pengujian yang di buat. Untuk contoh diatas misalnya, peluang tersebut adalah :

Ini berarti : Berdasarkan penelitian yang di lakukan, kesempatan melakukan kekeliruan ketika
memutuskan mengambil metode baru adalah 4 dari setiap 1000. Dalam bentuk ini biasa
dituliskan bahwa peluang p < 0,05, bahkan p < 0,01.

19

E. Uji chi-square
Uji Chi-square memiliki banyak kegunaan dalam pengujian. Setidaknya, uji ini dapat
digunakan untuk lima keperluan pengujian. Uji ini banyak digunakan baik dalam bidang
eksakta maupun dalam bidang sosial ekonomi. Berikut ini adalah beberapa penggunaan uji
chi-square.
1. Menguji varians untuk data berdistribusi normal
2. Menguji proporsi untuk data multinomial dan binomial
3. Menguji independensi antara 2 faktor
4. Menguji heterogenitas
5. Menguji kesesuaian antara data dengan suatu model distribusi

Dari lima kegunaan di atas, tiga di antaranya sangat populer di kalangan para peneliti, yaitu
menguji proporsi, menguji independensi, dan menguji heterogenitas. Oleh karena itu, di sini
akan diberikan contoh penggunaan tiga jenis uji yang populer tersebut saja.

1. Menguji proporsi
Contoh: Menurut teori genetika (Hukum Mendel I) persilangan antara kacang kapri
berbunga merah dengan yang berbunga putih akan menghasilkan tanaman dengan proporsi
sebagai berikut: 25% berbunga merah, 50% berbunga merah jambu, dan 25% berbunga
putih. Kemudian, dari suatu penelitian dengan kondisi yang sama, seorang peneliti
memperoleh hasil sebagai berikut, 30 batang berbunga merah, 78 batang berbunga merah
jambu, dan 40 batang berbunga putih. Pertanyaannya adalah apakah hasil penelitian si
peneliti tersebut sesuai dengan Hukum Mendel atau tidak?
Untuk menjawab pertanyaan tersebut, kita bisa menggunakan uji chi-square, sebagai berikut:

20

1. Buatlah hipotesis
H0: rasio penelitian adalah 1:2:1 atau 25%:50%:25%
HA: rasio penelitian adalah rasio lainnya

2. Lakukan analisis

Kategori

Merah

Merah Jambu

Putih

Jumlah

Pengamatan (O)

30

78

40

148

Diharapkan (E)

37

74

37

148

Proporsi diharapkan (E) dicari berdasarkan rasio 1:2:1, sebagai berikut:

Merah

= 1/4 x 148 = 37

Merah Jambu = 2/4 x 148 = 74

Putih

= 1/4 x 148 = 37

= 1,32 + 0,22 + 0,24 =1,78

= 5,99

Db = (kolom -1)(baris -1) = (3-1)(2-1) = 2

Kriteria Pengambilan Kesimpulan

Terima H0 jika

<

21

Tolak H0 jik

Kesimpulan
Dari hasil analisis data, diperoleh

<

, maka kita terima H0.

Artinya, rasio hasil penelitian si peneliti tersebut sesuai dengan rasio menurut Hukum Mendel
(lihat bunyi hipotesis pada H0).

F. UJI R
Uji r atau uji korelasi digunakan untuk mempelajari hubungan antara dua variabel atau lebih.
Hubungan yang dipelajari adalah hubungan yang linier atau garis lurus. Oleh karena itu, uji r
ini sering disebut juga uji korelasi linier. Bila hubungan dua variabel yang sedang dipelajari
tidak linier, maka uji ini tidak cocok dipakai, sehingga harus dicari uji lain, seperti uji
kuadratik atau uji nonlinier. Perlu dipahami juga bahwa uji korelasi ini hanya dipakai untuk
variabel kuantitatif. Artinya, uji ini baru bisa dipakai bila variabel yang sedang dipelajari itu
keduanya adalah variabel kuantitatif. Bila tidak, maka uji lain seperti uji 2 harus dipilih.
Ada dua jenis uji korelasi, yaitu Korelasi Pearson dan Korelasi Spearman. Korelasi
Spearman. Bila data berdistribusi normal atau mendekati normal, maka Korelasi Pearson
menjadi pilihan, tetapi bila distribusi data sangat ekstrem tidak normal, maka Korelasi
Spearman jadi pilihan.
Ukuran korelasi disebut koefisien korelasi, disingkat dengan r. Nilai r berkisar antara 1
sampai +1, termasuk 0. Semakin besar nilai r (mendekati angka 1), maka
semakin erat hubungan kedua variabel tersebut. Sebaliknya, semakin kecil nilai korelasi
(mendekati angka 0), maka semakin lemah hubungan kedua variabel tersebut. Perlu
diketahui bahwa kendatipun nilai r besar, yang menunjukkan ada hubungan yang erat, tetapi
kita tidak dapat serta merta menyatakan bahwa hubungan yang terjadi adalah hubungan
sebab-akibat antara dua variabel tersebut.
Nilai r ini bisa bertanda positif, tetapi juga bisa negatif. Berikut adalah interpretasi dari tanda
pada koefisien korelasi.
1. Jika nilai r = + (positif), maka hubungannya adalah berbanding lurus. Artinya, semakin
besar nilai variabel X, maka semakin besar pula nilai variabel Y atau semakin kecil nilai
variabel X maka semakin kecil pula nilai variabel Y .

22

2. Jika nilai r = (negatif) maka hubungannya adalah berbanding terbalik. Artinya semakin
besar nilai variabel X , maka semakin kecil nilai variabel Y atau semakin kecil nilai variabel
X, maka semakin besar nilai variabel Y.
3. Jika nilai r = 0, artinya tidak ada hubungan sama sekali antara variabel X dan variabel Y.
Contoh kasus
Seorang peneliti ingin mengetahui apakah ada hubungan antara banyaknya jumlah pupuk
urea yang diberikan pada tanaman terhadap hasil yang diperoleh. Pada penelitiannya ia
mencoba pupuk urea butiran pada tanaman cabai merah.
Hipotesis
Ho : r =0, tidak ada hubungan antara dosis pupuk urea dengan hasil cabai
HA : r 0, ada hubungan antara dosis pupuk urea dengan hasil cabai
Hasil Percobaan
Hasil percobaan yang ia peroleh adalah sebagai berikut (data rekaan)

Analisis

23

r tabel = r(df) = r0.05(n-2) =r0.05(14-2) = r0.05(12) = 0.5324

24

Kriteria Pengambilan Kesimpulan

Terima H0, jika r < r table
Tolah H0, alias terima HA, jika r r table
Kesimpulan
Karena Nilai r > r table, maka tolak H0, alias terima HA
Jadi, ada hubungan yang NYATA antara dosis pupuk urea dengan hasil cabai
Karena r bernilai positif, maka kita dapat menyatakan bahwa hubungan keduanya positif,
yaitu semakin banyak dosis pupuk urea yang diberikan, maka semakin tinggi hasil cabai yang
diperoleh

G. Macam Pengujian Hipotesis

Macam uji Hipotesis ada tiga, yaitu uji dua arah, (two tail test), uji arah kiri dan uji
arah kanan.
1. Hipotesis dua arah (two tailed)
Uji dua arah apabila hiptesis nol berbunyi sama dengan (=) dan hiptesis alternatif
berbunyi tidak sama dengan ( ).
H0 : = 0
H1 : 0
Contoh:
Ho : Rata-rata

nilai

UAN

siswa SLTA negeri se-DIY sama

dengan swasta

H1 : Rata-rata nilai UAN siswa SLTA negeri se-DIY berbeda dengan swasta
2. Hipotesis searah (kanan)
Uji arah kanan apabila hiptesis nol berbunyi lebih kecil atau sama dengan ( ) dan
hiptesis alternatif berbunyi lebih besar (>).

25

H0 : 0
H1 : > 0
Contoh:
Ho : Rata-rata nilai UAN siswa SLTA negeri se-DIY kurang dari sama dengan 8,0
H1

Rata-rata

nilai

UAN

siswa

SLTA

negeri

se-DIY

lebih

dari

8,0

3. Hipotesis searah (kiri)

Uji arah kiri apabila hiptesis nol berbunyi lebih besar atau samas dengan ( ) dan
hiptesis alternatif berbunyi lebih kecil (<).
H0 : 0
H1 : < 0
Contoh: Ho : Rata-rata nilai UAN siswa SLTA swasta se-DIY lebih dari sama dengan 8,0
H1 : Rata-rata nilai UAN siswa SLTA swasta se-DIY kurang dari 8,0 Beberapa catatan.

26

III. PENUTUP
Perumusan hipotesis harus didukung oleh landasan teoritis yang tepat sehingga
kebenaran hipotesis dapat dipertanggung jawabkan. Contoh korelasi antara pendapatan dan
pengeluaran harus ditentukan berdasarkan teori/substansi.
Dianjurkan peneliti berusaha memilih hipotesis searah karena menunjukkan
kedalaman pengetahuan peneliti terhadap permasalahan yang akan diselesaikan. Hipotesis
dua arah hanyalah dipakai jika peneliti kurang yakin tentang nilai parameter yang diharapkan
Benar atau salahnya hipotesis tidak akan pernah diketahui dengan pasti kecuali bila
kita memeriksa seluruh populasi. Oleh karena itu kita mengambil sampel random dari
populasi tersebut dan menggunakan informasi yang dikandung sampel itu untuk memutuskan
apakah hipotesis tersebut kemungkinan besar benar atau salah. Bukti data dari sampel yang
tidak konsisten dengan hipotesis membawa kita pada penolakan hipotesis tersebut, demikian
juga sebaliknya. Perlu ditegaskan bahwa penerimaan suatu hipotesis statistik adalah
merupakan akibat dari ketidakcukupan bukti untuk menolaknya, dan tidak berimplikasi
bahwa hipotesis itu benar.
Secara umum, pengujian hipotesis dibedakan dua, pengujian hipotesis komparatif dan
asosiasi. Pengujian hipotesis komparasi berkaitan dengan pengujian perbedaan (difference)
mean antara dua kelompok atau lebih. Pengujian hipotesis asosiasi berkaitan dengan menguji
antara dua variabel.

27

Daftar Pustaka
Sudjana. 2007. Metoda Statistika. Tarsito: Bandung.
Nasir, M. 2005. Metode Penelitian. Cetakan ke-6. Ghalia Indonesia, Bogor.
Nurgiyantoro, B., Gunawan, & Marzuki. 2000. Statistika Terapan untuk Penelitian Ilmu-ilmu
Sosial. Gajah Mada University Press, Yogyakarta.
Sugiyono. 2008. Metode Penelitian Bisnis. Alfabeta, Bandung.
Trihendardi, C. 2005. Step by Step SPSS 13 : Analisis Data statistik. Andi, Yogyakarta.
Walpole, R.E. 1995. Pengantar Statistika. Edisi ke-3. PT Gramedia Pustaka Utama, Jakarta
http://www.scribd.com/doc/51032083/PENGUJIAN-HIPOTESIS
http://hatta2stat.wordpress.com/

28