Hypothesis Testing and Comparing Means of Two Populations

Uji Hipotesis (Hypothesis Testing)

Pengenalan Hipotesis

Hipotesis adalah pernyataan sementara mengenai parameter populasi yang kebenarannya masih perlu dibuktikan melalui data sampel. Dalam statistik, hipotesis digunakan untuk menguji dugaan atau klaim tentang karakteristik populasi.

• Hipotesis Statistik: Pernyataan tentang parameter populasi yang diuji menggunakan data sampel.

• Tujuan: Menentukan apakah ada cukup bukti dalam data sampel untuk menolak hipotesis awal (H0).

• Contoh: "Saya percaya rata-rata efisiensi kerja karyawan saya minimal 90%." Ini adalah hipotesis yang dapat diuji secara statistik.

Jenis Hipotesis

• Hipotesis Nol (H0): Pernyataan yang menyatakan tidak ada perbedaan atau efek. Ini adalah hipotesis yang ingin diuji kebenarannya dan dipertahankan selama tidak ada bukti cukup untuk menolaknya.

• Hipotesis Alternatif (H1): Pernyataan yang menyatakan adanya perbedaan atau efek. Ini adalah hipotesis yang ingin dibuktikan kebenarannya.

Contoh Notasi Hipotesis:

• $H_0: \mu = a$

• $H_1: \mu \neq a$

• $H_0: \mu_1 = \mu_2$

• $H_1: \mu_1 \neq \mu_2$

• Hipotesis satu arah dan dua arah dapat digunakan tergantung pada tujuan pengujian.

Langkah-langkah Uji Hipotesis

1. Tuliskan hipotesis awal (H0) dan hipotesis tandingan (H1).

2. Tentukan tingkat signifikansi ($\alpha$), biasanya 0,05 atau 0,01.

3. Hitung nilai statistik uji berdasarkan data sampel.

4. Tentukan daerah kritis (nilai batas penolakan H0).

5. Buat keputusan: jika statistik uji berada di daerah penolakan, tolak H0; jika tidak, gagal menolak H0.

6. Interpretasikan hasil pengujian dalam konteks masalah.

Statistik Uji dan Daerah Kritis

Statistik uji adalah nilai yang dihitung dari data sampel untuk menentukan apakah H0 dapat ditolak. Daerah kritis adalah rentang nilai statistik uji yang menyebabkan penolakan H0.

• Contoh Daerah Kritis: Untuk uji dua arah dengan tingkat signifikansi 5%, daerah kritis berada di kedua ujung distribusi sampling.

Ilustrasi Daerah Kritis:

• Jika $|t_{hitung}| > t_{tabel}$, maka H0 ditolak.

• Jika $|t_{hitung}| \leq t_{tabel}$, maka H0 gagal ditolak.

Jenis Kesalahan dalam Uji Hipotesis

• Kesalahan Tipe I ($\alpha$): Menolak H0 padahal H0 benar.

• Kesalahan Tipe II ($\beta$): Gagal menolak H0 padahal H0 salah.

Tabel Keputusan Uji Hipotesis:

	H0 Benar	H0 Salah
Gagal Menolak H0	Keputusan Benar (1 - $\alpha$)	Kesalahan Tipe II ($\beta$)
Menolak H0	Kesalahan Tipe I ($\alpha$)	Keputusan Benar (1 - $\beta$)

Uji Perbedaan Mean Dua Populasi

Uji t Sampel Independen

Uji t dua sampel independen digunakan untuk membandingkan rata-rata dua populasi yang tidak berhubungan satu sama lain. Contohnya, membandingkan nilai rata-rata dua kelompok mahasiswa yang diberi metode pengajaran berbeda.

• Hipotesis: $H_0: \mu_1 = \mu_2$, $H_1: \mu_1 \neq \mu_2$

• Statistik Uji: $t = \frac{\bar{X}_1 - \bar{X}_2}{S_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}$

• Derajat Bebas: $df = n_1 + n_2 - 2$

• Keputusan: Jika $|t_{hitung}| > t_{tabel}$, maka H0 ditolak.

Contoh Kasus:

• Metode I: 34, 52, 26, 47, 42, 37, 40 (n=7, total=278)

• Metode II: 39, 57, 68, 74, 49, 57 (n=6, total=344)

• Hasil: $t_{hitung} = -2,99$, $t_{tabel} = 2,201$ (df=11, $\alpha=0,05$)

• Karena $|t_{hitung}| > t_{tabel}$, H0 ditolak. Artinya, terdapat perbedaan signifikan antara kedua metode.

Uji t Sampel Berpasangan (Paired t-test)

Uji t sampel berpasangan digunakan untuk membandingkan dua rata-rata dari sampel yang sama atau berpasangan, misalnya sebelum dan sesudah perlakuan pada subjek yang sama.

• Hipotesis: $H_0: \mu_1 = \mu_2$, $H_1: \mu_1 \neq \mu_2$

• Statistik Uji: $t = \frac{\bar{D}}{S_D / \sqrt{n}}$

• Derajat Bebas: $df = n - 1$

• Keputusan: Jika $|t_{hitung}| < t_{tabel}$, maka H0 diterima.

Contoh Kasus:

• 15 karyawan diuji waktu penyelesaian kerja siang dan malam hari.

• Hasil: $\bar{D} = 9,848$, $SD = 18,474$, $t_{hitung} < t_{tabel}$ (df=14, $\alpha=0,05$)

• Karena $t_{hitung} < t_{tabel}$, H0 diterima. Tidak ada perbedaan signifikan antara kecepatan kerja siang dan malam hari.

Ringkasan Rumus Uji t

• Uji t dua sampel independen:

• $t = \frac{\bar{X}_1 - \bar{X}_2}{S_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}$

• $S_p = \sqrt{\frac{(n_1-1)S_1^2 + (n_2-1)S_2^2}{n_1 + n_2 - 2}}$

• Uji t sampel berpasangan:

• $t = \frac{\bar{D}}{S_D / \sqrt{n}}$

Interpretasi Hasil Uji Hipotesis

• Jika H0 ditolak, terdapat bukti statistik yang cukup untuk menyatakan adanya perbedaan antara dua populasi.

• Jika H0 gagal ditolak, tidak terdapat bukti statistik yang cukup untuk menyatakan adanya perbedaan.