Uji hipotesis merupakan proses untuk menguji kebenaran dugaan tentang suatu keadaan dengan menggunakan statistik. Terdapat tiga langkah utama dalam uji hipotesis yaitu menyatakan hipotesis nol dan alternatif, menentukan taraf signifikansi, dan memilih uji statistik sesuai untuk mengambil keputusan apakah menerima atau menolak hipotesis nol.
2. HIPOTESIS
Hipotesis umum / konseptual : dugaan sementara tentang suatu
keadaan. Keadaan itu dapat berupa perbedaan, hubungan atau
pengaruh
Hipotesis statistik : hipotesis yang dapat dinyatakan dengan
besaran-besaran statistik
Bentuk rumusan hipotesis statistik :
H0 : hipotesis keadaan tak berbeda / tak berhubungan
H1 : hipotesis keadaan berbeda / berhubungan
Hipotesis harus diuji untuk verifikasi tentang keadaan itu.
Pengujian dapat dilakukan secara non-statistik atau dengan
statistik. Secara statistik, menguji apakah dugaan tentang
populasi itu benar atau didukung data.
3. UJI HIPOTESIS
Langkah-langkah Uji Hipotesis statistik:
Nyatakan H0 dan H1 (hipotesis alternatif). Tentukan apakah
hipotesis berupa 2 arah atau 1 arah.
Ex. H0 : 3 vs. H1 : 3 (2 arah) or H1 : < 3 (1 arah)
Tentukan taraf signifikansi α, misal : 1%, 5%, 10% dsb
Pilih uji statistik yang sesuai : parametrik (uji T, uji F, uji Z) atau
non-parametrik (uji λ) dan tentukan wilayah kritik
4. Hitung nilai statistik uji berdasarkan data yang diambil. SPSS
akan menkonversikan nilai itu menjadi probabilitas siginifikansi
(p)
Pengambilan keputusan dengan cara membandingkan nilai p
dengan nilai α (taraf signifikansi)
- tolak H0 bila p < α dan terima H0 bila p ≥ α
UJI HIPOTESIS (1)
5. TARAF SIGNIFIKANSI
Kesalahan dlm Pengambilan Keputusan :
• Kesalahan Jenis Pertama (KJ I)
Tolak Ho padahal Ho Benar
Peluang (KJ I) = Alpha (α)
Alpha disebut Taraf Nyata (significant level)
• Kesalahan Jenis Kedua (KJ II)
Terima Ho padahal Ho Salah
Peluang (KJ II) = Beta (β)
(1-Beta) disebut Kuasa Uji (Power of Test)
Nilai keduanya berkisar dari 0% s/d 100% atau 0 s/d 1. Kita
cukup memilih salah satu dari keduanya.
7. Ho
Value Critical
Value
Critical
Value
1/2 a
1/2 a
Sample Statistic
Rejection
Region
Rejection
Region
Nonrejection
Region
Sampling Distribution
1 – a
Level of Confidence
WILAYAH KRITIK (Uji 2 arah)
Sampling Distribution
Observed sample statistic
8. UJI STATISTIK
Dibedakan antara statistik parametrik dan non-parametrik
Parameter lazimnya mengacu pada ciri populasi yang terukur
dengan jelas, misal rata-rata, varians, proporsi dll. Ciri sampel
adalah statistik. Namun bentuk ini tergantung terutama pada
skala pengukuran data : interval / rasio – statistik parametrik
Untuk data dengan skala yang lebih rendah (nominal, ordinal)
harus diperlakukan secara berbeda dengan skala interval / rasio
– statistik non-parametrik
Statistik non-parametrik dapat digunakan untuk data kecil (n<30),
kecuali yang didasarkan pada tabulasi silang
9. Dalam satu variabel terdiri satu kelompok (sampel)
contoh : Variabel nilaiUTS
Variabel lain dapat menjadikan lebih dari 1 kelompok
contoh : NilaiUTS untuk pria & wanita (jenis kelamin)
Uji perbandingan mengacu pada kelompok, sedangkan uji
hubungan mengacu pada variabel.
UJI STATISTIK (1)
10. Parametrik
adanya syarat-syarat
mengenai parameter
populasi seperti asumsi
kenormalan.
Variabel yang dianalisis
umumnya terukur dalam
skala interval, atau rasio.
Lebih dari dua variable
bebas dapat dianalisis
secara bersamaan dalam
satu analisis.
Non-Parametrik
Tidak ada syarat-syarat
mengenai parameter populasi
seperti tak ada asumsi
kenormalan
Variabel yg dianalisis pada
umumnya terukur dalam skala
ordinal atau nominal.
Sampai saat ini, sebagian
besar analisis non-parametrik
terbatas satu variable bebas.
Perbandingan antar statistika
UJI STATISTIK (2)
11. UJI PERBANDINGAN
statistik parametrik & non-parametrik
Uji perbandingan parametrik Non-parametrik
1 kelompok Uji t
2 kelompok
- berhubungan Uji t berpasangan Uji tanda
- saling bebas Uji t saling bebas Mann-Whitney
> 2 kelompok
- berhubungan Friedman
- saling bebas Anova 1 arah Kruskal-Wallis
12. UJI HUBUNGAN
statistik parametrik & non-parametrik
Uji hubungan parametrik Non-parametrik
2 variabel - korelasi pearson
- uji regresi
- Λ2 (chi-kuadrat)
- korelasi spearman
> 2 variabel - korelasi parsial
- korelasi berganda
- uji regresi berganda
14. CIRI STATISTIK PARAMETRIK
Variabel yang dibandingkan harus terukur dalam skala
interval / rasio
Variabel pembedanya berbentuk kategorik (terukur dalam
skala nominal / ordinal)
Banyaknya kategori dalam variabel pembeda memuat
jumlah kelompok yang dibandingkan
Terdapat asumsi-asumsi dasar yang harus dipenuhi pada
data agar teknik statistik parametrik dapat digunakan
(normalitas, independensi, dsb)
15. UJI PERBANDINGAN 1 KELOMPOK
Membandingkan rata-rata / mean (μ) 1 kelompok dengan nilai
tertentu
Hipotesisnya : H0 : μ = μ0 vs. H1 : μ ≠ μ0 (μ0 konstanta)
Tetapkan taraf signifikansinya (α)
Uji statistik yang digunakan adalah uji T
Pengambilan keputusan dengan cara membandingkan nilai p
(probabilitas signifikansi) dengan nilai α - tolak H0 bila p
< α dan terima H0 bila p ≥ α
Contoh : Uji apakah rata-rata kandungan vitamin C suplier CSB
dalam populasi sama dengan spesifikasi yang ditetapkan
Pemerintah Amerika Serikat, yaitu 40 mg/100g CSB atau berbeda.
Hipotesisnya : H0 : μ = 40 vs. H1 : μ ≠ 40
16. Uji Mean Satu Kelompok
Perintah dalam SPSS
• Buka file one_sampel_t
17. Klik variable yang mau diuji rata-ratanya
ke kanan
Mau menguji apakah rata-rata kandungan vitamin C suplier CSB
dalam populasi sama dengan spesifikasi yang ditetapkan
pemerintah Amerika Serikat, yaitu 40 mg/100g CSB atau berbeda.
18. Output SPSS
Karena Sig < a (0.05) maka tolak H0. Jadi rata-rata kandungan
vitamin C dlm populasi yg diteliti berbeda dari 40 mg/100g CSB.
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
Kandungan Vitamin C
(mg/100g) 8 22.50 7.191 2.542
One-Sample Test
Test Value = 40
t df
Sig. (2-
tailed)
Mean
Difference
95% Confidence Interval
of the Difference
Lower Upper
Kandungan Vitamin
C (mg/100g) -6.883 7 .000 -17.500 -23.51 -11.49
19. UJI PERBANDINGAN 2 KELOMPOK : saling
bebas
Membandingkan rata-rata / mean (μ) 2 kelompok yang saling
bebas
Hipotesisnya : H0 : μ1 = μ2 vs. H1 : μ1 ≠ μ2
Tetapkan taraf signifikansinya (α)
Uji statistik yang digunakan adalah uji T
Pengambilan keputusan dengan cara membandingkan nilai p
(probabilitas signifikansi) dengan nilai α
- tolak H0 bila p < α dan terima H0 bila p ≥ α
Contoh : Ingin diuji apakah rata-rata waktu pengeringan cat kayu
ABC (Group1=1) sama dengan rata-rata waktu pengeringan cat
kayu XYX (Group2=2) di populasi yang diteliti.
Hipotesis: H0 : μABC = μXYZ vs. H1 : μABC ≠ μXYZ
20. Uji Means 2 Kelompok Bebas
Perintah dalam SPSS
Buka file independen_t_test_twotail
21. Klik ke kanan variable yang mau
diuji rata-ratanya (test atau
dependent variable)
Klik ke kanan variable yang dijadikan pengelompokan
(independent variable). Dalam hal ini group, waktu
pengeringan kayu.
Ingin diuji apakah rata-
rata rata-rata waktu
pengeringan cat kayu
ABC (A1=1) sama dengan
rata-rata waktu
pengeringan cat kayu
XYX (A2=2) di populasi
yang diteliti.
22. Output SPSS Uji Means 2 kelompok Bebas
Statistik deskriptif di atas memperlihatkan bahwa:
Cat kayu ABC cenderung memiliki waktu pengeringan lebih lama
dibanding Cat kayu XYZ (dari rata-rata/means).
Cat kayu ABC lebih berfluktuasi (bervariasi) waktu
pegeringannya dibanding mahasiswa Cat kayu XYZ (dari std
dev).
Group Statistics
group N Mean Std. Deviation
Std. Error
Mean
Waktu Kering Cat Kayu ABC
6 69.50 3.271 1.335
Cat Kayu XYZ
6 66.00 1.414 .577
23. Statistik Uji Means Dua Kelompok Bebas
Fluktuasi IPK Kumulatif seluruh
mahasiswa laki-laki maupun
perempuan di populasi yang diteliti
sama karena Sig > a (0.05).
Rata-rata IPK Kumulatif seluruh
mhs perempuan berbeda nyata
dengan seluruh mhs laki-laki.
Independent Samples Test
Levene's Test for
Equality of
Variances t-test for Equality of Means
95% Confidence
Interval of the
Difference
F Sig. t df
Sig. (2-
tailed)
Mean
Differenc
e
Std. Error
Differenc
e Lower Upper
Waktu Kering Equal variances
assumed
5.618 .039 2.406 10 .037 3.500 1.455 .258 6.742
Equal variances
not assumed
2.406 6.806 .048 3.500 1.455 .040 6.960
24. UJI PERBANDINGAN 2 KELOMPOK :
berpasangan
Membandingkan rata-rata / mean (μ) 2 kelompok yang
berpasangan
Hipotesisnya : H0 : μ1 = μ2 vs. H1 : μ1 ≠ μ2
Tetapkan taraf signifikansinya (α)
Uji statistik yang digunakan adalah uji T
Pengambilan keputusan dengan cara membandingkan nilai p
(probabilitas signifikansi) dengan nilai α
- tolak H0 bila p < α dan terima H0 bila p ≥ α
Contoh : Ingin diuji apaka ada beda rata-rata kandungan
pencemaran air raksa di Lokasi A dengan rata-rata kandungan
pencemaran air raksa Lokasi B di sungai Ciliwung
H0 : μlokasiA = μlokasiB vs. H1 : μlokaiA ≠ μlokasiB
25. Uji Means 2 Kelompok Berpasangan
Perintah dalam SPSS
Buka file paired_t_tes_unequal1
26. Klik variable pertama (Lokasi A) kmdn klik variable
kedua (Lokasi B) pindahkan ke kanan (paired
variables)
27. Output SPSS
Uji Means 2 Kelompok Berpasangan
Paired Samples Statistics
Mean N Std.
Deviation
Std. Error
Mean
Pair 1 Lokasi A 27.4286 7 3.00206 1.13467
Lokasi B 31.3857 7 4.10708 1.55233
Paired Samples Correlations
N Correlation Sig.
Pair 1 Lokasi A & Lokasi B
7 .487 .268
28. Tidak ada beda rata-rata kandugan
pencemaran air raksa di Lokasi A dan
Lokasi B dari seluruh lokasi yang diteliti di
sungai Ciliwung .
Paired Samples Test
Paired Differences
t df Sig. (2-tailed)
Mean Std. Deviation
Std. Error
Mean
95% Confidence
Interval of the
Difference
Lower Upper
Pair
1
Lokasi A -
Lokasi B -3.95714 3.72463 1.40778 -7.40185 -.51244 -2.811 6 .031
29. UJI PERBANDINGAN K KELOMPOK
saling bebas
Membandingkan mean (μ) > 2 kelompok saling bebas
Hipotesisnya : H0 : μ1 = … = μk vs. H1 : minimal ada 2 μi yang tak
sama
Tetapkan taraf signifikansinya (α)
Uji statistik yang digunakan adalah uji T
Pengambilan keputusan dengan cara membandingkan nilai p
(probabilitas signifikansi) dengan nilai α
- tolak H0 bila p < α dan terima H0 bila p ≥ α
Contoh : Ingin diuji apakah rata-rata jumlah produk cacat yang
dihasilkan ke-3 production line (1, 2 dan 3) sama atau berbda
H0 : μ1 = μ2 = μ3 vs. H1 : minimal ada 2 μi tak sama
31. Klik variable Jumlah Product Cacat
dan pindahkan ke kanan sbg
dependent variables
Klik variable Production Line dan
pindahkan ke kanan sebagai factor.
Klik Post hoc, selanjutnya klik
Bonferroni dan cheffe. Untuk uji
Pembanding berganda (multiple
comparisons).
32. Output Oneway
(Uji Means k-kelompok Bebas)
Karena Sig < a maka
disimpulkan bhw asumsi
kehomogenan variance
tidak terpenuhi
Descriptives
Jumlah Produk Cacat
N Mean
Std.
Deviation Std. Error
95% Confidence Interval
for Mean
Minimum Maximum
Lower Bound Upper Bound
Production Line 1 4 3.900 .2828 .1414 3.450 4.350 3.5 4.1
Production Line 2 4 2.350 .6245 .3122 1.356 3.344 1.5 3.0
Production Line 3 6 1.983 .6274 .2561 1.325 2.642 1.2 2.6
Total 14 2.636 .9865 .2637 2.066 3.205 1.2 4.1
Test of Homogeneity of Variances
Jumlah Produk Cacat
Levene
Statistic df1 df2 Sig.
1.613 2 11 .243
33. Output Oneway
(uji k-kelompok bebas)
Krn Sig > a, maka
disimpulkan bahwa
minimal ada 2 μi
yang tak sama.
Bila asumsi
terpenuhi.
ANOVA
Jumlah Produk Cacat
Sum of
Squares df
Mean
Square F Sig.
Between Groups 9.274 2 4.637 15.098 .001
Within Groups 3.378 11 .307
Total 12.652 13
34. Sig. Production Line 1 dan Production Line 2, dan Production Line 1 dan
Production Line 3 < a, rata-rata jumlah produk cacat yang dihasilkan
Production Line 1 dan Production Line 2, Production Line 1 dan Production
Line 3, berbeda nyata
Multiple Comparisons
Dependent Variable:cacat Jumlah Produk Cacat
(I) line Production
Line
(J) line Production
Line
Mean
Difference (I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
Scheffe Production Line 1 Production Line 2 1.5500* .3919 .008 .444 2.656
Production Line 3 1.9167* .3577 .001 .907 2.926
Production Line 2 Production Line 1 -1.5500* .3919 .008 -2.656 -.444
Production Line 3 .3667 .3577 .605 -.643 1.376
Production Line 3 Production Line 1 -1.9167* .3577 .001 -2.926 -.907
Production Line 2 -.3667 .3577 .605 -1.376 .643
Bonferroni Production Line 1 Production Line 2 1.5500* .3919 .007 .445 2.655
Production Line 3 1.9167* .3577 .001 .908 2.925
Production Line 2 Production Line 1 -1.5500* .3919 .007 -2.655 -.445
Production Line 3 .3667 .3577 .982 -.642 1.375
Production Line 3 Productio n Line 1 -1.9167* .3577 .001 -2.925 -.908
Production Line 2 -.3667 .3577 .982 -1.375 .642
35. Daftar Pustaka:
Uyanto, S.S. (2009). Pedoman analisis data dengan
SPSS. Edisi Ketiga. Yogyakarta: Penerbit Graha Ilmu.
Bahan Kuliah Metode Penelitian, J.Tjahjo Baskoro.