MATERI KULIAH 03 September 2026 5 menit baca 4

Statistika dan Probabilitas: Pengujian Hipotesis

Artikel ini membahas konsep dasar pengujian hipotesis statistik, mencakup lima tahap pengujian, dua jenis kesalahan dalam pengambilan keputusan, uji satu dan dua arah, hingga penerapannya pada uji rata-rata, proporsi, dan varians, bagi mahasiswa Informatika Universitas Siber Asia.

Setiap kali sebuah perusahaan mengklaim produknya "bertahan rata-rata 1.000 jam" atau sebuah tim data science menguji apakah fitur baru benar-benar meningkatkan konversi penjualan, di baliknya ada proses pengujian hipotesis.

Hipotesis statistik adalah suatu anggapan atau pernyataan mengenai satu populasi atau lebih, yang kebenarannya kemudian diuji menggunakan data sampel.

## Lima Tahap Menguji Hipotesis

1. Menetapkan hipotesis nol ($H_0$) dan hipotesis alternatif ($H_1$). $H_0$ selalu memuat tanda sama dengan, dan merupakan pernyataan yang ingin diuji. Penolakan $H_0$ akan mengarah pada penerimaan $H_1$ sebagai hipotesis tandingan.

2. Memilih tingkat signifikansi ($\alpha$). Alpha berada di antara 0 dan 1, dan nilainya berbeda tergantung konteks, misalnya 0,05 untuk penelitian konsumen, 0,01 untuk jaminan mutu, atau 0,1 untuk jajak pendapat politik. Tingkat signifikansi ini harus ditentukan sebelum data sampel dikumpulkan.

3. Memilih statistik pengujian. Statistik uji yang umum dipakai antara lain $z$ ketika varians populasi diketahui dan $t$ ketika varians populasi tidak diketahui.

4. Merumuskan kaidah keputusan. Kaidah ini mendefinisikan wilayah kritis, yaitu wilayah nilai yang menyebabkan $H_0$ ditolak.

5. Mengambil keputusan. Berdasarkan hasil perhitungan statistik uji dibandingkan dengan wilayah kritis, diputuskan apakah $H_0$ ditolak atau tidak ditolak. Istilah "tidak ditolak" lebih tepat digunakan daripada "diterima", karena $H_0$ pada dasarnya dianggap benar sampai terbukti sebaliknya.

## Dua Jenis Kesalahan dalam Pengujian Hipotesis

Dalam pengambilan keputusan statistik, ada dua jenis kesalahan (galat) yang mungkin terjadi:

- Galat jenis I, menolak $H_0$ padahal $H_0$ sebenarnya benar.
- Galat jenis II, menerima (tidak menolak) $H_0$ padahal $H_0$ sebenarnya salah.

Peluang untuk menolak $H_0$ ketika hipotesis tandingan tertentu memang benar disebut kuasa (power) suatu uji.

## Uji Eka Arah vs Uji Dwi Arah

Uji eka arah (satu sisi) adalah uji hipotesis dengan wilayah penolakan $H_0$ hanya berada di satu sisi kurva distribusi, dipakai ketika hipotesis alternatif menyatakan arah tertentu (misalnya "lebih besar dari" atau "lebih kecil dari").

Uji dwi arah (dua sisi) adalah uji hipotesis dengan wilayah penolakan $H_0$ berada di kedua sisi kurva, dipakai ketika hipotesis alternatif hanya menyatakan "tidak sama dengan" tanpa arah spesifik.

## Uji Hipotesis Tentang Rata-Rata

Ketika varians populasi ($\sigma^2$) diketahui, statistik uji $z$ dihitung dengan:

$$
z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}
$$

Keterangan:
- $\bar{x}$ = rata-rata sampel
- $\mu_0$ = nilai rata-rata yang dihipotesiskan
- $\sigma$ = simpangan baku populasi
- $n$ = ukuran sampel

Contoh: sebuah produsen lampu mengklaim rata-rata umur produknya adalah 1.000 jam ($\mu_0=1.000$). Sebuah sampel 36 lampu diuji dan diperoleh rata-rata 980 jam, dengan simpangan baku populasi yang diketahui sebesar 60 jam.

Dengan $H_0: \mu=1.000$, $H_1: \mu\neq1.000$, dan $\alpha=0,05$ (uji dwi arah, wilayah kritis $z>1,96$ atau $z<-1,96$):

$$
z = \frac{980 - 1.000}{60 / \sqrt{36}}
$$

$$
z = \frac{-20}{10} = -2,0
$$

Karena $z=-2,0$ berada di wilayah kritis (lebih kecil dari -1,96), $H_0$ ditolak. Kesimpulannya, rata-rata umur lampu yang sebenarnya berbeda secara signifikan dari klaim produsen, cenderung lebih rendah dari 1.000 jam.

Ketika varians populasi tidak diketahui, prosedur serupa dilakukan menggunakan statistik uji $t$ dan tabel distribusi *t-student*, dengan derajat kebebasan $dk=(n-1)$.

## Uji Hipotesis Tentang Dua Rata-Rata

Untuk membandingkan rata-rata dua populasi ($\mu_1$ dan $\mu_2$) berdasarkan dua sampel independen, prosedurnya bergantung pada kondisi variansnya:

- Jika kedua varians populasi diketahui, statistik uji $z$ dihitung langsung dari selisih rata-rata sampel dibagi galat baku gabungan.
- Jika kedua varians populasi sama namun tidak diketahui, dipakai statistik uji $t$ dengan varians gabungan (*pooled variance*) dan derajat kebebasan $dk=(n_1+n_2-2)$.
- Jika kedua varians populasi tidak sama dan tidak diketahui, dipakai pendekatan $t$ dengan derajat kebebasan yang disesuaikan (dikenal sebagai uji Welch).
- Untuk data berpasangan (misalnya nilai sebelum dan sesudah perlakuan pada subjek yang sama), digunakan uji $t$ data berpasangan berdasarkan selisih tiap pasangan pengamatan.

## Uji Hipotesis Tentang Proporsi

Untuk sampel berukuran besar, uji satu proporsi memakai pendekatan distribusi normal, dengan $H_0:p=p_0$ dan statistik uji $z$ dihitung dari selisih proporsi sampel dan proporsi hipotesis, dibagi galat baku proporsi.

Uji beda dua proporsi mengikuti prinsip yang serupa, dengan $H_0:p_1=p_2$, cocok dipakai misalnya untuk membandingkan tingkat konversi dua varian halaman website (A/B testing) atau tingkat kesembuhan dua metode pengobatan.

## Uji Hipotesis Tentang Varians

Untuk menguji apakah varians suatu populasi normal sama dengan nilai tertentu, digunakan statistik uji Chi-Kuadrat.

Untuk membandingkan kesamaan varians dari dua populasi normal, digunakan statistik uji $F$, yaitu rasio antara dua varians sampel. Uji $F$ ini juga menjadi dasar bagi ANOVA (analisis varians) yang membandingkan rata-rata lebih dari dua kelompok sekaligus.

## Uji Kebaikan Suai dan Uji Kebebasan

Selain menguji parameter tunggal seperti rata-rata, proporsi, atau varians, distribusi Chi-Kuadrat juga dipakai untuk uji kebaikan suai (goodness of fit), yaitu menguji apakah data mengikuti suatu distribusi tertentu (misalnya distribusi normal), dan uji kebebasan (independence), yaitu menguji apakah dua variabel kategori saling berhubungan atau tidak.

Kedua uji ini sudah dibahas lebih detail dengan contoh perhitungannya pada artikel tentang distribusi Chi-Square dan statistik non-parametrik.

## Kesimpulan

Pengujian hipotesis adalah kerangka kerja sistematis untuk mengambil keputusan berdasarkan data sampel, mulai dari menetapkan $H_0$ dan $H_1$, memilih tingkat signifikansi dan statistik uji, hingga membandingkan hasil hitung dengan wilayah kritis.

Baik untuk menguji rata-rata, proporsi, maupun varians, kerangka lima tahap ini menjadi dasar dari hampir seluruh pengambilan keputusan berbasis data, termasuk dalam eksperimen A/B testing dan evaluasi model machine learning di dunia teknologi informasi.

#statistika #mahasiswa informatika #universitas siber asia #pengujian hipotesis #hipotesis nol #hipotesis alternatif #galat jenis satu #galat jenis dua #uji z #uji t

Komentar (0)

Belum ada komentar. Jadi yang pertama berkomentar di bawah.

Statistika dan Probabilitas: Pengujian Hipotesis

Komentar (0)

Tulis Komentar

Artikel Terkait

Estetika Humanisme: Psikologi Humanistik

Estetika Humanisme: Leadership

Estetika Humanisme: Manajemen Konflik