Uji Hipotesis. MA2081 STATISTIKA DASAR Utriweni Mukhaiyar

dokumen-dokumen yang mirip
MA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012

4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah)

10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah)

UJI RATAAN UJIVARIANSI MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 2011

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

PEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar

PEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya

Pengujian Hipotesis. Oleh : Dewi Rachmatin

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar

MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar

PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR

PELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik).

Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari

PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK

ANALISIS VARIANSI. Utriweni Mukhaiyar. 2 November 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

DISTRIBUSI KONTINU. Utriweni Mukhaiyar

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR

dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6.

REGRESI LINEAR SEDERHANA

STATISTIKA INDUSTRI 2 TIN 4004

Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012

PEUBAH ACAK DAN DISTRIBUSINYA

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4.

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

DISTRIBUSI DISKRIT KHUSUS

REVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS. Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 21 Januari 2016

DISTRIBUSI DISKRIT KHUSUS

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.

MA2181 Analisis Data - U. Mukhaiyar 1

STATISTIKA INDUSTRI 2 TIN 4004

Regresi Linear Sederhana

Fungsi Peluang Gabungan

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal)

UJI HIPOTESIS SATU-SAMPEL

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

DISTRIBUSI DISKRIT KHUSUS

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004

11/8/2010 ANALISIS VARIANSI ILUSTRASI

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

Distribusi Sampel & Statistitik Terurut

Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012

PENGUJIAN HIPOTESIS RATA-RATA DUA POPULASI -YQ-

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011

STATISTIKA NON PARAMETRIK

PRAKTIKUM STATISTIKA INDUSTRI 2013 MODUL IV PENGUJIAN HIPOTESIS

PENGUJIAN HIPOTESIS. Konsep: Dua macam kekeliruan. Pengujian hipotesis.

BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar

MA2081 Statistika Dasar

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4]

STATISTIKA INDUSTRI 2 TIN 4004

FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

Aplikasi Pengujian Hipotesis Statistik dalam Sistem Teknologi Informasi

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

Ayundyah Kesumawati. April 20, 2015

LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND

Uji Permutasi untuk Masalah Dua Sampel Saling Bebas: Studi Kasus di LAFI-DITKES AD Bandung Jawa Barat

DISTRIBUSI SAMPLING besar

Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015

Terima hipotesis Tidak membuat kesalahan Kesalahan tipe II Tolak hipotesis Kesalahan tipe I Tidak membuat kesalahan

STATISTIK Hypothesis Testing 2 Contoh kasus

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

Ukuran Statistik Bagi Data

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /

MA5283 STATISTIKA Bab 7 Analisis Regresi

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :

TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan

PENGUJIAN HIPOTESIS 1

STATISTIKA INDUSTRI 2 TIN 4004

PENGERTIAN PENGUJIAN HIPOTESIS

STATISTIKA II (BAGIAN

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan

Pengertian Pengujian Hipotesis

STK 211 Metode Statistika PENGUJIAN HIPOTESIS

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

PERTEMUAN KE 2 HIPOTESIS

Statistika (MMS-1403)

PENGUJIAN HIPOTESIS. Daerah penolakan. luas KED

Uji Hipotesis dengan ANOVA (Analysis of Variance)

BAGAIMANA CARA MENGATASI KASUS TERSEBUT? JAWAB: MELAKUKAN UJI HIPOTESIS

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015

Transkripsi:

Uji Hipotesis MA081 STATISTIKA DASAR Utriweni Mukhaiyar 8 Maret 01

Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu diuji kebenarannyaa Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu diuji kebenarannya 1. Hipotesis nol (H 0 ) ; pernyataan yang mengandung tanda kesamaan (=,, atau ) ). Hipotesis tandingan (H 1 ) ; tandingan hipotesis H 0, mengandung tanda, >, atau <.

Galat (error) H 0 ditolak H 0 benar P(menolak H 0 H 0 benar) = galat tipe I = α H 0 salah keputusan benar H 0 tidak ditolak keputusan benar P(tidak ( d k menolak H 0 H 0 salah) = galat tipe II = β yang dimanfaatkan dalam pokok bahasan ini 3

Skema Umum Uji Hipotesis i Hipotesis Statistik??? Hipotesis yang ingin diuji Memuat suatu kesamaan (=, atau ) Dapatp berupa H 0 - hasil penelitian sebelumnya - informasi dari buku atau - hasil percobaan orang lain H 1 Hipotesis yang ingin dibuktikan Disebut juga hipotesis alternatif Memuat suatu perbedaan (, > atau <) Keputusan mungkin terjadi Kesalahan H 0 ditolak H 0 tidak ditolak Tipe II 4 Kesimpulan H 1 benar Kesimpulan Tidak cukup bukti untuk menolak H 0 Menolak H 0 padahal H 0 benar P(tipe I) = α = tingkat signifikansi

Statistik Uji dan Titik Kritis Statistik uji digunakan untuk menguji hipotesis statistik yang telah dirumuskan. Notasinya berpadanan dengan jenis distribusi yang digunakan. Titik kritis membatasi daerah penolakan dan penerimaan H 0. Diperoleh dari tabel statistik ti tik yang bersangkutan. H 0 ditolak jika nilai statistik uji jatuh di daerah kritis. 5 daerah kritis = / titik kritis daerah daerah penerimaan H 0 daerah daerah kritis = / penerimaan H 0 kritis 1 - titik kritis 0 diperoleh dari tabel statistik 1 - titik kritis

Uji Rataan Satu Populasi uji dua arah 1. H : = vs H 1 : 0 0 0. H 0 : = 0 vs H 1 : > 0 3. H 0 : = 0 vs H 1 : < 0 uji satu arah 0 adalah suatu konstanta yang diketahui 6

Statistik Uji untuk Rataan Satu Populasi 1. Kasus σ diketahui Z X / 0 n ~ N(0,1) Tabel Z (normal baku). Kasus σ tidak diketahui T X s / 0 n ~ t (n-1) Tabel t 7

Daerah Kritis Uji Rataan Satu Populasi σ diketahui σ tidak diketahui Statistik uji : Z T H 0 : = 0 vs H 1 : 0 Z < - Z 1-α/ atau Z > Z 1-α/ T < - T α/ atau T > T α/ H 0 : = 0 vs H 1 : > 0 Z > Z 1-α T > T α H 0 : = 0 vs H 1 : < 0 Z < - Z 1-α T < - T α titik kritis dengan derajat kebebasan n - 1 8

Uji Rataan Dua Populasi uji dua arah 1. H 0 : 1 - = 0 vs H 1 : 1-0. H 0 : 1 - = 0 vs H 1 : 1 - > 0 3. H 0 : 1 - = 0 vs H 1 : 1 - < 0 uji satu arah 0 adalah suatu konstanta yang diketahui 9

10 Statistik Uji untuk Rataan Dua Populasi 1. Kasus σ 1 dan σ diketahui Z = H X X μ 1 0 σ n σ n 1 1. Kasus σ 1 dan σ tidak diketahui dan σ 1 σ 1 0 H S1 S T = X X μ n n 1 3. Kasus σ 1 1 dan σ tidak diketahui dan σ = σ T = H X X μ S 1 0 p 1 1 n n 1 dengan (n 1)S (n 1)S 1 1 p n 1 n S =

Daerah Kritis Uji Rataan Dua Populasi 11 σ 1, σ diketahui σ 1, σ tidak diketahui Statistik uji : Z T Derajat Kebebasan n 1 + n - j 1 Z < - Z α/ atau Z > Z α/ T < -T α/ atau T > T α/ σ 1 = σ σ 1 σ S1 S n n v= 1 S 1 (n1 1) n 1 (n 1) n 1 1 S T < -T α/ atau T > T α/ H 0 : 1 - = 0 vs H 1 : 1-0 H 0 : 1 - = 0 vs H 1 : 1 - > 0 Z > Z α T > T α T > T α H 0 : 1 - = 0 vs Z < - Z H 1 : 1 - < α T < -T α T < -T α 0

Uji untuk Rataan Berpasangan 1. H 0 : d = 0 vs H 1 : d 0. H 0 : d = 0 vs H 1 : d > 0 3. H 0 : d = 0 vs H 1 : d < 0 Statistik uji menyerupai statistik untuk kasus satu populasi dengan variansi tidak diketahui. D μ T= S / n d 0 ; 1

Contoh 1 13 Berdasarkan 100 laporan kejadian hujan (dengan lama kejadian hujan sama) di daerah SH yang diamati secara acak, diperoleh bahwa rata-rata tingkat curah hujan adalah adalah 71,8 mm dengan simpangan baku 8,9 mm. Berdasarkan literatur diduga bahwa rata-rata tingkat curah hujan di daerah tersebut lebih dari 70 mm. a. Nyatakan dugaan tersebut dalam pernyataan hipotesis statistik b. Untuk tingkat signifikansi 5%, benarkah pernyataan literatur tersebut?

Solusi Diketahui Ditanya: 0 70, X 71.8, a. Hipotesis statistik b. Kesimpulan uji hipotesis Jawab: Parameter yang akan diuji : μ a. Rumusan hipotesis: H 0 : μ = 70 H 1 : μ > 70 s 8.9, 0,05 14

b. α = 5%=0.05, maka titik kritis t 0.05,(99) = 1.645 x 0 71,8 70 t,0 s 8,9 n 100 Karena t > t 0.05,(99), maka t berada pada daerah penolakan sehingga keputusannya H 0 ditolak. Jadi pernyataan literatur tersebut benar bahwa rata-rata tingkat curah hujan di daerah SH lebih dari 70 mm. 15

Contoh 16 Suatu percobaan dilakukan untuk membandingkan keausan yang diakibatkan k oleh lhgosokan, daridua bh bahan yang dilapisi. i i Dua bl belas potong bahan 1 diuji dengan memasukan tiap potong bahan ke dalam mesin pengukur aus. Sepuluh potong bahan diuji dengan cara yang sama. Dalam tiap hal, diamati dalamnya keausan. Sampel bahan 1 memberikan rata-rata keausan (sesudah disandi) sebanyakak 85 satuan dengan simpangan baku sampel 4, sedangkan sampel bahan memberikan rata-rata keausan sebanyak 81 dengan simpangan baku sampel 5. Dapatkah disimpulkan, pada taraf keberartian 5%, bahwa rata-rata keausan bahan 1 melampaui rata-rata keausan bahan lebih dari dua satuan? Anggaplah kedua populasi berdistribusi hampir normal dengan variansi yang sama.

Solusi Misalkan μ 1 dan μ masing-masing menyatakan rata-rata populasi bahan 1 dan populasi bahan. Variansi populasi kedua bahan tidak diketahui, yang diketahui adalah variansi sampel. Diasumsikan variansi populasi kedua bahan adalah sama. Rumusan hipotesis yang diuji adalah: H 0 : μ 1 - μ = H 1 : μ 1 - μ > 17

18 t = H Tingkat keberartian, α = 0.05 x 85, s 4, n 1 1 1 1 x 81, s 5, n 10 Kita gunakan statistik ttitikuji untuk variansi ikd kedua populasi tk tak diketahui tapi dianggap sama, yaitu xdengan 1xμ0 dengan s p 1 1 n n 1 Maka diperoleh : t = H s = p (n 11)s 1 (n 1 )s (11)(16) (9)(5) n n 110 1 x1x μ0 (85 81) 1 1 4.478 (1/1) (1/10) n n s p 1 1.04 4.478

Statistik uji t berdistribusi t-student dengan derajat kebebasan n 1 +n - = 1 +10 - = 0, sehingga titik iikkii kritisnya adalah dlh t 0.05,0 = 1.75. Karena t < 1.75, maka H 0 tidak ditolak. Tidak dapat disimpulkan bahwa rata-rata keausan bahan 1 melampaui rata-rata keausan bahan lebih dari satuan. 19

Contoh 3 (data berpasangan) Pada tahun 1976, J.A. Weson memeriksa pengaruh obat succinylcholine terhadap kadar peredaran hormon androgen dalam darah. Sampel darah dari rusa liar yang hidup bebas diambil melalui urat nadi leher segera setelah succinylcholine disuntikkan pada otot rusa. Rusa kemudian diambil lagi darahnya kirakira 30 menit setelah suntikan dan kemudian rusa tersebut dilepaskan. Kadar androgen pada waktu ditangkap dan 30 menit kemudian diukur dalam nanogram per ml (ng/ml) untuk 15 rusa. Data terdapat pada tabel berikut 0

1 No. Kadar androgen (ng/ml) Kadar androgen (ng/ml) 30 Selisih (d i ) sesaat setelah disuntik menit setelah disuntik 1.76 7.0 4.6 3 5.18.68 3.10 5.44 -.08.76 4 5 6 3.05 4.10 705 7.05 3.99 5.1 10.6 0.94 1.11 31 3.1 7 8 6.60 4.79 13.91 18.53 7.31 13.74 9 10 11 7.39 7.30 11.78 7.91 4.85 11.1010 0.5 -.45-0.68 068 1 13 3.90 6.00 3.74 94.03-0.16 68.03 14 15 67.48 17.04 94.03 41.70 6.55 4.66

Anggap populasi androden sesaat setelah suntikan dan 30 menit kemudian berdistribusi normal. Ujilah, pada tingkat keberartian 5%, apakah konsentrasi androgen berubah setelah ditunggu 30 menit.

Solusi Ini adalah data berpasangan karena masing-masing unit percobaan (rusa) memperoleh lhdua kl kali pengukuran Misalkan μ 1 dan μ masing-masing menyatakan rata-rata konsentrasi androgen sesaat setelah suntikan dan 30 menit kemudian. Rumusan hipotesis yang diuji adalah H 0 : μ 1 = μ atau μ D = μ 1 - μ = 0 H 1 : μ 1 μ atau μ D = μ 1 - μ 0 Tingkat signifikansi yang digunakan adalah α = 5% = 0.05 3

Rata-rata sampel dan variansi sampel untuk selisih ( d i ) adalah, d 9.848 dan s 18.474 Statistik uji yang digunakan adalah, d Dalam hal ini, d d 0 t= s / n d t= 9.848 0 18.474 / 15.06 4

Statistik uji t berdistribusi t-student dengan derajat kbb kebebasan n 1 = 15 1 = 14. Pada tingkat keberartian 0.05, H 0 ditolak jika t < - t 0.05,14 = -.145 atau t > t 0.05,14 =.145. Karena nilai t =.06, maka nilai t tidak berada pada daerah penolakan. Dengan demikian, H 0 tidak ditolak. Kendati demikian, nilai t =.06 mendekati nilai t 00 0.05,14 =.145. Jadi perbedaan rata-rata kadar peredaran androgen bisa diabaikan. 5

Uji Hipotesis Tentang Variansi Satu Populasi Bentuk hipotesis nol dan tandingannya untuk kasus variansi satu populasi adalah 1. H : = vs H :. 0 0 1 0 H : vs H : 0 0 1 0 3. H : vs H : 0 0 1 0 Dengan 0 menyatakan suatu konstanta mengenai variansi yang diketahui. 6

Statistisk uji yang digunakan untuk menguji ketiga hipotesis di atas adalah : ( n 1) s 0 Jika H 0 benar, maka statistik uji tersebut kuadrat dengan derajat kebebasan n-1. berdistribusi khi- 7

Untuk hipotesis H 0 : = 0 vs H 1 : 0, tolak H 0 pada tingkat kb keberartian α jika : atau 1,( n 1),( n 1) H 0 : = 0 vs H 1 : 0 Untuk hipotesis, tolak H 0 pada tingkat keberartian α jika 1,( n1) nilai dari tabel distribusi chi-square dengan derajat kbb kebebasan n - 1 Untuk hipotesis H 0 : = 0 vs H 1 : 0, tolak H 0 pada tingkat keberartian α jika 8,( n1)

Uji Hipotesis Tentang Variansi Dua Populasi Bentuk hipotesis nol dan tandingannya untuk uji hipotesis mengenai variansi dua populasi adalah, 1. H : vs H : 0 1 1 1. H : vs H : 0 1 1 1 3. H : vs H : 0 1 1 1 Dengan σ 1 dan σ masing-masing adalah variansi populasi ke-1 dan variansi populasi ke- 9

Statistisk uji yang digunakan untuk menguji ketiga hipotesis di atas adalah, F s 1 s Jika H 0 benar, statistik ttitikuji tersebut tberdistribusi ib i Fisher dengan derajat kebebasan, v 1 = n 1 1 dan v = n 30

H : vs H : Untuk hipotesis 0 1 1 1, tolak H 0 pada tingkat keberartian α jika : F f atau F f 1,( v 1, v ),( v 1, v ) H : vs H : Untuk hipotesis 0 1 1 1, tolak H 0 pada tingkat keberartian α jika : F f1,( v, v ) 1 H : vs H : Untuk khipotesis i 0 1 1 1, tolak kh 0 pada tingkat keberartian α jika : F f,( v 1, v ) f f f f,( v, v ), 1,( v, v ), /,( v, v ),dan 1 /,( v, v ) adalah nilai-nilai 1 1 1 1 dari tabel distribusi Fisher dengan derajat 31 kebebasan v 1 dan v

Contoh 4 Suatu perusahaan baterai mobil menyatakan bahwa umur baterainya berdistribusi b hampir normal dengan simpangan baku 0.9 tahun. Bila sampel acak 10 baterai tersebut menghasilkan simpangan baku 1. tahun, apakah anda setuju bahwa σ > 0.9 tahun? Gunakan taraf kebartian 5%! 3

Solusi H 0 : σ = 0.81 H 1 : σ > 0.81 1 α = 0.05 Diketahui simpangan baku sampel, s = 1. Statistik uji Titik kritis adalah n s 16 ( 1) (9)(1.44) 0 0.81, n1 0.05,9 16.919 Karena 0.05,9, maka H 0 tidak ditolak. Simpulkan bahwa simpangan baku umur baterai tidak melebihi 0.9 33

Contoh 5 Dalam pengujian keausan kedua bahan di contoh, dianggap bahwa kedua variansi yang tidak diketahui sama besarnya. Ujilah anggapan ini! Gunakan taraf keberartian 010 0.10. 34

Solusi Misalkan σ 1 dan σ adalah variansi populasi p dari masing- masing keausan bahan 1 dan bahan. rumusan hipotesis yang akan diuji adalah H 0 : σ 1 = σ H 1 : σ 1 σ α =0.10 35

Statistik uji f = s 1 / s = 16 / 5 = 0.64 H 0 ditolak dengan tingkat keberartian α jika 36 f f atau f f 1,( v1, v),( v1, v) α = 0.10, v 1 = n 1 1 = 1 1 = 11, dan v = n 1 = 10 1 = 9. Maka f 1,( v1, v) f 0.95,(11.9) 0.34 dan f,( v1, v) f 3.11 0.05,(11.9) Karena f f f, maka jangan tolak H 0. 1,( v1, v),( v1, v) Simpulkan bahwa tidak cukup kenyataan untuk menyatakan bahwa variansinya berbeda.

Referensi Devore, J.L. and Peck, R., Statistics The Exploration and Analysis of Data, USA: Duxbury Press, 1997. Pasaribu, U.S., 007, Catatan Kuliah Biostatistika. Wild, C.J. and Seber, GAF G.A.F., Chance Encounters A first Course in Data Analysis and Inference, USA: John Wiley&Sons,Inc., 000. Walpole, Ronald E. Dan Myers, Raymond H., Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Edisi 4, Bandung: Penerbit ITB, 1995. Walpole, Ronald E. et.al., Probability & Statistics for Enginerrs & Scientists,, Eight edition, New Jersey : Pearson Prentice Hall, 007. 37