Bab 9 Analisis Regresi dan Analisis Korelasi

Bab 9 Analisis Regresi dan Analisis Korelasi

ANALISIS REGRESI DAN KORELASI (Materi VIII : Analisis Regresi dan Korelasi Sederhana)

Pengertian : Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.
Analisis Regresi Sederhana : digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam mempengaruhi variabel terikat. Dalam analisis regresi sederhana, pengaruh satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai berikut : Y = a + b X. Keterangan : Y : Variabel terikat (Dependent Variable); X : Variabel bebas (Independent Variable); a : Konstanta; dan b : Koefisien Regresi. Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X) terhadap nilai ujian (Y) adalah sebagai berikut :

(nilai ujian)	X (lama belajar)	X 2	XY
40	4	16	160
60	6	36	360
50	7	49	350
70	10	100	700
90	13	169	1.170
ΣY = 310	ΣX = 40	ΣX2 = 370	ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 X
Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka dapat diketahui bahwa : 1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2) terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik atau tinggi nilai ujiannya; 2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama belajar sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-variabel lain yang dapat mempengaruhi dianggap tetap.
Analisis Korelasi (r) : digunakan untuk mengukur tinggi redahnya derajat hubungan antar variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari koefisien korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan positif yang erat, bila mendekati angka – 1 berarti terjadi hubungan negatif yang erat. Sedangkan koefisien korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah atau tidak erat. Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1. Untuk koefisien korelasi sama dengan – 1 atau + 1 berarti hubungan kedua variabel adalah sangat erat atau sangat sempurna dan hal ini sangat jarang terjadi dalam data riil. Untuk mencari nilai koefisen korelasi (r) dapat digunakan rumus sebagai berikut : r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}

Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika sebagai berikut :

Sampel	X (statistik)	Y (matematika)	XY	X2	Y2
1	2	3	6	4	9
2	5	4	20	25	16
3	3	4	12	9	16
4	7	8	56	49	64
5	8	9	72	64	81
Jumlah	25	28	166	151	186

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai statistik dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika mahasiswa mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan sebaliknya jika nilai statistik jelek maka nilai matematikanya juga jelek.

sumber:http://ssantoso.blogspot.com/2008/08/analisis-regresi-dan-korelasi-materi.html

Bab.8 Analisis Variansi

Bab. 8 Analisis Variansi

Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa
populasi.
Konsep analisis variansi didasarkan pada konsep distribusi F dan biasanya dapat
diaplikasikan untuk berbagai macam kasus maupun dalam analisis hubungan
antara berbagai varabel yang diamati. Dalam perhitungan statistik, analisis
variansi sangat dipengaruhi asumsi-asumsi yang digunakan seperti kenormalan
dari distribusi, homogenitas variansi dan kebebasan dari kesalahan.
Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik data
setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa
variansi dalam masing-masing kelompok dianggap sama. Sedangkan asumsi
bebas menjelaskan bahwa variansi masing-masing terhadap rata-ratanya pada
setiap kelompok bersifat saling bebas.


Hipotesis ANOVA satu arah
· H0 : μ1= μ 2 = μ 3 = … = μ k
o Seluruh mean populasi adalah sama
o Tidak ada efek treatment ( tidak ada keragaman mean dalam grup )
·  H1 : tidak seluruhnya mean populasi adalah sama
o Terdapat sebuah efek treatment
o Tidak seluruhmean populasi berbeda ( beberapa pasang mungkin sama )

Partisi Variansi
 Variansi total dapat dibagi menjadi 2 bagian :
    SST          = SSG + SSW
    SST          = Total sum of squares (jumlah kuadrat total ) yaitu penyebaran agregat
                        nilai data individu melalui beberapa level vaktor .
    SSG/SSB   = Sum of squares between-grup ( jumlah kuadrat antara ) yaitu
                        penyebaran diantara mean sampel factor .
    SSW/SSE  = Sum of squares within-grup ( jumlah kuadrat dalam ) yaitu
                        penyebaran yang terdapat diantara nilai data dalam sebuah
                        level factor tertentu .

Rumus jumlah kuadarat total ( total sum of squares )



Dimana
SST = total sum of squares ( jumlah kadarat total )
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Variansi total


Rumus untuk mencari variasi jumlah kuadrat dalam


Keterangan :
SSW/SSE = jumlah kuadrat dalam.
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )

Rumus untuk mencari varisi diantara grup


Keterangan :
SSB/SSG = jumlah kuadrat diantara
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Rumus variasi dalam kelompok


MSW = Rata-rata variasi dalam kelompok
SSW = jumlah kuadrat dalam
N-K = derajat bebas dari SSW
rumus variasi diantara kelompok



MSW/SSW = Rata-rata variasi diantara kelompok
SSG = jumlah kuadrat antara
k-1 = derajat bebas SSG








 

 sumber:http://statistika-is-fun.blogspot.com/2013/05/analisis-variansi-satu-arah-one-way.html

BAB VIII "ANALISIS VARIANSI"

BAB VIII  "ANALISIS VARIANSI"

                                 ANALISIS VARIANSI

Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi. Konsep analisis variansi didasarkan pada konsep distribusi F dan biasanya dapat diaplikasikan untuk berbagai macam kasus maupun dalam analisis hubungan antara berbagai varabel yang diamati. Dalam perhitungan statistik, analisis Variansi sangat dipengaruhi asumsi-asumsi yang digunakan seperti kenormalan dari distribusi, homogenitas variansi dan kebebasan dari kesalahan.

Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik data setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa variansi dalam masing-masing kelompok dianggap sama. Sedangkan asumsi bebas menjelaskan bahwa variansi masing-masing terhadap rata-ratanya pada setiap kelompok bersifat saling bebas. Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi (lebih dari dua).

Hipotesis ANOVA satu arah

H0 : μ1= μ 2 = μ 3 = … = μ k

- Seluruh mean populasi adalah sama

- Tidak ada efek treatment ( tidak ada keragaman mean dalam grup )

H1 : tidak seluruhnya mean populasi adalah sama

- Terdapat sebuah efek treatment

- Tidak seluruh mean populasi berbeda ( beberapa pasang mungkin sama )

Partisi Variansi

Variansi total dapat dibagi menjadi 2 bagian :

SST = SSG + SSW

SST            : Total sum of squares (jumlah kuadrat total) yaitu penyebaran agregat nilai data individu melalui beberapa level faktor .

SSG/SSB    : Sum of squares between-grup (Jumlah kuadrat antara) yaitu penyebaran diantara mean sampel faktor .

SSW/SSE  : Sum of squares within-grup (jumlah kuadrat dalam) yaitu penyebaran yang terdapat diantara nilai data dalam sebuah level faktor tertentu .

Rumus jumlah kuadarat total ( total sum of squares )

SST = SSG + SSW

 

Dimana :

SST  : total sum of squares ( jumlah kadarat total )

k       : levels of treatment ( jumlah populasi )

ni      : ukuran sampel dari poplasi i

x ij    : pengukuran ke-j dari populsi ke-i

x       : mean keseluruhan ( dari seluruh nilai data )

Variansi total

Rumus untuk mencari variasi jumlah kuadrat dalam

 

Keterangan :
SSW/SSE  : jumlah kuadrat dalam

k                : levels of treatment ( jumlah populasi )

ni               : ukuran sampel dari poplasi i

x ij             : pengukuran ke-j dari populsi ke-i

x                : mean keseluruhaN ( dari seluruh nilai data )

Rumus untuk mencari varisi diantara grup

Keterangan :

SSB/SSG   : jumlah kuadrat diantara

k               : levels of treatment ( jumlah populasi )

ni              : ukuran sampel dari poplasi i

x ij            : pengukuran ke-j dari populsi ke-i

x               : mean keseluruhan ( dari seluruh nilai data )

Rumus variasi dalam kelompok

MSW =SSW/N-K

Dimana:

MSW  : Rata-rata variasi dalam kelompok

SSW   : jumlah kuadrat dalam

N-K    : derajat bebas dari SSW

Rumus variasi diantara kelompok

MSG = SSG/K-1

Dimana :

MSG/SSW  : Rata-rata variasi diantara kelompok

SSG            : jumlah kuadrat antara

k-1              : derajat bebas SSG

SUMBER : 

https://exponensial.wordpress.com/2010/01/01/anova-satu-arah-one-way-anova/

BAB 7 PENGUJIAN HIPOTESIS

BAB 7 PENGUJIAN HIPOTESIS

ARTIKEL STATISTIKA

BAB 7. PENGUJIAN HIPOTESIS

Pengertian Hipotesis

 

           Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk menjelaskan  hal itu yang sering dituntut untuk melakukan pengecekannya. (dalam penelitian hipotesis dapat diartikan jawaban sementara terhadap rumusan masalah penelitian). Jika asumsi itu atau dugaan itu dikhususkan mengenai populasi, umumnya mengenai nilai-nilai parameter populasi, maka hipotesis itu disebut  hipotesis statistik. kecuali dinyatakan lain, di sini dengan hipotesis dimaksudkan hipotesis statistik. Setiap hipotesis bisa benar atau tidak benar dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Langkah atau prosedur untuk menentukan apakah menerima atau menolak hipotesis dinamakan pengujian hipotesis

            Dalam dunia  akademik, suatu  masalah  terlebih  dahulu  dijawab  secara  teoritik. Berdasarkan konsep teoritik tersebut maka dapat diajukan suatu hipotesis. Dengan hipotesis tersebut  suatu  masalah sudah dapat dijawab, tetapi  jawaban  masih  bersifat  teoritik  dan bersifat  sementara. Oleh  sebab itu, diperlukan data lapangan untuk memastikan kebenaran hipotesis  yang  diajukan.  Kebenaran  hipotesis  tergantung  pada  analisis  data    lapangan. Hipotesis yang diajukan dapat diterima kebenarannya jika  analisis   data    lapangan   sesuai dengan teori. Sebaliknya jika analisis data lapangan bertolak belakang (berbeda)  dengan teori,maka hipotesis yang diajukan dapat ditolak.

            Hipotesis dapat bersifat Kuantitatif dan dapat bersifat Kualitatif. Secara statistik, hipotesis yang bersifat kualitatif tidak dapat diuji, sedangkan yang dapat diuji adalah hipotesis yang bersifat kuantitatif. Hipotesis yang demikian, disebut Hipotesis Statistik (Statistical Hypothesis) karena selain harus disajikan dalam bentuk angka, hipotesis statistik juga merupakan pernyataan tentang bentuk fungsi yang menggambarkan hubungan antar variabel yang diteliti.

Secara statistika terdapat dua macam hipotesis, yaitu :

•   Hipotesis Nol (Null Hypothesis) yang diberi symbol dengan Ho, dan

•   Hipotesis Alternatif (Alternative Hypothesis) yang diberi symbol dengan Ha.

            Ho menyatakan tidak ada perbedaan antara statistik sampel dengan parameter populasi atau tidak ada hubungan antara dua variabel atau lebih. Ha menyatakan terdapat perbedaan antara statistik sampel dengan parameter populasi atau terdapat hubungan antara dua variabel atau lebih.Dalam merumuskan suatu hipotesis, agar hipotesis yang diajukan dapat diuji atau dianalisis maka yang perlu mendapatkan perhatian adalah bahwa hipotesis hendaknya :

a)Menyatakan hubungan antara dua variabel atau lebih;

b)Dinyatakan dalam kalimat pernyataan;

c)Dirumuskan secara jelas dan padat (sistematik); dan

d)Dapat diuji kebenarannya berdasarkan data lapangan.

Kesalahan dalam Pengujian Hipotesis

Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat terjadi, dikenal dengan nama-nama:

a)      Kekeliruan tipe I : ialah menolak hipotesis yang seharusnya diterima,

b)      Kekeliruan tipe II : ialah menerima hipotesis yang seharusnya ditolak.

Untuk meningkatkan hubungan antara hipotesis, kesimpulan dan tipe kekeliruan, dapat dilihat dalam tabel di bawah ini.

DAFTAR VI (1)

TIPE KEKELIRUAN KETIKA MEMBUAT KESIMPULAN

TENTANG HIPOTESIS

KESIMPULAN	KEADAAN SEBENARNYA
	HIPOTESIS BENAR	HIPOTESIS SALAH
Terima Hipotesis	BENAR	KELIRU (Kekeliruan Tipe II)
Tolak Hipotesis	KELIRU (Kekeliruan Tipe I)	BENAR

              Ketika merencanakan suatu penelitian dalam rangka pengujian hipotesis, jelas kiranya bahwa kedua tipe kekeliruan itu harus dibuat sekecil mungkin. Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan dalam peluang. Peluang membuat kekeliruan tipe I biasa dinyatakan dengan a (baca : alfa) dan peluang membuat kekeliruan tipe II dinyatakan dengan b (baca : beta). Berdasarkan ini, kekeliruan tipe I dinamakan pula kekeliruan a dan kekeliruan tipe II dikenal dengan kekeliruan b.

              Dalam penggunaanya, a disebut pula taraf signifikan atau taraf arti atau sering disebut pula taraf nyata. Besar kecilnya a dan b yang dapat diterima dalam pengambilan kesimpulan bergantung pada akibat-akibat atas diperbuatnya kekeliruan-kekeliruan itu. Selain daripada itu perlu pula dikemukakan bahwa kedua kekeliruan itu saling berkaitan. Jika a diperkecil, maka b menjadi besar dan sebaliknya. Pada dasarnya, harus dicapai hasil pengujian hipotesis yang baik, ialah pengujian yang bersifat bahwa di antara semua pengujian yang dapat dilakukan dengan harga a yang sama besar, ambillah sebuah yang mempunyai kekeliruan b paling kecil.

        Prinsip demikian memerlukan pemecahan matematik yang sudah keluar dari tujuan buku ini. Karenanya, untuk keperluan praktis, kecuali dinyatakan lain, a akan diambil lebih dahulu dengan harga yang biasa digunakan, yaitu a = 0,01 atau a = 0,05. Dengan a = 0,05 misalnya, atau sering pula disebut taraf nyata 5%, berarti kira-kira 5 dari tiap 100 kesimpulan bahwa kita akan menolak hipotesis yang seharusnya diterima. Dengan kata lain kira-kira 95% yakin bahwa kita telah membuat kesimpulan yang benar. Dalam hal demikian dikatakan bahwa hipotesis telah ditolak pada taraf nyata 0,05 yang berarti kita mungkin salah dengan peluang 0,05.

             

Cara Pengujian Hipotesis

1.   Menentukan Formulasi Hipotesis

Formulasi atau perumusan hipotesis statistik dapat dibedakan atas dua jenis, yaitu sebagai berikut : 

a.  Hipotesis nol atau hipotesis nihil 

     Hipotesis nol, disimbolkan H0 adalah hipotesis yang dirumuskan sebagai suatu pernyataan yang akan diuji. 

b. Hipotesis alternatif atau hipotesis tandingan

    Hipótesis alternatif disimbolkan H1 atau Ha adalah hipotesis yang

    dirumuskan sebagai lawan atau tandingan dari hipotesis nol.

    Secara umum, formulasi hipotesis dapat dituliskan :

H0 : q = q0

H1 : q > q0

    Pengujian ini disebut pengujian sisi kanan

H0 : q = q0

H1 : q < q0

    Pengujian ini disebut pengujian sisi kiri

H0 : q = q0

H1 : q ¹ q0

    Pengujian ini disebut pengujian dua sisi

2.      Menentukan Taraf Nyata (Significant Level)

Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai parameter populasinya. Taraf nyata dilambangkan dengan a (alpha). Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula penolakan hipotesis nol atau hipotesis yang diuji, padahal hipotesis nol benar. Besarnya nilai a bergantung pada keberanian pembuat keputusan yang dalam hal ini berapa besarnya kesalahan yang akan ditolerir. Besarnya kesalahan tersebut disebut sebagai daerah kritis pengujian (critical region oftest) atau daerah penolakan (region of rejection).

3.   Menentukan Kriteria Pengujian

Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau menolak hipotesis nol (H0) dengan cara membandingkan nilai a table distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk pengujiannya.

a.  Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih

besar daripada nilai positif atau negatif dari a tabel. Atau nilai uji

statistik berada di luar nilai kritis.

b.  Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih

kecil daripada nilai positif atau negatif dari a tabel. Atau nilai uji

statistik berada di dalam nilai kritis.

4.    Menentukan Nilai Uji Statistik

Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi tertentu dalam pengujian hipotesis. Uji statistik merupakan perhitungan untuk menduga parameter data sampel yang diambil secara random dari sebuah populasi.

5.    Membuat Kesimpulan

Pembuatan kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau penolakan hipotesis nol (H0), sesuai dengan kriteria pengujiannya. Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji statistik dengan nilai a tabel atau nilai kritis.

a.       Penerimaan H0 terjadi jika nilai uji statistik berada diluar nilai kritisnya

b.      Penolakan H0 terjadi jika nilai uji statitik berada di dalam nilai kritisnya

Dalam penelitian, hipotesis dapat diartikan sebagai jawaban sementara terhadap rumusan masalah dalam penelitian. Jika dugaan itu dikhususkan mengenai populasi, maka umumnya mengenai nilai-nilai parameterlah yang digunakan untuk menduganya atau disebut  hipotesis statistic.

Setiap hipotesis bisa benar atau tidak benar dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Langkah atau prosedur untuk menentukan apakah menerima atau menolak hipotesis dinamakan pengujian hipotesis.

Cara penentuan wilayah kritis

1. uji dua arah

Jika H₁ ≠ parameter, maka dalam distribusi yang digunakan, normal untuk angka z, Student untuk t, F, Chi-Square dan lainnya, diperoleh dua daerah kritis masing-masing pada ujung-ujung distribusi. Luas daerah kritis atau daerah penolakan pada tiap ujung adalah ½a. Karena adanya dua daerah penolakan ini, maka pengujian hipotesis dinamakan uji dua arah.

Ho : µ = µo

H1 : µ ≠ µo

Ilustrasi penolakan uji dua arah

2. uji satu arah (Kanan)

Untuk H₁ > parameter, maka dalam distribusi yang digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kanan. Luas daerah kritis atau daerah penolakan ini sama dengan a. Pengujian ini dinamakan uji satu pihak, tepatnya pihak kanan.

Ho : µ = µo

H1 : µ > µo

Ilustrasi uji satu arah (Kanan)

3. Uji satu arah (Kiri)

Jika H₁ < parameter, maka daerah kritis ada di ujung kiri dari distribusi yang digunakan. Luas = a yang menjadi batas daerah terima H_o oleh bilangan d yang didapat dari daftar distribusi yang bersangkutan. Peluang untuk mendapatkan d ditentukan oleh taraf nyata a. Uji ini dinamakan uji satu pihak, ialah pihak kiri.

Ho : µ = µo           
H1 : µ < µo
 

Ilustrasi uji satu arah (Kiri) 

CONTOH :

Pernyataan yang hendak diuji adalah : “berat isi semen 40 kg”. dalam pernyataan yang terkandung pengertian kesamaan, yakni “target berat = 40kg”. jadi, pernyataan itu merupakan hipotesis H0. alternative H1 berupa sanggahannya oleh karena itu,

a.  Rumusan H0 dan H1 adalah sebagai berikut :

    H0 : Target berat = 40 kg

    H1 : Target berat ≠ 40 kg

b. Rumusan H0 dan H1 secara statistic

“Target berat” secara statistic berarti “tyaraf populasi berat isi semen µ”. Jadi, terjemahan statistic untuk H0 dan H1 adalah H0 : µ = 40 dan H1 : µ ≠ 40

Kegunaan Hipotesis

Kegunaan hipotesis antara lain :

1. Hipotesis memberikan penjelasan sementara tentang gejala-gejala serta memudahkan perluasan pengetahuan dalam suatu bidang
2. Hipotesis memberikan suatu pernyataan hubungan yang langsung dapat diuji dalam penelitian
3. Hipotesis memberikan arah kepada penelitian
4. Hipotesis memberikan kerangka untuk melaporkan lesimpulan penyelidikan

Ciri-ciri Hipotesis

Cirri-ciri hipotesis yang baik :

1. Hipotesis harus mempunyai daya penjelas
2. Hipotesis harus menyatakan hubungan yang diharapkan ada diaantara variable-variabel
3. Hipotesis harus dapat diuji
4. Hipotesis hendaknya konsistensi dengan pengetahuan yang sudah ada
5. Hipotesis hendaknya dinyatakan sederhana dan seringkas mungkin

Menggali dan Merumuskan Hipotesis

Dalam menggali hipotesis, peneliti harus :

1. Mempunyai banyak informasi tentang masalah yang ingin dipecahkan dengan jalan banyak membaca literature-literatur yang ada hubungannya dengan penelitian yang sedang dilaksanakan.
2. Mempunyai kemampuan untuk memeriksa keterangan tentang tempat-tempat, objek-objek serta hal-hal yang berhubungan satu sama lain dalam fenomena yang sedang diselidiki
3. Mempunyai kemampuan untuk menghubungkan suatu keadaan dengan keadaan lainnya yang sesuai dengan kerangka teori ilmu dan bidang yang bersangkutan.

Sebagai kesimpulan, maka beberapa petunjuk dalam merumuskan hipotesis dapat diberikan sebagai berikut :

1. Hipotesis harus dirumuskan secara jelas dan padat serta spesifik
2. Hipotesis sebaiknya dinyatakan dalam kalimat deklaratif dan berbentuk pernyataan
3. Hipotesis sebaiknya menyatakan hubungan antara dua atau lebih variable yang dapat diukur
4. Hendaknya dapat diuji
5. Hipotesis sebaiknya mempunyai kerangka teori

SUMBER :

http://cerdaskan.com/langkah-langkah-pengujian-hipotesis.html

http://detapujik.blogspot.com/2012/04/uji-hipotesis-satu-rata-rata.html

http://webmail.informatika.org/~rinaldi/Probstat/2010-2011/Pengujian%20Hipotesis.pdf
http://materi-paksyaf.blogspot.com/2012/11/uji-hipotesis.html
http://mtk10ayufarida.blogspot.com/2012/05/uji-hipotesis.html