Σ
SDCalc
LanjutanLanjutan·14 min

Pengujian Hipotesis dengan Simpangan Baku

Pelajari bagaimana simpangan baku digunakan dalam pengujian hipotesis. Pahami uji-t, uji-z, dan cara menentukan signifikansi statistik.

Gambaran Umum

Pengujian hipotesis adalah metode statistik untuk membuat keputusan tentang populasi berdasarkan data sampel. Simpangan baku memainkan peran penting dalam menentukan apakah perbedaan yang diamati signifikan secara statistik atau hanya karena kebetulan.

1

Nyatakan Hipotesis

Nyatakan hipotesis nol (H₀) dan hipotesis alternatif (H₁)
2

Pilih Tingkat Signifikansi

Pilih tingkat signifikansi (α), biasanya 0,05
3

Hitung Statistik Uji

Hitung statistik uji menggunakan simpangan baku
4

Bandingkan dengan Nilai Kritis

Bandingkan dengan nilai kritis atau hitung nilai-p
5

Buat Keputusan

Buat keputusan: tolak atau gagal menolak H₀

Uji-Z

Gunakan uji-Z ketika Anda mengetahui simpangan baku populasi (σ) dan memiliki ukuran sampel besar (n ≥ 30).

Statistik Uji-Z

z = (x̄ - μ₀) / (σ / √n)

Contoh

Produsen mengklaim baterai bertahan rata-rata 100 jam (μ₀ = 100). Anda menguji 36 baterai dan mendapati x̄ = 98 jam. Jika σ = 12 jam: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Dengan z = -1 dan α = 0,05 (dua sisi), kita gagal menolak H₀. Perbedaannya tidak signifikan secara statistik.

Uji-T

Gunakan uji-t ketika Anda tidak mengetahui simpangan baku populasi dan harus mengestimasinya dari sampel (menggunakan s bukan σ).

Statistik Uji-T

t = (x̄ - μ₀) / (s / √n)

Kapan Menggunakan Uji-T vs Uji-Z

- Uji-Z: σ diketahui, n ≥ 30 - Uji-T: σ tidak diketahui (gunakan s), ukuran sampel berapa pun Dalam praktik, uji-t jauh lebih umum karena kita jarang mengetahui σ populasi sebenarnya.

Galat Baku

Galat baku (SE) mengukur seberapa besar rata-rata sampel bervariasi dari rata-rata populasi. Ini adalah penghubung utama antara simpangan baku dan pengujian hipotesis.

Galat Baku Rata-rata

SE = σ / √n (or s / √n when using sample SD)

Galat baku menurun seiring bertambahnya ukuran sampel. Sampel yang lebih besar memberikan estimasi yang lebih presisi dan memudahkan untuk mendeteksi perbedaan yang sesungguhnya.

Signifikansi Statistik

Suatu hasil dikatakan signifikan secara statistik ketika probabilitas untuk mengamatinya secara kebetulan (nilai-p) berada di bawah ambang batas yang Anda pilih (α).

Jika nilai-p < α

Tolak H₀. Hasilnya signifikan secara statistik.

Jika nilai-p ≥ α

Gagal menolak H₀. Hasilnya bisa disebabkan oleh kebetulan.

Signifikansi Statistik vs Praktis

Hasil yang signifikan secara statistik belum tentu penting secara praktis. Dengan sampel yang sangat besar, perbedaan kecil bisa “signifikan” tetapi tidak bermakna dalam praktik. Selalu pertimbangkan ukuran efek bersamaan dengan nilai-p.

Further Reading

← Pusat Pembelajaran

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.