Statistika Inferensial

Estimasi dan Pengujian Hipotesis Parameter

Garis Besar Pembahasan

Statistical Estimation (Confidence Intervals)
Examples of Construction of Confidence Intervals

Statistical Estimation (Confidence Intervals)

Percobaan/Eksperimen ilmiah dapat dibagi menjadi dua kelas:
a) percobaan yang dirancang untuk memperkirakan beberapa
parameter atau sifat dari sistem, dan
b) percobaan perbandingan, di mana dua atau lebih perlakuan
atau kondisi eksperimental yang akan dibandingkan.
Bagian a) berkaitan dengan estimasi /penaksiran dan bagian b)
berkaitan dengan pengujian hipotesis.

Statistical Estimation (Confidence Intervals)

Statistical Estimation (Confidence Intervals)

Selang Kepercayaan , Diketahui
Jika distribusi dari mean (rata-rata) sampel adalah normal dan
diketahui, selang dengan koefisien kepercayaan, P
(probabilitas), dapat dihitung dengan menggunakan tabel
kumulatif distribusi normal standar, Tabel IV.2.
Sebuah selang kepercayaan dua sisi, simetris terhadap mean
hasil pengamatan, dihitung sebagai berikut:
Selang kepercayaan 100 P% =

Z p
N

(5.1)

Statistical Estimation (Confidence Intervals)

dimana : N = ukuran sampel
X = rata-rata sampel
= standar deviasi populasi
Z P = deviasi normal yang berkaitan dengan persentil
(p+1)/2 dari distribusi kumulatif normal baku.
(Tabel IV.2). Berbagai nilainya lihat Gbr. 5.1.
Selang kepercayaan berubah tergantung pada pemilihan
sampel , meskipun dan N sama, X bervariasi dari
sampel ke sampel.
Selang kepercayaan yang terbentuk dapat atau tidak dapat
memuan true value

Statistical Estimation (Confidence Intervals)

Statistical Estimation (Confidence Intervals)

Namun demikian dapat ditunjukkan bahwa selang-selang
kepercayaan yang dibentuk oleh Persamaan 5.1, 95% akan
memuat jika menggunakan P = 0.95. Sebagai ilustrasi lihat
Gambar 5.2.

Statistical Estimation (Confidence Intervals)

Gambar 5.3 merupakan contoh selang kepercayaan yang tidak
memuat true value. Nilai rata-rata sampel adalah 49.8
andaikan diketahui bahwa / N 2 dengan N = 20, maka
selang kepercayaan 95% adalah 49.8 1.96 2 atau dari 45.9
ke 53.7. Andaikan bahwa true valuenya = 54.7, maka 49.8
disebut sebagai rata-rata yang tidak disukai. Ilustrasi diberikan
pada Gambar 5.3.

Statistical Estimation (Confidence Intervals)

Selang Kepercayaan , Tidak Diketahui
Jika distribusi dari mean (rata-rata) sampel adalah normal dan
tdk diketahui, selang dengan koefisien kepercayaan, P
(probabilitas), dapat dihitung dengan menggunakan tabel
kumulatif distribusi normal standar, Tabel IV.2.
Sebuah selang kepercayaan dua sisi, simetris terhadap mean
hasil pengamatan, dihitung sebagai berikut:
Selang kepercayaan 100 P% =

tS
N

(5.1)

Statistical Estimation (Confidence Intervals)

dimana :

S = standar deviasi sampel

t = deviasi student yang berkaitan dengan
persentil (p+1)/2 dari distribusi kumulatif t
(Tabel IV.4) dengan dengan derajat bebas
df=N-1

Examples of Construction of Confidence Intervals

Contoh 1.
Confidence interval when is unknown and estimated from the
sample.
Sediaan potensi tablet dilabel tertera 100 mg.
10 tablet diuji sesuai dengan spesifikasi pengontrolan mutu.
Hasil uji disajikan pada Tabel 5.1
Diasumsikan sampel berasal dari distribusi normal.
Rata-rata dan simpangan baku sampel masing-masing X 103
dan S 2.22
Akan ditentukan selang kepercayaan 95% untuk
Dari Tabel IV.4 dengan derajat bebas df=10-1=9, diperoleh
t=2.26.

Examples of Construction of Confidence Intervals

Jadi selang kepercayaan 95% :

X
103

tS
N

2.26 2.22
10

101.4 s/d 104.6

No.

X
1 101.8
2 102.6
3 99.8
4 104.9
5 103.8
6 104.5
7 100.7
8 106.3
9 100.6
10 105
Jumlah 1030
Xbar =
103
2.2181
S=
07

(XXbar)^2
1.44
0.16
10.24
3.61
0.64
2.25
5.29
10.89
5.76
4
44.28

Examples of Construction of Confidence Intervals

Contoh 2:
Confidence interval when is known.
Andaikan simbangan baku diketahui, 2
Selang kepercayaan 95% untuk rata-rata adalah
X

Z 0.95

103

N
1.96 2
10

101.76 s/d 104.24

Examples of Construction of Confidence Intervals

Dua pertanyaan muncul dari contoh ini.
1. Bagaimana kita bisa tahu s.d. dari batch tablet tanpa
pengujian setiap tablet?
2. Mengapa s.d. yang digunakan dalam Contoh 2 berbeda dari
yang dalam Contoh 1?
Jawab 1:
Nilai S.d tidak dicari seluruh tablet, apalagi pengujian yang
sifatnya merusak. Nilai s.d diperoleh dari pengontrolan proses
dalam periode yang cukup panjang. Apabila diperoleh bahwa
proses stabil, maka rata-rata dari s.d pada masing-masing bisa
diyakini sebagai nilai s.d yang diketahui. Lihat Gambar 5.4.

Examples of Construction of Confidence Intervals

Jawab 2 :
Jelas bahwa nilai s.d sampel tidak sama persis dengan nilai true
value.

Examples of Construction of Confidence Intervals

Contoh 3:
Confidence Interval for a Proportion.
Dalam sebuah penelitian praklinis, 100 hewan yang tidak diobati
(kontrol) hewan diamati untuk kehadiran penyakit hati.
Setelah enam bulan, 25 dari hewan-hewan ini ditemukan memiliki
penyakit.
Kita ingin menghitung interval kepercayaan 95% untuk proporsi
yang benar dari hewan yang akan memiliki penyakit ini jika tidak
diobati (setelah enam bulan).
Sebuah interval kepercayaan untuk proporsi memiliki bentuk yang
sama seperti selang rata-rata. Dengan asumsi bahwa pendekatan
normal binomial dipandang tepat, interval kepercayaan sekitar

Examples of Construction of Confidence Intervals

p Z

dimana

p =

pq
N

proporsi pengamatan

q 1 p

= diperoleh dari tabel normal baku (Tabel IV.2)

N = Ukuran sampel
Untuk contoh 3, selang kepercayaan 95% untuk p adalah :
Z

0.25 1.96

0.25 0.75
0.165 s/d 0.335
100

Jadi true proportion is probably between 16.5% and 33.5%.

Examples of Construction of Confidence Intervals

Selang kepercayaan untuk banyak sebenarnya dari hewan
dengan penyakit hati ketika sampel 100 menunjukkan 25 dengan
penyakit hati adalah :

Np Z Npq
100(0.25) 1.96 100(0.25)(0.75) 16.5 s/d 33.5

Kesimpulan : Dengan probabilitas 95%, banyaknya hewan

dengan penyakit hati berada diantara 16 dan 34.

Examples of Construction of Confidence Intervals

Contoh 4.
Misalkan pemeriksaan 1000 ampul dalam batch 30.000 menunjukkan bahwa
semua item steril. Dengan kepercayaan 95%, berapa batas atas proporsi
potensi ampul tidak steril di dalam batch.
Jawab :
Misal X = banyaknya yang steril, N=1000.
1000
N
N x
P X x p x 1 x
x

1000
P X 1000
0.05
p
1000

p1000 0.05

1000 log p 1.301

log p 0.001301
p 100.001301 0.997

Batas atas proposi tidak steril adalah q = 1-p= 0.003, atau 3 dalam 1000.
Kesimpulan : Dengan probabilitas 95%, ada tidak lebih dari 3 gagal dari 1000
item.

Examples of Construction of Confidence Intervals

Asymmetric Confidence Intervals
One-Sided Confidence Intervals
Dalam kebanyakan situasi, selang kepercayaan dua sisi
simetris tentang rata-rata diamati tampaknya paling tepat.
Ini adalah interval terpendek diberikan probabilitas tetap.
Namun, ada contoh di mana interval kepercayaan satu sisi
dapat lebih berguna.
Pertimbangkan kasus studi klinis di mana 18 dari 500 pasien
yang diobati dengan obat sakit kepala yang dipasarkan
dilaporkan terkena efek samping obat .

Examples of Construction of Confidence Intervals

Misalkan kita hanya peduli dengan "batas atas" pada proporsi sakit kepala
terkait obat yang diharapkan dalam populasi pengguna obat.
Dalam contoh ini, ketika membangun interval 95%, kita menggunakan Z
(atau t) nilai yang memotong 5% dari daerah di ekor atas distribusi,
daripada 2,5% di setiap ekor dikecualikan dalam interval simetris.
Menggunakan pendekatan normal terhadap binomial, batas atas adalah

p Z 0.95

pq
N

0.036 0.964
18
1.65
0.036 0.014 0.05
500
500

Berdasarkan interval kepercayaan 95% satu ujung, kita menyimpulkan

bahwa proportion sakit kepala sebenarnya di antara pengguna obat
mungkin tidak lebih besar dari 5%.

Statistical Hypothesis Testing

Case I: Test of the Mean from a Single Population (One-Sample Tests), an
Introduction to a Simple Example of Hypothesis Testing

Statistical Hypothesis Testing

Untuk menggambarkan prosedur, kita akan mempertimbangkan

percobaan untuk menilai efek dari perubahan prosedur di bidang
manufaktur pada rata-rata potensi produk tablet.
Sejumlah besar data dikumpulkan untuk kandungan obat dalam formulasi
tablet selama periode beberapa tahun. Proses manufaktur menunjukkan
rata-rata potensi 5,01 mg dan standar deviasi 0,11, kedua nilai dianggap
sama dengan parameter proses yang sebenarnya.
Sebuah batch baru dibuat dengan modifikasi prosedur manufaktur biasa.
Dua puluh tablet diuji dan hasilnya ditunjukkan pada Tabel 5.5.
Tujuannya adalah untuk menentukan jika modifikasi proses menghasilkan
perubahan rata-rata potensi dari rata-rata proses 5,01, nilai di bawah
hipotesis nol.

Statistical Hypothesis Testing

Statistical Hypothesis Testing

Langkah-langkah untuk merancang dan menganalisis penelitian ini adalah
sebagai berikut:
1. Perencanaan yang matang dari percobaan memastikan bahwa tujuan dari
percobaan ditangani oleh desain eksperimental yang tepat.
2. Hipotesis nol dan hipotesis alternatif didefinisikan sebelum pelaksanaan
eksperimen atau studi. Tes yang biasa adalah tes dua ujung,

H 0 : 0

H a : 0

Untu tes satu ujung dapat mengunakan rumusan hipotesis :

H 0 : 5.01

H a : 5.01

Statistical Hypothesis Testing

3.

Menetapkan level of significance , alpha . Makna alpha tercantum

pada Tabel 5.6.

Nilai akan menentukan daerah penolakan dan penerimaan H0, seperti

Gambar 5.7 berikut.

Statistical Hypothesis Testing

4. Menetapkan ukuran sampel (N), dalam contoh kita, telah ditetapkan
berdasarkan pertimbangan yang tidak melibatkan beta , seperti yang
dibahas di atas.
5. Setelah eksperimen lengkap, statistik yang sesuai dihitung. Untuk uji
diua ujung dengan varians 2 diketahui,
Z

Bila 2

X 0

X 0

/ n

(5.4)
tidak diketahui gunakan staitik penguji :
t

/n
2

X 0
2

S /n

X 0
S/ n

. (5.5)

Statistical Hypothesis Testing

Kriteria Uji :
Dengan taraf nyata
Untuk uji dua ujung, tolak Ho jika :
atau

Z
t

X 0

/ n

X 0
t/ n

Z / 2

t N 1 / 2

Untuk uji satu ujung :

Z

X 0

/ n
X 0
t/ n

Z
t N 1

Statistical Hypothesis Testing

Daeraha penolakan uji satu ujung :

Statistical Hypothesis Testing

Contoh berikut menunjukkan prosedur untuk menerapkan uji signifikansi
untuk satu rata-rata.
a) Uji satu sampel, varians diketahui
Rumusan hipotesis :
H a : 5.01
H : 5.01
0

Nilai statistik penguji, data pada Tabel 5.5 :

Z

X 0

/ n

5.0655 5.01
0.11/ 20

2.26

Nilai kritis :
Untuk uji satu ujung, dengan taraf nyata 5% , diperoleh titik kritis
dari Tabel IV.2 Z 0.05 1.65
Karena Z 2.26 Z 0.05 1.65, H0 ditolak. Jelas, rata-rata hasil
pengamatan 5,0655 secara signifikan berbeda dari 5,01 (p <0,05).

Statistical Hypothesis Testing

b) Uji satu sampel, varians tidak diketahui
Rumusan hipotesis :
H 0 : 5.01 H a : 5.01
Nilai statistik penguji, data pada Tabel 5.5 :
t

X 0
S/ n

5.0655 5.01
0.0806 / 20

3.08

Nilai kritis :
Untuk uji satu ujung, dengan taraf nyata 5% ,
dari Tabel IV.4 dengan df = 20-1=19 t19 0.05 2.09

diperoleh titik kritis

Karena t 3.08 t19 0.05 2.09 , H0 ditolak. Jelas, rata-rata hasil

pengamatan 5,0655 secara signifikan berbeda dari 5,01 (p <0,05).

Statistical Hypothesis Testing

Case II: Comparisons of Means from Two Independent Groups (Two
Independent Groups Test)

Statistical Hypothesis Testing

Case II: Comparisons of Means from Two Independent Groups (Two
Independent Groups Test)
Tahap-tahap yang harus dilakukan :
1. Patients/unit of experiment are randomly assigned to the two treatment
groups.
2. The null and alternative hypotheses are
H 0 : 1 2 0
Ha : 0
3.
4.

Tentukan taraf signifikan

The form of the statistical test depends on whether or not variances are
known.

Statistical Hypothesis Testing

Two Independent -Groups Test, Variances Known
Statistik penguji :
X X

12 / N1 22 / N 2

Di bahwah hipotesis null,

Z

X2

12 / N1 22 / N 2

Pada contoh ini (uji agen antihipertensi), anggaplah bahwa

varians kelompok yang diberi obat dan plasebo diketahui
masing-masing 144 dan 100, masing-masing.

Statistical Hypothesis Testing

Nilai nilai rata-rata dan ukuran sampel :
X 1 10, X 2 1, N1 11, N 2 10

Sehingga nilai statistika penguji :

Z

X2

/ N1 / N 2
2
1

2
2

10 1
144 /11 100 /10

1.87

Nilai kritis pada taraf signifikan 5% :

Z 0.025 1.96

Since the absolute value of the ratio does not exceed 1.96, the
difference is not significant at the 5% level.

Statistical Hypothesis Testing

Two Independent -Groups Test, Variances Unknown
assume that the variance is the same for each group 12 22
t

dimana

X2

S p2 / N1 S p2 / N 2

2
2
N

1
S

1
S

1
2
2
varians pooled
S p2 1

N1 N 2 2

S12

varians yang di hintung dr sampel 1

S 22 varians yang di hintung dr sampel 2
ukuran dari sampel 1
N2
N ukuran dari dr sampel 2
1

Statistical Hypothesis Testing

Contoh 5:
Dua formulasi yang berbeda dari tablet obat baru dapat
dibandingkan hal tingkat pelarutannya.
Sepuluh tablet masing-masing formulasi diuji, dan persentase
larut setelah 15 menit dalam alat pelarut diamati.
Hasilnya ditabulasikan pada Tabel 5.9.
Tujuan dari penelitian ini adalah untuk menentukan apakah
tingkat pelarutan dua formulasi berbeda.
Tes untuk "signifikansi" perbedaan yang diamati dijelaskan
secara rinci sebagai berikut:

Statistical Hypothesis Testing

Statistical Hypothesis Testing

1. Nyatakan hipotesis null dan alternatif,
H 0 : 1 2

H a : 1 2

2. Nyatakan taraf signifikansi , biasanya 0.05 .

3. Pemilih sampel. Sepuluh tablet diambil secara acak dari dua
batch yang akan diuji.
4. Hitung nilai statistik penguji t,
t

X1 X 2
Sp

N1

N2

71.1 71.4
6.41

1
10

1
10

1.99

5. Nilai ktitis dari Tabel IV.4 : t18 0.025 2.1

Statistical Hypothesis Testing

Nilai t sama dengan atau lebih besar dari 2,10 (Tabel IV.4; df = 18)
menyebabkan penolakan hipotesis nol. Nilai-nilai ini, yang terdiri dari
daerah kritis, menghasilkan deklarasi "signifikansi."
Dalam penelitian ini, nilai t =1,99, dan perbedaan tersebut tidak signifikan
pada tingkat 5% (p=0.062> 0,05).
Confidence Interval for the Difference of Two Means
Selang kepercayaan selisih rata-rata dengan taraf kepercayaan 100 1 %

X
Untuk Contoh 5 :
kepercayaan 95%

X 2 tdf

2 S p

(5.12)
Selang kepercayaan selisih rata-rata dengan taraf

71.1 71.4 2.1 6.4

1
10

N1

N2

110 32% s/d 11.72%

Statistical Hypothesis Testing

Test of Significance If Variances of the Two Groups Are Unequal
Statistik penguji :
t

X1 X 2
S12

N
Nilai kritis :
N1 N 2 N tdf 2( N 1) 2

N1 N 2 t
*

dimana

S22

N2

w1tdf N1 1 2 w1tdf N 2 1 2
w1 w2
S12
w1
N1
S 22
w2
N2

. (5.13)

Statistical Hypothesis Testing

Untuk contoh : asumsikan bahwa rata-rata dua kelompok pasien yang

diobati dengan agen antihipertensi menunjukkan pengurangan tekanan
darah (mmHg) sebagai berikut :

Nilai Statistik penguji :

10.7 7.25
51.8

20

5.315

2.05

Statistical Hypothesis Testing

Nilai kritis dengan asumsi varians tidak sama dan aplha = 5% :

t
*

w1tdf N1 1 2 w2tdf N2 1 2
w1 w2

51.8 / 20 2.09 5.3 /15 2.15

2.1
51.8
/
20

5.3
/15

Since t is less than 2.10, the difference is considered to be not significant

at the 5% level.

Statistical Hypothesis Testing

Overlapping Confidence Intervals and Statistical Significance
Ketika membandingkan dua perlakuan independen untuk statistik
signifikansi, kadang-kadang orang keliru membuat kesimpulan
berdasarkan interval kepercayaan yang dibangun dari setiap perlakuan
secara terpisah.
Secara khusus, jika interval kepercayaan tumpang tindih, perlakuan
dianggap tidak berbeda. Alasan ini tidak selalu benar.
Kesalahan yang dapat dengan mudah dilihat dari contoh berikut.
Pertimbangkan dua perlakuan independen, A dan B, yang mewakili dua
formulasi dari obat yang sama dengan hasil pelarutan berikut:

Statistical Hypothesis Testing

Nilai stat. pengujian dengan asumsi kedua varians homogen tidak

diketahui,
X1 X 2
37.5 47.4
t

2.51
1
1
1
1
Sp N N
6.83 6 6
1

tdf 10 0.025 2.23

Nilai kritis uji dua ujung :

Since 2.51 exceeds the critical t value with 10 d.f. (2.23), the results show
significance at the 5% level.

Statistical Hypothesis Testing

Computation of the 95% confidence intervals for the two treatments

results in the following:
Treatment A : 37.5 (2.57)(6.2)1/6 = 30.99 to 44.01.
Treatment B : 47.4 (2.57)(7.4) 1/6 = 39.64 to 55.16.
Clearly, in this example, the individual confidence intervals overlap (the
values between 39.64 and 44.01 are common to both intervals), yet the
treatments are significantly different.
The 95% confidence interval for the difference of the two treatments is
(47.4 37.5) 8.79 = 1.1 to 18.19.
As has been noted earlier in this section, if the 95% confidence interval
does not cover 0, the difference between the treatments is significant at
the 5% level.

Statistical Hypothesis Testing

Test for Comparison of Means of Related Samples (Paired-Sample t Test)

Statistical Hypothesis Testing

Test for Comparison of Means of Related Samples (Paired-Sample t Test)
Table 5.10 Examples of Related Samples
Studi klinis

Studi Praklinis
Analis pengembangan

Studi stabilitas

Setiap pasien mengambil obat pada setiap kesempatan yang

berbeda (misalnya, studi crossover)
Setiap pasien membutuhkan masing-masing obat secara
bersamaan, seperti dalam pengujian kulit; misalnya, salep
diterapkan ke berbagai bagian tubuh
Pasangan yang dicocokan: dua pasien dicocokkan untuk
karakteristik yang relevan (umur, jenis kelamin, keadaan penyakit,
dll) dan dua obat secara acak, satu untuk setiap pasien
Obat yang diberikan secara acak terhadap pasangan hewan
Tes analis kadar yang sama semua sampel
Setiap laboratorium tes kadar semua sampel dalam tes kolaboratif
Setiap metode diterapkan pada sampel yang homogeny
Tes kadar dari waktu ke waktu bahan dari wadah yang sama

Statistical Hypothesis Testing

Statistical Hypothesis Testing

Contoh 6:
Formulasi baru dari obat yang dipasarkan harus diuji untuk
bioavailabilitas, perbandingan tingkat penyerapan ke bentuk yang dapat
dipasarkan pada enam hewan laboratorium.
Setiap hewan menerima kedua formulasi secara acak pada dua
kesempatan yang berbeda. Hasilnya, area di bawah kurva tekanan darah
terhadap waktu, ditunjukkan pada Tabel 5.11.

Statistical Hypothesis Testing

Perumusan hipotesis :

H 0 : 1 2 0

Statistik penguji :

Nilainya

S/ N

Ha : 0

S/ N
18.5 0
13 / 6

3.85

dengan nilai kritis : tdf 61 0.025 2.57

Karena t 3.85 t5 0.025 2.57 , maka H 0 : 0 ditolak.
Oleh karena itu, perbedaan signifikan pada tingkat 5%. Formulasi B
muncul untuk lebih bioavailable.

Statistical Hypothesis Testing

Rumusan hipotesis dapat pula menggunakan rasio A/B :

H a : R0 1

H 0 : R0 1

Statistik penguji

R 1
S/ N

0.89 1
0.07 / 6

3.87

Menghasilkan kesimpulan yang sama , yaitu formaula B (yang dipasarkan)

lebih bioavailable dari pada formula baru A pada level 5%.

Statistical Hypothesis Testing

Normal Distribution Tests for Proportions (Binomial Tests) :
Test to Compare the Proportion of a Sample to a Known or Hypothetical
Proportion.
Perumusan hipotesis :

H 0 : p p0

Statistik penguji :

H1 : p p0

p p0

p0 1 p0 / N
Karena data diskrit, gunakan koreksi kontinuitas Yates
Z

p p0 1/ 2 N
p0 1 p0 / N

(5.15)

(5.16)

Statistical Hypothesis Testing

Kriteria penolakan H0 sama seperti sebelumnya.
Contoh 7:
Dua produk yang akan dibandingkan untuk preferensi berkaitan dengan
beberapa attribute.
Atribut bisa berupa sensorik (rasa, bau, dll) atau efek terapi sebagai
contoh.
Misalkan salep diformulasikan
untuk obat gatal (A) dan akan
dibandingkan dengan formulasi yang telah dipasarkan (B). Dua puluh
pasien mencoba setiap produk di bawah kondisi tidak tahu dan
melaporkan preferensi mereka.
Hipotesis nol dan hipotesis alternatif

H 0 : p A pB 0.5 atau

H 0 : p A 0.5

H a : p A 0.5

Statistical Hypothesis Testing

Tabulasi akhir menunjukkan bahwa 15 dari 20 pasen menyatakan produk A

superior ( 5 produk B yang suoerior). Apakah hasil ini merepresentasikan
sebuah pemilihan produk A yang nyata?
Menggunakan Persamaan (15.6), nilai statistik penguji

15
20

0.5 1/ 2(20)
0.5 0.5 / 20

2.01

Nilai kritis

Kesimpulan H 0 : pA 0.5 ditolak karena Z 2.01 Z 0.025 1.96

pada level signifikan 5%, jadi produk baru A lebih banyak dipilih.

Z 0.025 1.96

Statistical Hypothesis Testing

Tests for the Comparison of Proportions from Two Independent Groups
Perumusan hipotesis
H 0 : pa pb

H1 : pa pb

Statistik penguji :
Z

p a p b
p 0 q0 1/ N1 1/ N 2

dimana p a X 1 / N 2 proporsi sukses hasil pengamatan kelompok A,

p b X 2 / N 2 proporsi sukses hasil pengamatan kelompok A,
p 0 pooled proporsi sukes hasi pengamatan,
q0 pooled proporsi gagal hasi pengamatan ,
N1 Ukuran sampel kelompok A,
N 2 Ukuran sampel kelompok B.

Statistical Hypothesis Testing

Kriteria penolakan H0 sama seperti sebelumnya.
Contoh 8:

Dalam sebuah studi klinis yang dirancang untuk menguji keamanan dan
kemanjuran obat terapi baru, kejadian efek samping dibandingkan diantara dua
kelompok pasien, kelompok satu menggunakan obat baru dan kelompok lainnya
menggunakan obat standar telah dipasarkan.
Sakit kepala adalah efek samping yang dikenal dari terapi tersebut.
Dari 212 pasien pada obat baru, 35 terkait bahwa mereka telah mengalami sakit
kepala parah.
Dari 196 pasien pada terapi standar, 46 menderita sakit kepala parah.
Dapatkah obat baru diklaim untuk menghasilkan sakit kepala lebih sedikit
dibandingkan dengan obat standar pada tingkat signifikansi 5%?
Hipotesis nol dan alternatif :
H 0 : p1 p2 p1 p2 0

H a : p1 p2

Statistical Hypothesis Testing

N1 212
35
p1
0.165
212
35 46
p 0
0.199
212 196

N 2 196
46
p 2
0.235
196
q0 1 p 0 0.801

0.165 0.235

Statistik penguji :

Nilai kritis : Z 0.05 1.65

Karena Z 1.761 Z 0.05 1.65 , H0 ditolak.

0.199 0.8011/ 212 1/196

1.761

Kesimpulan : Obat terapi baru memberikan proporsi efek samping lebih kecil
dari pada proporsi obat tepai standar pada taraf signifikansi 5%.

Statistical Hypothesis Testing

Dalam hal ukuran sampel kecil (N1 dan N2 < 15), koreksi kontinuitas Yates
akan menyebabkan uji yang konservatif (yaitu probabilitas yang terlalu
tinggi yang dapat menyebabkan kurangnya penolakan H0 dalam beberapa
kasus) (DAgostino dkk, 1988)
p1 p 2
Mereka mengusulkan statistik penguji : t
s.d

1/ N1 1/ N 2

t berdistribusi t student dengan db, v N1 N 2 2

Contoh 9 :
N1 20, X 1 16 p1 16 / 20 0.8
N 2 30, X 1 18 p 2 18 / 30 0.6
2
1

16 16

19

/ 20

0.168

2
2

18 18

29

/ 30

19 0.168 29 0.248
S
0.217
20 30 2
2
p

0.248

Statistical Hypothesis Testing

s.d S p2 0.217 0.465

Nilai statistik penguji :

t

0.8 0.6
0.465 1/ 20 1/ 30

1.49

Nilai kritis : db , v 20 30 2 48 , taraf signifikan 0.05

uji dua ujung: tv 48 0.025 2.01
Kesimpulan : H0 diterima, karena t 1.49 tv 48 0.025 2.01
Proporsi kedua populasi tidak berbeda nyata pada taraf
signifikan 5%.

Statistical Hypothesis Testing

Chi-Square Tests for Proportions
Merupakan alternatif untuk uji perbandingkan beberapa proporsi.
Data disajikan pada tabel kotingensi , misal untuk Contoh 9
Kel_1

Banyaknya Sukses
Banyaknya Gagal
Total

Statistik penguji :
dimana

O E

Kel_2
16
4
20

Total
18
12
30

34
16
50

O frekuensi observasi pada masing-masing sel

E ekspektasi frekuensi kejadian pada masing-masing sel

Untuk tabel diatas :

Misal pada sel(1,1), banyaknya sukses pada kelompok 1 = 16 dst.

Statistical Hypothesis Testing

Ekspektasi sel(1,1), ekspektasi banyaknya sukses pada kelopok 1 :

E p 0 N1 34 / 50 20 13.6
Ekspektasi sel(2,1), ekspektasi banyaknya gagal pada kelopok 1 :
E q0 N1 16 / 50 20 6.4
Selengkapnya disajikan pada tabel berikut:
Frekuensi harapan :
Kel_1

Banyaknya Sukses
Banyaknya Gagal
Total

34
16
50

Oleh karena itu, nilai statistik penguji :

2

Kel_2
Total
13.6
20.4
6.4
9.6
20
30

O E
E

16 13.6
13.6

18 20.4
20.4

4 6.4
6.4

12 9.6
9.6

2.206

Nilai statistik tersebut merupakan nilai dari distribusi chi square dengan derajat
bebas 1. Nilai kritis pada taraf nyata 5%, 12 0.05 3.84
Hasil uji menunjukkan proporsi tidak berbeda nyata (hasilnya sama dg Contoh 9).

Secara umum untuk tabel kontingensi dengan R baris dan C kolom,

statistik penguji berdistribusi ch square dengan derajat bebas (R-1)(C-1).
Gunakan Tabel IV.5 untuk menentukan nilai kritis.
Distribusi ini sifatnya aproksimasi, oleh karena itu perlu adanya koreksi
kontinuitas dengan aturan sebagai berikut:
Jika bagian desimal dari (O-E) bernilai diantara 0 dan 0.5, bagian
desimal tersebut dihapus.
Jika bagian desimal dari (O-E) bernilai > 0.5 atau tepat 0 , bagian
desimal tersebut dikurangi 0,5.
O-E
3.0
3.2
3.5
3.9
3.99
4.0

Koreksi Kontinuitas
2.5
3.0
3.0
3.5
3.5
3.5

Confidence Intervals for Proportions:

Selang kepercayaan 100 1 % untuk sebuah proporsi sebenarnya (p) :

pq
p Z
2 N1

Contoh :
Dari 500 tablet yang diperiksi, terdapat 20 buah yang gagal p 20 / 500 0.04
Selang kepercayaan 95% untuk sebuah proporsi obat yang gagal
sebenarnya adalah

pq
0.04(0.95
p Z
0.04 1.96
0.04 0.017 0.023 s/d 0.057
2
N
5000

Selang kepercayaan 100 1 %

p1 p 2 Z

untuk selisih duah buah proporsi :

p1q1

N1

p 2 q2
N2

p1 dan p 2 merupakan proporsi sukses pengamatan dari kelompok 1 dan 2

N1 dan N 2

Z 1.96
2

ukuran sampel dari kelompok 1 dan 2

nilai kritis untuk selang kepercayaan 95%.

Contoh : kejadian sakit kepala di dua kelompok pasien, proporsi sakit

kepala diamati pada kelompok I adalah 35/212 = 0,165 dan proporsi di
kelompok II adalah 46/196 = 0,235. Sebuah selang kepercayaan 95% untuk
selisih dua proporsi, dihitung dari Persamaan di atas :
0.165 0.235 1.96

0.165 0.835 0.235 0.765 0.07 0.078 0.008 s / d

212

196

0.148

Koreksi kotinuitas pada selang kepercayaan selisih proporsi (Fleiss, Hauck, dan
Anderson) :
Untuk selang kepercayaan 90% dan 95% jika N1 p1 , N1q1 , N 2 p2 , dan N 2 q2
semuanya 3
Untuk selang kepercayaan 99% jika N1 p1 , N1q1 , N 2 p2 , dan N2 q2 semuanya 5
Koreksinya dengan ditambah 1/ N1 1/ N 2 dikenal dengan koreksi Yates.
Contoh :
Selang kepercayaan 95% selisih proporsi sakit kepala :

0.165 0.835 0.235 0.765

1
1

0.165 0.235 1.96

212
196
212
196

0.07 0.0825 0.0125 s / d 0.1525

COMPARISON OF VARIANCES IN INDEPENDENT SAMPLES

Kasus dua sampel :
Perumusan hipotesis dua ujung :

H 0 : A2 B2

Perumusan hipotesis satu ujung

H 0 : A2 B2

H a : A2 B2

S12
F 2
S2

H a : A2 B2

Statistik penguji :
berdistribusi F dengan derajat bebas pembilang v1 N1 1 dan derajat
bebas penyebut v2 N 2 1
Nilai kritis (cutt off ) dapat digambarkan sbb :

Nilai kritis F untuk 2.5% atas disediakan pada Tabel 5.6 dan 5% serta 10%
atas di Tabel IV.6.

Contoh
Akan diuji kesamaan varians populasi granulasi A dan granulasi B
berdasarkan data sampel dalamTabel 5.17 pada taraf nyata

5%

Rumusan hipotesis :
H 0 : A2 B2
H a : A2 B2

Nilai statistik penuji :

Nilia kritis dari Tabel 5.6:

1.297
8.3
0.156

F6,6 0.025 5.8

Tampak bahwa F 8.3 F6,6 0.025 5.8 , H 0 : A2 B2 ditolak.

Oleh karena itu kedua varians berbeda secara signifikan dengan granula B
lebih bervariasi dari pada granula A .

Kasus k > 2 sampel :

Perumusan hipotesis :

H 0 : 12 22

k2

H a : i2 2j , i j paling sedikit sepasang i,j.

Statistik penguji :
k

N i 1 ln S N i 1 ln Si2
2

i 1

2
p

i 1

Berdistribusi Chi Square dengan derajat bebas

k 1

Beberapa nilai kritis lihat Tabel 5.19: (lengkapnya di Tabel IV.5)

Contoh
Perhatikan data dalam Tabel 5.18, dalam hal ini banyaknya sampel k=4.

Nilai statistik penguji :

Nilai kritis : 32 0.05 7.81

H0 diterima, oleh karena itu tidak ada perbedaan diantara keempat varians
pada taraf signifikansi 5%.