BAB I

PENDAHULUAN
1.1 Latar Belakang
Dengan statistika, kita berusha untuk menyimpulkan populasi untuk ini
kelakukan populasi dipelajari berdasarkan data yang diambil baik secara sampling
ataupun sensus. Dalam kenyataannya, mengingat berbagai factor untuk keperluan
tersebut diambil sebuah sampel yang representative lalu berdasarkan pada hasil
analisis terhadap data sampel, kesimpulan mengenai populasi dibuat. Kelakukan
populasi yang akan ditinjau disni hanyalah mengenai parameter populasi dan
sampel yang digunakan adalah sampel acak. Data sampel dianalisis, nilai-nilai
yang perlu yaitu statistic, dihitung dan dari nilai-nilai statistic kita simpulkan
bagaimana parameter berperan. Cara pengambilan kesimpulan tentang parameter
yaitu dengan cara-cara menaksir harga parameter. Jadi harga parameter yang tidak
diketahui akan ditaksir berdasarkan statistic sampel yang diambil dari populasi
yang bersangkutan.
Banyak penelitian yang sulit menggunakan sampel besar, karena subjek
atau objek penelitian memang langka, misalnya penelitian penyakit tertentu yang
masih jarang terjadi. Dalam kasus yang seperti ini, sampel kecil saja yang
mungkin digunakan.
Makalah ini membahas tentang Interval Kepercayaan Tabel Kontingensi
Tiga Arah untuk Sampel Besar dan Uji Eksak untuk Sampel Kecil.

BAB II
PEMBAHASAN

2.1

Interval Kepercayaan (Confidence Interval)

Sebuah selang kepercayaan merupakan rentang perkiraan nilai-nilai yang

kemungkinan akan mencakup parameter populasi yang tidak diketahui. Parameter

populasi ini yang selalu ingin diketahui oleh kita. Perkiraan rentang ini dihitung
dari himpunan data sampel.
Jika sampel independen berulang kali dari sebuah populasi yang sama, dan
selang kepercyaan dihitung untuk setiap sampel, kemudian presentasi tertentu atau
tingkat kepercayaan dari interval akan mencakup parameter populasi yang tidak
diketahui. Interval keyakinan biasanya dihitung sehingga presentase ini adalah
95%, tetapi kita dapat menghasilkan 90%, 99%, 99,9% (atau apapun) interval
kepercayaan parameter yang tidak diketahui.
Lebar selang kepercayaan memberikan kita beberapa ide tentang betapa
tidak pastinya sebuah parameter yang tidak diketahui. Selang kepercayaan yang
sangat lebar dapat menunjukkan bahwa lebih banyak data harus dikumpulkan
sebelum sesuatu yang sangat pasti dapat dikatakan sebagai parameter.
Selang kepercayaan lebih informative daripada hipotesis seederhana hasil
tes (dimana kita akan memutuskan menolak Ho atau menerima Ho) karena
selang kepercayaan telah menyediakan serangkaian nilai-nilai yang masuk akal
untuk parameter yang tidak diketahui.
Pendugaan

parameter

diwujudkan

dalam

pembentukan

selang

kepercayaan, karena hamper tidak pernah ditemukan nilai statistic tepat sama
dengan nilai parameter.

Interval kepercayaan adalah suatu penduga yang diyakini untuk suatu

distribusi probabilitas dalam taraf nyata yang kemudian dinotasikan dengan

(alpha) yang selalu dinyatakan dengan presentase.

Apabila suatu kurva normal dengan

= 5% (ditulis

= 0,05) , maka

sisi dari kurva normal akan terlihat sebagai berikut:

untuk uji satu sisi

untuk uji dua sisi

Selang kepercayaan = konfidensi interval = confidence interval :

Didekati dengan distribusi normal (distribusi z atau distribusi t)

Mempunyai 2 batas : batas atas (kanan) dan batas bawah (kiri)

Derajat kepercayaan = tingkat kepercayaan = koefisien kepercayaan = (1-

)
Alfa() kemudian akan dibagi kedua sisi /2 diatas batas atas dan /2
dibawah batas bawah.
Derajat atau interval kepercayaan umumnya diperoleh dengan nilai rata-

rata atau estimasi ditambah dan dikurang oleh standar error yang dikalikan nilai
alpha (95 % Derajat kepercayaan=estimate (1.96 X s.e)).

2.1.1

Penduga nilai-nilai estimasi sangat tergantung pada total sampelnya

Dalam statistika, selang kepercayaan (confidence interval) adalah sebuah

interval antara dua angka, di mana dipercaya nilai parameter sebuah populasi
terletak di dalam interval tersebut. Dalam praktik sehari-hari, kebanyakan selang
kepercayaan dinyatakan dalam level 95%.

1) Apabila n

30, untuk menghitung interval kepercayaannya kita

menggunakan distribusi normal :

S
S
X Z
< < X + Z
2 n
2 n

dimana :
X

adalah rata-rata sampel

adalah simpangan baku

Untuk menentukan nilai dari Z

terlebih dahalu kita tentukan level

signifikannya. interval kepercayaan ini bisa 90% , 95% , 98% , atau

99%. Jika

= 10% , maka :

untuk uji satu sisi :

CI = 1 0,1
= 0,9
= 0,9 0,5
= 0,4
Z

= 1,285

untuk uji dua sisi :

CI = 1 0,05
= 0,95
= 0,95 0,5
= 0,45
Z
2

= 1,645

2) untuk sampel kecil (n < 30) digunakan distribusi student (t) . apabila
sampelnya kecil maka pendugaan rata-rata populasi dilakukan dengan
distribusi t dengan derajat bebas n = df = n-1
rumus distribusi student (t) :
S
S
X t
< < X +t
2 n
2 n

dimana :
X

adalah rata-rata sampel

adalah simpangan baku

Selang kepercayaan
Karena merupakan dugaan, perlu tolak ukur seberapa jauh nilai dugaan itu
dapat diyakini. Keyakinan terhadap suatu penduga dapat dihitung jika
sebaran peluang statistik penduga tersebut diketahui. Selang kepercayaan
adalah ukuran keyakinan atas pendugaan nilai parameter.

Selang

kepercayaan dinyatakan dalam satuan (1-)

 Ukuran

(1-)

ini

disebut

taraf

atau

tingkat

kepercayaan.

Besarnya taraf kepercayaan tergantung pada persoalan yang sedang

dipelajari dan berapa besar taraf kesalahan yang dikehendaki (masih dapat
diterima ) .
Dari suatu sebaran statistik contoh s, dapat dicari rata-rata s dan
simpangan baku s. Parameter s dipakai untuk menduga . Jika statistik
s menyebar normal, maka dapat diharapkan 68,27 persen nilai parameter
berkisar diantara (s-s) sampai (s+s). Artinya, ada keyakinan sebesar
68,27 persen, bahwa parameter

berkisar di antara (s-s) sampai

(s+s). Nilai 68,27 persen disebut taraf kepercayaan untuk menduga s ,

sedang harga (-s) dan (+s) disebut batas kepercayaan untuk 68,27
persen. Nilai-nilai selang kepercayaan tersebut diperoleh dari Tabel
Kurva Normal Z
Jika sebaran statistiknya tidak normal, perlu dipakai tabel yang lain, yang
lebih sesuai dengan model sebaran datanya.

2.2 Interval Kepercayaan Untuk Sampel Besar

Ketika sampel berjumlah besar, distribusi poisson ataupun multinomial,
akan menjadi distribusi normal.
2.2.1

Menaksir Odds Rasio

Misalkan

11 22
12 21

^ n 11 n22
=
n12 n21

merupakan nilai sampel dari odds rasio

untuk tabel 2x2. Sampel odds rasio sama dengan 0 atau

jikasebarang nij =0 , dan itu tak ditentukan batas-batasnya jika keduanya pada
baris atau kolom adalah nol. Penaksir dari ^ menjadi

n
( 12+ 0.5)(n21+ 0.5)
^ ( n 11 +0.5 ) (n22+ 0.5)
=

dan log ^ menunjukkan hasil yang baik.

~
^ dan

Penaksir

mempunyai distribusi normal asimtotik yang sama di

sekitar

. Akibat dari penambahan 0.5 pada baris hilang sebagai

Untuk

kecil,

distribusinya

^ tidak lebih kecil dari

condong

tinggi.

Ketika

n .
=1 ,

^ 0 ). Untuk sampel poisson atau

(karena

multinomial atau sampel binomial independen dalam baris atau dalam kolom,
suatu penaksir standar error asimtotik dari log( ^ ) adalah
1
1
1
1
^ ( log ^ ) =
+ + +
n11 n12 n21 n22

menggantikan

1 /2

4.9

{nij } dengan {nij +0.5 } .

Misalkan

Z
2

merupakan titik bagian dari ditribusi standar normal

memiliki suatu peluang untuk sisi kanan sama dengan

. Oleh sampel
2

normal-besar dari log ( ^ ,

^
log

^ Z ^
2

log
adalah suatu perkiraan 100 (1- ) persen interval kepercayaan untuk log .

2.2.2

Menaksir Selisih dari Proporsi

Proporsi sampel
i+
1i (1 1i )/n

ni + ,
n
P1i= i 1

memiliki ekspektasi

. Karena proporsi sampel

P11

dan

1i

dan variansi

P12

adalah saling

bebas, maka selisihnya memiliki ekspektasi,

E ( P11P12 )= 11 12
dan standar error
n2+
(1 )
n1+ + 12 12
11( 1 11)

( p11 p12 )=
Taksirannya diperoleh

^ ( p11 p12 ) , sehingga interval kepercayaan

untuk selisih dua proporsi adalah:

( p11 p12 ) z / 2 ^ ( p11 p12 )

Contoh:
Tabel Kontingensi tiga arah dalam contoh kasus Klarifikasi Cedera Senjata Api
Lokasi Cedera

Tipe Cedera

Cedera Fatal

Rumah Korban

Rumah
Keluarga/Tema
n

Yang lainnya

Fatal

Tidak Fatal

Total

Bunuh Diri

45

20

65

Kecelakaan

15

29

44

Total

60

49

109

Bunuh Diri

13

12

25

Kecelakaan

14

27

41

Total

27

39

66

Bunuh Diri

18

11

29

Kecelakaan

11

29

40

Total

29

40

69

Dengan =5 , tentukan interval kepercayaan 95% dari data diatas?

Jawab:
^ n 11k n22 k
=
n12 k n21 k

(45+13+ 18)(29+ 27+29)

(20+12+11)(15+14 +11)

(76)(85)
(43)(40)

6460
=3,75
1720

1
1
1
1
^ ( log ^ ) =
+
+
+
n11 k n12 k n21 k n22 k

1 /2

([ 451 + 131 + 181 )+( 291 + 271 + 291 )+( 201 + 121 + 111 )+( 151 + 141 + 111 )]
1/ 2

(0,153+ 0,105+0,233+0,227)
(0,708)1 /2
0,841
^
Nilai =3,75

^
maka diperoleh log =1,32

Interval kepercayaan 95% untuk log ^ adalah

^
log

^ z /2 ^
log
1,32 z 0,025( 0,841)
1,32 1,96(0,841)
1,32 1,648

Maka

atau(0,328 ,2,968)

diperoleh

interval

[ exp (0,328 ) ,exp ( 2,968)]

kepercayaan

untuk

adalah

atau (0,720 , 19,45)

10

Output dengan menggunakan Program SPSS untuk uji tabel kontingensi tiga
arah:

2.3 UJI EKSAK UNTUK SAMPEL KECIL

Salah satu uji eksak untuk sampel kecil diantaranya uji fisher.

UJI FISHER
Uji ini digunakan untuk menguji signifikansi hipotesis komparatif dua
sampel kecil independen bila datanya berbentuk nominal dan ordinal. Untuk
memudahkan penghitungan dalam pengujian hipotesis, maka data hasil

11

pengamatan perlu diklasifikasikan ke dalam 2 kelompok yang saling bebas

(kelompok obyek), misalnya: kelompok bekerja dan menganggur; pria dan
wanita; dll. Atau diklasifikasikan ke dalam 2 kelompok yang saling terpisah
(kelompok peubah), misalnya: setuju dan tidak; di atas median dan di bawah
median; dll, sehingga akan terbentuk table kontingensi 2x2.

Variable
+
_
Total

Group
I
A
C
A+C

II
B
D
B+D

Combined
A+B
C+D
N

Grup I dan II adalah dua sembarang kelompok. Tanda (+) dan (-) adalah
sembarang dua klasifikasi: di atas dan di bawah median A, B, C, dan D
menyatakan frekuensi. Uji ini akan menentukan apakah kelompok I dan II
berbeda secara signifikan dalam proporsi (+) dan (-) yang dikenakan atas
kelompok itu.
Metode:
Kemungkinan yang eksak dari pengamatan terhadap sekumpulan frekuensi
tertentu dalam suatu tabel 2x2, bila jumlah marginal dianggap tetap, diperoleh
dengan distribusi hipergeometrik:
A +C B+ D
(
A )( B ) [ ( A+C ) !/ A ! C ! ][ ( B+ D ) ! /B ! D ! ]
p=
=
N !/ [ ( A+ B ) ! ( C+ D ) ! ]
N
( A + B)

( A+ B ) ! ( C+ D ) ! ( A+C ) ! ( B+ D ) !
N ! A!B!C ! D !

Penarikan Kesimpulan :
Hipotesis awal (Ho) ditolak jika nilai p-value yang diperoleh lebih kecil dari
taraf signfikansi yang digunakan. Nilai p-value didapat dengan menjumlahkan
peluang dari pemunculan data dengan peluang dari kemungkinan pemunculan

12

yang lebih ekstrim atau dapat menggunakan tabel Fisher, lihat pada buku
Statistik Nonparametrik untuk Ilmu Ilmu Sosial karangan Sidney Siegel.
a. Asumsi dan Statistik Uji
Sumber asumsi yang diperlukan untuk menguji pasangan hipotesis
tersebut diatas adalah :
1

Data terdiri dari A buah hasi pengamatan dari populasi pertama,

2
3

dan B buah hasil pengamatan dari populasi kedua.

Kedua sampel bebas dan diambil secara acak
Masing-masing hasil pengamatan dapat digolongkan kedalam salah
satu dari dua jenis atau ciri pengamatan yang saling terpisah
(exclusive).

Jika asumsi ini dipenuhi, dan tabel yang dibuat memenuhi syarat seperti
pada tabel yang sebelumnya, statistik uji b yang digunakan. Defenisi statistik b
sesuai tabel sebelumnya adalah sebagai berikut, b = banyaknya subjek dengan
karakteristik yang di perhatikan (kategori 1) dalam sampel
b. Prosedur Pengambilan Keputusan
Jika kita tetapkan sebagai taraf signifikasi yang digunakan dalam
pengujian, kriteria pengambilan keputusan adalah sebagai berikut:

Contoh
Seorang mahasiswa melakukan penelitian untuk menguji apakah proporsi siswa
yang mengikuti les privat lebih banyak yang lulus ujian dibandingkan dengan
siswa yang tidak mengikuti les privat. Selanjutnya diambil sampel sebanyak 15
siswa. Dari 6 yang lulus ternyata 5 yang mengikuti les privat dan dari 9 yang tidak
lulus ternyata 7 yang tidak ikut les privat. Gunakan 5 %.

13

Jawab:
Menggunakan uji satu arah :
Pertama dibentuk tabel kontingensi sebagaimana dibawah ini :

Definisikan P1 adalah Proporsi siswa yang lulus yang ikut les privat dan P2
adalah proporsi siswa yang lulus yang tidak ikut les privat.
Ho: P1=P2 ( Proporsi siswa yang lulus yang ikut les privat tidak lebih banyak dari
proporsi mahasiswa yang tidak ikut les privat).
H1: P1>P2 ( Proporsi siswa yang lulus yang ikut les privat lebih banyak dari
proporsi mahasiswa yang tidak ikut les privat).
Peluang pemunculan data
p=

( A + B ) ! (C + D ) ! ( A +C ) ! ( B+ D ) !
6! 9! 7 ! 8!
=
=0,0336
N ! A ! B !C ! D !
15! 5 ! 2 ! 1! 7 !

Peluang kemungkinan pemunculan lainnya yang lebih ekstrim :

Jadi

besarnya

probabilita

(p-value)

adalah sebesar 0,0336

+ 0,0014 =

0,035 < 0,05

14

Keputusan: Tolak Ho karena p-value < dan simpulkan proporsi siswa yang lulus
yang ikut les privat lebih banyak dari proporsi mahasiswa yang tidak ikut les
privat dengan tingkat kepercayaan sebesar 95 %.
Menggunakan uji dua arah :
Ho: P1=P2 ( Proporsi siswa yang lulus yang ikut les privat sam dengan proporsi
mahasiswa yang tidak ikut les privat)
H1: P1P2 ( Proporsi siswa yang lulus yang ikut les privat tidak sama dengan
proporsi mahasiswa yang tidak ikut les privat)
Peluang diatas ditambah dengan kemungkinan pemunculan ekstrim dari sisi yang
lain. Kemungkinan pemunculan dari sisi yang lain adalah

p=

( A + B ) ! (C + D ) ! ( A +C ) ! ( B+ D ) !
6!9!7!8 !
=
=0,0056
N ! A ! B !C ! D !
15! 0! 6 ! 2 ! 7 !

Jadi besarnya probabilita (p-value) adalah sebesar 0,0336 + 0,0014 + 0,0056 =

0,041
Keputusan: Tolak Ho karena p-value < (0,041 < 0,05) dan simpulkan proporsi
siswa yang lulus yang ikut les privat tidak sama dengan proporsi mahasiswa yang
tidak ikut les privat dengan tingkat kepercayaan sebesar 95 %.
Cara menentukan kondisi lebih ekstrim:

15

P1=5/7=0,714

P2=1/8=0,125 (P1-P2)=0,589

Setiap kemungkinan pemunculan yang mempunyai selisih peluang (P 1 P2) lebih

besar dari 0,589 maka dikatakan mempunyai peluang pemunculan yang lebih
ekstrim. Untuk uji dua arah caranya juga sama dimana peluang pemunculan yang
lebih ekstrim berlaku juga untuk arah yang berlawanan.
Contoh lain untuk Kasus Uji Eksak :
Misalkan, suatu studi telah dilakukan untuk membandingkan efektivitas
obat dalam menyembuhkan suatu penyakit darah yang langka. Sebanyak 15 orang
pasie yang menderita penyakit itu (yang kira kira sama parahnya) kita gunakan
sebagai subjek studi ini. Dari 15 orang ini, 7 orang kita pilih secara acak dan kita
beri obat A, sedangkan 8 orang lainnya kita beri obat B. Hasil pengobatan ini rang
lainnya kita beri obat B. Hasil pengobatan ini ditunjukkan dalam table di bawah
ini:
TABEL 1 HASIL PENGOBATAN DENGAN OBAT A DAN OBAT B
Hasil pengobatan
Sembuh

Tidak Sembuh

Macam obat
A
4
B
1
Jumlah
5
Berdasarkan data ini kita ingin melakukan

Jumlah

3
7
7
8
10
15
uji hipotesis bahwa kedua

macam obat itu sama efektifnya dalam menyembuhkan penyakit itu dengan
alternatif satu sisi bahwa obat A lebih efektif.

16

Jika sekiranya tidak ada perbedaan antara kedua macam obat itu, maka
sampel gabungan dengan 5 orang sembuh dan 10 orang tidak sembuh dapat
dipandang sebagai suatu sampel random dari satu populasi. Dengan memandang
hasil gabungan ini sendiri sebagai suatu populasi kecil, uji Fisher-Irwin
mengajukan pertanyaan, Dapatkah kedua baris table kemungkinan itu dipandang
sebagai sampel-sampel yang homogeny dari populasi kecil ini? Dalam
melakukan inferensi, kita berpegang pada alas an bahwa fakta yang kuat
mendukung

kurangnya

homogenitas

dalam

subsample-subsampel

itu

menunjukkan bahwa kedua obat itu tidak serupa (efektivitasnya).

Model subsampel-subsampel yang homogeny menganggap bahwa kedua
baris table merupakan hasil pembagian secara acak 5 orang sembuh dan 10 orang
tidak sembuh menjadi dua kelompok dengan masing-masing 7 orang dan 8 orang.
Banyak cara 7 orang dapat dipilih dari 15 orang adalah

(157) ,

yng masing-

masing memiliki kemungkinan sama akan terjadinya, karena pemilihannya secara

acak. Banyak cara dalam memilih 4 dari 5 orang yang sembuh dan memilih 3 dari
10 orang yang tidak sembuh adalah

(54 103 )

. Sekali pemilihan baris pertama

selesai, berarti baris kedua tertentu. Oleh karena itu, probabilitas bersyarat
frekuensi sel observasi, jika hasil gabungan diketahui 5 sembuh dan 10 tidak
sembuh adalah :

(54) ( 103)= 5 120 =0,093

(157) 6435
Dengan jumlah baris tertentu (tetap), kita mulai mencari susunan frekuensi
sel yang lebih ekstrim, dalam arti susunan-susunan frekuensi itu mendukung
hipotesis alternative lebih kuat daripada susunan frekuensi observasi. Dukungan
lebih kuat untuk menyimpulkan obat A lebih efektif memerlukan frekuensi yang
lebih tinggi dalam sel sudut atas kiri table itu. Satu-satunya susunan yang
17

mungkin adalah seperti yang tertuang dalam Tabel di bawah; dan probabilitas
bersyaratnya dihitung dengan cara seperti yang telah kita lakukan di atas.
TABEL 2 SUSUNAN YANG LEBIH EKSTRIM DARI TABEL 1
Obat A
Obat B

Sembuh
5
0

Probabilitas bersyarat =

Tidak Sembuh
2
8

Jumlah
7
8

(55)(102) =0,007
( 157)

Andaikan kita pilih tingkat signifikan

=0,15 . Untuk menentukan

apakah frekuensi sel observasi bertentangan dengan model pembagian menjadi

subsample secara random, kita hitung probabilitas frekuensi observasi dan
frekuensi yang lebih ekstrim, yakni 0,093 + 0,007 = 0,10. Karena harga ini lebih
kecil dari tingkat signifikan yang kita pilih maka hipotetis pembagian secara
random ditolak. Sehingga dapat disimpulkan bahwa (dengan

=0,15 ) kedua

obat itu berbeda efektifitasnya, yakni obat A lebih efektif daripada obat B.
Jika tingkat signifikan yang kita gunakan

0,05

, H0 tidak ditolak. Ini

kelihatan aneh jika mengingat selisih antara proporsi sampel yang sembuh 4/7 =
0,57untuk obat A dan 1/8 = 0,125 untuk obat B cukup besar. Hal ini menjelaskan
untuk sampel kecil, seperti 7 dan 8, selisih antara proporsi sampel yang besar
dapat terjadi karena kebetulan saja, meskipun proposi populasinya sama.
Untuk uji H0 bahwa tidak ada perbedaan antara efek dua tritmen versus
alternative dua sisi,prosedur yang kita jalankan pada dasarnya sama. Tetapi,
susunan-susunan yang lebih ekstrim harus diidentifikasi dalam dua sisinya. Untuk
melihat hal ini, susunan umum dengan menggunakan jumlah baris dalam Tabel 1
kita sajikan dalam tabel 3 di bawah ini.
TABEL 3. SUSUNAN LEBIH EKSTRIM DENGAN JUMLAH
BARIS SAMA DEGAN TABEL 1

18

Obat A
Obat B
Jumlah

Sembuh
X
5x
5

Tidak Sembuh
7 x
3+x
10

Selisih proporsi sampel dalam table ini adalah

Dalam tabel 1 adalah

( 47 18 )

Jumlah
7
8
15

( 7x 5x8 )

. Maka susunan yang lebih ekstrim dua

sisi dapat di identifikasi sebagai harga-harga x yang memenuhi

|7x 5x8 |>|47 18|

atau |3 x7|>5

Kriterium ini dipenuhi oleh tabel 2 dan tabel 4

TABEL 4 SUSUNAN LEBIH EKSTRIM DARI TABEL 1
Sembuh
Tidak Sembuh
Jumlah
Obat A
0
7
7
Obat B
5
3
8
Jumlah
5
10
15

Probabilitas yang lebih ekstrim =

(50)(107) =0,019
( 157)

Sehingga probabilitas signifikansi untuk alternatif dua-sisi adalah 0,093 +

0,007 + 0,019 = 0,119

19

BAB III
PENUTUP
3.1 KESIMPULAN
1. Selang kepercayaan (bahasa Inggris: confidence interval, CI) adalah
sebuah interval antara dua angka, di mana dipercaya nilai parameter
sebuah populasi terletak di dalam interval tersebut. Dalam praktik
sehari-hari, kebanyakan selang kepercayaan dinyatakan dalam level
95%.
2. Ketika sampel berjumlah besar, distribusi poisson ataupun multinomial,
akan menjadi distribusi normal. Dimana suatu perkiraan 100(1- )
persen interval kepercayaan untuk log adalah:
^
log

^ z /2 ^
log
3. Salah satu uji eksak untuk sampel kecil diantaranya uji fisher. Uji eksak
Fisher atau biasa disebut uji F. Uji Fisher adalah uji eksak yang
diturunkan oleh seorang bernama Fisher, karenanya disebut uji
eksak Fisher. Uji ini bertujuan untuk menguji signifikansi hipotesis
komparatif dua sampel independen atau untuk menguji apakah ada
perbedaan dua perlakuan yang mungkin dari dua populasi. Uji eksak
Fisher digunakan ketika persyaratan analisis chi-square untuk tabel
silang 2 X 2 tidak terpenuhi. Data disusun dalam tabel silang
(kontingensi) 2 x 2. Ukuran sampel n 40. Kriteria Uji : Tolak H0 jika p
(satu arah) atau p /2 (dua arah), H0 diterima dalam hal lainnya.

3.2 SARAN

20

Kami sebagai penyusun menyadari bahwa dalam penulisan

makalah ini termasuk jauh dari sempurna. Oleh karena itu, kami sangat
mengharapkan saran dan kritik dan saran yang membangun dari para
pembaca. Semoga makalah ini dapat memberi manfaat kepada kami dan
pembaca pada umumnya.

21