PENDAHULUAN
Dalam kehidupan sehari-hari, sering kita jumpai banyak hal yang dapat kita
deskripsikan dalam bentuk data. Informasi data yang diperoleh tentunya harus diolah
terlebih dahulu menjadi sebuah data yang mudah dibaca dan dianalisa. Statistika
adalah ilmu yang mempelajari cara-cara pengolahan data.
Hipotesis seperti yang kita ketahui (statistik), yakni dugaan yang mungkin
benar, atau mungkin juga salah. Dia akan ditolak jika salah atau palsu, dan akan
diterima jika faktor-faktor membenarkannya. Penolakan dan penerimaan hipotesis,
dengan begitu sangat tergantung kepada hasil-hasil penyelidikan terhadap faktor-
faktor yang dikumpulkan.
1
penyelidikan-penyelidikan yang mendahului, dari renungan-renungan atas dasar
pertimbangan yang masuk akal, ataupun dari hasil-hasil penyelidikan yang dilakukan
sendiri. Jadi dalam taraf ini mahasiswa cukup membuat konklusi dari persoalan-
persoalan yang diajukan dalam bab sebelumnya dan merumuskannya dalam bentuk
statemen (pernyataan).
2
BAB II
PEMBAHASAN
Hipotesis berasal dari bahasa yunani yang mempunyai dua kata ialah "hipo"
(sementara) dan "thesis" (pernyataan atau teori). karena hipotesis merupakan
pernyataan sementara yang masih lemah kebenarannya, maka perlu diuji
kebenarannya.
Hipotesis adalah pernyataan tentang sesuatu yang perlu dibuktikan atau diuji
kebenarannya (Kuswadi, 2004). Asumsi atau dugaan mengenai sesuatu hal yang
dibuat untuk menjelaskan hal itu yang sering dituntut untuk melakukan
pengcekkannya. Jika asumsi atau dugaan itu dikhususkan mengenai populasi, maka
hipotesis tersebut merupakan hipotesis statistik. Setiap hipotesis bisa benar atau
tidakbenar dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima
atau ditolak. Langkah atau prosedur untuk menentukan apakah hipotesis tersebut
diterima atau ditolak disebut dengan pengujian hipotesis. Telah kita ketahui bahwa
suatu penduga pada umumnya tidaklah harus sama dengan nilai parameter yang
sebenarnya.
Prinsip uji hipotesis adalah melakukan perbandingan antara nilai sampel (data
hasil penelitian) dengan nilai hipotesis (nilai populasi) yang diajukan. Peluang untuk
diterima dan ditolaknya suatu hipotesis tergantung besar kecilnya perbedaan antara
nilai sampel dengan nilai hipotesis. Bila perbedaan tersebut cukup besar, peluang
untuk menolak hipotesis pun besar pula. Sebaliknya bila perbedaan tersebut kecil,
peluang untuk menolak hipotesis menjadi kecil. Jadi, semakin besar perbedaan antara
nilai sampel dengan nilai hipotesis, semakin besar peluang untuk menolak hipotesis.
3
2.3 Jenis-jenis Hipotesis
Di dalam pengujian hipotesis dijumpai dua jenis hipotesis, yaitu hipotesis nol
(Ho) dan hipotesis altenatif (Ha). Berikut akan diuraikan lebih jelas tentang masing-
masing hipotesis tersebut.
Bentuk hipotesis alternatif akan menentukan arah uji statistik apakah satu arah
(one tail) atau dua arah (two tail).
4
1. One tail ( satu sisi) adalah bila hipotesis alternatifnya menyatakan adanya
perbedaan dan ada pernyataan yang mengatakan hal yang satu lebih tinggi
atau rendah daripada hal yang lain.
Contoh : Berat badan bayi dari ibu hamil yang merokok lebih kecil
dibandingkan berat badan bayi dari ibu hamil yang tidak merokok.
2. Two tail (dua sisi) merupakan hipotesis alternatif yang hanya menyatakan
perbedaan tanpa melihat apakah hal yang satu lebih tinggi atau rendah dari hal
yang lain.
Contoh : Berat badan bayi dari ibu hamil yang merokok berbeda
dibandingkan dengan berat badan bayi dari ibu yang tidak merokok.
Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat
terjadi, dikenal dengan nama-nama :
5
b) Kekeliruan tipe II : adalah kekeliruan menerima hipotesis (H0) padahal
hipotesis tersebut salah. Kekeliruan ini disebut β .
Ho benar Ho salah
Taraf atau tingkat signifikan dinyatakan dalam dua atau tiga desimal atau
dalam persen. Lawan dari taraf signifikan ialah taraf kercayaan atau tingkat
kepercayaan. Jika taraf signifikansi = 5% atau 1% dapat di sebut juga dengan taraf
kepercayaan =95% atau 99% , demikian seterusnya. Pada umumnya penelitian sosial
6
besarnya ᾳ tergantung pada keinginan peneliti sebelum analisis dilakukan. Art ᾳ=0,05
ialah diperkirakan 5 dari 100 kali penelitian berkesimpulan akan menolak hipotesis
yang seharusnya diterima atau kira-kira.
Resiko salah ( probabilitas salah ) yang di kandung oleh jenis kesalahan tipe
ini adalah sebesar beta ( β ). Dengan demikian maka perlu langkah hati-hati yang di
mulai dari perumusan masalah, penyusunan hipotesis, pengumpulan data ( termasuk
di dalamnya system sampling ), analisis data, serta interpretasi hasil analisis. Hal
yang tidak kalah penting dengan yang lainnya adalah ketelitian dalam proses analisis.
Oleh karena alpha dan beta merupakan probabilitas salah dalam pengambilan
keputusan, maka rationalnya semakin kecil alpha maupun beta semakin baik
keputusannya yang kita ambil. Dengan kata lain semakin kecil alpha maupun bet
menunjukan tingkat akurasi keputusan, karena mengandung kesalahan yang sangat
kecil. Sepanjang kita masih menggunakan sampel maka alpha maupun beta tidak bisa
= 0. Tingkat akurasi analisis sering di sebut dengan power of the test.Dengan
memperkecil alpha. Berarti memperbesar power of the test, yang akhirnya juga
memperkecil beta, karena beta -1- power of the test.
Taraf nyata atau tingkat kemaknaan adalah besarnya batas toleransi dalam
menerima kesalahan hasil hipotesis terhadap nilai parameter populasinya. Semakin
tinggi taraf nyata yang di gunakan, semakin tinggi pula penolakan hipotesis nol atau
hipotesis yang di uji, padahal hipotesis nol benar.
Besaran yang sering di gunakan untuk menentukan taraf nyata dinyatakan dalam %,
yaitu: 1% (0,01), 5% (0,05), 10% (0,1), sehingga secara umum taraf nyata di tuliskan
sebagai α 0,01, α0,05, α0,1. Besarnya nilai α bergantung pada keberanian pembuat
keputusan yang dalam hal ini berapa besarnya kesalahan (yang menyebabkan resiko)
yang akan di tolerir. Besarnya kesalahan tersebut di sebut sebagai daerah kritis
pengujian (critical region of a test) atau daerah penolakan ( region of rejection).
7
Nilai α yang dipakai sebagai taraf nyata di gunakan untuk menentukan nilai distribusi
yang di gunakan pada pengujian, misalnya distribusi normal (Z), distribusi t, dan
distribusi X². Nilai itu sudah di sediakan dalam bentuk tabel di sebut nilai kritis.
1. Menetapkan Hipotesis
Dari hipotesis alternatif akan diketahui apakah uji statistik menggunakan satu
arah (one tail) atau (two tail) dua arah.
8
Ada beragam uji statistikk yang dapat digunakan. Setiap uji statistik
mempunyai persyaratan tertentu yang harus dipenuhi. Oleh karena itu, harus
digunakan uji statistik yang tepat sesuai dengan data yang diuji. Jenis uji
statistik sangat tergntung dari :
a. Jenis variabel yang akan dianalisis;
b. Jenis data apakah dependen atau independen;
c. Jenis distriusi data populasinya apakah mengikuti distribusi normal atau
tidak.
9
Seperti yang telah disebutkan pada langkah 4, bahwa hasil pengujian statistik
akan menghasilkan dua kemungkinan keputusan, yaitu menolak hipotesis nol
atau gagal menolak hipotesis nol. Keputusan uji statistik dapat dicari dengan
dua pendekatan yaitu pendekatan klasik dan dengan pendekatan probabilitas.
a. Pendekatan Klasik
Untuk memutuskan apakah Ho ditolak maupun gagal ditolak, dapat
dilakukan dengan cara membandingkan nilai perhitungan uji statistik
dengna nilai pada tabel. Nilai tabel yang dilihat sesuai dengan jenis
distribusi uji yang kita lakukan, misalnya kalau kita lakukan uji Z maka
nilai tabel dilihat dari tabel Z. Besarnya nilai tabel sangat tergantung dari
nilai alpha (α) yang kita gunakan dan juga tergantung dari apakah uji kita
one tail atau two tail.
Dari kedua nilai tersebut (nilai perhitungan uji statistik dan nilai tabel)
kita dapat memutuskan apakah Ho ditolak atau Ho gagal ditolak dengan
ketentuan sebagai berikut.
10
b. Pendekatan Probabilistik
Dengan nilai P kita dapat menggunakan untuk keputusan uji statistik
dengan cara membandingkan nilai P dengan nilai α (alpha). Ketentuan
yang berlaku adalah sebagai berikut.
1) Bila nilai P ≤ nilai α, keputusannya adalah Ho ditolak
2) Bilai nilai P > nilai α, keputusannya adalah Ho gagal ditolak.
Perlu diketahui bahwa nilai P two tail adalah dua kali nilai P one tail.
Berarti kalau tabel yang digunakan adalah tabel one tail, sedangkan uji
yang digunakan adalah two tail, maka nilai P dari tabel harus dikalikan
2. Dengan demikian dapat disederhanakandengna rumus : nilai P two
tail = 2 x nilai P one tail.
Uji beda dua mean adalah pengujian secara statistik yang dilakukan dengan
menguji rata-rata dua sampel yang digunakan untuk membandingkan dua
kelompok dengan nilai rata-rata sebagai perbandingan.
11
Prinsip pengujian dua mean adalah melihat perbedaan variasi kedua
kelompok data. Oleh karena itu, dalam pengujian ini diperlukan informasi
apakah varian kedua kelompok yang diuji sama atau tidak. Bentuk varian
kedua kelompok data akan berpengaruh pada nilai standard error yang
akhirnya membedakan rumus pengujiannya.
Tujuan dari uji ini adalah untuk mengetahui varian antara kelompok
data satu apakah sama dengan kelompok data yang kedua.
Pada perhitungan uji F1 varian yang lebih besar berfungsi sebagai pembilang
(numerator) dan varian yang lebih kecil berfungsi sebagai penyebut
(denominator).
12
df = n1 + n2 -2
Keterangan :
0.100 ... ... ... ... ... ... 2.51 ... ...
0.050 ... ... ... ... ... ... 3.29 ... ...
0.025 ... ... ... ... ... ... 4.20 ... ...
0.010 ... ... ... ... ... ... 5.61 ... ...
0.005 ... ... ... ... ... ... 6.88 ... ...
0.001 ... ... ... ... ... ... 10.70 ... ...
13
0.001 yang berarti bahwa semakin ke atas nilai areanya semakin besar
nilai p-nya.
Bila F= 4,20, terlihat dalam tabel angka 4,20 terletak pada area 0,025,
artinya nilai P= 0,025.
Bila F= 12,9, nilai p<0,001 (karena angka 12,9 kalau diplot pada tabel
terletak dibawah angka 10,70.
Hipotesis:
14
16 1.337 1.746 2.120 2.538 2.921
dst
T=4,1
Tabel t terdiri dari kolom dan baris. Baris menunjukkan nilai DF dan
kolom menunjukkan nilai alpha (nilai p). Angka dalam tabel
menunjukkan nilai t tabel yang nanti nya digunakan untuk konversi
dengan nilai t hitung. Pada bagian kolom semakin kekanan maka nilai
alphanya (nilai p) akan semakin kecil. Untuk mencari nilai p pada df =
16, ikuti ilustrasi berikut.
Bilai nilai t=1,337, maka nilai p kita lihat diatas pada nilai alpha yaitu
0.10 artinya p=0.10.
Bila nilai t= 2,30 terlihat terletak diantara dua nilai yaitu antara 2.064
(p=0.025) dan 2.495 (p=0.01) berarti nilai p-nya > 0,01 dan < o,025
=> 0.01 <p<0.025
15
X 1− X 2
T=
Tujuan pengujian ini adalah untuk menguji perbedaan mean antara dua
kelompok data yang dependen.
Contoh kasus :
Rumus
16
d
t=
SDd
√n
Pertanyaan:
Buktikan bahwa itu adalah contoh uji T independen varian sama
Ujilah dengan uji T independen varian sama dengan langkah-langkah uji statistic.
No. Jenis N X S
Menentukan nilai F
F = (S1)2 : (S2)2
F = (1.5)2 : (1.7)2
17
F = 1.28
Menentukan uji T
X 1−X 2
T=
1 1
Sp
√ +
n1 n 2
23.1−20.0
T=
1 1
1.59
√ +
10 8
3.1
T=
1.59 √ 0.225
3.1
T=
1.59 X 0.47
3.1
T=
0.74
T =4.19
Df = n1 + n2 – 2
18
Df = 10 + 8 – 2
Df = 16
Kesimpulan :
1. Pendekatan klasik
Membandingkan f hitung dengan f tabel dengan ketentuan
f hitung ¿ f tabel : Ho ditolak
f hitung ¿ f tabel : Ho gagal ditolak
f hitung : 1.28
f tabel : 3.29
f hitung ¿ f tabel , maka Ho gagal ditolak
Varian kadar nikotin didalam rokok jarum sama dengan varian kadar nikotin
didalam rokok wismilak
Pertanyaan:
19
b. Ujilah dengan uji T independen varian sama dengan langkah-langkah uji
statistik.
Penyelesaian :
Langkah 1.
Ho : σ1 = σ2 ( varian kadar nikotin jarum sama dengan varian kadar nikotin wismilak)
Ha : σ1 = σ2 ( varian kadar nikotin jarum berbeda (bisa lebih tinggi atau rendah)
dengan varian kadar nikotin wismilak)
Arah uji hipotesis diatas adalah One Tail karena didalam hipotesis dikatakan bahwa
kadar nikotin lebih tinggi.
Langkah 2.
Langkah 3
Langkah 4
Lakukan Uji F
2
Sa2 (4,5)
F= =
Sb2 (1,5)2
20,25
= = 9 Lihat pada tabel letak nya <0.001
2,25
20
df = n1 – 1 = 12-1= 11
df = n2 – 1 = 9-1 = 8
Penghitungan Uji T
X 1− X 2 2
T= S 12 S 22
√ +
2
S1 S2
n 1 n2
2
¿
(( ) ( ))
n1
+
n2
df = S 12
2
S 22
2
√
25,2−20,0
= 4,5 2 1,52
+
12 9
(( ) ) (( ) )
n1
n1−1
+
n2
n 2−1
25,2−20,0 2
4,52 1,5 2
= 20,25 2,25
√+
12 9
(( ) ( ))
12
+
9
= 2 2
25,2−20,0 4,52 1,52
=
=
√ 1,6 +0,25
5,2
(( ) ) (( ) )
12
12−1
+
9
9−1
2
√1,85 20,25 2,25
5,2
(( 12 ) ( ))
+
9
= 1,36 = 2 2
= 3,8
( 20,25
( )( ) 12 ) +
( 2,25
9 )
11 8
( 1,68+ 0,25 )2
= ( 1,68 )2 ( 0,25 )
2
(
11
+
8)( )
( 1,9375 )2
= 2,82 0,06
( )( )
11
+
8
3,75
=
( 0,25 ) + ( 0,0078 )
21
3,75
=
0,264
= 14.
Jadi , T hitung = 3,8 > 1,761 (T tabel)
Kesimpulan Klasik
Maka dari hasil perhitungan uji T, menghasilkan uji statistik
lebih besar dibandingkan nilai yang berasal dari tabel ( nilai T
hitung > nilai tabel ) , Keputusannya Ho ditolak
Kesimpulan Probabilistik
Nilai P < α, keputusannya Ho ditolak
sebelum 12,2 11,3 14,7 11,4 11,5 12,7 11,2 12,1 13,3 10,8
sesudah 13,0 13,4 16,0 13,6 14,0 13,8 13,5 13,8 15,5 13,2
Pertanyaan:
Ujilah dengan uji T dependen dengan langkah-langkah uji statistic.
Jawab :
22
sebelum 12.2 11.3 14.7 11.4 11.5 12.7 11.2 12.1 13.3 10.8
sesudah 13.0 13.4 16.0 13.6 14.0 13.8 13.5 13.8 15.5 13.2
deviasi 0.8 2.1 1.3 2.2 2.5 1.1 2.3 1.7 2.2 2.4
Total deviasi = 1.86
= (1.86)2
= 345.96
∑d:
(0.8)2 (2.1)2 (1.3)2 (2.2)2 (2.5)2 (1.1)2 (2.3)2 (1.7)2 (2.2)2 (2.4)2
0.64 4.41 1.69 4.8 6.25 1.21 5.29 2.89 4.84 5.76
d
SD.d = √ ∑ d 2−( ∑n )2
n−1
345.96
SD.d = √ 37.82−
10−1
10
SD.d =
√ 37.82−34.596
9
SD.d = √ 0.358
SD.d = 0.6
d
t=
SD/ √ n
1.86
t=
0.6/√ 10
23
t = 9.8
Maka nilai disebelah kanan dari nilai tabel 3.250 (P = 0.005) berarti nilai P < 0.005.
Karena ujinya two tail, maka nilai P = 0.005 x 2 = Nilai P <0.01
Hasil perhitungan menghasilkan nilai P <0.01 yang lebih kecil dari pada nilai alpha
(0.005), maka dapat diputuskan Ho ditolak. Jadi dengan menggunakan alpha 5%
dapat disimpulkan bahwa secara statistik ada perbedaan kadar Hb antara sebelum dan
sesudah diberi suntikan B12 (P < 0.01).
P < 0.05 keputusannya Ho ditolak. Jadi dengan menggunakan alpha 50% dapat
disimpulkan bahwa secara statistik ada perbedaan kadar Hb antara sebelum dan
sesudah diberi suntikan B12.
24
BAB III
PENUTUP
3.1 Kesimpulan
3.2 Saran
25
Adapun saran yang dapat penyusun sampaikan yaitu agar mahasiswa
dapat terus menggali ilmu tentang biostatistik dan statistik kesehatan.
DAFTAR PUSTAKA
Sabri,L & Hastono, Sutanto Priyo (2014). Statistik Kesehatan. Jakarta: Rajawali Pers
26