BAB I

PENDAHULUAN

1.1 Latar Belakang

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.

Untuk meperoleh data-data tersebut, diperlukan adanya suatu penelitian.

Penelitian ini didapatkan melalui berbagai cara, dan juga berbagai langka-langkah
pengujian dari para pengumpul data. Sebelum melakukan penelitian, kita akan
menduga-duga terlebih dahulu terhadap apa yang kita ingin teliti. Pernyataan dugaan
atau pernyataan sementara kita ini yang disebut hipotesis. Banyak sekali macam-
macam konsep hipotesis ini, salah satunya jenis hipotesis. Terkadang dalam
penelitian pun banyak sekali permasalahan-permasalahan dan juga kesalahan dalam
melakukan penelitian. Seluruh yang akan dibahas dalam melakukan hipotesis
penelitian akan dibahas dalam makalah ini beserta permasalah-permasalahan yang
terjadi.

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.

Hipotesis dapat juga dipandang sebagai konklusi yang sifatnya sangat

sementara. Sebagai konklusi sudah tentu hipotesis tidak dibuat dengan semena-mena,
melainkan atas dasar pengetahuan-pengetahuan tertentu. Pengetahuan ini sebagian
dapat diambil dari hasil-hasil serta problematika-problematika yang timbul dari

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).

1.2 Rumusan Masalah

a. Apa pengertian hipotesis ?

b. Apa pengertian uji hipotesis ?
c. Apa saja jenis-jenis hipotesis ?
d. Apa saja arah dan bentuk dalam uji hipotesis ?
e. Apa saja kesalahan pengambilan keputusan dalam uji hipotesis ?
f. Bagaimana cara menentukan tingkat kemaknaan ?
g. Bagaimana prosedur uji hipotesis ?
h. Apa pengertian Uji Beda dua Mean ?

1.3 Tujuan Penulisan

1.3.1 Tujuan Umum

1. Agar mahasiswa dapat mengetahui tentang uji hipotesis
1.3.2 Tujuan Khusus
1. Agar mahasiswa dapat memahami tentang :
a. Pengertian hipotesis
b. Pengertian uji hipotesis
c. Jenis-jenis hipotesis
d. Arah dan bentuk dalam uji hipotesis
e. Kesalahan pengambilan keputusan dalam uji hipotesis
f. Menentukan tingkat kemaknaan
g. Prosedur uji hipotesis
h. Uji Beda dua Mean

2
 BAB II

PEMBAHASAN

2.1 Pengertian Hipotesis

  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.

2.2 Uji Hipotesis

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.

1. Hipotesis Nol (Ho)

Hipotesis yang menyatakan tidak ada perbedaan sesuatu kejadian antara
kedua kelompok. Atau hipotesis yang menyatakan tidak ada hubungan
antara variabel satu dengan variabel yang lain.
Contoh :
a. Tidak ada perbedaan berat badan bayi antara mereka yang dilahirkan
dari ibu yang merokok dengan mereka yang dilahirkan dari ibu tidak
merokok.
2. Hipotesis Alternatif (Ha)
Hipotesis alternatif adalah hipotesis yang menyatakan ada perbedan suatu
kejadian antara antara kedua kelompok. Atau hipotesis yang menyatakan
ada hubungan variabel satu dengan variabel lain.
Contoh :
a. Ada perbedaan berat badan bayi antara mereka yang dilahirkan dari
ibu yang merokok dengan mereka yang dilahirkan dari ibu yang tidak
merokok.

2.4 Arah atau Bentuk Uji Hipotesis

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.

Contoh penulisan hipotesis

Suatu penelitian ingin mengetahui hubungan antara jenis kelamin dengan
tekanan darah, maka hipotesisnya adalah sebagai berikut.
Ho : µA = µB
Tidak ada perbedaan mean tekanan darah antara laki-laki dan perempuan atau
tidak ada hubungan antara jenis kelamin dengan tekanan darah.
Ha : µA = µB
Ada perbedaan mean tekanan darah antara laki-laki dan perempuan atau ada
hubungan antara jenis kelamin dengan tekanan darah.

2.5 Kesalahan Pengambilan Keputusan

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

a) Kekeliruan tipe I : adalah kekeliruan karena menolak hipotesis (H0)

padahal hipotesis tersebut benar. Kekeliruan ini disebut kekeliruan α.. 

5
 b) Kekeliruan tipe II : adalah kekeliruan menerima hipotesis (H0) padahal
hipotesis tersebut salah. Kekeliruan ini disebut β  .

Uji hipotesis atau peraturan pengambilan keputusan dilakukan dengan baik

agar kesalahan pengambilan keputusan dapat diminimalisir. Cara untuk
mengurangi kedua tipe kekeliruan tersebut adalah dengan memperbesar
ukuran sampel, yang mungkin atau tidak mungkin dilakukan (Spiegel, 1992)

Model kesalahan ketika membuat kesimpulan Dalam Pengujian Hipotesis

KESIMPULAN KEADAAN YANG SEBENARNYA

Ho benar Ho salah

Menerima Ho Kesimpulan benar Kesalahan model 11(ϐ)

Menolak Ho Kesalahan model 1(ᾳ) Kesimpulan benar

Ketika merencanakan hipotesis, kedua model kesalahan tersebut hendaknya

dibuat sekecil mungkin. Kedua model kesalahan tersebut dinyatakan dalam peluang,
suatu penilaian dapat dilakukan. Peluang ini juga sekaligus merupakan besarnya
resiko kesalahan yang ingin kita hadapi yakni peluang membuat kesalahan (ᾳ) dan
peluang membuat kesalahan (ϐ). Sedangkan yang sering digunakan dalam penelitian
adalah kesalahan (ᾳ) yang sering di sebut dengan istilah; taraf signifikan, tingkat
signifikansi, taraf arti , taraf nyata, probability (p), taraf kesalahan atau taraf
kekeliruan.

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.

2.6 Menentukan Tingkat Kemaknaan ( Level of Sigificance)

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.

2.7 Prosedur Uji Hipotesis

1. Menetapkan Hipotesis

a) Hipotesis Nol (Ho)

Hipotesis yang menyatakan tidak ada perbedaan sesuatu kejadian antara
kedua kelompok. Atau hipotesis yang menyatakan tidak ada hubungan
antara variabel satu dengan variabel yang lain.
Contoh :
a. Tidak ada perbedaan berat badan bayi antara mereka yang dilahirkan
dari ibu yang merokok dengan mereka yang dilahirkan dari ibu tidak
merokok.
b) Hipotesis Alternatif (Ha)
Hipotesis alternatif adalah hipotesis yang menyatakan ada perbedan suatu
kejadian antara antara kedua kelompok. Atau hipotesis yang menyatakan
ada hubungan variabel satu dengan variabel lain.
Contoh :
b. Ada perbedaan berat badan bayi antara mereka yang dilahirkan dari
ibu yang merokok dengan mereka yang dilahirkan dari ibu yang tidak
merokok.

Dari hipotesis alternatif akan diketahui apakah uji statistik menggunakan satu
arah (one tail) atau (two tail) dua arah.

2. Menentukan Uji Statistik yang Sesuai

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.

Sebagai gambaran, jenis uji statistik untuk megetahui perbedaan mean

akan berbeda dengan uji statistik untuk mengetahui perbedaan proporsi
atau persentase. Uji beda mean menggunakan uji T atau uji Anova
sedangkan uji untuk mengetahui perbedaan proporsi digunakan uji Kai
Kuadrat.

3. Menentukan Batas atau Tingkat Kemaknaan ( Level of Significance)

Batas atau tingkat kemaknaan, sering disebut dengan nilai α.
Penggunaan nilai alpha tergantung tujuan penelitian yang dilakukan, untuk
bidang kesehatan masyarakat biasanya menggunakan nilai alpha 5%.

4. Penghitungan Uji Statistik

Penghitungan uji statistik adalah menghitung data sampel ke dalam uji
hipotesis yang sesuai. Misalnya kalau ingin menguji perbedaan mean antara
dua kelompok, data hasil pengukuran dimasukkan ke rumus uji t. Dari hasil
perhitungan tersebut kemudian dibandingkan dengan nilai populasi untuk
mengetahui apakah ada hipotesis ditolak atau gagal menolak hipotesis.

5. Keputusan Uji Statistik

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.

a) Bila nilai perhitungan uji statistik lebih besar dibandingkan nilai

yang berasal dari tabel (nilai hitung > nilai tabel ) keputusannya :
Ho ditolak.
b) Bila nilai perhitungan uji statistik lebih kecil dibandingkan dengan
nilai yang berasaal dari tabel (nilai perhitungan < nilai tabel),
keputusannya Ho gagal ditolak.
Ho gagal ditolak artinya tidak ada perbedaan kejadian
(mean/proporsi) antara kelompok data satu dengan kelompok data
yang lain. Perbedaan hanya akibat dari faktor kebetulan (by
chance).

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.

2.8 Uji Beda Dua Mean

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.

a. Uji Beda Dua Mean Independen

Tujuan pengujian ini adalah untuk mengetahui perbedaan mean dua
kelompok data independen. Syarat atau asumsi yang harus dipenuhi
sebagai berikut :
1. Data berdistribusi normal atau simetris
2. Kedua kelompok data independen
3. Variabel yang dihubungkan berbentuk numerik dan kategorik (dengan
hanya dua kelompok)

Uji Homogenitas Varian

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.

Perhitungannya dengan menggunakan uji F:

df1 = n1-1 dan df2 = n2-1

Pada perhitungan uji F1 varian yang lebih besar berfungsi sebagai pembilang
(numerator) dan varian yang lebih kecil berfungsi sebagai penyebut
(denominator).

1. Uji untuk Varian sama

Uji beda dua mean dapat dilakukan dengan menggunakan uji Z dan uji T.
Uji Z dapat digunakan bila standar deviasi populasi (σ) diketahui dan
jumlah sampel besar (lebih dari 30). Apabila kedua syarat tersebut tidak
terpenuhi, maka di lakukan uji T. Pada umumnya nilai σ sulit diketahui,
sehingga uji beda dua mean biasanya menggunakan uji T (T-Test). Untuk
varian yang sama, bentuk ujinya adalah sebagai berikut.

12
df = n1 + n2 -2

Keterangan :

n1 atau n2 = jumlah sampel kelompok 1 atau 2

s1 atau s2 = standar deviasi sampel kelompok 1 dan 2

Langkah pertama adalah melakukan pemeriksaan homogenitas varian

kedua data dengan menggunakan uji F.

H0 : σ 12 = σ 22 ( varian 1 sama dengan varian 2)

Ha : σ 12 = σ 22 (varian 1 berbeda denagn varian 2)

Denomi DF Area 1 2 3 4 5 6 7 8 12 dst

0.100 ... ... ... ... ... ... 2.51 ... ...
0.050 ... ... ... ... ... ... 3.29 ... ...
0.025 ... ... ... ... ... ... 4.20 ... ...
0.010 ... ... ... ... ... ... 5.61 ... ...
0.005 ... ... ... ... ... ... 6.88 ... ...
0.001 ... ... ... ... ... ... 10.70 ... ...

Tabel distribusi F terdiri dari tiga bagian, yaitu DF numerator dan DF

denominator, dan Area. Bagian area menunjukkan nilai alphanya atau
nilai p. Nilai area dimulai dari angka 0.100 turun sampai dengan angka

13
0.001 yang berarti bahwa semakin ke atas nilai areanya semakin besar
nilai p-nya.

Sebagai contoh mencari nilai P dapat diilustrasikan sebagai berikut.

Bila F= 4,20, terlihat dalam tabel angka 4,20 terletak pada area 0,025,
artinya nilai P= 0,025.

Bila F=6,88, maka nilai p= 0,005

Bila F=4,00, nilai p<0,050 dan p>0,025 => 0,025<p<0,050.

Bila F= 12,9, nilai p<0,001 (karena angka 12,9 kalau diplot pada tabel
terletak dibawah angka 10,70.

Langkah selanjutnya adalah menguji perbedaan mean kedua kelompok

data tersebut dengan menggunakan uji t untuk varian yang sama :

Hipotesis:

H0 : µ1 = µ2 (mean varian 1 sama dengan mean varian 2)

Ha : µ1 > µ2 (mean varian 1 berbeda dengan varian 2)

Langkah berikutnya lakukan perhitungan uji t

Kemudian dicari nilai p dengan menggunakan tabel distribusi t.

Adapun cara mencarinya adalah sebagai berikut.

.10 .05 .025 .01 .005 -

1 .... .... .... .... ....
Nilai P

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= 2,583, maka nilai p=0.01

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

Keputusan Uji Statistik

Keputusan uji statistik dilihat dari perbandingan antara nilai P dengan

nilai alpha, jika lebih kecil, maka Ho ditolak.

2. Uji Untuk Varian yang Sama

Untuk varian yang berbeda, bentuk ujinya menggunakan uji beda dua
mean Uji T (T-Test) dengan varian beda. Bentuk rumusnya adalah sebagai
berikut.

15
 X 1− X 2
T=

(√ Sn112 )+( Sn22 2 )

Untuk degree of freedom, tidak bisa menggunakan rumus (df= n1+ n2
-2), tetapi menggunakan rumus khusus berikut.

b. Uji Beda Dua Mean Dependen ( Paired Sample )

Tujuan pengujian ini adalah untuk menguji perbedaan mean antara dua
kelompok data yang dependen.

Contoh kasus :

1. Apakah ada perbedaan tingkat pengetahuan antara sebelum dan

sesudah dilakukan pelatihan ?
2. Apakah ada perbedaan berat badan antara sebelum dan sesudah
mengikuti program diet ?
Syarat-syarat yang harus ada dalam pengujian ini adalah:
a. Distribusi data normal;
b. Kedua kelompok dependen/pair;
c. Jenis variabel adalah numerik dan kategorik ( dua kelompok)

Rumus

16
 d
t=
SDd
√n

d = rata-rata deviasi/selisih sampel 1 dan sampel 2

SD_d = standar deviasi dari deviasi/selisih sampel 1 dan sampel 2

Contoh uji T Independen varian sama:

1. Seorang pejabat Kemenkes berpendapat bahwa rata-rata nikotin yang

dikandung rokok jarum lebih tinggi dibandingkan rokok wismilak. Untuk
membuktikan pendapatnya, dilakukan penelitian dengan mengambil sampel
secara random 10 batang rokok jarum dan 8 batang rokok wismilak. Dari hasil
pengolahan data didapatkan bahwa rata-rata kadar nikotin rokok jarum adalah
23,1 mg dengan standar deviasi 1,5 mg. sementara itu kadar nikotin rokok
wismilak rata-rata 20,0 mg dengan standar deviasi 1,7 mg. berdasarkan data
tersebut ujjilah pendapat pejabat Kemenkes tersebut dengan menggunakan
alpha 5%.

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

1 Rokok jarum 10 23.1 1.5

2 Rokok wismilak 8 20.0 1.7

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

Sp2 = (n1 – 1) S12 + (n2 - 1) S22

n1 + n2 - 2
( 10−1 ) 2.25+ ( 8−1 ) 2.89
Sp2 =
10+8−2
(9 x 2.25)+(7 x 2.89)
SP2 =
16
20.25+20.23
SP2 =
16
SP2 = 2.53
SP = √ 2.53
SP = 1.59

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

Contoh T Independen varian beda

2. Seorang pejabat Kemenkes berpendapat bahwa rata-rata nikotin yang

dikandung rokok jarum lebih tinggi dibandingkan rokok wismilak. Untuk
membuktikan pendapatnya, dilakukan penelitian dengan mengambil sampel
secara randm 12 batang rokok jarum dan 9 batang rokok wismilak. Dari hasil
pengolahan data di dapatkan bahwa rata-rata kadar nikotin rokok jarum
adalah 25,2 mg dengan standar deviasi 4,5 mg. Sementara itu kadar nikotin
rokok wismilak rata-rata 20,0 mg dengan standar deviasi 1,5 mg.
Berdasarkan tersebut, ujilah pendapat pejabat Kemenkes tersebut dengan
menggunakan alpha 5%.

Pertanyaan:

a. Buktikan bahwa itu adalah contoh uji T independen varian beda

19
 b. Ujilah dengan uji T independen varian sama dengan langkah-langkah uji
statistik.

Penyelesaian :

Langkah 1.

Menetapkan hipotesis 0 dan altervative ( One Tail atau Two tail)

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.

Menetapkan tingkat kemaknaan ( α )

Tingkat kemaknaan atau ( α ) pada kasus tersebut adalah 5% atau 0,05.

Langkah 3

Uji T pada soal tersebut menggunakan uji T varian berbeda

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

Penarikan Kesimpulan : Ho ditolak

Ada perbedaan kadar nikotin antara rokok jarum dan rokok
wismilak.

Contoh uji T Dependen

3. Seorang peneliti ingin mengetahui pengaruh vitamin B12 terhadap penyakit

anemia. Sejumpah 10 penderita diberi suntikan vitamin B12 dan diukur kadar
Hb darah sebelum dan sesudah pengobatan. Hasil pengukuran dadalah
sebagai berikut:

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

Diperoleh t = 9.8 dan df = 10-1 = 9

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

Keputusan uji statistik / klasik :

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).

Keputusan uji probabilitas :

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

Uji Hipotesis adalah metode pengambilan keputusan yang

didasarkan dari analisa data, baik dari percobaan yang terkontrol, maupun
dari observasi (tidak terkontrol). Dalam statistik sebuah hasil
bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir
tidak mungkin disebapkan oleh factor yang kebetulan, sesuai dengan batas
probabilitas yang sudah ditentukan sebelumnya.

Hipotesis 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 lain.

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