TUGAS BIOSTATISTIK

(Makalah ini disusun untuk memenuhi tugas Biostatistik

tentang materi Pengujian Hipotesis )

Oleh :
Dedik Kurniawan (185070309111003)

PROGRAM STUDI ILMU GIZI

FAKULTAS KEDOKTERAN
UNIVERSITAS BRAWIJAYA
MALANG
2019
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika adalah ilmu yang mempelajari bagaimana
merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan
mempresentasikan data. Singkatnya, statistika adalah ilmu yang
berkenaan dengan data. Istilah ‘statistika’ berbeda dengan ‘statistik’
(statistik). Statistika merupakan ilmu yang berkenaan dengan data,
sedang statistik adalah data, informasi, atau hasil penerapan algoritma
statistika pada suatu data (Riduan,2002). Statistika dipakai untuk
menyatakan kumpulan data, bilangan maupun non bilangan yang
disusun dalam tabel dan atau diagram, yang melukiskan atau
menggambarkan suatu persoalan. Statistik yang menjelaskan sesuatu
hal biasanya diberi nama statistik mengenai hal yang bersangkutan,
sehingga kita kenal statistik penduduk, statistik kelahiran, statistik
pendidikan, statistik pertanian, statistik kesehatan dan masih banyak
lagi.
Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik
ilmu-ilmu alam (misalnya astronomi dan biologi maupun ilmu-ilmu
sosial, maupun di bidang bisnis, ekonomi, dan industri). Statistika juga
digunakan dalam pemerintahan untuk berbagai macam tujuan; sensus
penduduk merupakan salah satu prosedur yang paling dikenal.
Aplikasi statistika lainnya yang sekarang popular adalah prosedur jajak
pendapat atau polling (misalnya dilakukan sebelum pemilihan umum),
serta jajak cepat (perhitungan cepat hasil pemilu) atau quick count. Di
bidang komputasi, statistika dapat pula diterapkan dalam pengenalan
pola maupun kecerdasan buatan (Artificial Intelegence / AI)1.
Statistik kesehatan sudah diterapkan dari masa ke masa,
bahkan metode ini sudah dikenal sejak masa Raja Ramses II dari

1
Sevilla, C.G., dkk, 1993, Pengantar Metode Penelitian, Jakarta: Universitas Indonesia.
 Mesir ± 1250 SM, tahun 1603 John Graunt melakukan pencatatan
kematian di Inggris, tahun 1945 John Snow menganalisis tentang
penyakit kholera di London, Samuel Shattuck dari Amerika Serikat
merangkum Census of The City of Boston (1845)2, Report of The
Sanitary Commision of Massachusetts (1850)3 dan banyak lagi.
Sebagai salah satu cara untuk pengambilan kebijakan dan
keputusan, penggunaan statistik adalah penting dalam ilmu kesehatan
masyarakat untuk membantu memberi bobot, ukuran atau patokan
data dalam mengambil sebuah ukuran kesehatan. Assessmen atau
penilaian kesehatan masyarakat didasarkan pada kejadian-kejadian
yang menimpa masyarakat itu sendiri, kemudian dijadikan indikator
ukuran kesehatan masyarakat. Semua kegiatan yang memerlukan
pencatatan dalam penilaian kesehatan individu atau kelompok
memerlukan ilmu statistik4.
Secara lebih rinci implementasi ilmu ini akan diterapkan dalam
segala sesuatu yang berhubungan dengan cara-cara pengumpulan,
kompilasi, pengolahan dan interprestasi fakta-fakta numerik seputar
sehat, sakit, kelahiran, kematian dan faktor kesehatan lainnya pada
populasi masyarakat. Dari penerapan statistik di atas, sudah jelas ilmu
ini intinya digunakan untuk membantu pengambilan keputusan dan
kebijakan kesehatan. Adapun manfaat statistik dalam bidang
kesehatan adalah sebagai berikut :
 Menentukan masalah-masalah kesehatan masyarakat.
 Menentukan masalah-masalah yang harus diprioritaskan
untuk diatasi.
 Perkiraan tentang sumber-sumber yang ada dilapangan
kesehatan yang dapat digunakan untuk usaha kesehatan
masyarakat (UKM).
2
https://cityofboston.gov%2Fimages_documents%2FGuide%2520to%2520the%2520City
%2520Census%2520records_tcm3-20688.pdf&usg=AOvVaw17CkAlBIq64JTwp-6LHGl1 Data
diakses pada tanggal 29 Mei 2019
3
https://jamanetwork.com/journals/jama/article-abstract/304733 Data diakses pada tanggal 29
Mei 2019
4
Sevilla, C.G., dkk, 1993, Pengantar Metode Penelitian, Jakarta: Universitas Indonesia.
  Memilih cara-cara yang paling efektif
 Merencanakan usaha-usaha berdasarkan fakta prioritas dan
adanya sumber.
 Mengevaluasi hasil-hasil yang telah dicapai
 Menganalisa kesulitan-kesulitan yang ditemukan dan factor-
faktor lainnya yang dicapai serta merencanakan kembali
usaha-usaha.
 Mengevaluasi dan menentukan tingkat kesehatan
masyarakat
 Mencatat dan mendokumentasikan semua data kesehatan
masyarakat, untuk tujuan perbandingan dengan daerah-
daerah lain waktu yang berlainan.
Kajian biostatistik dalam Makalah ini akan membahas tentang
teori hipotesis mulai dari tahapan definisi hingga stage / tahapan
langkah-langkah pengambilan dan interpretasi hipotesis dari suatu
riset / penelitian maupun program kesehatan berbasis masyarakat
lainnya.

1.2 Tujuan
Tujuan dari makalah ini adalah :
1. Untuk mengetahui arti dan definisi hipotesis
2. Untuk mengetahui uji hipotesis : hipotesis komparatif & korelatif
3. Untuk mengetahui hipotesis null & hipotesis alternatif
4. Untuk mengetahui makna p-value
5. Untuk mengetahui makna α (Alpha)
6. Untuk mengetahui langkah pengujian hipotesis
7. Untuk mengetahui interpretasi hasil uji hipotesis

1.3 Manfaat
Manfaat dari makalah adalah :
1. Memberikan pemahaman dan pengetahuan terutama bagi penulis
dan civitas akademik terkait definisi hipotesis, klasifikasi hipotesis
dan beberapa kajian statistika terkait uji hipotesis dalam domain
penelitian statistika dibidang kesehatan
2. Memberikan pemahaman dan pengetahuan terutama bagi penulis
dan civitas akademik terkait langkah-langkah dalam pengujian
hipotesis dan interpretasi hasil uji hipotesis

BAB II
PEMBAHASAN
2.1. Definisi Hipotesis
Margono (2004) menyatakan bahwa hipotesis berasal dari
perkataan hipo (hypo) dan tesis (thesis). Hipo berarti kurang dari,
sedang tesis berarti pendapat. Jadi hipotesis adalah suatu pendapat
atau kesimpulan yang sifatnya masih sementara, belum benar-benar
berstatus sebagai suatu tesis. Hipotesis memang baru merupakan
suatu kemungkinan jawaban dari masalah yang diajukan. Ia mungkin
timbul sebagai dugaan yang bijaksana dari si peneliti atau diturunkan
(deduced) dari teori yang telah ada.
Pada bagian lain, Margono (2004) pun mengungkapkan
pengertian lainnya tentang hipotesis. Ia menyatakan bahwa hipotesis
adalah jawaban sementara terhadap masalah penelitian yang secara
teoretis dianggap paling mungkin atau paling tinggi tingkat
kebenarannya. Secara teknik, hipotesis adalah pernyataan mengenai
keadaan populasi yang akan diuji kebenarannya melalui data yang
diperoleh dari sampel penelitian. Secara statistik, hipotesis
merupakan pernyataan keadaan parameter yang akan diuji melalui
statistik sampel. Di dalam hipotesis itu terkandung suatu ramalan.
Ketepatan ramalan itu tentu tergantung pada penguasaan peneliti itu
atas ketepatan landasan teoritis dan generalisasi yang telah
dibacakan pada sumber-sumber acuan ketika melakukan telaah
pustaka.
Mengenai pengertian hipotesis ini, Nazir (2005) menyatakan
bahwa hipotesis tidak lain dari jawaban sementara terhadap
permasalahan penelitian, yang kebenarannya harus diuji secara
empiris. Menurutnya, hipotesis menyatakan hubungan apa yang kita
cari atau yang ingin kita pelajari. Hipotesis adalah pernyataan yang
diterima secara sementara sebagai suatu kebenaran sebagaimana
adanya, pada saat fenomena dikenal dan merupakan dasar kerja
serta panduan dalam verifikasi. Hipotesis adalah keterangan
 sementara dari hubungan fenomena-fenomena yang kompleks dan
pernyataan yang bersifat terkaan dari hubungan antara dua atau
lebih variabel.
Setelah hipotesis dirumuskan, maka sebelum pengujian yang
sebenarnya dilakukan, hipotesis harus dinilai terlebih dahulu. Untuk
menilai kelaikan hipotesis, ada beberapa kriteria atau ciri hipotesis
yang baik yang dapat dijadikan acuan penilaian. Kriteria atau ciri
hipotesis yang baik menurut Furchan (2004) yaitu:
(1) hipotesis harus mempunyai daya penjelas;
(2) hipotesis harus menyatakan hubungan yang diharapkan ada
di antara variabel-variabel;
(3) hipotesis harus dapat diuji
(4) hipotesis hendaknya konsisten dengan pengetahuan yang
sudah ada; dan hipotesis hendaknya dinyatakan sederhana
dan seringkas mungkin.

2.2 Uji Hipotesis : Hipotesis Komparatif & Korelatif

 Pengujian Hipotesis Komparatif
Hipotesis komparasi adalah suatu pengujian dengan cara
membandingkan atau dugaan ada tidaknya perbedaan yang
signifikan terhadap nilai dua kelompok atau lebih. Jadi, pada
hipotesis komparasi hanya sekedar membedakan dan tidak sama
sekali memperhatikan hubungan antar variabel. Bila Ho dalam
pengujan diterima maka nilai perbandingan dua sampel atau lebih
dapat digeneralisasikan untuk seluruh populasi dimana sampel
diambil dengan taraf kesalahan tertentu.
Lebih lanjut menurut Sugiyono (2001) hipotesis komparatif
adalah argumentasi / pernyataan yang menunjukkan dugaan nilai
dalam satu variabel atau lebih pada sampel yang berbeda. Contoh
rumusan masalah komparatif dan hipotesisnya:
a. Adakah perbedaan kadar asam amino thiamine pada
produk modifikasi PMT A dan PMT B?
 b. Adakah perbedaan tingkat pengetahuan gizi ibu hamil di
wilayah rural urban dan urban?
Adapun rumusan hipotesis adalah:
a. - Tidak terdapat perbedaan kadar asam amino
thiamine pada produk modifikasi PMT A dan PMT
B?
- Kadar asam amino thiamine pada produk modifikasi
PMT A Lebih kecil sama dengan PMT B
- Kadar asam amino thiamine pada produk modifikasi
PMT A Lebih besar sama dengan PMT B
- Hipotesis statistiknya adalah:
- Ho : m1 = m2
Rumusan uji hipotesis dua pihak
Ha : m1 ¹ m2
- Ho : m1 ³ m2
Rumusan uji hipotesis pihak kiri
Ha : m1 < m2
- Ho : m1 £ m2 Rumusan uji hipotesis pihak kanan
Ha : m1 > m2

b. Tidak terdapat perbedaan (persamaan) pengetahuan

gizi ibu hamil di wilayah rural urban dan urban
 Ho : m1 = m2 = m3

 Ha : m1 ¹ m2 = m3
(salah satu berbeda sudah merupakan Ha)
Dalam hal ini harga m (mu) dapat merupakan rata-rata
sampel, simpangan baku, varians dan proporsi.

 Hipotesis Hubungan (Asosiatif)

Sugiyono (2001) menyatakan bahwa hipotesis asosiatif adalah
suatu pernyataan yang menunjukkan dugaan tentang hubungan antara
dua variabel atau lebih. Contoh rumusan masalahnya adalah “Adakah
hubungan antara intervensi Dash Diet dengan Profil HDL pasien dengan
Obesitas?”. Rumus dan hipotesis nolnya adalah: Tidak ada hubungan
antara ntervensi Dash Diet dengan Profil HDL pasien dengan Obesitas.
Hipotesis statistiknya adalah:
 Ho : r = 0
r = simbol yang menunjukkan kuatnya hubungan.
Ha : r ¹ 0

Dapat dibaca: hipotesis nol, yang menunjukkan tidak adanya

hubungan (nol = tidak ada hubungan) antara ntervensi Dash Diet dengan
Profil HDL pasien dengan Obesitasi. Hipotesis alternatifnya menunjukkan
ada hubungan (tidak sama dengan nol, mungkin lebih besar dari nol atau
lebih kecil dari nol).

2.3 Hipotesis Null & Hipotesis Alternatif

 Hipotesis Nol (Ho)
Hipotesis nol (H0) adalah hipotesis yang menyatakan tidak
adanya hubungan antara variabel independen (X) dan variabel
dependen (Y). Artinya, dalam rumusan hipotesis,  yang diuji adalah
ketidakbenaran variabel (X) mempengaruhi (Y). Ex: “tidak ada
hubungan antara Kadar Hemoglobin dengan profil TGR (Total Goiter
Rate)”.
 Hipotesis Kerja / Hipotesis Alternatif (Ha / H1)
Hipotesis Kerja (H1) adalah hipotesis yang menyatakan
adanya hubungan antara variabel independen (X) dan variabel
dependen (Y) yang diteliti. Hasil perhitungan H1 tersebut, akan
digunakan sebagai dasar pencarian data penelitian.
Contohnya: Ada hubungan antara tingkat pengetahuan ibu
hamil dengan profil KEK (Kekurangan Energi Kronis).
Hipotesis alternatif ada dua macam, yaitu directional
Hypotheses dan non directional Hypotheses5;
 Hipotesis terarah (directional Hypotheses)
adalah hipotesis yang diajukan oleh peneliti, dimana
peneliti sudah merumuskan dengan tegas yang
menyatakan bahwa variabel independen memang
5
Fraenkel, Jack. R and Norman E. Wallen. (1990). How to Design and Evaluate. Research in
Education USA
 sudah diprediksi berpengaruh terhadap variabel
dependen. Misalnya: Balita yang mendapatkan PMT
modifikasi dengan penambahan ekstrak protein tongkol
profil status gizi (Zscore untuk BB/U) lebih baik
dibandingkan dengan balita yang tidak mendapatkan
PMT Modifikasi.
 Hipotesis tak terarah (non directional Hypotheses)
adalah hipotesis yang diajukan dan dirumuskan oleh
peneliti tampak belum tegas bahwa variabel
independen berpengaruh terhadap variabel dependen.
menyatakan bahwa hipotesis tak terarah itu
menggambarkan bahwa peneliti tidak menyusun
prediksi secara spesifik tentang arah hasil penelitian
yang akan dilakukan.
Contoh: Ada perbedaan pengaruh penggunaan metode
recall 24 h dan metode food weighting terhadap
konsistensi dan akurasi nutritional assesment domain
food history pada pasien rawat inap di RS.

2.4 Makna P Value

Dalam aplikasi software statistik biasanya akan tercantum nilai
P yang merupakan nilai kekuatan penolakan. Dengan nilai P kita bisa
membandingkan dengan tingkat signifikansi atau alpha di mana jika
nilai P lebih kecil dari nilai tingkat signifikansi atau alpha maka
menolak Ho, namun jika nilai P lebih besar dari tingkat signifikansi
atau alpha maka menerima Ho.
Nilai P adalah probabilitas sampel observasi mempunyai
perbedaan yang besar dari nilai observasi di mana hipotesis null
benar. Nilai P yang sangat kecil menunjukkan bahwa kecil
kemungkinan Ho benar, sebaliknya jika P-value besar maka kecil
kemungkinan bahwa Ho salah.
 Untuk mendapatkan nilai P kita mengurangi luas area ½ kurva
dengan luas area z dari z hitung . Pada contoh rata-rata pendapatan uji
hipotesis tentang return on investment dengan dua arah diatas,
diperoleh luas area z hitung = 0,3621. Dengan 0,5 – 0,3621 = 0,1375.
Dikali dua untuk uji dua arah = 0,275. Karena nilai P sebesar 0,275
lebih besar dari pada 0,05 maka kita tidak menolak Ho.
Dalam aplikasi software yang lain mungkin bukan nilai P
sebagai indikator penerimaan atau penolakan hipotesis,tetapi
menggunakan nilai Signifikansi. Contoh yang ada adalah pada
aplikasi software SPSS, keputusan penerimaan atau penolakan
hipotesis bisa dengan melihat nilai Sig(Significant). Jika nilai Sig lebih
kecil dari alpha maka kita bisa menyimpulkan untuk menolak H 0,
sebaliknya jika nilai Sig lebih besar dari alpha maka kesimpulan yang
dibuat adalah kita menerima H0. Penerimaan dan penolakan H0
terlihat seperti Gambar 1.

Gambar 1
Daerah Penerimaan & Penolakan H0

0,3621

luas area = 0,275

-1,96 -1,095 1,095 1,96

Apabila dalam uji hipotesis di atas σ tidak diketahui, maka

kita menggunakan deviasi standar sampel sebagai penggantinya,
sehingga z hitung adalah
x −μ
s
Z= √n
di mana:
μ = adalah rata-rata populasi
s = adalah deviasi standar sampel
x = adalah rata-rata sampel
 n = adalah jumlah sampel

2.5 Makna Alpha (α)

Alpha atau sering dilambangkan dengan “α” adalah nilai yang
dijadikan sebagai tolak ukur untuk menentukan taraf kepercayaan
atau generalisasi dari objek yang diteliti setelah dilakukan analisa dan
interpretasi data. Alpha adalah batas kesalahan maksimal yang
dijadikan patokan oleh peneliti sedangkan p-value (nilai sig) adalah
nilai kesalahan yang didapat peneliti dari hasil perhitungan statistik.
Misalnya sebelum melakukan penelitian, peneliti menetapkan nilai alfa
sebesar 5% atau 0,05 ini berarti dari 100 kali seseorang melakukan
percobaan yang sama di harapkan kurang dari 5 penelitian yang
mengalami kegagalan. Setelah melakuakan percobaan data, lalu
dianalisis dan didapat nilai p-value sebesar 11% atau 0,11 ini berarti
dari hasil perhitungan diketahui bahwa dari 100 percobaan yang sama
akan dihasilkan kegagalan sebanyak 11 percobaan.
Dalam proses penelitian, nilai alpha ditentukan sebelum nilai
p-value diketahui. Berdasarkan konvensi, nilai alpha yang biasa
digunakan adalah sebesar 0,05. Nilai alpha yang kecil menunjukkan
semakin ketatnya aturan dalam suatu penelitian.  Nilai alpha
menunjukkan seberapa ekstrim suatu data seharusnya (data ideal),
sehingga  dapat menunjukkan adanya perbedaan dengan data lainnya
(tolak H0). Alpha sering juga disebut dengan istilah “Taraf signifikansi
(t.s.)”. Umumnya, dalam sebuah penelitian taraf signifikansi (α) yang
digunakan adalah 1% (0,01) atau 5% (0,05), disamping juga terdapat
taraf signifikansi yang lain. Taraf signifikansi ini  sering diubah menjadi
taraf kepercayaan (t.p.), dilambangkan dengan bilangan 95% atau
99%.
Dengan kata lain t.s. 0,05 = t.p. 95%, atau t.s. 0,01 = t.p. 95%.
Jadi, nilai Alpha t.s. 5% (0,05) = t.p. 95% (0,95) digunakan dalam
penelitian yang menghendaki taraf kesalahan sebesar 5% dan
kepercayaan/kebenarannya 95%. Nilai Alpha (taraf signifikansi) baik
 1% maupun 5% digunakan untuk menentukan nilai tabel baik itu untuk
nilai t, z, f, chi, atau nilai distribusi statistika lainnya melaui dk (derajat
kebebasan) yang ditentukan dari jumlah sampel atau populasi (n)
dalam sebuah penelitian. 
Contohnya, nilai dk untuk t tabel menggunakan df = n1 + n2 -2.

2.6 Langkah Pengujian Hipotesis

Dalam pengujian hipotesis tahap–tahap yang harus dilakukan
adalah:
Tahap 1. Menentukan hipotesis null dan alternatif.
Dalam menentukan hipotesis null dan alternatif kita harus
mengetahui tentang hipotesis yang akan diuji. Hipotesis null adalah
hipotesis yang akan diuji kebenarannya. Sebagai contoh kita ingin
menguji tentang rata-rata nilai Zscore (TB/U) pada balita yang
mendapatkan Asi eksklusif adalah sama dengan ± 1 SD, maka
hipotesis null-nya adalah Ho: μ= ± 1 SD.

Tahap 2. Memilih tingkat signifikansi.

Dalam memilih tingkat signifikansi kita harus memperhatikan
hasil penelitian terdahulu terhadap penelitian sejenis. Masing-masing
bidang ilmu mempunyai standar yang berbeda dalam menentukan
tingkat signifikansi. interval / range biasanya menggunakan tingkat
signifikansi antara 90% ( 10%) sampai 95% ( 5%), sedangkan
terkait tentang penggunaan dalam riset base eksperiment seperti uji
medikasi ataupun human trial biasanya menggunakan tingkat
signifikansi antara 98% ( 2%) sampai 99% ( 1%).

Tahap 3. Mengidentifkasi uji statistik.

Setelah menentukan tingkat signifikansi langkah selanjutnya
adalah menentukan uji statistik yang akan digunakan. Hal ini karena
masing-masing uji statistik memerlukan asumsi yang berbeda dalam
penerapannya.
 Tahap 4. Membuat aturan keputusan
Aturan keputusan adalah sebuah pernyataan tentang kondisi
di mana hipotesis ditolak atau kondisi hipotesis tidak ditolak. Area
penolakan menjelaskan lokasi dari semua nilai yang sangat besar
atau sangat kecil sehingga probabilitas kita di bawah sebuah hipotesis
null yang benar agar jauh. Berikut adalah gambaran daerah
penolakan untuk uji signifikansi
Gambar 2.
Daerah Penolakan dan Penerimaan H0

Jangan Tolak Ho Tolak Ho

1,65 1,98

0,0 5 probabilitas

Titik Kritis
Titik kritis adalah titik yang membagi daerah di mana
hipotesis null di terima atau hipotesis null di tolak.

Tahap 5. Pengambilan Keputusan

Tahap terakhir adalah pengambilan keputusan untuk
menolak atau tidak menolak hipotesis null. Berdasarkan Gambar 1
apabila Z hitung ditemukan sebesar 1,98 maka hipotesis null ditolak
pada level kepercayaan 95%. Ho ditolak karena Z hitung berada pada
daerah penolakan H0 yaitu disebelah kanan nilai Z sebesar 1,65.

5.1. Uji satu arah atau uji 2 arah

Pada Gambar 1 tersebut terlihat bahwa kita menggunakan
uji satu arah, karena area penolakan hanya di sebelah kanan arah
dari kurva. Pengujian satu arah atau dua arah akan sangat ditentukan
oleh hipotesis yang akan kita uji. Pada contoh uji tentang mean yang
menyatakan bahwa Ho: µ ¿ 3,02, yang dibaca bahwa rata-rata
populasi adalah sama dengan atau kurang dari 3,02, sehingga
hipotesis alternatifnya adalah Ha: µ > 3,02. Uji ini adalah uji satu arah
sehingga apabila kita gambarkan dalam bentuk grafik adalah seperti
Gambar 3.
Gambar 3.
Grafik Pengujian Satu Arah

Terima Ho Tolak Ho

1,6 5

Apabila kita ingin menguji suatu hipotesis yang menyatakan

bahwa rata-rata keluarga memiliki anak kurang dari 4 orang maka
bentuk uji hipotesisnya adalah sebagai berikut:
Ho: µ ¿ 4
Ho: µ < 4
Pada hipotesis di atas dalam pengujiannya menggunakan uji
satu arah di mana aturan pengambilan keputusannya bisa kita
gambarkan sebagai berikut:

Gambar 4.
Grafik Pengujian Satu Arah

Tolak Ho
Terima Ho

-1,65

Uji satu arah digunakan jika dalam pernyataan hipotesis ada

tanda lebih besar atau lebih kecil (>/<).
 Apabila dalam pernyataan hipotesis tidak ada petunjuk lebih
besar atau lebih kecil maka uji dua arah digunakan. Sebagai contoh
adalah apabila kita ingin menguji suatu hipotesis yang menyatakan
bahwa tidak ada perbedaan antara rata-rata status Gizi balita pada
posyandu A dengan posyandu B, maka hipotesis yang kita gunakan
rumus sebagai berikut:
Ho: µA = µB
Ho: µA ¿ µB
Untuk menguji hipotesis di atas maka uji yang digunakan
adalah uji dua arah, sehingga kurva uji adalah seperti pada Gambar 4.
Gambar 5.
Grafik Pengujian Dua Arah

Jangan Tolak Ho Tolak Ho

95%

-1,96 1,96

Dalam uji hipotesis tentang rata-rata populasi dengan

sampel besar, deviasi standar populasi harus diketahui.
Pada uji ini kita ingin mengetahui tentang apakah rata-rata
populasi semua dengan nilai tertentu. Sebagai contoh adalah rata-rata
prevalensi stunting di Indonesia adalah 0,46 dengan jumlah populasi
adalah 700 dan deviasi standart adalah 0,05 maka nilai Z hitung bisa
dicari dengan rumus :
x −μ
σ
Z= √n
Dimana:
μ adalah rata-rata populasi;
n adalah jumlah sampel
x adalah rata-rata sampel;
σ adalah deviasi standar populasi
 Apabila diambil sampel sebanyak 30 pada lokus di tingkat

provinsi ditemukan bahwa x = 0,47 maka hipotesisnya adalah:

Ho: µA = 0,46
Ho: µA ¿ 0,46.
x −μ
σ
Maka nilai Z= √n
0,47−0,46
= 0,05/ √30

0,00913¿
0,01¿ ¿
¿
= 1,095
Apabila dengan tingkat kepercayaan 95% maka nilai kritis Z
dengan uji 2 arah, setengah dari  0,05 adalah 0,025, sehingga luas
kurva adalah 0,475 dengan mencari pada nilai tabel Z didapatkan nilai
Z tabel +1,96 sehingga bentuk kurvanya adalah:

Gambar 6.
Titik Kritis Pengujian Dua Arah

x 0,05
  0,025
Z 2
0,475 0,475

-1,96 0 1,96

Nilai Z hitung tersebut akan terletak pada daerah penerimaan

Ho. Dari sini kita bisa menyimpulkan bahwa kita tidak membuktikan
bahwa Ho benar tetapi kita telah gagal untuk menyangkal Ho, yang
 berarti kesimpulannya rata-rata Prevalensi stuntig di Indonesia adalah
0,46.
Apabila kita ingin menguji satu arah maka nilai Z hitung akan
berubah menjadi 0,5 – 0,05 = 0,45 sehingga titik kritisnya adalah 1,65.
Dalam bentuk kurva nilai pengujian satu arah adalah sebagai berikut:
Gambar 7.
Titik Kritis Pengujian Satu Arah

1,6 5

Dengan menggunakan uji satu arah bisa dilihat bahwa nilai Z

hitung tetap berada pada daerah penolakan H 0 sehingga kita bisa
menyimpulkan bahwa rata-rata Prevalensi Stunting di Indonesia
adalah 0,46.

2.7 Interpretasi Hasil Uji Hipotesis

Proses finalisasi dari sebuah riset, pengamatan obervasional
dan berbagai metode uji dalam pembuktian hipotesis adalah
interpretasi hasil dari uji hipotesis, apakah hasil uji hipotesis yang di
teliti bermakna signifikan atau tidak signifikan, bermakna postif atau
negatif dan terdapat perbedaan atau tidak terdapat perbedaan, serta
terdapat hubungan atau relasional atau tidak berdasarkan standar
teknis kaidah statistika yang sesuai dan relevan
Setelah nilai alpha ditentukan, maka nilai statistik (misal r)
ditentukan. Masing-masing nilai statistik memiliki tingkat probabilitas
tertentu yang disebut p-value. Nilai p-value menunjukkan seberapa
ekstrim data yang kita temui di lapangan (data aktual).
Peneliti membandingkan nilai alpha dengan nilai p-value untuk
mengetahui apakah data yang diobservasi berbeda secara signifikan
dibandingkan dengan apa yang ditetapkan dalam hipotesis nol (null
hypothesis). Jika nilai p-value lebih kecil (<) atau sama dengan (=)
 alpha, maka peneliti menolak hipotesis nol, yang berarti bahwa hasil
penelitian secara statistik adalah signifikan.  Jika nilai p-value lebih
kecil dari alpha, maka peneliti gagal menolak hipotesis nol, yang
berarti penelitian secara statistik tidak signifikan.

BAB III
KESIMPULAN

3. 1 Kesimpulan
Hipotesis berasal dari perkataan hipo (hypo) dan tesis
(thesis). Hipo berarti kurang dari, sedang tesis berarti pendapat. Jadi
hipotesis adalah suatu pendapat atau kesimpulan yang sifatnya masih
sementara, belum benar-benar berstatus sebagai suatu tesis.
Hipotesis adalah jawaban sementara terhadap masalah penelitian
 yang secara teoretis dianggap paling mungkin atau paling tinggi
tingkat kebenarannya.
Hipotesis yang baik mempunyai ciri-ciri sebagai berikut: (1)
hipotesis harus menyatakan hubungan; (2) hipotesis harus sesuai
dengan fakta; (3) hipotesisi harus berhubungan dengan ilmu, serta
sesuai dengan tumbuhnya ilmu pengetahuan; (4) hipotesis harus
dapat diuji; (5) hipotesis harus sederhana; dan (6) hipotesis harus bisa
menerangkan fakta.
Kegunaan hipotesis penelitian, yaitu: (1) hipotesis
memberikan penjelasan sementara tentang gejala-gejala serta
memudahkan perluasan pengetahuan dalam suatu bidang; (2)
hipotesis memberikan suatu pernyataan hubungan yang berlangsung
dapat diuji dalam penelitian; (3) hipotesis memberikan arah kepaa
penelitian; dan (4) hipotesis memberikan kerangka untuk melaporkan
kesimpulan penyelidikan.
Ada tiga bentuk rumusan hipotesis yang dapat disusun sesuai
dengan rumusan permasalahan penelitian, yaitu: hipotesis deskriptif,
hipotesis komparatif, dan hipotesis asosiatif.

DAFTAR PUSTAKA

Furchan, A., 2004, Pengantar Penelitian dalam Pendidikan, Yogyakarta:

Pustaka Pelajar.

Margono, 2004, Metodologi Penelitian Pendidika, Jakarta: Rineka Cipta.

Nazir, 2005, Metode Penelitian, Jakarta: Ghalia Indonesia.

Riduan, 2002,Skala Pengukuran Variabel-variabel Penelitian, Bandung:

Alfabeta.

Sevilla, C.G., dkk, 1993, Pengantar Metode Penelitian, Jakarta:

Universitas Indonesia
Sugiyono, 2005, Memahami Penelitian Kualitatif, Bandung: Alfabeta

https://cityofboston.gov%2Fimages_documents%2FGuide%2520to
%2520the%2520City%2520Census%2520records_tcm3-
20688.pdf&usg=AOvVaw17CkAlBIq64JTwp-6LHGl1 Data
diakses pada tanggal 29 Mei 2019

https://jamanetwork.com/journals/jama/article-abstract/304733 Data
diakses pada tanggal 29 Mei 2019