TUGAS BIOSTATISTIK

HIPOTESIS

OLEH:

NAMA : RURY JATRINA, Am. Keb

NIM :2015302141

Dosen Mata Kuliah : Vitria Melinda,S.ST.M.Kes

PROGRAM STUDI SARJANA TERAPAN KEBIDANAN

UNIVERSITAS FORT DE KOCK

BUKITTINGGI

TA 2020/2021
 CONTOH SOAL HIPOTESIS

1. UJI BEDA MEAN 1 SAMPEL (UJI Z)

Mahasiswa jurusan pertanian ditugaskan untuk menguji formula pupuk terbaru untuk
tanaman cabe. Mereka mengelompokkan tanaman-tanaman cabe menjadi dua kelompok..
Kelompok tanaman cabe pertama diberi pupuk dan kelompok tanaman cabe kedua tidak
diberi pupuk. Dari 250 batang tanaman cabe yang diberi pupuk, mati sebanyak 15 batang.
Sedangkan dari 200 batang tanaman cabe yang tidak diberi pupuk, juga mati sebanyak 15
batang. Dengan tingkat kepercayaan 95 persen, apakah pemberian pupuk formula terbaru
pada cabe akan menjadi lebih baik daripada tidak diberi pupuk?
Jawab:
Dari soal di atas diketahui
x1 = 15
x2 = 15
n1 = 250
n2 = 200
Langkah-langkah yang dilakukan untuk menyelesaikannya adalah sebagai berikut.
1. Tentukan terlebih dahulu hipotesis yang digunakan
Dari persoalan di atas ingin diketahui apakah pemberian pupuk formula terbaru pada cabe
akan berdampak lebih baik daripada tidak diberi pupuk.
Maksud dari pernyataan tersebut adalah ingin diketahui apakah proporsi mati pada cebe
yang diberi pupuk lebih rendah dari proporsi mati pada cabe yang tidak diberi pupuk.
Misalkan P1 adalah proporsi mati cabe yang diberi pupuk dan P2 adalah proporsi mati cabe
yang tidak diberi pupuk, maka H1 : P1 < P2.
Dengan demikian hipotesis yang digunakan adalah
Ho: P1 ≥ P2
H1: P1 < P2

2. Tingkat Kepercayaan
Telah disebutkan bahwa tingkat kepercayaan yang digunakan dalam penelitian adalah 95
persen atau (1 – α) = 0,95, dengan demikian tingkat signifikansinya adalah 5 persen
atau α = 0,05.

3. Statistik Uji
Pengujian tersebut merupakan uji proporsi dua populasi, maka statistik uji yang digunakan
adalah uji z
 Sebelum menggunakan rumus tersebut, tentukan terlebih dahulu komponen-komponen
yang digunakan.

Selanjutnya menghitung nilai z,

4. Daerah Kritis
Karena pengujian di atas adalah pengujian satu arah, maka tingkat signifikansi yang
digunakan adalah α = 0,05. Dengan demikian daerah kritis adalah nilai di bawah –Z0,05 = –
1,645 (Lihat Tabel Z).

5. Keputusan
Telah diketahui bahwa z = –0,057 dan –Z0,05 = –1,645, oleh karena itu arena z < –
Z0,05 maka keputusannya adalah tolak Ho.

6. Kesimpulan
Berdasarkan data pengujian pemberian dan tanpa pemberian pupuk formula terbaru
pada cabe, maka dengan tingkat kepercayaan 95 persen, proporsi mati cabe yang diberi
pupuk lebih sedikit dibandingkan proporsi mati cabe yang tidak diberi pupuk.

Dengan demikian, pemberian pupuk formula terbaru pada cabe akan menjadi lebih baik
daripada tidak diberi pupuk.

2. UJI BEDA 2 MEAN (UJI t)

a. INDEPENDEN (BEBAS)

Contoh kasus :

Apakah ada perbedaan tingkat pengetahuan antara sebelum dan sesudah pelatihan

 Hipotesa dalam Uji t dependen adalah:

 Bila kita nyatakan perbedaan sebenarnya pada populasi dengan :

 = µ1 - µ2

Maka hipotesis dapat ditulis :

Ho :  = 0

Ha :   0

 Rumus uji t

d
T = -------------------
Sd_d /  n

df = n - 1

d = rata-rata deviasi/selisih nilai sesudah dengan sebelum

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

Contoh : Seorang peneliti ingin mengetahui pengaruh pemberian tablet Fe terhadap kadar Hb
pada ibu hamil. Sebanyak 10 ibu hamil diberi tablet Fe dan diukur kadar Hb sebelum dan
sesudah pemberian Fe. Hasil pengukuran sbb :

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

Buktikan apakah ada perbedaan kadar Hb antara sebelum dan sesudah pemberian tablet Fe,
dengan alpha 5%

Jawab :

Hipotesis

Ho :δ=0 (tdk ada perbedaan kadar Hb sebelum dan sesudah pemberian Fe)

Ha : δ≠0 (ada perbedaan kadar Hb sebelum dan sesudah pemberian Fe)

Perhitungan uji t :
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
(jumlah deviasi = 18,6)
 rata-rata deviasi : 18,6/10 = 1,86
 Standar deviasi dari nilai deviasinya (SD_d)=0,60
d 1,86
t = ------------------- t = --------------
Sd_d /  n 0,60/√ 10
t = 9,80
Kemudian dari nilai t tersebut dibandingkan dengan tabel t dengan df = n – 1 = 9

 Dari soal diatas didapat t=9,80, dan df=9 maka nilai t tabel adalah 2,26
 Keputusan uji statistik
t hitung ≥ t tabel sehingga Ho ditolak
t hitung < t tabel maka Ho diterima
Jadi secara statistik ada perbedaan kadar Hb antara sebelum dan sesudah diberi tablet Fe

b. DEPENDEN (PAIRED)

 Contoh :

Seorang peneliti ingin menguji apakah ada perbedaan nilai biostatistik antara mahasiswa dan
mahasiswi. Dengan mengambil 10 mahasiswa didapat rata-rata nilainya 70 dengan standar
deviasi 5, mahasiswi diambil 9 orang dan rata-rata nilainya 68 dengan standar deviasi 6. Ujilah
dengan alpha 5% apakah ada perbedaan nilai ?

Penyelesaian :

 Pertama lakukan uji homogenitas varian

Ho : σ12 = σ12
 (varian nilai mahaswa sama dengan varian nilai mahasiswi)

Ha : σ12 ≠ σ12

(varian nilai mahaswa tidak sama dengan varian nilai mahasiswi)

UJI F
S12
F = -------------
S22
2 2
 F = (6) / (5) = 1,44
df : numerator (pembilang) = 9 – 1 = 8
denumerator(penyebut) = 10 – 1 = 9
Kita lihat tabel F pada alpha 0.05

 F hitung (1,44) < F tabel (3,23)

 Ho gagal ditolak varian sama
UJI BEDA MEAN
Ho : μa = µI (rata-rata nilai mahasiswa sama dengan rata-rata nilai mahasiswi)
Ho : μa ≠ µI (rata-rata nilai mahasiswa tidak sama dengan rata-rata nilai mahasiswi)
x1 – x2
t = -----------------------------
Sp (1/n1 + 1/n2)

68 – 70
t = -----------------------------
Sp (1/9 + 1/10)
Sp = 5,49
68 – 70
t = -----------------------------
5,49 (1/9 + 1/10)
t = - 0,79
df = 10 + 9 – 2 = 17
(kita cari nilai tabel t)
 T hitung < t tabel

maka Ho gagal ditolak

Jadi, tidak ada perbedaan yang bermakna nilai statistik antara mahasiswa dengan mahasiswi
3. UJI BEDA LEBIH DARI 2 MEAN (UJI ANOVA)

CONTOH SOAL :

Suatu penelitian dilakukan untuk mengetahui apakah terdapat pengaruh perbedaan kartu
kredit terhadap penggunaannya. Data di bawah ini adalah jumlah uang yang dibelanjakan ibu
rumah tangga menggunakan kartu kredit (dalam $). Empat jenis kartu kredit dibandingkan:

Jumlah yang dibelanjakan ($)

ASTRA BCA CITI AMEX

8 12 19 13

7 11 20 12

10 16 15 14

19 10 18 15

11 12 19

Ujilah dengan α = 0.05, apakah terdapat pengaruh perbedaan kartu kredit pada
penggunaannya?

Penyelesaian:

Jumlah yang dibelanjakan ($)

ASTRA BCA CITI AMEX

8 12 19 13

7 11 20 12

10 16 15 14

19 10 18 15

11 12 19

T = 55 T = 61 T = 91 T = 54

n=5 n=5 n=5 n=4

 =11 = 12.2 =18.2 = 13.5

Dari table di atas dapat dihitung:

Jumlah keseluruhan nilai: T = T1 + T2 + T3 + T4 = 55 + 61 + 91 + 54 = 261

SSE = SST – SSB = 279.658 – 149.08 = 130.6

Tabel ANOVA yang dibentuk:

Derajat
Jumlah Rata-rata
Bebas
Sumber Kuadrat Kuadrat Ftabel
Fhitung (lihat
(Degree
Keragaman (Sum (Mean Tabel)
of
Square) Square)
Freedom)

v1 = 4–1= 149.08/ 3
Antar Grup 149.08
3 = 49.69

Dalam F(3, 15)=

5.71
Grup 3.29
v2 = 19– 130.6/ 15 =
(error) 130.6
4= 15 8.71

Total 18
279.68

Pengujian Hipotesis:

H0 : μ1 = μ2 = … = μk (semua sama)

H1 : Tidak semuanya sama (minimal sepasang berbeda, μi ≠ μj untuk i ≠ j)

Statistik uji = Fhitung = 5.71

Keputusan: Tolak H0 , terima H1 karena Fhitung > Ftabel

Kesimpulan: Terdapat perbedaan pengaruh kartu kredit terhadap penggunaan uang yang
dibelanjakan oleh ibu rumah tangga
4. UJI PERBEDAAN 1 PROPORSI
5. PERBEDAAN 2 PROPORSI (CHI SQUARE)
6. UJI KORELASI

1. Ingin diketahui seberapa kuat hubungan antara besarnya pendapatan seseorang dengan

pengeluaran (konsumsi) per bulan. Data dari 6 orang yang diwawancarai diperoleh data sebagai

berikut:

X (pendapatan) : 800 900 700 600 700 800 (ribuan)

Y (konsumsi) : 300 300 200 100 200 200 (ribuan)

Untuk menghitung koefisien korelasi maka disusun tabel bantu sebagai berikut:

Tabel . Tabel Bantu Analisis Korelasi Product Moment

n X Y X2 Y2 XY

1 800 300 640.000 90.000 240.000

2 900 300 810.000 90.000 270.000

3 700 200 490.000 40.000 140.000

4 600 100 360.000 10.000 60.000

5 700 200 490.000 40.000 140.000

6 800 200 640.000 40.000 160.000

 4.500 1.300 3.430.000 310.000 1.010.000

Berdasarkan tabel bantu tersebut diperoleh nilai-nilai:

X = 4.500
Y = 1.300

X2 = 3.430.000

Y2 = 310.000

XY = 1.010.000

n=6

Untuk menghitung koefisien korelasi, maka nilai-nilai tersebut dimasukkan dalam rumus koefisien

korelasi sebagai berikut.

6 (1.010.000) - (4.500)(1.300)
r =
6 . (3.430.000)  (4.500) 2 6 . (310.000)  (1.300) 2

6.060.000  5.850.000
=
20.580.000  20.250.000 1.860.000  1.690.000

210.000
=
330.000 170.000

210.000
=
574,4563 x 412,3106

210.000
=
236.854,4

= 0,886621

Jadi diperoleh nilai koefisien korelasi ( r ) sebesar 0,886621 karena nilainya positif dan mendekati 1

berarti hubungan konsumsi dan pendapatan kuat dan searah (positif), artinya peningkatan

pendapatan seseorang akan diikuti dengan peningkatan pengeluaran (konsumsi).

Uji Hipotesis Hubungan (Uji Signifikan)

Pengujian hipotesis hubungan digunakan uji statistik yang disebut Uji t (t-student).

Parameter yang diuji yaitu korelasi dinotasikan dengan  (lihat bab Estimasi Parameter). Uji

hipotesis hubungan pada dasarnya adalah menguji signifikansi koefisien korelasi, apakah besar

kecilnya hubungan yang diperoleh itu kebetulan saja atau memang ada hubungan yang

sesungguhnya.

Rumus Uji t untuk uji hubungan adalah:

r2 n  2
t =
1- r2

Selain menggunakan Uji t, pengujian hipotesis hubungan dapat menggunakan kriteria nilai korelasi

tabel (rtabel) yaitu dengan cara membandingkan nilai koefisien korelasi (rhitung) dengan nilai rtabel.

Jika rhitung > rtabel maka hubungan antar variabel signifikan

Jika rhitung  rtabel maka hubungan antar variabel tidak signifikan

7. UJI REGRESI

Contoh Kasus

Seorang pengamat pasar modal bernama Sugianto ingin melakukan penelitian tentang faktor-
faktor yang mempengaruhi harga saham pada perusahaan. Sugianto ingin mengetahui
hubungan antara rasio keuangan PER dan ROI (Return On Investment) terhadap harga saham.
Dari pernyataan tersebut, didapatkan variabel dependen (Y) yaitu harga saham, dan variabel
independen (X1 dan X2) yaitu PER dan ROI. Data yang ditabulasikan sebagai berikut:

Harga
Tahun PER (%) ROI (%)
Saham
2003 8300 5 6
2004 7500 3 5
2005 8950 4 4
2006 8250 5 6
2007 9000 4 3
2008 8750 3 5
2009 9500 5 6
2010 8500 6 4
2011 8350 4 6
2012 9500 6 5
2013 9750 7 6

Langkah:

 Klik analyze, klik regression, klik linier

 Klik PER dan ROI dan masukkan ke kotak Independent
 Klik Harga Saham dan masukkan ke kotak Dependent.
 Klik statistic: pilih estimates, Model Fit, Descriptives
 Klik continue
 Klik Plots pada Standardized Residual Plot, pilih Histogram dan Normal Probability
 Klik Continue dan Klik OK

Output pada SPSS dapat dilihat sebagai berikut:

Dari hasil perhitungan diperoleh:

Konstanta (a) = 7735,088; Koefisien Regresi 1 (b1) = 328,618; Koefisien Regresi 2 (b2) = -
104,002; R = 0,606; R2 = 0,368; F hitung = 2,327; t hitung PER = 2,157 dan t hitung ROI = -0,561;

Kemudian kita hitung hasil analisis:

a. Analisis Korelasi Ganda (R)

R = 0,606 berdasarkan tabel Sugiyono (2007) hubungan antar variabel kuat

2. Analisis Determinasi (R2)

R2 = 0,368 jadi presentasi sumbangan pengaruh variabel sebesar 36,8 %

c. Uji Koefisien Regresi Bersama-sama (Uji F)

F hitung = 2,327

a = 5% = 0,05

df1 = 2 dan df2 = n-k-1 = 10-2-1 = 7

F tabel = finv(0,05;2;7) = 4,737

Karena F hitung ≤ F tabel, maka Ho diterima

d. Uji Koefisien Regresi Parsial (Uji t)

t hitung PER = 2,157 dan t hitung ROI = -0,561

a = 5% = 0,05
 df = n-k-1 = 10-2-1 = 7

t tabel = tinv(0,05;7) = 2,364

Karena t hitung PER ≤ t tabel, maka Ho PER diterima

Karena t hitung ROI ≥ -t tabel, maka Ho ROI diteriman tingkat penjualan dari sebuah koperasi adalah sebagai berikut :
(dkoefisien determinasinya ?

c. Berapa besarnya kesalahan standar estimasinya ?

d. Dengan tingkat signifikasi 10%, ujilah hipotesis yang menyatakan bahwa hubungan antara biaya periklanan dan tingkat penjualan sedikitnya 40%!

Jawab :
a. Menentukan persamaan regresinya
Langkah 1 :
Menentukan variable X dan variable Y. Dalam soal ini variable biaya periklanan merupakan variable X dan tingkat penjualan merupakan variable
Y.
Langkah 2 :
Membuat table regresi sederhana

Langkah 3 :
Menentukan koefisien a dan koefisien b
b = n ∑XY – ∑X.∑Y

n ∑X2 – (∑X2)
= 5 (12195) –(260)(234)
5 (13530) – (260)2a
Y = a + b (X)

Maka persamaan regresi dalam soal ini adalah :

Y = -93,6 + 2,7 (X)