BAB V

STATISTIK INFERENSIAL
Tujuan perkuliahan :
1. Mengetahui uji satu sisi dan dua sisi
2. Mengetahui teori estimasi terhadap parameter populasi
3. Mengethaui teori hipotesis dan signifikansi
4. Mengetahui estimasi terhadap proporsi
5. Mengetahui estimasi terhadap standar deviasi

Kadang kala di dalam suatu studi, kita sering bertanya apakah

hasil observasi yang telah kita lakukan itu sudah dapat mewakili
dan menggambarkan keadaan sebenarnya dari seluruh populasi
yang sedang diteliti, dengan hanya memakai data sejumlah kecil
populasi atau sampel. Untuk keperluan ini kita dapat membuktikan
secara statistik, bahwa sampel tersebut benar mewakili dan
menggambarkan keadaan populasi yang sebenarnya.
Pada dasarnya, statistik inferensial mempelajari pengambilan
keputusan tentang parameter populasi (rata-rata, proporsi) dari
sampel yang ada. Ada dua hal dalam statistik inferensial :
a. Estimasi (memperkirakan) harga suatu parameter populasi.
Seperti, jika diketahui rata-rata usia 100 orang penduduk
Jakarta (sebagai sampel) adalah 20 tahun, maka dapat
diperkirakan rentang rata-rata usia penduduk seluruh
Jakarta (populasi).

51
 b. Uji Hipotesis Statistik. Tujuannya untuk menguji apakah
data dari sampel yang ada sudah cukup kuat untuk
menggambarkan populasinya. Atau apakah dapat dilakukan
generalisasi tentang populasi berdasar hasil sampel. Sebagai
contoh, jika rata-rata tinggi badan 50 laki-laki remaja di
Makassar (sebagai sampel) adalah 170 cm, apakah rata-rata
tinggi badan seluruh lelaki remaja di Makassar (populasi)
juga 170 cm ?.
Proses pengujian hipotesis :
(1) Menentukan Ho dan Ha, yang pada prinsipnya adalah
menguji karakteristik populasi berdasar informasi yang
diterima dari suatu sampel.
(2) Menentukan tingkat signifikansi (α), yaitu probabilitas
kesalahan menolak hipotesis yang ternyata benar. Jika
dikatakan α = 5 %, berarti resiko kesalahan mengambil
keputusan adalah 5 %. Semakin kecil α, berarti semakin
mengurangi resiko salah.
5.1 Uji satu sisi vs dua sisi
Uji dua sisi pada pernyataan Ho dan Ha yang hanya
mengandung pertidaksamaan. Misal, akan diuji apakah jumlah bayi
yang lahir prematur di Makassar sama dengan di Surabaya. Di sini
diuji sama atau tidak, sehingga jawaban adalah ‘sama’ atau ‘tidak
sama’.

52
 Uji satu sisi pada pernyataan Ho dan Ha yang mengandung
pertidaksamaan yang mengarah pada kriteria tertentu. Misal, akan
diuji apakah program penurunan berat badan di Lembaga ‘Fitness’
sudah efektif. Di sini seharusnya setelah ikut program berat badan
peserta akan turun (lebih kecil). Jadi ada arah yang lebih kecil.

5.2 Teori Estimasi Terhadap Parameter Populasi

Jika kita memilih dua atau lebih random sampel dari populasi
yang sama, sepintas kita akan menduga bahwa mean setiap
random sampel ini akan berbeda satu dengan yang lain serta tidak
sama dengan mean populasi yang ada. Namun dalam
kenyataannya apabila populasi terdistribusi secara normal, maka
mean dalam kenyataannya apabila populasi terdistribusi secara
normal pula tanpa tergantung dengan jumlah sampel yang diambil.
Sebaliknya apabila populasi tidak terdistribusi secara normal, maka
distribusi mean dari seluruh random sampel akan berangsur-angsur
mendekati distribusi normal seiring dengan bertambahnya jumlah
sampel.
Batasan :
a. Mean setiap sampel dengan besar ukuran tertentu sama
dengan n yang diambil secara random dari populasi sama,
akan mempunyai mean yang sama dengan mean populasi ;

53
 b. Variance dari mean sampel akan sama dengan variance

populasi dibagi dengan besar ukuran sampel (n). σ2x =

c. Standar deviasi dari mean sampel akan sama dengan
standar deviasi populasi dibagi akar dari besar ukuran

sampel (= n).

5.3 Teori Hipotesis dan Signifikansi

Di dalam praktek sehari-hari, kita sering membuat suatu
keputusan terhadap suatu obyek penelitian atau populasi
berdasarkan informasi yang berasal dari sampel. Keputusan ini
disebut sebagai suatu keputusan statistik atau statistical decision.
Untuk mencapai suatu keputusan statistik kita harus membuat
asumsi atau perkiraan terhadap segala kemungkinan yang akan
terjadi pada suatu populasi, di mana kemungkinan itu dapat betul
atau tidak, dan disebut sebagai statistical hypotheses.
Untuk keperluan statistical hypotheses kita harus membuat
suatu ketentuan apakah akan menerima atau menolak suatu
hipotesis. Bila kita menyatakan bahwa tidak ada perbedaan yang
bermakna secara statistik antara parameter sampel dengan
populasi, maka disebut sebagai hipotesis null (Ho), sedangkan bila
ada perbedaan disebut sebagai hipotesis alternatif (Ha atau H 1).

54
Dalam keadaan tertentu kita akan menolak suatu hipotesis, namun
sebenarnya dapat diterima, keadaan ini disebut sebagai kesalahan
tipe I (Type I Error), dan bila sebaliknya kita akan menerima suatu
hipotesis namun sebenarnya harus ditolak, keadaan ini disebut
sebagai kesalahan tipe II (Type II Error).

Hipotesis Diterima Ditolak

Benar Keputusan benar Type I Error (alpha)
Salah Type II Error (beta) Keputusan benar
Untuk mengantisipasi kemungkinan kesalahan tipe I dan
kesalahan tipe II, maka di dalam setiap studi sudah harus dipikirkan
bagaimana cara untuk mengurangi kesalahan tipe II, yaitu dengan
cara menentukan Power of test atau nilai beta yang dipakai antara
lain untuk menentukan besarnya ukuran sampel, dan mengurangi
kesalahan tipe I dengan cara menentukan level of significance atau
nilai alpha pada setiap tes hipotesis yang akan dilakukan.
Pada umumnya, nilai alpha yang sering dipakai pada tes
hipotesis adalah alpha = 0,10, 0,05 dan 0,01 atau level of
confidence 90 %, 95 % dan 99 % dengan mempergunakan tes satu
ekor atau dua ekor pada kurva distribusi.
Estimasi Terhadap Mean
Dalam melakukan estimasi, bila hanya satu nilai parameter saja
yang ditentukan, maka disebut sebagai Point estimate, dan sesuai
dengan batasan tersebut, maka mean populasi akan mempunyai
nilai yang sama dengan mean sampel, sebaliknya bila ditentukan

55
dua nilai parameter dalam suatu interval maka disebut sebagai
interval estimate.
Ukuran sampel n > 30
Nilai mean pada kurva normal terletak pada sumbu X = Z atau
standar variasi, dengan mempergunakan rumus Z kita dapat
menentukan batas daerah penerimaan antara dua nilai parameter
seperti berikut di bawah ini :

Level of 0,10 0,05 0,01

significance (α)
Daerah kritis Z
untuk tes satu ± 1,28 ± 1,645 ± 2,33
ekor
Daerah kritis Z
untuk tes dua ± 1,645 ± 1,96 ± 2,58
ekor
Formula :

56
Confidence Interval μ (ukuran sampel n > 30)

EMBED Equation.3

Contoh :
Jarak rata-rata antara 100 rumah balita dengan Posyandu adalah
9,6 Km dengan standar deviasi sekitar 1,2 Km. Berapa mean
populasi (μ) pada batas kepercayaan 90 %, 95 % dan 99 % ?
Perhitungan :
a. Batas kepercayaan 90 %

μ = 9,6 ± 1,645 (1,2/10)

μ = 9,6 ± 0,197
μ = 9,403 – 9,797 Km
Pada confidence interval 90 %, nilai μ terletak antara 9,403
Km < μ < 9,797 Km
b. Batas kepercayaan 95 %
μ = 9,6 ± 1,96 (1,2/10)
μ = 9,6 ± 0,235 = 9,465 – 9,835 Km
Pada confidence interval 95 %, nilai μ terletak antara 9,465
< μ < 9,835 Km.
c. Batas kepercayaan 99 %
μ = 9,6 ± 2,56 (1,2/10)

57
 μ = 9,6 ± 0,307 = 9,293 – 9,907 Km
Pada confidence interval 99 %, nilai μ terletak antara 9,293
< μ < 9,907 Km.
Ukuran Sampel n < 30
Pada suatu keadaan dimana ukuran sampelnya kecil, kita masih
tetap dapat melakukan estimasi terhadap mean populasi dengan
mengganti standar deviasi populasi dengan standar deviasi mean
sampel, dan berasumsi bahwa kurva distribusi mean pada sampel
ukuran kecil atau disebut t distribusi (t-student) melingkupi bagian
atas kurva distribusi normal seperti pada gambar di bawah ini :

t distribusi

Distribusi
normal

Daerah
penolakan
α/2 α/2

Daerah penolakan d1 d2 Daerah penolakan

58
Bentuk kurva pada t distribusi tergantung dari nilai (n-1) atau
disebut sebagai degree of freedom (derajat kebebasan) = df.
Formula :
Confidence Interval μ (ukuran sampel n < 30)

Contoh :
/ dan 99 % ?
Perhitungan :
a. Batas kepercayaan 95 %

df = (n-1) = 20, σ = 2,0 g/dl,

b. Batas kepercayaan 99 %
Perhitungan :

Pada confidence interval 99 %, nilai μ terletak antara 13,75

g/dl < μ < 16,24 g/dl.

59
5.4 Estimasi Terhadap Proporsi
Proporsi populasi ditulis dengan huruf P, dan proporsi sampel
yang berasal dari populasi binomial ditulis dengan huruf p serta q,
maka formula adalah sebagai berikut

Formula :

Contoh :
Dari hasil pengobatan dengan obat A pada 50 org pasien, ternyata
30 orang menjadi sembuh, berapa proporsi kesembuhan pada
confidence level sebesar 90 %, 95%, dan 99%?
Perhitungan :
a. Batas kepercayaan = 90%
p = 30/50 = 0,6 q = 1-0,6 = 0,4

0,486 < P < 0,714

60
 Angka kesembuhan obat A antara 48,6% sampai 71,4 %,
atau dengan kata lain padan confidence interval 90% nilai P
terletak antara 0,486 < P < 0,714
b. Batas kepercayaan = 95 %

Angka kesembuhan A obat antara 46,5 % sampai 73,5 %

atau dengan kata lain pada confidence interval 95 % nilai P
terletak antara 0,465 < P < 0,735.
c. Batas kepercayaan 99 %
P = 30/50 = 0,6 q = 1-0,6 = 0,4

Angka kesembuhan obat A antara 42,3 % sampai 77,7 %

atau dengan kata lain pada confidence interval 99 % nilai P
terletak antara 0,423 < P < 0,777
5.5 Estimasi Terhadap Standar Deviasi
Bila kita menganggap bahwa jumlah sampel (n) adalah berasal
dari normal populasi dengan standar deviasi = σ dan terdistribusi
secara kontinu, maka distribusi sampling ini kita sebut sebagai chi
square distribusi.

61
 Bentuk kurva pada chi square distribusi tergantung dari nilai (n-1)
atau disebut sebagai degree of freedom (derajat kebebasan) = df,
sama halnya seperti pada distribusi t student

0,
5

0,
4
v=2 62
0,
3
2 v=4
v=6
0, v=1
1 0
χ2

5 10 15 20

Gambar 2. Distribusi Chi-Kuadrat Pada Beberapa Degree of Freedom

Formula :

a. Confidence Interval untuk σ (ukuran sampel n < 30)

Contoh : Seandainya kita ingin mengambil keputusan
dengan mempergunakan 5 spesimen hasil pemeriksaan
kadar lemak pada beberapa merek susu dengan mean kadar
lemak = 12,7 % dan standar deviasi 0,38 %. Berapa standar
deviasi pada confidence interval 95 % ?

63
 Formula :
Pada confidence Interval untuk 95 %, nilai σ terletak antara
0,228 < σ < 1,092
b. Confidence Interval untuk σ (ukuran sampel n > 30)

Formula :
Contoh : Standar deviasi kadar hemoglobin pada 80 orang
pekerja wanita pada suatu pabrik adalah 5,55 g/ dl, berapa
standar deviasi pada confidence interval 95 % ?

Perhitungan :
Pada confidence Interval 95 %, nilai σ terletak antara 4,80 <
σ < 6,57.

Tes Hipotesis Terhadap Mean Populasi

Tes Hipotesis Terhadap satu Mean (ukuran sampel n > 30)

64
 Di sini nilai mean populasi adalah sama dengan nilai mean
sampel dan terdistribusi secara normal dimana μ = 0 dan terletak di
tengah kurva normal.
Contoh : Tinggi badan rata-rata penduduk dewasa negara Thailand
adalah 160 cm dengan standar deviasi 20 cm, dari hasil penelitian
pada 100 orang ternyata mean tinggi badan adalah 165 cm,
ditanyakan apakah hasil penelitian ini signifikan atau tidak ?
Perhitungan :

μ = 160 cm σ = 20 cm
a. Ho : μ = μ0
Ha : μ ≠ μ0

b Level of significance (α) = 0,05

c Tes statistik ;
d Ho ditolak bila Z ≤ - 1,96 atau Z ≥ 1,96

e Perhitungan ;
f Kesimpulan , Ho tidak dapat ditolak karena nilai Z < 1,96, atau
dengan kata lain tidak ada perbedaan yang bermakna antara
tinggi badan rata-rata sampel penelitian dengan penduduk A.
Tes Hipotesis Terhadap Dua Mean (ukuran sampel n > 30)
Sering kali dalam suatu penelitian kita mengambil random
sampel dari 2 populasi yang berbeda karakteristik dan bersofat
independen, misalnya kita ingin membandingkan tingkat

65
kecerdasan (IQ) antara pekerja wanita dan laki-laki, maka kita harus
melakukan tes hipotesis terhadap dua mean populasi sebelum kita
mengambil suatu kesimpulan, serta menyatakan ada atau tidaknya
perbedaan yang bermakna (signifikan).
Contoh : Pemeriksaan kadar Hb dengan spektrofotometer pada 40
orang siswa wanita dan 50 orang siswa laki-laki yang pada sebuah
SD di Makassar dengan hasil pemeriksaannya sebagai berikut :
Wanita : mean kadar Hb = 11,585 g/dl, SD = 1,062
Laki-laki = mean kadar Hb = 12,800 g/dl, SD = 1,108
Pertanyaan : apakah ada perbedaan yang bermakna antara kadar
Hb wanita dan laki-laki ?
Jawaban :

σ1 = 1,062 σ2 = 1,108
a. Ho : μ1 = μ2
Ha : μ1 ≠ μ2
b. α = 0,05

c. Tes statistik :
d. Ho ditolak bila ; Z ≤ - 1,96 atau Z ≥ 1,96

e. Perhitungan : Z =

66
f. Kesimpulan ; Ho di tolak karena nlai Z < -1,96 atau dengan kata
lain ada perbedaan yang bermakna antara kadar Hb wanita dan
laki-laki.
Tes Hipotesis Terhadap Satu mean (ukuran sampel n < 30)
Dilakukan bila kita tidak mengetahui stnadar deviasi populasi
dan ukuran sampel kecil n < 30, kita tetap berasumsi bahwa
populasi yang disampling melingkupi kurva distribusi (lihat
distribusi t student) dengan formula sebagai berikut :

Formula :
Contoh : Seandainya kita ingin mengambil suatu keputusan dengan
mempergunakan 16 sampel secara acak yaitu hasil pemeriksaan
resistensi tes obat amoksisilin terhadap bakteri pseudomonas
dengan mean keberhasilan 79,6 % dan standar deviasi 5,3 %
dengan membandingkan hasil pemeriksaan oleh pihak lain 84,3 %.
Jawab :
a. Ho : p = 0,843
Ha : p ≠ 0,843
b. α = 0,05

c. Tes statistik :
d. Nilai t dengan df = 15 pada level of signifikan 0,01 dengan
two tail test adalah ± 2,95

67
 Ho ditolak bila t ≤ -2,95 atau t ≥ 2,95
e. Perhitungan x = 79,6 n = 16 μ = 84,3 σ = 5,3

f. Kesimpulan ; Ho tidak dapat diterima karena

nilai t ≤ -2.95 atau dengan kata lain bahwa
keberhasilan resistensi test amoksisilin
terhadap psudomonas < 84,3 %.
Tes Hipotesis Terhadap Dua Mean (ukuran sampel n < 30)
Pada keadaan dimana terdapat perbedaan dua mean pada
sampel dengan ukuran kecil, kita masih dapat melakukan tes
hipotesis terhadap dua mean, dengan tetap berasumsi bahwa
kedua independen random sampel ini berasal dari t distribusi dan
mendekati kurva normal, serta mempunyai varian yang sama, di
mana Ho adalah μ1 - μ2 = 0 dengan tes satu ekor atau dua ekor
dengan formula sebagai berikut :

Contoh : Seandainya kita ingin membandingkan dua random

sampel tingkat IQ anak SD I dengan IQ anak SD II seperti pada data
dibawah ini :
IQ anak SD I = 110, 120, 100, 115, 110, 95, 130, 110, 100, 120

68
IQ anak SD II = 100, 100, 120, 110, 110 90, 105, 130, 115, 110

dimana
Jawab :
a. Ho : μ1 - μ2 = 0
Ha : μ1 - μ2 ≠ 0
b. Level of significance (α) = 0,05

c. Tes statistik :
d. Nilai t dengan df=18 pada level of significance 0,05, dengan
two two tail test adalah ± 2,101
Ho ditolak bila t ≤ -2,101 atau t ≥ 2,101
e. Perhitungan

x1 - (x1 - )2
110 – 111 = 1 100 – 109 = -9 81
-1 81 100 – 109 = - 9 81
120 – 111 = . . .
9 81 110 – 109 = 1 1
..
120 – 111 =
9
Σ(x1 - )2 = Σ = 1140
1040

69
 f. Kesimpulan , Ho tidak dapat ditolak karena nilai t < 2,101
atau dengan kata lain tidak ada perbedaan yang bermakna
antara IQ anak SD I dan SD II.
Tes Hipotesis Terhadap Proporsi
Disini lebih dititikberatkan dan dapat mengambil suatu
keputusan hanya dengan memakai data yang berasal dari sampel,
walaupun nilai sesungguhnya dari proporsi dapt sama, lebih besar
atau lebih kecil dari nilai konstan yang telah ditentukan.
Bila ukuran sampelnya kecil, kita masih dapat melakukan tes
hipotesis terhadap proporsi dengan mempergunakan nilai p yang
terdapat pada tabel distribusi binomial. Sebaliknya bila ukuran
sampelnya besar, kita dapat menentukan jumlah observasi yang
berhasil = x, mean dan standar deviasi pada distribusi binomial
yaitu :
μ = np

σ=
Ho = p = p0

Formula :
Ukuran Sampel Kecil (n < 30)

70
 Seandainya kita ingin meneliti kebenaran
pernyataan Direktur suatu Polikteknik
Kesehatan , bahwa sekitar 60 % dari mahasiswa
ingin supaya institusi menyediakan fasilitas
kantin, dengan mempergunakan hasil wawancara
secara random pada 14 orang mahasiswa, kita
ingin membuktikan Ho : p = 0,6 dan Ha : p ≠ 0,60
dengan level of significance (α) = 0,05
Jawab :
a. Ho : p = 0,60
Ha : p ≠ 0,60
b. Level of significance (α) = 0,05
c. Ho ditolak bila p ≤ 0,60
d. Perhitungan ; probabilitas sukses pada tabel distribusi
binomial di mana p = 0,60 dan n = 14 paling banyak 4 adalah
: 0,001 + 0,003 + 0,014 = 0,018, sedangkan probabilitas
sukses paling banyak 5 adalah : 0,001 + 0,003 + 0,0014 +
0,041 = 0,059
e. Kesimpulan ; Ho tidak dapat diterima karena probabilitas
pertama < α = 0,05 dan probablitas kedua > α = 0,05, jadi
hanya 4 orang dari 14 orang mahasiswa yang dipilih secara
random yang menyatakan igin mempunyai fasilitas kantin.
Ukuran Sampel Besar (n > 30)
Seandainya kita ingin membuktikan klaim para bidan yang
menyatakan bahwa 75 % dari anak yang lahir normal akan tumbuh

71
dengan sempurna, untuk ini dilakukan sampel survei pada 206
orang anak dari total 300 orang anak, apakah ada perbedaan
bermakna antara Ho = 0,75 dengan Ha < 0,75 dengan level of
significance (α) = 0,01.
Jawab :
a. Ho : p = 0,75
Ha : p ≠ 0,75
b. Level of Significance (α) = 0,01

c. Tes statistik Z =
d. Ho ditolak bila Z ≤ -2,33 atau Z ≥ 2,33
e. Perhitungan : x = 206 n = 300 po = 0,75

f. Kesimpulan ; Ho tidak dapat diterima karena nilai Z < -2,33

atau dengan kata lain kita tidak mendukung pernyataan
bidan, bahwa 75 % anak yang lahir normal akan tumbuh
dengan sempurna.

72