RESUME

Statistik Inferens (Statistic Inference : Hipotetic Concept)

Resume Ini Disusun untuk Memenuhi Tugas Modul Metodologi Penelitian dan
Biostatistik

Dosen Pengampu : Waras Budi Utomo, M.K.M.

Disusun Oleh

Nansya Handayani AM (11181040000001)

PSIK A 2018

JURUSAN ILMU KEPERAWATAN

FAKULTAS ILMU KESEHATAN
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
JAKARTA
MEI/2021
PEMBAHASAN

1. Konsep Uji Hipotesis

A. Definisi
Hipotesis berasal dari kata hupo dan thesis, hupo artinya sementara kebenarannya
dan thesis artinya pernyataan atau teori. Jadi hipotesis adalah pernyataan sementara yang
akan diuji kebenarannya. Hipotesis ini merupakan jawaban sementara berdasarkan pada
teori yang belum dibuktikan dengan data atau fakta.Pembuktian dilakukan dengan
pengujian hipotesis melalui uji statistik.
Dalam hal ini hipotesis menjadi panduan dalam menganalisis hasil penelitian,
sementara hasil penelitian harus dapat menjawab tujuan penelitian terutama tujuan
khusus, jadi sebelum merumuskan hipotesis harus dilihat dulu tujuan penelitiannya.Hasil
pengujian yang diperoleh dapat disimpulkan benar atau salah, berhubungan atau tidak,
diterima atau ditolak.Hasil akhir penelitian tersebut merupakan kesimpulan penelitian
sebagai generalisasi dan representasi dari populasi secara keseluruhan (Masturoh & T.,
Nauri, 2018).
B. Fungsi Hipotesis dalam Penelitian
- Mengarahkan dalam mengidentifikasi variable-variabel yang akan diteliti
- Memberikan batasan penelitian
- Lebih fokus dan memberikan arah dalam pengumpulan data
- Sebagai panduan dalam pengujian hipotesis melalui uji statistik yang sesuai
(Masturoh & T., Nauri, 2018).

C. Ciri-ciri Hipotesis
- Hipotesis dibuat sederhana dan jelas serta ada batasannya
- Dinyatakan dalam bentuk pernyataan bukan pertanyaan
- Berkaitan dengan ilmu pengetahuan yang akan diteliti
- Terdiri dari variable-variabel yang dapat diukur sehingga dapat dilakukan
pengujian
(Masturoh & T., Nauri, 2018).

2. Pengertian hipotesis nol dan alternatif serta kaitannya dengan hipotesis

penelitian
A. Hipotesis Nol
 Hipotesis nol atau nihil (Ho) adalah yang sebenarnya diuji secara statistik dan
merupakan pernyataak tentang parameter yang bertentangan dengan keyakinan
peneliti. Ho sementara waktu dipertahankan benar-benar hingga pengujian
statistik mendapatkan bukti yang meentang atau mendukungnya. Apabila dari
pengujian statistik diperoleh keputusan yang mendukung atau setuju dengn Ho,
maka dapat donyatakan bahwa Ho diterima. Sebaliknya jika diperoleh keputusan
yang bertolak belakang atau bertentangan dengan keputusan Ho, maka dapat
dinyatakan bahwa Ho ditolak (Hanief & Wasis, 2017).
Dalam statistik, hipotesis nol diartikan sebagai tidak adanya perbedaan antara
ukuran populasi dan ukuran sampel. Sedangkan dalam penelitian, hipotesis nol
juga dinyatakan tidak ada, tetapi bukan tidak adanya perbedaan antara populasi
dan data sampel, tetapi bisa berbentuk tidak ada hubungan antara satu variabel
dan variabel lain, tidak ada perbedaan antara satu variabel atau lebih
populasi/sampel yang berbeda, dan tidak adanya perbedan antara yang
diharapkan dan kenyataan pada satu variabel atau lebih untuk populasi atau
sampel yang sama. Hipotesis nol bisa dinyatakan dalam kalimat negatif (Jaya,
2019).
B. Hipotesis Alternatif
Hipotesis alternatif diberi simbol Ha, disebut juga hipotesis kerja (H1). Pihak
peneliti tidak menguji Ha sebab Ha adalah lawan Ho. Hipotesis alternatif hanya
mengekspresikan keyakinan peneliti tentang ukuran populasi .(Hanief & Wasis,
2017).
Hipotesis penelitian adalah hipotesis kerja (hipotesis alternatif Ha atau H1),
yaitu hipotesis yang dirumuskan untuk menjawab permasalahan dengan
menggunakan teori-teori yang ada hubungannya (relevan) dengan masalah
penelitian dan belum berdasarkan fakta dukungan data yang nyata di lapangan.
Hipotesis alternatif ini dirumuskan dalam bentuk kalimat positif (Jaya, 2019).
C. Kaitannya dengan hipotesis penelitian
Membuat hipotesis menjadi dua (hipotesis no dan hipotesis alternatif atau Ho
dan H1 atau Ho dan Ha) itu hanya dilakukan apabila kita akan melakukan
pengujian hipotesis dengan statistik. Apabila tidak melakukan pengujian dengan
 statistik, tidaklah perlu untuk membuat hipotesis non dan alternatif, jadi hanya
hipotesis penelitian saja yang diberikan (Jaya, 2019).

3. Error tipe I dan II serta p-value

A. Error Tipe I dan II
Dalam penelitian maupun statistik dikenal adanya tipe kesalahan.
Berdasarkan decision theory, terdapat dua tipe kesalahan (two types of error)
tersebut dapat dibagi menjadi dua, yaitu tipe kesalahan I (type I error) dan tipe
kesalahan II (type Il error).
1. Type I Error (Tipe Kesalahan I)
Kesalahan tipe I adalah suatu tindakan menolak H0, padahal H0
sebenarnya benar, dengan kata lain menolak hal yang sebenarnya benar
(Irianto, 2016). Tipe kesalahan I ini terjadi ketika null hypothesis (H0) ditolak
padahal hal tersebut (H0) benar. Misalnya penelitian tentang hubungan atau
pengaruh dalam sebuah penelitian menunjukan hasil yang signifikan, tetapi
dalam realita ternyata hal tersebut tidak signifikan.
2. Type II Error (Tipe Kesalahan II)
Kesalahan tipe II adalah suatu tindakan menerima H0, padahal H0
sebenarnya salah, dengan kata lain menerima hal yang sebenarnya salah
(Irianto, 2016). Tipe kesalahan I ini terjadi ketika null hypothesis (H0)
dianggap benar (diterima) padahal faktanya salah. Misalnya penelitian
tentang hubungan atau pengaruh dalam sebuah penelitian menunjukan hasil
yang tidak signifikan, tetapi dalam realita ternyata hal tersebut signifikan.

(Swarjana, 2016)

Mengingat setiap analisis statistik yang dilakukan mengandung suatu

kesalahan, maka setiap peneliti harusnya sadar bahwa bagaimana baiknya analisis
yang digunakan, kebenaran yang mutlak tidak dapat dicapai. Dua tipe kesalahan
itu kalau kita masukkan dalam suatu bagan akan tampak lebih jelas.
 Apabila kita menerima tentang adanya tipe kesalahan dalam analisis statistik,
maka sifat acuh tak acuh dan antipati terhadap keampuhan statistik akan muncul.
Lebih-lebih bagi seseorang yang sudah kurang menyukai suatu perhitungan-
perhitungan berdasarkan pada angka-angka. Di samping itu, tanpa mengetahui
penyebab kesalahan yang muncul dalam analisis yang menggunakan statistik,
akan memperlemah deskripsi hasil analisis, lebih-lebih jika kesimpulan yang
diambil adalah menerima kebenaran H0. Oleh karena hipotesis yang
dikembangkan dengan dasar teoritis adalah H1, maka kesimpulan analisis yang
menerima hipotesis nol (menolak hipotesis yang dikembangkan). Hal ini
menuntut peneliti untuk mencari apa penyebab tidak diterimanya hipotesis yang
telah dikembangkan berdasar teori. Dalam kasus seperti ini ada dua kemungkinan
penyebab tidak diterimanya hipotesis alternatif, yaitu: (a) disebabkan oleh
kesalahan dalam pengambilan keputusan, (b) disebabkan oleh tidak sesuainya
teori yang digunakan pada daerah penelitian atau sudah gugur kebenaran teori
yang digunakan. Penyebab pertama merupakan penyebab yang sangat erat dengan
sifat analisis statistik. Oleh karenanya, perlu diketahui proses terjadinya kesalahan
tersebut oleh para pemakai statistik sebagai alat bantu analisis. Proses terjadinya
tipe kesalahan :

● Kesalahan tipe 1: Kesalahan tipe ini bisa terjadi apabila sampel kita kebetulan
mempunyai skor individual yang ekstrim (artinya, setiap individu mempunyai
perbedaan skor yang sangat besar atau variabilitasnya tinggi). Dengan
demikian maka sampel tampak berbeda dengan apa yang menjadi harapan H0.
Risiko salah (probabilitas salah) yang dikandung oleh jenis kesalahan tipe ini
sebesar alpha (𝛼), dan alpha merupakan daerah penolakan H0, sehingga alpha
sering disebut dengan tingkat signifikansi.
 ● Kesalahan tipe II: Kesalahan tipe ini bisa terjadi apabila efek perlakuan
(eksperimen) sangat kecil pengaruhnya terhadap sampel, sehingga sampel
tidak kelihatan dipengaruhi oleh treatment. Risiko salah (probabilitas salah)
yang dikandung oleh jenis kesalahan tipe ini adalah sebesar beta (𝛽). Dengan
demikian maka perlu langkah hati-hati yang dimulai dari perumusan masalah,
penyusunan hipotesis, pengumpulan data (termasuk di dalamnya sistem
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
keputusan yang kita ambil. Dengan kata lain semakin kecil alpha maupun beta
menunjukkan 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 disebut 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.

(Irianto, 2016)

B. P-Value (Nilai P)
Nilai p (P-value) merupakan penentuan terima atau tolak H0 tidak lagi
berdasarkan pada batas wilayah penolakan, tetapi berdasarkan cukup atau
tidaknya bukti yang ada dari sampel. Nilai p didefinsikan sebagai nilai 𝛼 terkecil
berdasarkan nilai statistik, yang masih menghasilkan penolakan bagi H0.
Misalkan secara umum ingin dilakukan pengujian bagi parameter 0 dari suatu
sebaran tertentu. Jika ingin dilakukan uji satu arah, maka dapat dinyatakan
hipotesis berikut ini:

𝐻0 ∶ 𝜃 ≤ 𝜃0 𝑣𝑠 𝐻1 ∶ 𝜃 > 𝜃0

atau:

𝐻0 ∶ 𝜃 ≥ 𝜃0 𝑣𝑠 𝐻1 ∶ 𝜃 < 𝜃0
Hipotesis tersebut akan diuji berdasarkan statistik/penduga dengan bentuk:

𝜃̂ = 𝑐

Nilai p dari uji dengan hipotesis pada (9.4) didefinisikan sebagai:

𝑛𝑖𝑙𝑎𝑖 𝑝 = 𝑃(𝜃̂ ≥ 𝑐|𝐻0 𝑏𝑒𝑛𝑎𝑟) = 𝑃(𝜃̂ ≥ 𝑐|𝜃 = 𝜃0 )

Pada definisi tersebut dapat dicermati bahwa peluang yang digunakan

menyesuaikan dengan arah yang digunakan pada hipotesis alternatif (𝜃 = 𝜃0 ).
Sedangkan nilai p bagi uji dengan hipotesis pada (9.5) didefinisikan sebagai:

𝑛𝑖𝑙𝑎𝑖 𝑝 = 𝑃(𝜃̂ ≤ 𝑐|𝐻0 𝑏𝑒𝑛𝑎𝑟) = 𝑃(𝜃̂ ≤ 𝑐|𝜃 = 𝜃0 )

karena di dalam hipotesis alternatif dinyatakan bahwa 𝜃 > 𝜃0 .

Dapat dicermati bahwa bentuk nilai p adalah peluang bersyarat, yang serupa
dengan perhitungan peluang salah tipe I (𝛼). Hanya saja peluang yang dihitung
disesuaikan dengan nilai statistik yang diperoleh, sesuai definisinya sebagai nilai
𝛼 terkecil berdasarkan nilai statistik.

(Fitriani dan Suci, 2020)

Asra (2012) menyatakan bahwa ada dua hal yang perlu diperhatikan dalam
menggunakan p-value yakni :

1) Signifikansi hanya untuk nilai sampel

Dalam pengujian hipotesis secara statistik, kebermaknaan (significance)
dari suatu perbedaan yang dihasilkan dalam nilai-nilai sampel (yang biasa
disebut statistik), misal dalam uji berda 2 rata-rata. Yang akan disebut
berbeda signfikan adalah nilai-nilai sampel, sedangkan perbedaan nilai-nilai
parameter populasi tidak diketahui. Dengan kata lain, kita boleh menyatakan,
misalnya bahwa “ada perbedaan yang bermakna antara nilai rata-rata
sampel”. Akan tetapi, kita tidak boleh menyatakan bahwa ‘rata-rata populasi
berbeda secara bermakna atau signifikan’, karena pernyataan ini salah (karena
memang nilai-nilai populasi tidak diketahui, dan kalau diketahui maka
 sesungguhnya tidak perlu ada pengujian statistik berdasarkan sampel). Juga,
kita tidak pernah tahu apakah rata-rata populasi tersebut berbeda signifikan
atau tidak, yang kita bisa kita lakukan yakni mengungkapkan hipotesis yaitu
kedua rata-rata populasi sama besar.
2) Signifikansi secara statistik bisa berbeda dengan signifikansi secara substansi
Ada kutipan menarik :
“statistical test of hypothesis do not necessary determine what is of practical
significance. Only person knowledgeable in the area of investigation is
qualified to decide that”, dapat dipahami bahwa signifikansi secara statistik
tidaklah selalu berarti signifikan secara substansi, karena memang dasar
penentuan signifikansi keduanya berbeda.
Signifikansi secara statistik itu maksudnya pengujian hipotesis secara
prosedur statistik menghasilkan keputusan tolak H0 atau gagal tolak H0.
Sedangkan, signifikansi secara substansi adalah signifikan secara ilmu
statistik yang mendasari terjadinya perbedaan antara statistik dengan nilai
parameter, yang dihipotesakan (bisa jadi berdasarkan substansi disiplin ilmu
tertentu, selain statistika).
Dengan kata lain, H0 bisa saja tidak ditolak secara statistik (karena tidak
signifikannya perbedaan antara statistik dan nilai parameter), tetapi secara
substansi H0 tersebut ditolak, karena perbedaan yang diperoleh antara statistik
dan parameter dapat dianggap signifikan. Atau sebaliknya, H0 bisa saja
ditolak secara statistik, dengan kata lain signifikan secara statistik, tetapi
secara substansi bisa saja hal tersebut tidaklah signifikan.
(Asra, 2012)

4. Langkah Pengujian Hipotesis

1) Tentukan Hipotesis
Misal: H₀ : µ = c, lawan H₁ : µ ≠ c (uji dua sisi)
Atau: H₀ : µ = c, lawan H₁ : µ > c (uji satu sisi)
(Santiyasa, 2016)
2) Tentukan Signifikansi α
 Biasanya kalau tidak diketahui, maka hal yang biasa digunakan adalah
tingkat kesalahan α sebesar 5%.
Nilai α biasanya disebut derajat kemaknaan atau level signifikansi suatu
penelitian. Secara mudah sebenarnya nilai α identik dengan tingkat kesalahan
suatu penelitian. Suatu penelitian dengan menggunakan α = 5% berarti tingkat
kesalahan penelitian tersebut 5%, tingkat kebenarannya 95%, dengan kalimat
dapat disebutkan bahwa diantara 100 kejadian sebanyak 5 kejadian yang
menyimpag.
Besarnya nilai α ditentukan oleh peneliti sendiri. Lazimnya untuk penelitian
sosial anatara0,10 s/d 0,05 atau lebih besar dari itu, sedangkan untuk penelitian
laboratorium diusajakan sekecil mungkin, misalnya 0,01 atau 0,001. Penelitian
obat-obatnya yang nantinya diterapkan pada manusia nilai sangat kecil
misalnya0,000001, yang berarti diantaranya 1.000.000 kejadian hanya satu
menyimpang.
(Cahyono, 2018)
3) Tentukan Rumus Statistik Penguji
Rumus Uji statistik sangat tergantung pada keperluannya. Jenis rumus
statistik yang kita pelajari dikelompokkan menjadi:
1. Uji Beda
a. Uji Beda Mean
a) Uji beda mean kenyataan vs standar
• Uji beda mean kenyataan vs standar (standar deviasi/α diketahui
dari populasi standar) (uji Z score distribusi standar)
• Uji beda mean kenyataan vs standar (standar deviasi/SD
diketahui dari populasi kenyataan) (uji 1 test distribusi student)
b) Uji beda mean kenyataan vs kenyataan
• Uji beda mean kenyataan vs kenyataan, satu sampel, data
berpasangan (pre- post) (uji t test)
• Uji beda mean kenyataan vs kenyataan, dua sampel/populasi,
(uji t test)
• Uji beda mean kenyataan vs kenayataan, dua atau lebih
sampel/populasi (uji anava)
 b. Uji beda proporsi (uji Z)
c. Uji beda data kategorik (statistik non parametik / X²)
2. Uji Hubungan
a. Uji Regresi ®
b. Uji Korelasi Moment Product Pearson (r)
c. Uji Tata Jenjang Spearman (rho)
d. Uji Asosiasi (statistik non parametik) (C)

Nilai statistik merupakan hasil perhitungan dari rumus statistik. Hasil hitung
uji statistik kadang-kadang mendapati angka negatif. Kondisi itu tidak menjadi
masalah, karena ada uji sisi sebelah kiri yang nilainya negatif. Pada uji statistik
hubungan, nilai negatif memiliki arti yang tersendiri. Hasil hitungan uji hubungan
dapat dilihat langsung kategori eratnya suatu hubungan. Pengelompokan kuat
lemah hubungan ada bermacam-macam.

(Cahyono, 2018)

4) Tentukan Nilai DF/DH/DK

DF/DB/DK (degree of freedom, derajat bebas, derajat kebebasan)
merupakan angka bantu untuk mencari nialai pada tabel. Besarnya anka
disesuaikan dengan rumus statistik pengujinya. Nilai df secara umum n-1.
5) Lihat Nilai Tabel
Dalam penelitian tabel uji, haru sesuai dengan statstik pengujinya,
 Cara menetukan nilai kritis tabel adalah dengan bantuan α dan nilai df. Pada
tabel statistik biasanya nilai α selalu berada pada box head atau baris yang paling
atas, sedangkan posisi df pada stub atau kolom tertentu (dari atas ke bawah) dan
nilai df pada baris tertentu (dari samping kiri ke kanan) terjadi perpotongan satu
angka, angka itulah sebagai nilai kritis tabel, sebagai batas daerah penolakan.
Adakalanya tabel statistik utuk uji satu sisi, ada juga untuk dua sisi. Bila tabel
hanya untuk uji satu sisi, maka ketika menggunaka untuk dua sisi nilai α dikalikan
dua. Nilai α = 5% untuk uji satu sisi sama dengan nilai α = 105 untuk uji dua sisi.
(Cahyono, 2018)
6) Daerah kritik, H₀ diterima bila dan H₀ ditolak bila
Seperti yang telah dijelaskan diatas bahwa pengujian statistik hanya untuk
menetukan H₀ diterima atau ditolak. Daerah penolakan ditentukan menggunakan
gambar atau rumus sederhana. Dengan menggunakan gambar, untuk uji dua sisi,
maka daerah penolakan terdapat pada sisi sebelah kanan dan sebelah kiri,
sedangkan pada bagian tengah merupakan daerah penerimaan. Sedangkan uji
satu sisi, maka daerah penolakannya terletak pada sebelah kanan atau sebelah kiri
yan dibatasi ilai kritis tabel uji berdasarkan nilai v dan df. Khusus statistik non
parametrik (X²) dan uji anoba (F) daerah penolakan selalu pada posisi sebalah
kanan. Angka nilai tabel merupakan batas -batas daerah penolakan. Sisi sebelah
kiri secara otomatis nilai selalu negatif walaupun pada nilai tabel tidak ada nilai
negatif.
7) Keputusan, H₀ diterima atau ditolak
8) Kesimpulan
Simpulan merupakan pembacaan hasil langkah ke-7. Pembacaan dilakukan
terhadap pernyataan hipotesis yang diterima pada H₀ atau Hₐ dengan diikuti nilai
α. Bila H₀ diteria, maka simpulan ditulis penyataan H₀, demikian sebalikanya.
Khusus uji hubungan disertakan nilai koefesien korelasi/asosiasi dan kategori
keeratan hubungan.
(Cahyono, 2018)
 DAFTAR PUSTAKA

Asra, Abuzar. 2012. Cerdas Menggunakan Statistik Edisi Pertama. Bogor : Penerbit IN
Media

Cahyono, Tri.2018. Statistik Terapan & Indikator Kesehatan. Yogyakarta: Feepublish

Fitriani, Rahma dan Suci Astutik. 2020. Statistika Matematika dengan Pendekatan
Terapan. Malang: UB Press

Hanief, Yulingga nanda & Wasis Himawanto. 2017. Statistik Pendidikan. Yogyakarta :
Deepublish

Irianto, Agus. 2016. STATISTIK : Konsep Dasar, Aplikasi, dan Pengembangannya Edisi
Keempat. Jakarta: Prenadamedia Group

Jaya, Indra. 2019. Penerapan Statistik untuk Penelitian Pendidikan. Jakarta :

PRENADAMEDIA GROUP

Masturoh, Imas & T., Nauri Anggita. 2018. Metode Penelitian Kesehatan. Jakarta:
Kemenkes RI

Santiyasa, I Wayan. 2016. Pengujian Hipotesis. [Online]. Diakses dari :

https://simdos.unud.ac.id/ Pada tanggal 10 Mei 2021 Pukul 23.15 WIB