Kuliah

Oleh Ir. Rahayu Astuti, M.Kes

STATISTIK INFERENSIAL,
HIPOTESIS DAN PENGUJIAN HIPOTESIS

STATISTIK INFERENSIAL
Pada statistik induktif/ inferensial kita akan melakukan penyimpulan /
pengambilan keputusan dari suatu populasi tertentu berdasarkan sebagian data
(sampel) yang dikumpulkan.
Konsep dasarnya:
- Distribusi sampling yaitu distribusi dari mean-mean sampel yang diambil
secara berulang kali dari suatu populasi.
- Sampling Error adalah kesalahan karena penelitiannya menggunakan sampel.
- Standard Error (SE) adalah simpangan baku dari distribusi rata-rata sampel.
- Estimasi adalah suatu metode dimana diperkirakan nilai populasi (parameter)
dengan menggunakan nilai sampel (statistik).
- Uji hipotesis. Tujuannya adalah untuk menguji apakah data dari sampel yang
ada sudah cukup kuat untuk menggambarkan populasinya. Atau apakah bisa
dilakukan generalisasi tentang populasi berdasarkan hasil sample

Ukuran-ukuran untuk sampel dan populasi :

Sampel Populasi

Nilai (karakteristik) statistik Parameter

Mean (rata-rata hitung) x
Standard deviasi s
Varians s2 2

Proporsi p
Jumlah unit n N

Pada uji hipotesis, dikenal uji statistik parametrik dan non parametrik

UJI STATISTIK PARAMETRIK

Asumsi yang digunakan dalam uji parametrik adalah:

1. Populasi berdistribusi normal
2. Skala data interval/rasio (data numerik)
3. Kesamaan varians, jika membandingkan 2 atau sejumlah sampel
Uji-uji parametrik adalah:
1. Satu sampel: Uji Z atau uji t satu sampel (uji beda mean satu sampel)
2. Dua sampel: Uji Z atau uji t dua sampel independent (independent t test)
3. Tiga atau lebih sampel: - One way anova, two faktor anova, ancova, mancova.
4. Uji hubungan : korelasi dan regresi

1
 UJI STATISTIK NON PARAMETRIK

Digunakan bila asumsi pada uji parametrik tidak dipenuhi.

Digunakan pada keadaan:
1. Distribusi populasi tidak normal
2. Skala data nominal/ ordinal (data kategorik)
Catatan: jika data numerik tetapi distribusi data tidak normal, gunakan uji non
parametrik.
Uji statistik non-parametrik disebut juga statistik bebas distribusi (distribution free
statistic), karena prosedur pengujiannya tidak berdasarkan asumsi distribusi populasi
normal dan dapat dilakukan walaupun dengan sampel yang sedikit.

Uji-uji non parametrik adalah:

1. Satu sampel: Uji Chi Square (goodness of fit), uji binomial, uji tanda dsb
2. Dua sampel independent: Uji Chi Square (independensi), uji median, uji Man
Whitney dsb
3. Dua sampel dependent: Uji Mac Nemar, Wilcoxon dsb.
4. Tiga atau lebih sampel independent: Uji Kruskal Wallis

STATISTIKA PARAMETRIK
I. PENDAHULUAN

Statistik adalah ukuran yang menyimpulkan karakteristik suatu sampel. Statistik

digunakan untuk penaksiran parameter populasi dan menguji hipotesis tentang
keadaan parameter populasi.
Parameter adalah ukuran yang menyimpulkan karakteristik suatu populasi

Parameter di populasi statistik pada sampel

Rata-rata x
Standard deviasi s atau SD
Varians 2 s2
Proporsi ∏ p
Koef. Korelasi ρ r

Statistika Parametrik menggunakan parameter populasi sebagai basis pemahaman

seperti dan yang dalam tingkatan sampel menggunakan x dan s (SD).

Ciri dalam statistika parametrik adalah data yang mempunyai skala pengukuran
interval dan rasio.

Dalam statistika inferensial parametrik distribusi variabel random x yang mendasari

perlu dipertimbangkan. Bila x adalah variabel random yang kontinyu distribusi yang
mendasari adalah distribusi normal.

Jadi distribusi variabel random ini mempunyai peran yang besar dalam statistika
parametrik

2
II. TEKNIK STATISTIKA PARAMETRIK

A. Asumsi

1. Data yang digunakan mempunyai skala pengukuran interval atau rasio

2. Data diambil dari populasi yang mempunyai distribusi normal.

Distribusi normal mrp distribusi probabilitas dengan ciri:
a). Mempunyai bentuk lonceng (bell-shaped).
b). Simetris dimana nilai mean= nilai median=nilai modus
c). Kedua ekor mendekati sumbu x secara asimptotik
d). Merupakan distribusi probabilitas dengan peluang sebagai berikut:

Untuk rentang ±1 meliputi area probabilitas 68,27%

Untuk rentang ±2 meliputi area probabilitas 95,45%
Untuk rentang ±3 meliputi area probabilitas 99,73%

KURVA NORMAL

Perubahan grafiknya dapat dilihat dalam gambar dibawah ini:

f (x) Rata-rata =
Simpangan baku =

-3 -2 -1 +1 +2 +3 x

f (z) =0
=1

-3 -2 -1 0 1 2 3 z

Transformasinya:

x -
Z =

3
III. JENIS ANALISIS STATISTIK PARAMETRIK
1. Menaksir parameter populasi
2. Menguji hipotesis tentang parameter di populasi
1) Statistik uji komparatif
a. Uji t satu sampel
b. Uji t berpasangan (paired t test)
c. Uji t untuk 2 sampel independent
d. Analisis varian (Anava)
2). Statistik uji korelatif
a. Uji korelasi Pearson
b. Regresi Linier Sederhana

HIPOTESIS DAN PENGUJIAN HIPOTESIS

PENDAHULUAN
Seperti kita ketahui bahwa nilai yang berasal dari sampel dapat digunakan
untuk mengestimasi nilai populasi yang tidak diketahui. Pada bab ini akan dibahas
penarikan kesimpulan (menggeneralisir) nilai yang berasal dari sampel terhadap
keadaan populasi melalui pengujian hipotesis.
Pengujian hipotesis dapat berguna untuk membantu pengambilan keputusan
tentang apakah suatu hipotesis yang diajukan, seperti perbedaan atau hubungan,
cukup meyakinkan untuk ditolak atau tidak ditolak. Keyakinan ini didasarkan pada
besarnya peluang untuk memperoleh hubungan tersebut secara kebetulan (by chance).
Semakin kecil peluang tersebut (peluang adanya by chance), semakin besar keyakinan
bahwa hubungan tersebut memang ada.
Kesimpulan yang didapat dari hasil pengujian hipotesis ada dua kemungkinan
yaitu menolak hipotesis atau gagal menolak hipotesis.

PENGERTIAN :
Hipotesis sesuai dengan asal katanya (hypo berarti dibawah, thesis berarti
dalil, kaidah, hukum), adalah pernyataan tentang suatu dalil atau kaidah, tetapi
kebenarannya belum terujikan secara empirik. Dengan demikian, dikaitkan dengan
dengan masalah penelitian, hipotesis merupakan jawaban sementara terhadap
permasalahan yang diajukan, yang kebenaran jawaban ini akan dibuktikan secara
empirik dengan penelitian yang akan dilakukan.
Secara lebih operasional yaitu :
“Suatu pernyataan sementara yang perlu diuji kebenarannya.”

MACAM HIPOTESIS
Dalam pernyataannya, terdapat dua macam hipotesis statistik yaitu hipotesis nol (Ho)
dan hipotesis alternatif (Ha).

a). Hipotesis nol (Ho)

Hipotesis nol adalah pernyataan yang menyatakan tidak ada perbedaan suatu kejadian
antara kedua kelompok. Atau hipotesis yang menyatakan tidak ada hubungan antara
variabel satu dengan variabel yang lain.

4
Contoh :
1. Tidak ada hubungan antara kehamilan dengan kadar hemoglobin ibu
2. Tidak ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan
ibu yang tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil
sama dengan rata-rata kadar hemoglobin populasi ibu yang tidak hamil..

b). Hipotesis alternatif (Ha)

Hipotesis yang menyatakan ada perbedaan suatu kejadian antara kedua kelompok.
Atau hipotesis yang menyatakan ada hubungan variabel satu dengan variabel yang
lain.
Contoh :
1. Ada hubungan antara kehamilan dengan kadar hemoglobin ibu.
2. Ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan ibu
yang tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil
berbeda dengan rata-rata kadar hemoglobin populasi ibu yang tidak hamil.

ARAH/BENTUK HIPOTESIS
Bentuk hipotesis alternatif akan menentukan arah uji statistik apakah satu arah
(one tail) atau dua arah (two tail).

1. One tail (satu sisi) : Bila hipotesis alternatifnya menyatakan adanya perbedaan dan
ada pernyataan yang mengatakan hal yang satu lebih tinggi/rendah dari hal yang
lain.
Contoh :
Rata-rata kadar hemoglobin populasi ibu tidak hamil lebih tinggi dari rata-rata
kadar hemoglobin populasi ibu yang hamil.

2. Two tail (dua sisi) : merupakan hipotesis alternatif yang hanya menyatakan
perbedaan tanpa melihat apakah hal yang satu lebih tinggi/ rendah dari hal yang
lain.
Contoh :
Ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan ibu yang
tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil berbeda dengan
rata-rata kadar hemoglobin populasi ibu yang tidak hamil.

Contoh penulisan hipotesis

Suatu penelitian ingin mengetahui hubungan antara merokok dengan tekanan darah
maka hipotesisnya adalah :

Ho : 1 = 2 ( Tidak ada perbedaan mean tekanan darah antara orang yang merokok
dengan yang tidak merokok ).
Ha : 1 2 (Ada perbedaan mean tekanan darah antara orang yang merokok
Dengan yang tidak merokok ).

Ho : = 0 (Tidak ada korelasi antara jumlah rokok yang dihisap dengan tekanan
darah)
Ha : > 0 (Ada korelasi positif antara jumlah rokok yang dihisap dengan tekanan
darah)

5
Asumsi hipotesis nol
Pada satu hipotesis ilmiah, dimungkinkan untuk dapat diajukan satu atau
beberapa hipotesis statistik. Sebagaimana suatu proses pengujian di ruang sidang,
maka pernyataan yang diuji adalah adalah pernyataan yang menggambarkan praduga
tak bersalah. Jadi pernyataan hipotesis yang diuji secara statistik adalah hipotesis nol.
Dapat diingat bahwa sejak awal proses pengujian, maka hipotesis nol dianggap atau
diasumsikan benar.

KESALAHAN PENGAMBILAN KEPUTUSAN

Dalam pengujian hipotesis kita selalu dihadapkan pada suatu kesalahan
pengambilan keputusan. Ada dua jenis kesalahan pengambilan keputusan dalam uji
statistik, yaitu :

1. Kesalahan tipe I ( )
Merupakan kesalahan menolak Ho padahal sesungguhnya Ho benar. Artinya
menyimpulkan adanya perbedaan padahal sesungguhnya tidak ada perbedaan.
Peluang kesalahan tipe I adalah atau sering disebut Tingkat Signifikansi
(significance level). Sebaliknya peluang untuk tidak membuat kesalahan tipe I
adalah sebesar 1 - , yang disebut dengan Tingkat Kepercayaan (confidence level).

2. Kesalahan tipe II ( )
Merupakan kesalahan tidak menolak Ho padahal sesungguhnya Ho salah. Artinya
menyimpulkan tidak ada perbedaan padahal sesungguhnya ada perbedaan. Peluang
untuk membuat kesalahan tipe II adalah sebesar . Peluang untuk tidak membuat
kesalahan tipe II adalah sebesar 1 - , dan dikenal sebagai Tingkat Kekuatan Uji
(power of the test).
Kesalahan pengambilan keputusan
Keputusan Populasi
Ho benar Ho salah
Tidak menolak Ho Benar (1 - )
Menolak Ho Benar ( 1 - )

Power of the test ( Kekuatan uji ) = 1 -

Merupakan peluang untuk menolak hipotesis nol ( Ho), ketika Ho memang
salah. Atau kemampuan untuk mendeteksi adanya perbedaan bermakna antara
kelompok-kelompok yang diteliti ketika perbedaan –perbedaan itu memang ada .
Dalam pengujian hipotesis kita menghendaki agar dan kecil atau 1 - besar.

MENENTUKAN TINGKAT KEMAKNAAN

Tingkat kemaknaan merupakan kesalahan tipe I yang diberi notasi . Setelah
menentukan Ho dan Ha langkah selanjutnya adalah menentukan kriteria/ batasan yang
digunakan untuk memutuskan apakah hipotesis nol ditolak atau gagal ditolak yang
disebut dengan tingkat kemaknaan (level of significance). Tingkat kemaknaan, atau
sering disebut dengan nilai , merupakan nilai yang menunjukkan besarnya peluang
salah dalam menolak hipotesis nol. Atau dengan kata lain, nilai merupakan batas
toleransi peluang salah dalam menolak hipotesis nol
Dapat dikatakan bahwa nilai merupakan nilai batas maksimal kesalahan
menolak Ho atau batas maksimal peluang mendapatkan hipotesis nol yang benar.

6
Bila kita menolak Ho berarti menyatakan adanya perbedaan / hubungan. Sehingga
nilai dapat diartikan pula sebagai batas maksimal kita salah menyatakan adanya
perbedaan.

Penentuan nilai alpha ( ) tergantung dari tujuan dan kondisi penelitian. Nilai
yang sering digunakan adalah 10 %, 5 %, 1 %, Untuk bidang kesehatan masyarakat
biasanya digunakan nilai sebesar 5 %. Sedangkan untuk pengujuan obat-obatan
digunakan batas toleransi kesalahan yang lebih kecil misalnya 1 %, karena
mengandung risiko yang fatal.

KEPUTUSAN UJI STATISTIK

Hasil pengujian statistik menghasilkan dua kemungkinan keputusan yaitu
menolak hipotesis nol dan gagal menolak hipotesis nol. Keputusan uji statistik dapat
dicari dengan dua pendekatan yaitu pendekatan klasik dan penekatan probabilistik.

1. Pendekatan klasik
Untuk memutuskan apakah Ho ditolak atau gagal ditolak, dapat digunakan dengan
cara membandingkan nilai perhitungan uji statistik dengan nilai pada tabel. Nilai
tabel yang dilihat sesuai dengan jenis distribusi uji yang kita lakukan.
Ketentuan :
Bila nilai perhitungan uji statistik lebih besar dibandingkan nilai yang berasal
dari tabel (nilai perhitungan > nilai tabel), maka keputusannya : Ho ditolak.
Ho ditolak, artinya: ada perbedaan kejadian (mean/proporsi) yang signifikan
antara kelompok data satu dengan kelompok data yang lain.

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

2. Pendekatan probabilistik
Setiap kita melakukan uji statistik dengan menggunakan komputer maka akan
ditampilkan / dikeluarkan nilai p (p-value). Dengan nilai p kita dapat
menggunakan untuk keputusan uji statistik dengan cara membandingkan nilai p
dengan nilai . Ketentuan :
Bila nilai p nilai maka keputusannya adalah Ho ditolak
Bila nilai p nilai maka 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 statistik yang
dilakukan two tail maka nilai p dari tabel harus dikalikan 2. Dengan demikian dapat
disederhanakan dengan rumus: nilai p two tail = 2 x nilai p one tail.

NILAI p (p-value)
Pengertian nilai p
Nilai p merupakan nilai yang menunjukkan besarnya peluang untuk
mendapatkan Ho yang benar Harapan kita nilai p adalah sekecil mungkin, sebab bila
nilai p nya kecil maka kita yakin bahwa adanya perbedaan pada hasil penelitian

7
menunjukkan pula adanya perbedaan di populasi. Dengan kata lain kalau nilai p nya
kecil maka peluang bahwa tidak ada perbedaan adalah kecil.
Nilai p dapat diartikan pula sebagai besarnya nilai peluang hasil penelitian
(misalnya adanya perbedaan mean atau proporsi) terjadi karena faktor kebetulan (by
chance). Kalau nilai p nya kecil maka perbedaan yang ada pada penelitian terjadi
karena faktor kebetulan (by chance) adalah kecil.

Perbedaan substansi/ klinis dan perbedaan statistik

Perlu disadari oleh peneliti bahwa berbeda bermakna/ signifikan secara statistik
tidak berarti (belum tentu) bahwa perbedaan tersebut juga bermakna dipandang dari
segi substansi/ klinis. Seperti diketahui bahwa semakin besar sampel yang dianalisis
akan semakin besar menghasilkan kemungkinan berbeda bermakna. Dengan sampel
besar perbedaan-perbedaan sangat kecil, yang sedikit atau bahkan tidak mempunyai
manfaat secara substansi/ klinis dapat berubah menjadi bermakna secara statistik.
Oleh karena itu arti kegunaan dari setiap penemuan jangan hanya dilihat secara
statistik saja, tapi harus juga dilihat dari kegunaan dari segi substansi/klinis.

PEMILIHAN METODE STATISTIK PARAMETRIK DAN NON

PARAMETRIK
Dalam pengujian hipotesis sangat berhubungan dengan distribusi data populasi
yang akan diuji. Bila distribusi data populasi yang akan diuji berbentuk
normal/simetris/Gauss, maka proses pengujian dapat digunakan dengan pendekatan
uji statistik parametrik. Sedangkan bila distribusi data populasinya tidak normal
atau tidak diketahui distribusinya maka dapat digunakan pendekatan uji statistik non
parametrik
Kenormalan suatu data dapat juga dilihat dari jenis variabelnya. Bila
variabelnya berjenis numerik/ kuantitatif maka perlu dilihat distribusi datanya normal
atau tidak Bila distribusinya normal maka gunakan uji statistik parametrik, sedangkan
bila distribusi datanya tidak normal maka gunakan uji statistik non parametrik. Bila
jenis variabelnya katagorik/ kualitatif maka bentuk distribusinya tidak normal,
sehingga uji statistik non parametrik yang digunakan.

PROSEDUR UJI HIPOTESIS

1. Menetapkan hipotesis
2. Menentukan tingkat kemaknaan
3. Menetapkan uji statistik yang sesuai
4. Penghitungan uji statistik
5. Keputusan uji statistik
6. Pengambilan kesimpulan

1. Menetapkan hipotesis
Tetapkan hipotesis nol (Ho) dan hipotesis alternatif (Ha).
Dari hipotesis alternatif akan diketahui apakah uji statistik menggunakan satu arah
(one tail) atau dua arah (two tail).

2. Menentukan tingkat kemaknaan

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

8
3. Menentukan uji statistik yang sesuai
Ada beragam uji statistik. 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 tergantung dari:
1). Jenis variabel yang akan diteliti (numerik atau katagorik)
2). Jenis distribusi data (normal atau tidak normal)

4. Penghitungan uji statistik

Penghitungan uji statistik adalah menghitung data sampel kedalam uji hipotesis
yang sesuai dengan data yang akan diuji.

5. Keputusan uji statistik

Hasil pengujian statistik akan menghasilkan dua kemungkinan keputusan yaitu
menolak atau gagal menolak hipotesis nol.
Dengan menggunakan pendekatan klasik, untuk memutuskan apakah Ho ditolak
atau gagal ditolak dapat digunakan dengan cara membandingkan nilai perhitungan
uji statistik dengan 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 (tabel kurva normal). Jika kita menggunakan uji t maka setelah
diperoleh nilai perhitungan uji t kemudian dibandingkan nilai yang ada pada tabel t.
Besarnya nilai tabel sangat tergantung dari besarnya nilai alpha ( ) dan tergantung
dari apakah uji yang digunakan one tail atau two tail.

*Uji dua arah/ dua sisi/two tail

daerah penolakan daerah penolakan

daerah penerimaan
(1 )
/2 /2

* Uji satu arah/ satu sisi/ one tail

Pihak kanan
daerah penolakan
daerah penerimaan
(1 )

Pihak kiri
daerah penolakan
daerah penerimaan
(1 )

9
Aturan pengambilan keputusan, dengan contoh menyangkut distribusi normal

1. Uji dua arah

Hipotesis : Ho : =C atau 1 = 2
Ha : C atau 1 2

Pada = 1% maka /2 = 0,05  Z 2,58

Pada = 5% maka /2 = 0,025  Z 1,96

Bila Z hitung > 1,96 atau Z hitung < - 1,96  Tolak Ho pada taraf kemaknaan
5%. Artinya ada perbedaan atau ada hubungan

Bila Z antara – 1,96 sampai dengan 1,96  Gagal tolak Ho pada taraf kemaknaan
( ) 5%. Artinya tidak ada perbedaan atau tidak ada hubungan

daerah penolakan daerah penolakan

95%

– 1,96 1,96

2. Uji satu arah

a) Hipotesis : Ho : =C atau 1 = 2
Ha : >C atau 1 > 2

Pada = 1%  Z = 2,33
Pada = 5%  Z = 1,64

Bila Z hitung > 1,64  Tolak Ho pada taraf kemaknaan 5%

Bila Z hitung 1,64  Gagal tolak Ho pada taraf kemaknaan ( ) 5%.

daerah penolakan

95%
1,64

b). Hipotesis : Ho : =C atau 1= 2

Ha : <C atau 1< 2

Pada = 1%  Z = 2,33
Pada = 5%  Z = 1,64

Bila Z hitung < 1,64  Tolak Ho pada taraf kemaknaan 5%

Bila Z hitung 1,64  Gagal tolak Ho pada taraf kemaknaan ( ) 5%.

10
 daerah penolakan
95%

1,64

Soal :

1. Apa yang dimaksud statistika inferensial ?

2. Apa yang dimaksud uji parametrik dan non parametrik ?
3. Berikan contoh uji statistik parametrik !
4. Berikan contoh uji non parametrik !
5. Buat contoh hipotesis nol dan hipotesis alternatif
6. Buat contoh hipótesis satu ekor (one tail) dan hipótesis dua ekor (two tail)
7. Apa yang dimaksud kesalahan tipe 1 ( )
8. Apa yang dimaksud kesalahan tipe 2 (β)
9. Apa yang dimaksud dengan kekuatan uji
10. Jelaskan urutan pengujian hipotesis

Daftar pustaka
1. Budiarto. Biostatistika untuk kedokteran dan kesehatan masyarakat. EGC. Jakarta.
2002
2. Chandra, B. Pengantar Statistik Kesehatan. Penerbit Buku Kedokteran EGC.
Jakarta.1995.
3. Dawson B, Trapp RG. Basic and Clinical Biostatistics. Third Edition. McGraw-
Hill International Editions. Lange Medical Books, The McGraw-Hill Companies.
2001.
3. Kuzma. Basic Statistics for the Health Sciences. Mayfield Publishing Company.
1984
4. Norman and Streiner. Biostatistics : The Bare Essentials, Mosby. 1994.
5. Pagano, M dan K. Gaureau. Principles of Biostatistics. Belmont, Duxury Press.
1993.
6. Sabri dan Hastomo. Statistika kesehatan. PT Raja Grafindo Persada. Jakarta. 2006.
7. Sheskin, D.J. Handbook of Parametric and Nonparametric Statistical Prosedures.
Third Edition. Chapman & Hall/CRC. Florida.

11