BIOSTATISTIK INFERENSIAL

UJI HIPOTESIS

DISUSUN OLEH :

KHALLISTA INDAH AYUDA

NIM : 1805015284
KELAS 2E

BIOSTATISTIK INFERENSIAL
NIA MUSNIATI MKM.
KESEHATAN MASYARAKAT
FAKULTAS ILMU-ILMU KESEHATAN
UNIVERSITAS MUHAMMADIYAH PROF.DR.HAMKA

2019

1
 BIOSTATISTIK INFERENSIAL
“UJI HIPOTESIS”

PENDAHULUAN

Yang dimaksud dengan pengujian hipotesis adalah salah satu cara dalam statistika untuk
menguji “parameter” populasi berdasarkan statistik sampelnya, untuk dapat diterima atau ditolak
pada tingkat signifikasi tertentu. Pada prinsipnya pengujian hipotesis ini adalah membuat
kesimpulan sementara untuk melakukan penyanggahan dan/atau pembenaran dari permasalahan
yang akan ditelaah. Prinsip uji hipotesis adalah melakukan perbandingan antara nilai sampel
(data hasil penelitian) dengan nilai hipotesis (nilai populasi) yang diajukan.

Kesimpulan yang didapat dari hasil uji hipotesis ada dua kemungkinan, yaitu menolak
hipotesis dan menerima hipotesis (gagal menolak hipotesis).

Hipotesis berasal dari kata hupo dan thesis. Hupo artinya sementara/lemah kebenarannya dan
thesis artinya pernyataan/teori. Dengan demikian, hipotesis berarti pernyataan sementara yang
perlu diuji kebenarannya.

Sebagai wahana untuk mendapatkan pernyataan sementara tersebut kemudian ditetapkan

hipotesis nol dan hipotesis alternatifnya.

Hipotesis Nol ( H 0)
Maksud dan pengertian dari hipotesis nol yaitu menyatakan tidak ada perbedaan atau
hubungan antara variabel satu dengan lainnya.
Pada pelaksanaan pengujian, pernyataan hipotesis nol selalu ditandai dengan notasi
“sama dengan (=)”, baik untuk model pengujian dua pihak, maupun pada pengujian satu
pihak kiri atau kanan saja.
Contoh : Tidak ada hubungan merokok dengan berat badan bayi.

1. Hipotesis Alternatif (Ha)

Hipotesis yang menyatakan ada perbedaan suatu kejadian antara kedua kelompok. Atau
hipotesis yang menyatakan ada hubungan variabel satu dengan variabel lainnya. Pada
pelaksanaan pengujian, pernyataan hipotesis alternatif ini selalu ditandai dengan notasi
“ ≠” (tidak sama dengan) pada pengujian dua pihak, < (lebih kecil dari) atau > (lebih
besar dari) pada pengujian satu pihak kiri atau satu pihak kanan saja.
Contoh : Ada perbedaan berat badan bayi yang dilahirkan dari ibu yang merokok dan
dilahirkan dari ibu yang tidak merokk.

2
Arah/Bentuk Uji Hipotesis

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

1. One tail (satu sisi) adalah bila hipotesis alternatifnya menyatakan ada perbedaan dan
menyatakan pernyataan dengan hal yang satu lebih tinggi/rendah daripada hal yang lain.
Misalnya, berat badan bayi dari ibu hamil yang merokok lebih rendah dibandingkan berat
badan bayi yang dilahirkan dari ibu yang tidak merokok. Contoh penulisannya

Ho : μ1 = μ2
Ha : μ1 > μ2atau μ1 < μ2

2. Two tail (dua sisi) merupakan hipotesis alternatif yang menyatakan perbedaan tanpa
melihat apakah hal yang satu lebih rendah/tinggi dari hal yang lain. Contoh penulisannya

Ho : μ1 = μ2
Ha : μ1 ≠ μ2

Kesalahan Pengambilan Keputusan

1. Kesalahan Tipe I (α )
Kesalahan ini merupakan kesalahan menolah Ho, padahal sesungguhnya Ho benar. Di
bidang kesehatan alfa atau signifikasi merupakan batasan maksimal untuk menolak Ho.
Sebaliknya peluang untuk tidak membuat kesalahan Tipe I adalah sebesar
1−α , yang disebut dengan tingkat kepercayaan.
2. Kesalahan Tipe II ( β )
Kesalahan ini merupakan kesalahan tidak menolak Ho, padahal sesungguhnya Ho salah.
Artinya menyimpulkan tidak ada perbedaan, padahal ada perbedaan. Peluang untuk
membuat kesalahan tipe II sebesar β . Sementara peluang untuk tidak membuat kesalahan
Tipe II sebesar 1−β , yang disebut dengan Tingkat Kekuatan Uji.

Menentukan Tingkat Kemaknaan

Tingkat kemaknaan merupakan kesalahan Tipe I suatu uji yang biasanya diberi notasi α . Atau
dapat dikatakan nilai yang menunjukkan besarnya peluang salah dalam menolak hipotesis nol.

Untuk bidang kesehatan masyarakat, biasanya nilai α ( alpha ) yang digunakan adalah sebesar 5
% sementara untuk pengujian obat-obatan digunakan batas toleransi kesalahan yang lebih kecil,
yaitu 1 % → karena mengandung risiko yang fatal.

3
Nilai P Value

Nilai P Value didapat dari hasil penelitian yang menunjukkan besarnya peluang salah menolak
Ho dari data penelitian. Harapan kita nilai P Value adalah sekecil mungkin, sebab bila nilai P
Value kecil maka kita yakin bahwa adanya perbedaan di populasi.

 P Value < α = Ada hubungan/ Ho ditolak.

 P Value > α = Tidak ada hubungan/ Ho gagal ditolak.

Dapat dikatakan P Value hanya bisa menguji kemaknaan yaitu ada hubungan atau tidak.

Contoh soal

Dinas kesehatan di kabupaten X melaporkan bahwa rata-rata berat bayi saat lahir tahun lalu
adalah 3100 gr dengan standar deviasi 300 gr. Kepala Dinas kesehatan ingin menguji apakah ada
perbedaan rata-rata berat badan bayi antara tahun lalu dengan saat ini. Untuk menguji hal
tersebut kemudian diambil sampel sebanyak 100 bayi dan diperoleh rata-rata 3.165 gr. Coba
buktikan apakah ada perbedaan mean berat bayi antara tahun lalu dengan sat ini, dengan alpha
5% !

Penyelesaian:

Diketahui : μ=3100 gr
σ =300 gr

n = 100 bayi
X = 3.165 gr
α =5 %=0.05

Ditanya : Apakah ada perbedaan mean berat badan bayi aatara tahun lalu dengan saat ini ?
Jawab:
X−μ 3165−3100 65
= =2,16 →
 Z= σ = 300 30 tabel = 0,4846 = 48,46 %
√n √100

2, 0,4846
1

4
  P Value = 0,5 – 0,4846 = 0,0154
untuk two tail = P Value ×2
= 0,0154 × 2 = 0,0308

 P Value = 0,0154 < α →Ho ditolak/ Ada hubungan

Berat badan
bayi tahun lalu Berat badan bayi saat ini = 0,0154
= 0,4846

3100 3165

DAFTAR PUSTAKA

Sabri, L. dkk. (2014). Statistik Kesehatan. Jakarta: Rajawali Pers.

Supangat, D. A. (210AD). STATISTIKA : Dalam Kajian Deskriptif, Inferensi, Dan Non
Parametrik (Pertama). Jakarta: Kencana Prenada Media Group.