BIOSTATISTIK INFERENSIAL

DAN HIPOTESIS

Rahayu Astuti
FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS MUHAMMADIYAH SEMARANG
 STATISTIKA DESKRIPTIF VS INFERENSI

* Statistika Deskriptif :
metode-metode statistika yang digunakan untuk
menggambarkan (menyajikan) data yang telah
dikumpulkan.

* Statistika Inferensi (Penarikan Kesimpulan)

metode metode statistika yang digunakan untuk
mengetahui (menarik kesimpulan) tentang sebuah
populasi berdasarkan suatu sampel.
 PADA STATISTIKA DESKRIPTIF:
Kegiatannya hanya menggambarkan /mendeskripsikan data tanpa melakukan
gereralisasi pada populasi

 Pada statistik deskriptif mempelajari:

 1. Cara Penyajian data :
Data dapat disajikan dalam bentuk :
Tekstular, tabular, grafikal
 2. Cara meringkas data dan menjelaskan data
Yaitu menggambarkan data yang meliputi :
Pada data kualitatif → distribusi frekuensi data, dan
Pada data kuantitatif → menggambarkan letak data (central tendency/
ukuran pemusatan), variasi data dan bentuk data.
 PADA STATISTIKA INFERENSIAL /INDUKTIF:
KEGIATANNYA dilakukan penyimpulan / pengambilan keputusan dari suatu
populasi tertentu berdasarkan sebagian data (sampel) yang dikumpulkan.

 Konsep Dasarnya yaitu:

 1. Distribusi Sampling
2. Sampling Error
3. Standard Error [ Pada data kuantitatif dan data kualitatif)
4. Estimasi [Estimasi Titik dan Estimasi Selang/Confidence Interval (CI)]
5. Uji Hipotesis → apakah bisa dilakukan generalisasi pada populasi
berdasarkan hasil sampel
Untuk memahami statistika inferensial maka perlu
paham konsep Populasi dan sampel

Populasi sampel
 POPULASI dan SAMPEL

Sampel :
Representative
Populasi “Mewakili” Yang perlu
diperhatikan :
N = 500 1. Besar sampel
2. Teknik Sampling
Sampel
misalnya
n = 50

 Sampel → bagian dari populasi yang dipilih dg cara tertentu hingga dianggap dapat
mewakili populasinya (menggambarkan keadaan di populasi).
 Ukuran-ukuran pada sampel dan populasi :

populasi sampel

Nilai (karakteristik) parameter statistik

Rata-rata  x
Standard deviasi (SD)  s
Varians 2 s2
Proporsi P p
Koef. Korelasi ρ r
Jumlah unit N n
 Parameter dan statistik

Parameter : adalah ukuran yang menyimpulkan

karakteristik suatu populasi
Statistik : ukuran yang menyimpulkan karakteristik suatu
sampel.
Statistik digunakan untuk penaksiran parameter populasi
dan menguji hipotesis tentang keadaan parameter
populasi.
Macam Uji Statistik

Uji Statistik Parametrik

• Ciri dalam statistika parametrik adalah data yang dianalisis
mempunyai skala pengukuran interval atau rasio
• Distribusi data numerik adalah distribusi Normal

Uji Statistik Non Parametrik

• Data numerik berdistribusi Tidak Normal
• Data mempunyai skala pengukuran nominal atau ordinal
 Jenis Uji Statistik Parametrik
• Satu beda sampel: Uji Z atau uji t satu sampel
• Dua beda sampel: Uji Z atau uji t dua sampel
• Tiga atau lebih sampel: - One way anova, two way anova, ancova,
mancova.
• Uji hubungan : Korelasi Pearson dan Regresi Linier

Uji Statistik Non Parametrik

• Satu sampel: Uji Chi Square (goodness of fit), uji binomial, uji tanda
• Dua sampel independent: Uji Chi Square (independensi), uji median,
uji Man Whitney
• Dua sampel dependent: Uji Mac Nemar, Wilcoxon
• Tiga atau lebih sampel independent: Uji Kruskal Wallis
 UJI STATISTIK PARAMETRIK

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). Mrp distr. Probabilitas dg peluang sbb:
Untuk rentang  ±1 meliputi area prob. 68,27%
Untuk rentang  ±2 meliputi area prob. 95,45%
Untuk rentang  ±3 meliputi area prob. 99,73%
 -3 -2 -1  +1 +2 +3

Rata-rata =
Simpangan baku = 

KURVA NORMAL UMUM

 -3 -2 -1 0 +1 +2 +3

Rata-rata ==0
Simpangan baku =  = 1

KURVA NORMAL STANDAR

 UJI KENORMALAN DATA
→ Apakah data berasal dari populasi yang berdistribusi
normal?
 Bisa digunakan uji Kolmogorof Smirnov atau Saphiro
Wilk

 Ho : F (x) = Fo (x)
F (x) adlh fungsi distribusi populasi yg diwakili oleh sampel
Fo (x) adlh fungsi distr. suatu populasi berdistribusi normal
Atau
DATA BERASAL DARI POPULASI YG BERDISTR. NORMAL

 Ha : F (x)  Fo (x) (uji two tail)

DATA BERASAL DARI POPULASI YANG BERDISTRIBUSI
TIDAK NORMAL
Kesimpulan :
Jika p-value > 0,05 → Ho diterima/gagal ditolak
Sehingga kesimpulannya data
berasal dari populasi yang
berdistribusi normal

Jika p-value < 0,05 → Ho ditolak

Sehingga kesimpulannya data
berasal dari populasi
yang berdistribusi tidak normal
 Contoh: Deskripsi data Umur
umur ibu

Cumulative
Frequency Perc ent Valid Percent Perc ent
Valid 22 2 10.0 10.0 10.0
25 3 15.0 15.0 25.0
27 1 5.0 5.0 30.0
31 4 20.0 20.0 50.0
32 1 5.0 5.0 55.0
33 1 5.0 5.0 60.0
34 2 10.0 10.0 70.0
36 1 5.0 5.0 75.0
39 1 5.0 5.0 80.0
40 2 10.0 10.0 90.0
43 1 5.0 5.0 95.0
47 1 5.0 5.0 100.0
Total 20 100.0 100.0

• Ibu yang berumur 22 tahun sebanyak 2 orang atau 2/20 * 100% = 10,0 %
• Ibu yang berumur 25 tahun sebanyak 3 orang atau 3/20 * 100% = 15,0 %
• Oleh karena itu kumulatif persen menjadi 10,0 % + 15,0 % = 25,0 %
 Histogram data umur
umur ibu
6

2
Frequency

1 Std. Dev = 6.96

Mean = 32.4
0 N = 20.00
20.0 25.0 30.0 35.0 40.0 45.0

umur ibu

 Gambar histogram umur ibu dan terdapat garis / kurva normal

 Batang histogram mirip dengan bentuk dengan kurva normal (seperti lonceng).
 Hal ini membuktikan bahwa distribusi data umur sudah dapat dikatakan normal atau
mendekati normal.
 Namun pengujian normalitas lebih jelas pada explore data.
Pengujian normalitas dengan explore data.

Descriptives

Statistic Std. Error

umur ibu Mean 32,40 1,557
95% Confidence Lower Bound 29,14
Interval for Mean Upper Bound
35,66

5% Trimmed Mean 32,17

Median 31,50
Variance 48,463
Std. Deviation 6,962
Minimum 22
Maximum 47
Range 25
Interquartile Range 12,75
Skewness ,328 ,512
Kurtosis -,461 ,992
 Output uji kenormalan data:
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
umur ibu ,120 20 ,200* ,960 20 ,542
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Pada uji kenormalan , pedoman pengambilan keputusan adalah :

 Nilai sig (signifikansi) atau nilai probabilitas < 0,05, distribusi adalah tidak
normal.
 Nilai sig (signifikansi) atau nilai probabilitas > 0,05, distribusi adalah
normal.
 Pada uji Kolmogorov Smirnov , nilai sig atau p-value = 0,200.
Karena > 0,05 maka dapat dikatakan bahwa distribusi data umur ibu
adalah normal.
 Pada uji Saphiro-Wilk, nilai sig atau p-value = 0,542. Karena > 0,05 maka
dapat dikatakan bahwa distribusi data umur ibu adalah normal.
Contoh Penyusunan Kerangka Konsep
 Hubungan antara besar dan lama paparan vibrasi serta masa kerja dengan
keluhan subyektif Hand Arm Vibration Syndrome pada pekerja
(Studi pada pekerja penggilingan daging dan pemarutan kelapa)
 HIPOTESIS

Pengertian Hipotesis

Macam Hipotesis
Ho → Hipotesis nul
Ha → Hipotesis kerja/hipotesis alternatif
 Hipotesis Nol (Ho)
• Hipotesis nol adalah pernyataan yang menyatakan tidak ada
perbedaan suatu kejadian antara kedua kelompok.
• Atau hipotesis yg menyatakan tidak ada hub. antara variabel
satu dengan variabel yg lain.

Hipotesis alternative (Ha)

• Hipotesis yang menyatakan ada perbedaan suatu kejadian
antara kedua kelompok. Atau hipotesis yang menyatakan ada
hubungan variabel satu dengan variabel yang lain
 Contoh :
b). Hipotesis alternatif (Ha)

1. Ho : Tidak ada hubungan antara kehamilan dengan kadar

hemoglobin ibu
Ha : Ada hubungan antara kehamilan dengan kadar
hemoglobin ibu.

2. Ho : Tidak ada perbedaan rata-rata kadar hemoglobin antara ibu

yang hamil dengan ibu yang tidak hamil.
Ha : Ada perbedaan rata-rata kadar hemoglobin antara ibu
yang hamil dengan ibu yang tidak hamil.

23
 Arah/bentuk uji hipotesis

1. One tail ( satu sisi) :

Bila Ha nya menyatakan adanya perbedaan dan ada pernyataan
yg mengatakan hal yg satu lebih tinggi/rendah dari hal yg lain.
Contoh :
Rata-rata kadar Hb ibu hamil lebih rendah dari rata-rata
kadar Hb ibu yang tidak hamil.

2. Two tail (dua sisi) : mrp hipotesis alternatif yg hanya menyatakan

perbedaan tanpa melihat apakah hal yang satu lebih tinggi/
rendah dari hal yg lain.
Contoh :
Ada perbedaan rata-rata kadar Hb antara ibu yg hamil dgn ibu
yg tidak hamil.
24
 Contoh penulisan hipotesis

CONTOH TWO TAIL

Ho : 1 = 2 ( Tidak ada perbedaan mean tek.darah antara

orang yg merokok dg yg tidak merokok ).
Ha : 1 ≠ 2 ( Ada perbedaan mean tekanan darah antara
orang yg merokok dg yg tidak merokok ).

Ho :  = 0 ( Tidak ada hubungan antara jumlah rokok yg

dihisap dengan tekanan darah)
Ha :  ≠ 0 ( Ada hubungan antara jumlah rokok
yang dihisap dengan tekanan darah)
25
 Contoh penulisan hipotesis

CONTOH ONE TAIL

Ho : 1 = 2 ( Tidak ada perbedaan mean tek.darah antara

orang yg merokok dg yg tidak merokok ).
Ha : 1 > 2 ( Mean tekanan darah orang yg merokok
lebih tinggi dari orang yang tidak merokok ).

Ho :  = 0 ( Tidak ada hubungan antara jumlah rokok yg

dihisap dengan tekanan darah)
Ha :  > 0 ( Ada hubungan positif antara jumlah rokok
yang dihisap dengan tekanan darah)
26 Atau Semakin banyak rokok yang dihisap semakin tinggi TD
 Ho ditolak

KEPUTUSAN UJI
STATISTIK

Ho gagal ditolak/
diterima

27
Umur → TDS

Hubungan positip → X naik Y naik

Hubungan negative → X naik Y turun

Umur → Ketahanan fisik

Two tail

Ho :  = 0 ( Tidak ada hubungan antara umur dengan TDS)

Ha :  ≠ 0 ( Ada hubungan antara umur dengan TDS)

One tail

Ho :  = 0 ( Tidak ada hubungan antara umur dengan TDS)

Ha :  > 0 ( Ada hubungan positip antara umur dengan TDS)
( Semakin umur tinggi umur semakin tinggi TDS)
 PENGAMBILAN KEPUTUSAN

Pendekatan Klasik :
Keputusan Ho ditolak :
jika nilai perhitungan uji statistik >= nilai tabel

Pendekatan Probabilistik :
Keputusan Ho ditolak :
jika nilai sig (signifikansi) atau nilai p < nilai alpha (  )

30
 Kesalahan pengambilan keputusan

Ada dua jenis kesalahan pengambilan keputusan dalam uji statistik, yaitu :

1. Kesalahan tipe I (  )
Mrp kesalahan menolak Ho padahal sesungguhnya Ho benar. Artinya
menyimpulkan adanya perbedaan padahal sesungguhnya tidak ada
perbedaan.

 → Tingkat Signifikansi (significance level).

1-  → Tingkat Kepercayaan (confidence level).

31
 Kesalahan pengambilan keputusan

2. Kesalahan tipe II (  )
Mrp kesalahan tidak menolak Ho padahal sesungguhnya Ho salah. Artinya
menyimpulkan tidak ada perbedaan padahal sesungguhnya ada perbedaan.
Peluang untuk membuat kesalahan tipe II adlh sebesar .
1 -  → Tingkat Kekuatan Uji (power of the test).

Power of the test ( Kekuatan uji ) = 1 - 

Mrp 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. 32
 Menentukan Tingkat kemaknaan

* Tingkat kemaknaan (level of significance) → ,

* Nilai  mrp nilai batas maksimal kesalahan menolak Ho.

* Bila kita menolak Ho berarti menyatakan adanya perbedaan / hubungan.

* Penentuan nilai alpha () tgt dari tujuan dan kondisi penelitian.
* Nilai  yg sering digunakan adalah 10 %, 5 %, 1 %,

* Untuk bidang kesmasy biasanya digunakan nilai  sebesar 5 %.

Sedangkan utk pengujian obat-obatan digunakan batas yg lebih kecil
misalnya 1 %
33
URUTAN PENGUJIAN HIPOTESIS
1. Tentukan hipotesis
2. Tentukan tingkat kemaknaan
3. Pilih uji statistik yang sesuai
4. Hitung dengan uji statistik kemudian cari nilai pada tabel
5. Keputusan : bandingkan nilai hitung dan nilai table
 atau bandingkan nilai p dengan 
6. Kesimpulan
Terima kasih