BIOSTATISTIK

METODE ANALISIS DALAM STATISTIKA INFERSIAL

Disusun untuk memenuhi salah satu tugas mata kuliah Biostatistik

yang diampu oleh Ibu Dr. Ni Komang Yuni Rahyani.,S.Si.T.,M.Kes

Oleh :

NI LUH PUTU DEVITRI PUJAYANI

NIM. P07124219026

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN KEMENTERIAN DENPASAR
PROGRAM STUDI SARJANA TERAPAN
JURUSAN KEBIDANAN
2022
 METODE ANALISIS DALAM STATISTIKA INFERSIAL

Konsep utama statistika inferensial adalah bekerja berdasarkan data sampel dan
kemudian diputuskan apakah hasil analisis dapat digeneralisasikan pada populasi
atau tidak. Untuk mengolah data penelitian menjadi kesimpulan, statistika
inferensial terbagi menjadi dua metode pengolahan, yaitu statistika parametrik dan
nonparametric.Statistika parametrik adalah suatu metode pengambilan kesimpulan
statistic yang didasarkan pada asumsi-asumsi / ciri-ciri yang berlaku pada satu
populasi. Berbeda dengan statistic nonparametrik, diamana metode pengambilan
kesimpulan tidak berdasarkan asumsi-asumsi ciri-ciri suatu populasi. Selain metode
pengolahan dalam membuat kesimpulan, statistika inferensial juga memiliki
beberapa jenis metode yang bisa dimanfaatkan, diantaranya adalah :

A. ONE SAMPLE HYPOTHESIS TESTING

1. Definisi

One Sample Hypothesis Testing merupakan salah satu sarana pengujian

hipotesis yang baik digunakan dalam kondisi sampel kecil. Uji ini bisa digunakan
untuk mengetahui perbedaan rata-rata antara sampel dan nilai rata-rata yang
digunakan pada hipotesis atau perbedaan rata-rata antarasampel dengan nilai median
dari sampel yang kita uji. Sebelum menggunakan One sample Hypothesis Testing,
pastikan data yang kita gunakan memiliki skala interval atau rasio. Sampel yang
terpilih juga harusbersifat random atau acak.
2. Kegunaan
Kegunaan One Sample Hypothesis Testing :
One Sample Hypothesis Testing ini dapat digunakan untuk mengetahui apakah
terdapat perbedaan rata-rata (mean) pada populasi ataupenelitian terdahulu dengan
rata-rata data pada sampel penelitian. Selain ituOne Sample Hypothesis Testing juga
sering digunakan untuk menguji hal- hal seperti :
a. Perbedaan rata-rata antara sampel dan nilai rata-rata yang digunakan pada
hipotesis.
b. Perbedaan rata-rata antara sampel dengan nilai median dari sampelyang kita
uji.
c. Perbedaan rata-rata antara sampel yang kita gunakan dan nilaipeluangnya.
d. Perbedaan statistik antara nilai perubahan dan titik nol.
e. One sample Hypothesis Testing hanya bisa digunakan untuk membandingkan
nilai rata-rata sampel pada satu variabel dengan nilai rata-rata yang sudah
ditentukan.
3. Syarat Melakukan Pengujian One Sample Hypothesis Testing
Untuk melakukan pengujian dengan cara One Sample Hypothesis Testing
pastikan anda sudah mengetahui beberapa syaratnya. Syarat One Sample
Hypothesis Testing ini hanya bisa diterapkan apabila data berdistribusi normal,
One Sample Hypothesis Testing ini memilikipersyaratan yang harus dipenuhi.
Pengujian ini masuk dalam pengujian parametrik sehingga :
a. Sample yang digunakan harus berasal dari populasi yang berdistribusi normal.
b. Jenis datanya bersifat kuantitatif.
c. Jumlah populasi atau sample yang digunakan minimal berjumlah 30.Namun
bila pengujian secara normal tidak bisa maka anda bisa menggunakan uji
Wilcoxon sebagai alternative lain. Dalam penyelesaiannya sendiri, metode ini
bisa dihitung baik secara manual maupun dengan bantuan aplikasi
(menggunakan SPSS).
4. Statistik Pengujian dengan Menggunakan One Sample Hypothesis
Testing
Dalam One Sample Hypothesis Testing, uji statistik yang digunakanadalah
sebagai berikut:
Dalam penggunaan One Sample Hypothesis Testing, kriteria kondisi data yang
harus dipenuhi adalah sebagai berikut:
a. Jenis data yang digunakan adalah interval atau rasio.
b. Sampel yang terpilih dari populasi harus bersiftar random.
c. Tidak terdapat data yang bersifat outlier (ekstrim kiri atau kanan).
d. Varians dari sampel dan populasi bersifat homogen.
B. CONFIDENCE INTERVAL
1. Definisi Confidence Interval

Confidence Interval adalah suatu parameter yang digunakan untuk menentukan

keakuratan Mean atau nilai rata-rata pada suatu sampel. Ketika akan melakukan
sejumlah pengukuran pada sampel dan menghitung nilai rata-rata pengukuran
tersebut, kita dapat memperkirakan nilai aktual untuk pengukuran tersebut.
Confidance Interval atau selang kepercayaan merupakan metode yang digunakan
untuk memperkirakan parameter populasi berdasarkan sampel dengan
menggunakan metode statistic tertentu dalam sebuah rentang tertentu. Tingkat
kepercayaan adalah ukuran percayaan dari sebuah pengujian selang kepercayaan
yang dimiliki secara umum dalam pengukuran statistic adalah 90%, 95% dan 99%.
Semakin tinggi tingkat kepercaaan maka semakin besar nilai standar error.
Penting dalam Confidence Interval yaitu dengan menggunakan interval
kepercayaan ini memiliki margin kesalahan sekecil mungkin. Semakin sempit
interval maka semakin akurat nilai statistic yang digunakan. Margin of error sebagai
bentuk toleransi yang mungkin terjadi dalam pengujian statistic. Pada dasarnya,
sampel diambil secara acak untuk menghasilkan nilai yang dapat mewakili
parameter. Confidence Interval adalah solusi untuk memastikan bahwa data statistic
yang dihasilkan akurat dalam rentang nilai tertentu (yang merupakan margin of
error) dan dapat menggambarkan populasi dengan baik.
2. Dasar Estimasi Selang/Confidence Interval
a. Bahwa sampel yang diambil dari suatu populasi akan berdistribusi (normal)
sekitar µ, dengan simpangan baku adalah Standard Error/SE yaitu sifat
distribusi sampling.
b. Dengan hal itu dapat ditentukan jarak minimum dan maksimum letaknya nilai
µ = confident interval = confident limit = tingkat kepercayaan.
 Rumus Confidence Interval

𝜎 s
dapat diestimasi dengan

Rumus umum Estimasi Selang/Confidence Interval (CI)

St – Z ½α. SE ≤ parameter ≤ St + Z ½α. SE
Atau
xbar – Z ½α.SE ≤ µ ≤ xbar + Z ½α.SE
Di mana:
St= nilai statistik (sampel = xbar)
Z1/2 α=
deviasi relatif (standar score, ditentukan oleh confidentinterval : Z1/2
α 95% = 1.96, Z1/2α 90% = 1.645
SE= standar d error (σ/√n)
Parameter = nilai populasi yg diduga (µ)
3. Nilai Confidence Interval

4. Makna Confidence Interval

a. Peneliti mengakui bahwa dengan confidence Interval 90%, atau 95%, atau
99% maka rentang nilai mean yang didapat, kemungkinan
mengandung/memuat nilai mean populasi.
b. Diakui ada 10%, 5%, 1%, peluang di mana rentang nilai mean yang didapat
kemungkinan tidak mengandung/memuat nilai mean populasi.
C. PEARSON CORRELATION
1. Definisi Korelasi Pearson

Korelasi Pearson atau sering disebut Korelasi Product Moment (KPM)

merupakan alat uji statistik yang digunakan untuk menguji hipotesis asosiatif (uji
hubungan) dua variabel bila datanya berskala interval atau rasio. KPM
dikembangkan oleh Karl Pearson. KPM merupakan salah satu bentuk statistik
parametris karena menguji data pada skala interval atau rasio. Pearson r correlation
biasa digunakan untuk mengetahui hubungan pada dua variabel. Korelasi dengan
Pearson ini mensyaratkan data berdistribusi normal. Rumus yang digunakan adalah
sebagai berikut :
r= nΣxy – (Σx) (Σy)
. √{nΣx² – (Σx)²} {nΣy2 – (Σy)2}
keterangan :
n = Banyaknya Pasangan data X dan Y
Σx = Total Jumlah dari Variabel X
Σy = Total Jumlah dari Variabel Y
Σx2= Kuadrat dari Total Jumlah Variabel X
Σy2= Kuadrat dari Total Jumlah Variabel Y
Σxy= Hasil Perkalian dari Total Jumlah Variabel X dan Variabel Y
2. Pola / Bentuk Hubungan antara 2 Variabel
a. Korelasi Linear Positif (+1) yaitu perubahan salah satu Nilai Variabel diikuti
perubahan Nilai Variabel yang lainnya secara teratur dengan arah yang sama.
Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y akan ikut naik.
Jika Nilai Variabel X mengalami penurunan, maka Variabel Y akan ikut turun.
Apabila Nilai Koefisien Korelasi mendekati +1 (positif Satu) berarti pasangan
data Variabel X dan Variabel Y memiliki Korelasi Linear Positif yang kuat/Erat.
b. Korelasi Linear Negatif (-1) yaitu perubahan salah satu Nilai Variabel diikuti
perubahan Nilai Variabel yang lainnya secara teratur dengan arah yang
berlawanan. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y akan
turun. Jika Nilai Variabel X mengalami penurunan, maka Nilai Variabel Y akan
naik. Apabila Nilai Koefisien Korelasi mendekati -1 (Negatif Satu) maka hal ini
menunjukan pasangan data Variabel X dan Variabel Y memiliki Korelasi Linear
Negatif yang kuat/erat.
c. Tidak Berkorelasi (0) yaitu Kenaikan Nilai Variabel yang satunya kadang-
kadang diikut dengan penurunan Variabel lainnya atau kadang-kadang diikuti
dengan kenaikan Variable yang lainnya. Arah hubungannya tidak teratur,
kadang-kadang searah, kadang-kadang berlawanan.
Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data
Variabel X dan Variabel Y memiliki korelasi yang sangat lemah atau
berkemungkinan tidak berkorelasi.
Tabel tentang Pedoman umum dalam menentukan Kriteria Korelasi :

Kriteria
r Hubungan

0 Tidak ada Korelasi

0 – 0.5 Korelasi Lemah

0.5 – 0.8 Korelasi sedang

0.8 – 1 Korelasi Kuat / erat

1 Korelasi Sempurna

D. Bi-variate Regression
Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini
biasanya dilakukan untuk melihat apakah satu variabel, seperti jeniskelamin, adalah
terkait dengan variabel lain, mungkin sikap terhadap pria maupun wanita
kesetaraan. Analisis Bivariat yaitu hipotesis yang diuji biasanya kelompok yang
berbeda dalam ciri khas tertentu dengan koefisienkontigensi yang diberi simbol C.
Analisis bivariat menggunakan tabel silang untuk menyoroti dan menganalisis
perbedaan atau hubungan antara dua variabel. Menguji ada tidaknya
perbedaan/hubungan antara variabel kondisi pemukian, umur, agama, status
migrasi, pendidikan, penghasilan, umur perkawinan pertama, status kerja dan
kematian bayi/balita dengan persepsi nilai anak digunakan analisis chi square,
dengan tingkat kemaknaan a 0,05. Hasil yang diperolehpada analisis chi square,
dengan menggunakan program SPSS yaitu nilai p,kemudian dibandingkan dengan
a 0.05. Apabila nilai px dari a-0.05 maka ada hubungan atau perbedaan antara dua
variabel tersebut. Analisis bivariatmenggunakan tabel silang untuk menyoroti dan
menganalisis perbedaan atau hubungan antara dua variabel. Menguji ada tidaknya
perbedaan/hubungan antara variabel metode ceramah dan metode demonstrasi
terhadap peningkatan daya hidup sehat siswa digunakan analisis Chi Square,dengan
tingkat kemaknaan 4-0,05. Hasil yang diperoleh pada analisis Chi Square dengan
menggunakan program SPSS yaitu nilai p, kemudian dibandingkan dengan 4-0.05.
Apabila nilai p lebih kecil dari 0,05 maka ada hubungan perbedaan antara dua
variabel tersebut Sedangkan untuk mengetahui kuatnya perbedaan antara variabel
dikonsultasikan dengan Contingency Coefficient (untuk variabel dengan data
nominal) sementara untuk mengetahui pola dan kuatnya hubungan antara variable
dikonsultasikan dengan uji Spearman Correlation(untuk variabel dengan data
interval). Nilai Chi Square, Contingency Coefficient dan Spearman Correlation
diperoleh dari hasil pengolahanprogram SPSS (Santoso, 2000: 30).
E. Multivariate Regression
Teknik analisis multivariat dikenal luas karena organisasi bisa menciptakan
pengetahuan lewat teknik tersebut dan dengan demikian meningkatkan
pengambilan keputusan mereka. Analisis multivariat adalah semua teknik statistik
yang secara bersamaan menganalisa pengukuran berganda pada individu atau objek
yang diteliti. Dengan demikian, setiap analisis simultan yang terdiri dari dua atau
beberapa variabel dapat dianggap sebagai analisis multivariat. Teknik-teknik
multivariat merupakan pengembangan dari analisis univariat (analisis distribusi satu
variabel) dan analisis bivariat (klasifikasi menyilang, korelasi, analisis varians,dan
regresi sederhana yang digunakanuntuk menganalisis dua variabel). Misalnya,
regresi sederhana (dengan satuvariabel prediktor) dikembangkan dalam multivariat
menjadi beberapa variabel prediktor. Begitu pula, variabel dependen tunggal dalam
analisis varians dikembangkan dalam analisis multivariat varians menjadi beberapa
variabel dependen berganda. Beberapa teknik multivariat (misalnya, regresi
berganda dan analisis multivariat varians) menjadi cara untuk melakukan analisis
tunggal seperti pada analisis univariat berganda. Namun, teknik- teknik multivariat
lainnya, secara khusus dirancang untuk menangani masalah-masalah multivariat,
seperti analisis faktor, yang mengidentifikasi struktur yang mendasari
pengelompokkan variabel, atau analisis diskriminan, yang membedakan antar
kelompok berdasarkan satu kelompok variabel. Kebingungan kadang-kadang
muncul mengenai apa itu analisis multivariat, karena istilah ini tidak digunakan
secara konsisten dalam literatur. Beberapapeneliti menggunakan multivariat hanya
untuk memaksudkan hubungan antara diantara lebih dari dua variabel. Peneliti
lainnya menggunakan istilah itu hanya untuk masalah variabel berganda yang
diasumsikan memiliki distribusi multivariat normal. Namun, Untuk memastikan
benar-benar multivariat, semua variabel harus acak dan diperhubungkan dengan
sedemikian rupa sehingga perbedaan efeknya tidak bisa dimaknai secara terpisah.
Beberapa penulis menyatakan bahwa tujuan dari analisis multivariat adalah untuk
mengukur, menjelaskan, dan memprediksi tingkathubungan antar Variatas (bobot
kombinasi variabel). Jadi, karakter multivariat terletak pada Variatas berganda
(bobot kombinasi variabel), danbukan hanya dalam jumlah variabel atau observasi.
Analisis multivariat mencakup teknik yang bisa dimultivariatkan (multivariable
technigue) danteknik yang benar-benar multivariat, karena kita percaya bahwa ilmu
teknikmultivariabel adalah langkah awal yang penting dalam memahami analisis
multivariat.
F. Chi-square Statistics and Contingency Table
1. Definisi Chi-Square

Chi-Square adalah suatu teknik statistik yang memungkinkan penyelidikan

menilai probabilitas memperoleh perbedaan frekuensi yang nyata (yang
diobservasi) dengan frekuensi yang diharapkan dalam kategori-kategori tertentu
sebagai akibat dari kesalahan sampling.
2. Manfaat chi square:
a. Chi kuadrat adalah alat untuk mengadakan estimasi. Digunakan untuk menaksir
apakah ada perbedaan yang signifikan antara frekuensi yang diobservasi
dengan frekuensi yang di harapkan dalam populasi.Frekuensi yang diharapkan
dalam populasi ini disebut juga frekuensi hipotetik karena digunakan sebagai
alat hipotesis yang akan diuji denganfrekuensi yang diperoleh dari sampel. Oleh
karena itu chi kuadrat sebagaialat estimasi berkedudukan juga sebagai alat
pengetes hipotesis.
b. Chi kuadrat adalah alat untuk mengadakan pengetesan hipotesis.
c. Tiap-tiap pengetesan hipotesis harus membandingkan sedikitnya dua sampel.
Dalam hal ini apakah frekuensi yang diperolehdalam sampel yang satu berbeda
secara signifikan ataukah tidak dengan frekuensi yangdiperoleh dalam sampel
 lainnya.
d. Chi kuadrat sebagai alat mengetes signifikan korelasi antara dua factor atau
lebih.
3. Syarat Uji Chi Square
Syarat umum uji Chi Square adalah frekuensi responden atau sampel yang
digunakan besar, sebab ada beberapa syarat Chi Square dapat digunakan yaitu:
a. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga ActualCount
(F0) sebesar 0 (Nol).
b. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell sajayang
memiliki frekuensi harapan atau disebut juga expected count(“Fh”) kurang
dari 5.
c. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan
frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.
4. Karakteristik Chi‐Square
a. Nilai Chi‐Square selalu positif.
b. Terdapat beberapa keluarga distribusi Chi‐Square, yaitu Distribusi Chi‐
Square dengan DK=1, 2, 3, dst.
c. Bentuk distribusi Chi‐Square adalah menjulur positif.
G. ANOVA Or T-Test
1. Definisi Anova (Analysis Of Varian)
Anova digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua
kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata lama
hari dirawat antara pasien kelas VIP, I, II, dan kelas III. Anova mempunyai dua
jenis yaitu analisis varian satu faktor (one way anova) dan analsis varian dua faktor
(two ways anova). Pada kesempatan ini hanya akan dibahas analisis varian satu
faktor. Beberapa asumsi yang harus dipenuhi pada uji Anova adalah:
a. Sampel berasal dari kelompok yang independen.
b. Varian antar kelompok harus homogeny.
c. Data masing-masing kelompok berdistribusi normal.
Asumsi pertama harus dipenuhi pada saat pengambilan sampel yang
dilakukan secara random terhadap beberapa (> 2) kelompok yang independen, yang
mana nilai pada satu kelompok tidak tergantung pada nilai di kelompok lain.
Sedangkan pemenuhan terhadap asumsi kedua dan ketiga dapat dicek jika data telah
dimasukkan ke komputer, jika asumsi ini tidak terpenuhi dapat dilakukan
transformasi terhadap data. Apabila proses transformasi tidak juga dapat memenuhi
asumsi ini maka uji Anova tidak valid untuk dilakukan, sehingga harus
menggunakan uji non-parametrik misalnya Kruskal Wallis.
Uji Anova pada prinsipnya adalah melakukan analisis variabilitas data
menjadi dua sumber variasi yaitu variasi didalam kelompok (within) dan variasi
antar kelompok (between). Bila variasi within dan between sama (nilai
perbandingan kedua varian mendekati angka satu), maka berarti tidak ada
perbedaan efek dari intervensi yang dilakukan, dengan kata lain nilai mean yang
dibandingkan tidak ada perbedaan. Sebaliknya bila variasi antar kelompok lebih
besar dari variasi didalam kelompok, artinya intervensi tersebut memberikan efek
yang berbeda, dengan kata lain nilai mean yang dibandingkan menunjukkan adanya
perbedaan. Rumus uji Anova adalah sebagai berikut:

DF = Numerator (pembilang) = k-1,

Denomirator (penyebut) = n-k
Dimana varian between :

Dimana rata-rata gabungannya :

Sementara varian within :

 KETERANGAN :
Sb = varian between
Sw = varian within
Sn2 = varian kelompok
X = rata-rata gabungan
Xn = rata-rata kelompok
Nn = banyaknya sampel pada kelompok
k = banyaknya kelompok.
2. Uji T-Test
Uji t adalah uji statistik yang digunakan untuk menguji kebenaran atau
kesalahan hipotesis nol. Tes T pertama kali dikembangkan oleh William Seely
Gosset pada tahun 1915. Awalnya William Seely Gosset menggunakan nama
samara siswa, dan huruf T yang terdapat dalam tes istilah "t" dari huruf terakhir
namanya. Uji-t juga dikenal sebagai siswa t. Uji T (T- Uji) adalah statistik uji yang
sering dijumpai dalam masalah statistik praktis. Uji T adalah sekelompok statistik
parametrik. Uji T adalah teknik statistik yang digunakan untuk menguji perbedaan
antara dua sampel, dimana data memiliki skala interval atau rasio. T-Uji tidak dapat
digunakan untuk data dengan skala nominal atau ordinal. uji T (T-Uji) dapat
digunakan untuk menguji sampel bebas (independen) atau berpasangan. Yang
dimaksud dengan sampel bebas adalah sampel dari populasi yang berbeda atau
kelompok subjek yang berbeda. Sedangkan sampel berpasangan adalah sampel
yang diambil dari populasi yang sama atau kelompok subjek yang sama. Baik
sampel independen (independen) atau berpasangan menghasilkan dua set data.
Kedua kelompok data ini dibandingkan melalui uji-T. Uji T ( T-Uji) Ada beberapa
bagian yang meliputi : One Sample T Test ( Satu Sampel T-Test), Uji T untuk dua
sampel independen (Uji T Sampel Independen) dan T-test untuk dua sampel
berpasangan ( Uji T Sampel Berpasangan). Namun dalam makalah ini hanya akan
dibahas 2 bagian yaitu Uji T Satu Sampel (Uji-T Satu Sampel) dan Uji T untuk dua
sampel independen (Uji T Sampel Independen).
a. Uji T (T-Test ) Satu Sampel (One Sample T-Test)
Statistik parametrik yang dapat digunakan untuk menguji
hipotesisdeskriptif bila datanya interval atau rasio adalah T-Test satu
sampel. One SampleT-Test atau dikenal dengan uji satu langkah. One
Sample T-Test ini melakukan perbandingan sebuah variabel atau peubah
bebas. Metode ini biasanya digunakanuntuk menyelidiki apakah suatu value
tertentu mempunyai perbedaan secarasignifikan atau tidak dengan mean
suatu kelompok sampel. Uji T untuk satu sample One Sample T-Test
merupakan prosedur uji-t untuk sampel tunggal jikarata-rata suatu variabel
tunggal dibandingkan dengan suatu nilai konstanta tertentu (µ, o). Uji-t satu
sampel ini biasanya digunakan pada penelitian-penelitian yang bersifat
eksperimental tetapi dengan desain pre-eksperimental atau quasi
eksperimen. One Sample T-Test bertujuan menguji apakah suatu nilai
tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah
tidak dengan rata-rata sebuah sampel.
Penggunaan uji hipotesis pada metode ini adalah diambil sebuah data
yangakan dianalisis kemudian dicari perbedaan dari mean data tersebut.
Adapun langkah-langkah yang dapat dilakukan antara lain sebagai berikut :
1) Menentukan hipotesis nol dan hipotesis alternatifnya. Sesuaikan dengan
permasalahan yang ditentukan.
2) Pilih tingkat kepercayaan tertentu sesuai dengan bidang yang
dipilih,kemudian tentukan besarnya sampel yang diambil.
3) Menentukan statistik uji yang sesuai sebagai dasar bagi prosedur
pengujian.
4) Menentukan daerah kritisnya yang sesuai.
5) Mengumpulkan data sampel dan menghitung statistik
sampelnya,selanjutnya merubah kedalam variabel normal standar (Z)
atau t (tergantung banyaknya sampel).
6) Nyatakan menolak atau menerima Ho.
Sebenarnya terdapat dua rumus yang dapat digunakan untuk pengujian,
yaitu rumus t dan z. Rumus z digunakan bila simpangan baku populasi
diketahui, dan rumus t, bila simpangan baku populasi tidak ketahui sehingga
diduga dengan simpangan baku sampel. Terdapat duamacam pengujian
pengujian hipotesis deskriptif yaitu dengan uji dua pihak (two tail Test) dan
uji satu pihak (one tail Test). Uji satu pihak ada 2macam, yaitu uji pihak
kanan dan uji pihak kiri. Jenis uji mana yang akandigunakan tergantung
pada bunyi kalimat hipotesis. Rumus yangdigunakan untuk menguji
hpotesis deskriptif (satu sampel) data intervalatau rasio adalah seperti yang
tertera dalam rumus :

Keterangan :
t = Nilai t yang dihitung, selanjutnya disebut t
hitung x = Rata-rata X
µo = Nilai yang hipotesiskan
s = Simpangan Baku sampel
n = Jumlah anggota populasi
Langkah-langkah dalam pengujian hipotesis deskriptif :
1) Buatlah Ha dan Ho dalam bentuk kalimat.
2) Buatlah Ha dan Ho dalam model statistic.
3) Hitung rata-rata data.
4) Hitung simpangan baku dengan menggunakan rumus simpangan
bakusampel.
5) Hitung harga t.
6) Melihat harga t-tabel dengan dk = n – 1 dan juga diketahui apakah
pengujian dengan menggunakan uji pihak kiri, pihak kanan atau uji dua
pihak.
7) Bandingkan harga t-hitung dengan t-tabel dengan ketentuan jika t-
hitunglebih besar dari t-tabel ( t-hitung > t-tabel ), maka Ho ditolak atau
Haditerima dan jika t-hitung lebih kecil dari t-tabel ( t-hitung < t-tabel)
maka Ho diterima dan Ha ditolak.
8) Membuat keputusan pengujian hipotesis.
b. Uji Dua Pihak (Two Tail Test)
Uji dua pihak digunakan bila hipotesis nol (Ho) berbunyi “sama
dengan”dan hipotesis alternatifnya (Ha) berbunyi “tidak sama dengan”(Ho
= Ha ≠ ).
Contoh Rumusan Hipotesis :
Hipotesis nol : Daya tahan berdiri guru SMA tiap hari samadengan 8
jamHipotesis alternatif : Daya tahan berdiri guru SMA tiap hari tidak
samadengan 8 jamHo:= 8 jam.Ha: ≠ 8 jam.
c. Paired-sample t-Test
Analisis Paired-sample t-Test merupakan prosedur yang digunakan
untuk membandingkan rata-rata dua variabel dalam satu group. Artinya
analisis ini berguna untuk melakukan pengujian terhadap satu sampel yang
mendapatkan sutau treatment yang kemudian akan dibandingkan rata-rata
dari sampel tersebut antara sebelum dan sesudah treatment.
d. Independent sample t-Test
Independent sample t-Test adalah uji yang digunakan untuk menentukan
apakah dua sampel yang tidak berhubungan memiliki rata-rata yang
berbeda. Jadi tujuan metode statistik ini adalah membandingkan rata-rata
dua grup yang tidak berhubungan satu sama lain. Pertanyaan yang coba
dijawab adalah apakah kedua grup tersebut mempunyai nilai rata-rata yang
sama ataukah tidak sama secara signifikan.
 DAFTAR PUSTAKA

Armeini, A. (Maret, 2017). STATISTIKA INFERENSIAL UNTUK PSIKOLOGI DAN

PENDIDIKAN. Jakarta: K E N C A N A.

Syukra Alhamda. 2018. Buku Ajar Metlit dan Statistik. Yogyakarta :

DeepublistArianto, Agus. 2004. Statistik Konsep Dasar, Aplikasi, dan
Pengembangannya, Jakarta : Kencana Prenadamedia Group

Soentoro, Ali Idris. 2015. Cara Mudah Belajar Metodologi Penelitian Dengan Aplikasi
Statistika: Edisi Pertama, Depok: PT Taramedia Bakti Persada