UJIAN TENGAH SEMESTER (UTS)

MATA KULIAH BIOSTATISTIKA

UJI HIPOTESIS

Oleh
Kelompok 3

Riza Khoiriyah 291221005

Afina Puspita Zari 291221007
Achmad Dzulkifli 291221010
Kristoforus Samson 291221021

Program Magister Prodi S-2 Ilmu Kesehatan Masyarakat

Universitas Airlangga
Fakultas Kesehatan Masyarakat
2022

1
 KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, karena atas segala
rahmat-Nya makalah tugas untuk memenuhi ujian tengah semester (UTS) mata kuliah
Biostatistika tentang uji hipotesis ini dapat disusun dengan baik.
Kami menyadari bahwa sebagai manusia tidak akan pernah luput dari kekeliruan dan
kesalahan walaupun telah diusahakan sebaik mungkin. Untuk itu, dengan segenap kerendahan
hati, Kami menerima kritik dan saran yang bersifat membangun dari semua pihak demi
perbaikan dan penyempurnaan makalah ini.

Surabaya, 21 Oktober 2022

Kelompok 3 Tugas Biostatistika

Program Magister Prodi S-2 Ilmu Kesehatan Masyarakat

Universitas Airlangga – Fakultas Kesehatan Masyarakat

i
 DAFTAR ISI
KATA PENGANTAR.................................................................................. i
DAFTAR ISI ............................................................................................... ii
BAB 1. PENDAHULUAN ........................................................................... 1
1.1 Latar Belakang ....................................................................................... 1
1.2 Tujuan ....................................................................................................1
1.3 Manfaat ..................................................................................................1
BAB 2. PEMBAHASAN ............................................................................. 2
2.1 Definisi Hipotesis …………………………………………………..….. 2
2.2 Konsep Dasar Uji Hipotesis ………………………………………..…. 3
2.3 Kegunaan Pengujian Hipotesis ……………………………………..…. 3
2.4 Langkah – Langkah Uji Hipotesis …………………………………..… 5
2.5 Contoh kasus ………………………………………………………….. 15
BAB 3. PENUTUP ..................................................................................... 17
3.1 Kesimpulan ........................................................................................... 17
3.2 Saran..................................................................................................... 17
DAFTAR PUSTAKA ................................................................................. 19
LAMPIRAN ............................................................................................... 20

ii
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Dalam dunia pendidikan tidak asing lagi dengan istilah penelitian. Penelitian adalah
proses mencari kebenaran ilmu pengetahuan secara teliti dan sistemik yang dilakukan secara
ilmiah dengan metode deduktif dan induktif.
Dalam penelitian yang bersifat kuantitatif dan penelitian tersebut memiliki sampel yang
diambil dari suatu populasi tertentu maka diharapkan hasil penelitian yang didapat dapat
mewakili populasi (representatif/ dapat di-generalisir).
Untuk itu diperlukan verifikasi dari proposisi yang dibahas, tentunya proposisi tersebut
harus sudah diempiriskan sehingga variabelnya dapat konkret dalam bentuk hipotesis.
Hipotesis menurut Anwar (2020) adalah suatu pernyataan tentang parameter populasi
yang masih harus diverifikasi. Sedangkan uji hipotesis adalah prosedur berdasarkan data
sampel dan teori probabilitas, apakah hipotesis ini masuk akal (diterima) atau apakah hipotesis
ini tidak masuk akal (ditolak). Untuk itu makalah ini dibuat agar dapat menjelaskan bagaimana
suatu hipotesis itu dilakukan.

1.2 Tujuan
Agar mahasiswa dapat memahami pembuatan hipotesis, uji hipotesis, langkah-langkah
uji hipotesis, hingga interpretasi hasil keputusan hipotesis.

1.3 Manfaat
Menambah khasanah literasi dengan tema hipotesis.

1
 BAB II
PEMBAHASAN

2.1 Definisi Hipotesis

Hipotesis berasal dari bahasa Yunani, Hupo berarti Lemah atau kurang atau di bawah.
Thesis berarti teori, proposisi atau pernyataan yang disajikan sebagai bukti. Sehingga hipotesis
dapat diartikan sebagai Pernyataan yang masih lemah kebenarannya dan perlu dibuktikan atau
dugaan yang sifatnya masih sementara. Hipotesis juga dapat diartikan sebagai pernyataan
keadaan populasi yang akan diuji kebenarannya menggunakan data/informasi yang
dikumpulkan melalui sampel, dan dapat dirumuskan berdasarkan teori, dugaan, pengalaman
pribadi/orang lain, kesan umum, kesimpulan yang masih sangat sementara (Anwar, 2020).
Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang
sifatnya masih sementara atau lemah kebenarannya. Hipotesis statistik dapat berbentuk suatu
variabel seperti binomial, poisson, dan normal atau nilai dari suatu parameter, seperti rata- rata,
varians, simpangan baku, dan proporsi. Hipotesis statistik harus diuji, karena itu harus
berbentuk kuantitas untuk dapat diterima atau ditolak. Hipotesis statistik akan diterima jika
hasil pengujian membenarkan pernyataannya dan akan ditolak jika terjadi penyangkalan dari
pernyataannya.
Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan memutuskan
apakah menerima atau menolak hipotesis itu. Dalam pengujian hipotesis, keputusan yang
dibuat mengandung ketidakpastian, artinya keputusan bisa benar atau salah, sehingga
menimbulkan risiko. Besar kecilnya risiko dinyatakan dalam bentuk probabilitas. Pengujian
hipotesis merupakan bagian terpenting dari statistik inferensi (statistic induktif), karena
berdasarkan pengujian tersebut, pembuatan keputusan atau pemecahan persoalan sebagai dasar
penelitian lebih lanjut dapat terselesaikan. (Anwar, 2020).
Menurut Kerlinger (1973:18) dan Tuckman (1982:5) mengartikan hipotesis adalah
sebagai dugaan terhadap hubungan antara dua variable atau lebih. Selanjutnya menurut
Sudjana (1992:219) mengartikan hipotesis adalah asumsi atau dugaan mengenai suatu hal yang
dibuat untuk menjelaskan hal itu yang sering dituntut untuk melakukan pengecekannya. Atas
dasar dua definisi diatas, maka dapat disimpulkan bahwa hipotesis adalah jawaban atau dugaan
sementara yang harus diuji lagi kebenarannya.

2
2.2 Konsep Dasar Uji Hipotesis
Konsep dasar uji hipotesis adalah prosedur berdasarkan data sampel dan teori
probabilitas, apakah hipotesis ini masuk akal (diterima) atau apakah hipotesis ini tidak masuk
akal (ditolak). Dalam hal ini akan dikenal istilah “Hipotesis Penelitian”.
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 serta
dukungan data yang nyata dilapangan.
Hipotesis nol adalah pernyataan tidak adanya hubungan, pengaruh, atau perbedaan
antara parameter dengan statistik. Hipotesis Nol (Ho) dirumuskan dengan kalimat negatif. Nilai
Hipotesis Nol (Ho) harus menyatakan dengan pasti nilai parameter.
Sedangkan, hipotesis alternatif (Ha) adalah kebalikan hipotesis nol, yang dirumuskan
dengan kalimat positif. Dalam menyusun hipotesis alternative (Ha), akan dapat timbul 3
keadaan berikut.
1. Ha menyatakan bahwa harga parameter lebih besar dari pada harga yang dihipotesiskan.
Pengujian itu disebut pengujian satu sisi atau satu arah, yaitu pengujian sisi atau arah
kanan.
2. Ha menyatakan bahwa harga parameter lebih kecil daripada harga yang dihipotesiskan.
Pengujian itu disebut pengujian satu sisi atau satu arah, yaitu pengujian sisi atau arah kiri.
3. Ha menyatakan bahwa harga parameter tidak sama dengan harga yang dihipotesiskan.
Pengujian itu disebut pengujian dua sisi atau dua arah, yaitu pengujian sisi atau arah kanan
dan kiri sekaligus.

2.3 Kegunaan Pengujian Hipotesis

Fungsi atau kegunaan hipotesis yang disusun dalam suatu rencana penelitian,
setidaknya ada empat yaitu :
1. Hipotesis memberikan penjelasan sementara tentang gejala-gejala serta memudahkan
perluasan pengetahuan dalam suatu bidang.
Untuk dapat sampai pada pengetahuan yang dapat dipercaya mengenai masalah
pendidikan, peneliti harus melangkah lebih jauh daripada sekedar mengumpulkan fakta
yang berserakan, untuk mencari generalisasi dan antar hubungan yang ada diantara fakta-
fakta tersebut. Antar hubungan dan generalisasi ini akan memberikan gambaran pola, yang
penting untuk memahami persoalan. Pola semacam ini tidaklah menjadi jelas selama
pengumpulan data dilakukan tanpa arah. Hipotesis yang telah terencana dengan baik akan
3
 memberikan arah dan mengemukakan penjelasan. Karena hipotesis tersebut dapat diuji
dan divalidasi (pengujian kesahihannya) melalui penyelidikan ilmiah, maka hipotesis
dapat membantu kita untuk memperluas pengetahuan.
2. Hipotesis memberikan suatu pernyataan hubungan yang langsung dapat diuji dalam
penelitian.
Pernyataan tidak dapat diuji secara langsung. Penelitian memang dimulai dengan suatu
pernyataan, akan tetapi hanya hubungan antara variabel yang akan dapat diuji. Misalnya,
peneliti tidak akan menguji pertanyaan apakah komentar guru terhadap pekerjaan murid
menyebabkan peningkatan hasil belajar murid secara nyata, akan tetapi peneliti menguji
hipotesis yang tersirat dalam pernyataan tersebut “komentar guru terhadap hasil pekerjaan
murid, menyebabkan meningkatnya hasil belajar murid secara nyata“ atau yang lebih
spesifik lagi “skor hasil belajar siswa yang menerima komentar guru atas pekerjaan mereka
sebelumnya akan lebih tinggi dari pada skor siswa yang tidak menerima komentar guru
atas pekerjaan mereka sebelumnya“. Selanjutnya peneliti, dapat melanjutkan penelitiannya
dengan meneliti hubungan antara kedua variabel tersebut, yaitu komentar guru dan prestasi
siswa.
3. Hipotesis memberikan arah kepada penelitian
Hipotesis merupakan tujuan khusus. Dengan demikian hipotesis juga menentukan sifat-
sifat data yang diperlukan untuk menguji pernyataan tersebut. Secara sangat sederhana,
hipotesis menunjukkan kepada para peneliti apa yang harus dilakukan. Fakta yang harus
dipilih dan diamati adalah fakta yang ada hubungannya dengan pernyataan tertentu.
Hipotesislah yang mentukan relevansi fakta-fakta itu. Hipotesis ini dapat memberikan
dasar dalam pemilihan sampel serta prosedur penelitian yang harus dipakai. Hipotesis juga
dapat menunjukkan analisis statistik yang diperlukan dan hubungannya yang harus
menunjukkan analisis statistik yang diperlukan agar ruang lingkup studi tersebut tetap
terbatas, dengan mencegahnya menjadi terlalu sarat.
Sebagai contoh, lihatlah kembali hipotesis tentang latihan pra sekolah bagi anak- anak
kelas satu yang mengalami hambatan kultural. Hipotesis ini menunjukkan metode
penelitian yang diperlukan serta sampel yang harus digunakan. Hipotesis inipun bahkan
menuntun peneliti kepada tes statistik yang mungkin diperlukan untuk menganalisis data.
Dari pernyataan hipotesis itu, jelas bahwa peneliti harus melakukan eksperimen yang
membandingkan hasil belajar dikelas satu dari sampel siswa yang mengalami hambatan
kultural dan telah mengalami program pra sekolah dengan sekelompok anak serupa yang
tidak mengalami progaram pra sekolah. Setiap perbedaan hasil belajar rata-rata kedua
4
 kelompok tersebut dapat dianalaisis denga tes atau teknik analis variansi, agar dapat
diketahui signifikansinya menurut statistik.
4. Hipotesis memberikan kerangka untuk melaporkan kesimpulan penyelidikan.
Akan sangat memudahkan peneliti jika mengambil setiap hipotesis secara terpisah dan
menyatakan kesimpulan yang relevan dengan hipotesis tersebut. Artinya, peneliti dapat
menyusun bagian laporan tertulis ini diseputar jawaban-jawaban terhadap hipotesis
semula, sehingga membuat penyajian ini lebih berarti dan mudah dibaca (Andrew, dkk.
2021).

2.4 Langkah – Langkah Uji Hipotesis

Prosedur uji hipotesis statistik adalah langkah-langkah yang dipergunakan dalam
menyelesaikan pengujian hipotesis tersebut. Berikut ini langkah-langkah pengujian hipotesis
statistik adalah sebagai berikut:
1. Menyatakan Hipotesis Null (Ho) dan Hipotesis Alternatif (Ha)
Hipotesis nol dirumuskan dengan kalimat negatif. Sedangkan sebaliknya hipotesis
alternatif (Ha) dirumuskan dengan kalimat positif.

Sehingga sebagai contoh Ho dan H1 dapat dinyatakan sebagai berikut :

Ho : Tidak ada beda rata-rata sampel dengan populasi, dengan notasi : Ho : μ = k
Ha : Ada beda antara rata-rata sampel dengan populasi, dengan notasi : Ho : μ ≠ k

Ha bisa berupa “tidak ada beda”, “tidak ada hubungan”, atau “tidak ada pengaruh” dan
merupakan kebalikan dari Ho dan tergantung uji yang digunakan (uji beda,uji
hubungan,uji pengaruh).

Bila konteks yang dibahas adalah berupa equality (persamaan) maka yang dimaksud
adalah Ho. Konteks persamaan adalah terdapat “sama dengan, lebih dari sama dengan, dan
kurang dari sama dengan”.
Bila konteks yang dibahas adalah berupa inequality (pertidaksamaan) maka yang
dimaksud adalah Ha. Konteks pertidaksamaan adalah terdapat “tidak sama dengan, lebih
dari, dan kurang dari”. Secara lebih jelas dituangkan dalam tabel berikut:

5
Gambar 1: Konsep Batasan Dasar Penentuan Hipotesis dan Kurva“Tes of Significancy”

Ho Ha Test Of Sign Kurva Distribusi Norma: Pernyataan Ho dan Ha

Test Of Significancy

= ≠ 2 tailed Ho : μ = k Ha : μ ≠ k

≤ ˃ 1 tail right side Ho : μ ≤ k Ha : μ ˃ k

≥ ˂ 1 tail left side Ho : μ ≥ k Ha : μ ˂k

Adapun untuk menentukan kurva yang dipakai adalah kurva two tailed (kurva 2 ekor) atau
kurva dengan one tailed (kurva 1 ekor), maka lebih mudah dengan cara melihat Ha.
a. Bila Ha berbunyi tidak sama dengan maka kurva two tailed (kurva 2 ekor);
b. bila Ha berbunyi lebih besar atau lebih kecil, maka kurva one tailed (kurva 1 ekor).
Adapun ke kanan bila Ha lebih besar, dan ke kiri bila Ha lebih kecil.

6
2. Menentukan Level Signifikansi dan Risiko terjadi Kesalahan Tipe I dan Tipe II
(Type of Errror of Significancy)

Untuk besar signifikansi /derajat kemaknaan tidak terdapat ketentuan yang baku. Ini
berarti nilainya dapat ditentukan berapapun, namun derajat kemaknaan yang lazim
digunakan adalah (α = 0.05 atau 0.01).

Semakin besar derajat kemaknaan (α), maka semakin sempit daerah penerimaan hipotesis
sehingga semakin kecil peluang menerima Ho dan akhirnya semakin sering kita menolak
hipotesis walaupun hipotesis benar atau peluang untuk menolak hipotesis yang benar akan
semakin besar. Kesalahan ini disebut kesalahan tipe 1 atau lebih disebut dengan simbol α.

Sebaliknya, semakin besar jika derajat kemaknaan (α),maka semakin besar untuk
menerima hipotesis yang salah. Kesalahan ini disebut kesalahan tipe 2 yang disebut
dengan simbol 𝛽.

Gambar Cross Tabel Konsekuensi Keputusan Dibanding dengan Kondisi Ho Sebenarnya

Actual Truth of Ho
Decision Researcher:
Ho is True Ho is False

Ho DITERIMA CORRECT DECISION TYPE II ERROR (β)

Ho DITOLAK TYPE I ERROR (α) CORRECT DECISION

Risiko terjadi Kesalahan Tipe I dan Tipe II akan merugikan generalisasi sampel kepada
populasi, karena Tipe I : Ho Ditolak, padahal kenyataannya Ho benar, dan Tipe II : Ho
Diterima, padahal kenyataannya Ho salah.
3. Menentukan Uji 1 ekor atau 2 ekor dan Menentukan Batas Nilai Kritis dari Distribusi
Normal
Sebelum membahas penentuan uji 1 ekor atau 2 ekor maka dipahami terlebih dahulu
tentang Nilai Kritis.
a. Nilai Kritis
Kurva distribusi normal dapat menggambarkan daerah penolakan Ho dan daerah
penerimaan Ho, dengan batasan / titik pemisah (cut off point) yang disebut critical
values atau nilai kritis. Nilai kritis diambil dari nilai kritis tabel stastistik.

7
Nilai kritis dapat memberikan informasi berapa nilai probabilitas yang dimiliki oleh
variabel/data tertentu sehingga nilai kritis membagi kurva menjadi beberapa bagian
yaitu bagian penerimaan dan bagian penolakan suatu hipotesis.

Gambar Kurva Daerah Penerimaan dan Penolakan Ho

Distribusi normal t sedikit berbeda dengan distribusi normal nilai titik Z. Nilai titik t
hampir identik dengan nilai kritis Z (yang memotong area pada distribusi normal).
Distribusi normal t digambarkan dengan garis hitam pada gambar dibawah, terlihat
lebih tinggi dari distribusi normal Z, yang digambarkan dengan garis putus-putus. Inilah
dasar yang menentukan bahwa sampel di bawah 30 menggunakan distribusi t,
sedangkan untuk sampel di atas 30 menggunakan distribusi Z.

Gambar . Perbandingan distribusi normal t dan distribusi normal Z

Besaran nilai kritis ditentukan dari besaran signifikansi α. Contoh α = 5% (0.05).

1) Jika yang diminta adalah uji t maka tambahan yang harus diketahui adalah besarnya
derajat kebebasan. Besarnya derajat kebebasan diambil dari jumlah n sampel
dikurangi 1 (df = n-1). Misal n = 20, maka df = 19. Dengan kurva distribusi normal

8
 2 ekor , sehingga α/2 yaitu sebesar 0.025. maka batas nilai kritis nya adalah sebesar
2.093 di ekor kanan dan -2.093 di ekor kiri.

-2.093 2.093

Angka batas kritis 2.093 diambil dari tabel t, karena memakai uji t dengan cara
mengambil angka perpotongan antara df = 19 dengan α/2 = 0.025 (bergerak kedalam).

2) Jika yang diminta adalah uji Z. dengan kurva distribusi normal α = 5% (0.05). maka
batas nilai kritis nya adalah sebesar 1.64 untuk kurva distribusi normal Z ekor kanan
dan -1.64 untuk kurva distribusi normal Z ekor kiri. Contoh untuk kurva ekor kiri :

9
 -1.64

Angka batas kritis -1.64 diambil dari tabel Z, karena memakai uji Z dengan cara
mengambil angka dari hasil perpotongan (bergerak keluar). Kita ketahui α = 5%
(0.05) pada kurva 1 ekor adalah berasal dari bila kurva dibagi 2 nilainya adalah
100% :2 = 50%. Sedangkan di kurva sebelah kiri, 50% dikurangi nilai α = 5%,
sehingga sisanya adalah 45%. 45% juga dapat dinyatakan sebesar 0.45. kemudian
dicari dari tabel Z dengan nilai 0.45 adalah berasal dari perpotongan Z 1.6 dan 0.04.
sehingga didapatkan angka 1.64

b. Uji 1 ekor atau 2 ekor

Untuk menentukan Keputusan penggunaan uji satu ekor atau dua ekor tergantung pada
hipotesis yang dibangun.

10
1) Uji 1 ekor :

Gambar dibawah adalah kurva distribusi normal one tailed, sebagaimana dijelaskan
sebelumnya bahwa kurva tersebut dipakai bila konteks Ha berbunyi lebih besar atau
lebih kecil, maka kurva one tailed (kurva 1 ekor). Adapun ke kanan bila Ha lebih
besar, dan ke kiri bila Ha lebih kecil.

Gambar Kurva Distribusi Normal 1 ekor menceng ke kanan

Gambar Kurva Distribusi Normal 1 ekor menceng ke kiri

Dalam 1 kurva distribusi normal bernilai 1 atau 100%.

Bila kurva 1 ekor maka daerah penolakan ada di ekor sebelah kanan atau ekor
sebelah kiri dengan besaran α. Sedangkan daerah penerimaan bernilai 1- α karena
dikurangi 1 nilai α. Satu bagian wilayah “penerimaan” yaitu sebagian besar kurva
dan satu bagian kecil wilayah “penolakan” yaitu di kanan bila kurva distribusi
normal menceng kanan, dan di kiri bila kurva distribusi normal menceng kiri.

Batasan nilai kritis pada garis ekor tersebut adalah berdasarkan dari nilai tabel (tabel
Z atau tabel t, tergantung rumusan hipotesis yang digunakan, sedangkan gambar
diatas adalah contoh dari nilai kritis tabel Z).

11
 Untuk menentukan daerah penolakan dan daerah penerimaan, maka uji statistic
harus dilakukan, sebagaimana langkah 4 dan 5 dibawah, sehingga akan didapatkan
nilai hitung (Z hitung atau t hitung).

Bila nilai hitung terletak lebih kecil dari nilai kritis tabel untuk kurva dengan ekor
menceng ke kanan maka keputusan Ho DITERIMA (p value < α), dan jatuh di
“wilayah penerimaan”. Bila nilai hitung berada lebih besar dari nilai kritis tabel
maka keputusan Ho DITOLAK (p value > α), dan jatuh di “wilayah penolakan”,

Bila nilai hitung terletak lebih besar dari nilai kritis tabel untuk kurva dengan ekor
menceng ke kiri maka keputusan Ho DITERIMA (p value < α), dan jatuh di
“wilayah penerimaan”. Bila nilai hitung berada lebih kecil dari nilai kritis tabel
maka keputusan Ho DITOLAK (p value > α), dan jatuh di “wilayah penolakan”,

2) Uji 2 ekor :

Gambar dibawah adalah kurva distribusi normal two tailed, sebagaimana dijelaskan
sebelumnya bahwa kurva tersebut dipakai bila konteks Ha “tidak sama dengan”.

Gambar : Kurva Distribusi Normal Dua Ekor

Dalam 1 kurva distribusi normal bernilai 1 atau 100%.

Bila kurva 2 ekor maka daerah penolakan ada di ekor sebelah kanan dan di ekor
sebelah kiri dengan besaran α/2. Sedangkan daerah penerimaan bernilai 1- α karena

12
 dikurangi 1 nilai α. Satu bagian wilayah “penerimaan” yang di tengah dan dua
bagian wilayah “penolakan” di kanan dan di kiri.

Batasan nilai kritis pada garis ekor tersebut adalah berdasarkan dari nilai tabel (tabel
Z atau tabel t, tergantung rumusan hipotesis yang digunakan, sedangkan gambar
diatas adalah contoh dari nilai kritis tabel Z).

Untuk menentukan daerah penolakan dan daerah penerimaan, maka uji statistic
harus dilakukan, sebagaimana langkah 4 dan 5 dibawah, sehingga akan didapatkan
nilai hitung (Z hitung atau t hitung).

Bila nilai hitung terletak diantara kurva nilai kritis tabel maka keputusan Ho
DITERIMA (p value < α), dan jatuh di “wilayah penerimaan”.

Bila nilai hitung berada lebih besar atau lebih kecil dari nilai kritis tabel maka
keputusan Ho DITOLAK (p value > α), dan jatuh di “wilayah penolakan”,

Sehingga dapat dikatakan bahwa bila hanya ada satu bagian penolakan disebut dengan
pengujian satu sisi (one tail), sedangkan bila ada dua bagian penolakan disebut dengan
pengujian dua sisi (two tail).

3) Menentukan Jenis Tes / Uji Statistik

Tes statistik adalah sebuah uji yang menghasilkan nilai (value) hitung yang diperoleh dari
informasi sampel. Digunakan sebagai dasar menentukan apa Ho diterima atau Ho ditolak
setelah dibandingkan dengan nilai (value) tabel.
Macam tes statistik ada banyak, namun yang akan dipakai dapat diidentifikasi sesuai
kebutuhan dan keadaan konteks bahasan hipotesis, sebagai contoh jenis tes statistik adalah
berikut:
1. Uji statistik untuk Rata-rata atau Mean dari suatu populasi:
1) Jika standar deviasi (σ) diketahui, dan data ber-Distribusi Normal, maka uji
statistik yang dapat diapakai adalah :
Ⱬ=Ẍ-μ
σ /√n

13
 2) Jika standar deviasi (σ) tidak diketahui, dan data ber-Distribusi Normal, dan
banyaknya data (n) > 30, maka uji statistik yang dapat diapakai adalah :
Ⱬ=Ẍ-μ
s/√n
3) Jika standar deviasi (σ) tidak diketahui, data ber-Distribusi Normal, dan banyaknya
data (n) ≤30 maka uji statistik yang dapat diapakai adalah :
t=Ẍ-μ
s/√n

2. Testing about Proportion Population

Ⱬ =__ṕ - P
√(P(1-P))/n
Dimana : Ẍ adalah rata-rata populasi
μ adalah rata-rata sampel
σ adalah standar deviasi populasi dengan ṕ = Ẍ
s adalah standar deviasi sampel n
n adalah jumlah sampel / data
ṕ adalah proporsi sampel
P adalah proporsi populasi

4) Menghitung Uji Statistik

Untuk menentukan daerah penolakan dan daerah penerimaa, maka uji statistic harus
dilakukan. Pilihan formula uji statisik yang dipakai diidentifikasi sesuai kebutuhan dan
keadaan konteks bahasan hipotesis sebagaiamana dijelaskan pada langkah 4 diatas,
sehingga akan didapatkan nilai hitung (baik Z hitung atau t hitung).
5) Memutuskan Aturan Keputusan Yang Dipakai
Memutuskan keputusan yang akan digunakan didasarkan atas nilai p value: P value < α =
Ho Ditolak dan P value > α = Ho Ditolak, attau berdasarkan hasil perbandingan nilai
hitung uji statistik dengan batas kritis tabel pada kurva 1 ekor atau 2 ekor sebagaimana
dijelaskan diatas.

14
6) Menginterpretasikan Keputusan
Menginterpretasikan keputusan adalah menyatakan dalam bentuk kalimat suatu hipotesis
dengan menyertakan level signifikansi bahwa Ho atau Ha yang diputuskan ditolak atau
diterima untuk dinyatakan.
2.5 Contoh Kasus :
1. Menemukan batas kritis dengan Distribusi t :
Pabrik lampu berpendapat daya tahan lampu merek X lebih dari 150 jam. Hasil tes thd 50
bola lampu random diuji, diperoleh rata-rata daya tahan 155 jam dgn Simpangan baku 15
km. lakukan pengujian α = 10% (0.1)
Langkah-langkah Penyelesaian:
a. Menyatakan Ho dan Ha:
Ho: μ = 30 km (equality  2 tail)  claim
Ha: μ ≠ 30 km (inequality)
b. Menentukan level signifikansi: α = 5%
c. Menentukan uji 1 ekor atau 2 ekor dan menentukan batas nilai kritis (tabel t):
α = 5% 2 tail  α = 0.05, Uji t  df = n-1 = 19  2.093 (nilai kritis)
α = 5% 2 tail  α /2 = 0.025, Uji t  df = n-1 = 19  2.093 (nilai kritis)

-2.093 2.093

15
d. Menentukan Jenis Tes/ Uji Statistik : n = 20
Standar deviasi (σ) diket, Distr Normal, n < 30  Uji t
e. Menghitung uji statistik (sesuai uji yg dipilih langkah d)
t = Ẍ - μ = 28 – 30 = -2 = - 2.25
s/√n 4 / √ 20 0.89
t HITUNG

-2.25 -2.093 2.093

f. Memutuskan aturan keputusan yang dipakai

Keputusannya adalah MENOLAK Ho
g. Menginterpretasikan hasil keputusan
KEPUTUSAN: MENOLAK Ho, Ho : μ = 30 km Ha : μ ≠ 30 km , α = 5%
“Dengan α = 5%, ternyata tidak cukup bukti untuk menyatakan (klaim) bahwa jarak
tempuh sepeda motor X adalah 30 km, bukti menyatakan bahwa jarak tempuh sepeda
motor adalah ≠ 30 km”

16
2. Menemukan batas kritis dengan Distribusi Z :
Pabrik lampu berpendapat daya tahan lampu merek X lebih dari 150 jam. Hasil tes thd 50
bola lampu random diuji, diperoleh rata-rata daya tahan 155 jam dgn Simpangan baku 15.
lakukan pengujian α = 10% (0.1)
Langkah-langkah Penyelesaian:
a. Menyatakan Ho dan Ha:
Ho: μ ≤ 150 jam (equality 1 tail, right side)
Ha: μ > 150 jam (inequality)  claim
b. Menentukan level signifikansi α = 10%.
c. Menentukan uji 1 ekor atau 2 ekor dan menentukan batas nilai kritis (tabel Z):
α = 10% 1 tail  α = 0.1
Nilai kritis Z
50% -10%
table (distribusi
= 40 % =
normal ) : 1.28
0.4

10% = 0.1

1.28

d. Menentukan Jenis Tes Statistik: n = 50

Standar deviasi (σ) diket, Distr Normal, n > 30  Uji Z
17
e. Menghitung uji statistik (sesuai uji yg dipilih langkah d)
Ⱬ = Ẍ - μ = 155 –150 = 5 = 2.36
s/√n 15 / √ 50 2.12
Z HITUNG

1.28 2.36

f. Memutuskan aturan keputusan yang dipakai

Keputusan adalah : MENOLAK Ho
g. Menginterpretasikan hasil keputusan
KEPUTUSAN : MENOLAK Ho, Ho : μ ≤ 150 jam Ha : μ > 150 jam, α = 10% ,
Dengan α = 0.1, ternyata cukup bukti untuk menyatakan (klaim) daya tahan lampu X
adalah > 150 jam.

18
 BAB III
PENUTUP

3.1 Kesimpulan
1. Hipotesis adalah pernyataan atau dugaan mengenai keadaan populasi yang sifatnya
masih sementara atau lemah kebenarannya
2. Uji Hipotesis adalah prosedur berdasarkan data sampel dan teori probabilitas, apakah
hipotesis ini masuk akal (diterima) atau apakah hipotesis ini tidak masuk akal (ditolak
3. Langkah –langkah Uji hipotesi
a. Menyatakan Hipotesis Null (Ho) dan Hipotesis Alternatif (Ha)
b. Menentukan Level Signifikansi
c. Menentukan Uji 1 ekor atau 2 ekor dan Menentukan Batas Nilai Kritis
d. Menentukan Jenis Tes / Uji Statistik
e. Menghitung Uji Statistik
f. Memutuskan Aturan Keputusan Yang Dipakai
g. Menginterpretasikan Keputusan

3.2 Saran
Materi Biostatistik dengan tema apapun termasuk tema “Uji Hipotesis” dilakukan
dengan lebih banyak praktik pengerjaan soal menjadi lebih mudah dipahami.

19
 DAFTAR PUSTAKA

Anwar, M. I. (2020). Dasar-Dasa Statistika. Bandung: Alfabeta

Iqbal, M Hasan. 2002. Pokok-Pokok Materi Statistik 2 (statistik intensif). Jakarta : Bumi
Aksara

Pakpahan, Andrew Fernando dkk, (2021). Metodologi Penelitian Ilmiah : Yayasan Kita
Menulis.

20