Uji hipotesa

DR. PUDJI LESTARI,DR,MKES

IKM-KP KEDOKTERAN UNAIR
 Apa ??

• Hypo = lemah
• Thesis : dugaan
• Uji Hypotesis : menguji dugaan yg lemah
• An educated guess
• A claim or statement about a property of a
population

• Tujuan : menganalisa suatu sample

(statistik) dalam upaya membedakan
karakteristik populasi yang mungkin muncul
dan yg mungkin tidak muncul
 Elements of a hypothesis test (statistik)

 Null hypothesis – Ho pernyataan ttg nilai di parameter.

Bawaan : equal/ tidak ada beda / tidak ada hubungan antar
variabel
 Alternative hypothesis – H1 pernyataan lawan, Bawaan :
mengandung perbedaan/hubungan

 Test statistic – uji berbasis statistik sampel, menghitung

probabilitas null hypothesis

 Area penolakan – nilai pada hasil test statistic dimana kita

menolak H0 dan menerima H1
 Hypothesis Testing

Test Result – H0 True H0 False

True State
H0 True Correct Type I Error
Decision
H0 False Type II Error Correct
Decision

  P(Type I Error )   P(Type II Error )

Tujuan : ,  keciilll
 Power of a Test

 Power - Probability a test rejects H0 (depends on

m1- m2)
 H0 False: Power = 1-P(Type II error) = 1-
Faktor yang mempengaruhi Power of test

• Besar sampel :
As sample sizes increase, power increases
• Variance
As population variances decrease, power
increases
• Beda mean
As the true mean difference increases, power
increases
 Prosedur Uji hipotesa (statistik)

 Tentukan Tujuan hipotesa (statistik):

membandingkan (komparasi), adakah hubungan
(korelasi)--(dalam satu riset bisa lebih dari satu uji
hipotesis statistik)
 Formulasikan hipotesis
Ho = netral
H1= alternative ,yang ingin dibuktikan
searah (tendensius), dua arah (nontendensius)
One tail or two tail
 Pilih uji statistik

- Tergantung tujuan uji (komparasi/korelasi )

- Tergantung jenis datanya

- Tergantung asumsi distribusinya (normal/tidak)

- Ukuran sampel/besar sampelnya (n>30 at n<30)

- Jumlah Sampel =k, hubungan antar sampel

Uji Normalitas Data
 Kenapa diperlukan?

 Untuk menentukan teknik statistik apa yang akan

digunakan?
 Data berdistribusi tidak normal  statistik non parametrik
(Korelasi Rank Spearman, Korelasi Kendall)
 Data berdistribusi normal  statistik parametrik (Korelasi
Product Moment/Pearson, Regresi)
 Bagaimana caranya? Ada 3 Cara

 Dengan melihat hasil nilai skewness yang didapat

melalui statistik deskriptif (Data dikatakan
berdistribusi normal jika nilai Skewness di antara:
 (-1 ---- +1) atau (-2 --- +2)
 Kolmogorov-Smirnov dari menu Analyze >
Descriptive Statistics > Explore
 Kolmogorov-Smirnov dari menu Analyze > Non
parametric test > 1-sample K-S
Hasilnya
Lanjut ?
  (alpha)
 Pasang  nya
 = tingkat kemaknaan = tingkat kesalahan yang
ditoleransi =kemungkinan Ho ditolak padahal Ho
benar
 Tergantung peneliti
 Besar bila penelitian sosial atau lapangan
 kecil bila penelitian klinik
 Pengambilan keputusan

 Bandingkan p dengan 

 P adalah probabilitas diterimanya Ho

  adalah level kesalahan yang toleransi

Bila p>  maka Ho di terima

Bila p <  maka H1 di terima

 Contoh - Efficacy Test for New drug

 Pabrik Obat ingin membandingkan obat hipertensi

baru dengan obat standar
 Untuk mendapatkan izin edar, harus ada fakta yang
cukup untuk menunjukkan bahwa obat baru lebih
baik.
 Dilakukan uji klinik , sekelompok penderita dengan
obat baru, dan sekelompok yang lain dengan obat
standar
 Untuk melihat respon terhadap obat di lakukan
pengukuran oleh tenaga terlatih dan instrumen
terstandar.
 Parameter of interest: mNew - mStd
 Contoh - Efficacy Test for New drug
 Type I error – H nol ditolak padahal Hnol benar
menyimpulkan bahwa obat baru lebih baik padahal
sama dengan obat standar
 Traditionally  = P(Type I error) = 0.05

 Type II error – H1 ditolak padahal H1 benar. Gagal

menunjukkan bahwa obat baru efektif seperti
seharusnya.
 Traditionally a clinically important difference (D) is
assigned and sample sizes chosen so that:
 = P(Type II error | m1-m2 = D)  .20
 Elements of a Hypothesis Test
 Test Statistic (t test) – perbedaan antara
Sample means, diskalakan terhadap jumlah SD
(standard errors) dari 0 Population means:

y1  y 2
T .S . : zobs 
s12 s22

n1 n2
•Area penolakan – nilai pada hasil test statistic dimana kita menolak H0
dan menerima H1, yaitu bila peluang H0 lebih kecil dari area H0 benar
(alpha/ =0.05)

R.R. : zobs  z   0.05  z  1.645

 P-value (aka Observed Significance Level)

 P-value – mengukur peluang munculnya H0

P( H0 muncul)

P  val : p  P ( Z  zobs )
Power of a Test and alpha
Sudah ya ?