BAB I

PENDAHULUAN

1.1 Latar Belakang

Statistik merupakan suatu metode yang digunakan untuk mengumpulkan dan

menginterpretasikan data sesuai bidang kegiatan tertentu.Sebelumnya kita sudah
membahas bagaimana nilai yang berasal dari sampel dapat digunakan untuk
mengolah nilai populasi yang diketahui. Namun topik kali ini , kami akan
membahas penarikan kesimpulan ( menggeneralisasi ) nilai yang berasal dari
sampel terhadap keadaan populasi melalui pengujian hipotesis.
Pengujian hipotesis dapat berguna untuk membantu pengambilan keputusan
tentang apakah suatu hipotesis yang diajukan, seperti perbedaan atau hubungan ,
cukup menyakinkan untuk ditolak atau tidak ditolak. Keyakinan ini berdasarkan
da besarnya peluang untuk memperoleh hubungan tersebut secara kebetulan.
Semakin kecil peluang tersebut semakin besar keyakinan bahwa hubungan
tersebut memang ada.
1.2 Rumusan Masalah

Seiring dengan perkembangan zaman, banyak metode yang digunakan untuk

mengumpulkan atau mengolah data diantaranya statistik. Salah satu metode
statistik yang dapat digunakan utuk mengolah data antara lain uji hipotesis.
Berdasarkan latar belakang diatas maka rumusan masalah kami adalah
“bagaimanakah cara pengolahan data dengan metode uji hipotesis ?”

1.3 Tujuan
1. Untuk mengetahui cara melakukan pengujian hipotesis.
2. Untuk mengambil suatu kesimpulan dari data yang sudah diolah.

1
 BAB II
ISI

2.1 Probabilitas

Statistik iferensi berhubungan dengan pengambilan kesimpulan mengenai suatu

populasi atas informasi yang disimpulkan dari sampel yang berasal dari populasi.
Dengan demikian, pada setiap kesimpulan selalu ada unsur ketidak pastian, yang
merupakan akibat dari tidak menyeluruhnya informasi. Ketidakpastian ini secara
formal dan numerik disebut sebagai probabilitas. Teori probabilitas merupakan dasar
dari statitistik iferensi.

2.1.1 Pengertian Probabilitas

Probabilitas merupakan operasi atau proses berulang yang dalam uji coba
tunggal bisa menghasilkan salah satu angka dari hasil yang mungkin ada sedemikian
rupa sehingga hasil utama ditentukan oleh kesempatan dan tak mungkin
meramalkannya.

2.1.2 Konsep-konsep Probabilitas

1. Pandangan Klasik/Intuitif
Di dalam pandangan klasik ini probabilitas/peluang adalah harga angka yang
menunjukkan seberapa besar kemungkinan suatu peristiwa terjadi, di antara
keseluruhan peristiwa yang mungkin terjadi :
Contoh :
Sebuah mata uang logam mempunyai sisi dua (H dan T), kalau mata uang tersebut
dilambungkan satu kali, peluang untuk keluar sisi H adalah ½.
Jadi, pendekatan di dalam konsep klasik ini adalah matematis atau teoritis
sehingga didapatkan rumus:

P (E) = X / N

P = Probabilitas
2
 E = Event (kejadian)
X = Jumlah kejadian yang diinginkan (peristiwa)
N = Keseluruhan kejadian yang mungkin terjadi

2. Pandangan Empiris/Probabilitas Relatif

Dalam pandangan ini probabilitas berdasarkan observasi, pengalaman, atau
kejadian (peristiwa) yang telah terjadi.
Contoh :
 Pelemparan 100 x coin , 59x keluar sisi H, maka dikatakan P(H) = 59%
 Distribusi relatif
Upah(Rp 1000) Jumlah %
200 - 499 90 30
500 - 749 165 55
750 - 999 45 15
Kalau diambil secara acak satu orang probabilitas untuk terambil seseorang
yang mempunyai upah antara 200 – 499 ribu rupiah adalah p (0,3)

Pandangan klasik P (E) = lim X/N

Hubungan antara pandangan klasik dan pandangan empiris

P(E) = X/N dan P(E) = lim X/N akan sama besarnya bila N tak terhingga

3. Pandangan Subjektif
Didalam pandangan subjektif probabilitas ditentukan oleh pembuat
pernyataan, misalnya seorang buruh/karyawan meyakini bahwa kalau ada kesempatan
untuk pendidikan lanjut, yang akan dikirim adalah dirinya (misalnya diyakininya
95%= 0,95)
Seorang direktur rumah sakit menyatakan keyakinannya (90%) bahwa rumah
sakit yang dipimpinnya akan mulai dapat mulai swadana (break event point) lima
tahun kedepan.

3
 Kebenaran dari probabilitas subjektif ini sangat tergantung kepada orang yang
menentukannya, tetapi walaupun demikian teori probabiolitas dapat membantunya.

2.1.3 unsur-unsur Probabilitas

Dalam mengambil kesimpulan atau informasi dari sekumpulan data perlu

dilakukan percobaan atau sampel. Konsep probabilitas brhubungan dengan pengertian
eksperimen(percobaan) yang menghasilkan hasil yang tidak pasti. Artinya,
eksperimen yang diulang-ulang dalam kondisi yang sama akan menghasilkan “hasil”
yang dapat berbeda-beda. Eksperimen adalah proses pengumpulan data tentang suatu
fenomena yang menunjukkan adanya variasi di dalam hasil.
Beberapa contoh eksperiman adalah sebagai berikut.
Eksperimen Hasil
1) Pengukuran Rx kimia Lama
2) Interview petani Jumlah produksi padi per Ha
3) Hasil suatu produksi Adanya produksi yang cacat
4) Pemberian obat terhadap penyakit Lama penyembuhan
Berikut beberapa definisi dan contoh yang sering digunakan dalam proses
eksperimen.

1. Ruang Sampel
Ruang sampel adalah himpunan yang elemen-elemennya merupakan hasil
yang mungkin terjadi dari suatu eksperimen. Ruang sampel ditulis dengan huruf
S. Jika suatu eksperimen dimana a1, a2, a3, a4, a5.......an menunjukkan semua hasil
yang terjadi, maka ruang sampel dituliskan sebagai berikut.
S = ( a1, a2, a3, a4, a5, ...... an )

2. Titik Sampel
Titik ruang sampel adalah semua elemen yang ada didalam suatu ruangan
sampel, yaitu a1, a2, a3, a4, a5,..... an.

4
 3. Peristiwa/Kejadian/Event
Peristiwa adalah himpunan bagian dari suatu ruang sampel. Peristiwa ditulis
dengan lambang huruf besar A, B dan seterusnya dan dituliskan peristiwa yang
mungkin muncul dalam hasil. Misalnya hanya a2, a4 sebagai hasil peristiwa, maka
yang dituliskan:
hasil yang diterima { a2, a4 }

contoh penggunaan defenisi di atas adalah sebagai berikut.

1) Eksperimen : pelemperan sebuah dadu
Hasil : mata dadu yang tampak
Ruang sampel : S = (1, 2, 3, 4, 5, 6)
Suatu peristiwa :
A Titik ganjil yang tampak {1, 3, 5}
B Titik genap yang tampak {2, 4, 6}
2) Eksperimen : pemilihan mahasiswa FKM, dicatat IPK
Hasil : bilangan x yang besarnya antara 0 dan 4
Ruang sampel : S = (0 ≥ X ≤ 4)
Suatu peristiwa : A IPK di atas 3 .....= {3 < X ≤ 4}

Peristiwa-peristiwa baru dapat dibentuk dari peristiwa-peristiwa yang sudah

ada dengan menggunakan tiga operasi dasar, yaitu, onion, interaksi, dan
komplementasi yang timbul dari penggunaan kata-kata “atau”, “dan”, serta “tidak”.
Berikut uraian lebih lanjut.
a) Union peristiwa A dan B adalah himpunan semua elemen yang ada di dalam
himpunan A maupun B, ditulis A U B
b) Interaksi dua peristiwa A dan B, ditulis A ∩ B adalah himpunan semua elemen
yang ada di dalam A dan juga B
c) Komplemen peristiwa A ditulis Ac, adalah himpunan semua elemen yang tidak di
alam A
operasi dengan gambaran diagram venn
AC
A B AC A
A∩B

AUB A∩B
5
2.1.4 Asas Perhitungan Probabilitas
Nilai probabilitas yang dilambangkan dengan “P” berada antara nilai 0 dan 1.
Rumusnya adalah sebagai berikut:
0≤P≥1
Nilai probabilitas selalu menghasilkan nilai yang positif, tidak pernah negatif.
P (x/n) bilangan positif (+)
Misalnya probabilitas keluar angka ganjil dalam pelemparan dadu P (ganjil/mata
dadu) = 3/6
Asas dalam perhitungan probabilitas memiliki dua macam perhitungan, yaitu
hukum pertambahan dan hukum perkalian.
1. Hukum Pertambahan
Dalam hukum pertambahan terdapat dua kondisi yang harus diperhatikan, yaitu
apakah kedua peristiwa tersebut saling meniadakan atau dapat terjadi bersama. Kedua
kondisi ini disebut sebagai peristiwa mutually exclusive ataupun non mutually
exclusive.
a.Kejadian mutually exlusive (peristiwa saling terpisah = disjoint )
Dua peristiwa dikatakan mutually exlusive apabila satu peristiwa terjadi akan
meniadakan peristiwa yang lain untuk terjadi, atau dikatakan peristiwa tersebut saling
meniadakan.
Contoh kejadian mutually exlusive adalah sebagai berikut:
1) Permukaan sebuah koin,
2) Permukaan dadu,
3) Kelahiran anak laki atau perempuan pada seorang ibu dengan kehamilan
tunggal.
Untuk suatu kejadian yang mutually exlusive, peristiwa terjadinya A dan B
merupakan gabungan antara peristiwa A dan peristiwa B, di mana tidak terdapat irisan
antara peristiwa A dan B (saling asing). Maka, probabilitas untuk kondisi seperti ini
adalah penggabungan kemungkinan probabilitas keduanya.

P(A U B) =P(A) +P(B)

A B P(A ∩ B) = 0

6
Contoh:
Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali sebuah dadu
adalah:
P(2 U 5) = P(2) + P(5) = 1/6 + 1/6 = 2/6

b. Peristiwa non mutually exlusive (joint)

Dua peristiwa atau lebih dapat terjadi bersama-sama (tetapi tidak selalu bersama)
Contoh peristiwa non mutually exlusive adalah sebagai berikut:
1) Penarikan kartu as dan berlian
2) Seorang laki-laki dan dokter
Untuk peristiwa non mutually exlusive, peristiwa terjadinya A dan B merupakan
gabungan antara peristiwa A dan peristiwa B. Akan tetapi, karena ada elemen yang
sama dalam peristiwa A dan B, gabungan peristiwa A dan B perlu dikurangi peristiwa
dimana A dan B memiliki elemen yang sama dengan demikian, probabilitas pada
keadaan dimana terdapat elemen yang sama antara peristiwa A dan B probabilitas A
atau B adalah probabilitas A ditambah probabilitas B dan dikurangi probabilitas
elemen yang sama dalm peristiwa A dan B.

A B
P(AUB) = P(A) + P(B) – P(A∩B)

Contoh:
Pada penarikan satu kartu dari satu set kartu bridge, peluang akan terambil kartu as
atau berlian adalah:
P(as) = 4/52
P(berlian) = 13/52
Ada sebuah kartu as dan berlian : P (as ∩ berlian ) = 1/52
P(as U berlian) = P(as) + P(berlian) – P (as ∩ berlian) = 4/52 + 13/52 – 1/52 = 16/52

7
2. Hukum Perkalian
Dalam hukum perkalian terdapat dua kondisi yang harus diperhatikan apakah
kedua peristiwa tersebut saling bebas atau bersyarat. Dengan adanya peristiwa bebas
dan peristiwa bersyarat, maka perhitungan probabilitas untuk peristiwa itu adalah
hukum perkalian.

a. Peristiwa bebas ( independent )

Dua peristiwa dikatakan bebas/independent apabila kejadian suatu peristiwa
tidak mempengaruhi peristiwa lain.
Contoh, Sebuah koin dilambungkan dua kali, maka peluang keluarnya H pada
lemparan pertama perlemparan kedua saling bebas.

P(A ∩ B) = P(A) x P(B)

Contoh soal:
Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk kedua kalinya
adalah:
P(5 ∩ 5) = 1/6 x 1/6 = 1/36
b. Peristiwa Tidak Bebas (conditional probability = Peristiwa Bersyarat)
Dua peristiwa dikatakan bersyarat apabila kejadian atau ketidakjadian suatu
peristiwa akan berpengaruh terhadap peristiwa lainnya. Misalnya, dua buah kartu
ditarik dari set kartu bridge dan tarikan kedua tanpa memasukkan kembali kartu
pertama. Maka, probabilitas kartu kedua sudah tergantung pada kartu pertama yang
ditarik.

2.1.5 Pemutasi/Kombinasi

Dalam menghitung probabilitas dari beberapa kejadian, pertama yang harus

diketahui beberapa kemungkinan terjadinya peristiwa tersebut. Contohnya terdapat
pada diagram pohon di bawah ini. Pada pelemparan 2 kali 2 mata uang, berapa
kemungkinan kombinasi dari kedua mata uang tersebut ? H=head T= tail. Pda
diagram pohon dibawah, kemungkinan kombinasi dua mata uang tersebut adalah yang
muncul empat macam: HH, HT, TH, TT

8
 Diagram Pohon

H s T

H T H T
HH HT TH TT

DALIL I: (Kaidah umum pergandaan)

Kalau suatu step (langkah) dari suatu eksperimen menghasilkan (out come) k hasil
yang berbeda dan step ke-2 menghasilkan m hasil yang berbeda, maka kedua langkah
eksperimen akan menghasilkan k x m hasil.
Contoh:
untuk sampai di gerbang UI depok seorang mahasiswa dapat melakukan dengan 3
cara (bus, kereta, angkot), dari gerbang UI ada 4 cara (jalan kaki, bus kuning, ojek,
numpang dengan mobil teman), maka berapa cara seorang mahasiswa akan sampai di
fakultas ?
3 x 4 + 112 cara
DALIL II Pemutasi

Urutan dipentingkan

nPr= n!
(n – r) !

P = Jumlah pemutasi (urutannya dipentingkan)

n = Banyanknya objek
r = Jumlah anggota pasangan
! = faktorial (3! = 3x2x1), 0! = 1, 1! = 1
Contoh:
Ada 3 cara yang efektif untuk pengobatan pasien Ca (kanker) yakni bedah (B),
radiasi (penyinaran = P), dan kemoterapi( obat = O ). Ada berapa carakah dapat

9
diobati seseorang yang menderita Ca kal\ kepada masing-masing pada pasien hanya
dua macam terapi yang bisa diberikan.

Penyelesaian:
Untuk pengobatan ini urutan diperlukan karena seseorang yang mendapat terapi bedah
dan penyinaran (B, P), akan berbeda dengan yang mendapatkan penyinaran lebih
dahulu baru dibedah (P,B)

3P2= 3! = 3x2x1 = 6
(3-2)! 1
Jadi, jumlah cara yang dapat dilaksanankan adalah: (BP, BO, PB, PO, OB, OP)
DALIL III Kombinasi

Urutan tidak pentingkan

NCr= n!
r! (n-r)!

C = Jumlah kombinasi (yang urutannya tidak penting)

n = Banyaknya objek
r = jumlah anggota pasangan

Contoh:
Tiga orang pasien digigit ular dan dibawa ke puskesmas. Di puskesmas hanya tersedia
2 dosis antiracun ular. Berapa kemungkinan pasangan yang akan diberikan 2 dosis
tersebut ( pasiennya A,B,C) ?

Penyelesaian:
2 orang yang berpasangan di sini, misalnya A dan B sama saja dengan B dan A. Jadi,
disini urutan tidak ada artinya. Maka dalam hal ini pasangan yang terjadi adalah :

3C2= 3! = 3x2x1 = 3
2! (3-2)! 2x1x1
Mereka adalah (AB, AC, BC)
10
2.2 Hipotesis Nol dan Hipotesis Alternative
2.2.1 Hipotesis nol (Ho)
Hipotesis nol adalah hipotesis yang menyatakan tidak ada perbedaan sesuatu
kejadian antara kedua kelompok atau hipotesis yang menyatakan tidak ada hubungan
antara variabel satu dengan variabel yang lain.
Contoh:
 Tidak ada perbedaan berat badan bayi antara mereka yang dilahirkan dari ibu
yang merokok dengan mereka yang dilahirkan dari ibu yang tidak merokok.

 Tidak ada hubungan merokok dengan berat badan bayi.

2.2.2 Hipotesis alternatif (Ha)

Hipotesis alternatif adalah hipotesis yang menyatakan ada perbedaan suatu
kejadian antara kedua kelompok atau hipotesis yang menyatakan ada hubungan
variabel satu dengan variabel yang lain.
Contoh:
 Ada perbedaan berat badan bayi antara mereka yang dilahirkan dari ibu yang
merokok dengan mereka yang dilahirkan dari ibu yang tidak merokok.

 Ada hubungan merokok dengan berat badan bayi.

2.3 Arah atau bentuk uji hipotesis

1. One tail atau terarah

One tail atau terarah yaitu bila hipotesis alternatifnya menyatakan adanya perbedaan
dan ada pernyataan yang menyatakan hal yang satu lebih tinggi dari hal yang lain
(dapat ditentukan besar perbedaannya).

Contoh: Orang yang obesitas resiko terkena hipertensi lebih tinggi dibandingkan
dengan orang yang mempunyai berat badan normal.

11
2. Two tail atau tidak terarah

Two tail atau tidak terarah merupakan hipotesis alternatif yang hanya menyatakan
perbedaan tanpa melihat apakah Ha yang satu lebih rendah atau lebih tinggi dari hal
yang lain ( tidak diketahui seberapa besar perbedaannya).

Contoh: Orang yang obesitas resiko terkena hipertensi berbeda dengan orang yang
memiliki berat badan normal.

2.4 .Kesalahan Pengambilan keputusan

Dalam pengujian hipotesis kita selalu dihadapkan suatu kesalahan
pengambilan keputusan.ada dua jenis kesalahan pengambilan keputusan dalam uji
statistik sebagai berikut.

1.kesalahan tipe 1 (α)

Kesalahan ini merupakan kesalahan menolak Ho,padahal sesungguh nya Ho
benar.artinya menyimpulkan ada nya perbedaan,sesungguh nya tidak ada
perbedaan.peluang kesalahan tipe 1 adalah α atau sering disebut tingkat signifikansi
(significance level).Sebalik nya,peluang untuk tidak membuat kesalahan tipe 1 adalah
sebesar 1-α,yang disebut dengan tingkat kepercayaan (confidence level).

2.kesalahan tipe II (β)

Kesalahan ini merupakan kesalahan tidak menolak Ho,padahal sesungguh nya Ho
salah.artinya menyimpulkan tidak ada perbedaan,padahal sesungguh nya ada
perbedaan.peluang untuk membuat kesalahan tipe II ini sebesar β.peluang untuk tidak
membuat kesalahan tipe kedua adalah sebesar 1-β, dan dikenal sebagai tingkat
kekuatan uji ( power of the test ).
Keputusan Populasi
Ho benar Ho salah
Tidak menolak Ho Benar (1-α) Kesalahan tipe II (β)
Menolak Ho Kesalahan tipe I (α) Benar (1-β)

Power of test (kekuatan uji)

Power of test merupakan peluang untuk menolak hipotesis nol (Ho)ketika Ho
memang salah.atau dengan kata lain,kemampuan untuk mendeteksi ada nya

12
perbedaan bermakna antara kelompok-kelompok yang diteliti ketika perbedaan itu
mamang ada.
Power= 1- β
Dalam pengujian hipotesis dikehendaki nilai α dan β kecil atau (1-β) besar.namun,hal
ini sulit dicapai karena bila α semakin kecil,nilai β akan semakin besar.berhubungan
harus dibuat keputusan menolak tau tidak menolak Ho,maka harus diputus kan untuk
memilih salah satu sajayang harus diperhatikan,yaitu α atau β yang diperhatikan.pada
umumnya untuk aman nya dipilih nilai α.

2.5. Menentukan Tingkat Kemakanaan (level of significance)

Tingkat kemaknaan merupakan kesalahan tipe 1 suatu uji yang
biasanya diberi notasi α.seperti sudah diketahui bahwa tujuan dari pengujian hipotesis
adalah untuk membuat suatu pertimbangan tentang perbedaan antara nilai sampel
dengan keadaan populasi sebagai suatu hipotesis.Tingkat kemaknaan atau sering
disebut dengan nilai α,merupakan nilai yang menunjukan besarnya peluang salah
dalam menolak hipotesis nol.dengan kata lain,nilai α merupakan batas toleransi
peluang salah dalam menolak hipotesis nol.dengan kata yang lebih sederhana ,nilai α
merupakan nilai batas maksimal kesalahan menolak Ho.bila menolak Ho berarti
menyatakan adanya perbedaan /hubungan.dengan demikian,nilai α dapat diartikan
pula sebagai batas maksimal kita salah menyatakan adanya perbedaan.
Penentuan nilai α (alpa) tergantung dari tujuan dan kondisi penelitian.nilai α
yang sering digunakan adalah 10%,5%,atau 1%.untuk bidang kesehatan masyarakat
biasa nya digunakan nilai α (alpha) sebesar 5 %.Sementara itu,untuk pengujian obat-
obatan digunakan batas toleransi kesalahan yang lebih kecil,misalnya 1%,karena
mengandung risiko yang fatal.Misalnya seorang peneliti yang akan menentukan
apakah suatu obat bius berkhasisat akan menentukan α yang kecil sekali,peneliti
tersebut tidak akan mau mengambil resiko bahwa ketidakberhasiln obat bius besara
karena akan berhubungan dengan nyawa seorang yang akan di bius.

13
2.3 Nilai P dan Interval Kepercayaan
Ada dua cara untuk menarik kesimpulan pada uji hipotesis yaitu dengan
menghitung nilai p dan menghitung nilai confidenece interval (interval kepercayaan).

a. Nilai p
1. Pengertian nilai P
Nilai P merupakan nilai yang menunjukan besarnya peluang salah menolak Ho
dari data penelitian. Nilai P dapat di artikan besarnya peluang bahwa hasil yang di
hasilkan (hasil yang lebih ekstrim) di sebabkan semata-mata oleh faktor peluang,
apabila hipotesis nol besar. Harapan kita nilai P adalah sekecil mungkin sebab nilai P-
nya kecil, kita yakin bahwa adanya perbedaan di populasi. Dengan kata lain, kalau
nilai P-nya kecil, perbedaan yang ada pada penelitian terjadi bukan karena faktor
kebetulan (by chance).

Contoh:
Suatu penelitian ingin mengetahui hubungan riwayat hipertensi ibu hamil
dengan berat badan bayi yang di kandungnya. Dari hasil penelitian di laporkan bahwa
rata-rata berat badan bayi dari ibu hipertensi adalah 2.000 gram, sedangkan berat
badan yang lahir dari ibu yang tidak hipertensi adalah 3.000 gram. Perbedaan berat
bayi antara ibu yang hipertensi dengan ibu yang tidak hipertensi sebesar 1.000 gram.
Pertanyaan yang timbul adalah apakah perbedaan berat badan bayi tersebut juga
berlaku untuk seluruh populasi yang di teliti atau hanya faktor kebetulan saja?

Untuk menjawab pertanyaan tersebut kemudian di lakukan uji statistik yang

tepat, yaitu uji T. misalkan di hasilkan nilai P=0,0110 maka dapat di artikan: jika
berat badan bayi antara ibu yang hipertensi tidak berbeda dengan ibu yang sehat,
maka adanya perbedaan berat bayi sebesar 1.000 gram antara ibu yang hipertensi dan
ibu yang sehat disebabkan oleh faktor peluang/ faktor kebetulan (by chance) adalah
sebesar 0,0110. Karena peluangnya sangat kecil (p=0,0110), dapat di artikan bahwa
adanya perbedaan tersebut bukan kerena faktor kebetulan, namun karena memang
pengaruh adanya riwayat hipertensi.

14
b. Interval kepercayaan
1. Interval kepercayaan (IK) menunjukkan taksiran rentang nilai pada populasi
yang dihitung dengan nilai yang diperoleh pada sampel.
2. Sebagaimana untuk menghitung nilai p, perhitungan IK mempunyai rumus
tersendiri untuk masing-masing uji hipotesis.

c. Hubungan nilai p dengan interval kepercayaan

1. Nilai p dengan IK menghasilkan kesimpulan yang konsisten. Bila nilai p
menghasilkan kesimpulan yang bermakna, maka IK akan memberikan
kesimpulan yang bermakna juga. Begitu juga sebaliknya. Hanya saja, informasi
yang diberikan keduanya berbeda.
2. Konsistensi nilai p dengan nilai IK adalah pada contoh sebagai berikut:
a. Bila pada uji hipotesis komparatif perhitungan nilai p < 0,05 ("secara
statistik bermakna") maka pada perhitungan IK, nilai 0 tidak akan tercakup di
dalam nilai intervalnya ("secara statistik bermakna").
b. Bila pada perhitungan rasio odds atau risiko relatif perhitungan nilai p <
0,05, maka pada perhitungan IK, nilai 1 tidak akan tercakup di dalam
intervalnya.

2. Nilai p memberikan informasi peluang untuk memperoleh hasil yang

diobservasi bila hipotesis nol benar, sedangkan IK memberikan informasi
perkiraan rentang nilai parameter pada populasi.

2.4 Hipotesis Komperatif / assosiatif dan korelatif

Hipotesis komperatif yaitu pernyataan tentang ada atau tidak adanya perbedaan
antara dua kelompok atau lebih. Sedangkan hipotesis Korelatif yaitu pernyataan
tentang ada atau tidak adanya hubungan antara dua variabel atau lebih.
Untuk membedakan hipotesis komparatif dengan hipotesis korelatif,perhatikan contoh
berikut :
1. Pertanyaan penelitian untuk hipotesis komparatif/asosiatif:
15
  Apakah terdapat perbedaan rata-rata kadar gula darah antara
kelompok yang mendapat pengobatan glibenklamid dan kelompok
plasebo?
 Apakah terdapat perbedaan terjadinya kanker paru antara perokok dan
bukan perokok?
2. Pertanyaan untuk hipotesis korelasi
 Apakah terdapat hubungan antara kadar gula darah dengan jenis
pengobatan yang diterima (glibenklamid dan plasebo)?
 Apakah terdapat hubungan antara perilaku merokok dan terjadinya
kanker paru?

Jadi , dari kedua contoh diatas dapat ditarik kesimpulan hipotesis asosiatif menjawab
apakah antara dua atau lebih variabel terdapat hubungan atau tidak, sedangkan
hipotesis korelatif akan mengukur berapa besar hubungannya.

16
17
DAFTAR PUSTAKA

18
 BAB III
PENUTUP

3.1 Kesimpulan

3.2 Saran

19