PENDAHULUAN
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
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.
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
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.
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 }
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.
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
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.
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
8
Diagram Pohon
H s T
H T H T
HH HT TH TT
Urutan dipentingkan
nPr= n!
(n – r) !
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
NCr= n!
r! (n-r)!
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.
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.
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.
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?
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.
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