Kuliah 3,4

Dr. Ir. Rahayu Astuti, M.Kes

STATISTIKA INFERENSIAL

Pada statistik induktif/ inferensial kita akan melakukan penyimpulan /

pengambilan keputusan dari suatu populasi tertentu berdasarkan sebagian data
(sampel) yang dikumpulkan.
Konsep dasarnya:
- Distribusi sampling yaitu distribusi dari mean-mean sampel yang diambil
secara berulang kali dari suatu populasi.
- Sampling Error adalah kesalahan karena penelitiannya menggunakan sampel.
- Standard Error (SE) adalah simpangan baku dari distribusi rata-rata sampel.
- Estimasi adalah suatu metode dimana diperkirakan nilai populasi (parameter)
dengan menggunakan nilai sampel (statistik).
- Uji hipotesis. Tujuannya adalah untuk menguji apakah data dari sampel yang
ada sudah cukup kuat untuk menggambarkan populasinya. Atau apakah bisa
dilakukan generalisasi tentang populasi berdasarkan hasil sampel

Ukuran-ukuran untuk sampel dan populasi :

Sampel Populasi
Nilai (karakteristik) statistik Parameter
Mean (rata-rata hitung) x 
Standard deviasi s 
Varians s2 2
Proporsi p 
Jumlah unit n N

HIPOTESIS DAN PENGUJIAN HIPOTESIS

A. PENDAHULUAN
Seperti kita ketahui bahwa nilai yang berasal dari sampel dapat digunakan
untuk mengestimasi nilai populasi yang tidak diketahui. Pada bab ini akan dibahas
penarikan kesimpulan (menggeneralisir) 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 meyakinkan untuk ditolak atau tidak ditolak. Keyakinan ini didasarkan pada
besarnya peluang untuk memperoleh hubungan tersebut secara kebetulan (by chance).
Semakin kecil peluang tersebut (peluang adanya by chance), semakin besar keyakinan
bahwa hubungan tersebut memang ada.
Kesimpulan yang didapat dari hasil pengujian hipotesis ada dua kemungkinan
yaitu menolak hipotesis atau gagal menolak hipotesis.

B. PENGERTIAN :
Hipotesis sesuai dengan asal katanya (hypo berarti dibawah, thesis berarti
dalil, kaidah, hukum), adalah pernyataan tentang suatu dalil atau kaidah, tetapi
kebenarannya belum terujikan secara empirik. Dengan demikian, dikaitkan dengan
dengan masalah penelitian, hipotesis merupakan jawaban sementara terhadap
permasalahan yang diajukan, yang kebenaran jawaban ini akan dibuktikan secara
empirik dengan penelitian yang akan dilakukan.

Secara lebih operasional yaitu :

“Suatu pernyataan sementara yang perlu diuji kebenarannya.”

C. MACAM HIPOTESIS
Dalam pernyataannya, terdapat dua macam hipotesis statistik yaitu hipotesis nol (Ho)
dan hipotesis alternatif (Ha).

a). Hipotesis nol (Ho)

Hipotesis nol adalah pernyataan yang menyatakan tidak ada perbedaan suatu kejadian
antara kedua kelompok. Atau hipotesis yang menyatakan tidak ada hubungan antara
variabel satu dengan variabel yang lain.
Contoh :
1. Tidak ada hubungan antara kehamilan dengan kadar hemoglobin ibu
2. Tidak ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan
ibu yang tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil
sama dengan rata-rata kadar hemoglobin populasi ibu yang tidak hamil..

b). Hipotesis alternatif (Ha)

Hipotesis yang menyatakan ada perbedaan suatu kejadian antara kedua kelompok.
Atau hipotesis yang menyatakan ada hubungan variabel satu dengan variabel yang
lain.
Contoh :
1. Ada hubungan antara kehamilan dengan kadar hemoglobin ibu.
2. Ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan ibu
yang tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil
berbeda dengan rata-rata kadar hemoglobin populasi ibu yang tidak hamil.

D. ARAH/BENTUK HIPOTESIS
Bentuk hipotesis alternatif akan menentukan arah uji statistik apakah satu arah
(one tail) atau dua arah (two tail).

1. One tail (satu sisi) : Bila hipotesis alternatifnya menyatakan adanya perbedaan dan
ada pernyataan yang mengatakan hal yang satu lebih tinggi/rendah dari hal yang
lain.
Contoh :
Rata-rata kadar hemoglobin populasi ibu tidak hamil lebih tinggi dari rata-rata
kadar hemoglobin populasi ibu yang hamil.

2. Two tail (dua sisi) : merupakan hipotesis alternatif yang hanya menyatakan
perbedaan tanpa melihat apakah hal yang satu lebih tinggi/ rendah dari hal yang
lain.
Contoh :
Ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan ibu yang
tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil berbeda dengan
rata-rata kadar hemoglobin populasi ibu yang tidak hamil.
Contoh penulisan hipotesis
Suatu penelitian ingin mengetahui hubungan antara merokok dengan tekanan darah
maka hipotesisnya adalah :

Ho : 1 = 2 ( Tidak ada perbedaan mean tekanan darah antara orang yang merokok
dengan yang tidak merokok ).
Ha : 1  2 (Ada perbedaan mean tekanan darah antara orang yang merokok
Dengan yang tidak merokok ).

Ho :  = 0 (Tidak ada korelasi antara jumlah rokok yang dihisap dengan tekanan
darah)
Ha :  > 0 (Ada korelasi positif antara jumlah rokok yang dihisap dengan tekanan
darah)

Asumsi hipotesis nol

Pada satu hipotesis ilmiah, dimungkinkan untuk dapat diajukan satu atau
beberapa hipotesis statistik. Sebagaimana suatu proses pengujian di ruang sidang,
maka pernyataan yang diuji adalah adalah pernyataan yang menggambarkan praduga
tak bersalah. Jadi pernyataan hipotesis yang diuji secara statistik adalah hipotesis nol.
Dapat diingat bahwa sejak awal proses pengujian, maka hipotesis nol dianggap atau
diasumsikan benar.

E. KESALAHAN PENGAMBILAN KEPUTUSAN

Dalam pengujian hipotesis kita selalu dihadapkan pada suatu kesalahan
pengambilan keputusan. Ada dua jenis kesalahan pengambilan keputusan dalam uji
statistik, yaitu :

1. Kesalahan tipe I (  )
Merupakan kesalahan menolak Ho padahal sesungguhnya Ho benar. Artinya
menyimpulkan adanya perbedaan padahal sesungguhnya tidak ada perbedaan.
Peluang kesalahan tipe I adalah  atau sering disebut Tingkat Signifikansi
(significance level). Sebaliknya peluang untuk tidak membuat kesalahan tipe I
adalah sebesar 1 - , yang disebut dengan Tingkat Kepercayaan (confidence level).

2. Kesalahan tipe II (  )
Merupakan kesalahan tidak menolak Ho padahal sesungguhnya Ho salah. Artinya
menyimpulkan tidak ada perbedaan padahal sesungguhnya ada perbedaan. Peluang
untuk membuat kesalahan tipe II adalah sebesar . Peluang untuk tidak membuat
kesalahan tipe II adalah sebesar 1 - , dan dikenal sebagai Tingkat Kekuatan Uji
(power of the test).
Kesalahan pengambilan keputusan
Keputusan Populasi
Ho benar Ho salah
Tidak menolak Ho Benar (1 -  ) 
Menolak Ho  Benar ( 1 -  )

Power of the test ( Kekuatan uji ) = 1 - 

 Merupakan peluang untuk menolak hipotesis nol ( Ho), ketika Ho memang
salah. Atau kemampuan untuk mendeteksi adanya perbedaan bermakna antara
kelompok-kelompok yang diteliti ketika perbedaan –perbedaan itu memang ada .
Dalam pengujian hipotesis kita menghendaki agar  dan  kecil atau 1 -  besar.

F. MENENTUKAN TINGKAT KEMAKNAAN

Tingkat kemaknaan merupakan kesalahan tipe I yang diberi notasi . Setelah
menentukan Ho dan Ha langkah selanjutnya adalah menentukan kriteria/ batasan yang
digunakan untuk memutuskan apakah hipotesis nol ditolak atau gagal ditolak yang
disebut dengan tingkat kemaknaan (level of significance). Tingkat kemaknaan, atau
sering disebut dengan nilai , merupakan nilai yang menunjukkan besarnya peluang
salah dalam menolak hipotesis nol. Atau dengan kata lain, nilai  merupakan batas
toleransi peluang salah dalam menolak hipotesis nol
Dapat dikatakan bahwa nilai  merupakan nilai batas maksimal kesalahan
menolak Ho atau batas maksimal peluang mendapatkan hipotesis nol yang benar.
Bila kita menolak Ho berarti menyatakan adanya perbedaan / hubungan. Sehingga
nilai  dapat diartikan pula sebagai batas maksimal kita salah menyatakan adanya
perbedaan.

Penentuan nilai alpha () tergantung dari tujuan dan kondisi penelitian. Nilai 
yang sering digunakan adalah 10 %, 5 %, 1 %, Untuk bidang kesehatan masyarakat
biasanya digunakan nilai  sebesar 5 %. Sedangkan untuk pengujuan obat-obatan
digunakan batas toleransi kesalahan yang lebih kecil misalnya 1 %, karena
mengandung risiko yang fatal.

G. KEPUTUSAN UJI STATISTIK

Hasil pengujian statistik menghasilkan dua kemungkinan keputusan yaitu
menolak hipotesis nol dan gagal menolak hipotesis nol. Keputusan uji statistik dapat
dicari dengan dua pendekatan yaitu pendekatan klasik dan penekatan probabilistik.

1. Pendekatan klasik
Untuk memutuskan apakah Ho ditolak atau gagal ditolak, dapat digunakan dengan
cara membandingkan nilai perhitungan uji statistik dengan nilai pada tabel. Nilai
tabel yang dilihat sesuai dengan jenis distribusi uji yang kita lakukan.
Ketentuan :
 Bila nilai perhitungan uji statistik lebih besar dibandingkan nilai yang berasal
dari tabel (nilai perhitungan > nilai tabel), maka keputusannya : Ho ditolak.
Ho ditolak, artinya: ada perbedaan kejadian (mean/proporsi) yang signifikan
antara kelompok data satu dengan kelompok data yang lain.

 Bila nilai perhitungan uji statistik lebih kecil dibandingkan nilai yang berasal
dari tabel ( nilai perhitungan < nilai tabel), maka keputusannya : Ho gagal
ditolak.
Ho gagal ditolak, artinya: tidak ada perbedaan kejadian (mean/ proporsi) antara
kelompok data satu dengan kelompok data yang lain. Perbedaan yang ada
hanya akibat dari faktor kebetulan (by chance).
2. Pendekatan probabilistik
Setiap kita melakukan uji statistik dengan menggunakan komputer maka akan
ditampilkan / dikeluarkan nilai p (p-value). Dengan nilai p kita dapat
menggunakan untuk keputusan uji statistik dengan cara membandingkan nilai p
dengan nilai . Ketentuan :
 Bila nilai p  nilai  maka keputusannya adalah Ho ditolak
 Bila nilai p  nilai  maka keputusannya adalah Ho gagal ditolak
Perlu diketahui bahwa nilai p two tail adalah dua kali nilai p one tail, berarti
kalau tabel yang digunakan adalah tabel one tail sedangkan uji statistik yang
dilakukan two tail maka nilai p dari tabel harus dikalikan 2. Dengan demikian dapat
disederhanakan dengan rumus: nilai p two tail = 2 x nilai p one tail.

H. NILAI p (p-value)

Pengertian nilai p
Nilai p merupakan nilai yang menunjukkan besarnya peluang untuk
mendapatkan Ho yang benar Harapan kita nilai p adalah sekecil mungkin, sebab bila
nilai p nya kecil maka kita yakin bahwa adanya perbedaan pada hasil penelitian
menunjukkan pula adanya perbedaan di populasi. Dengan kata lain kalau nilai p nya
kecil maka peluang bahwa tidak ada perbedaan adalah kecil.
Nilai p dapat diartikan pula sebagai besarnya nilai peluang hasil penelitian
(misalnya adanya perbedaan mean atau proporsi) terjadi karena faktor kebetulan (by
chance). Kalau nilai p nya kecil maka perbedaan yang ada pada penelitian terjadi
karena faktor kebetulan (by chance) adalah kecil.

Perbedaan substansi/ klinis dan perbedaan statistik

Perlu disadari oleh peneliti bahwa berbeda bermakna/ signifikan secara statistik
tidak berarti (belum tentu) bahwa perbedaan tersebut juga bermakna dipandang dari
segi substansi/ klinis. Seperti diketahui bahwa semakin besar sampel yang dianalisis
akan semakin besar menghasilkan kemungkinan berbeda bermakna. Dengan sampel
besar perbedaan-perbedaan sangat kecil, yang sedikit atau bahkan tidak mempunyai
manfaat secara substansi/ klinis dapat berubah menjadi bermakna secara statistik.
Oleh karena itu arti kegunaan dari setiap penemuan jangan hanya dilihat secara
statistik saja, tapi harus juga dilihat dari kegunaan dari segi substansi/klinis.

I. PROSEDUR UJI HIPOTESIS

1. Menetapkan hipotesis
2. Menentukan tingkat kemaknaan
3. Menetapkan uji statistik yang sesuai
4. Penghitungan uji statistik
5. Keputusan uji statistik
6. Pengambilan kesimpulan

1. Menetapkan hipotesis
Tetapkan hipotesis nol (Ho) dan hipotesis alternatif (Ha).
Dari hipotesis alternatif akan diketahui apakah uji statistik menggunakan satu arah
(one tail) atau dua arah (two tail).
2. Menentukan tingkat kemaknaan
Batas/tingkat kemaknaan, sering disebut dengan nilai . Penggunaan nilai alpha
tergantung tujuan penelitian yang dilakukan, untuk bidang kesehatan masyarakat
biasanya menggunakan nilai  = 5%.

3. Menentukan uji statistik yang sesuai

Ada beragam uji statistik. Setiap uji statistik mempunyai persyaratan tertentu yang
harus dipenuhi. Oleh karena itu harus digunakan uji statistik yang tepat sesuai
dengan data yang diuji. Jenis uji statistik sangat tergantung dari:
1). Jenis variabel yang akan diteliti (numerik atau katagorik)
2). Jenis distribusi data (normal atau tidak normal)

4. Penghitungan uji statistik

Penghitungan uji statistik adalah menghitung data sampel kedalam uji hipotesis
yang sesuai dengan data yang akan diuji.

5. Keputusan uji statistik

Hasil pengujian statistik akan menghasilkan dua kemungkinan keputusan yaitu
menolak atau gagal menolak hipotesis nol.
Dengan menggunakan pendekatan klasik, untuk memutuskan apakah Ho ditolak
atau gagal ditolak dapat digunakan dengan cara membandingkan nilai perhitungan
uji statistik dengan nilai pada tabel. Nilai tabel yang dilihat sesuai dengan jenis
distribusi uji yang kita lakukan, misalnya kalau kita lakukan uji Z maka nilai tabel
dilihat dari tabel Z (tabel kurva normal). Jika kita menggunakan uji t maka setelah
diperoleh nilai perhitungan uji t kemudian dibandingkan nilai yang ada pada tabel t.
Besarnya nilai tabel sangat tergantung dari besarnya nilai alpha () dan tergantung
dari apakah uji yang digunakan one tail atau two tail.

UJI STATISTIK : PARAMETRIK DAN NON PARAMETRIK

Dalam pengujian hipotesis sangat berhubungan dengan distribusi data populasi

yang akan diuji. Bila distribusi data populasi yang akan diuji berbentuk
normal/simetris/Gauss, maka proses pengujian dapat digunakan dengan pendekatan
uji statistik parametrik. Sedangkan bila distribusi data populasinya tidak normal
atau tidak diketahui distribusinya maka dapat digunakan pendekatan uji statistik non
parametrik
Kenormalan suatu data dapat juga dilihat dari jenis variabelnya. Bila
variabelnya berjenis numerik/ kuantitatif maka perlu dilihat distribusi datanya normal
atau tidak Bila distribusinya normal maka gunakan uji statistik parametrik, sedangkan
bila distribusi datanya tidak normal maka gunakan uji statistik non parametrik. Bila
jenis variabelnya katagorik/ kualitatif maka bentuk distribusinya tidak normal,
sehingga uji statistik non parametrik yang digunakan.

A. UJI STATISTIK PARAMETRIK

Asumsi yang digunakan dalam uji parametrik adalah:
1. Populasi berdistribusi normal
2. Skala data interval/rasio (data numerik)
3. Kesamaan varians, jika membandingkan 2 atau sejumlah sampel
Uji-uji parametrik adalah:
1. Satu sampel: Uji Z atau uji t satu sampel (uji beda mean satu sampel)
2. Dua sampel: Uji Z atau uji t dua sampel independent (independent t test)
3. Tiga atau lebih sampel: - One way anova, two faktor anova, ancova, mancova.
4. Uji hubungan : korelasi dan regresi

B. UJI STATISTIK NON PARAMETRIK

Digunakan bila asumsi pada uji parametrik tidak dipenuhi.
Digunakan pada keadaan:
1. Distribusi populasi tidak normal
2. Skala data nominal/ ordinal (data kategorik)
Catatan: jika data numerik tetapi distribusi data tidak normal, gunakan uji non
parametrik.

Uji statistik non-parametrik disebut juga statistik bebas distribusi (distribution free
statistic), karena prosedur pengujiannya tidak berdasarkan asumsi distribusi populasi
normal dan dapat dilakukan walaupun dengan sampel yang sedikit.

Uji-uji non parametrik adalah:

1. Satu sampel: Uji Chi Square (goodness of fit), uji binomial, uji tanda dsb
2. Dua sampel independent: Uji Chi Square (independensi), uji median, uji Man
Whitney dsb
3. Dua sampel dependent: Uji Mac Nemar, Wilcoxon dsb.
4. Tiga atau lebih sampel independent: Uji Kruskal Wallis

UJI BEDA DUA MEAN

Tujuan uji beda dua mean adalah untuk menguji perbedaan rata-rata pada dua
kelompok. Uji beda dua mean dapat dilakukan dengan menggunakan uji Z atau uji t.
Uji Z dapat digunakan bila standar deviasi populasi () diketahui dan jumlah sampel
besar (lebih dari 30). Apabila kedua syarat tersebut tidak terpenuhi maka dilakukan uji
t. Pada umumnya nilai  sulit diketahui, sehingga uji beda dua mean biasanya
menggunakan uji t (t-test).
Dalam uji t, rata-rata hitung yang ingin diuji perbedaannya dapat berasal dari
distribusi sampel yang berbeda dan dapat pula dari sampel yang berhubungan.
Distribusi sampel yang berbeda dimaksudkan sebagai sampel-sampel yang berasal
dari dua populasi yang berbeda dan biasa disebut sampel bebas (independent samples)
dimana kelompok yang satu tidak tergantung dari data kelompok kedua, misalnya
membandingkan mean tekanan darah sistolik orang desa dengan orang kota.
Sebaliknya, distribusi sampel yang berhubungan dimaksudkan sebagai sampel
yang sama atau kelompok subyek yang sama (dependent samples atau paired
samples), dimana kelompok data yang dibandingkan datanya saling mempunyai
ketergantungan, misalnya data berat badan sebelum dan sesudah mengikuti program
diet berasal dari kelompok orang yang sama. Berdasarkan karakteristik data tersebut
maka uji t dibagi dalam 2 (kelompok) yaitu uji t independen dan uji t dependen.
1. Uji t untuk sampel bebas (Independent Samples t- Test)

1. Tujuan : untuk menguji perbedaan mean dua kelompok data independen, yaitu data
dari 2 pengukuran yang sama pada orang/kelompok yang berbeda (tidak terkait
satu sama lain).
Kelompok 1 Kelompok 2
X11 X12
X21 X22
X31 X32
Mean = . . . Mean = . . .
SD = . . . SD = . . .

1. Syarat/asumsi yang harus dipenuhi :

- Data berdistribusi normal/simetris
- Kedua kelompok data independen
- Variabel yang dihubungkan berbentuk numerik untuk variabel dependen
dan kategorik dengan hanya dua kelompok untuk variabel independen.

2. Prinsip pengujian : melihat perbedaan variasi kedua kelompok data. Oleh

karena itu dalam pengujian ini diperlukan informasi apakah varian kedua
kelompok yang diuji sama atau tidak. Bentuk varian kedua kelompok data
akan berpengaruh pada nilai standar error yang pada akhirnya akan
membedakan rumus pengujiannya.

a. Uji t untuk varian sama

Untuk varian yang sama maka bentuk ujinya sebagai berikut :
X1 - X2 (n1-1) S12 + (n2-1) S22
t = ; Sp2 =
Sp (1/n1) + (1/n2) n1 + n2 – 2

df = n1 + n2 – 2
Keterangan :
n1 dan n2 = jumlah sampel kelompok 1 dan 2
S1 dan S2 = Standar deviasi sampel kelompok 1 dan 2
df = degree of freedom (derajat kebebasan)
Sp = Varian populasi

b. Uji t untuk varian berbeda

Untuk varian yang berbeda maka bentuk ujinya sebagai berikut :
X1 - X2
t =
(S12/n1) + (S22/n2)

[ (S12/n1) + (S22/n2) ]2
df = v =
[ (S12/n1)2 / (n1-1) ] + [ (S22/n2)2 / (n2-1) ]
 Keterangan :
n1 dan n2 = jumlah sampel kelompok 1 dan 2
S1 dan S2 = Standar deviasi sampel kelompok 1 dan 2
df = degree of freedom (derajat kebebasan)

c. Uji kesamaan varian/ homogenitas varian

Tujuan dari uji ini adalah untuk mengetahui varian antara kelompok data satu
apakah sama dengan kelompok data yang kedua.
Perhitungannya dengan menggunakan uji F yaitu :

S12
F = ; df1 = n1 – 1 dan df2 = n2 - 1
S22
Dimana :
n1 = pembilang dan n2 = penyebut
Pada perhitungan uji F, varian yang lebih besar sebagai pembilang dan varian
yang lebih kecil sebagai penyebut.

LANGKAH-LANGKAH:
1. Lakukan uji kesamaan varian (uji F)
2. Lakukan uji t indipenden
a). Jika variannya sama, maka:
Lakukan uji t indipenden dengan asumsi varian sama
b). Jika variannya berbeda, maka:
Lakukan uji t indipenden dengan asumsi varian berbeda

PROSEDUR UJI KESAMAAN VARIAN

1. Buat hipotesis nol dan hipotesis alternatif

Ho : 12 = 2 2 ( varian populasi 1 sama dengan varian populasi 2)
Ha : 12  2 2 (varian kedua populasi tidak sama/ berbeda)
2. Uji statistik  uji F
F hitung = S12 / S22 ( dimana S12 adalah varian yang lebih besar)
3. Daerah kritis : Ho ditolak jika
F hitung  Ftabel (df 1, df 2, )
4. Keputusan  Ho ditolak atau gagal ditolak?
5. Kesimpulan  varian berbeda atau varian sama

PROSEDUR UJI T INDIPENDEN

1. Buat hipotesis nol dan hipotesis alternatif

Ho : 1  2 (mean atau rata-rata populasi 1 sama dengan rata-rata populasi 2)
Ha : 1  2 (hipotesa 2 sisi/ two tailed)
1 > 2 (hipotesa 1 sisi/ one tailed)
1 < 2 (hipotesa 1 sisi/ one tailed)
2. Uji statistik  t test

2a). Jika hasil uji F adalah varian sama maka gunakan uji t dengan asumsi varian sama

X1 - X2 (n1-1) S12 + (n2-1) S22

2
t = ; Sp =
Sp (1/n1) + (1/n2) n1 + n2 - 2

df = n1 + n2 – 2
3a). Daerah kritis (Ho ditolak jika:)

Ha Daerah kritis
(two tailed) 1  2  t  hitung  t tabel (/2; df= n1+n2 –2) atau p-value < /2

(one tailed) 1 > 2  t  hitung  t tabel (; df= n1+n2 –2) atau p-value < 

(one tailed) 1 < 2  t  hitung  t tabel (; df= n1+n2 –2) atau p-value < 

Catatan:
jika df > 30, tabel distribusi normal dapat dipakai untuk menghitung nilai t tabel

4a). Keputusan  Ho ditolak atau gagal ditolak?

5a). Kesimpulan  mean atau rata-rata berbeda atau sama

2b). Jika hasil uji F varian berbeda maka gunakan uji t dengan asumsi varian berbeda
X1 - X2
t =
(S12/n1) + (S22/n2)

[ (S12/n1) + (S22/n2) ]2
df = v =
[ (S12/n1)2 / (n1-1) ] + [ (S22/n2)2 / (n2-1) ]

3b). Daerah kritis (Ho ditolak jika:)

Ha Daerah kritis
(two tailed) 1  2  t  hitung  t tabel ( /2; df= v ) atau p-value < /2

(one tailed) 1 > 2  t  hitung  t tabel ( ; df=v ) atau p-value < 

(one tailed) 1 < 2  t  hitung  t tabel ( ; df= v ) atau p-value < 

4b). Keputusan  Ho ditolak atau gagal ditolak?

5b). Kesimpulan  mean atau rata-rata berbeda atau sama
Contoh kasus:
Sebuah penelitian bertujuan melihat apakah ada perbedaan tekanan darah antara orang
yang merokok dengan orang yang tidak merokok. Kemudian diambil sampel secara
random 10 orang yang merokok dan 10 orang yang tidak merokok. Ternyata diperoleh
hasil rata-rata tekanan darah orang yang merokok 129,5 mmHg dengan standar
deviasi 3,5 mmHg sedangkan rata-rata tekanan darah orang yang merokok 125,5
mmHg dengan standar deviasi 2,5 mmHg. Ujilah pernyataan tersebut, dengan alpha
5%.

Langkah-langkah:

A. Uji Kesamaan Varian

Diketahui : n1 = 10 n2 = 10
X1 = 129,5 X1 = 125,5
s1 = 3,5 s 2 = 2,5

1. Buat hipotesis nol dan hipotesis alternatif

Ho : 12 = 2 2 (varian tekanan darah orang yang merokok sama dengan varian
tekanan darah orang yang tidak merokok)
Ha : 12  22 (varian tekanan darah orang yang merokok tidak sama (berbeda)
dengan varian tekanan darah orang yang tidak merokok)
2. Derajat kemaknaan:  = 5%
3. Uji statistik  uji F
F hitung = S12 / S22 ( dimana S12 adalah varian yang lebih besar)
= (3,5)2 / (2,5)2
= 1,96

4. Daerah kritis : Ho ditolak jika

F hitung  Ftabel (df 1, df 2, )
Ftabel  pembilang = n1  1 = 10  1 = 9
Penyebut = n2  1 = 10  1 = 9
 = 5%
Ftabel = 3,18

5. Keputusan  Karena (F hitung = 1,96) < (Ftabel = 3,18) maka Ho gagal ditolak

6. Kesimpulan  varian kedua populasi sama

 Lakukan uji t dengan asumsi varian sama

B. Uji t indipenden dengan asumsi varian sama

1. Buat hipotesis nol dan hipotesis alternatif

Ho : 1  2 (Tidak ada perbedaan rata-rata tekanan darah orang yang merokok
dengan tekanan darah orang yang tidak merokok)
Ha : 1  2 (Ada perbedaan rata-rata tekanan darah orang yang merokok dengan
tekanan darah orang yang tidak merokok)

2. Uji statistik  t test dengan  = 5%

 Karena hasil uji F adalah varian sama maka gunakan uji t dengan asumsi varian
sama
(n1-1) S12 + (n2-1) S22
Sp = 
2

n1 + n2 - 2

(10-1) (3,5)2 + (10-1) (2,5)2

Sp =  = 9,25
2

10+ 10 – 2
Sp = 3,04

X1 - X2
t =
Sp (1/n1) + (1/n2)

129,5  125,5
t = = 2,94
3,04 (1/10) + (1/10)

3. Daerah kritis (Ho ditolak jika:)

 t  hitung  t tabel (0,05/2; df= 10+10–2)
2,94  2,101

4. Keputusan  Ho ditolak karena  t  hitung  t tabel

5. Kesimpulan  Ada perbedaan rata-rata tekanan darah orang yang merokok dengan
tekanan darah orang yang tidak merokok.

2. Uji t untuk sampel berhubungan/berpasangan

(Paired Samples t Test)
1. Tujuan adalah untuk menguji perbedaan mean antara 2 (dua) kelompok data yang
dependen (behubungan), yaitu data dari 2 pengukuran pada orang yang sama,
pada waktu yang berbeda.
Data 1 (sebelum) Data 2 (sesudah) d (Data 2 – Data 1)
X11 X12 ....
X21 X22 ....
X31 X32 ....
Mean d = . . .
SDd = . . .

2. Syarat/asumsi yang harus dipenuhi :

- Data berdistribusi normal/simetris
- Kedua kelompok data dependen
- Variabel yang dihubungkan berbentuk numerik untuk variabel dependen
dan kategorik dengan hanya dua kelompok untuk variabel independen.
 Bentuk uji t dependen sebagai berikut :

d
t =
SDd_ /  n
Keterangan :
d = Rata-rata deviasi/selisih sampel 1 dengan sampel 2 (data 2- data 1)
SDd = Standar deviasi dari deviasi/selisih sampel 1 dengan sampel 2

PROSEDUR UJI T DEPENDEN

1. Buat hipotesis nol dan hipotesis alternatif

Ho : 1  2 = 0 atau d = 0 (rata-rata perbedaan sama dengan nol)
Ha : 1  2  0 atau d  0 (hipotesa 2 sisi/ two tailed)
1  2 > 0 atau d > 0 (hipotesa 1 sisi/ one tailed)
1  2 < 0 atau d < 0 (hipotesa 1 sisi/ one tailed)

2. Uji statistik  t test

3. Daerah kritis (Ho ditolak jika: )

Ha Daerah kritis
(two tailed) 1  2  0  t  hitung  t tabel (/2; df= n-1) atau p-value < /2
(one tailed) 1  2 > 0  t  hitung  t tabel (; df= n-1) atau p-value < 
(one tailed) 1  2 < 0  t  hitung  t tabel (; df= n-1) atau p-value < 

4. Perhitungan:
a. Hitung perbedaan masing-masing pasangan ( d1= X12 – X11)
b. Hitung mean d (d ) dan standar deviasi d ( SDd )
n n
 di  ( d i  d ) 2
i=1 i=1
d =  SDd = 
n n–1

5. Hitung nilai t test

d
t =
SDd_ /  n

6. Keputusan : a. Bandingkan t hitung dengan t tabel

b. Bandingkan p-value dengan  atau /2
 Ho ditolak atau gagal ditolak?

7. Kesimpulan
Contoh kasus:
Dilakukan penelitian untuk melihat apakah ada perbedaan pengetahuan gizi kader
sebelum dan sesudah diberi pelatihan kader.

Kader Sebelum (X1) Sesudah (X2) Beda (d) (X1 - X2)

1 90 100 - 10
2 75 90 - 15
3 80 75 5
4 60 80 - 20
5 75 80 -5
Jumlah = - 45

- 45
Mean beda = d =  = - 9
5
SD beda = SDd = 9,6

Jawab
1. Buat hipotesis nol dan hipotesis alternatif
Ho : 1  2 = 0 atau d = 0 (rata-rata perbedaan sama dengan nol)
atau (tidak ada perbedaan pengetahuan gizi kader sebelum dan sesudah
pelatihan kader)
Ha : 1  2  0 atau d  0 (rata-rata perbedaan tidak sama dengan nol)
atau (ada perbedaan pengetahuan gizi kader sebelum dan sesudah pelatihan
kader)
2. Uji statistik  t test dengan = 5%
3. Daerah kritis (Ho ditolak jika: )
 t  hitung  t tabel (0,05/2; df=5-1) ( t tabel = 2,776)
4. Perhitungan:
a. Hitung perbedaan masing-masing pasangan ( d1= X12 – X11)
b. Hitung mean d (d ) dan standar deviasi d ( SDd )

45
d =  = - 9
5

(-10+9)2 + (-15+9)2 + (5+9)2 +(-20+9)2 +(-5+9)2 370

SDd =  =  = 9,6
5-1 4

5. Hitung nilai t test

-9
t = = -2,09
9,6 /  5

6. Keputusan :
 Ho gagal ditolak karena | t hitung| < t tabel
7. Kesimpulan: tidak ada perbedaan pengetahuan gizi kader sebelum dan sesudah
pelatihan kader

Latihan soal uji t

1. Dalam suatu penelitian ingin diketahui apakah ada perbedaan rata-rata tinggi badan
mahasiswa S1 Kesmas Reguler dengan mahasiswa S1 Kesmas LJ. Data 10
mahasiswa adalah sebagai berikut : (asumsi data berdistribusi normal)

No sampel Tinggi badan mahasiswa

S1 Kesmas Reguler S1 Kesmas LJ
1 161,1 150,3
2 159,2 160,2
3 153,6 162,1
4 162,5 157,8
5 150,0 155,6
6 153,4 165,4
7 159,2 150,7
8 154,3 153,9
9 155,5 156,3
10 150,2 151,5

Lakukan uji statistik yang sesuai untuk menjawab pertanyaan tersebut diatas.
Langkah-langkah :
Hitung terlebih dahulu : Kelp I (S1 Kesmas Reguler) : n1,x1 dan s1.
Kelp II (S1 Kesmas LJ) : n2,x2 dan s2.

2. Mahasiswa sedang melaksanakan penelitian yang membandingkan rata-rata kadar

Hb pada laktasi yang bekerja sebagai buruh dengan rata-rata kadar Hb ibu laktasi
yang tidak bekerja. Data yang dikumpulkan menunjukkan bahwa :

Jumlah sampel ibu laktasi yang bekerja (n1) = 49 orang

Rata-rata kadar Hb ibu laktasi yang bekerja (x1 ) = 10,8 gr%.
Standar deviasi kadar Hb ibu laktasi yang bekerja adalah ( s1 ) = 0,64 gr%.
Jumlah sampel ibu laktasi yang tidak bekerja (n2) = 37 orang
Rata-rata kadar Hb ibu laktasi yang tidak bekerja (x2 ) = 11,2 gr%.
Standar deviasi kadar Hb ibu laktasi yang bekerja adalah ( s2 ) = 0,61 gr%.

Hasil uji kenormalan diperoleh hasil bahwa data kadar Hb berdistribusi normal.
Lakukan uji statistik yang sesuai untuk menjawab pertanyaan tersebut diatas.

3. Mahasiswa ingin menguji apakah ada perbedaan rata-rata kadar Hb anak ibu hamil
sebelum dan sesudah diberi tablet Fe. Data yang telah dikumpulkan adalah sebagai
berikut :
 No sampel Kadar hemoglobin (gr%)
Sebelum diberi tablet Fe Sesudah diberi tablet Fe
1 10,6 10,8
2 11,2 11,9
3 12,1 12,3
4 12.5 12,5
5 10,8 11,3
6 11,7 12,2
7 11,4 11,8
8 12,3 12,5
9 10,6 11,2
10 10,2 10,9

Asumsi data berdistribusi normal

Lakukan uji statistik yang sesuai untuk menjawab pertanyaan tersebut diatas.

4. Suatu penelitian bertujuan untuk mengetahui apakah ada perbedaan yang bermakna
rata-rata total kuman lantai pada ruang perawatan di suatu Rumah Sakit sebelum
dan sesudah di pel dengan desinfektan. Hasil penelitian menunjukkan hasil
sebagai berikut:

Pengulangan Jumlah total kuman ( kali 106 )

Sebelum pengepelan Sesudah pengepelan
1 2,40 1,67
2 3,33 2,67
3 3,70 2,67
4 2,23 1,33
5 3,70 2,55

Asumsi data berdistribusi normal

Lakukan uji statistik yang sesuai untuk menjawab pertanyaan tersebut diatas.

Daftar Pustaka
1. Kuzma. Basic Statistics for the Health Sciences. Mayfield Publishing Company.
1984
2. Pagano, M dan K. Gaureau. Principles of Biostatistics. Belmont, Duxury Press.
1993.
3. Dawson B, Trapp RG. Basic and Clinical Biostatistics. Third Edition. McGraw-
Hill International Editions. Lange Medical Books, The McGraw-Hill Companies.
2001.
4. Chandra, B. Pengantar Statistik Kesehatan. Penerbit Buku Kedokteran EGC. Jakarta.
1995.
5. Sheskin, D.J. Handbook of Parametric and Nonparametric Statistical Prosedures.
Third Edition. Chapman & Hall/CRC. Florida. 2004.
6. Norman and Streiner. Biostatistics : The Bare Essentials, Mosby. 1994
7. Sabri dan Hastomo. Statistika kesehatan. PT Raja Grafindo Persada. Jakarta. 2006.
 TABEL DISTRIBUSI t STUDENT’S

Tingkat signifikansi (one- tailed)

df 0,1 0,05 0,025 0,01
Tingkat signifikansi (two- tailed)
0,2 0,10 0,05 0,02

1 3.078 6.314 12.706 31.821

2 1.886 2.920 4.303 6.965
3 1.638 2.353 3.182 4.541
4 1.533 2.132 2.776 3.747
5 1.476 2.015 2.571 3.365
6 1.440 1.943 2.447 3.143
7 1.415 1.895 2.365 2.998
8 1.397 1.860 2.306 2.896
9 1.383 1.833 2.262 2.821
10 1.372 1.812 2.228 2.764

11 1.363 1.796 2.201 2.718

12 1.356 1.782 2.179 2.681
13 1.350 1.771 2.160 2.650
14 1.345 1.761 2.145 2.624
15 1.341 1.753 2.131 2.602
16 1.337 1.746 2.120 2.583
17 1.333 1.740 2.110 2.567
18 1.330 1.734 2.101 2.552
19 1.328 1.729 2.093 2.539
20 1.325 1.725 2.086 2.528

21 1.323 1.721 2.080 2.518

22 1.321 1.717 2.074 2.508
23 1.319 1.714 2.069 2.500
24 1.318 1.711 2.064 2.492
25 1.316 1.708 2.060 2.485
26 1.315 1.706 2.056 2.479
27 1.314 1.703 2.052 2.473
28 1.313 1.701 2.048 2.467
29 1.311 1.699 2.045 2.462
30 1.310 1.697 2.042 2.457

40 1.303 1.684 2.021 2.423

50 1.299 1.676 2.009 2.403
60 1.296 1.671 2.000 2.390
70 1.294 1.667 1.994 2.381
120 1.289 1.658 1.980 2.358
 1.282 1.645 1.960 2.326

Sumber: Principles of Biostatistics.Wadsworth Publishing Company, Belmont, California, 1992 dan

Handbook Parametric and Nonparametric Statistical Procedures. Chapman & Halll/CRC. 2004
 TABEL DISTRIBUSI F
Bilangan dalam badan daftar menyatakan Fp
Untuk peluang p = 0,05 p

Fp
V1
V2
1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 
1 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,9 245,9 248,0 249,1 250,1 251,1 252,2 253,3 254,3
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,50
3 10,12 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66 5,63

5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,36
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71

10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,40
12 4,75 3,89 3,49 3,25 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13

15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33 2,99 2,25 2,20 2,16 2,11 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88

20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73

25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,15 2,07 1,99 1,95 1,90 1,85 1,80 1,75 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,13 2,06 1,97 1,93 1,88 1,84 1,79 1,73 1,,67
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,12 2,04 1,96 1,91 1,87 1,82 1,77 1,71 1,65
29 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,10 2,03 1,94 1,90 1,85 1,81 1,75 1,70 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
120 3,92 3,07 2,68 2,45 2,29 2,17 2,09 2,02 1,96 1,91 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,25
 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,75 1,67 1,57 1,52 1,46 1,39 1,32 1,22 1,00