Uji Parameter z

DIKA BETADITYA, S.GZ., MPH

 PENGUJIAN HIPOTESIS
• Hipotesis menyatakan parameter populasi dari suatu
variabel yang terdapat dalam populasi dan dihitung
berdasarkan statistik sampel.
• Pengujian hipotesis dilakukan dengan
membandingkan hasil statistic sampel dengan nilai
hipotesis.
 Hypothesis Testing Procedure

Parametric Non Parametric

One way Wilcoxon Mann

Z test t-test Kruskal Wallis
Anova Rank Sum Test Whitney
Distribusi Probablitias

Distribusi Probabilitas

Diskrete Continous

Binomial Normal

Poisson
• Data Diskrete : Data diskrit digunakan untuk mengklasifikasikan
(menggolongkan) objek-objek amatan atau kejadian-kejadian dalam
kelompok, kategori atau klasifikasi tertentu dengan jalan menghitung
untuk menunjukan kesamaan atau perbedaan ciri-ciri tertentu dari objek.
• Contoh :Jumlah siswa laki-laki dan perempuan; Jumlah responden yang
menjawab ya atau tidak; Pengelompokan bunga berdasarkan warnanya;
Pengelompokan benda berdasarkan bentuk dan ukurannya
• Data kontinum (kontinyu) adalah data yang diperoleh dari hasil
pengukuran, yaitu data yang besarannya dapat menempati semua nilai
yang ada di antara dua titik.
• Contoh : Ketebalan kulit, waktu penyembuhan suatu penyakit,
temperature, Tinggi badan
Distribusi Probabilitas

Continous

Normal
 Distribusi Normal
F (x)

µ= Mean
=Median= Mo
 Ciri Distribusi Normal
• Bell shaped
• Simetris
• Mean, median dan modus equal
• Sebaran ditentukan oleh standar deviasi, σ
 The Normal Probability Density Function
• Formula untuk menguji data yang terdistribusi normal :
1
F (x) = e – (1/2) (x- µ)/ 𝜎]2
2𝜋𝜎
• Dimana :
• e = the mathematical constant approximated by 2,71828
• 𝜋= the mathematical constant approximated by 3,14
• µ= rata-rata populasi

• 𝜎 = standar deviasi populasi

• X = variable continu
 The Standardized Normal
• Distribusi normal (dengan rata-rata dan kombinasi SD) dapat
di transformasikan ke dalam distribusi normal standar (Z)
• Membutuhkan transformasi dari unit x ke unit z
• Transform dari x ke standar normal (z distribusi) dengan
mengurangkan rata-rata x dan membagi dengan standar
deviasinya 𝒙− µ
Z= 𝝈

• Z distribusi selalu mempunyai rata-rata 0 dan SD =1

The Standarized Normal Probability Density Function
• Formula untuk menguji data yang terdistribusi
normal F (x) =
1
e – (1/2)Z
2
2𝜋

• e = the mathematical constant approximated by

2,71828
• 𝜋= the mathematical constant approximated by 3,14
• Z= Nilai dari standar distribusi normal
 The Standarized Normal Distribution
• Diketahui sebagai distribusi Z
• Mean= 0
• SD = 1
• Nilai di atas rata-rata memiliki nilai Z yang positif
• Nilai di bawah rata- rata memiliki nilai Z yang negatif
F (Z)

µ= 0
 Contoh
• Jika X adalah distribusi normal dengan rata-rata 100,
dan SD = 50, maka nilai z untuk x = 200 adalah…
𝒙− µ 𝟐𝟎𝟎−𝟏𝟎𝟎
Z= = =2
𝝈 𝟓𝟎

• Hal ini menunjukkan bahwa x= 200 adal dua SD (2

peningkatan dari 50 unit dan dibawah rata-rata 100)
 Comparing X dan Z unit

= 50
100 200 X = µ= 100= 𝜎
= 1
0 2 Z = µ= 0= 𝜎

Notes: Distribusi nya sama, hanya skala yang berubah,. Kita dapat
menggambarkan masalah dalam satuan unit (x) atau dalam standar unit (z)
 Menemukan Distribusi Normal
• Probabilitas diukur dengan area dibawah kurva

P (a ≤ x ≤ b)

= (P (a < x < b) jika probabilitas nilai

individu adalah 0

a b
 Probabilitas Area dibawah Kurva
• Area total dibawah kurva adalah 1.0 dan kurva merupakan kurva simetris,
jadi setengah diatas rata-rata dan setengah di bawah rata-rata
P = ( -∞ < 𝑥 < 𝜇 = 0,5 P = ( 𝜇 < 𝑥 < ∞ = 0,5
𝑇𝑦𝑝𝑒 𝑒𝑞𝑢𝑎𝑡𝑖𝑜𝑛 ℎ𝑒𝑟𝑒. 𝑇𝑦𝑝𝑒 𝑒𝑞𝑢𝑎𝑡𝑖𝑜𝑛 ℎ𝑒𝑟𝑒.

P = ( -∞ < 𝑥 < ∞ = 1
𝑇𝑦𝑝𝑒 𝑒𝑞𝑢𝑎𝑡𝑖𝑜𝑛 ℎ𝑒𝑟𝑒.
 F (x) Aturan Secara Empiris
•
σ σ

𝑇𝑦𝑝𝑒 𝑒𝑞𝑢𝑎
x
µ -1 𝜎 µ µ −1 𝜎

𝑡𝑖𝑜𝑛 ℎ𝑒𝑟𝑒.
68,26%
F (x)

2𝜎 2𝜎

x
µ

95,44%
F (x)

3𝜎 3𝜎

x
µ

99,73%
 The Standardized Normal Table
• Menggunakan tabel manual untuk mengetahui luas
kurva yang terdistribusi normal
• Contoh: Diketahui P (Z< 2,00)= 0,9722

0,9722

Z
0 2,0
Cont’ The Standardized Normal Table
 Prosedur untuk Menemukan Probability
• Untuk menemukan P(a <x <b) ketika x terdistribusi
normal
1. Gambarlah kurva normal untuk x
2. Transform nilai x ke nilai z
3. Gunakan Tabel Standarisasi Normal
 Contoh
• Jika diketahui x terdistribusi normal dengan rata-rata
8,0 dan SD 5,0, Carilah nilai P(x<8,6)
?

8,0 8,6
 𝑥 − 𝜇 8,6−8,0
Z= = 5,0 = 0,12
𝜎

𝜇=8 𝜇=0
𝜎 = 10 𝜎=1

Z
X 0,1
0
8,0 8,6 2
P (Z< 0,12)
P (x <8,6)
 Finding P (Z<0,12)

P (X< 8,6)
Z .00 .01 .02 = P (Z< 0,12)
0.0 .5000 .5040 .5080
= 0.5478
0.1 .5398 .5438 .5478

0.2 .5793 .5832 .5871 0,5478

0.3 .6179 .6217 .6255

Z
0 0,12
 Upper Tail Probabilities
• Jika x adalah normal dengan rata-rata 8,0 dan SD 5,0
• Carilah P (X>8,6)
?

8,0 8,6

P (x <8,6)
 Cont’ Upper Tail Probabilities

P (x> 8,6) = P (Z>0,12) = 1,0 – P (Z ≤ 0,12)

= 1,0 – 0,5478 = 0,4522

1,000 1,000 −
0,547 0,5478 =
8 0,4522

Z
0,1 Z
0,1
0 0
2 2
P (Z< 0,12) P (Z< 0,12)
 Probilitas diantara 2 nilai
• Jika x adalah normal dengan rata-rata 8,0 dan SD 5,0
• P (8<x< 8,6)
?

𝑥 − 𝜇 8−8
Z= = 5,0 =0
𝜎

8 8,6 X
𝑥 − 𝜇 8,6−8
Z= = 5,0 = 0,12 0 0,12 Z
𝜎
P (8< X<8,6)

P (0< Z< 0,12)

 Carilah ….
P(8 <x< 8,6)
• P (0<Z< 0,12) =P (0 < Z < 0,12)
= P(Z < 0,12)- P (Z≤0)
Z .00 .01 .02
= 0,5478 -0,5000= 0,0478
0.0 .5000 .5040 .5080

0.1 .5398 .5438 .5478 0,0478

0,5000
0.2 .5793 .5832 .5871

0.3 .6179 .6217 .6255

0 0,12 Z
 Probabilitas di Lower Tail
• Jika X normal dengan rata-rata 8.0 dan SD 5.0
• Carilah P (7.4 < X < 8)

7,4 8 X
 Mencari nilai X untuk Probabilitas yang
diketahui
1. Carilah nilai Z untuk probabilitas yang diketahui
2. Konversikan ke dalam nilai X dengan formula :

X = 𝜇 + 𝑍𝜎
 Cont’
• Jika X adalah normal dengan rata-rata 8,0 dan SD 5
• Tentukan nilai X jika hanya 20% di bawah nilai X
0,2000

? 8,0 X

0 Z
 Tentukan Nilai Z untuk 20% di bagian bawah
1. Carilah nilai Z untuk probabilitas yang diketahui
Z .00 .03 .04 .05 0,2000
-0.9 …. .1762 .1736 .1711
-0.8 …. .2033 .2005 .1977
-0.7 …. .2327 .2296 .2266

8,0 X

-0,84 0 Z

• 20% area di bagian bawah di tabel Z -0,84

• Konversikan ke dalam nilai X dengan formula :

X = 𝜇 + 𝑍𝜎

X =8,0 + (-0,84) 5,0

= 3,80

• Jadi nilai dari 20% luas area dari sebuah distribusi

dengan rata-rata 8,0 dan SD 5,0 adalah < 3,8.
 Kesimpulan
• Distribusi normal adalah kunci dari data continuous
• Mengetahui probabilitas normal menggunakan
formula dan tabel