DASAR-DASAR

UJI HIPOTESIS

Departemen Biostistika
FKM UI

1
HIPOTESIS

2
 HIPOTESIS
 Bentuk penulisan hipotesis satu arah secara
matematis untuk proporsi
 Satu Sampel untuk proporsi
 H : p  p atau H0: p  p0
0 0

 H1: p < p0 H1: p > p0

 Bentuk penulisan hipotesis dua arah secara
matematis untuk proporsi
 Satu Sampel untuk proporsi
 H : p = p
0 0

 Ha: p  p0

3
 HIPOTESIS
 H0 dan H1 adalah ‘mutually exclusive’ dan
‘exhaustive’
 Contoh:
 H0 : Tidak ada perbedaan rata-rata kadar Hb Ibu yang meninggal
dengan rata-rata kadar Hb Ibu dan yang tidak meninggal

 H0 : Tidak ada hubungan antara kadar Hb darah Ibu dengan

Kematian
 H1 : Ada hubungan antara kadar Hb darah Ibu dengan Kematian

 H1 : Ada perbedaan ratar-rata kadar Hb Ibu yang meninggal

dengan rata-rata Hb darah Ibu yang tidak meninggal
 H1 : Ratar-rata kadar Hb Ibu yang meninggal lebih kecil dibanding
rIbu yang tidak meninggal

4
 UJI HIPOTESIS
 Langkah pertama untuk menguji hipotesis statistik:
merumuskan hipotesis nol (null hypothesis) dan hipotesisi
alternatif (alternative hypothesis)
 Dalam merumuskan hipotesis dikenal istilah
 Hipotesis satu arah (one tailed atau one side)
 Hipotesis dua arah (two tailed atau two side).
 Bentuk penulisan hipotesis satu arah secara matematis
 Satu Sampel untuk mean (rata-rata)
H0:   0
 atau H0:   0
 H :  <  H1:  > 0
1 0
 Bentuk penulisan hipotesis dua arah secara matematis
 Satu Sampel untuk mean (rata-rata)
 H0:  = 0
 Ha:   0

5
 Uji HIPOTESIS
Dalam pengujian hipotesis statistik yang diuji adalah
H0
 Penentuan apakah H gagal ditolak (dianggap
0
benar) atau ditolak (dianggap salah) adalah
merupakan tujuan dari pengujian hipotesis
 Besarnya probabilitas H benar adalah sebesar nilai-
0
p (p-value). Bila nilai-p sangat kecil, maka
kemungkinan Ho benar sangat kecil, kita putuskan
untuk menolak Ho
 Batas (nilai-p) untuk menyatakan H ditolak atau
0
tidak sebesar alpha atau < alpha (untuk kesmas
alpa = 5%)

6
 Hypothesis nol, H0

 Dimulai dengan asumsi bahwa hipotesis nol

benar
 Sama seperti asas praduga tak bersalah,
sampai terbukti bersalah
 Selalu memuat tanda “=” sama dengan
 Mungkin ditolak atau gagal ditolak (GATOL)

7
 Hipotesis Alternatif, H1/Ha
 Lawan dari hypothesis nol
 Tidak pernah memuat tanda “=”
 Secara umum hipotesis ini dipercaya
kebenarannya oleh peneliti (sehingga
perlu untuk dibuktikan)
 Sering disebut juga hipotesis penelitian

8
 Tingkat kesalahan
dan daerah penolakan
 Nilai
kritis

Daerah 0
Penolakan 

0
/2

9
 Tingkat Signifikansi
dan daerah penolakan
 Nilai
H0: 3
kritis
H1:  < 3
Daerah 0
Penolakan 
H0:   3
H1:  > 3
0
/2
H0:  3
H1:   3
0

10
 Ho dan Ha
Ibu Perokok Berat Bayi Lahir

Hal-11
 Uji Hipotesis
 Dalam pengujian hipotesis statistik yang ingin dibuktikan
adalah H0
“Jika cukup bukti maka Ho ditolak”  Ha dianggab benar
“Jika tidak cukup bukti maka Ho gagal ditolak
 Ho dianggab benar”

 Besarnya probabilitas H0 benar adalah sebesar nilai-p (p-value).

Bila nilai-p sangat kecil, maka kemungkinan Ho benar sangat

kecil kita putuskan untuk menolak Ho

Batas nilai-p untuk menyatakan H0 ditolak sebesar alpha atau <

alpha (untuk kesmas alpa = 5%)

. Hal-12
CONTOH HIPOTESIS DAN UJI STATISTIK

Var Independen Var Dependen

CONTOH HIPOTESIS DAN UJI STATISTIK

Var Independen Var Dependen

 Kesalahan dalam Uji Statistik
 Salah Tipe I (Error Type I)
 Peluang salah ketika menolak H0 yang benar
 Mempunyai konsekuensi lebih serius
 Peluang kesalahan Tipe I:
 Disebut tingkat signifikansi 
 Tingkat Kepercayaan = 1 - 
 Salah Tipe II (Error Type II
 Peluang salah ketika gagal menolak H0 yang salah
 Peluang kesalahan Tipe II: disebut β
 Kekuatan uji (power ot the test) = 1- β
dan ditentukan oleh peneliti
15
KESALAHAN PENGAMBILAN KEPUTUSAN
UJI STATISTIK

Hal-16
KESALAHAN PENGAMBILAN KEPUTUSAN
UJI STATISTIK

Hal-17
KESALAHAN PENGAMBILAN KEPUTUSAN
UJI STATISTIK

Hal-18
KESALAHAN PENGAMBILAN KEPUTUSAN
UJI STATISTIK

Hal-19
 Kesalahan dalam Uji Statistik
 Salah tipe pertama () disebut tingkat signifikansi
(significance level) adalah probabilitas terjadinya slah
ketika menolak H0, padahal H0 tersebut benar
 (1- ) disebut tingkat kepercayaan (confidence level)
adalah probabilitas untuk tidak membuat kesalahan
jenis pertama
 Salah tipe kedua () adalah probabilitas salah ketika
menerima H0, padahal H0 tersebut salah
 (1- ) adalah probabilitas untuk tidak membuat
kesalahan jenis kedua dan dikenal dengan tingkat
kekuatan uji (power of the test)
20
 Type I & II mempunyai relasi
berkebalikan
Idealnya kedua kesalahan minimal
tetapi Jika kesalahan yang satu
diperkecil yang lain membesar

21
 KEPUTUSAN UJI STATISTIK
 Secara Klasik
 Membandingkan nilai statistik hitung dengan nilai statistik tabel
 Bila nilai hitung < nilai tabel  Ho diterima  Simpulan Ho
 Bila nilai hitung > nilai tabel  Ho ditolak  Simpulan Ha
 Misal, statistik uji Zhitung=2.5 pada =0.05 dan uji dua arah (two side) Z tabel=-
1.96 s/d 1.96 merupakan daerah Ho.
 Karena Zhitung=2.5 > Z tabel=1.96 maka Ho ditolak.

 Secara Probabilistik
 Membandingkan nilai-p dengan 
 Bila nilai-p >   Ho diterima  Simpulan Ho
 Bila nilai-p <=   Ho ditolak  Simpulan Ha
 Nila-p=0.001, =0.05 dan ujia dua arah (two side). Karena nilai-p=0.001 <
=0.05 maka Ho ditolak

22
 Langkah Dalam
Uji Hipotesis

1. Tuliskan H0 dan H1
2. Tetapkan tingkat signifikasi/salah type-1 ()
atau Area kritis penolakan Ho
 =0.01, =0.05 atau =0.10

3. Tentukan jenis Uji Statistik yang sesuai

4. Lakukan Uji Statistik, dapatkan nilai
Statistik Hitung (mis. Z, T, F, X2, dll)

23
 Langkah Uji Hipotesis
5 .Tentukan daerah kritis
o Area penerimaan/penolakan Ho, kemudian bandingkan dg
Statistik Hitung
o Atau, Tentukan nilai-p (berdasarkan Tabel,
atau Hitung nilai-p oleh komputer)
6. Buat keputusan dan simpulan Uji Statistik
o Tolak Ho (Bila nilai-p < alpha) atau
bila Nilai-statistik-hitung > Nilai-statistik-tabel) atau
bila Nilai-hitung jatuh di area penolakan  Simpulan Ha
o Gagal tolak Ho (Bila nilai-p > alpha) atau
bila Nilai-statistik-hitung < Nilai-statistik-tabel atau
bila Nilai-statistik-hitung jatuh diarea penerimaan  Simpulan
Ho
7. Simpulan: Tulis simpulan sesuai keputusan uji hipotesis
(Hipotesis=belum terbukti, Simpulan=sudah terbukti)
24
 JENIS UJI STATISTIK YANG SERING
DIGUNAKAN:
Hubungan Antara 2 Variabel
JENIS
VARIABEL Var Dependen
Var
Independen Kategorik Numerik
1.Chi-square/
Regresi logistik 2. t-test (jika 2 kategori)
Kategorik sederhana 3. Anova (>2 kategori)
4. Korelasi /
2. t-test (jika 2 kategori) Regresi Linier
Numerik 2.Anova (>2 kategori) sederhana

25
 TUGAS HIPOTESIS
Pilih topik penelitian yang menghubungkan var X dengan Y:
Tugas :
1.Buatlah suatu judul penelitian yang menilai
hubungan antara variabel X dengan Y
2.Buatlah Hipotesis Nol dari penelitian tsb
3.Buatlah Hipotesis Alternatif (1-tailed)
4.Buatlah Hipotesis Alternatif (2-tailed)
5.Mana yang cocok ditulis di Simpulan, apakah
hipotesis 1-tailed atau 2-tailed?

Hal-26
27
 UJI HIPOTESIS
Beda Rerata
(Uji Z dan T)
Departemen Biostistika
FKM UI

28
 Estimasi Interval (Perkiraan)
Data Numerik Estimasi Data Kategorik
Interval

Mean/Rata-rata Proporsi

p(1  p )
..%CI  p  Z ( / 2)
 = SD pop  = SD populasi n
Distribusi Z
 diketahui tak diketahui

 ..CI    t SD
..CI    Z / 2 ( / 2 , df  n 1)
n n
Distribusi Z Distribusi T
Hal-29
 Uji Hipotesis satu populasi
Data Numerik Uji Data Kategorik
Hipotesis

Beda Mean Beda Proporsi

 = SD pop  = SD populasi
 diketahui tak diketahui
Uji-Z
X  X X  X 
Z  t
X / n
S/ n
Uji-Z Uji-T Hal-30
 JENIS UJI STATISTIK YANG
SERING DIGUNAKAN:
Hubungan Antara 2 Variabel
JENIS
VARIABEL Var Dependen
Var
Independen Kategorik Numerik
1.Chi-square/
Regresi logistik 2. t-test (jika 2 kategori)
Kategorik sederhana 3. Anova (>2 kategori)
4. Korelasi /
2. t-test (jika 2 kategori) Regresi Linier
Numerik 2.Anova (>2 kategori) sederhana

31
 Uji-Z satu sisi untuk Mean
(σ: Std.Deviasi populasi diketahui)
 Asumsi
 Populasi berdistribusi normal
 Jika tak normal perlu sampel besar
 Tanda H0 ≤ atau ≥ dari nilai tertentu
 Z Statistik uji


X  X X 
Z 
X / n

32
Contoh: Test Satu Sisi (1-tailed)
st.dev populasi diketahui

368 gm.

H0: =368

H1:  368

33
 Nilai Kritis: Test Satu Sisi
populasi diketahui

Z 1 Tabel Z, distribusi Normal

Standart kumulatif

Z .04 .05 .06

Area Tolak
.95 Ho 1.6 .9495 .9505 .9515
Area Terima Ho  = .05
1.7 .9591 .9599 .9608

0 1.645 Z 1.8 .9671 .9678 .9686

Nilai Kritis Z, 1.9 .9738 .9744 .9750
pada alpha 5% =
1.645 34
 Penyelesaian: Test Satu Sisi
populasi diketahui
H0: =368
H1:  > 368
X 
= 0.5 Z  1.50

n = 25 n
Nilai Kritis Z : 1.645
Area Tolak
Ho Kesimpulan:
Area Terima Ho .05 Gagal menolak Ho pd =0.05

0 1.645 Z Tidak ada bukti rata-rata > 368

Z=1.50 Nilai sig (pada Z=1.5) = 0.0668 35

 P -value

p-Value = P(Z 1.50) = 0.0668

P-Value =.0668

1.0 - 0.9332
0.0668

0 1.50 Z
Z=1.5  Tabel arsir pinggir  Nilai-P = 0.0668
Z=1.5  Tabel arsir tengah Nilai-P = 1-0.9332
= 0.0668 36
 P-value
(continued)
P-value = 0.0668
 Pada  = 0.05, Ho gagal ditolak.
p Value = 0.0668

Area Tolak
peneri
maan = 0.05
Ho
0.0 Z
1.50
1.645
Z=1.5 terletak dalam daerah penerimaan Ho
Z=1.5  Tabel arsir pinggir  Nilai-P = 0.0668 37
Contoh: Test Dua Sisi (2-tailed)
populasi diketahui

368 gm.

H0: 368
H1:  368

38
 Penyelesaian: Test Dua Sisi
populasi diketahui
H0: 368 Test Statistic:
H1:  368
X   372.5  368
Z   1.50
 15
n 25

Putusan:
Tolak
Area
Tidak ditolak di  = .05
.025 peneri .025
maan
Ho
Kesimpulan:
Tidak ada bukti rata-rata
-1.96 0 1.96 Z cereal bukan 368
1.50 39
 P-value: Tes 2-sisi
P-value = 0.1336 (2 x 0.0068)
 H0 gagal ditolak

p Value = 2 x 0.0668

Tolak Tolak

= 0.05

0 1.50 1.96
Z
Z=1.5 terletak dalam daerah penerimaan Ho
Z=1.5  Tabel arsir pinggir  Nilai-P = 0.0668 40
 T- Test: Jika σ=Std.Dev
Populasi tidak diketahui
 Asumsi
 Populasi berdistribusi normal
 Jika tak normal, sampel besar
 Gunakan SD (std.Deviasi sampel) untuk
perhitungan

 T -test dengan DF=n-1,

X 
t
S/ n
41
Contoh: t Test Satu Sisi
tidak diketahui

368 gm.

H0: 368
H1:  368

42
 Penyelesaian: T-test Satu Sisi
tidak diketahui
H0: 368 Test Statistic:
H1:  368
x   372.5  368
t   1.5
/ n 15 / 25

Tolak Ho Putusan:
Gagal ditolak di  = .05
.05
Ho Gagal Tolak
Simpulan:
Tidak cukup bukti untuk
1.50 1.711 t24 menyimpulkan bahwa
rerata lebih dari 368 gr 43
Contoh: t Test Satu Sisi (0.01)
n=36 tidak diketahui

368 gm.

x xx
Z 
 / n SD / n

H0: 368
H1:  368
44
 Penyelesaian: T-test Satu Sisi
 n=36 tidak diketahui
Test Statistic:
H0: 368
X   372.5  368
H1:  368 t   1.80
S 15
= 0.01 n 36
n = 36, df = 35
Nilai Kritis : 2.4377
Putusan:
Ho Gagal Tolak Tolak Ho Gagal ditolak pd =0.01
.01 Simpulan:
Tidak cukup bukti untuk
1.80 2.4377 menyimpulkan bahwa
t34 rata-rata > 368 gr
45
 P –value,  = 0.01, n=36

(P-value berkisar antara 0.025 sd 0.05)

pada  = 0.01, H0 gagal ditolak

p Value = [.025, .05]

Tolak

= 0.01

0 t35
1.80 2.4377
T=1.8 (DF=35) Nilai-P berkisar 0.025 sd 0.05
46
 UJI HIPOTESIS
Beda Proporsi
(Uji Z)
Departemen Biostistika
FKM UI

47
 Uji Hipotesis Nilai Proporsi

 Melibatkan data kategorik

 Dua kemungkinan outcome (hasil)
 “Sukses” dan gagal
 P(Sukses) = p dan P(Gagal)=1-p
 Distribusi Binomial
 Proporsi populasi “success” dinotasikan
dengan p

48
 Uji Hipotesis Nilai Proporsi

 Proporsi sampel dalam kategori sukses pS

X Number of Successes
ps  
n Sample Size
 Jika n*p dan n*(1-p) ≥ 5, maka pS dapat
digunakan pendekatan distribusi normal,
dengan mean dan standart Deviasi sbb:

 ps  p p(1  p)
 ps 
n
49
Contoh: Uji-Z untuk Proporsi

Cek:
n.p>5 dan n(1-p)>5

Check:
np  500  .04   20
5
n  1  p   500  1  .04 
 480  5

50
 Uji-Z untuk Proporsi: Solusi

H0: p .04 Test Statistic:

pS  p .05  .04
H1: p  .04 Z   1.14
p  1 p .04  1  .04 
 = .05
n 500
n = 500
Nilai Critical:  1.96 Putusan:
Ho Gagal ditolak pd  = .05
Tolak Ho Tolak Ho
Simpulan:
.025 Terima .025
Ho Tidak cukup bukti untuk
Z menyimpulkan bahwa mhs
-1.96 1.14 1.96 pengguna sabun W bukan
4%. 51
 P -value
(P-value = 0.2542 (2 x 0.1272)
 Pada  = 0.05, H0 gagal ditolak
p Value = 2 x .1271

Tolak Tolak

= 0.05

0 1.14 1.96
Z
Z=1.14 masuk dalam area penerimaan H0
Z=1.14  Tabel Z arsir Tengah  P = 0.1271
52
53
 TUGAS (Kumpul di EMAS, setelah ujian)
:Uji Rerata (2-tailed)
Q. Kepala Dinkes Kab.X
mengklaim kadar Hb ibu H0: 12.5
hamil 12.5 gr/dl H1:  12.5
Untuk membuktikannya, diteliti
sampel random dari 225
bumil, Mean Hb = 11.5 gr/dl, std.dev
368 gm.
SD5 gr/dl.
populasi tidak
Lakukan Test 2-sisi pada
0.05. Hipotesis: Rerata
diketahui
Hb bumil bukan 12.5 gr/dl
(dapat lebih rendah atau lebih tinggi)
54
 TUGAS (Kumpul di EMAS, setelah ujian)
:Uji-Z untuk Proporsi
Q. Kepala Dinkes Kab.X Cek:
mengklaim Gizi kurang 5%. n.p>5 dan n(1-p)>5
Untuk membuktikan klaim,
diambil sample random 400 Lakukan ujinya:
balita, didapatkan 25 gizi
kurang (6.25%).
Lakukan uji hipotesis: H-2-
tailed: Pada alpha 0.05,
Proporsi gizi kurang bukan
5% (dapat kurang atau lebih
dari 4%)

55