Statistik Inferens:

Estimasi & Uji Statistik

Besral
Fakultas Kesehatan Masyarakat
Universitas Indonesia
besral@yahoo.com , besral@ui.ac.id Hal-1
Sebuah gambar, bila disajikan dengan cara
yang berbeda, dapat menampilkan
interpretasi yang berbeda pula
Sebuah gambaran yg tidak utuh, dapat
menghasilkan kesimpulan yg tidak utuh pula

Hal yang sama dapat terjadi pada riset

Hal-2
 Apakah simpulan ini benar?
Sebesar 80% penghuni penjara adalah orang
beragama Islam
1.Simpulan  Orang Islam memiliki risiko
lebih besar untuk masuk penjara

Sebesar 60% kecelakaan saat mudik lebaran

terjadi pada pengendara sepeda motor
2.Simpulan  Saat mudik lebaran, pengendara
sepeda motor memiliki risiko lebih besar
untuk kecelakaan
Apakah simpulan tsb benar?
1.Tidak, Jika orang Islam di populasi sekitar 80%
2.Tidak, Jika yg mudik dg sepeda motor sekitar 60%
09/06/2022 Hal-3
 STATISTIK INFERENS

UJI
ESTIMASI
HIPOTESIS

Hal-4
 Ruang Lingkup Statistik Deskriptif dan Inferens

Populasi Random Sampel Statistik

Deskriptif

Rata-rata Rata-rata income

=Rp1.5jt
Hb Ibu hamil
Sosial Ekonomi Sosek Rendah 40%
BBLR
ASI eksklusif Kejadian BBLR 25%
Estimasi dan
(TIDAK DIKETAHUI) Uji hipotesis
Statistik
Estimasi: BBLR berkisar 15-25% Inferensial
Hipotesis: “Sosek rendah meningkatkan risiko BBLR
sebesar 2 sd 5 kali lebih tinggi”
Hal-5
ESTIMASI

Hal-6
 Estimasi (Perkiraan/Pendugaan)
• Pengertian: pendugaan karakteristik populasi (parameter)
melalui karakteristik sampel (statistik).

• Estimasi titik
• Nilai rata-rata populasi
• Nilai proporsi populasi
• Nilai OR atau RR di populasi

• Estimasi Interval
• Estimasi interval terhadap rata-rata populasi
• Estimasi interval terhadap proporsi populasi
• Estimasi interval terhadap perbedaan rata-rata/proporsi
• Estimasi interval nilai OR atau RR di populasi

Hal-7
 Estimasi (Pendugaan)

• Populasi dan Sampel

Populasi
Sampel

Parameter Statistik
Mean () X
Proporsi (p) ps
Varians (2)
SD2

Central Limit Theorem

 Pengertian Estimasi Titik dan Interval

Populasi Random Sampel Simpulan

Rata-rata Hb
Mana yang benar ?
Rata Hb Bumil di Bumil Peneliti-1 atau Peneliti-2?
Populasi tidak =12.0 gr%
diketahui
Estimasi titik:
Rata-rata Hb Bumil
Peneliti-1 di Populasi adalah
12.0 gr%

Peneliti-2
Rata-rata Hb Estimasi Interval: Saya
Bumil percaya pada tingkat
=13.0 gr% kepercayaan …...% rata-
rata Hb Bumil di populasi
berkisar 11.0--13.0 gr%
Estimasi Interval menjamin perkiraan lebih mendekati
nilai sebenarnya di populasi
Hal-9
 Menghitung Estimasi Interval
(Tergantung pada Kepercayaan dan Besar sampel)

Data Numerik Estimasi Data Kategorik

.
Interval

Rata-rata Proporsi

 = SD populasi  = SD populasi
diketahui tidak diketahui
Distribusi Z

Distribusi Z Distribusi T Hal-11

 Pengertian Estimasi Titik dan Interval
 Bupati Kabupaten X menanyakan prevalensi gizi buruk pada Balita, Kepala Dinas
Kesehatan menyatakan berdasarkan laporan rutin gizi buruk hanya 6%.
 Bupati tidak puas, kemudian meminta dilakukan survei, dengan sampel 200 Balita
ditemukan gizi buruk 10%
 Kepala Dinas Kesehatan tidak puas, meminta dilakukan survei ulang, dengan sampel
yang lebih banyak 400 Balita, gizi buruk 9%

p 1-p n   95% CI p  
      z (a/2) LL UL
0.10 0.90 200 1.96 0.058 0.142
0.09 0.91 400 1.96 0.062 0.118
1. Apakah gizi buruk 10% lebih besar dari 6%?  TIDAK
2. Apakah gizi buruk 9% lebih besar dari 6%?  YA
3. Apa simpulan anda dari situasi tersebut?  TERKADANG
STATISTIK MEMBINGUNGKAN…DAN TIDAK BISA DIPERCAYA…
…TERUTAMA JIKA SAMPLING TIDAK TEPAT…
(Semakin besar sampel semakin sempit interval kepercayaan,
semakin mudah menyimpulkan adanya perbedaan)
 Estimasi Interval terhadap µ di populasi
bila Std.deviasi populasi diketahui
.  Rata-rata ‘urid acid’ dari 100 sampel Lansia adalah 5.9
mg/100ml. Bila standar deviasi di populasi diketahui
sebesar 1.5 mg/100 ml, Hitunglah estimasi interval terhadap
kadar ‘uric acid’ pada populasi Lansia.
 Pada tingkat kepercayaan 90%
= 5.9 + (1.64)(1.5/100)
= 5.9 + 0.246
5.654<  <6.146 mg/100 ml

 Pada tingkat kepercayaan 95%

= 5.9 - (1.96)(1.5/100)<  <5.9 + (1.96)(1.5/100)
= 5.9 – 0,294 <  < 5.9 + 0,294
5.606 <  <6.194 mg/100 ml

 Pada tingkat kepercayaan 99%

5.9 - (2.58)(1.5/100)<  <5.9 + (2.58)(1.5/100)
5.51<  <6.29 mg/100 ml

Semakin besar tingkat kepercayaan, semakin lebar estimasi interval,

 Semakin sulit untuk mendeteksi
Hal-13 adanya perbedaan
 CONTOH PENYAJIAN HASIL ESTIMASI

....
Hal-14
 UJI STATISTIK
terhadap hipotesis
penelitian

Hal-15
 HIPOTESIS
 Hipotesis: “hipo” (di bawah) dan “tesis” (pernyataan yang
telah diuji)  Simpulan sementara yg ingin diuji.
“Pernyataan sementara terhadap suatu penomena yang
akan dibuktikan kebenarannya”
 Hipotesis Statistik: Pernyataan sementara mengenai
parameter populasi yang dapat diuji secara statistik
melalui sampel yang diambil dari populasi
 Pengujian Hipotesis Statistik: suatu prosedur untuk
membuat keputusan, apakah menolak atau gagal menolak
hipotesis (Ho)
 Hipotesis Statistik:
 Hipotesis nol (H0) : pernyataan netral (sama dengan)
 Hipotesis Alternatif (H1 atau HA): pernyataan memihak,
sudah ada dugaan

Hal-16
 Ho dan Ha

Ibu Perokok Berat Bayi Lahir

 Hipotesis Nol (Ho):
“Tidak ada perbedaan berat badan bayi lahir antara
perokok dengan yang tidak merokok”
atau
“Tidak ada hubungan merokok dengan berat badan
lahir bayi”
 Hipotesis Alternatif (Ha):
“Ada hubungan merokok dengan berat bayi lahir”
(2-tailed: Belum jelas arah/bentuk hubungannya)
-----
“Rerata berat bayi yang lahir dari ibu perokok
lebih rendah dibanding ibu tidak perokok”(1-tailed)

.
Hal-17
 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) atau lebih besar.
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 (klinis=1%, kesmas=5%, sosbud=10%)

. Hal-18
LANGKAH UJI HIPOTESIS

Hal-19
LANGKAH UJI HIPOTESIS

Hal-20
 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 penerimaan 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=0.011, pada =0.05 dan uji dua arah (two side).
 Karena nilai-p=0.011 < =0.05 maka Ho ditolak

21
KESALAHAN PENGAMBILAN KEPUTUSAN
UJI STATISTIK

Hal-22
KESALAHAN PENGAMBILAN KEPUTUSAN
UJI STATISTIK

Hal-23
KESALAHAN PENGAMBILAN KEPUTUSAN
UJI STATISTIK

Hal-24
 KESALAHAN PENGAMBILAN KEPUTUSAN
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 a
• Tingkat Kepercayaan = 1 - a
Salah Tipe II (Error Type II
 Peluang salah ketika gagal menolak H0 yg salah
 Peluang kesalahan Tipe II: disebut β
 Kekuatan uji (power ot the test) = 1- β

a dan b ditentukan oleh peneliti/referensi

Hal-25
KESALAHAN PENGAMBILAN KEPUTUSAN
UJI STATISTIK

Hal-26
 PENGGUNAAN UJI STATISTIK PARAMETRIK DAN
NON PARAMETRIK
Kelompok atau Perbandingan
Skala Komparasi (2 sampel) Komparasi > 2 sampel
Hubungan
Ukur Deskriptif (asosiasi/
(1 sampel) Related Independen Related Independen korelasi)

Binominal Fisher Exact Test X² k sample X² k Contigency

Nominal Mc Nemar
X² 1sample X² 2 sample Cohran Q sample Coefficient C

Median test
Median Spearman Rank
Sign test Friedman
Tes U Mann Extension Correlation
Whitney two way
Ordinal Run – test
Kolmogorov Anova
Wilcoxon
Matched
Smirnov (repeated) Tes Kruskall
Tau Kendall
pairs Wallis
Wald Woldfowitz

Pearson Product
1way Anova 1way Anova moment
Interval t- test t–test t–test (repeated)
Partial correlation
dan Rasio (1-sampel) (paired) (independen)
2way Anova Multiple
(repeated) 2way Anova correlation
 UJI STATISTIK SEDERHANA YANG SERING DIGUNAKAN

Var Independen Var Dependen

Var Dependen
Var
Independen Kategorik Numerik
1.Chi-square/ 2. t-test (jika 2 kategori)
Kategorik Regresi logistik 3. Anova (>2 kategori)
sederhana
2. t-test (jika 2 kategori) 4. Korelasi /
Numerik 2.Anova (>2 kategori) Regresi Linier
sederhana

T-test, Anova, Regresi Linier (Jika distribusi normal)

Distribusi tidak normal  Gunakan skala ordinal
 UJI STATISTIK SEDERHANA YANG SERING DIGUNAKAN

Var Independen Var Dependen

Uji hubungan Hipotesis Alternatif Jenis uji
Rokok (Y/T) -Ada hubungan antara rokok dg BBLR
 (statemen umum)
BBLR (Y/T) -Ada perbedaan Proporsi BBLR antara ibu Chi square
perokok dg ibu bukan perokok (statemen
umum)
-Proporsi BBLR pada ibu perokok lebih tinggi
dibanding ibu bukan perokok (spesifik)i
Korelasi/regresi linier
Rokok (Y/T)  -Ada hubungan antara ibu perokok dg Berat T-test,
Berat bayi lahir bayi lahir (distribusi
(gr) -Rata-rata berat bayi pada ibu perokok normal)
berbeda dengan ibu bukan perokok
-Rata-rata berat bayi pada ibu perokok lebih Median test,
rendah daripada ibu bukan perokok (distribusi
tidak normal)
 UJI STATISTIK SEDERHANA YANG SERING DIGUNAKAN

Var Independen Var Dependen

Uji Hipotesis Alternatif Jenis uji
hubungan
Pendidikan ibu Ada hubungan antara pendidikan Anova, (distribusi
(SD, SMP, SMA) ibu dg Berat bayi lahir normal)
 Berat bayi Rata-rata berat bayi berbeda antar
lahir (gr) pendidikan (<=SD, SMP, SMA+) Kruskal Wallis,
(distribusi tidak
normal)

Umur ibu (th)  Ada hubungan antara umur ibu dg Pearson Korelasi/
Berat bayi lahir Berat bayi lahir Regresi linier
(gr) Semakin tua umur ibu semakin (distribusi normal)
rendah berat bayinya
Y = a + b X (Y = berat bayi, X = Spearman korelasi,
(distribusi tidak normal)
umur ibu)
Uji Statistik Beda
Proporsi

Hal-31
UJI-Z BEDA 2-PROPORSI
Z = Nilai distribusi
normal standar
P1 = Proporsi outcome
pd kelp-1
P2 = Proporsi outcome
pd kelp-2
n1 = Jumlah sampel pd
kelp-1
n2 = Jumlah sampel pd
kelp-2
P-^=(x1+x2)/(n1+n2)
X=jumlah outcome Hal-32
 UJI-Z BEDA 2-PROPORSI
Hubungan Ibu Hamil Perokok dengan
Kelahiran BBLR
Z = Nilai distribusi normal standar
P1 = Proporsi BBLR pd bumil perokok (x1/n1)
P2 = Proporsi BBLR pd bumil non-perokok (x2/n2)

n1 = Jumlah sampel bumil perokok

n2 = Jumlah sampel bumil non perokok
P-bar = (x1+x2) / (n1+n2)

Hal-33
 CONTOH PENYAJIAN HASIL UJI BEDA
PROPORSI
.

....
Hal-34
Uji Statistik Beda
2-Rerata (T-tes)

Hal-35
 UJI-T BEDA 2-Rerata (Independen)

T = Nilai distribusi-T
1=x1= Rerata pd kelp-1
𝟏 ;  𝟏 𝟐 ;  𝟐 2=x2= Rerata pd kelp-2
n1 = Jumlah sampel pd
kelp-1
n2 = Jumlah sampel pd
kelp-2 36
 Uji-T beda 2-rerata (independen)

𝟏 ;  𝟏 𝟐 ;  𝟐

1 = Rerata kelp.1; & 1=SD1=Std.Deviasi kelp.1

2 = Rerata kelp.2; & 2=SD2=Std.Deviasi kelp.2
37
SDp2 = varians gabungan; SD12 =varians kelp.1, SD22 = varians kelp.2
 UJI-T BEDA 2-Rerata (Independen)
Efek pajanan rokok pada ibu hamil terhadap
rerata berat bayi
x1= Rerata berat bayi pd ibu
perokok
n1 = Jumlah bumil perokok

x2= Rerata berat bayi pd ibu

𝟏 ;  𝟏 𝟐 ;  𝟐 tidak perokok
n2 = Jumlah bumil tdk perokok

T = Nilai distribusi-T
38
 CONTOH TABEL PENYAJIAN HASIL UJI BEDA
RERATA
.

....
Hal-39
Uji Statistik Korelasi

Hal-40
 UJI KORELASI/REGRESI LINIER
Korelasi tinggi badan dengan kapasitas paru (FEV1)
F orce expiratoty volum e in 1 m in (m l)

600

500

400

300

200

100
140 150 160 170 180 190 200

height (cm)

Koefisien korelasi Pearson, R=0.80, R2=0.64

Hal-41
 UJI KORELASI
Korelasi tinggi badan dengan kapasitas paru (FEV1)
F orce expira toty volum e in 1 m in (m l)

600

500

400

300

200

100
140 150 160 170 180 190 200

height (cm)

Rumus R dan Uji-statistik (Uji-T)

Hal-42
 CONTOH TABEL PENYAJIAN HASIL UJI
KORELASI/REGRESI LINIER
.

....
Hal-43
Hal-hal yang perlu
diperhatikan pada
UJI STATISTIK

Hal-44
Kemaknaan statistik vs substansi

Penelitian dilakukan dengan sampel 200 orang yang

memiliki kebiasan minum teh & 200 orang yang tidak
memiliki kebiasaan minum teh. Dengan perbedaan
proporsi 2% dan p-value 0,6513 disimpulkan Kebiasan
minum teh tidak berhubungan dengan PJK

Apakah simpulan ini bisa dipercaya? Ya

Hal-45
Kemaknaan statistik vs substansi

Penelitian ini memiliki proposi kejadian PJK yang sama dengan

penelitian sebelumnya, tetapi jumlah sampel 10 kali lebih besar, hasil
uji statistik dengan perbedaan 2% & p-value 0,043 disimpulkan
“Kebiasan minum teh berhubungan dengan PJK”.

Apakah simpulan ini bisa dipercaya?

Tidak, secara substansi perbedaan 2% tidak ada maknanya.
Berhubung sampel terlalu besar, statistik jadi signifikan
Lebih tepat kita menyimpulkan perbedaan insiden 2%
(12% vs 10%) daripada melaporkan nilai-p 0,043 Hal-46
Kemaknaan statistik vs substansi
Sembuh
Proporsi yang
Jenis Obat Ya Tidak Total sembuh
A 60 40 100 60.0% Obat A
B 40 60 100 40.0% Obat B
100 100 200 P-value: 0.004
Penelitian dengn sampel: 100 Obat A & 100 Obat B.
Perbedaan proporsi 20% dan p-value 0,004, disimpulkan
terdapat perbedaan signifikan,
 Kesembuhan Obat A lebih tinggi dari Obat B

Apakah simpulan ini bisa dipercaya? ….Ya

Hal-47
Kemaknaan statistik vs substansi
Sembuh
Proporsi yang
Jenis Obat Ya Tidak Total sembuh
A 12 8 20 60.0% Obat A
B 8 12 20 40.0% Obat B
20 20 40 P-value: 0.172
Penelitian dengn sampel: 20 Obat A & 20 Obat B.
Dengan perbedaan proporsi 20% dan p-value 0,172
disimpulkan tidak ada perbedaan signifikan,
 Kesembuhan Obat A sama dengan Obat B
Apakah simpulan ini akurat?
Tidak, karena sampel terlalu kecil, tidak
bermakna secara statistik
Lebih tepat kita melaporkan angka perbedaan proporsi
60% vs 40% daripada melaporkan nilai-p 0,172 Hal-48
 STATISTIK INFERENSIAL:
Hal-hal yang Perlu Diperhatikan…1
 Validitas
 Tergantung cara pengambilan sampel
 Tergantung cara pengontrolan confounder &
effect modifier
 Masalah missing values & outliers

 Presisi
 Tergantung besar & distribusi sampel
 Penting untuk dilaporkan dalam nilai 95%CI
 STATISTIK INFERENSIAL:
Hal-hal yang Perlu Diperhatikan…2

 Nilai p tidak pernah menggambarkan

besarnya efek (efect size) / kuatnya
hubungan

 Besarnya efek diukur dg RR, OR, beda

rata-rata, beda proporsi, korelasi, dll

 Besarnya efek lebih penting untuk hasil

penelitian dibandingkan dengan nilai p
 ANALISIS DATA:
Hal-hal yang Perlu Diperhatikan…3
 Uji statistik parametrik
 Dilakukan berdasarkan asumsi distribusi parameter
di populasi  umumnya distribusi normal
 Hanya valid jika asumsi tsb benar
 Kesimpulan uji statistik berlaku untuk populasi (jika
sampel dipilih secara random dan representatif)
 Uji statistik non parametrik
 Tidak diperlukan asumsi distribusi populasi
 Kesimpulan uji statistik hanya berlaku untuk sampel
atau populasi yg lebih kecil
 Tiap uji statistik parametrik memiliki pasangan uji
statistik non parametrik Hal-51
 STATISTIK INFERENSIAL:
Hal-hal yang Perlu Diperhatikan…5
 Analisis Multivariat
 Dilakukan untuk mengontrol confounder &
effect modifier

 Jika confounder & effect modifier sudah dapat

dikontrol pada tahap disain studi, maka
analisis dapat lebih sederhana (tidak sampai
multivariat)

 Prinsip analisis multivariat: model parsimonius

(valid, precise & simple)
 SIMPULAN
1. Statistik hanyalah alat/metode (tools),
penggunaannya harus hati2 sesuai substansi
2.Signifikan secara statistik sangat
dipengaruhi oleh besar sampel.
Signifikan secara substansi LEBIH PENTING
3. Akurasi hasil riset sangat bergantung
pada TIADANYA BIAS (seleksi, pengukuran,
konfounding)
4.Pengukuran yg tidak utuh pd suatu riset
cenderung kesimpulannya tidak utuh pula

Hal-53
54

Besral
Departemen Biostatistika dan Kependudukan
Fakultas Kesehatan Masyarakat
Universitas Indonesia
WA: 081282575200
Email: besral@yahoo.com , besral@ui.ac.id
Hal-54