SESI 4

Uji Hipotesis
Pendahuluan
Uji Hipotesis berguna :

1. Untuk membantu pengambilan keputusan tentang apakah

suatu hipotesis yang diajukan, ada perbedaan atau
hubungan, cukup meyakinkan untuk ditolak atau tidak
(gagal) ditolak

2. Untuk mencapai keputusan tentang suatu populasi yang

dinilai dari sampel yang diambil dari populasi
Pendahuluan
Uji Hipotesis secara luas digunakan untuk penelitian di
bidang kedokteran, kedokteran gigi, kesehatan
masyarakat, biologi, keperawatan, dan bidang lain,
untuk menggambarkan keputusan dari populasi

Keputusan pada uji hipotesis

tergantung pada outcome/keluaran
yang dihasilkan
Pendahuluan
Keyakinan untuk ditolak atau tidaknya
suatu hipotesis didasarkan pada 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
 Contoh:
Seorang peneliti diminta untuk melakukan
penelitian terkait pembuktian apakah
sebuah vaksin baru lebih efektif daripada
vaksin yang selama ini beredar

Untuk menjawab pertanyaan tersebut,

peneliti melakukan pengujian hipotesis
untuk membuktikan apakah vaksin baru
itu benar lebih efektif daripada vaksin
yang beredar selama ini
Dengan pengujian hipotesis akan
diperoleh kesimpulan secara
probabilistik apakah vaksin baru
tersebut lebih baik daripada yang
selama ini beredar
 Melakukan
perbandingan
Prinsip Uji antara nilai
Hipotesis sampel (data
hasil penelitian)
dengan nilai
hipotesis (nilai
populasi)
 Tergantung Besar kecilnya
perbedaan antara nilai sampel
dengan nilai hipotesis
Peluang Bila perbedaan cukup besar,
diterima peluang  peluang untuk menolak
atau hipotesis pun besar

ditolaknya Begitu Sebaliknya

hipotesis
Jadi, semakin besar perbedaan
antara nilai sampel dengan nilai
hipotesis (nilai populasi) maka
semakin besar peluang untuk
menolak hipotesis
2 Kesimpulan yang didapat dari
pengujian hipotesis

1. Menolak Hipotesis

2.Menerima Hipotesis (gagal menolak

hipotesis)

Dalam uji hipotesis arti menerima hipotesis

sebetulnya kurang tepat, yang tepat adalah gagal
menolak hipotesis
 Menerima Hipotesis (gagal
menolak hipotesis)

 Dalam uji hipotesis, kesimpulan menerima hipotesis,

bukan berarti kita telah membuktikan bahwa hipotesis itu
benar, karena benar atau tidaknya suatu hipotesis hanya
dapat dibuktikan dengan melakukan observasi ke
seluruh unit populasi (Tidak mungkin)

 Menerima hipotesis  peneliti tidak cukup bukti untuk

menolak hipotesis shg disebut “gagal menolak
hipotesis”

 Anologinya seperti proses persidangan kriminal di

pengadilan
Hipotesis

Thesis =
pernyataan/
teori Pernyataan
sementara yang
perlu diuji
kebenarannya 
pengujian hipotesis
2 Jenis Hipotesis
1. Hipotesis nol (Ho)
Menyatakan tidak ada perbedaan sesuatu
kejadian antara kedua kelompok. Atau tidak ada
hubungan antara variabel satu (exposure)
dengan variabel yang lain (disease/outcome)
Contoh:
a. Tidak ada perbedaan berat badan bayi waktu lahir antara
mereka yang dilahirkan dari ibu yang merokok dengan
mereka yang dilahirkan dari ibu yang tidak merokok
b. Tidak ada hubungan antara kebiasaan merokok pada ibu
hamil dengan berat badan bayi waktu lahir
2 Jenis Hipotesis (lanjutan)
2. Hipotesis alternatif (Ha)
Menyatakan ada perbedaan sesuatu
kejadian antara kedua kelompok. Atau ada
hubungan antara variabel satu dengan
variabel yang lain
Contoh:
a. Ada perbedaan berat badan bayi waktu lahir antara
mereka yang dilahirkan dari ibu yang merokok dengan
mereka yang dilahirkan dari ibu yang tidak merokok
b. Ada hubungan antara kebiasaan merokok pada ibu
hamil dengan berat badan bayi waktu lahir
 Arah/Bentuk Uji Hipotesis
Bentuk Hipotesis Alternatif akan menentukan
arah uji statistik apakah satu sisi (one tail)
atau dua sisi (two tail)

1. One Tail  apabila hipotesis alternatif menyatakan adanya

perbedaan dan ada pernyataan yang mengatakan bahwa
hal yang satu lebih rendah/tinggi daripada yang lain.
Contoh: BB bayi dari ibu hamil yang merokok lebih kecil
dibandingkan BB bayi dari ibu hamil yang tidak merokok

2. Two Tail  apabila hipotesis alternatif hanya menyatakan

perbedaan tanpa melihat apakah yang satu lebih
tinggi/rendah daripada yang lain. Contoh: BB bayi dari ibu
hamil yang merokok berbeda dibandingkan BB bayi dari ibu yang tidak
merokok
Contoh Penulisan Hipotesis
• Suatu penelitian ingin mengetahui hubungan antara jenis
kelamin dengan tekanan darah, maka hipotesisnya
adalah sbb:

Ho : A = B
• Tidak ada perbedaan mean tekanan darah antara laki-laki
dan perempuan, atau
• Tidak ada hubungan antara jenis kelamin dengan tekanan
darah
Ha : A ≠ B
• Ada perbedaan mean tekanan darah antara laki-laki dan
perempuan, atau
• Ada hubungan antara jenis kelamin dengan tekanan darah
Kesalahan Pengambilan Keputusan
Dalam pengujian hipotesis, peneliti selalu dihadapkan
pada suatu kesalahan dalam pengambilan keputusan.
Ada 2 jenis kesalahan pengambilan keputusan dalam
uji statistik

1. Kesalahan tipe I ()

Kesalahan menolak Ho, padahal sesungguhnya Ho benar
 Menyimpulkan adanya perbedaan, padahal sesungguhnya
tidak ada perbedaan.
 Peluang membuat kesalahan tipe I ini adalah  (I) atau
tingkat signifikansi (significance level)
 Dengan demikian, peluang untuk tidak membuat
kesalahan tipe I adalah sebesar 1 -  (tingkat
kepercayaan/confidence level)
Kesalahan Pengambilan Keputusan (2)

2. Kesalahan tipe II (ß)

Kesalahan tidak menolak Ho,
padahal sesungguhnya Ho salah
 Menyimpulkan tidak ada perbedaan, padahal
sesungguhnya ada perbedaan.
 Peluang membuat kesalahan tipe II ini adalah sebesar ß
(II) atau tingkat signifikansi (significance level)
 Peluang untuk tidak membuat kesalahan tipe II adalah
sebesar 1 - ß (tingkat kekuatan uji/power of the test)
Kesalahan Pengambilan Keputusan (3)

Keputusan Populasi
Ho Benar Ho Salah

Tidak menolak Ho Benar (1 - ) Kesalahan tipe II (ß)

Menolak Ho Kesalahan Tipe I Benar (1 – ß)

()
 Merupakan peluang untuk menolak
Ho ketika Ho memang salah
Atau kemampuan untuk mendeteksi
Power of The Test adanya perbedaan bermakna antara
(Kekuatan Uji) kelompok-kelompok yang diteliti
ketika perbedaan-perbedaan itu
memang ada
Power = ( 1 – ß )
Dalam pengujian hipotesis dikehendaki nilai 
dan nilai ß  sulit dicapai karena semakin kecil
, nilai ß semakin besar.

Berhubung harus dibuat keputusan menolak

atau tidak menolak maka harus diputuskan
untuk memilih salah satu saja yang harus
diperhatikan, yaitu  atau ß

Umumnya yang diperhatikan adalah nilai 

Menentukan Tingkat Kemaknaan
Merupakan kriteria/batasan
Merupakan kesalahan
yang digunakan untuk
tipe I suatu uji yang biasa
memutuskan apakah Ho
diberi notasi 
ditolak atau gagal ditolak

 Nilai yang menunjukkan besarnya peluang salah

dalam menolak H0
 Tingkat kemaknaan sering disebut dengan Nilai  
merupakan batas toleransi peluang salah dalam
menolak H0
  merupakan nilai batas maksimal kesalahan
menolak H0
  Juga sebagai batas maksimal kita salah menyatakan
adanya perbedaan/ada hubungan
Menentukan Tingkat Kemaknaan
Penentuan nilai  Nilai  yang sering digunakan
tergantung dari tujuan adalah adalah 10%, 5%, atau
dan kondisi penelitian 1%

Untuk bidang kesehatan masyarakat, biasanya, nilai 

(alpha) yang digunakan adalah sebesar 5%, sementara
untuk pengujian obat-obatan digunakan batas toleransi
kesalahan yang lebih kecil, yaitu 1%  karena
mengandung risiko yang fatal

Misalnya pada penelitian untuk menilai khasiat obat bius (untuk

menghindari kegagalan obat bius yang bisa menghilangkan nyawa
maka digunakan nilai  sebesar 1%
 Pengertian Nilai p
O Nilai p (p value) merupakan nilai yang
menunjukkan besarnya peluang salah
menolak Ho dari data penelitian.
O Nilai p (p value) dapat diartikan pula
sebagai nilai besarnya peluang hasil
penelitian yang dihasilkan (misalnya
adanya perbedaan mean atau proporsi)
yang terjadi semata-mata karena faktor
kebetulan (by chance), jika Ho benar
 Pengertian Nilai P
O Harapan kita nilai p adalah sekecil
mungkin, sebab bila nilai p kecil maka
kita yakin bahwa adanya perbedaan
pada hasil penelitian menunjukkan pula
adanya perbedaan di populasi
O Dengan kata lain kalau nilai p nya kecil
maka perbedaan yang ada pada
penelitian terjadi bukan karena faktor
kebetulan (by chance).
 Pengertian Nilai p

O Jika didapat nilai p ≤  atau p value ≤

0.05  Ho ditolak  menunjukkan
bahwa ada perbedaan atau ada
hubungan antara kelompok yang
diteliti
Contoh:
Suatu penelitian untuk mengetahui hubungan
riwayat hipertensi ibu hamil dengan BB bayi
waktu lahir

Hasil: Ibu Hipertensi 

rata-rata BB bayi = 2.000 gram
Ibu yang sehat 
rata-rata BB bayi = 3.000 gram

Apakah perbedaan karena kebetulan atau

berlaku untuk seluruh populasi?
O Uji dengan Uji T  didapat nilai p = 0.0110
(p value < 0.05)  Ho ditolak  Ada hubungan
riwayat hipertensi ibu hamil dengan BB bayi
waktu lahir

O Kesimpulan: jika BB bayi antara ibu hipertensi dan

ibu yang sehat, tidak berbeda MAKA perbedaan
BB bayi sebesar 1.000 gram antara ibu hipertensi
dan ibu yang sehat disebabkan oleh faktor
kebetulan (by chance) adalah sebesar 0.0110
O Karena peluangnya sangat kecil, maka dapat
diartikan bahwa adanya perbedaan tersebut bukan
karena faktor kebetulan, namun karena memang
adanya pengaruh riwayat hipertensi
 Tentang pValue
O P value, atau kemaknaan secara statistik, tidak
mengukur besarnya suatu efek atau
pentingnya suatu hasil penelitian
O Kemaknaan statistik tidak sama dengan
kemaknaan ilmiah
O P value yang relatif kecil tidak serta merta
menunjukkan keberadaan efek yang besar
atau penting. Sebaliknya P value yang relatif
besar tidak serta merta pula menunjukkan
ketiadaan suatu efek
 Tentang PValue
O Sekecil apapun suatu efek dapat menghasilkan P
value yang relatif kecil jika jumlah sampelnya
besar dan hasil pengukurannya mempunyai
presisi yang tinggi. Sebaliknya, sebesar apapun
suatu efek dapat menghasilkan pvalues yang
relatif besar jika sampelnya sedikit dan hasil
pengukurannya tidak presisi
O Efek yang identik bisa saja menghasilkan p-
values yang berbeda jika presisi hasil
pengukurannya berbeda
 Tentang PValue
O P value tidak berarti apa – apa apabila tanpa
konteks mengapa suatu penelitian perlu
dilakukan atau tanpa keberadaan data awal
yang menunjukkan adanya kesenjangan
O Analisis data tidak boleh berhenti pada Pvalue
O Analisis data seharusnya menyertakan pula
pendekatan lain untuk sampai pada suatu
kesimpulan