 Pengertian dan Penggunaan Uji 1

Sampel
 Pengertian dan Penggunaan Uji
Binomial
 Contoh Kasus
 Step di SPSS
  Uji satu sampel dapat digunakan untuk :

1. Melihat perbedaan signifikan dalam lokasi antara

sampel dan populasi.
2. Melihat perbedaan signifikan antara
frekuensi yang diamati (real)dan frekuensi
yang kita harapkan
3. Melihat perbedaan signifikan antara proporsi yang
diamati (real) dengan proporsi yang
diharapkan
 Uji hipotesis yang digunakan jika
sampelnya terdapat 2 kategori (2 kelas)
 “bi”
◦ Misalnya: laki-laki dan perempuan, atau
kaya dan miskin.
 Sampel < 25 orang
 Data nominal (hanya membedakan)
 Sebagai pengganti uji T (T test) jika
asumsi normalitas data tidak terpenuhi
 Uji Binomial menguji hipotesis tentang suatu
proporsi populasi yang berasal dari 1 sampel
tunggal.
◦ Ciri binomial adalah data berupa dua (bi)
macam unsur, yaitu „gagal‟ atau „sukses‟
yang diulang sebanyak n kali.
◦ Peneliti bebas untuk mendefinisikan
apa yang dimaksud „sukses‟ dan apa
yang dikategorikan „gagal‟.
 Ada beberapa asumsi yang digunakan di
uji binomial ini, yaitu:
a) n percobaan saling independen
b) Masing-masing percobaan mempunyai
probabilitas yang sama yaitu P (kelas
pertama) dan 1-P atau Q (kelas kedua)
 Dengan

Keterangan :
 N ! = N faktorial= N (N-1) (N-2), dst…

 P = proporsi kasus yang diharapkan dalam salah

satu kategori
 Q = 1-P = proporsi kasus yang diharapkan dalam

kategori lainnya
Untuk sampel besar (n > 35), nilai kritis dapat didekati dengan distribusi normal
standar Z  (Z merupakan pendekatan distribusi normal dengan rata-rata sama dengan 0
dan standar deviasi sama dengan 1 ).

Dimana  (X + 0,5) digunakan jika  X < np , dan  (X – 0,5) digunakan jika  X > np. 
Jika nilai  Z > Zα/2  atau  Z < -Zα/2   maka keputusannya adalah menolak Ho (untuk uji
dua arah).  Untuk uji satu arah, jika nilai  Z > Zα  maka keputusannya adalah menolak
Ho atau  Z < -Zα   maka keputusannya adalah menolak Ho.
Hipotesa dalam Uji Binomial
Dua sisi :   Ho: p = po dan Ha: p ≠ po
Satu sisi :  Ho: p <= po dan Ha: p > po
                Ho: p >= po dan Ha: p < po

p = proporsi pada sampel

po = proporsi pada populasi
Perhitungan secara Manual

Dua Sisi
Jika  p ≤ po, maka:
Jika  p > po, maka:

Satu Sisi :

Jika  Ho: p ≥  po dan   Ha: p < po, maka:

Jika Ho: p ≤ po dan Ha: p > po, maka :

Kriteria Pengambilan Keputusan:
Untuk Uji Dua sisi:
Bila    Exact Sig. (2-tailed) < α/2 maka Ho ditolak
          Exact Sig. (2-tailed) > α/2 maka Ho gagal ditolak
 
Untuk Uji Satu sisi:
Bila    Exact Sig. (2-tailed) < α maka Ho ditolak
         Exact Sig. (2-tailed) > α maka Ho gagal ditolak
Contoh Soal :
Sebuah studi berminat melakukan uji fluorescent antibody guna meneliti
adanya reaksi serum setelah pengobatan pada penderita malaria falcifarum.
Dari 25 subjek yang telah disembuhkan, 15 subjek ditemukan bereaksi positif.
Jika sampel itu memenuhi semua asumsi yang mendasari uji binomial,
dapatkah kita menyimpulkan dari data itu bahwa proporsi reaksi positif dalam
populasi yang bersangkutan adalah lebih besar dari 0,5? Misalkan α = 0,05
(Wayne W.Daniel, 2003, hal 67).

HIPOTESA
Ho : p ≤ 0,5 dan Ha: p > 0,5
PERHITUNGAN

 Dari tabel binomial, dengan n=25, x-1=14 dan Po=0,5, untuk uji satu sisi
dengan P = 15/25 = 0,6 > po =0,5, diperoleh nilai p :

                                           14         25!
            p=P(X ≥ 15) =  1 - ∑ --------------  0,5k 0,525-k 
                                             k=0   25! (25-k)!
 
                                = 1 – 0,7878 = 0,2122

Karena p = 0,2122 > 0,05. maka Ho gagal ditolak, sehingga kita dapat
menyimpulkan bahwa proporsi reaksi serum di antara populasi yang telah
mendapat pengobatan malaria tidak dapat dikatakan lebih besar secara
bermakna dari 0,5.
 Entry data-nya
 Klik Analyze -> Nonparametric Test ->
Binomial
 Masukan variabel yang akan di-analisis ke kotak

“test variable list “ di sebelah kanan

 Hipotesis ditentukan dari hasil nilai P pada kolom

“exact sig-”
 Aplikasikan contoh diatas ke dalam SPSS dengan data
sbb: Nama_Balita Status_Demam
1 0  Dengan :
2 0 Coding 0 = Tidak
3 0
4 1
demam
5 0 Coding 1=demam
6 1
7 0
8 0
9 1
10 0
11 0
12 1
13 1
14 0
16 0
17 1
18 0
19 0
20 1