Uji Hipotesis, Uji Beda Mean Satu Sampel

UJI
HIPOTESIS
Prodi S1 Keperawatan
Fakultas Ilmu Kesehatan
Universitas Respati Indonesia
A. PENDAHULUAN HIPOTESIS
 Penyelidikan suatu gejala (fenomena) dlm konteks penelitian ilmiah  didahului dgn
menggunakan “anggapan” (asumsi | dugaan teoritis) mengenai populasi yg diamati (diteliti).
 Anggapan (asumsi/dugaan teoritis)dpt salah (ditolak) dpt benar (gagal ditolak) anggapan ini
disebut hipotesis.
 Hipotesis berasal dari kata Hupo  Sementara/lemah kebenarannya, & Thesis  Pernyataan/teori.
 Hipotesis  Pernyataan/teori sementara yg perlu diuji kebenarannya.
 Untuk menguji kebenaran sebuah hipotesis (ditolak | gagal ditolak) digunakan pengujian yg
disebut uji hipotesis.
 Tujuan pengujian hipotesis  Mengetahui apakah dugaan tentang karakter suatu populasi didukung
oleh informasi yg diperoleh dari data sampel | tidak.
 Pada akhirnya peneliti dpt melakukan penarikan kesimpulan (Mengeneralisasi) tentang keadaan
populasi melalui nilai yg berasal dari data sampel.
 Dua kemungkinan kesimpulan yg di dpt dari hasil pengujian hipotesis:
 Tolak dan Gagal Tolak, Mutually Exclusive, saling meniadakan tetapi salah satu harus terjadi.
Prodi S1 Keperawatan Urindo, 2021 2
Lanjutan A.......
Dapat ditinjau dari 2 sudut pandang  Penelitian & Statistik.

 Hipotesis penelitian:
 Sesuatu yg masih < sebuah kesimpulan pendapat.
 Suatu jawaban, juga yg dianggap besar kemungkinannya utk menjadi jawaban yg
benar.
 Pernyataan dugaan mengenai hubungan dua | lebih variabel.
 Jawaban sementara yg dipilih peneliti utk masalah yg diteliti, kemudian dicek
kebenarannya secara empirik  penelitian.
 Hipotesis statistik:
 Pernyataan statistik ttg parameter populasi & merupakan taksiran terhadap parameter
POPULASI melalui DATA SAMPEL.

Lanjutan A.......
Contoh Hipotesis penelitian:

Merokok berhubungan dengan tingginya tekanan darah
Contoh Hipotesis Statistik:

1. Rata-rata tekanan sistolik pada kelompok perokok lebih tinggi daripada rata-rata tekanan
sistolik pada kelompok bukan perokok.
2. Rata-rata jumlah batang rokok yang dihisap pada kelompok hipertensi lebih banyak
daripada rata-rata jumlah batang rokok yang dihisap pada kelompok normotensi.
3. Tingginya tekanan sistolik berkorelasi dengan banyaknya jumlah batang rokok yang dihisap
4. Proporsi penderita hipertensi lebih banyak pada kelompok perokok dibandingkan pada
kelompok bukan perokok

Lanjutan A....... A. PENDAHULUAN HIPOTESIS
Prinsip Uji Hipotesis

 Melakukan perbandingan antara nilai sampel (data hasil penelitian) dgn nilai hipotesis (nilai
populasi) yg diajukan.
 Peluang utk tak ditolak atau ditolaknya suatu hipotesis tergantung besar kecilnya
perbedaan antara nilai sampel dgn nilai hipotesis.
 Semakin besar perbedaan antara nilai sampel dgn nilai hipotesis, semakin besar peluang
untuk menolak hipotesis.

B. Jenis Hipotesis Statistik
 Di dalam statistik dikenal dua macam Hipotesis:
 Hipotesis nol (Ho)
 Hipotesis alternatif (Ha)
 Hipotesis nol (Ho) merupakan hipotesis yg dirumuskan dgn harapan akan ditolak.
 Penolakan terhadap hipotesis nol (Ho) mengakibatkan penerimaan suatu hipotesis
alternatif (Ha), demikian pula sebaiknya (Mutually Exclusive, saling meniadakan tetapi salah satu
harus terjadi).
 Hipotesis nol (null hypothesis, Ho):
 Merupakan hipotesis yg menyatakan tdk ada perbedaan sesuatu kejadian antara kedua kelompok.
 Atau hipotesis yg menyatakan tidak ada hubungan antara variabel satu dgn variabel yg lain.
 Hipotesis alternatif (alternative hypothesis, Ha):
 Merupakan hipotesis yg menyatakan ada perbedaan suatu kejadian antara kedua kelompok.
 Atau hipotesis yg menyatakan ada hubungan variabel satu dgn variabel yg lain.
Lanjutan B....... B. Jenis Hipotesis Statistik
Contoh:
Hipotesis Nol (Ho)
a. Tidak ada perbedaan BB bayi antara mereka yg dilahirkan dari ibu yg merokok dgn mereka
yg dilahirkan dari ibu yg tidak merokok.
b. Tidak ada hubungan antara status merokok ibu dengan berat badan lahir bayi.
Hipotesis Alternatif (Ha)

c. Ada perbedaan BB bayi antara mereka yg dilahirkan dari ibu yg merokok dgn mereka yg
dilahirkan dari ibu yg tidak merokok.
d. Ada hubungan antara status merokok ibu dengan berat badan lahir bayi

C. Arah/Bentuk Uji Hipotesis
Bentuk Hipotesis Alternatif (Ha) menentukan arah uji statistik, apakah: Uji Satu Sisi (One Tail) atau Dua Sisi (Two Tail)
1. Uji One Tail (Satu Sisi)

Hipotesis alternatifnya (Ha), mengandung kalimat yang menyatakan hal yg satu lebih tinggi (upper tail test) atau lebih
rendah (lower tail test) daripada hal yang lain.
Contoh:
Ho: μA ≥ μB
a. Uji Satu Sisi Sebelah Kiri (Lower Tail Test )
Ha: μA < μB
Hipotesis Alternatifnya (Ha) = BB lahir bayi dari ibu hamil yg
α
merokok lebih kecil dibandingkan dgn BB lahir bayi dari ibu
hamil yg tdk merokok.
b. Uji Satu Sisi Sebelah Kanan (Upper Tail Test)
Ho: μA ≤ μB
Hipotesis Alternatifnya (Ha) = BB lahir bayi dari ibu hamil yg tdk
Ha: μA > μB
merokok lebih besar dibandingkan dgn BB lahir dari ibu hamil
α
yg merokok.
Lanjutan C....... C. Arah Bentuk Uji Hipotesis
2. Uji Two Tail (Dua Sisi)

Hipotesis alternatif (Ha) hanya menyatakan adanya perbedaan tanpa
melihat hal yg satu lebih tinggi atau lebih rendah daripada hal yang
lain (tidak memihak).
Contoh:
Hipotesis Alternatif (Ha) =
BB lahir bayi dari ibu hamil yg merokok berbeda
Ho: μA = μB
dibandingkan dengan BB lahir bayi dari ibu yg tdk merokok. Ha: μA ≠ μB
Atau dgn kata lain: Ada perbedaan BB lahir bayi yg
dilahirkan dari kelompok ibu yg merokok dibandingkan ½α ½α
dengan BB lahir bayi yg dilahirkan dari kelompok ibu tdk
merokok.
D. Kesalahan Pengambilan Keputusan
Dalam pengujian hipotesis kita selalu dihadapkan suatu kesalahan pengambilan keputusan. Ada dua jenis kesalahan pengambilan keputusan dalam uji
statistik, yaitu:
Kesalahan Tipe I (α)

 kesalahan menolak Ho  sesungguhnya Ho benar.
 Menyimpulkan adanya perbedaan  sesungguhnya tidak ada perbedaan.
 Peluang kesalahan tipe satu (I) = α | dikenal dengan Tingkat signifikansi (significance level).
 Sebaliknya, peluang untuk tidak membuat kesalahan tipe I sebesar 1-α, | dikenal dengan Tingkat Kepercayaan (confidence level).
Kesalahan Tipe II (β)
 Kesalahan tidak menolak Ho  sesungguhnya Ho salah.
 Menyimpulkan tidak ada perbedaan  sesuangguhnya ada perbedaan.
 Peluang membuat kesalahan tipe kedua (II)  sebesar β.
 Peluang untuk tidak membuat kesalahan tipe kedua (II) 1-β, | Tingkat Kekuatan Uji (power of the test).
 Dalam pengujian hipotesis umumnya digunakan

kesalahan tipe I (α ) yaitu, berapa persen kesalahan
untuk menolak hipotesis nol (Ho) yang benar (yg
seharusnya diterima).
 α = Batas kesalahan tipe 1 yg boleh diperbuat (1%
(klinis), 5% (kesmas), 10% (sosbud)

E. Menentukan Tingkat Kemaknaan (Level Of Significance)
 kesalahan tipe I (α) kesalahan dlm menolak Ho (sesungguhnya Ho Benar)
 Merupakan kriteria/batasan dalam memutuskan apakah Ho ditolak atau gagal ditolak.
 Merupakan nilai yg menunjukkan besarnya peluang salah dlm menolak hipotesis nol.
 Penentuan nilai α tergantung dari tujuan & kondisi penelitian, yg sering digunakan 10 %, 5 % atau 1 %.
 Pada bidang kesehatan masyarakat, umumnya digunakan nilai α sebesar 5 % | α = 0,05.
 Pada pengujian obat (klinis) digunakan nilai α yg lebih kecil ,misalnya 1 % (dianggap mengandung
risiko yg fatal).
Tingkat Kemaknaan () 0,10 0,05 0,01 0,005 0,002
Satu Sisi (one Tail) Z +1,28 + 1,645 + 2,33 + 2,58 + 2,88
Dua Sisi (Two Tail) Z /2 + 1,645 + 1,96 + 2,58 + 2,81 + 3,08

F. Prosedur Uji Hipotesis
1. Menetapkan Hipotesis: hipotesis nol (Ho) dan hipotesis alternatif (Ha)

2. Penentuan uji statistik yang sesuai, tergantung dari:
 Jenis variabel yang akan dianalisis
 Jenis data apakah dependen atau independen
 Jenis distribusi data populasinya  distribusi normal atau tidak,
Contoh: Uji beda mean  uji T | uji Anova. Perbedaan proporsi  uji Kai kuadrat.
3. Tentukan batas | tingkat kemaknaan (level of significance)  1%, 5% atau 10%.
4. Penghitungan Uji Statistik
5. Keputusan Uji Statistik (Menolak Ho atau Gagal Tolak Ho).
Dapat Dicari dengan dua pendekatan (klasik dan Probabilistik)

5. Keputusan Uji Statistik
a. Pendekatan Klasik
Untuk memutuskan apakah Ho ditolak maupun gagal ditolak:
 Bandingkan Nilai Perhitungan Uji Statistik dengan Nilai pada Tabel.
 Nilai Tabel yg dilihat sesuai dgn jenis distribusi uji yg dilakukan,
 Jika uji Z  tabel Z (tabel kurve normal).
 Jika uji T  tabel T.
 Besarnya nilai tabel sangat tergantung dari nilai alpha (α) dan arah/Bentuk Hipotesis (uji one
tail atau two tail)
Tingkat Kemaknaan () 0,10 0,05 0,01 0,005 0,002
Satu Sisi (one Tail) Z +1,28 + 1,645 + 2,33 + 2,58 + 2,88
Dua Sisi (Two Tail) Z /2 + 1,645 + 1,96 + 2,58 + 2,81 + 3,08

Lanjutan F.......
a. Pendekatan Klasik Ho: μA = μB
1. Uji Two Tail (Dua Sisi) Ha: μA ≠ μB
 Untuk mencari nilai Z di tabel kurve normal, nilai α-nya harus dibagi dua arah, yaitu
ujung kiri dan ujung kanan dari suatu kurva normal, sehingga nilai alpha = ½ α.
Contoh:
Bila nilai tingkat kemaknaan yg digunakan adalah = 0,05, maka nilai α = ½ (0,05) = 0,025.
Pada α = 0.025 nilai Z-nya adalah 1,96.
 Bila nilai perhitungan uji statistik lebih besar (pada sisi sebelah kanan) atau lebih kecil
(pada sisi sebelah kiri) dibandingkan nilai yang berasal dari tabel (Z = 1,96 | Z = -1,96),
maka keputusannya: Ho ditolak  (Ha: μA ≠ μB ).

 Ho ditolak: ada perbedaan kejadian (mean/proporsi) yang signifikan antara
kelompok data satu dengan kelompok data yang lain.
 Bila nilai perhitungan uji statistik lebih kecil (pada sisi sebelah kanan) atau lebih besar
(pada sisi sebelah kiri) dibandingkan nilai yang berasal dari tabel, maka keputusannya:
Ho gagal ditolak  (Ho: μA = μB ).

 Ho gagal ditolak,: tidak ada perbedaan (mean/proporsi) antara kelompok data satu
dengan kelompok data yang lain.

Lanjutan F.......

Untuk mencari nilai Z di tabel kurve normal, nilai α-nya tetap 5 % (tidak usah dibagi dua)
sehingga nilai Z = 1,65.
I. Uji Satu Sisi Sebelah Kiri (Lower Tail Test)
 Bila nilai perhitungan uji statistik lebih kecil (pada sisi sebelah kiri) dibandingkan dgn nilai
Ho: μA ≥ μB
yg berasal dari tabel (Z = -1,65), maka keputusannya: Ho ditolak  Ha: μA < μ B
Ha: μA < μ B
 Ho ditolak,: Terdapat mean/proporsi yg lebih rendah/lebih kecil secara signifikan antara
kelompok data satu dgn kelompok data yg lain.
 Bila nilai perhitungan uji statistik lebih besar (pada sisi sebelah kiri) dibandingkan dengan
nilai yg berasal dari tabel (Z = -1,65), maka keputusannya: Ho gagal ditolak  Ho: μA ≥ μB
 Ho gagal ditolak,: Tidak terdapat mean/proporsi yg lebih rendah/lebih kecil secara
signifikan antara kelompok data satu dgn kelompok data yg lain.
 Atau dapat diinterpretasikan sebagai berikut: Kelompok data satu memiliki mean/proporsi
yang lebih besar atau sama secara signifikan, dengan kelompok data yang lain.

Lanjutan F.......
II. Uji Satu Sisi Sebelah Kanan (Lower Tail Test)
 Bila nilai perhitungan uji statistik lebih besar (pada sisi sebelah Kanan) dibandingkan dgn
nilai yg berasal dari tabel (Z= 1,65), maka keputusannya: Ho ditolak  Ha: μA > μ B
 Ho ditolak,: Terdapat mean/proporsi yg lebih tinggi/lebih besar secara signifikan antara Ho: μA ≤ μB
kelompok data satu dgn kelompok data yg lain. Ha: μA > μB
 Bila nilai perhitungan uji statistik lebih kecil (pada sisi sebelah kanan) dibandingkan dgn
nilai yg berasal dari tabel (Z = 1,65), maka keputusannya: Ho gagal ditolak  Ho: μA ≤ μB
 Ho gagal ditolak, artinya: Tidak terdapat mean/proporsi yg lebih tinggi/lebih besar secara
signifikan antara kelompok data satu dgn kelompok data yg lain.
 Atau dapat diinterpretasikan sebagai berikut: Kelompok data satu memiliki mean/proporsi
yang lebih kecil atau sama secara signifikan, dengan kelompok data yang lain.

Lanjutan F.......
b.Pendekatan Probabilistik
 Uji statistik dgn mudah & cepat dpt dilakukan dgn program2 statistik yg tersedia di pasaran seperti Epi Info,
SPSS, SAS dll.
 Setiap melakukan uji statistik melalui program komputer maka akan ditampilkan/dikeluarkan nilai P (P value).
 Nilai P dpt digunakan untuk keputusan uji statistik dgn cara membandingkan nilai P dgn nilai α (alpha).
Ketentuan yang berlaku adalah sbb:
 Bila nilai P ≤ nilai α, maka keputusannya adalah Ho ditolak
 Bila nilai P > nilai α, maka keputusannya adalah Ho gagal ditolak
 Nilai P two tail adalah dua kali Nilai P one tail.
 Jika tabel yg digunakan adalah tabel one tail sedangkan uji statistik yg dilakukan two tail maka Nilai P dari
tabel harus dikalikan 2. Dapat disederhanakan dengan rumus: Nilai P two tail = 2 x Nilai P one tail.
 Pendekatan probabilistik ini sekarang sudah mulai digunakan oleh para ahli statistik dalam pengambilan
keputusan uji statistik.

Lanjutan F.......
Pengertian Nilai P
 Merupakan nilai yang menunjukkan besarnya peluang salah menolak Ho dari data penelitian.
 Nilai besarnya peluang hsl penelitian (mis. ada perbedaan mean | proporsi) krn faktor kebetulan
(by chance).
 Harapanya adalah nilai P sekecil mungkin, sebab bila nilai P-nya kecil maka dpt diyakini bahwa
adanya perbedaan pada hasil penelitian menunjukkan pula adanya perbedaan di populasi.
 Jika nilai P-nya kecil maka perbedaan yg ada pada penelitian terjadi bukan karena faktor
kebetulan (by chance).

Lanjutan F.......
Contoh:
Suatu penelitian ingin mengetahui hubungan riwayat hipertensi ibu hamil dgn BB bayi yg dikandungnya. Hasil
penelitian melaporkan:
 Rata2 BB bayi dari ibu hipertensi = 2000 gr, sedangkan rata2 BB Bayi yg lahir dari ibu yg tdk hipertensi = 3000 gr.
Perbedaan BB bayi antara ibu yg hipertensi dgn yg tdk sebesar 1000 gr.
Apakah perbedaan BB bayi tersebut jg berlaku untuk seluruh populasi yg diteliti atau hanya faktor kebetulan saja?
kemudian dilakukan uji statistik yg tepat yaitu uji T dan dihasilkan nilai P = 0,0110.
• Artinya peluang adanya perbedaan berat bayi sebesar 1000 gr akibat dari faktor kebetulan (by chance) adalah
sebesar 0,0110.
• Karena peluangnya sangat kecil (p=0,0110) maka dapat diartikan bahwa adanya perbedaan tersebut bukan karena
faktor kebetulan namun karena memang adanya pengaruh dari riwayat hipertensi.

G. Jenis-jenis Uji Hipotesis
Menguji Beda Mean Satu Sampel
Tujuan Pengujian
 Untuk mengetahui perbedaan mean populasi dgn mean data sampel penelitian.
 Karena membandingkan data satu sampel dgn data populasinya, disebut juga sebagai Uji Beda Mean Satu Sampel.
 Berdasarkan ada tidaknya nilai σ (baca : tho) maka jenis uji beda mean satu sampel dibagi dua jenis:
a. Bila nilai σ diketahui maka digunakan uji Z, rumusnya:
b. Bila σ tidak diketahui maka digunakan uji T:
Keterangan:
= rata-rata data sampel

μ = rata-rata data populasi
σ = standar deviasi data populasi
Sd = standar deviasi data sampel
n = jumlah sampel yang diteliti

UJI Z

Lanjutan G......
Contoh Kasus:
Diketahui:
Kadar Kolesterol orang dewasa normal adalah 200 gr/100 ml dgn stndar deviasi sebesar 56 gr.
Seorang peneliti melakukan pengukuran kadar kolesterol sekelompok penderita hipertensi sebanyak 49 orang.
Didapatkan rata2 kadar kolesterol mereka 220 gr/100 ml.
Peneliti ini ingin menguji apakah kadar kolesterol penderita hipertensi berbeda dgn kadar kolesterol orang dewasa normal ?
Penyelesaian:
Kadar kolesterol normal = mean (rata-rata) populasi μ = 200 mg
Standar deviasi populasi σ = 56 mg
Kadar kolesterol sampel = = 220 mg
Proses pengujian:
1. Hipotesis
Ho : μ = 200
Tidak ada perbedaan rata-rata kadar kolesterol orang dewasa dengan penderita hipertensi
Ha : μ ≠ 200
Ada perbedaan rata-rata kadar kolesetrol orang dewasa dengan penderita hipertensi (two tail (dua arah))
2. Level of significance
Batas kemaknaan/level of significance pada uji statistik ini digunakan 5 %

Lanjutan G......
3. Pemilihan Uji Statistik
 Tujuan penelitian  ingin membandingkan nilai populasi (data orang dewasa) dgn data
sampel (data penderita hipertensi),
 Jenis uji statistik yg digunakan adalah uji beda mean satu sampel dengan pendekatan uji Z
(karena standar deviasi populasi diketahui).
4. Perhitungan Uji Statistik

 Nilai standar deviasi populasi diketahui maka rumus yang digunakan adalah:
= rata-rata data sampel = 220 gr

μ = rata-rata data populasi = 200 gr
σ = standar deviasi data populasi = 56 gr
n = jumlah sampel yang diteliti = 49 orang

Lanjutan ...... Menguji Beda Mean Satu Sampel
5. Keputusan Statistik
 Selanjutnya adalah mengetahui keputusan uji apakah ho
ditolak atau ho gagal ditolak.
a. Pendekatan Probabilistik
 Cari nilai p untuk kemudian dibandingkan dengan nilai
alpha.
 Nilai Z yg diperoleh dari perhitungan dikonversi ke dlm
tabel kurve normal (lampiran Tabel III) untuk mencari nilai
p, sbb:
 Dari nilai Z= 2,5 diperoleh peluang 0,4938 berarti nilai p-
nya = 0,5 - 0,4938 = 0,0062.
 Nilai peluang (0,4938) pd tabel kurve normal merupakan
nilai one tail.
 Arah uji pada uji ini adalah two tail (lihat hipotesis Ha-
nya).
 Maka Nilai P untuk uji ini adalah : 2 x 0,0062 = 0,012. Jadi
nilai p = 0,012.
 P= 0,012 < α=0,05, hipotesis nol (Ho) ditolak.
 Pada α 5% secara statistik kadar kolesterol dari orang
dengan hipertensi berbeda dibandingkan kadar
kolesterol orang dewasa normal (p=0.012)
5. Keputusan Statistik
b. Pendekatan Klasik
 Dengan Ha seperti diatas maka dilakukan uji hipotesis dengan two tail (dua arah).
 Jika ditentukan α = 0.05, maka alphanya harus dibagi dua, sehingga α = 0,025.
 Untuk mencarai nilai Z di tabel kurve normal, maka angka peluang yg dicari adalah 0,5-0,025 = 0,4750.
 Nilai tabel kurve normalnya (batas kritis) angka peluang 0,475 adalah Z = 1,96.
 Kemudian nilai Z ini dibandingkan dengan nilai Z perhitungan yang sudah dilakukan diatas ( Z hitung=2,5).
 Nilai Z hitung (2,5) lebih besar dibandingkan nilai Z tabel (1,96) maka keputusannya adalah Ho ditolak (hasil
ini konsisten dengan pendekatan probabilistik).

UJI T

 Dengan Ha seperti diatas maka dilakukan uji hipotesis dengan two tail (dua arah).
 JIka peneliti tidak mengetahui besarnya standar deviasi populasi serta hanya mengambil sebanyak 25
sampel penderita hipertensi, maka standar deviasi populasi diestimasi, menggunakan standar deviasi
sampel. Pada sampel ini didapatkan standar deviasi sampel 63 mg. Uji statistik ini tidak memakai uji Z tetapi
adalah uji t ( t test). Didalam uji t yang dugunakan adalah distribusi “t” dgn memperhatikan degree of
freedom (df) atau derajat kebebasan yang besarnya n-1 (df=n-1).
1. Hipotesis
Ho : μ = 200
Tidak ada perbedaan rata-rata kadar kolesterol orang dewasa dengan penderita hipertensi
Ha : μ ≠ 200
Ada perbedaan rata-rata kadar koleseerol orang dewasa dengan penderita hipertensi (two tail (dua arah))
2. Level of significance
Batas kemaknaan/level of significance pada uji statistik ini digunakan 5 % .

3. Pemilihan Uji Statistik
 Tujuan penelitian  ingin membandingkan nilai populasi (data orang dewasa) dgn data sampel (data
penderita hipertensi),
 Jenis uji statistik yg digunakan adalah uji beda mean satu sampel dengan pendekatan uji T (karena
standar deviasi populasi tidak diketahui dan sampel < 30).
4. Perhitungan Uji Statistik

 Nilai standar deviasi populasi tidak diketahui maka rumus yang digunakan adalah:
= rata-rata data sampel = 220 gr

μ = rata-rata data populasi = 200 gr
Sd = standar deviasi data sampel = 63 gr
n = jumlah sampel yang diteliti = 25 orang
Df = degree of freedom = 25 – 1 = 24

 Hasil t hitung = 1,59 dan nilai df = 25-1 = 24,
 kemudian dicari nilai p dg menggunakan Tabel distribusi t (lampiran tabel iv).
 Tabel T terdiri kolom dan baris. Baris menunjukkan nilai DF dan kolom menunjukkan nilai alpha.
 Angka dalam tabel menunjukkan nilai t tabel, digunakan untuk konversi dgn nilai t hitung.
 Bagian kolom semakin kekanan nilai alpha-nya (nilai p) akan semakin kecil yaitu dari 0.10 s/d 0.005.
 Cara mencari nilai p pada df = 24.
 Bila nilai t =1,711 maka lihat pd bagian atas (kolom) tepat pd nilai apha 0.05, artinya nilai p = 0,05.
 Bila nilai t= 2,30, terletak antara dua nilaii, antara 2.064 (p=0.025) dan 2,492(p=0,01), berarti nilai p-nya > 0,01 dan < 0,025 
0,01<p<0,025.
 Hasil perhitungan diperoleh nilai t =1,59 dan df=24.
 letaknya di antara nilai 1,318 dan 1,711.
 Lihat pd bagian atas (kolom) berarti terletak antara nilai alpha 0,10 dan 0,05.
 Maka, nilai p-nya lebih kecil dari 0,10(p<0,10) dan lebih besar dari 0,05(p>0,05) | Dapat ditulis: 0,05 <p<0,10
 Tabel t merupakan jenis tabel untuk one tail, maka nilai p yang didapat dari tabel harus dikalikan dua.
 Hasilnya= 2 x 0,05<p< 0,10 = 0,10<p<0,20. Jadi nilai p > 0,10. maka p > α, sehingga hipotesis nol (Ho) gagal ditolak.
5. Kesimpulan = Tidak ada perbedaan rata-rata kadar kolesterol orang dewasa dengan penderita hipertensi (p>0,10).

Uji Hipotesis, Uji Beda Mean Satu Sampel

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Uji Hipotesis, Uji Beda Mean Satu Sampel

Diunggah oleh

Hak Cipta:

Format Tersedia

UJI

Dapat ditinjau dari 2 sudut pandang  Penelitian & Statistik.

Prodi S1 Keperawatan Urindo, 2021 3

Contoh Hipotesis penelitian:

Contoh Hipotesis Statistik:

Prodi S1 Keperawatan Urindo, 2021 4

Prinsip Uji Hipotesis

Prodi S1 Keperawatan Urindo, 2021 5

Hipotesis Alternatif (Ha)

Prodi S1 Keperawatan Urindo, 2021 7

1. Uji One Tail (Satu Sisi)

2. Uji Two Tail (Dua Sisi)

Kesalahan Tipe I (α)

 Dalam pengujian hipotesis umumnya digunakan

Prodi S1 Keperawatan Urindo, 2021 10

Tingkat Kemaknaan () 0,10 0,05 0,01 0,005 0,002

Satu Sisi (one Tail) Z +1,28 + 1,645 + 2,33 + 2,58 + 2,88

Prodi S1 Keperawatan Urindo, 2021 11

1. Menetapkan Hipotesis: hipotesis nol (Ho) dan hipotesis alternatif (Ha)

Prodi S1 Keperawatan Urindo, 2021 12

Satu Sisi (one Tail) Z +1,28 + 1,645 + 2,33 + 2,58 + 2,88

Prodi S1 Keperawatan Urindo, 2021 13

maka keputusannya: Ho ditolak  (Ha: μA ≠ μB ).

Ho gagal ditolak  (Ho: μA = μB ).

Prodi S1 Keperawatan Urindo, 2021 14

2. Uji One Tail (Satu Sisi)

I. Uji Satu Sisi Sebelah Kiri (Lower Tail Test)

Prodi S1 Keperawatan Urindo, 2021 15

2. Uji One Tail (Satu Sisi)

II. Uji Satu Sisi Sebelah Kanan (Lower Tail Test)

Prodi S1 Keperawatan Urindo, 2021 16

Prodi S1 Keperawatan Urindo, 2021 17

Prodi S1 Keperawatan Urindo, 2021 18

Prodi S1 Keperawatan Urindo, 2021 19

a. Bila nilai σ diketahui maka digunakan uji Z, rumusnya:

b. Bila σ tidak diketahui maka digunakan uji T:

= rata-rata data sampel

Prodi S1 Keperawatan Urindo, 2021 20

Prodi S1 Keperawatan Urindo, 2021 21

Prodi S1 Keperawatan Urindo, 2021 22

4. Perhitungan Uji Statistik

= rata-rata data sampel = 220 gr

Prodi S1 Keperawatan Urindo, 2021 23

Prodi S1 Keperawatan Urindo, 2021 25

Prodi S1 Keperawatan Urindo, 2021 26

Prodi S1 Keperawatan Urindo, 2021 27

4. Perhitungan Uji Statistik

= rata-rata data sampel = 220 gr

Prodi S1 Keperawatan Urindo, 2021 28

Prodi S1 Keperawatan Urindo, 2021 29

Anda mungkin juga menyukai