Teknik Uji Statistik

Parametrik dan non

parametrik
HADRIANTI H. D. LASARI.,SKM., MPH
FKIK ULM
Prosedur pengujian hipotesis
statistik
Prosedur pengujian hipotesis statistik adalah langkah-langkah yang
dipergunakan dalam menyelesaikan pengujian hipotesis tersebut.
Berikut ini langkah-langkah pengujian hipotesis statistic adalah
sebagai berikut.Langkah-langkah pengujian hipotesis:
• Formulasikan Ho dan Ha
• Tentukan alpha (kesalahan tipe 1) dan beta (kesalahan tipe 2)
Pemilihan uji statistik
• Perhitungan uji statistik
• Keputusan uji statistik dan penarikan kesimpulan
Tahap 1
• Formulasikan hipotesis nol dan hipotesis alternatif sesuaikan
dengan rumusan masalah pada penelitian Anda.
• Anda harus sudah menetapkan penelitian anda berupa deskriptif
atau analitik. Apabila penelitian Anda deskriptif maka hipotesis
tidak perlu dibuat tetapi apabila penelitian Anda berupa analitik
yaitu uji hipotesis, maka Anda harus membuat hipotesis. Setelah
itu, Anda harus menentukan arah hipotesisnya apakah one tail
atau two tail.
Tahap 2
• Tentukan alpha (kesalahan tipe 1) dan beta (kesalahan tipe 2)
Peneliti menentukan alpha dan beta. Alpha adalah tingkat
signifikansi pada pengujian hipotesis.
• Alpha adalah sebuah nilai peluang sebelum uji statistik. Alpha
adalah peluang menolak Ho padahal Ho benar. Sedangkan beta
adalah peluang menerima Ho padahal Ho salah.
• Taraf nyata (tingkat signifikansi) atau alpha adalah besarnya batas
toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai
parameter populasinya.
Tahap 2
• Taraf nyata dilambangkan dengan α (alpha). Besaran yang sering
digunakan untuk menentukan menentukan taraf nyata dinyatakan
dalam %, yaitu 1% (0,01), 5% (0,05), 10% (0,1).
• Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula
penolakan phipotesis nol atau hipotesis yang diuji, padahal
hipotesis nol benar. Besarnya nilai α bergantung pada keberanian
pembuat keputusan yang dalam hal ini berapa besarnya
kesalahan yang akan ditolerir. Besarnya kesalahan tersebut
disebut sebagai daerah kritis pengujian (critical region of test) atau
daerah penolakan (region of rejection).
Tahap 3
• Tahap 3 Pemilihan uji statistik
• Hal-hal yang perlu diperhatikan dalam memilih uji statistik adalah:
Jenis/skala pengukuran data
Distribusi data
Tujuan analisis
Banyak atau jumlah sampel (bebas/ berpasangan)
TUJUAN ANALISIS
Tahap 4
• Perhitungan uji statistik Perhitungan uji statistik menggunakan
rumus yang disesuaikan dengan uji statistik yang digunakan.
Tahap 5
• Keputusan uji statistik dan penarikan kesimpulan Keputusan statistik dibagi
menjadi 2 yaitu:
• 1. Ho ditolak Ho ditolak maka kesimpulannya adalah Ha benar
• 2. Ho gagal ditolak (Ho diterima) Ho gagal ditolak maka kesimpulannya tidak
cukup bukti untuk menolak Ho.
• Apabila kita menganalisis data secara manual atau menggunakan rumus sesuai
ujinya maka kriteria yang digunakan adalah: Jika | nilai uji-statistik | > nilai-table
atau p-value < Ho ditolak Jika | nilai uji-statistik | < nilai-tabelatau p-value > Ho
gagal ditolak Uji 2-sisi (2-tailed) menggunakan tanda nilai mutlak | |.
• Uji 1-sisi (1-tailed) tanpa menggunakan tanda nilai mutlak Apabila kita
menganalisis data dengan komputer (dengan software statistik seperti SPSS,
Stata, Epi Data, Minitab, dll) maka kriteria yang digunakan adalah: P-value < Ho
ditolak P-value > Ho gagal ditolak
Statistik parametrik
Definisi
• Bagian statistik yang parameter populasinya mengikuti suatu
distribusi tertentu, seperti distribusi normal dan memiliki varians
yang homogen
• Statistik parametrik merupakan statistika inferensial yang
mempertimbangkan nilai dari satu parameter populasi atau lebih
dan umumnya membutuhkan data yang skala pengukuran
minimalnya adalah interval dan rasio.Statistika parametrik adalah
suatu ukuran tentang parameter, artinya ukuran seluruh populasi
dalam penelitian yang harus diperkirakan dari apa yang terdapat di
dalam sampel (karakteristik populasi). Satu syarat umum yang
harus dipenuhi apabila seorang peneliti akan menggunakan
statistika parametrik, yaitu normalitas distribusi.
Definisi
• Statistik Parametrik memerlukan terpenuhi banyak asumsi, antara
lain asumsi yang utama adalah data yang dianalisis harus
berdistribusi normal, selanjutnya dalam penggunaan salah satu
test mengharuskan data homogen, dalam regresi harus terpenuhi
asumsi linieritas. Statistik Parametrik banyak digunakan untuk
menganalisis data interval dan rasio. Dalam Statistik Parametrik
diperlukan syarat bahwa data yang akan dianalisis harus
berdistribusi normal. Untuk itu perlu dilakukan pengujian
normalitas data.
Uji parametrik
• a. Uji-z (1 atau 2 sampel)
• Uji-t (1 atau 2 sampel)
• Uji t independen atau dependen
• One way Anova
• Korelasi Pearson
• Regresi Linier
Uji t-test
• Membandingkan dua nilai rata-rata
• Skala pengukuran variabel terikat : rasio atau interval
• Simpangan baku/standar deviasi populasi tidak diketahui, jika
diketahui dan jumlah sampel > 30 gunakan uji z
• Data terditribusi normal
Uji t dua sampel berpasangan/dependen
• membandingkan dua nilai rata-rata sampel yang berpasangan.
• Membandingkan rata-rata sebelum dan sesudah perlakuan
Rumus
contoh
• Seorang bidan ingin meneliti apakah terdapat perbedaan tekanan
daraha sistolik (mmHg) pada akseptor KB sebelum & sesudah
memakai alat kontrasepsi suntikan DMPA. Untuk membuktikan hal
tersebut diambil sampel secara random sebanyak 10 orang.
Sebelum dan sesudah 12 bulan kemudian diukur tekanan darah
sistoliknya
Penyelesaian
• Buat hipotesisnya
• Ho: tidak ada perbedaan tekanan darah sistolik sebelum dan
sesudah memakai alat kontrasepsi suntikan DMPA
• Ha: ada perbedaan tekanan darah sistolik sebelum & sesudah
memakai alat kontrasepsi suntikan DMPA
sampel Tekanan darah sistolik di di2
(mmHg)
sebelum sesudah
1 128 131 -3 9
2 130 129 1 1
3 133 132 1 1
4 127 130 -3 9
5 124 126 -2 4
6 134 129 5 25
7 139 133 6 36
8 128 130 -2 4
9 132 128 4 16
10 131 130 1 1
n:10 ∑di: 8 ∑di2 : 106
• d= ∑ di/n = 8/10 = 0,8

t hitung:
LANJUTAN..
• Hitung t tabel dengan alfa 0,05
• T tabel=t (1/2alfa) (n-1)= 2,26
• T hitung berada diantara t tabel → ho diterima
• Kesimpulan ?
Uji t dua sampel bebas (independent
samples t-test)
• Independen: bila data kelompok yang satu tidak tergantung dari
data kelompok kedua.
• Untuk mengetahui perbedaan mean dua kelompok data
independen.
Syarat
• Data terdistribusi normal
• Kedua kelompok data independen
• Variabel yang dihubungkan berbentuk numerik dan kategori.
• Uji untuk varian sama

• Uji untuk varian yang berbeda

• Uji homogenitas varian

Contoh
• Peneliti ingin mengetahui apakah kadar hb ibu hamil yang diberi
tablet fe lebih tinggi daripada kadar hb ibu hamil yg tidak
mendapatkan fe. Untuk membuktikan, hipotesis ini diambil sampel
dua kelompok ibu hamil masing-masing 10 orang, kelompok
pertama yaitu ibu hamil yang mendapatkan tablet fe sedangkan
kelompok kedua ibu hamil yang tidak mendapatkan tablet fe.
Diketahu S1: 0,69, dan S2: 1,18
Kel 1 Kadar Hb Kel II Kadar Hb
(g/dl) (g/dl)
1 13,0 1 12,2
2 13,4 2 11,3
3 13,3 3 14,7
4 13,6 4 11,4
5 14,0 5 11,5
6 13,8 6 12,7
7 13,5 7 11,2
8 13,8 8 12,1
9 15,5 9 13,3
10 13,2 10 10,8
Penyelesaian
• Ho: kadar hb ibu hamil yang mendapat tablet fe sama dengan
yang tidak mendapat tablet fe
• Ha: kadar hb ibu hamil yang mendapat tablet fe lebih tinggi
dibanding dengan yang tidak mendapat tablet fe
 LANJUTAN…
• T hit:

• T hit= A: = 13,71 S1: 0,69 s12 : 0,47 n1: 10

• B: = =12,12 S2: 1,18 s22 : 1,39 n2: 10
LANJUTAN
• T tabel = t (0,05) (18)=1,73
• Kesimpulan ?
Statistik nonparametrik
Statistik nonparametrik
• Bagian statistik yang parameter populasinya tidak mengikuti suatu
distribusi tertentu atau memiliki distribusi yang bebas dari
persyaratan dan variansnya tidak perlu homogen
• Statistik Non Parametrik tidak menguji parameter populasi, tetapi
menguji distribusi. Statistik Non Parametrik tidak menuntut
terpenuhi banyak asumsi, misalnya data yang dianalisis tidak
harus berdistribusi normal. Oleh karena itu statistik non parametrik
sering disebut sebagai distribusi bebas (free distribution).
Sedangkan Statistik Non Parametrik banyak digunakan untuk
untuk menganalisis data nominal dan ordinal dan biasanya untuk
jumlah sampel yang kecil.
Statistik nonparametrik
JENIS UJI
• Uji tanda (Sign test)
• Rank sum test (Wilcoxon)
• Rank correlation test (Spearman)
• Fisher probability exact test.
• Chi-square test, dll
Statistik nonparametrik vs parametrik
HIPOTESIS
DEFINISI HIPOTESIS
• Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis.
• Hupo berarti lemah, kurang, atau di bawah dan thesis berarti teori,
proposisi,atau pernyataan yang disajikan sebagai bukti.
• Hipotesis berarti pernyataan sementara yang perlu diuji
kebenarannya.
• Untuk menguji kebenaran sebuah hipotesis digunakan pengujian
yang disebut pengujian hipotesis.
• Dalam statistika kita juga menggunakan suatu penduga terhadap
populasi dan kemudian kita perlu membuktikan kebenarannya.
• Jadi hipotesis adalah sebuah pernyataan tentang parameter
populasi yang perlu dibuktikan kebenarannya.
LANJUTAN…
• HIPOTESIS STATISTIK adalah suatu asumsi atau pernyataan yg
mana mungkin benar atau mungkin salah mengenai satu atau
lebih populasi.
• Jenis hipotesis:
• 1. Hipotesis nol Pernyataan yang biasanya menyatakan tidak ada
perbedaan atau hubungan Contoh: tidak ada perbedaan mean
antara laki-laki dengan perempuan
• 2. Hipotesis alternatif Pernyataan yang sebenarnya ingin diuji,
biasanya mendalilkan ada perbedaan atau ada hubungan. Contoh:
ada perbedaan mean antara laki-laki dengan perempuan
Konsep Uji Hipotesis
• Hipotesis yang sudah dirumuskan kemudian harus diuji. Pengujian
ini akan membuktikan H0 atau Ha yang akan diterima.
• Dalam pengujian hipótesis, keputusan yang dibuat
mengandungketidakpastian, artinya keputusan bisa salah,
sehinggamenimbulkan resiko.
• Besar kecilnya resiko dinyatakan dalam bentukprobabilitas.
• Uji hipotesis sebenarnya adalah upaya menolak hasil penelitian
merupakan karena faktor kebetulan. Faktor kebetulan yang
dimaksud adalah hipotesis nol (tidak ada beda).
• Teori peluang menjelaskan bagaimana menghitung faktor
kebetulan, makin besar nilai p maka menerima Ho, makin kecil
nilai p (p
Prinsip dalam pengujian hipotesis:
• Kita menghubungkan antara sampel dengan hipotesis nol, ini yang disebut uji
statistik.
• – Kita mengetahui distribusi peluang dari uji statistik jika hipotesis nol benar.
• – Dengan membandingkan uji statistik dengan distribusi nol, kita akan
memperoleh sebuah peluang yang menunjukkan seberapa dekat nilai dari uji
statistik dengan distribusi nol.
• – Jika peluang yang kita dapatkan kurang dari batas yang kita tolerir, kita akan
menolak hipotesis nol dan menerima hipotesis alternatif, atau sebaliknya kita
menerima hipotesis nol.
• – Perbandingan nilai statistik uji (z hitung atau t hitung) dengan nilai titik kritis
(Nilai z tabel atau t Tabel).
• Titik Kritis adalah nilai yang menjadi batas daerah penerimaan dan penolakan
hipotesis. Nilai pada z atau t tergantung dari arah pengujian yang
Uji statistik yang biasa digunakan
adalah:
• Uji untuk data kuantitatif (seperti perbandingan rata-rata): – Pada 2
kategori: uji t bebas, uji t berppasangan, uji Mann-Whitney, dan uji
Wicoxon
• Pada lebih dari 2 kategori: uji Anova dan uji Kruskal Wallis
• Uji untuk data kualitatif (seperti perbandingan proporsi): Uji Chi
square dan uji Fisher Exact
• Uji untuk asosiasi/hubungan 2 variabel kuantitatif: Korelasi dan
Regresi
Tingkat kemaknaan (α /alpha)
• Tingkat kemaknaan adalah ambang batas peluang yang ditolerir dengan kata
lain besarnya batas toleransi dalam menerima kesalahan hasil hipotesis
terhadap nilai parameter populasinya.
• Taraf nyata dilambangkan dengan α (alpha). Besaran yang sering digunakan
untuk menentukan menentukan taraf nyata dinyatakan dalam %, yaitu 1%
(0,01), 5% (0,05), 10% (0,1).
• Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula penolakan
phipotesis nol atau hipotesis yang diuji, padahal hipotesis nol benar.
• Besarnya nilai α bergantung pada keberanian pembuat keputusan yang dalam
hal ini berapa besarnya kesalahan yang akan ditolerir. Besarnya kesalahan
tersebut disebut sebagai daerah kritis pengujian (critical region of test) atau
daerah penolakan (region of rejection).
Daerah penerimaan dan daerah
penolakan
• 1) Jika hipotesis alternatif (Ha)
mempunyai rumusan tidak sama
(≠), maka dalam distribusi statistik
yang digunakan, normal untuk
angka Z, student untukangka t
dan seterusnya, terdapat dua
daerah kritis yang masing-masing
terdapat pada ujung-ujung
distribusi. Luas daerah kritis pada
tiap ujung adalah ½ α. Dan
karena ada duan daerah
penolakan Ho ini, maka
dinamakan pengujian dua pihak
(dua ekor).
LANJUTAN
• Kedua daerah penerimaan dan penolakan Ho tersebut dibatasi
oleh bilangan d1 dan d2 yang harganya diperoleh dari daftar
distribusi yang digunakan dengan peluang ralat α yang telah
diterapkan.
• Kriteria:Terima Ho, Jika harga statistik yang dihitung jatuh antara
d1 dan d2, dan dalam hal lainnya Ho ditolak.
HIPOTESIS
• Jika hipotesis alternatif
(Ha) mempunyai rumusan
lebih besar (), maka
dalam distribusi statistik
yang digunakan terdapat
sebuah daerah kritis yang
letaknya diujung kanan.
Luas daerah kritis ini
adalah sama dengan α.
Pengujian hipotesis ini
dinamakan uji satu pihak
(satu ekor) pihak kanan
LANJUTAN
• Harga d diperoleh dari daftar distribusi yang digunakan dengan
peluang α yang telah ditentukan, dan menjadi batas antara daerah
kritis dan daerah penerimaan Ho. Kriteria:Tolak Ho; Jika harga
statistik hasil perhitungan berdasarkan sampel dari harga d,dan
dalam hal lainya H0 diterima.
HIPOTESIS
• Jika hipotesis alternatif (Ha)
mengandung pernyataan lebih kecil
(maka daerah kritis berada di ujung kiri
dari distribusi. Luas daerah ini adalah α,
dan dibatasi oleh bilangan d yang
diperoleh dari daftar distribusi yang
bersangkutan dengan α tertentu yang
telah ditetapkan. Pengujian hipotesis ini
disebut pengujian satu pihak (satu ekor)
pihak kiri.
Kriteria: Terima Ho, jika hasil perhitungan statistik yang
diperoleh berdasarkan data penelitian lebih besar dari
harga α, dan dalam hal lainya Ho ditolak.
Keputusan Statistik
• 1. Ho ditolak Ho ditolak maka kesimpulannya adalah Ha benar 2.
Ho gagal ditolak (Ho diterima) Ho gagal ditolak maka
kesimpulannya tidak cukup bukti untuk menolak Ho.
• Apabila kita menganalisis data secara manual atau menggunakan
rumus sesuai ujinya maka kriteria yang digunakan adalah:
• Jika | nilai uji-statistik | > nilai-tabelatau p-value < Ho ditolak Jika |
nilai uji-statistik | < nilai-tabelatau p-value > Ho gagal ditolak Uji 2-
sisi (2-tailed) menggunakan tanda nilai mutlak. Uji 1-sisi (1-tailed)
tanpa menggunakan tanda nilai mutlak
• Apabila kita menganalisis data dengan komputer (dengan software
statistik seperti SPSS, Stata, Epi Data, Minitab, dll) maka kriteria
yang digunakan adalah: P-value < Ho ditolak P-value > Ho gagal
ditolak
Kesalahan Dalam Pengambilan
Keputusan
• Dalam uji hipotesis, peneliti dapat menolak atau tidak menolak
(menerima) hipotesis yang diajukan. Kita akan menolak Ho apabila
kenyataan yang ada berbeda secara meyakinkan atau tidak
mendukung terhadap hipotesis yang diajukan.
• Demikian pula sebaliknya, kita akan menerima (tidak menolak) Ho,
jika kenyataan yang ada (data) tidak berbeda dengan hipotesis
yang diajukan. Dalam menerima/menolak hipotesis tidak akan
selalu benar 100%, tetapi akan selalu terdapat kesalahan
(kebenaran ilmiah tidak bersifat mutlak) terutama dalam inferensi
sampel terhadap populasi.
Kesalahan Dalam Pengambilan
Keputusan
• Kesalahan dalam pengambilan keputusan untuk menolak atau
menerima hipotesis didasarkan pada suatu asumsi bahwa dalam
ilmu pengetahuan apapun tidak ada kebenaran yang mutlak, tetapi
pasti selalu ada kesalahan. Dalam uji hipotesis (uji statistik) kita
jumpai adanya dua kesalahan (error) yaitu kesalahan tipe 1 dan 2.
KESALAHAN TIPE 1 & 2
• Kesalahan tipe 1, adalah kesalahan yang terjadi jika kita menolak
Ho, padahal Ho benar. Probabilitas untuk melakukan kesalahan
tipe 1 ini diberi simbol α. Sedangkan kesalahan tipe 2 terjadi jika
kita menerima (tidak menolak) Ho, padahal Ho tersebut salah.
Probabilitas melakukan kesalahan tipe 2 ini di beri simbol β.
Hubungan antara kesalahan 1 dan 2 ditunjukkan pada gambar
berikut :
KESALAHAN TIPE 1 & 2
• Secara praktis, kekeliruan tipe I atau α biasanya sudah ditentukan
terlebih dahulu, misalnya α=0,01 atau α=0,05.
• Dengan α=0,05 berarti bahwa dari tiap-tiap 100 kesimpulan yang
kita buat, peluang untuk melakukan kekeliruan dengan menolak
H0 yang benar (H0 yanng seharusnya diterima ) adalah sebanyak
5 kali. Untuk setiap pengujian dengan α yang telah ditentukan,
harga β akan dapat dihitung harga (1- β) disebut kekuatan
uji/power.
• Jadi daya uji statistik adalah peluang/ kemungkinan untuk
melakukan penolakan terhadap H0 yang salah dan ditunjukkan
oleh bilangan 1- β.
Arah hipotesis penelitian
• 1.Uji hipotesis 2-arah Uji hipotesis 2-arah digunakan apabila
peneliti tidak memiliki informasi mengenai arah kecenderungan
dari karakteristik populasi yang sedang diamati. Cirinya adalah
hanya menyatakan adaperbedaan, ada hubungan, ada pengaruh
pada hipotesis alternatifnya.
• Contoh: - Ha: ada perbedaan berat badan antara orang yang
biasa berolahraga dengan yang tidak berolahraga. - Ha: ada
perbedaan IPK antara mahasiswa PSKM dengan mahasiswa
PSIK.
Arah hipotesis penelitian
• 2. Uji hipotesis 1-arah Uji hipotesis 1 –arah digunakan apabila
peneliti memiliki informasi mengenai arah kecenderungan dari
karakteristik populasi yang sedang diamati. Cirinya adalah sudah
menyatakan lebih tinggi atau lebih rendah pada hipotesis
alternatifnya.
• Contoh: - Ha: Berat badan pada orang yang biasa berolahraga
lebih rendah daripada orang yang tidak biasa berolahraga. - Ha:
IPK pada mahasiswa PSKM lebih tinggi daripada dengan
mahasiswa PSIK.
TERIMA KASIH
Put your last thoughts or wrap up here