TESTING HYPOTESIS

M TAHIR ABDULLAH

1
 MULAI

YA NO
1 VAR KE 4

NO
1 SAMPEL KE 1

YA

NORMAL
OR CLT
2
 YA NORMAL NO
OR CLT

NO
INF BINOMIAL

YA INF

DIKET TEST 2

YA NO

TEST Z TEST T
3
 YA NO
BINOMIAL

1 sampel BINOM TEST DISTRIBUSI LAIN

ATAU NON PAR

NORMAL NO
APPROX EXACT TEST

YA

NORM TM
4
 1

YA NO
2 SAMPEL

YA NO KE 2
NORMAL
OR CLT

NO NO
INF DIST
MEANS BINOM

INF VAR
YA DISTRIBUSI LAIN
YA ATAU NON PAR
KE 3 F TEST S. INDEP
5
 YA NO
DIST
BINOM

DISTRIBUSI LAIN
ATAU NON PAR
NO Mc NEMAR
S. INDEP
TEST
YA
NO FISHER
EXP >5
EX. TEST
YA
BINOM PROP TEST
KAI KUADRAT TEST
MANTEL HANZEL TEST
6
 3

NO
S. INDEP PAIR T TEST

YA

YA Varians NO
sama

2 SAMPEL T TEST 2 SAMPEL T TEST

VARIANS SAMA VARIANS BEDA

7
 4

YA NO
HUB 2
VAR

YA NO HUB > 2 VAR

2 VAR
CONT

NO
PREDICT HUBUNGAN
1 VAR 2 VARIABEL
1 CONT
YA 1 CATEG

S.L. REGR KORELASI 8

 4

YA NO
HUB 2
VAR

HUB > 2 VAR

OUTCOME
VAR

KONTINU BINARI

M. REGR M.L.REGR 9
 4

YA NO
1 KONT.
1 KATEG

ANOVA YA DATA
ORDINAL

JUM WAYS RANK CORR NO

2 VAR KAT

ONE WAY TWO WAYS MANOVA

10
 2 VAR KAT

ASSOSIASI
REPRODUCI-
BILITY

ASSOSIASI REPRODUC

CONT.MET KAPPA STAT

11
 2

YA NO
NORMAL
OR CLT

YA INF YA DATA
MEANS KATEG

NO
X2 NO
VARIANS

NONPAR

ANOVA/KW BARTLETT

12
TEST HIPOTESIS

Ho beda Ho tidak
beda

Ho positif kesalahan
ditolak benar tipe I=

Ho tidak kesalahan negatif

ditolak tipe II = benar
13
TEST HIPOTESIS

HIPOTESIS NOL
HIPOTESIS ALTERNATIF
Ho = X1 =X2
Ha = X1 X2 TWO SIDED TEST
X1 < X2 ONE SIDED TEST
X1 > X2 ONE SIDED TEST 14
TWO SIDED TEST
Ho X1 = X2
Ha X1 X2

15
ONE SIDED TEST
Ho X1 = X2
Ha X1 < X2

16
ONE SIDED TEST
Ho X1 = X2
Ha X1 > X2

17
DISTRIBUSI PROBABILITAS
Distribusi Binomial
Distribusi Poison
Distribusi Normal
Distribusi t
Distribusi X
Distribusi F

18
DISTRIBUSI BINOMIAL
Ditemukan oleh James Bernoulli(1654-1705)
Distribusi diskrit
Bernoulli proses:
Tiap percobaan terdiri dari dua hasil yang
mutually exclusive
Probabiliti tetap konstan pada setiap
percobaan
Setiap percobaan adalah independen

19
DISTRIBUSI BINOMIAL
x
f(x) = ( n ) px qn-x
x
( n ) = n!/x!(n-x)!
p = probabiliti sukses
q = probabiliti gagal = 1-p
n = jumlah trial
x = jumlah sukses

20
DISTRIBUSI BINOMIAL
x
f(x) = ( n ) px qn-x
n
f(0) = ( 0 ) p0 qn-0 = qn
n
f(1) = ( 1 ) p1 qn-1 = n p1 qn-1
n n(n-1)
f(2) = ( 1 ) p1 qn-1 = ------- p1 qn-1
2

21
 x
f(x) = ( n ) px qn-x
n
f(0) = ( 0 ) p0 qn-0 = qn
n
f(1) = ( 1 ) p1 qn-1 = n p1 qn-1
n n(n-1)
f(2) = ( 2 ) p2 qn-2 = ------- p2 qn-2
2

n
f(n) = ( n ) pn qn-n = pn

22
DISTRIBUSI POISSON
Ditemukan oleh ahli matematik bangsa Prancis
Simeon Denis Poisson (1781-1840)
Proses Poisson:
1. Setiap kejadian adalah independen
2. Jumlah kejadian terjadi dalam interval waktu
3. Probabiliti satu kejadian adalah proporsional
terhadap panjang interval
4. Pada interval yang kecil probabiliti lebih dari
1 kejadian dapat diabaikan

23
DISTRIBUSI POISSON
Distriibusi ini banyak digunakan pada
bidang biologi dan kedokteran
Nilai mean dan varians adalah sama
e - x
f(x) = -----------
x!
= parameter e= 2,7183

24
DISTRIBUSI NORMAL
Distribusi kontinu
Dikemukaan oleh Friedrich Gauss (1777-1855)
Disebut distribusi Gauss.
1 (x-)2 / 22
f(x) = ---------- e
2
= 3,14159

25
DISTRIBUSI NORMAL
Simetris terhadap mean
Mean = Median = Mode
Total are dibawah kurve, diatas axis x =
1= 100%
1 = 68%
2 = 95%
3 = 99,7%

26
NORMAL STANDAR
Karena distribusi normal mempunyai
banyak ukuran, maka perlu dibuat
Distribusi Normal Standar
1 (x)2 / 2
f(z) = ---------- e
2
= 3,14159

27
Distribusi t
Ditemukan oleh W.S. Gosset dengan
nama samaran student
Students t distribution
x-
t = -------------
s/ n

28
Distribusi t
Mempunyai mean=0
Simetris terhadap mean
Pada dasarnya varians > 1, dan
mendekati 1 bila sampel diperbesar
Variabel t range - ke +
Degree of freedom=df= n-1
Puncak lebih rendah, dasar lebih lebar
dibanding dengan distribusi normal
29
Distribusi Chi Square=X
Merupakan distribusi varians

2 = (n-1) s2/ 2

Df = (n-1)

30
Distribusi F
Merupakan distribusi varians ratio

V.R. = s12/ s22

Df1 = (n1-1) Df2 = (n2-1)

31
Distribusi sampel
distribusi nilai sampel yang mungkin terjadi
dengan besar sampel n yang sama yang
ditarik secara random pada satu populasi.
Apabila sampel yang ditarik dari suatu
ppopulasi normal, maka distribusi dari mean
sampel akan mengikuti sbb:
1.Distribusi mean sampel-sampel akan normal.
2. Mean dari distribusi mean sampel sama
dengan mean populasi
3.Varians dari distribusi mean sampel sama
dengan varians populasi dibagi dengan besar
32
sampel.
Central limit theorem
Pada populasi yang tidak normal
terhadap mean dan varians, distribusi
sampel mean dengan besar sampel n,
maka akan mendekati distribusi normal
bila ukuran sampel besar.

33
Test hipotesis
Satu mean populasi
Dua mean populasi

34
Satu mean populasi
Varians populasi diketahui
x-
Z = -------------
/n

35
Satu mean populasi
Varians populasi tidak diketahui
x-
t = -------------
s/n
df= n-1

36
Dua mean populasi
Varians populasi diketahui
x1 x2
Z = -------------------------
( 12/ n1 + 22/n2)

37
Dua mean populasi
Varians populasi tidak diketahui
Varians sama
x1 x2
t = -------------------------
sp2/ n1 + sp2/n2
df = n-2
(n1-1)s12+(n2-1)s22
sp2 = ----------------------------
n1+n2-2
38
Dua mean populasi
Varians populasi tidak diketahui
Varians tidak sama
x1 x2
t = -----------------------
s12/ n1 + s22/n2
df= n-2

39
Dua mean populasi
w1t1 + w2t2
t1-/2 = -----------------------
w1 + w 2

w1= s12/ n1 w2= s22/n2

t1 = t1-/2 df= n-1

t2 = t1-/2 df=n-1
40
Dua mean populasi
Sampel dependen

d - d
t = --------------
sd / n

df = n-1
41
Subjek sebelum sesudah di
1 201 200
2 231 236
3 221 216
4 260 233
5 228 224
6 237 216
7 326 296
8 235 195
9 240 207
10 267 247
11 284 210
12 201 209 42
Subjek sebelum sesudah di
1 201 200 -1
2 231 236 +5
3 221 216 -5
4 260 233 -27
5 228 224 -4
6 237 216 -21
7 326 296 -30
8 235 195 -40
9 240 207 -33
10 267 247 -20
11 284 210 -74
12 201 209 +8 43
 di
= ----------
n
(-1)+(5)+(-5)++(8) -242
= ---------------------------- = ------
12 12

= 20,17

44
 (di-)2
sd2 = ----------
n-1
n di2-( di)2
= ----------------
n ( n-1)
12(10766)-(-242)2
= ------------------------- = 535,06
12(11)

45
TABEL KONTINGESI 2x2

TREATM HIDUP MATI TOTAL

ENT
A 106 515 621

B 95 526 621

TOTAL 201 1041 1242

46
TABEL DEPENDEN 2x2

OBAT OBAT B OBAT B TOTAL

A HIDUP MATI
HIDUP 90 16 106

MATI 5 510 515

TOTAL 95 1041 621

47
TABEL 2x2

OBAT HIDUP MATI TOTAL

A a b a+b

B c d c+d

TOTAL a+c b+d n

48
FISHER EXACT TEST
Sampel independen

(a+b)!(c+d)!(a+c)!(b+d)!
Pr(a,b,c,d) = -------------------------------
n! a! b! c! d!

49
CHI SQUARE TEST
Sampel independen

n (ad-bc)2
X2 = -------------------------------
(a+b)(c+d)(a+c)(b+d)

50
CHI SQUARE TEST with Yates correction
Sampel independen

n ( l ad-bc l 0,5n )2
X2 = -------------------------------
(a+b)(c+d)(a+c)(b+d)

51
Mc Nemar TEST
Sampel dependen

(b-c)2
X2 = ---------
b+c

df=1

52
Mc Nemar TEST dengan correction
Sampel dependen

( l b-c l-1)2
X2 = ---------
b+c

df=1

53
ODD RATIO

a.d
OD= -----
b.c

54
55
APA PERSAMAAN &
PERBEDAAN ANTARA:
ODDS RATIO
KAI KUADRAT TEST
FISHER EXACT TEST

56
PERSAMAAN
VARIABEL NOMINAL
TABEL 2 X 2
CI, 95%

57
PERBEDAAN (OR VS X2,
FISHER)
RESIKO (OR)
ASSOSIASI
SEBAB AKIBAT (DEPENDEN &
INDEPENDEN)
BESAR RESIKO, BESAR OR
BESAR ASOSIASI, CRAMERS ATAU PHI

58
APA PERSAMAAN &
PERBEDAAN ANTARA:
KAI KUADRAT TEST
FISHER EXACT TEST

59
PERSAMAAN X2 & FISHER
TABEL 2 X 2
SAMPEL INDEPENDEN
ASOSIASI

60
PERBEDAAN X2 & FISHER
TABEL 2 X 2 (FISHER)
BESAR SAMPEL KURANG 30 (FISHER)
EXPECTED VALUE ADA <5 (FISHER)

61