STATISTIK INFERENSIAL

DASAR-DASAR UJI HIPOTESIS

1
 HIPOTESIS
 Hipotesis: Hipo (di bawah) dan Tesis (pernyataan yang telah
diuji)
 Hipotesis Statistik:suatu proposisi atau anggapan
mengenai parameter populasi yang dapat diuji secara
statistik melalui sampel yang diambil dari populasi
 Pengujian Hipotesis Statistik: suatu prosedur untuk
membuat keputusan, apakah menolak atau gagal menolak
hipotesis (Ho)
 Hipotesis Statistik:
 Hipotesis nol atau ‘Null Hypothesis’ (H0) : pernyataan netral (nol
sama dengan tidak ada) atau selalu memuat tanda ‘=‘
 Hipotesis Alternatif atau ‘Alternative Hypothesis’ (H 1 atau HA):
pernyataan netral tersebut sudah ada dugaan atau tidak memuat
tanda ‘=‘

2
 HIPOTESIS
 Bentuk penulisan hipotesis satu arah secara
matematis untuk proporsi
 Satu Sampel untuk proporsi
 H : p  p atau H0: p  p0
0 0

 H1: p < p0 H1: p > p0

 Bentuk penulisan hipotesis dua arah secara
matematis untuk proporsi
 Satu Sampel untuk proporsi
 H : p = p
0 0

 Ha: p  p0

3
 HIPOTESIS
 Contoh:

H0 : Tidak ada perbedaan rata-rata kadar Hb Ibu yang meninggal
dengan rata-rata kadar Hb Ibu yang tidak meninggal


H0 : Tidak ada hubungan antara kadar Hb darah Ibu dengan
Kematian

H1 : Ada hubungan antara kadar Hb darah Ibu dengan Kematian


H1 : Ada perbedaan ratar-rata kadar Hb Ibu yang meninggal
dengan rata-rata Hb darah Ibu yang tidak meninggal
 H1 : Ratar-rata kadar Hb Ibu yang meninggal lebih kecil dibanding
rIbu yang tidak meninggal

4
 Gambaran pemeriksaaan kada HB sianmedHb
pada ibu hamil trimester 3.

 Gambaran Hb pada perokok aktif lebih dari 10

tahun

5
 UJI HIPOTESIS
 Langkah pertama untuk menguji hipotesis statistik:
merumuskan hipotesis nol (null hypothesis) dan hipotesis
alternatif (alternative hypothesis)
 Dalam merumuskan hipotesis dikenal istilah
 Hipotesis satu arah (one tailed atau one side)
 Hipotesis dua arah (two tailed atau two side).
 Bentuk penulisan hipotesis satu arah secara matematis
 Satu Sampel untuk mean (rata-rata)
H0:   0

atau H0:   0

H1:  < 0 H1:  > 0
 Bentuk penulisan hipotesis dua arah secara matematis
 Satu Sampel untuk mean (rata-rata)

H0:  = 0

H a:    0

6
 Uji HIPOTESIS
Dalam pengujian hipotesis statistik yang diuji adalah
H0
 Penentuan apakah H gagal ditolak (dianggap
0
benar) atau ditolak (dianggap salah) adalah
merupakan tujuan dari pengujian hipotesis
 Besarnya probabilitas H benar adalah sebesar nilai-
0
p (p-value). Bila nilai-p sangat kecil, maka
kemungkinan Ho benar sangat kecil, kita putuskan
untuk menolak Ho
 Batas (nilai-p) untuk menyatakan H ditolak atau
0
tidak sebesar alpha atau < alpha (untuk kesmas
alpa = 5%)

7
 Hypothesis nol, H0

 Dimulai dengan asumsi bahwa hipotesis nol

benar
 Sama seperti asas praduga tak bersalah,
sampai terbukti bersalah
 Selalu memuat tanda “=” sama dengan
 Mungkin ditolak atau tidak ditolak atau gagal
ditolak (GATOL)

8
 Hipotesis Alternatif, H1/Ha
 Lawan dari hypothesis nol
 Tidak pernah memuat tanda “=”
 Secara umum hipotesis ini dipercaya
kebenarannya oleh peneliti (sehingga
perlu untuk dibuktikan)
 Sering disebut juga hipotesis penelitian

9
 Tingkat Signifikansi
dan daerah penolakan
a Nilai
H0: m = x
kritis
H1: m < x
Daerah 0
Penolakan a
H0: m = x
H1: m > x
0
a/2
H0: m = x
H1: m ¹ x
0

10
 Kesalahan dalam Keputusan
 Salah Jenis I (Error Type I)
 Tolak H0 yang benar
 Mempunyai konsekuensi serius

Peluang kesalahan Type I adalah

 Disebut tingkat signifikansi 
 Ditentukan oleh peneliti
 Salah Jenis II (Error Type II
 Gagal menolak H0 yang salah
 Peluang kesalahan Type II β
 Kekuatan test adalah 1- β

11
 Kesalahan dalam Keputusan
 Salah jenis pertama () disebut tingkat signifikansi
(significance level) adalah probabilitas menolak H0
padahal H0 tersebut benar
 (1- ) disebut tingkat kepercayaan (confidence level)
adalah probabilitas untuk tidak membuat kesalahan
jenis pertama
 Salah jenis kedua () adalah probabilitas untuk
menerima H0 padahal H0 tersebut salah
 (1- ) adalah probabilitas untuk tidak membuat
kesalahan jenis kedua dan dikenal dengan tingkat
kekuatan uji (power of the test)
12
Ringkasan Tipe Kesalahan

Hypothesis Test
Kenyataan di populasi
Putusan H0 benarH0 Salah
Terima Type II
1-a
Salah (b )
H0
Type I Power
Tolak
Salah
H0 (1 - b )
(a )

13
 KEPUTUSAN UJI STATISTIK
 Secara Klasik
 Membandingkan nilai statistik hitung dengan nilai statistik tabel
 Bila nilai hitung < nilai tabel  Ho diterima  Simpulan Ho
 Bila nilai hitung > nilai tabel  Ho ditolak  Simpulan Ha
 Misal, statistik uji Zhitung=2.5 pada =0.05 dan uji dua arah (two side) Z tabel=-
1.96 s/d 1.96 merupakan daerah Ho.
 Karena Zhitung=2.5 > Z tabel=1.96 maka Ho ditolak.

 Secara Probabilistik
 Membandingkan nilai-p dengan 
 Bila nilai-p >   Ho diterima  Simpulan Ho
 Bila nilai-p <=   Ho ditolak  Simpulan Ha
 Nila-p=0.001, =0.05 dan ujia dua arah (two side). Karena nilai-p=0.001 <
=0.05 maka Ho ditolak

14
 Langkah Dalam
Uji Hipotesis

1. Tuliskan H0 dan H1
2. Tetapkan tingkat signifikasi/salah type-1 ()
• =0.01, =0.05 atau =0.10

3. Tentukan jenis Uji Statistik yang sesuai

15
 Langkah Dalam Uji Hipotesis
4. Hitung uji statistik
5 .Tentukan daerah kritis
o Daerah penerimaan/penolakan Ho atau
o Tentukan nilai-p (berdasarkan Tabel)
atau Hitung nilai-p (oleh komputer)

6. Buat keputusan Statistik

o Tolak Ho (Bila nilai-p < alpha) atau
bila Nilai-hitung > Nilai tabel ) atau
bila Nilai-hitung jatuh di area penolakan  Simpulan Ha
o Terima Ho (Bila nilai-p > alpha) atau
bila Nilai-hitung < Nilai tabel atau
bila Nilai-hitung jatuh diarea penerimaan  Simpulan Ho
7. Interpretasi dan kesimpulan
16
 Jenis Analisis Data

• Analisis Univariat
1
Analisis Hubungan (korelasi)
• Analisis Bivariat Analisis Perbandingan
2 (komparatif)

• Analisis Multivariat
3
 JENIS UJI STATISTIK:
JENIS
VARIABEL Var Dependen
Var
Independen Kategorik Numerik
1.Chi-square/
Regresi logistik 2. t-test (jika 2 kategori)
Kategorik sederhana 3. Anova (>2 kategori)
4. Korelasi /
2. t-test (jika 2 kategori) Regresi Linier
Numerik 2.Anova (>2 kategori) sederhana

18
 Test satu sisi Z untuk Mean
( σ Diketahui)
 Asumsi
 Populasi berdistribusi normal
 Jika tak normal perlu sampel besar
 Tanda H0 ≤ atau ≥
 Z Statistik uji
𝑋−𝜇


𝑍=
𝜎 /√𝑛
19
 Contoh: Test Satu Sisi

Q. Apakah rata2 cereal >

368 gram ? Sampel
random dari 25 kotak
cereal rata-rata = 372.5.
X
Dengan s 15 gram.
Lakukan test pada a = 368 gm.
0.05.
H0: m ≤ 368
H1: m > 368

20
 Mencari Nilai Kritis : Satu Ekor
Tabel Normal Standart
kumulatif

Z 1 Z .04 .05 .06

.95 1.6 .9495 .9505 .9515

a = .05
1.7 .9591 .9599 .9608

0 1.645 Z 1.8 .9671 .9678 .9686

Nilai Kritis = 1.9 .9738 .9744 .9750
1.645
21
 Penyelesaian: Test Satu Sisi
H0: m ≤ 368
H1: m > 368 Test Statistic:
a = 0.5 X 
Z 1.50
n = 25 
Nilai Kritis : 1.645 n
Tolak
.05 Tidak ditolak di a = .05
Putusan:
0 1.645 Z Tidak ada bukti rata-rata
Kesimpulan:
> 368
1.50 22
 p -Value
p-Value = P(Z ³ 1.50) = 0.0668

P-Value =.0668
1.0000
- .9332
.0668

0 1.50 Z

23
 p -Value (continued)

(p-Value = 0.0668) ³ (a = 0.05)

Tidak ditolak.
p Value = 0.0668

Tolak

a = 0.05

0 1.645
Z
1.50
1.50 terletak dalam daerah penerimaan
24
 Contoh: Test Dua Sisi

Q. Apakah rata-rata
berat cereal = 368
gram? Sampel
random dari 25
kotak X= 372.5. s =
15 gram. Lakukan 368 gm.
Test pada a = 0.05
level.
H0: m = 368
H1: m ¹ 368

25
 Penyelesaian: Test Dua Sisi
H0: m = 368 Test Statistic:
H1: m ¹ 368
X   372.5  368
a = 0.05 Z   1.50
 15
n = 25 n 25
Nilai Critical : ±1.96
Putusan:
Tolak
Tidak ditolak di a = .05
.025 Kesimpulan:
.025

Tidak ada bukti rata-rata

-1.96 0 1.96 Z bukan 368
1.50 26
 p-Value
(p Value = 0.1336) ³ (a = 0.05)
Jangan tolak H0.
p Value = 2 x 0.0668

Tolak Tolak

a = 0.05

0 1.50 1.96
Z
1.50 terletak dalam daerah penerimaan
27
 t Test: σ tidak diketahui
 Asumsi
 Populasi berdistribusi normal
 Jika tak normal, sampel besar

 T test dengan n-1 db

X 
t
S/ n

28
29
 Contoh: t Test Satu Sisi

Apakah rata-rata berat

sereal > 368 gram?
Random sample dari 36
kotak menunjukkan X =
372.5, and S= 15. a = 0.01 368 gm.

H0: m £ 368
s tidak diketahui H1: m > 368

30
 Penyelesaian: Satu Sisi
H0: m £ 368 Test Statistic:
H1: m > 368
X   372.5  368
a = 0.01 t   1.80
S 15
n = 36, df = 35 n 36
Nilai Kritis : 2.4377
Putusan:
Tolak
Tidak ditolak di a = .01
.01 Simpulan:

Tidak ada bukti rata-

0 2.4377 t35
1.80
rata berat > 368 gr
31
 p -Value
(p Value diantara .025 dan .05) ³ (a = 0.01).
H0 tidak ditolak.

p Value = [.025, .05]

Tolak

a = 0.01

0 t35
1.80 2.4377

32
 Proporsi
 Melibatkan data kategoris
 Dua kemungkinan outcome ( hasil )
 “Sukses” dan gagal
 P(Sukses) = p dan P(Gagal)=1-p
 Distribusi Binomial
 Proporsi populasi “success” dinotasikan
dengan p

33
 Proporsi
 Proporsi sampel dalam kategori sukses pS
X Number of Successes
ps  
n Sample Size
 Jika np dan n(1-p) ≥ 5, pS dapat didekati
dengan distribusi normal dengan mean dan
standart deviasi
 ps  p p(1 p)
 ps 
n
34
 Contoh: Z Test untuk Proporsi
Q. Suatu perusahaan
sabun mandi meng
klaim lebih dari 4%
mahasiswa memakai Check:
produk tersebut. np  500 .04   20
Untuk mengetes
diambil sample random 5
dari 500 mhs
diperoleh 25 mhs n 1  p   500 1  .04 
memakai sabun
tersebut. a = .05.  480  5
35
 Z Test untuk Proporsi: Solusi
H0: p = .04 Test Statistic:
pS  p .05  .04
H1: p ¹ .04 Z   1.14
p 1  p  .04 1  .04 
a = .05
n = 500 n 500

Nilai Critical: ± 1.96 Putusan:

Jangan ditolak di a = .05
Tolak Tolak
Simpulan:
.025 .025
Tidak ada bukti menolak
claim 4% respon di atas.
-1.96 0 1.96 Z
1.14
36
 p -Value
(p Value = 0.2542) ³ (a = 0.05).
Jangan tolak H0.
p Value = 2 x .1271

Tolak Tolak

a = 0.05

0 1.14 1.96
Z
1.14 dalam daerah penerimaan H0
37