Professional Documents
Culture Documents
Pertemuan Ke 10 Dasar Dasar Uji Hipotesis
Pertemuan Ke 10 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
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.
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
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
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
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)
• 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
20
Mencari Nilai Kritis : Satu Ekor
Tabel Normal Standart
kumulatif
P-Value =.0668
1.0000
- .9332
.0668
0 1.50 Z
23
p -Value (continued)
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
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
X
t
S/ n
28
29
Contoh: t Test Satu Sisi
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:
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
Tolak Tolak
a = 0.05
0 1.14 1.96
Z
1.14 dalam daerah penerimaan H0
37