Uji Hipotesis

Halaman: 1Halaman: 1

UJI HIPOTESIS

By : Riswani Tanjung, SKM, M.Kep, Sp. Kom


Untuk membuktikan dugaan eksperimen, benar atau tidak

Apakah memang benar susu formula mengandung bakteri sakazaki???

Perlu di uji hipotesanya sehingga menyakinkan, berapa tingkat keyakinannya? Mari kita sepakati.

Susu Formula 40% ada Bakteri


Butuh studi kelayakan Bagaimana nasib korban Lapindo? Cukup tidak uang ganti ruginya? Apakah perlu adanya relokalisasi? Apaka setuju lumpur lapindo korban

nasional?


A. PENDAHULUAN Pengujian hipotesis : penarikan

kesimpulan (menggeneralisir) nilai yg berasal dari sampel terhadap keadaan populasi melalui pengujian hipotesis.

Berguna untuk membantu pengambilan keputusan tentang apakah suatu hipotesis yg diajukan seperti perbedaan atau hubungan, cukup meyakinkan untuk ditolak atau tdk ditolak.


Perlu dilakukan pengujian hipotesis shg diperoleh suatu kesimpulan secara probabilistik apakah vaksin baru tsb lebih baik dari yg sekarang beredar dipasaran atau malah sebaliknya.

Prinsip uji hipotesis adalah melakukan perbandingan antara nilai sampel (data hasil penelitian) dg nilai hipotesis (nilai populasi) yg diajukan.


Peluang untuk diterima dan ditolaknya suatu hipotesis tgtg besar kecilnya perbedaan antara nilai sampel dg nilai hipotesis

Bila perbedaan tsb cukup besar, maka peluang untuk menolak hipotesis besar & sebaliknya

Makin besar perbedaan antara nilai sampel dg nilai hipotesis, makin besar peluang untuk menolak hipotesis.


Kesimpulan yg didapat dari hasil pengujian hipotesis ada 2 kemungkinan yaitu menolak hipotesis dan menerima hipotesis (gagal menolak hipotesis)

B. HIPOTESIS Hipotesis berasal dari kata hupo dan

thesis. Hupo = sementara/lemah kebenarannya. Thesis = pernyataan/teori.

Hipotesis : pernyataan sementara yg perlu diuji kebenarannya.


Untuk menguji kebenaran sebuah hipotesis digunakan pengujian hipotesis

Ada 2 macam hipotesis Ho dan Ha.

a. Hipotesis nol (Ho)

Menyatakan tdk ada perbedaan sesuatu kejadian antara 2 kelompok atau menyatakan tdk ada hubungan antara variabel satu dg variabel lain.


Contoh :

1. Tdk ada perbedaan berat badan bayi antara mereka yg dilahirkan dari ibu yg merokok dg mereka yg dilahirkan dari ibu yg tdk merokok

2. Tdk ada hubungan merokok dg berat badan bayi

b. Hipotesis alternatif (Ha)

Hipotesis yg menyatakan ada perbedaan suatu kejadian antara kedua kelompok atau ada hub. variabel satu dg yg lain.


Contoh :

1. Ada perbedaan berat badan bayi antara mereka yg dilahirkan dari ibu yg merokok dg mereka yg dilahirkan dari ibu yg tdk merokok

2. Ada hubungan merokok dg berat badan bayi

C. ARAH/BENTUK UJI HIPOTESIS

Bentuk hipotesis alternatif akan menentukan arah uji statistik apakah satu arah (one tail) atau dua arah (two tail).


1. One tail (satu sisi) : bila hipotesis alternatifnya menyatakan adanya perbedaan & ada pernyataan yg mengatakan hal yg satu lbh tinggi/rendah dari hal yg lain.

Contoh: Berat badan bayi dari ibu hamil yg merokok lebih kecil dibandingkan berat badan bayi dari ibu hamil yg tdk merokok.


2. Two Tail (dua sisi) merupakan hipotesis alternatif yg hanya menyatakan perbedaan tanpa melihat apakah hal yg satu lebih tinggi/rendah dari hal yg lain.

Contoh : berat badan bayi dari ibu hamil yg merokok berbeda dibandingkan berat badan bayi dari ibu yg tdk merokok. Atau ada perbedaan berat badan bayi antara mereka yg dilahirkan dari ibu yg merokok dibandingkan dari mereka yg tdk merokok.


m

Two tailed test

One tailed test


Ada Pola Hubungan Karena banyak komplikasi Gito rolis

meninggal?...ah itu takdir. Karena dompet kosong, sabtu malam minggu di

rumah saja, kasihan deach loe !!!!! Karena……Maka………


Contoh penulisan hipotesis

Suatu penelitian ingin mengetahui hubungan antara jenis kelamin dg tekanan darah, maka hipotesanya adalah sbb:

Ho : µ A = µ B

Tidak ada perbedaan mean tekanan darah antara laki-laki dan perempuan atau tidak ada hubungan antara jenis kelamin dengan tekanan darah.


Ha : µ A = µ B

Ada perbedaan mean tekanan darah antara laki-laki dan perempuan atau Ada hubungan antara jenis kelamin dengan tekanan darah.

D. KESALAHAN PENGAMBILAN KEPUTUSAN

Ada 2 jenis kesalahan pengambilan keputusan dlm uji statistik :

1. Kesalahan Tipe I (α)

Kesalahan menolak Ho padahal Ho benar.


Artinya : menyimpulkan adanya perbedaan padahal tdk ada perbedaan.

Peluang kesalahan tipe I adalah α sering disebut tingkat signifikansi (significance level).

Peluang untuk tdk membuat kesalahan tipe I adalah 1- α yg disebut dg tingkat kepercayaan (confidence level).

2. Kesalahan tipe II (β)

Merupakan kesalahan tdk menolak Ho padahal Ho salah.


Artinya : menyimpulkan tdk ada perbedaan padahal sesungguhnya ada perbedaan.

Peluang kesalahan tipe II adalah sebesar β

Peluang untuk tdk membuat kesalahan tipe II adalah 1- β yg disebut dg tingkat kekuatan uji (power of the test).


$ 6,000

Yesss!!!

Kesalahan tipe I (α)

i

??

??

Kesalahan tipe II (β)

i


Power of test (kekuatan uji)

Merupakan peluang untuk menolak hipotesis nol (Ho) ketika Ho memang salah.

Keputusan Populasi

Ho benar parno

H o salah seling

Tidak Menolak Ho Menolak Ho

Benar (1 – α)Kesalahan tipe I (α)

Kesalahan tipe II (β)Benar (1 – β)


Atau kemampuan untuk mendeteksi adanya perbedaan bermakna antara kelompok-kelompok yg diteliti ketika perbedaan-perbedaan itu memang ada. Power = 1- βDlm pengujian hipotesis dikehendaki nilai α dan β kecil atau (1- β) besar. Namun hal ini sulit dicapai krn bila α makin kecil nilai β akan semakin besar.


Berhubung hrs dibuat keputusan menolak atau tdk menolak Ho maka diputuskan untuk memilih salah satu saja yaitu α atau β. Umumnya dipilih nilai α.

E. MENENTUKAN TINGKAT KEMAKNAAN (LEVEL OF SIGNIFICANCE)Tingkat kemaknaan merupakan kesalahan tipe I suatu uji yg biasanya diberi notasi α.Nilai α merupakan nilai yg menunjukkan besarnya peluang salah dlm menolak hipotesis nol.


Atau merupakan batas toleransi peluang salah dalam menolak hipotesis nol.Nilai α merupakan nilai batas maksimal kesalahan menolak Ho.Nilai α merupakan niali yg menunjukkan besarnya peluang salah dlm menolak hipotesis nol.Bila kita menolak Ho berarti menyatakan adanya perbedaan/hubungan shg nilai α dpt diartikan sbg batas maksimal kita salah menyatakan adanya perbedaan.


Nilai α yg sering digunakan adalah 10 %, 5%, 1 %.Misalnya : seorang peneliti yg akan menentukan apakah suatu obat bius berkhasiat, maka akan ditentukan α yg sangat kecil 1 % krn tdk mau mengambil risiko bahwa ketidak berhasilan obat bius besar krn akan berhubungan dg nyawa manusia.


LANGKAH UJI KEMAKNAAN

Tetapkan hipotesa nol Tetapkan hipotesa alternatif Tetapkan batas kemaknaan statistik Lakukan perhitungan statistik Lakukan interpretasi probabilitas

pada populasi


F. PEMILIHAN JENIS UJI PARAMETRIK ATAU NON PARAMETRIKPengujian hipotesis sangat berhubungan dg distribusi data populasi yg akan diuji.Bila distribusi data normal/simetris/Gauss maka proses pengujian dpt digunakan dg pendekatan uji statistik parametrikBila distribusi data populasinya tdk normal atau tdk diketahui distribusinya maka dpt digunakan pendekatan uji statistik non parametrik.


Kenormalan suatu data dpt juga dilihat dari jenis variabelnya, bila variabelnya berjenis numerik/kuantitatif biasanya distribusi datanya mendekati normal/simetris shg dpt digunakan uji statistik parametrik.Bila jenis variabelnya kategori(kualitatif), maka bentuk distribusinya tdk normal shg uji non parametrik dpt digunakanPenentu jenis uji juga ditentukan oleh jumlah data yg dianalisis. Bila jlh data kecil (<30) digunakan uji non parametrik.


G. PERBEDAAN SUBSTANSI KLINIK DAN STATISTIKBerbeda bermakna /signifikan secara statistik belum tentu bermakna dari segi substansi/klinik. Makin besar sampel yg dianalisis semakin besar menghasilkan kemungkinan berbeda bermakna.Sampel yg besar, perbedaan sangat kecil(tdk bermanfaat secara substansi dpt bermakna secara statistik. Arti dari setiap penemuan jangan hanya dilihat dari aspek statistik saja.


H. PROSEDUR UJI HIPOTESIS

1. Menetapkan uji hipotesis.

Apakah menggunakan one tail atau two tail

2. Penentuan uji statistik yg sesuaiJenis uji statistik tgtg :

a. Jenis variabel yg akan dianalisis

b. Jenis data apakah dependen atau independen

c. Jenis distribusi data populasinya apakah mengikuti distribusi normal atau tdk.


3. Menentukan batas atau tingkat kemaknaan (level of significance).

Menentukan nilai α, tgtg tujuan penelitian yg dilakukan

4. Penghitungan uji statistik

Mis : uji beda dua mean uji t

5. Keputusan uji statistik- Menolak Ho atau gagal menolak Ho- Ada 2 pendekatan- a. Pendekatan klasik


-Membandingkan hasil uji dg nilai tabel mis : tabel Z

- Sangat tgtg dari nilai α dan uji yg digunakan one tail atau two tail

-Keputusan uji : Nilai perhitungan > nilai tabel => Ho ditolak Nilai perhitungan < nilai tabel => Ho gagal

ditolak


b. Pendekatan probabilistik

- Menggunakan komputer , membandingkan nilai p value dengan α

-Keputusan uji : Nilai p value ≤ nilai α => Ho ditolak Nilai perhitungan ≥ nilai α => Ho gagal

ditolak PENGERTIAN NILAI p Nilai p merupakan nilai yg menunjukkan

besarnya peluang salah menolak Ho.


PELUANG BY CHANCE TO BE MARRIED..


Nilai p dapat diartikan sbg nilai besarnya peluang hasil penelitian (mis : ada perbedaan mean atau proporsi) terjadi krn faktor kebetulan

Contoh : suatu penelitian ingin mengetahui hubungan riwayat hipertensi ibu hamil dg BB yg dikandungnya. Hasilnya bahwa rata-rata BB bayi dari ibu hipertensi adalah 2000 gr. Rata-rata BB yg lahir dari ibu yg tdk hipertensi adalah 3000 gr. Perbedaan BB bayi antara ibu yg hipertensi dg ibu yg tdk hipertensi sebesar 1000 gr.


Apakah perbedaan tsb juga berlaku untuk seluruh populasi yg diteliti atau hanya faktor kebetulan saja ? Dpt dilakukan uji statstik (uji t). p = 0,011, berarti peluang adanya perbedaan BB 1000 gr akibat dr faktor kebetulan 0,011. Ada perbedaan faktor tsb bukan krn faktor kebetulan, namun krn adanya pengaruh riwayat hipertensi.


H. JENIS-JENIS UJI HIPOTESIS

1. Menguji beda 1 mean sampel

a. Bila nilai σ diketahui, maka digunakan uji Z, rumusnya : Z = x - µ

σ/√n

b. Bila nilai σ tdk diketahui, maka digunakan uji t, rumusnya : t = x - µ

Sd/√n

df = n-1


Ket : x = rata-rata data sampel

µ = rata-rata data populasi

σ = standar deviasi data populasi

Sd = standar deviasi data sampel

n = jlh sampel yg diteliti


Contoh : Dik : kadar kolesterol orang dewasa normal adalah 200 gr/100 ml dg standar deviasi 56 gr. Seorang peneliti telah melakukan pengukuran kadar kolesterol sekelompok penderita hipertensi yang jumlahnya sebanyak 49 orang. Didapatkan rata-rata kadar kolesterol mereka 220 gr/100 ml. Dit : apakah kadar kolesterol penderita hipertensi berbeda dg kadar kolesterol orang dewasa normal.


Dij : Kadar kolesterol normal adalah mean populasi µ = 200 mg/dl

Standar deviasi σ = 56 mg/dl

Kadar kolesterol sampel x = 220 mg/dl n = 49

Proses pengujian :

1. Hipotesis

Ho : µ = 200. Tdk ada perbedaan rata-rata kadar kolesterol orang dewasa dengan penderita hipertensi


Ha : µ ≠ 200. Ada perbedaan rata-rata kadar kolesterol orang dewasa dengan penderita hipertensi. Jenis uji statistik yg digunakan adalah two tail

Level of significance : batas level kemaknaan pada uji statistik ini digunakan 5 %.


Pemilihan uji statistik : Tujuan penelitian adalah ingin membandingkan nilai populasi (data orang dewasa) dg data sampel (data penderita hipertensi) maka jenis uji yg digunakan adalah uji beda mean satu sampel dg pendekatan uji Z (krn standar deviasi populasi diketahui).

Perhitungan uji statistik : Z = x - µ

σ/√n

= 220-200 = 2,5

56/√49


Keputusan uji statistik :

a. Pendekatan probabilistik : Z = 2,5 diperoleh peluang 0,4938 berarti nilai p = 0,5 – 0,4938 = 0,0062. Nilai pd kurva normal adalah one tail. Uji ini adalah two tail, maka nilai p adalah 2 x 0,006 = 0,012

p< α => Ho ditolak

Kesimpulan : Pada α 5 % secara statistik kadar kolesterol penderita hipertensi berbeda dibanding kadar kolesterol orang dewasa normal ( p < 0,012).


Z 0,00 0,01 0,02 dst

0,0

0,1

…2,5 0,4938 0,4940

2,6 0,4953

peluang


OH…CARANYA BEGITU… LIHAT TABEL


b. Pendekatan klasik

-Uji hipotesis two tail (dua arah). α = 0,05 maka α hrs dibagi dua = 0,025.

-Mencari nilai Z di tabel kurve normal maka angka peluang (p) yg dicari adalah 0,5 – 0,025 = 0,4750, maka tabel kurva normal = 1,96.

-Nilai Z dibandingkan dg nilai Z perhitungan (Z hitung 2,5). Z hitung (2,5) > Z tabel (1,96).

-Keputusannya adalah Ho ditolak (hasil ini konsisten dg pendekatan probabilistik.


2. Jika peneliti tdk mengetahui besarnya standar deviasi populasi serta hanya mengambil sampel sebanyak 25 penderita hipertensi maka untuk itu standar deviasi populasi diestimasi saja memakai standar deviasi sampel. Mis: diketahui standar deviasi sampel = 63 mg. Uji statistik ini tdk memakai uji Z tetapi adalah uji t.

Ho : µ = 200

Ha : µ ≠ 200

Perhitungan ujinya :


t = x - µ = 220-200 = 1,59

s/√n 63/√25

Nilai df = 25-1 = 24, kemudian dicari nilai p dg menggunakan tabel distribusi t

0,10 ---- 0,05 0,025 0,01 0,005

1 …. ……. ……. …..

24 1,318 ---- 1,711 2,064 2,492 2,797

dst

Nilai p

t = 1,59


Tabel t tdd kolom & baris. Baris menunjukkan nilai df & kolom menunjukkan nilai α (yg digunakan untuk mencari nilai p). Angka dlm tabel menunjukkan nilai t tabel yg digunakan untuk konfersi dg nilai t hitung.

Kolom semakin kekanan, nilai α (nilai p) semakin kecil dari 0,10 s/d 0,005

Cara mencari nilai p pd df = 24

Bila nilai t = 1,711, lihat diatas dan tepat pd nilai α 0,05 artinya nilai p = 0,05.


Pd soal: t = 1,59, df = 24 terletak pd posisi antara 1,318 dan 1,711, kalau kita tarik keatas berarti terletak antara nilai α = 0,10 dan 0,05

Berarti nilai p nya lebih kecil dari 0,10 (p < 0,10) dan lebih besar dari 0,05 (p > 0,05) atau

0,05 < p < 0,10

Tabel t merupakan jenis tabel untuk one tail, maka nilai p yg didapat dari tabel hrs dikalikan dua. Hasilnya adalah 2 x 0,05< p< 0,10 = 0,10 < p< 0,20. Jadi nilai p > 0,10


Hasil p dibandingkan dg α, ternyata p > α.

Shg Ho gagal ditolak.

Kesimpulan : bahwa data sampel tdk menyokong untuk menyatakan kadar kolesterol dari orang dewasa berbeda dg kadar kolesterol penderita hipertensi. Atau

Tdk ada perbedaan yg bermakna kadar kolesterol orang dewasa dg kadar kolesterol penderita hipertensi p > 0,10.


2. Uji beda 1 proporsi

Tujuan : adalah untuk mengetahui/menguji perbedaan proporsi populasi dg proporsi data sampel penelitian.

Hipotesis :

Ho : p = P Ho : p = P

Ha : p ≠ P Ho : p > P atau Ho : p < P

Two tail one tail

Rumus : Z = p-P = p-P

√(P.Q)/n √(1-P)/n


Ket : p = proporsi data sampel penelitian

P = proporsi data populasi

Q = 1 - P

Contoh : dari laporan Dinas Kesehatan Kabupaten Cianjur tahun yang lalu menyebutkan bahwa 40 % persalinan dilakukan oleh dukun. Kepala dinas ingin membuktikan apakah sekarang persalinan masih tetap seperti laporan tahun lalu atau sudah berubah. Untuk pengujian ini diambil sampel random sebanyak 250 persalinan dan


Dilakukan wawancara pd ibu yg baru setahun terakhir melakukan persalinan & ternyata tdpt 41 % yg mengaku bersalin melalui dukun. Ujilah apakah ada perbedaan proporsi persalinan antara laporan dinas dg sampel penelitian, dg alpha 5 %.

Jwb: Dik : n = 250 P = 0,40

Q = 1 – 0,40 = 0,60 p = 0,41

Ho : P = 0,40 tdk ada perbedaan proporsi persalinan antara data dinas dg data sampel


Ha : P ≠ 0,40 Ada perbedaan proporsi persalinan antara data dinas dg data sampel

Z = 0,41-0,40 = 0,33

√(0,40 x 0,60)/250

Diperoleh peluang 0,1293 (tabel kurve normal

Nilai p = 0,5 – 0,1293 = 0,3707 one tail

Arah uji pd uji ini two tail, maka nilai p = 2 x 0,3707 = 0,7414. Bandingkan dg nilai α = 0,05Maka p > α Ho gatol. Kes : Pada α 5 % secara statistik proporsi persalinan antara laporan dinas dg data penelitian tdk berbeda (p = 0,7414).


Arjuna mencari cinta….

Arjuna mencari cinta….

Uji beda 2 proporsi, cari sampai ketemu !!


LATIHAN :

1. Seorang ahli jantung membuat hipotesis bahwa penderita myocard infarct paling lama dpt hidup selama 2 thn. Kemudian dilakukan pengujian statistik & ternyata hipotesis ini dtolak pd nilai α 5 %. Jika kenyataannya memang benar bahwa penderita myocard infarct hanya dpt hidup 2 thn, kesalahan type apakah yg tlh dibuat ?


2. Bagian penyedia obat sebuah RS memesan kapsul tetracycline dlm jumlah besar pd sebuah perusahaan farmasi. Dari perusahaan tsb diperoleh informasi bahwa rata-rata isi kapsul adalah 250 mg dg varian sebesar 4 mg. Petugas bagian obat tsb ingin menguji apakah benar isi kapsul tetracycline tsb sesuai dg informasi pihak perusahaan. Untuk menguji hal ini, diambil sampel random sebanyak 150 kapsul & diperoleh rata-rata 245 mg. Coba anda bantu petugas untuk membuktikan kebenaran isi kapsul tsb dg α 5 % .


3. Seorang kepala Puskesmas menyatakan bahwa rata-rata per bulan ia mengirim penderita ke Rumah Sakit Kabupaten adalah sebanyak 50 orang. Untuk membuktikan pernyataan tsb, diambil sampel random sebanyak 10 bln & diperoleh rata-rata 45 orang penderita yg dikirim ke RS Kabupaten dg standar deviasi 3 orang. Coba buktikan apakah benar pernyataan Kepala Puskesmas tsb dg α 5 % .


4. Seorang ahli farmasi membuat kombinasi campuran obat anti nyeri & menyatakan bahwa 75 % dari segala macam nyeri akan dpt disembuhkan dg obat ini. Kemudian dilakukan percobaan pd 200 orang dg penyakit nyeri & ternyata 147 orang sembuh. Apakah campuran obat tsb berkhasiat sesuai dg pernyataan ahli farmasi tsb pd α 0,01.


5. Obat anti gemuk dinyatakan 80 % dpt mengurangi berat badan sebanyak 5 Kg selama 1 bln. Untuk membuktikan pernyataan tsb, kemudian dilakukan percobaan pd 100 orang gemuk, dan ternyata 78 orang dpt memperoleh efek spt pernyaaan. Apakah pernyataan tsb dpt dipercaya ? Buktikan dg α 5 %.


3. Uji beda 2 mean

-Dlm bidang kesehatan kita hrs menarik kesimpulan apakah parameter antar dua populasi berbeda atau tdk.

-Contoh : Apakah ada perbedaan kadar Hb orang yg tinggal dipegunungan dg kadar Hb yg tinggal di pantai atau apakah ada perbedaan kadar kolesterol sebelum dan sesudah pemberian diet berserat tinggi


-Sebelum kita melakukan uji statistik dari dua kelompok data sebelumnya kita hrs memperhatikan apakah dua kelompok data tsb bebas (independen) atau tergantung (dependen)

-Dikatakan bebas, bila kelompok data diperoleh dari dua kelompok sampel yg berbeda sedangkan kelompok data dikatakan tergantung apabila kelompok data tsb diperoleh dari satu kelompok sampel yg diukur sebanyak dua kali.


-Pada contoh : Kelompok Hb dikatakan sbg data bebas sedangkan kelompok kolesterol dikatakan sebagai kelompok terikat/tergantung/berpasangan.

-Berdasarkan karakteristik data tsb maka uji beda dua mean dibagi dlm dua kelompok yaitu uji beda dua mean bebas (pooled t test) dan uji beda mean berpasangan (paired t test)

-Hal ygtdk boleh dilupakan dlm uji ini adalah variabel yg dihubungkan hrs berbentuk numerik & kategorik.


Uji beda dua mean dependen (paired t test)

Rumus : t = d

SD_d/√n Ket : d = rata-rata deviasi/selish sampel 1 dg

sampel 2

SD_d = standar deviasi dari deviasi/selisih sampel 1 dan sampel 2


4. Uji beda 2 proporsi

Z = p1 –p2

√[pq(1/n1+1/n2)]

p = n1p1 + n2p2

Uji beda 2 proporsi

Z = p1 – p2 q = 1 - p

n1+n2

p = x1 + x2

n1 + n2


TERIMA KASIH ATAS PERHATIANNYA


TUGAS DIKUMPULKAN MINGGU DEPAN

1. Suatu penelitian ingin mengetahui hubungan status merokok ibu hamil dg BB bayi yg dilahirkan. Responden terbagi dlm 2 kelompok yaitu mereka yg merokok 50 orang & yg tdk merokok 50 orang. Hasil penelitian menunjukkan bahwa mereka yg merokok melahirkan bayi dg berat rata-rata 2,9 Kg dg standar deviasi 0,12 Kg. Sedangkan yg tdk merokok melahirkan bayi dg rata-rata 3,2 Kg dg standar deviasi 0,10 Kg. Ujilah apakah ibu merokok akan melahirkan berat bayi yg lebih rendah dibandingkan ibu-ibu yg tdk merokok pd α 5 %


2. Data sampel tdd 10 pasien pria mendapat obat captopril dg dosis 6,25 mg. Pasien diukur tekanan darah sistolik sebelum pemberian obat dan 60 menit sesudah pemberian obat. Peneliti ingin mengetahui apakan pengobatan tsb efektif untuk menurunkan tekanan darah pasien dg α 5 %. Data hasil pengukuran sbb :

Sebelum 175 179 170 162 180 177 179 150 160 165

Sesudah 170 175 154 140 160 140 157 120 130 140


3. Sebuah survei berminat mengetahui hubungan antara pemakaian kontrasepsi oral dan tekanan darah pd wanita. Sepuluh wanita usia subur yg bukan pemakai kontrasepsi oral diukur tekanan darahnya. Kemudian selama satu thn ke 10 wanita tsb menggunakan kontrasepsi oral dan pada akhir tahun tekanan darahnya diukur lagi. Adapu datanya adalah sbb:

Berdasarkan data tsb, dptkah anda menyimpulkan bahwa pemakaian kontrasepsi oral dpt meningkatkan tekanan darah sistolik.

Sebelum 115 120 115 117 130 110 135 110 120 125

Sesudah 118 125 115 120 135 115 135 120 130 125

Uji Hipotesis

Documents

Transcript of Uji Hipotesis