UJI HIPOTESIS Perbandingan Dua Mean.

Presentasi berjudul: "UJI HIPOTESIS Perbandingan Dua Mean."— Transcript presentasi:

1 UJI HIPOTESIS Perbandingan Dua Mean

2 Perbandingan Dua Mean Dalam analisis perbandingan dua mean , perlu diingat bahwa kemungkinan berasal dari dua populasi……kita akan melihat apakah kedua populasi sama atau berbeda Ada dua kemungkinan sampel 1) Sampel independen 2) Sampel berpasangan (paired sample)

3 Sampel independen Adalah kedua sampel benar-benar terpisah
Misal : satu kelompok sampel penderita PJK (Penyakit Jantung Koroner) dan sekelompok lagi penderita penyakit Diabetes Melitus (DM) Dari sampel independen ada dua kasus lagi yaitu: a) Varian populasi sama b) Varian populasi beda

4 Sampel berpasangan Sampel berpasangan dapat terjadi kalau sampel itu dipasangkan (matching) dan biasanya atau yang sering dilakukan adalah sampel berpasangan dengan dirinya sendiri (self pairing) Misal: sampel penderita hipertensi diberikan terapi untuk menurunkan tensinya untuk melihat efek obat anti hipertensi ini dilihat tekanan darah sebelum dan sesudah terapi (Before & After)

5 Sampel independen Varian sama atau tidak dapat diuji dengan memakai uji Anova Sering didalam soal, diasumsikan bahwa kedua sampel mempunyai varian sama

6 Sampel Independen varian pop sama
Contoh….. permasalahan Apakah ada perbedaan kadar kolesterol pasien PJK dengan pasien DM…? Apakah ada perbedaan biaya operasi jantung di RS A dan di RS B Apakah ada perbedaan khasiat obat P & obat Q dalam mengobati penyakit D

7 Sampel independen Varian populasi sama ……12 = 22
Pada umumnya Parameter jarang diketahui untuk itu dalam pengujian hipotesis kita memakai uji “ t “ Dalam hal nya varian populasi tidak diketahui maka  populasi diestimasi dengan menggabungkan S (standar deviasi) kedua sampeldisebut Standar deviasi gabungan (Pooled Standar deviasi)….akibatnya maka uji statistik yang dipakai disebut juga “pooled t test”

8 Pooled SE Pooled standar deviasi =Sp Uji

9 Contoh: Suatu penelitian terhadap kadar kolesterol dari Sampel yang diambil dari 20 orang penderita PJK dan 15 Orang penderita DM didapatkan X1(PJK)=215mg/dl,S1(PJK)=50mg/dl X2(DM)=230mg/dl,S2(PJK)=45mg/dl Penyelesaian: 1) Ho:Tidak ada perbedaan kadar kolesterol penderita PJK dan DM

10 Ha= ada perbedaan kdr kolesterol PJK dan DM 2) batas kritis alfa =0,05 3) Uji statistik: pooled t test

11 Keputusan uji pv > Ho Gatol Kesimpulan :
T= -0,9375 pv > 0,1 Keputusan uji pv > Ho Gatol Kesimpulan : Tidak ada perbedaan kadar kolesterol penderita PJK dengan DM

12 Sampel Independen Varian Populasi Beda
Uji t pada kasus independen dengan Varian populasi berbeda: rumus :

13 Contoh: Penelitian terhadap pengetahuan 20 dokter terhadap penyakit Flu burung didapatkan rata-rata skor pengetahuan 85 dan simpangan baku 12. Penelitian yang sama juga dilakukan terhadap 25 orang bidan yang bertugas di rumah sakit didapat rata-rata skor 78 dan simp baku 15. Apakah kesimpulan dari peneliti pada α= 0,05

14 Sampel Berpasangan (Paired sample)
Sampel berpasangan dapat sampel yang dipasangkan (kasus- kontrol)…matching atau sampel before & after (self pairing) Rumus:

15 Contoh soal no Hb sb Hb ssd
1 2 3 4 5 6 7 8 9 10 8.7 9.4 8.5 7.9 9.5 9.0 8.9 10.5 12 11.5 11.0 11 12,5 Seorang dokter kebidanan ingin melihat efek pemberian fe terhadap ibu hamil. Untuk itu telah diambil secara random 10 bumil dan memeriksa Hb sebelum pemberian fe dan sesudahnya.

16 Apa kesimpulan dokter tadi terhadap hasil pemberian fe terhadap ibu hamil pada α= 0,05
Untuk ini dicari perbedaan rata rata dari sampel sebelum dan sesudah pemberian fe selanjutnya dilakukan uji hipotesis untuk sampel berpasangan

17 no Hb sb Hb ssd Beda 1 2 3 4 5 6 7 8 9 10 8.7 9.4 8.5 7.9 9.5 9.0 8.9 10.5 12 11.5 11.0 11 12,5 3.3 2.1 2.5 2.6 -0.5 2.0 X= s=1.2 Pv < 0.005 Df=9

18 Ho: Tidak ada perbedaan Hb sebelum dan sesudah pemberian fe….δ=0
Ha: δ >0 α= 0,05 Uji Statistik Paired t test….pv < 0.005 Keputusan uji Ho ditolak Kesimpulan: Hb sesudah pemberian fe > dari sebelum pemberian perbedaannya secara statistik bermakna ……pemberian fe ada manfaatnya

19 SELESAI terima kasih