LAPORAN PRAKTIKUM KE II

METODE STATISTIKA II

“PENGUJIAN HIPOTESIS PROPORSI”

Oleh :

Nama : Monika Eka Afrianti

NIM : 145090501111040

Tanggal Praktikum : 1 April 2015

Asisten : 1. Wirda Isti’ana Zulfa

2. Siti Aisyah

LABORATURIUM STATISTIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

MALANG

2015

BAB IPENDAHULUAN

1.1 Latar Belakang

Dalam setiap pengambilan keputusan, apapun bentuknya, tentu mengandung resiko, yaitu apa yang kita putuskan tidak sebagaimana yang kita harapkan. Meski pengambilan keputusan tersebut didasarkan atas data atau fakta yang dapat dipercaya kebenarannya tetapi risiko tetap masih ada, baik karena kondisinya yang berubah/berbeda ataupun hal-hal lain yang tidak kita pertimbangkan sebelumnya. Risiko pengambilan keputusan tersebut dalam statistika selalu kita pertimbangkan atau kita tetapkan terlebih dahulu.

Dalam kehidupan sehari-hari, sering kita jumpai banyak hal yang dapat kita deskripsikan dalam bentuk data. Informasi data yang diperoleh tentunya harus diolah terlebih dahulu menjadi sebuah data yang mudah dibaca dan dianalisa. Statistika adalah ilmu yang mempelajari cara-cara pengolahan data.

Untuk meperoleh data-data tersebut, diperlukan adanya suatu penelitian. Penelitian ini didapatkan melalui berbagai cara, dan juga berbagai langka-langkah pengujian dari para pengumpul data. Sebelum melakukan penelitian, kita akan menduga-duga terlebih dahulu terhadap apa yang kita ingin teliti. Pernyataan dugaan atau pernyataan sementara kita ini yang disebut hipotesis.

Hipotesis merupakan kesimpulan sementara yang nantinya akan dibandingkan dengan fakta yang ada. Dalam statistika ada 2 macam

hipotesis, yaitu hipotesis nol (disebut H 0) dan hipotesis alternatif

(disebut H 1). Hipotesis yang dikemukakan diatas bukan merupakan

hipotesis statistik, tetapi hipotesis yang berkaitan dengan permasalahan yang dihadapi. Hipotesis statistika disususn atau ditentukan semata-mata untuk pengambilan keputusan.

Banyak sekali macam-macam konsep cara menguji hipotesis, salah satunya adalah pengujian hipotesis terhadap nilai tengah. Dan itupun ada bermacam macam, mulai dari 1 populasi, 2 populasi, untuk ragam diketahui ataupun tidak diketahui, dll.

1.2 Tujuan

1. Mengetahui konsep Hipotesis dan pengujiannya.2. Mengetahui macam-macam permasalahan dan hipotesis penelitian.3. Dapat membedakan arti hipotesis (nol dan alternatif).4. Mengetahui hipotesis statistik.5. Mengetahui jenis-jenis pengujian hipotesis untuk proporsi.6. Dapat menerapkan rumus-rumus dan langkah-langkah dalam

pengujian hipotesis untuk proporsi.7. Dapat mengetahui cara menguji hipotesis untuk proporsi serta

membandingkan hasil perhitungan manual dengan perhitungan dengan software GenStat.

8. Dapat menginterpretasikan hasil pengujian hipotesis.

BAB IITINJAUAN PUSTAKA

1.1 Pengertian Pengujian Hipotesis

Hipotesis berasal dari bahasa Yunani, Hupo  berarti Lemah atau kurang atau di bawah, thesis berarti teori, proposisi atau pernyataan yang disajikan sebagai bukti. Sehingga dapat diartikan sebagai Pernyataan yang masih lemah kebenarannya dan perlu dibuktikan atau dugaan yang sifatnya masih sementara.

Hipotesis juga dapat diartikan sebagai pernyataan keadaan populasi yang akan diuji kebenarannya menggunakan data/informasi yang dikumpulkan melalui sampel, dan dapat dirumuskan berdasarkan teori, dugaan, pengalaman pribadi/orang lain, kesan umum, kesimpulan yang masih sangat sementara.

Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang sifatnya masih sementara atau lemah kebenarannya. Hipotesis statistik dapat berbentuk suatu variabel seperti binomial, poisson, dan normal atau nilai dari suatu parameter, seperti rata-rata, varians, simpangan baku, dan proporsi. Hipotesis statistic harus di uji, karena itu harus berbentuk kuantitas untuk dapat di terima atau di tolak. Hipotesis statistic akan di terima jika hasil pengujian membenarkan pernyataannya dan akan di tolak jika terjadi penyangkalan dari pernyataannya.

Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan memutuskan apakah menerima atau menolak hipotesis itu. Dalam pengujian hipotesis, keputusan yang di buat mengandung ketidakpastian, artinya keputusan bias benar atau salah, sehingga menimbulkan risiko. Besar kecilnya risiko dinyatakan dalam bentuk probabilitas. Pengujian hipotesis merupakan bagian terpenting dari statistic inferensi (statistic induktif), karena berdasarkan pengujian tersebut, pembuatan keputusan atau pemecahan persoalan sebagai dasar penelitian lebih lanjut dapat terselesaikan.

1.2 Konsep Hipotesis

Menurut Kerlinger (1973:18) dan Tuckman (1982:5) mengartikan hipotesis adalah sebagai dugaan terhadap hubungan antara dua  variable atau lebih. Selanjutnya menurut Sudjana (1992:219) mengartikan hipotesis adalah asumsi atau dugaan mengenai suatu hal yang dibuat untuk menjelaskan hal itu yang sering dituntut untuk melakukan pengecekannya. Atas dasar dua definisi diatas, maka dapat disimpulkan bahwa hipotesis adalah jawaban atau dugaan sementara yang harus diuji lagi kebenarannya.

Hipotesis penelitian adalah hipotesis kerja (Hipotesis Alternatif Ha atau H1) yaitu hipotesis yang dirumuskan untuk menjawab permasalahan dengan menggunakan teori-teori yang ada hubungannya (relevan) dengan masalah penelitian dan belum berdasarkan fakta serta dukungan data yang nyata dilapangan. Hipotesis alternatif (Ha) dirumuskan dengan kalimat positif. Hipotesis nol adalah pernyataan tidak adanya hubungan, pengaruh, atau perbedaan antara parameter dengan statistik. Hipotesis Nol (Ho) dirumuskan dengan kalimat negatif). Nilai Hipotesis Nol (Ho) harus menyatakan dengan pasti nilai parameter.

Hipotesis nol (H 0) harus menyatakan dengan pasti nilai

parameter.H 0 → ditulis dalam bentuk persamaan. (¿ , ≤ ,≥)

Sedangkan nilai hipotesis alternatif (H a) dapat memiliki

beberapa kemungkinan.H a → ditulis dalam bentuk pertidaksamaan. (¿ ,> ,≠)

1.3 Prosedur Pengujian Hipotesis

Prosedur pengujian hipotesis statistic adalah langkah-langkah yang di pergunakan dalam menyelesaikan pengujian hipotesis tersebut. Berikut ini langkah-langkah pengujian hipotesis statistic adalah sebagai berikut.

I. Menentukan   Formulasi Hipotesis Formulasi atau perumusan hipotesis statistik dapat di bedakan

atas dua jenis, yaitu sebagai berikut;

a. Hipotesis nol / nihil (HO)Hipotesis nol adalah hipotesis yang dirumuskan sebagai suatu

pernyataan yang akan di uji. Hipotesis nol tidak memiliki perbedaan atau perbedaannya nol dengan hipotesis sebenarnya.

b. Hipotesis alternatif/ tandingan (H1 / Ha)Hipotesis alternatif adalah hipotesis yang di rumuskan sebagai

lawan atau tandingan dari hipotesis nol. Dalam menyusun hipotesis alternatif, timbul 3 keadaan berikut:

1) H1 menyatakan bahwa harga parameter lebih besar dari pada harga yang di hipotesiskan. Pengujian itu disebut pengujian satu sisi atau satu arah, yaitu pengujian sisi atau arah kanan.

2) H1 menyatakan bahwa harga parameter lebih kecil dari pada harga yang di hipotesiskan. Pengujian itu disebut pengujian satu sisi atau satu arah, yaitu pengujian sisi atau arah kiri.

3) H1 menyatakan bahwa harga parameter tidak sama dengan harga yang di hipotesiskan. Pengujian itu disebut pengujian dua sisi atau dua arah, yaitu pengujian sisi atau arah kanan dan kiri sekaligus.

Secara umum, formulasi hipotesis dapat di tuliskan :

Apabila hipotesis nol (H0) diterima (benar) maka hipotesis alternatif (Ha) di tolak. Demikian pula sebaliknya, jika hipotesis alternatif (Ha) di terima (benar) maka hipotesis nol (H0) ditolak.

II. Menentukan Taraf Nyata (α) Taraf nyata adalah besarnya batas toleransi dalam menerima

kesalahan hasil hipotesis terhadap nilai parameter populasinya. Semakin tinggi taraf nyata yang di gunakan, semakin tinggi pula

penolakan hipotesis nol atau hipotesis yang di uji, padahal hipotesis nol benar.

Besaran yang sering di gunakan untuk menentukan taraf nyata dinyatakan dalam %, yaitu: 1% (0,01), 5% (0,05), 10% (0,1), sehingga secara umum taraf nyata di tuliskan sebagai α0,01, α0,05, α0,1. Besarnya nilai α bergantung pada keberanian pembuat keputusan yang dalam hal ini berapa besarnya kesalahan (yang menyebabkan resiko) yang akan di tolerir. Besarnya kesalahan tersebut di sebut sebagai daerah kritis pengujian (critical region of a test) atau daerah penolakan ( region of rejection).

Nilai α yang dipakai sebagai taraf nyata di gunakan untuk menentukan nilai distribusi yang di gunakan pada pengujian, misalnya distribusi normal (Z), distribusi t, dan distribusi X². Nilai itu sudah di sediakan dalam bentuk tabel di sebut nilai kritis.

III. Menentukan Kriteria Pengujian Kriteria Pengujian adalah bentuk pembuatan keputusan dalam

menerima atau menolak hipotesis nol (Ho) dengan cara membandingkan nilai α tabel distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk pengujiannya. Yang di maksud dengan bentuk pengujian adalah sisi atau arah pengujian.

a. Penerimaan Ho terjadi jika nilai uji statistiknya lebih kecil atau lebih besar daripada nilai positif atau negatif dari α tabel. Atau nilai uji statistik berada di luar nilai kritis.

b. Penolakan Ho terjadi jika nilai uji statistiknya lebih besar atau lebih kecil daripada nilai positif atau negatif dari α tabel. Atau nilai uji statistik berada di luar nilai kritis.Dalam bentuk gambar, kriteria pengujian seperti gambar di

bawah ini

IV. Menentukan Nilai Uji Statistik Uji statistik merupakan rumus-rumus yang berhubungan dengan

distribusi tertentu dalam pengujian hipotesis. Uji statistik merupakan perhitungan untuk menduga parameter data sampel yang di ambil secara random dari sebuah populasi. Misalkan, akan di uji parameter populasi (P), maka yang pertama-tam di hitung adalah statistik sampel (S).

V. Membuat Kesimpulan Pembuatan kesimpulan merupakan penetapan keputusan dalam

hal penerimaan atau penolakan hipotesis nol (Ho) yang sesuai dengan kriteria pengujiaanya. Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji statistik dengan nilai α tabel atau nilai kritis.

a. Penerimaan Ho terjadi jika nilai uji statistik berada di luar nilai kritisnya.

b. Penolakan Ho terjadi jika nilai uji statistik berada di dalam nilai kritisnya.

Kelima langkah pengujian hipotesis tersebut di atas dapat di ringkas seperti berikut.

Langkah 1 : Menentukan formulasi hipotesis nol (H0) dan hipotesis alternatifnya (Ha).

Langkah 2 : Memilih suatu taraf nyata (α) dan menentukan nilai table.

Langkah 3 : Membuat criteria pengujian berupa penerimaan dan penolakan H0.

Langkah 4 : Melakukan uji statistik. Langkah 5 : Membuat kesimpulannya dalam hal penerimaan dan

penolakan H0.

1.4 Jenis-jenis Pengujian Hipotesis (Untuk Proporsi)

Ukuran contoh Asumsi tambahann cukup besar sehingga

selang terletak antara 0 atau 1

Tidak ada

spc bagi adalah

sehingga

Kriteria pengujian:

a. Membandingkan statistik uji (SU) dengan titik kritis Tolak H0 jika statistik uji terletak di daerah penolakan H0

b. Menghitung nilai-peluang, tergantung pada hipotesis alternatif H1

Tolak H0 jika,nilai-p adalah bagian dari taraf nyata , atau nilai-p<

c.Memeriksa apakah selang kepercayaan mengandung

Tolak H0, jika terletak di luar selang

satu arahsatu arahdua arah

BAB IIIMETODOLOGI

Metodologi adalah pembahasan tentang metode yang digunakan atau penjelasan mengenai pengoprasian software numerik (dalam laporan ini adalah GenStat). Langkah-langkah untuk mengolah data (dalam hal ini untuk mempelajari statistika deskriptif) dengan menggunakan paket program GenStat adalah sebagai berikut :

1. Nyalakan PC kemudian klik dua kali pada icon GenStat yang sudah tertera pada desktop.

Atau bisa juga dengan klik pada icon start (windows) > all programs > search (ketik “genstat” pada kolom search) > klik dua kali pada gambar atau icon GenStat yang muncul.

2. Setelah muncul menu GenStat, lalu pilih “Run Discovery”.

3. Pada menu Getting Started, klik pada pilihan close.

4.

Untuk Soal Nomor 1

1. Untuk mencari Z hitung klik Data → Calculation → Masukkan ((0.7-0.65)/sqrt((0.7*0.3)/80)) sesuai rumus.

Jangan lupa centang Print in Output kemudian klik Run.

Kemudian hasil akan muncul pada Output.

2. Untuk mencari Z tabel, klik Data → Calculation → hapus rumus

→ Functions.

Maka akan muncul tampilan seperti berikut. Isi kolom Function Class dengan Inverse Probability dan kolom Function dengan Normal. Kemudian isi kolom Cumulative Probability dengan 0.975 (1-α /2), isi kolom Mean dengan 0 dan kolom Variance dengan 1, klik OK kemudian klik Run.

Kemudian hasil akan muncul pada Output:

3. Untuk mencari selang kepercayaan tinggal masukkan angka sesuai rumus saja dikolom Calculate. Dalam kasus ini kita mencari batas bawah dan batas atas. Untuk mencari batas bawah, etik 0.7-(EDNORMAL(0.975;0;1)*(sqrt((0.7*0.3)/80)) kemudian klik Run.

Kemudian hasil akan muncul pada Output:

Untuk mencari batas bawah, ketik 0.7+(EDNORMAL(0.975;0;1)*(sqrt((0.7*0.3)/80))) kemudian klik Run.

Kemudian hasil akan muncul pada Output:

4. Untuk mencari p value, klik Data → Calculation → Functions, pada kolom Function Class pilih Upper Tail Probability dan kolom Function pilih Normal. Kemudian isi kolom X dengan 0.9759 (Z hitung), isi kolom Mean dengan 0, dan isi kolom Variance dengan 1. Klik OK.

Pada kolom Calculate kalikan dua hasilnya, menjadi seperti ini: 2*(CUNORMAL(0.9759;0;1)) kemudian klik Run.

Kemudian hasil akan muncul pada Output:

Untuk Soal Nomor 2

1. Untuk mencari Z hitung klik Data → Calculation → Masukkan ((0.205-0.163)/(sqrt(((0.205*0.795)/878)+((0.163*0.837)/897)) sesuai rumus.

Jangan lupa centang Print in Output kemudian klik Run.

Kemudian hasil akan muncul pada Output:

2. Untuk mencari Z tabel, klik Data → Calculation → hapus rumus

→ Functions.

Maka akan muncul tampilan seperti berikut. Isi kolom Function Class dengan Inverse Probability dan kolom Function dengan Normal. Kemudian isi kolom Cumulative Probability dengan 0.99 (1-α ), isi kolom Mean dengan 0 dan kolom Variance dengan 1, klik OK kemudian klik Run.

Kemudian hasil akan muncul pada Output:

3. Untuk mencari selang kepercayaan tinggal masukkan angka sesuai rumus saja dikolom Calculate. Dalam kasus ini kita hanya mencari batas bawah saja, karena satu arah. Ketik (0.205-0.163)-(EDNORMAL(0.99;0;1))*(sqrt(((0.205*0.795)/878)+((0.163*0.837)/897))) kemudian klik Run.

Kemudian hasil akan muncul pada Output:

4. Untuk mencari p value, klik Data → Calculation → Functions, pada kolom Function Class pilih Upper Tail Probability dan kolom Function pilih Normal. Kemudian isi kolom X dengan 2.285 (Z hitung), isi kolom Mean dengan 0, dan isi kolom Variance dengan 1. Klik OK.

Kemudian hasil akan muncul pada Output:

BAB IVHASIL DAN PEMBAHASAN

Pada praktikum kali ini data yang diolah adalah sebagai berikut:1. Inkumben Pemilukada “BUMI” menyatakan bahwa 65% pemilih akan

memberikan suara bagi kemenangan mereka. Untuk membuktikan pernyataan ini dilakukan survei dengan meminta respons dari 80 pemilih, dan menemukan bahwa 56 pemilih menyatakan akan memilih inkumben. Lakukan pengujian apakah klaim inkumben benar! (gunakan taraf nyata 5%?)

2. Calcium blocker merupakan salah satu kelas obat penurun tekanan darah. Studi di Denmark menemukan bahwa obat ini juga efektif untuk mengurangi risiko serangan jantung (Tampa Tribune, March 23, 1990). Sejumlah 897 pasien yang sembuh dari serangan jantung, diberikan dosis harian calcium blocker Verapamil. Sesudah 18 bulan, 146 mengalami kekambuhan serangan jantung. Dalam grup kontrol yakni dari 878 orang, 180 terkena serangan jantung. Apakah data menyediakan cukup bukti untuk menyimpulkan bahwa calcium blocker efektif dalam mengurangi risiko serangan jantung? Gunakan

0.01.

PENYELESAIAN

1. n = 80 q = 1 – ppo = 0.65 = 1 –0.7

p = 5680

= 0.3

= 0.7 α = 0.05

Hipotesis:H 0 : p = 0.65

H 1 : p ≠ 0.65

a. Statistik Uji

Zhitung =

p−p0

√ p×qn

=

0.7−0.65

√ 0.7× 0.380

=

0.05

√ 0.2180

= 0.05

√0.002652

= 0.05

0.051235 = 0.9 759

Dengan menggunakan GenStat:PRINT (0.7-0.65)/sqrt((0.7*0.3)/80)

(0.7-0.65)/SQRT(((0.7*0.3)/80))

0.9759

Z tabel = Z0.025

= 1.96

PRINT EDNORMAL(0.975;0;1) EDNORMAL(((0.975;0);1)) 1.960

Karena Zhitung<Z tabel maka H 0 diterima.

b. Selang Kepercayaan Batas Bawah

BB = p−Zα /2 √ pqn

= 0.7−1.96√ 0.7 × 0.380

= 0.7−1.96√ 0.2180

= 0.7−1.96×0.051235 = 0.7−0.1004206 = 0.5996Dengan menggunakan GenStat:

PRINT 0.7-(EDNORMAL(0.975;0;1))*(sqrt((0.7*0.3)/80))

0.7-(EDNORMAL(((0.975;0);1))*SQRT(((0.7*0.3)/80)))0.5996

Batas Atas

BA = p+Zα /2√ pqn

= 0.7+1.96√ 0.7 ×0.380

= 0.7+1.96√ 0.2180

= 0.7+1.96× 0.051235 = 0.7+0.1004206 = 0.8004Dengan menggunakan GenStat:

PRINT 0.7+(EDNORMAL(0.975;0;1))*(sqrt((0.7*0.3)/80))

0.7+(EDNORMAL(((0.975;0);1))*SQRT(((0.7*0.3)/80)))0.8004

Jadi, selang kepercayaannya adalah P (0.5996 ≤ p≤0.8004 )=95 %

Karena 0.65 masuk dalam selang kepercayaan, maka H 0 diterima.

c. p valueDengan menggunakan GenStat:PRINT 2*(CUNORMAL(0.9759;0;1))

2*CUNORMAL(((0.9759;0);1))

0.3291

Karena p value < α maka, H 0 diterima.

2. p1 = 146897

q1 = 1−p1

= 0.163 = 0.837

p2 = 180878

q2 = 1−p2

= 0.205 = 0.795

Hipotesis:H 0 : p1 ≥ p2

H 1 : p1< p2

a. Statistik Uji

Zhitung =

p1−p2

√ p1 q1

n1

+p2 q2

n2

=

0.163−0.205

√ 0.163 ×0.837897

+ 0.205 ×0.795878

= −0.042

√0.0001521+0.0001886

= −0.042

√0.0003407

= −0.0420.0184

= −2.28 3

Dengan menggunakan GenStat:PRINT (0.205-0.163)/(sqrt(((0.205*0.795)/878)+((0.163*0.837)/897))) (0.205-0.163)/SQRT((((0.205*0.795)/878)+((0.163*0.837)/897)))

2.285

Z tabel = Z0.01

= −2.32

Dengan menggunakan GenStat:PRINT EDNORMAL(0.99;0;1)

EDNORMAL(((0.99;0);1))

2.326

Karena |Zhitung|<¿Z tabel∨¿ maka, H 0 diterima.

b. Selang Kepercayaan

Karena satu arah dan H 1 : p1< p2 maka hanya mencari batas

bawah saja, yaitu:

BB = ( p2−p1)−Z α(√ p1q1

n1

+p2 q2

n2

)

= (0.205−0.163 ) – 2.32(√ 0.163 ×0.837897

+ 0.205 ×0.795878

)

= 0.042−2.32(0.0184)= 0.042−0.042688 = −0.000688Dengan menggunakan GenStat:

PRINT (0.205-0.163)-(EDNORMAL(0.99;0;1))*(sqrt(((0.205*0.795)/878)+((0.163*0.837)/897))) (0.205-0.163)-(EDNORMAL(((0.99;0);1))*SQRT((((0.205*0.795)/878)+((0.163*0.837)/897))))

-0.0007515

Karena p1 masuk dalam selang kepercayaan, maka H 0 diterima.

c. p valueDengan menggunakan GenStat:PRINT CUNORMAL(2.283;0;1)

CUNORMAL(((2.283;0);1)) 0.01122

Karena p value mendekati ≅ α maka H 0 diterima.

BAB VPENUTUP

V.1 Kesimpulan

Dalam setiap pengambilan keputusan, apapun bentuknya, tentu mengandung resiko, yaitu apa yang kita putuskan tidak sebagaimana yang kita harapkan. Meski pengambilan keputusan tersebut didasarkan atas data atau fakta yang dapat dipercaya kebenarannya tetapi risiko tetap masih ada, baik karena kondisinya yang berubah/berbeda ataupun hal-hal lain yang tidak kita pertimbangkan sebelumnya. Risiko pengambilan keputusan tersebut dalam statistika selalu kita pertimbangkan atau kita tetapkan terlebih dahulu.

Untuk melakukan pengujian hipotesis bisa meggunakan cara hitung manual mengunakan rumus maupun dengan menggunakan paket aplikasi GenStat. Berikut ini adalah perbandingan hasil perhitungan kedua distribusi tersebut dengan cara manual dengan perhitungan menggunakan paket aplikasi GenStat:

Pengujian HipotesisSatu Populasi Proporsi

Manual GenStat Keputusan

Statistik UjiZhitung 0.9759 0.9759

Terima H 0Z tabel 1.96 1.960

SK0.5996 < p <

0.80040.5996 < p <

0.8004Terima H 0

p value - 0.3291 Terima H 0

Dengan tingkat kepercayaan sebesar 95% sudah cukup bukti bahwa 65% pemilih akan memberikan suara bagi kemenangan mereka dalam Inkumben Pemilukada “BUMI”.

Pengujian HipotesisDua Populasi Proporsi

Manual GenStat Keputusan

Statistik Ujit hitung -2.283 2.285

Terima H 0t tabel -2.32 2.326

SK -0.000688 -0.0007571 Terima H 0

p value - 0.01122 Terima H 0

Dengan tingkat kepercayaan sebesar 99% sudah cukup bukti bahwa data yang disediakan untuk menyimpulkan bahwa calcium blocker efektif dalam mengurangi risiko serangan jantung.

Dalam tabel perbandingan diatas terdapat sedikit perbedaan dalam hasil dari perhitungan manual dan dengan menggunakan software GenStat. Namun perbedaan tersebut tidak signifikan, karena hanya berbeda pada satu digit angka terakhir. Hal tersebut dipengaruhi oleh perbedaan pembulatan saja.

V.2 Saran

Saran yang diajukan penulis antara lain adalah :

Untuk pembaca sebaiknya lebih teliti dalam membaca, memahami dan menganalisis permasalahan.

Untuk praktikan sebaiknya dalam melakukan kegiatan praktikum dilakukan dengan lebih cermat, apalagi saat menganalisa data. Jika tidak dicermati dengan benar maka persepsi atau pemahaman terhadap masalah bisa salah sehingga setelah diolah tidak menghasilkan output yang tepat. Hal ini bisa berakibat sagat fatal saat terjadi pada skala yang lebih besar dan serius, seperti misalnya saat menganalisis data penjualan suatu perusahaan. Jika output yang dihasilkan salah, maka keputusan yang diambil perusahaan tersebut juga akan salah. Kecermatan ini diperlukan baik dalam mengolah data secara manual maupun dengan menggunakan software GenStat.

DAFTAR PUSTAKA

Yintosumarto, Suntoyo. 1990. Dasar-dasar Statistika. Jakarta: CV Rajawali

Walpole, Ronald E. 1992. Pengantar Statistika. Jakarta: Gramedia Pustaka Utama

http://iftitahprimasanti.blogspot.com/2012/05/uji-hipotesis.html, diakses tanggal 31 Maret 2015.

http://joe-proudly-present.blogspot.com/2011/11/pengujian-nilai-tengah.html, diakses tanggal 31 Maret 2015.

http://www.ilmustatistik.com/tag/pengujian-hipotesis/, diakses tanggal 31 Maret 2015.

http://iftitahprimasanti.blogspot.com/2012/05/uji-hipotesis.html, diakses tanggal 20 April 2015

http://ismuhagayo.blogspot.com/2013/03/jenis-jenis-pengujaian-hipotesis.html, diakses tanggal 20 April 2015

http://id.wikipedia.org/wiki/Uji_hipotesis, diakses tanggal 20 April 2015

http://dewisartikamtk.blogspot.com/2011/12/makalah-uji-hipotesis_15.html, diakses tanggal 20 April 2015

LAMPIRAN

GenStat Release 10.3DE ( PC/Windows 7) 21 April 2012 09:37:24Copyright 2011, VSN International Ltd. (Rothamsted Experimental Station) The GenStat Discovery Edition can be used for educational or not-for profit research purposes in qualifying countries. A list of qualifying countries canbe viewed at http://discovery.genstat.co.uk. Commercial use of the GenStat Discovery Edition is strictly prohibited. ________________________________________ GenStat Discovery Edition 4 GenStat Procedure Library Release PL18.2 ________________________________________ 1 %CD 'C:/Users/USER/Documents' 2 PRINT (0.7-0.65)/sqrt((0.7*0.3)/80)

(0.7-0.65)/SQRT(((0.7*0.3)/80))0.9759

3 PRINT EDNORMAL(0.975;0;1)

EDNORMAL(((0.975;0);1))1.960

5 PRINT 0.7-(EDNORMAL(0.975;0;1))*(sqrt((0.7*0.3)/80))

0.7-(EDNORMAL(((0.975;0);1))*SQRT(((0.7*0.3)/80)))0.5996

6 PRINT 0.7+(EDNORMAL(0.975;0;1))*(sqrt((0.7*0.3)/80))

0.7+(EDNORMAL(((0.975;0);1))*SQRT(((0.7*0.3)/80)))0.8004

7 PRINT 2*(CUNORMAL(0.9759;0;1))

2*CUNORMAL(((0.9759;0);1))

0.3291 8 PRINT (0.205-0.163)/(sqrt(((0.205*0.795)/878)+((0.163*0.837)/897))) (0.205-0.163)/SQRT((((0.205*0.795)/878)+((0.163*0.837)/897))) 2.285 9 PRINT EDNORMAL(0.99;0;1)

EDNORMAL(((0.99;0);1))2.326

10 PRINT (0.205-0.163)-(EDNORMAL(0.99;0;1))*(sqrt(((0.205*0.795)/878)+((0.163*0.837)/897))) (0.205-0.163)-(EDNORMAL(((0.99;0);1))*SQRT((((0.205*0.795)/878)+((0.163*0.837)/897)))) -0.0007515 15 PRINT CUNORMAL(2.283;0;1)

CUNORMAL(((2.283;0);1))0.01122