Hipotesis, Nilai p, dan Galat

Modul 7 · Biostatistik · Semester Ganjil 2026/2027

Bramadi Arya, S.Si., M.Biotech.

Program Studi D4 Teknologi Laboratorium Medik, Universitas Syedza Saintika

Daftar bagian

Tujuan belajar

Setelah modul ini, Anda mampu:

  1. Menulis hipotesis penelitian dan hipotesis statistik (H₀ dan H₁) secara berpasangan.
  2. Menjelaskan logika uji hipotesis.
  3. Menafsirkan nilai p dengan benar dan mengenali tafsiran yang salah.
  4. Membedakan galat tipe I dan galat tipe II, serta hubungannya dengan power.
  5. Membedakan bermakna statistik dan bermakna klinis.
  6. Menggunakan peta pemilihan uji sebagai jembatan ke Modul 8.

Dua jenis hipotesis

  • Hipotesis penelitian: dugaan jawaban dalam kalimat biasa, berdasarkan teori. “Kadar Hb perokok lebih tinggi daripada bukan perokok karena paparan CO memicu eritropoiesis.”
  • Hipotesis statistik: rumusan formal yang diuji dengan data. Selalu berpasangan:
    • H₀ (hipotesis nol): tidak ada perbedaan / tidak ada hubungan.
    • H₁ atau Hₐ (hipotesis alternatif): ada perbedaan / ada hubungan.

Yang diuji adalah H₀. Kita tidak pernah “membuktikan H₁”; kita hanya menilai apakah data cukup kuat untuk menolak H₀.

Contoh penulisan yang benar

Pertanyaan H₀ H₁
Beda rerata dua kelompok Tidak terdapat perbedaan rerata kadar Hb antara perokok dan bukan perokok (μ₁ = μ₂) Terdapat perbedaan rerata kadar Hb antara perokok dan bukan perokok (μ₁ ≠ μ₂)
Hubungan dua variabel numerik Tidak terdapat korelasi antara kadar prokalsitonin dan jumlah leukosit (ρ = 0) Terdapat korelasi antara kadar prokalsitonin dan jumlah leukosit (ρ ≠ 0)
Hubungan dua variabel kategorik Tidak terdapat hubungan antara status merokok dan hasil rapid test Terdapat hubungan antara status merokok dan hasil rapid test

Kesalahan penulisan hipotesis di skripsi

Temuan yang sering muncul di naskah skripsi

  • Hanya menulis H₀ atau hanya Hₐ, tidak berpasangan.
  • Menulis hipotesis “hubungan”, tetapi memakai uji perbandingan (atau sebaliknya).
  • Menulis H₀ dan Hₐ pada penelitian yang hanya deskriptif.

Pastikan tiga hal selaras: judul (“perbedaan” atau “hubungan”) ↔︎ hipotesis ↔︎ uji statistik. Jika salah satu tidak cocok, penguji akan langsung melihatnya.

Logika uji hipotesis

Seperti persidangan: terdakwa dianggap tidak bersalah (H₀) sampai bukti cukup kuat untuk menyatakan sebaliknya.

Langkah uji hipotesis

  1. Tulis H₀ dan H₁.
  2. Tetapkan α (biasanya 0,05) sebelum melihat data.
  3. Pilih uji yang sesuai desain dan skala data.
  4. Hitung statistik uji dan nilai p dari data.
  5. Keputusan: jika p < α, tolak H₀. Jika p ≥ α, gagal menolak H₀.
  6. Kesimpulan dalam bahasa penelitian, lengkap dengan besar efek dan IK 95%.

Gagal menolak H₀

Perhatikan istilah: “gagal menolak H₀”, bukan “menerima H₀”. Seperti hakim yang memutus “tidak terbukti bersalah”, bukan “terbukti tidak bersalah” (ingat modul 6: tidak adanya bukti bukan bukti ketiadaan).

Apa itu nilai p?

Nilai p adalah peluang memperoleh hasil sekuat atau lebih kuat dari yang kita amati, jika H₀ benar.

Pada gambar, statistik uji = 2,3 menghasilkan p (dua sisi) = 0,021 (luas daerah biru tua di kedua ekor).

Tafsiran nilai p: benar dan salah

Benar Salah
“Jika sebenarnya tidak ada perbedaan, hasil sebesar ini hanya muncul sekitar 2 dari 100 kali.” “Peluang H₀ benar adalah 2%.”
“Data cukup kuat untuk menolak H₀ pada α = 0,05.” “Ada 98% peluang hipotesis saya benar.”
“p = 0,001 berarti efeknya sangat besar.”
“p = 0,06 berarti tidak ada perbedaan.”

Nilai p tidak mengukur besar efek dan tidak mengukur pentingnya hasil secara klinis. p kecil bisa berasal dari efek kecil pada sampel besar.

(Wasserstein & Lazar, 2016)

Satu sisi atau dua sisi?

  • Dua sisi (two-tailed): H₁ hanya menyatakan “berbeda” (bisa lebih tinggi atau lebih rendah). Standar untuk skripsi.
  • Satu sisi (one-tailed): H₁ menyatakan arah (“lebih tinggi”). Hanya boleh jika arah sebaliknya mustahil secara teori atau tidak relevan sama sekali, dan ditetapkan sebelum data dilihat.

Mengganti ke uji satu sisi setelah melihat p = 0,08 agar menjadi 0,04 adalah manipulasi data.

Dua jenis galat

H₀ sebenarnya benar H₀ sebenarnya salah
Tolak H₀ Galat tipe I (α), positif palsu Keputusan benar (power = 1 − β)
Gagal menolak H₀ Keputusan benar Galat tipe II (β), negatif palsu

Analogi laboratorium:

  • Tipe I seperti hasil tes positif palsu: menyatakan ada efek padahal tidak ada.
  • Tipe II seperti hasil tes negatif palsu: melewatkan efek yang sebenarnya ada.

Hubungan α, β, dan power

  • Menurunkan α (lebih ketat) akan memperbesar β, jika n tetap.
  • Cara menurunkan keduanya sekaligus: menambah n (kurva menyempit) atau meneliti efek yang lebih besar.
  • Inilah alasan perhitungan besar sampel di modul 6 memakai α dan power bersama-sama.

Bermakna statistik atau bermakna klinis?

Nilai p yang kecil belum tentu berarti perbedaannya penting bagi pasien.

Laporkan besar efek dan IK 95%

Contoh dari dataset berjalan: Hb laki-laki vs perempuan.

Laki-laki (n = 32) Perempuan (n = 28)
Rerata ± SD (g/dL) 14,92 ± 1,13 13,05 ± 1,08
  • Selisih rerata: 1,88 g/dL (IK 95%: 1,30 sampai 2,45)
  • p < 0,001

Laporkan besar efek dan IK 95% (lanjutan)

Kalimat hasil yang baik:

“Kadar Hb laki-laki lebih tinggi 1,88 g/dL (IK 95%: 1,30 sampai 2,45) dibanding perempuan, dan perbedaan ini bermakna secara statistik (p < 0,001).”

Kalimat ini memberi tahu arah, besar, ketelitian, dan kemaknaan. Bandingkan dengan kalimat miskin informasi: “Terdapat perbedaan bermakna (p = 0,000).”

Jangan tulis “p = 0,000”

  • SPSS menampilkan “Sig. = ,000” karena hanya menampilkan tiga angka desimal.
  • Nilai p tidak pernah tepat nol. Tuliskan p < 0,001.
  • Tulis nilai p lainnya dengan dua atau tiga desimal yang konsisten: p = 0,011; p = 0,58.

Nilai p tanpa pemikiran bisa menyesatkan

Di dataset berjalan, Hb perokok (14,79) lebih tinggi daripada bukan perokok (13,75), p = 0,011. Apakah merokok terbukti berhubungan dengan Hb?

Nilai p tanpa pemikiran bisa menyesatkan (lanjutan)

Ingat modul 2: 15 dari 17 perokok adalah laki-laki, dan laki-laki memang punya Hb lebih tinggi.

Jika dibandingkan hanya pada laki-laki: perokok 15,05 vs bukan perokok 14,82 g/dL, p = 0,58.

Sebagian besar perbedaan awal ternyata berasal dari komposisi jenis kelamin (perancu). Namun dengan hanya 15 dan 17 subjek, power juga rendah, jadi kita tidak boleh menyimpulkan merokok “tidak berpengaruh”.

Nilai p hanya menjawab satu pertanyaan sempit. Desain, perancu, dan besar sampel tetap harus dipikirkan.

Korelasi: sebutkan kekuatannya

Contoh dari naskah skripsi

Hasil korelasi Spearman r = 0,393 dan bermakna secara statistik. Kesimpulan di BAB VI hanya: “Terdapat hubungan antara prokalsitonin dan leukosit.”

Korelasi: sebutkan kekuatannya (lanjutan)

Kesimpulan belum lengkap. Tambahkan arah (positif) dan kekuatan menurut pedoman yang Anda rujuk (misalnya menurut Sugiyono, r 0,20 sampai 0,399 tergolong rendah). Contoh:

“Terdapat korelasi positif dengan kekuatan rendah antara prokalsitonin dan leukosit (r = 0,393; p < 0,05).”

Korelasi rendah berarti kedua parameter tidak bisa saling menggantikan. Ini temuan klinis yang penting untuk dibahas.

Jembatan ke Bagian 2

Sekarang Anda punya fondasi. Modul 8 sampai 14 membahas memilih dan menjalankan uji.

Peta awal memilih uji

Tujuan Data numerik normal Numerik tidak normal / ordinal Kategorik
Beda 2 kelompok independen uji t independen Mann-Whitney Chi-square / Fisher
Beda 2 pengukuran berpasangan uji t berpasangan Wilcoxon McNemar
Beda > 2 kelompok independen ANOVA + post-hoc Kruskal-Wallis + post-hoc Chi-square
Hubungan dua variabel Pearson Spearman Chi-square

Dua hal yang sering terlupa

  • ANOVA yang bermakna wajib diikuti uji post-hoc (misalnya Tukey), karena ANOVA hanya mengatakan “ada yang berbeda”, tidak mengatakan kelompok mana.
  • Untuk uji berpasangan, normalitas diperiksa pada selisih nilai sebelum dan sesudah, bukan pada masing-masing kelompok.

Latihan 1

Judul: “Hubungan kadar HbA1c dengan kadar kreatinin serum pada pasien DM tipe 2.”

Tuliskan H₀ dan H₁.

Jawaban:

  • H₀: Tidak terdapat korelasi antara kadar HbA1c dan kadar kreatinin serum pada pasien DM tipe 2 (ρ = 0).
  • H₁: Terdapat korelasi antara kadar HbA1c dan kadar kreatinin serum pada pasien DM tipe 2 (ρ ≠ 0).

Latihan 2

Tentukan benar atau salah:

  1. “p = 0,03 berarti peluang H₀ benar adalah 3%.”

  2. “p = 0,20 membuktikan tidak ada perbedaan.”

  3. “Menambah jumlah sampel dapat menurunkan galat tipe II.”

Jawaban:

  1. Salah. p adalah peluang data sekuat itu jika H₀ benar, bukan peluang H₀ benar.

  2. Salah. Kita hanya gagal menolak H₀. Bisa jadi power terlalu rendah.

  3. Benar. n lebih besar menaikkan power (1 − β), sehingga β turun.

Latihan 3

Hasil uji ANOVA kadar trombosit pada 4 kelompok serologi dengue: p = 0,012. Kesimpulan mahasiswa: “Trombosit kelompok IgM+IgG+ paling rendah dan berbeda dari semua kelompok lain.”

Apa yang kurang?

Jawaban: ANOVA hanya menunjukkan setidaknya satu kelompok berbeda. Untuk menyatakan kelompok mana yang berbeda dari mana, harus dilakukan uji post-hoc (misalnya Tukey HSD jika varians homogen, Games-Howell jika tidak). Tanpa post-hoc, klaim “berbeda dari semua kelompok lain” tidak didukung data.

Ringkasan

  • Hipotesis statistik selalu berpasangan (H₀ dan H₁) dan harus selaras dengan judul dan uji.
  • Yang diuji adalah H₀. Keputusannya: tolak atau gagal menolak.
  • Nilai p = peluang hasil sekuat itu jika H₀ benar. Bukan peluang H₀ benar, bukan besar efek.
  • Tipe I = positif palsu (α). Tipe II = negatif palsu (β). Menambah n menurunkan β.
  • Laporkan arah, besar efek, IK 95%, dan nilai p. Tulis p < 0,001, bukan p = 0,000.
  • Waspadai perancu; nilai p tidak menggantikan pemikiran tentang desain.

Sebelum lanjut ke Modul 8

Pastikan Anda sudah bisa:

Persiapan Modul 8

Mulai Modul 8, siapkan laptop dengan SPSS atau JASP dan semua dataset dari halaman Daftar modul.

Daftar Pustaka

Selesai: Modul 7

Lanjut ke Modul 8: Alur Memilih Uji dan Uji Asumsi →

Kembali ke Daftar modul