Anda di halaman 1dari 9

Uji t dikembangkan oleh William Sealy Gosset.

Dalam artikel publikasinya, ia menggunakan nama


samaran Student, sehingga kemudian metode pengujiannya dikenal dengan uji t-student. William
Sealy Gosset menganggap bahwa untuk sampel kecil, nilai Z dari distribusi normal tidak begitu
cocok. Oleh karenanya, ia kemudian mengembangkan distribusi lain yang mirip dengan distribusi
normal, yang dikenal dengan distribusi t-student. Distribusi student ini berlaku baik untuk sampel
kecil maupun sampel besar. Pada n 30, distribusi t ini mendekati distribusi normal dan pada n
yang sangat besar, misalnya n=10000, nilai distribusi t sama persis dengan nilai distribusi normal
(lihat tabel t pada df 10000 dan bandingkan dengan nilai Z).
Pemakaian uji t ini bervariasi. Uji ini bisa digunakan untuk objek studi yang berpasangan dan juga
bisa untuk objek studi yang tidak berpasangan. Berikut contoh penggunaan uji t.
Uji t tidak berpasangan
Contoh kasus
Kita ingin menguji dua jenis pupuk nitrogen terhadap hasil padi
1. Hipotesis
Ho :

1=

HA :

2. Hasil penelitian tertera pada Tabel 1.


Tabel 1. Data hasil penelitian dua jenis pupuk nitrogen terhadap hasil padi (t/h)

Plot

Pupuk A

Pupuk B

(Y1)

(Y2)

1
2

6
6
5

3
4

6
8
5

5
6

4
6

7
8

6
7
6

9
10

7
7
6

11
12

6
5
7

3. Data analisis adalah sebagai berikut


Hitunglah
= 5.58

S1 = 0.996
2

= 6.92

S2 = 0.793
thit =(

)/(S12/n1) +(S22/n2)

=( 5.58 6.92)/(0.9962/12)+(0.7932/12)
= -1.34/0.367522 = -3.67
Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah sebagai
berikut. Pertama kita lihat kolom = 0.025 pada Tabel 2. Nilai ini berasal dari 0.05 dibagi 2,
karena hipotesis HAkita adalah hipotesis 2 arah (lihat hipotesis). Kemudian, kita lihat baris ke 22.
Nilai 22 ini adalah nilai df, yaitu n1+n2-2. Nilai n adalah jumlah ulangan, yaitu masing 12 ulangan.
Akhirnya, kita peroleh nilai t table = 2.074.
t

table

=t

/2 (df)

= t0.05/2 (n1+n2-2)=t0.025(12+12-2) = t0.025(22) = 2.074

Tabel 2. Nilai t

4. Kriteria Pengambilan Kesimpulan


Terima H0, jika

thit| < t

table

, sebaliknya

Tolak H0, alias terima HA, jika thit| > t

table

5. Kesimpulan
Karena nila thit|= 3.67 (tanda minus diabaikan) dan nilai t

table

=2.074, maka kita tolak H0, alias

kita terima HA. Dengan demikian, 1 2, yaitu hasil padi yang dipupuk dengan pupuk A tidak
sama dengan hasil padi yang dipupuk dengan pupuk B. Lebih lanjut, kita lihat bahwa rata-rata
hasil padi yang dipupuk dengan pupuk B lebih tinggi daripada yang dipupuk dengan pupuk A.
Dengan demikian, kita dapat menyimpulkan bahwa pupuk B nyata lebih baik daripada pupuk A
untuk meningkatkan hasil padi.

Uji t berpasangan

Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia menggunakan nama
samaran Student, sehingga kemudian metode pengujiannya dikenal dengan uji t-student. William
Sealy Gosset menganggap bahwa untuk sampel kecil, nilai Z dari distribusi normal tidak begitu
cocok. Oleh karenanya, ia kemudian mengembangkan distribusi lain yang mirip dengan distribusi
normal, yang dikenal dengan distribusi t-student. Distribusi student ini berlaku baik untuk sampel
kecil maupun sampel besar. Pada n 30, distribusi t ini mendekati distribusi normal dan pada n
yang sangat besar, misalnya n=10000, nilai distribusi t sama persis dengan nilai distribusi normal
(lihat tabel t pada df 10000 dan bandingkan dengan nilai Z).
Pemakaian uji t ini bervariasi. Uji ini bisa digunakan untuk objek studi yang berpasangan dan juga
bisa untuk objek studi yang tidak berpasangan. Berikut contoh penggunaan uji t.
Uji t berpasangan
Contoh kasus. Kita ingin menguji metode pembelajaran baru terhadap tingkat penguasaan materi
ajar pada mahasiswa.
1. Hipotesis
Ho :
HA :

1=

2. Data hasil penelitian dari penggunaan metode pembelajaran baru adalah sebagaimana tertera
pada Tabel 1.
Tabel 1. Data hasil penelitian dari penggunaan metode pembelajaran baru

Nilai Pre-test

Nilai post-test

70

75

Mahasiswa

1
60
2

65
50

70
65

80

55

60

40

60

45

70

65

70

8
60
9

65

10

70
75

11

60
65

12

50
75

13

30
65

14

45
70

15

40
70

3. Data analisis adalah sebagai berikut


Tabel 2. Tabel analisis data

Mahasisw Nilai Prea


test

y1

Nilai postPerbedaan
test

y2

D2

70

75
25
5

60

65

2
5
3

50

25

70
400
20

65

80

4
15
5

55

225

60
25
5

40

60

6
20
7

45

400

70
625
25

65

70

8
5
9

60

25

65
25
5

70

75

10
5
11

60

25

65
25
5

50

75

12
25
13

30

625

65
1225
35

45

70

14
25
15

40

625

70
900
30

Jumlah

5200

805

1035

53.67

69

230

Hitunglah
S2D = [D2 ((D)2/n)]/[n-1]
= [5200 ((230)2/15)]/[15-1] = (5200 1673.333)/14 = 119.5238
S = S2D/n = 119.5238/15 = 7.968254 =2.82281
thit =(

)/S = (53.67 69)/2.82281 = -15.33/2.82281= -5.43076

Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah sebagai
berikut. Pertama kita lihat kolom = 0.025 pada Tabel 3. Nilai ini berasal dari 0.05 dibagi 2,
karena hipotesis HAkita adalah hipotesis 2 arah (lihat hipotesis). Kemudian, kita lihat baris ke 14.
Nilai 14 ini adalah nilai df, yaitu n-1. Nilai n adalah jumlah mahasiswa, yaitu 15 orang. Akhirnya,
kita peroleh nilai t
t

table

=t

/2 (df)

table

= 2.145.

= t0.05/2 (n-1)=t0.025(15-1) = t0.025(14) = 2.145

Tabel 2. Nilai t

4. Kriteria Pengambilan Kesimpulan


Terima H0, jika

thit| < t

table

, sebaliknya

Tolak H0, alias terima HA, jika thit| > t

table

5. Kesimpulan
Karena nila |thit|= 5.431 (tanda minus diabaikan) dan nilai t
kita terima HA. Dengan demikian,

table

=2.145, maka kita tolak H0, alias

1
2, yaitu nilai pre-test tidak sama dengan nilai post-test. Lebih lanjut, kita lihat bahwa ratarata nilai post-test lebih tinggi daripada nilai pre-test. Secara lengkap, kita dapat menyimpulkan
bahwa metode pembelajaran baru secara nyata dapat meningkatkan pemahaman mahasiswa
terhadap materi ajar yang diberikan.

Referensi :
https://hatta2stat.wordpress.com/category/uji-t-2/