statistik yang digunakan disebut uji beda dua mean. Umumnya, pendekatan yang dilakukan bisa dengan
distribusi Z (uji Z), ataupun distribusi t (uji t).
Uji Z dapat digunakan bila (1) standar deviasi populasi () diketahui, dan (2) jumlah sampelnya besar (>
30). Bila kedua syarat tersebut tidak terpenuhi, maka jenis uji yang digunakan adalah uji t dua sampel
(two sample t-test).
Berdasarkan hubungan antar populasinya, uji t dapat digolongkan kedalam dua jenis uji, yaitu dependent
sample t-test, dan independent sample t-test:
a. Dependent sample t-test atau sering diistilakan dengan Paired Sampel t-Test, adalah jenis uji
statistika yang bertujuan untuk membandingkan rata-rata dua grup yang saling berpasangan.
Sampel berpasangan dapat diartikan sebagai sebuah sampel dengan subjek yang sama namun
mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah
dilakukan sebuah treatment.
Syarat jenis uji ini adalah: (a) data berdistribusi normal; (b) kedua kelompok data adalah
dependen (saling berhubungan/berpasangan); dan (c) jenis data yang digunakan adalah numeric
dan kategorik (dua kelompok).
Rumus t-test yang digunakan untuk sampel berpasangan (paired) adalah:
Contohnya adalah bila seorang Manejer perusahaan ingin mengetahui apakah ada perbedaan
prestasi penjualan seles setelah mengikuti pelatihan marketing. Setelah dilakukan rekapitulasi
jumlah penjualan terhadap 15 orang sales, diperoleh data sebagai berikut:
Kesimpulan yang dapat ditarik adalah : t hitung (2.553) > t tabel (2.145), yang berarti Ho ditolak
dan H1 diterima, sehingga disimpulkan bahwa : rata-rata penjualan sebelum mengikuti program
pelatihan Rata-rata penjualan setelah mengikuti program pelatihan. Atau dengan kata lain,
Program pelatihan marketing memberikan pengaruh yang signifikan terhadap prestasi penjualan
sales.
b. Independent sample t-test adalah jenis uji statistika yang bertujuan untuk membandingkan ratarata dua grup yang tidak saling berpasangan atau tidak saling berkaitan. Tidak saling berpasangan
dapat diartikan bahwa penelitian dilakukan untuk dua subjek sampel yang berbeda.
Prinsip pengujian uji ini adalah melihat perbedaan variasi kedua kelompok data, sehingga
sebelum dilakukan pengujian, terlebih dahulu harus diketahui apakah variannya sama (equal
variance) atau variannya berbeda (unequal variance).
Homogenitas varian diuji berdasarkan rumus:
Data dinyatakan memiliki varian yang sama (equal variance) bila F-Hitung < F-Tabel, dan
sebaliknya, varian data dinyatakan tidak sama (unequal variance) bila F-Hitung > F-Tabel.
Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar error yang akhirnya
akan membedakan rumus pengujiannya.
Uji t untuk varian yang sama (equal variance) menggunakan rumus Polled Varians:
Uji t untuk varian yang berbeda (unequal variance) menggunakan rumus Separated Varians:
Dengan aplikasi program Microsoft Excel, perhitungan tersebut dapat lebih mudah di kerjakan,
silahkan tonton video dibawah ini:
Hipotesis yang disusun adalah hipotesis dua arah, yaitu:
Ho = Besaran erosi lahan pertanian tanpa sistem konservasi = Besaran erosi lahan pertanian
dengan sistem konservasi terasering,
H1 = Besaran erosi lahan pertanian tanpa sistem konservasi Besaran erosi lahan pertanian
dengan sistem konsrvasi terasering.
Hasil perhitungannya dapat dilihat pada tabel berikut:
Kesimpulan yang dapat ditarik adalah : t stat (16.4) > t tabel (2.048), yang berarti Ho ditolak dan
H1 diterima, sehingga disimpulkan bahwa : Besaran erosi lahan tanpa sistem konservasi
Besaran erosi lahan pertanian dengan sistem konsrvasi terasering. Atau dengan kata lain,
Penggunaan sistem terasering mampu mereduksi laju erosi di lahan pertanian secara signifikan.
Bagi yang ingin mencoba sendiri di rumah, dibawah ini saya siapkan file contoh yang digunakan
BAB XI
PENGUJIAN
HIPOTESIS
RATA-RATA
Pengjian hipotesis
merupakan salah
suatu proses
dalam
menghasilkan
suatu keputusan,
yaitu keputusan
menerima atau
menolak hipotesis
penelitian,
keputusan yang
diambil
mengandung
ketidakpastian,
artinya keputusan
bisa benar bisa
salah, hingga
menimbulkan
resiko. Besar
kecilnya resiko
dinyataka dalam
bentuk
probabilitas.
Dalam melakukan
pengujian
hipotesis peneliti
akan melalui
langkah-langkah
sebagai berikut; 1.
Menentukan
formulasi
hipotesis nol (H
o
) dan hipotesis
alternatifnya (H
) 2.
Memilih taraf
nyata () te
rtentu dan
menentukan nilai
tabel 3.
Menetapkan
kriteria pengujian
berupa
penerimaan dan
penolakan H
o
4.
Menerapkan uji
statistik yang
cocok 5.
Menarik
kesimpulan
berdasarkan hasil
pengujian
hipotesis Pada
bagian ini penulis
mencoba untuk
memaparkan
tentang pengujian
hipotesis baik satu
rata-rata maupun
dua rata-rata.
A.
Pengujian
Hipotesis satu
Rata-rata
1.
Sampel Besar
(n>30)
Untuk pengujian
hipotesis satu
rata-rata dengan
sampel besar
(n>30), uji
statistiknya
menggunakan
distribusi Z 1)
Simpangan baku
populasi (
) diketahui: 2)
Simpangan baku
populasi tidak
diketahui:
Keterangan: S
= penduga dari
= simpangan
baku sample
o
= nilai sesuai
dengan H
o
Conoh: Seorang
dosen ingin
mengtahui apakah
rata-rata
kemampuan
mahasiswanya
mencapai angka
80 atau
lebih rendah dari
itu.
dari hasil ujian
mid semester
terhadap 50 orang
mahasiswa
diperoleh nilai
rata-rata ujian 78.
Sementara standar
deviasinya 12,5.
Apakah masih
dapat diterima
asumsi yang
mengatakan
bahwa
kemampuan ratarata mahasiswa
masih 80? Ujilah
dengan taraf nyata
0,05. Diketahui :
N = 50
= 78
= 12,5
= 80 Formulasi
Hopotesisnya: H
o
: = 80 H
a
: < 80
Penerapan rumus:
-Z
hit
= -1,64 Z
hit
= -1,13 Z
hit
= -1,13 Ztab
dengan n 50 dan
taraf nyata 5 %
untuk arah kiri
diperoleh -1,64
Kesimpulan:
karena harga z
hitung > dari pada
Ztabel maka H
o
yang mengatakan
kemampuan ratarata mahasiswa
sama dengan 80
dapat diterima.
2.
Sampel Kecil
(n<30)
Untuk pengujian
hipotesis satu
rata-rata dengan
sampel kecil (n<
30), uji statistik
digunakan
distribusi
t.
Rumus: 1)
Simpangan baku
() populasi tidak
diketahui:
b) Simpangan
baku () populasi
diketahui:
Contoh:
Diketahui indeks
prestasi akademik
(IPK) dari 15
orang mahasiswa
sebagai berikut:
3,5 3,3 3,8 3,4 3,5
3,8 3,6 3,2 3,7 2,9
3,3 3,1 3,1 3,6 3,0
Dari data di atas
peneliti menduga
bahwa rata-rata
IPK tiap
mahasiswa adalah
3,5 dengan
alternatif dugaan
tidak sama.
Ujilah
kebenarannya
dengan taraf nyata
0,01 (1%)
Diketahui: n = 15
= 3,39
s
= 0,29
= 3,5 Formulasi
hipotesis: Ho :
o
= 3,5 Ha :
o
3,5
1-
aa
Daerah
penerimaan
HoDaerah
penolakan Ho
Harga t tabel
pada taraf nyata
0,01/2, dengan
derjat kebebasan
(n-1) 15-1= 14,
maka diperoleh
harga t tabel
sebesar= 2,977.
Dengan demikian
dapat kita
lukiskan pada
kurva sebagai
berikut: t
1/2=
-2,977
t
o
= -1,47
t
1/2= 2,977
Jadi t hitung
berada diantara t
1/2 dan
t
1/2, dengan
demikian maka
disimpulkan
H
o
diterima yang
berarti bahwa
rata-rata IPK tiap
mahasiswa adalah
3,5
B.
Pengujian
Hipotesis Beda
Dua Rata-rata
1.
Sampel besar
(n>30)
Untuk pengujian
hipotesis beda dua
rata-rata dengan
sampel besar
(n>30) uji
statistiknya
mengguganak
distribusi Z.
Rumus: 1)
Jika simpangan
baku populasi
diketahui: dimana
sehingga bisa
disederhanakan
menjadi:
2)
Jika simpangan
baku populasi tidak
diketahui: dimana
sehingga bisa
disederhanakan
menjadi:
1aaa
Daerah
penerimaan
HoDaerah
penolakan
HoDaerah
penolakan Ho
4. Kolom F(Zi) adalah nilai probabilitas dari Zi, dapat dilihat dengan menggunakan tabel
normal atau pun dengan menggunakan MS-Excel (ketik =normdist(sorot Xi)).
5. S(Zi) adalah peringkat dibandingkan jumlah seluruh data. Misalnya pada Xi = 12 dengan
peringkat 1 diperoleh S(Zi) = 1 / 40 = 0,025, dst.
6. Kolom |F(Zi) - S(Zi)| adalah nilai absolut dari selisih antara kolom nomor 4 dengan
nomor 5. Misalnya untuk Xi = 12, maka |F(Zi) - S(Zi)| = |0,004 - 0,025| = 0,021.
7. Dari kolom ke-6, pilih nilai tertinggi sehingga diperoleh Lo = 0,128.
8. Menentukan nilai L-tabel, dapat dilihat pada tabel Nilai Kritis Uji Liliefors, lihat kolom
alpha 0,05 dan pilih n>30. Sehingga diperoleh L-tabel = 0,886/ sqrt(40) = 0,140
Keputusan :
Nilai Lo = 0,128 < L-tabel = 0,140. Sehingga Ho diterima.
Kesimpulan :
Jadi data kualitas pelayanan pramuniaga berasal dari populasi yang berdistribusi normal.
Note
:
Uji Lilliefors menggunakan SPSS dapat dilakukan dengan melihat nilai pada KolmogorvSmirnov. Dalam artian langkah yang digunakan adalah langkah pada Uji Kolmogorov-Smirnov.
Selamat Mencoba ^_^
Email ThisBlogThis!Share to TwitterShare to Facebook
Reactions:
1.
Mellyna E Y F10 August 2014 at 20:16
Wa'alaikumsalam...
Alhamdulillah...moga bermanfaat...:)
Untuk ukuran sampel n=23 kita bisa gunakan cara matematis sebagai berikut :
1. Cari nilai terdekat yang mengapit n=23, yaitu n=20, diperoleh nilai L-tabel =
0,190 dan untuk n=30 dengan nilai L-tabel = 0,161 pada taraf signifikansi 5%.
2. Misalkan L-tabel = x untuk nilai signifikansi 5% dengan n=23.
3. Gunakan persamaan berikut untuk menghitung nilai X:
(X - 0,190) / (20 - 23) = (0,161 - 0,190) / (30-23)
(X - 0,190) / (-3) = (-0,029) / 7
(X - 0,190) = (-0,00414) x (-3) = 0,0124
X = 0,0124 + 0,00414 = 0,01654
Jadi nilai L-tabel = 0,01654 = 0,017
Semoga bermanfaat... ;)
2.
Anonymous11 August 2014 at 09:22
terima kasih mba atas jawabannya,namun saya masih kurang mengerti mba, nilai
L tabel nya mengapa lebih kecil dari Ltabel n25=0,173 dan n20=0,190 mba..
pdahal n23 ada di antaranya.
3.
Mellyna E Y F11 August 2014 at 10:27
Terimakasih atas informasinya. Mohon maaf ada perhitungan yang keliru,
seharusnya kita memilih n=25 yang terdekat dengan n=23.
Namun jika kita gunakan n=30 pun hasilnya pasti mendekati (sama).
Pada jawaban di atas kesalahan pada no.3 baris ke-2, seharusnya
(0,190 - x) / (20 - 23) = (0,161 - 0,190) / (30 - 20)
(0,190 - x) / (-3) = (-0,029) / 10
0,190 - x = (-3/10) *(-0,029)
0,190 - x = 0,0087
x = 0,1813 = 0,18
Reply
7.
Mellyna E Y F11 December 2014 at 21:32
Maaf telat banget reply nya.. :)
Xi itu adalah data ke - i pada data tunggal, sebagai contoh, data lima orang nilai
mahasiswa : 67, 78 , 90, 95, 100.
Sehingga
X1 = 67 artinya data ke-1 adalah 67
X3 = 90 artinya data ke-3 adalah 90, dst.
Namun lain halnya pada data majemuk atau kelompok, yang beradasarkan pada kelas
interva.
contohnya :
kelas pertama pada interval 11 - 20, maka X1 = (11 + 20) / 2 = 15,5
artinya nilai tengah pada kelas interval pertama adalah 15,5
Kelas kedua pada interval 21 - 30, maka X2 = (21 + 30) / 2 = 25,5
artinya nilai tengan pada kelas interval kedua adalah 25,5.
Pada contoh di atas, Xi = data ke-i, dimana i = 1,2,...,40
Semoga bermanfaat :)
Reply
8.
KIM HERY31 December 2014 at 11:55
Assalam Mba', sya kurang mengerti Lo di dapat dari mna yach mba'..? mohon
bantuannya..
Reply
9.
Mellyna E Y F4 January 2015 at 19:45
Wa'alaikumsalam, Lo didapat dari nilai tertinggi pada kolom ke-enam (contoh di atas).
Lo adalah nilai probabilitas dan merupakan luas daerah di bawah kurva normal yang akan
kita bandingkan dengan nilai alpha 5%.
Dari 9 langkah di atas, Lo diperoleh mulai dari langkah 7 hingga 8.
Semoga bermanfaat :)
Reply
Replies
1.
KIM HERY7 January 2015 at 10:10
tapi kenapa yg di liat cuma kolom ke 6 mba'..? dari segi apanya kenapa data Lo yg
diambil itu data pada kolom ke 6..? sya belum paham mba'.. mohon
pencerahannya lagi..
kalau misalnya sya punya tabel seperti ini mba'
http://i59.tinypic.com/2iiu33t.jpg
berapa Lo nya..?
2.
Mellyna E Y F13 January 2015 at 14:34
Kolom ke-6 darimana?
Maaf saya tidak bisa buka file jpg nya.
Lo diperoleh berdasarkan nilai alpha (taraf signifikansi) dan jumlah sampel.
Pada tabel Liliefors, kolom berdasarkan nilai alpha dan baris berdasarkan jumlah
sampel.
Jadi untuk menentukan nilai Lo tabel tergantung pada sampel dan nilai alpha yang
Anda pilih..
Semoga membantu.. ^_^
3.
KIM HERY15 January 2015 at 13:47
pertanyaan sya terkait di langkah ke 7 yg mba' sebutkan d atas (Dari kolom ke-6,
pilih nilai tertinggi sehingga diperoleh Lo = 0,128), pertanyaannya, gi mana cara
menentukan klw Lo yg d ambil itu kolom ke 6, Lo = 0,128..? klw d bilang nilai
tertinggi, ada nilai yg lebih tinggi dari kolom ke 6, tapi kenapa kolom ke 6 yg di
ambil sbgai Lo = 0,128..?
Reply
10.
Sastra Seratus Kilometer15 May 2015 at 23:45
Assalamu 'alaikum......
Untuk menentukan F(zi)=P(Zi) tanpa menggunakan microsoft exel gimana ya?
maksudnya dengan rumus yang manual.
Reply
Replies
1.
Mellyna E Y F19 June 2015 at 11:00
Wa'alaikum salam, gunakan tabel kumulatif normal standar,
0<= F(Zi)=P(-takhingga <= Zi < Ztabel) <= 1
Nilai untuk tabel distribusi normal biasa,
0 <= f(Zi) = P(0 <= Zi <= Ztabel) <= 1
coba buka : http://jam-statistic.blogspot.com/2014/04/cara-menentukan-nilaialpha-dengan.html