Bila seorang peneliti ingin mengetahui apakah parameter dua populasi berbeda atau tidak, maka uji

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:

Merumuskan hipotesis, yaitu:

Ho = Rata-rata penjualan sebelum mengikuti program pelatihan = Rata-rata penjualan setelah
mengikuti program pelatihan,

H1 = Rata-rata penjualan sebelum mengikuti program pelatihan Rata-rata penjualan setelah

mengikuti program pelatihan.
Dengan aplikasi program Microsoft Excel, perhitungan tersebut dapat lebih mudah di kerjakan,
silahkan tonton video dibawah ini:
Hasil perhitungannya dapat dilihat pada tabel 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:

Contohnya adalah seorang mahasiswa pertanian melakukan penelitian, ingin membandingkan

efektivitas sistem terasering dalam mereduksi laju erosi. Mahasiswa tersebut kemudian
melakukan pengukuran besaran erosi pada 15 unit lahan pertanian tanpa sistem konservasi, dan
lahan pertanian yang menggunakan sistem konservasi terasering. Data yang dihasilkan sebagai
berikut:

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

UJI NORMALITAS - LILIEFORS TEST

21:46 ANALISIS DATA 33 comments
Uji normalitas berikutnya yang dapat dilakukan adalah uji Liliefors yang pada dasarnya
menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi seperti sebelumnya
pada Uji Chi-Squares. Data yang kita peroleh ditransformasikan dalam nilai Z (yaitu selisih data
dengan rata-rata dibandingkan standar deviasi data tersebut). Biasanya digunakan untuk data
sampel yang kurang dari 30. Berikut langkah-langkah pengujiannya :
Hipotesis uji:
Ho : Data populasi berdistribusi normal
Ha : Data populasi berdstribusi tidak normal
Statistik Uji :
1. Pilih nilai signifikansi alpha biasanya 5% (=0,05).
2. Data diurutkan dari yang terkecil hingga yang terbesar.
3. Cari rata-rata, simpangan baku (standar deviasi) dari sampel data.
4. Tentukan nilai Z (angka baku)
5. Tentukan peluang dari F(Zi) = P(Zi)
6 Hitung proporsi yang lebih kecil atau sama dengan Zi yaitu S(Zi)
7. Hitung selisih mutlak dari nomor 5 dan 6 yaitu |F(Zi) - S(Zi)|
8. Statistik ujinya adalah nilai terbesar dari |F(Zi) - S(Zi)|
9. Berdasarkan nilai alpha 5% yang dipilih, tentukan titik kritis L
Keputusan :
Menolak Ho jika Lo >= Ltabel dan Ho diterima jika Lo < Ltabel.
Berikut tabel Nilai Kritis L untuk Uji Liliefors :

Tabel Nilai Kritis L Uji Liliefors

Berikut akan kita terapkan pada contoh data sebelumnya (see this Data Kualitas Pelayanan
Pramuniaga ).
Hipotesis Uji:
Ho : Data dari kualitas pelayanan pramuniaga berasal dari populasi berdistribusi normal
Ha : Data dari kualitas pelayanan pramuniaga berasal dari populasi yang tidak berdistribusi
normal

Dari tabel di atas dapat dijelaskan, sebagai berikut :

1. Kolom Xi adalah data yang telah diurutkan dari yang terkecil hingga terbesar.
2. Kolom peringkat adalah peringkat dari data Xi, dan jika terdapat data yang sama, maka
ambil peringkat tertinggi.
3. Kolom Zi adalah nilai Zi yang diperoleh dari selisih Xi terhadap X-rata-rata (=24) dan
dibandingkan dengan standar deviasi s (=4).

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:

Newer Post Older Post Home

33 comments:
1.
Nur B Kassay31 May 2014 at 17:48
Kalau N nya 19, L tabelnya berapa ya? Thanks..
Reply
Replies
1.

Mellyna E Y F3 June 2014 at 23:37

Jika jumlah sampel n=19, maka untuk tingkat signifikansi 5%, Anda bisa lihat di
Nilai kritis Liliefors bahwa L-tabel = 0,195.
Jika nilai L-hitung > L-tabel maka keputusan kita adalah menolak Ho.
Thx. :)
Reply
2.
Erna Purwaningsih23 June 2014 at 09:53
terima kasih,,penjelasannya lebih enak,dan mudah dimengerti,,doakan suksen ujian,,
jazakillahu khairan katsiran
Reply
Replies
1.
Mellyna E Y F23 June 2014 at 10:57
Sama-sama Mba..Semoga bermanfaat!!!
Waiyakum...
Sukses ya Mba!!!!
Ameen...
:)
Reply
3.
Anonymous8 August 2014 at 11:43
assalamualaikum, penjelasannya mudah dimengerti ,alhamdulillah. mba saya mau
bertanya. klw N nya itu 23 berapa yah mba L kritisnya? terima kasih mba.
Reply
Replies

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

dan cara lainnya

n = 20 -> L-tabel = 0,190
n = 25 -> L-tabel = 0,173
misalkan n = 23 -> L-tabel = x
maka
(0,190 - x) / (20 - 23) = (0,173 - x) / ( 25 - 23)
(0,190 - x) / (-3) = (0,173 - x) /2
(-2/3) * (0,190 - x) = (0,173 - x)
-0,127 + (2/3)x = 0,173 - x
(2/3)x + x = 0,173 + 0,127
(5/3)x = 0,3
x = 0,3 / (5/3) = 0,180
Jadi nilai L-tabel = 0,180 untuk n=23.
Semoga bermanfaat ;)
4.
Anonymous13 August 2014 at 16:17
iya terima kasih mba atas jawabannya, alhamdulillah sangat membantu..
Reply
4.
Wan Ahmad Darmawan23 September 2014 at 01:14
maf,bisa di jabarkan untuk mendapatkan Fzi?
terimakasih.
Reply
Replies
1.
Mellyna E Y F23 September 2014 at 10:04
Nilai F(Zi) diperoleh dari nilai probabilitas Zi pada tabel distribusi normal atau
menggunakan MS Excel dg ketik =normdist(sorot Xi)..

(Pls see point 4).

Semoga membantu... :)
2.
Wan Ahmad Darmawan23 September 2014 at 12:37
maf,ada kontak utk bisa mnghubungi seprti fb,bb,atau sejenisnya.
sya mau tanya lebih jelas lgi tntng cara2 nya
terimakasih
Reply
5.
Anonymous13 November 2014 at 06:37
jika d dapat L hitung = 14,74 dan L tabel = 14,98
datanya bisa dikatakan normal kan??
Reply
Replies
1.
Mellyna E Y F18 November 2014 at 00:27
Yups...
intinya : L-hitung < L-tabel.
Keputusan Ho diterima, kesimpulannya data berasal dari populasi yang
berdistribusi normal..
:)
Reply
6.
Muhamad Fatih Arizqi24 November 2014 at 21:24
Xi tu apa yah mba, bisa tolong dijelasin ?
terimakasih

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