BAB II

PEMBAHASAN

A. Pengertian UJI T

Sebagai salah satu tes statistik parametrik, Tes “t” mula pertama dikembangkan oleh
William Seely Gosset pada 1915. Pada waktu itu ia menggunakan nama samaran Student, dan
huruf “t” yang terdapat dalam istilah Tes “t” itu diambilkan huruf terakhir dari nama beliau. Itu
pula sebabnya mengapa Tes “t” sering juga disebut dengan nama atau istilah Student t.
Tes “t” atau “t” Test, adalah salah satu tes statistik yamg dipergunakan untuk menguji
kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa diantara dua buah Mean
Sampel yang diambil secara random dari populasi yang sama, tidak terdapat perbedaan yang
signifikan.
Sampel adalah suatu proporsi kecil dari populasi yang seharusnya diteliti, yang dipilih
atau ditetapkan untuk keperluan analisis. Dengan meneliti sampelnya saja peneliti berharap akan
dapat menarik kesimpulan tertentu yang akan dikenakan terhadap populasinya. Menarik
kesimpulan secara umum terhadap populasi dengan hanya menggunakan sampel inilah yang kita
kenal dengan istilah: generalisasi. Sudah barang tentu agar penarikan kesimpulan (inferensi) itu
tidak terlalu jauh menyimpang dari populasinya, pengambilan sampel tidak boleh dilakukan
secara sembrono, melainkan dengan kecermatan dan kesengajaan serta keyakinan tertentu,
sehingga pengaruh faktor “kebetulan saja” (by chance) dapat diestimasikan (dapat diperkirakan).
Salah satu tugas statistik inferensial adalah memperkirakan atau membuat estimasi seberapa
jauhkan kiranya hasil pengukuran yang dilakukan terhadap sampel menyimpang dari hasil
pengukuran yang dilakukan terhadap populasi (jika seandainya terhadap populasi itu dilakukan
pengukuran).
Pemakaian uji t ini bervariasi. Uji ini bisa digunakan untuk objek studi yang berpasangan
dan juga bisa untuk objek studi yang tidak berpasangan. Namun sebelum menghitung uji – t
terlebih dahulu kita analisis dengan Uji Normalitas dan Uji Hogenitas. Dalam Uji – t terdapat
istilah uji satu arah ( one tail ) dan uji dua arah ( two tail )

1. Uji dua arah. pada hipotesis awal tidak terdapat perbedaan yang signifikan antara rata-
rata1 dan rata-rata2.sedangkan pada hipotesis alternatif sebaliknya yaitu terdapat
perbedaan rata-rata 1 dan rata-rata 2.

1
 2. Uji satu arah dimana pada hipotesis awal kelompok/sampel 1 memiliki rata-rata sama
dengan atau lebih besar dengan rata-rata kelompok 2. sedangakan hipotesis alternatif rata-
rata kelompok 1 lebih kecil dibandingkan dengan rata-rata kelompok 2.

Atau

Contoh perbedaan satu arah dan dua arah:

Misal, ingin diketahui rata-rata IQ mahasiswa univ. X. Untuk itu dilakukan penelitian
dengan mengambil beberapa sampel mahasiswa univ.X.

Nah, apabila peneliti memiliki asumsi bahwa rata-rata IQ mahasiswa univ. X lebih dari
140, maka uji hipotesis yang digunakan adalah uji 1-pihak.

Namun, apabila asumsi ini tidak dimiliki, dengan kata lain, peneliti tidak tahu apakah rata-
rata IQ mahasiswa univ.X lebih dari atau kurang dari 140, maka akan tepat jika menggunakan uji
2-pihak.

Ciri khas dari uji 1-pihak atau 2-pihak adalah tanda pertidaksamaan yang digunakan
dalam penulisan HIPOTESIS 1. Dari kasus di atas, maka

 uji 1-pihak memiliki hipotesis:

H0 : µ = 140

H1 : µ > 140

2
Hal ini berarti, rata-rata IQ mahasiswa univ.X lebih besar dari 140

 uji 2-pihak memiliki hipotesis:

H0 : µ = 140

H1 : µ ≠ 140

Hal ini berarti, rata-rata IQ mahasiswa univ.X tidak sama dengan 140, entah itu lebih besar atau
lebih kecil dari 140.

Keterangan :
Hipotesis awal ditolak, bila:
t hitung| > t tabel
atau:
Hipotesis awal diterima, bila:
t hitung| ≤ t tabel

B. Analisis Uji – t Terhadap 2 Perlakuan

Penggunaan uji t test yang termasuk dalam uji parametric, sehingga menganut pada
asumsi-asumsi data berdistribusi normal, sebaran data homogeny dan sampel diambil secara acak.
Penggunaan uji t test independent, sering digunakan dalam pengujian rancangan eksperimen,
yang bertujuan untuk membandingkan nilai rata-rata dari dua perlakuan yang ada. Data yang
digunakan dal pengujian t test adalah data interval maupun data rasio.

Uji t termasuk dalam golongan statistika parametrik yang digunakan dalam pengujian
hipotesis dan untuk mengetahui ada atau tidaknya perbedaan yang signifikan dari dua dua buah
variabel yang dikomparasikan. Salah satu bentuk uji t adalah paired sample t test. Paired sampel
T Test merupakan analisis dengan melibatkan dua pengukuran pada subjek yang sama terhadap
suatu pengaruh atau perlakuan tertentu. Pada uji beda Paired sampl t test, peneliti menggunakan
sampel yang sama, tetapi pengujian terhadap sampel dilakukan sebanyak dua kali.

Dalam penelitian biasanya test yang diberikan disebut dengan pretest (test sebelum
mengadakan perlakuan) dan posttest (setelah sampel diberi perlakuan). Perlakuan pertama
mungkin saja berupa kontrol, yaitu tidak memberikan perlakuan sama sekali terhadap

3
objek penelitian. Dalam melakukan pemilihan uji, seorang peneliti harus memeperhatikan
beberapa aspek yang menjadi syarat sebuah uji itu digunakan. Peneliti tidak boleh sembarangan
dalam memilih uji, sehingga sesuai dengan tujuan penelitian yang diinginkan. Adapun dasar
penggunaan paired sample t test adalah satu sampel yang diberikan dua perlakuan yang berbeda,
merupakan data kuantitatif (interval-rasio), dan sample yang digunakan harus dalam kondisi yang
sama atau homogen dan berasal dari popoulasi yaang telah terdistribusi secara normal. Hal ini
dapat diketahui setelah melakukan uji asumsi yaitu uji normalitas dan uji homogenetas pada data
tersebut.

Setelah data yang dimiliki memenuhi syarat diatas, maka pemilihan uji statistik harus
memperhatikan pertanyaan dari penelitian. Setelah melihat pertanyaan peneltian seorang peneliti
kemudian melakukan pemilihan uji yang tepat untuk menganalisis data yang dimiliki untuk
menjawab pertanyaan penelitian yang disusun.

Contoh data yang dapat diuji menggunakan Paired sampleT Test adalah Pengaruh Media
iMainMapping pada Materi Sistem Pernafasan terhadap Hasil Belajar Siswa Kelas XI SMAN 1
Makassar. Maka, sebelum peneliti menggunakan media iMainMapping di dalam kelas, peneliti
terlebih dahulu memberikan test awal (pretest) untuk melihat pengetahuan awal dari siswa terkait
dengan materi sistem pernafasan. Setelah memperoleh data pretest, peneliti akan memberikan
perlakuan kepada kelompok siswa yang telah mengisi prestest dengan menggunakan media
iMainMap dalam pembelajaran. Adapun hipotesis dari penelitian ini adalah:

H0 = tidak ada pengaruh penggunaan Media iMainMapping pada Materi Sistem Pernafasan
terhadap Hasil Belajar Siswa Kelas XI SMAN 1 Makassar

H1 = ada pengaruh penggunaan Media iMainMapping pada Materi Sistem Pernafasan terhadap
Hasil Belajar Siswa Kelas XI SMAN 1 Makassar

Setelah proses belajar-mengajar selesai, maka kelompok siswa tersebut akan diberikan test
berupa posttest. Posttest harus dikerjakan oleh sejumlah siswa yang sama yang telah mengerjakan
pretest. Jumlah siswa tidak boleh ditambah atau pun dikurangi. Apabila terdapat beberapa siswa
yang tidak mampu bisa mengikuti posttest, maka hasil dari pretest siswa tersebut juga tidak dapat
dimasukkan dalam analisis data peneliti, sebab data yang ada harus berpasangan. Data hasil
pretest dan posttest yang telah melalui uji asumsi kemudian akan dianalisis secara Paired sample
T Test menggunakan aplikasi SPSS.

4
Adapun contoh data hasil belajar siswa pada aplikasi Microsoft Excell

Sampel sebelum sesudah

1 75 80

2 60 70

3 65 70

4 50 70

5 70 75

6 60 70

7 70 75

8 70 75

9 80 80

10 75 80

Data di atas merupakan data telah dinyatakan homogen

a. Uji Normalitas

Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi
normal sehingga dapat dipakai dalam statistik parametrik ( statistik inferensial ). Uji normalitas
berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari
populasi normal. Uji kenormalan data, sebelum menggunakan statistik uji parametrik, perlu
dilakukan. Hal ini disebabkan karena statistik-statistik uji parametrik diturunkan dari sebaran
normal. Tentu saja, data yang akan dianalisis juga harus menyebar normal agar data yang
dianalisis relevan dengan alatnya (statistik uji parametrik). Namun, apabila menggunakan statistik
uji nonparametrik, TIDAK PERLU mempertimbangkan mengenai kenormalan data sama sekali.

Uji statistik normalitas yang dapat digunakan adalah Chi Square dan Metode Lilliefors

1) Chi Square
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal)
- Data tersusun berkelompok atau dikelompokkan dalam tabel distribus frekuensi.
- Cocok untuk data dengan banyaknya angka besar ( n > 30 )
Signifikansi

5
 - Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square).
- Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
- Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.

Langkah – langkah Uji Normalitas Chi Square:

1. Menyusun data tersebut ke dalam distribusi frekuensi, dan menentukan nilai rat-rata serta
standar deviasi :
Oi X i
Rata – rata =
Oi

Standar Deviasi =

Oi X i  X 
2

Oi
2. Menentukan nilai Chi Square

k Oi  Ei 2
X 2
Z
Xi  X
i 1 Ei SD

Dapat dilakukan dengan menyusun data ke dalam tabel seperti berikut ini

Batas Interval Xi  X P-value Pi Oi Ei = Pi x ∑Oi (Oi – Ei)2 Oi  Ei 2

Z Ei
Kelas SD

Jumlah

Keterangan :

X2 = Nilai Chi-Square

6
SD = Standar deviasi

Z = Nilai Z dengan tabel z

Oi = Frekuensi hasil pengamatan pada klasifikasi ke-i

Ei = Frekuensi yang diharapkan pada klasifikasi ke-i ( Pi x N )

Pi = p-value batas bawah – p-value batas atas

3. Pengujian Normalitas data :

Hipotesis Uji :
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
4. Derajat Bebas
Df = N – 1
5. Nilai Tabel ( Lihat tabel Chi-Square)
6. Keputusan dan Kesimpulan :
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.

Contoh 1 :

Berikut data yang akan diuji berdistribusi normal atau tidak

Interval Kelas Frekuensi Oi
11 – 14 2
15 – 18 1
19 – 22 9
23 – 26 20
27 – 30 6
31 – 34 2

Penyelesaian :
1. Menyusun data tersebut ke dalam distribusi frekuensi, dan menentukan nilai rat-rata serta
standar deviasi :

7
 Oi X i
Rata – rata =
Oi

Standar Deviasi =

Oi X i  X 
2

Oi

Interval Kelas Tanda Kelas (Xi) Oi Oi Xi X i X 2


Oi X i  X 
2

11 – 14 12,5 2 25 127,69 255,38

15 – 18 16,5 1 16,5 53,29 53,29
19 – 22 20,5 9 184,5 10,89 98,01
23 – 26 24,5 20 490 0,49 9,80
27 – 30 28,5 6 171 22,09 132,54
31 – 34 32,5 2 65 75,69 151,38
Jumlah 135 40 952 290,14 700,4

Diperoleh nilai rata-rata = 23,8 dan standar deviasi = 4,184

2. Menentukan Chi – Square

Dapat dilakukan dengan menyusun kedalam tabel

Batas Interval X X P-value Pi Oi Ei = Pi x ∑Oi (Oi – Ei)2 Oi  Ei 2

Z i Ei
Kelas SD
10,5 – 14,5 -3,1784 – -2,22250,4993 – 0,48680,0125 2 0,5000 2,2500 4,500
14,5 – 18,5 -2,2225 – -1,26660,4868 – 0,39800,0888 1 3,5520 6,5127 1,8335
18,5 – 22,5 -1,2666 – -0,31070,3980 – 0,12170,2763 9 11,0520 4,2107 0,3810
22,5 – 26,5 -0,3107 – 0,6452 0,1217 – 0,24220,3639 20 14,5560 29,6371 2,0361
26,5 – 30,5 0,6452 – 1,6011 0,2422 – 0,44520,2030 6 8,1200 4,4944 0,5535
30,5– 34,5 1,6011 – 2,5571 0,4452 – 0,49480,0439 2 1,9840 0,0003 0,0001
Jumlah 40 9,3042

3. Pengujian Normalitas data :

Hipotesis Uji :
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal

8
4. Nilai tabel dan Derajat Bebas
Pilih alpha 5% = 0,05. Dengan derajat kebebasan df = 6-1 = 5, sehingga diperoleh nilai Chi-
Square tabel = 11,07
5. Keputusan
Nilai Chi-Square hitung = 9,3042 < Nilai Chi-Square tabel = 11,070, berarti Ho diterima.
6. Kesimpulan :
Data berdistribusi normal.

Note : Penolakan Ho jika Nilai Chi-Square Hitung > Nilai Chi-Square tabel dan sebaliknya Ho
diterima.

Contoh 2 :
Diambil tinggi badan mahasiswa di suatu perguruan tinggi tahun 1990
Tinggi Badan Jumlah
140 – 144 7
145 – 149 10
150 – 154 16
155 – 159 23
160 – 164 21
165 – 169 17
170 – 174 6
Jumlah 100

Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi normal? ( Mean= 157.8;
Standar deviasi = 8.09 )
Penyelesaian :
1. Hipotesis :
Ho : Populasi tinggi badan mahasiswa berdistribusi normal
H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05
3. Rumus Statistik penguji

9
 k Oi  Ei 2
X  2
i 1 Ei

Batas Interval X X P-value Pi Oi Ei = Pi x ∑Oi (Oi – Ei)2 Oi  Ei 2

Z i Ei
Kelas SD
139,5 – 144,5 -2,26 – -1,64 0,4881 – 0,44950,0386 7 3,86 9,85 2,55
144,5 – 149,5 -1,64 – -1,03 0,4495 – 0,34850,1010 10 10,1 0,01 0,00099
149,5 – 154,5 -1,03 – -0,41 0,3485 – 0,15910,1894 16 18,94 8,64 0,45
154,5 – 159,5 -0,41 – 0,21 0,1591 – 0,08320,0759 23 7,59 237,4 31,28
159,5 – 164,5 0,21 – 0,83 0,0832 – 0,29670,2135 21 21,35 0,12 0,005
164,5 – 169,5 0,83 – 1,45 0,2967 – 0,42650,1298 17 12,98 16,16 1,24
169,5 – 174,5 1,45 – 2,06 0,4265 – 0,48030,0538 6 5,38 0,38 0,07
Jumlah 100 80,2 35,59

k Oi  Ei 2
X2  
i 1 Ei


7  3,862  10  10,12  16  18,942  23  7,592  21  21,352  17  12,982  6  5,382
3,86 10,1 18,94 24,23 21,35 12,98 5,38


3.142   0.12 
 2,942 
15,412   0,352  4,022  0,622
3,86 10,1 18,94 7,59 21,35 12,98 5,38
9,85 0.01 8,64 237,46 0,12 16,16 0,38
      
3,86 10,1 18,94 24,23 21,35 12,98 5,38
 35,59

4. Derajat Bebas
Df = N - 1 = ( 7 - 1 ) = 6
5. Nilai tabel
Nilai tabel X2 ; α = 0,05 ; df = 6 ; = 12.59. (Lihat Tabel X2 (Chi-Square))
35,59| ˃ |12,59| ; berarti Ho ditolak, Ha diterima
Kesimpulan : Populasi tinggi badan mahasiswa tidak berdistribusi normal α = 0,05.

10
 2) Metode Lilliefors
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva normal sebagai
probabilitas komulatif normal.

Persyaratan
•Data berskala interval atau ratio (kuantitatif)
•Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
•Dapat untuk n besar maupun n kecil.

Signifikansi
Signifikansi uji, nilai | F (x) - S (x) | terbesar dibandingkan dengan nilai tabel Lilliefors.
Jika nilai | F (x) - S (x) | terbesar < nilai tabel Lilliefors, maka Ho diterima ; Ha ditolak.
Jika nilai | F(x) - S(x) | terbesar > dari nilai tabel Lilliefors, maka Ho ditolak ; Ha diterima.

No. Xi ̅
X𝑖−X F(x) S(x) | F (x) - S (x) |
Z= 𝑆𝐷

1.
2.
3.
dst

∑(𝑋𝑖 − 𝑋̅)2
𝑆𝐷 = √
𝑛−1

Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
Sd = Standar Deviasi
F(x) = Probabilitas komulatif normal (lihat dari tabel distribusi normal kumulatif Z)
S(x) = Probabilitas komulatif empiris
Rumus S(x):
banyaknya angka sampai angka ke ni
S(x) = banyaknya seluruh angka pada data

11
Contoh 1:
Berdasarkan data ujian statistik dari 18 mahasiswa didapatkan data sebagai berikut; 46, 57, 52,
63, 70, 48, 52, 52, 54, 46, 65, 45, 68, 71, 69, 61, 65, 68. Selidikilah dengan α = 5% dan standar
deviasi 9,22, apakah data tersebut di atas diambil dari populasi yang berdistribusi normal ?
Penyelesaian :
1. Hipotesis
Ho : Populasi nilai ujian statistik berdistribusi normal
H1 : Populasi nilai ujian statistik tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05
3. Statistik Penguji
̅ = ∑ 𝑋𝑖 = 1052 = 58,44
X 𝑛 18

No. Xi ̅
X𝑖−X F(x) S(x) | F (x) - S (x) |
Z= 𝑆𝐷

1. 45 -1,4577 0,0721 0,0556 0,0165

2. 46 -1,3492 0,0885 0,1667 0,0782
3. 46 -1,3492
4. 48 -1,1323 0,1292 0,2222 0,0930
5. 52 -0,6985 0,242 0,3889 0,1469
6. 52 -0,6985
7. 52 -0,6985
8. 54 -0,4816 0,3156 0,4444 0,1288
9. 57 -0,1562 0,4364 0,5000 0,0636
10. 61 0,27766 0,6103 0,5556 0,0547
11. 63 0,49458 0,6879 0,6111 0,0768
12. 65 0,7115 0,7611 0,7222 0,0389
13. 65 0,7115
14. 68 1,03688 0,8485 0,8333 0,0152
15. 68 1,03688
16. 69 1,14534 0,8749 0,8889 0,0140
17. 70 1,2538 0,8944 0,9444 0,0500
18. 71 1,36226 0,9131 1,0000 0,0869

12
Nilai | F (x) - S (x) | tertinggi sebagai penguji normalitas, yaitu 0,1469.
6. Derajat Bebas
Df tidak diperlukan
7. Nilai tabel
Nilai Kuantil Penguji Lilliefors, α = 0,05 ; N = 18 yaitu 0,200. (Lihat Tabel Lilliefors)
| 0,1469 | < | 0,200| ; berarti Ho diterima; Ha di tolak.
8. Kesimpulan
Populasi nilai ujian statistik berdistribusi normal.

Contoh 2:
Selidikilah dengan α = 10% pada data ujian pemecahan masalah matematika dari 10 mahasiswa.
Didapatkan data sebagai berikut; 50, 60, 70, 70, 35, 41, 35, 45, 41, 45, 45. Apakah data tersebut
di atas diambil dari populasi yang berdistribusi normal ?
Penyelesaian :
1. Hipotesis
Ho : Populasi nilai ujian pemecahan masalah matematika berdistribusi normal
H1 : Populasi nilai ujian pemecahan masalah matematika tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 10% = 0,01
3. Statistik Penguji
∑𝑥 762
̅
X = 𝑛 = 10 = 76,2

Mencari SD :
Xi ̅)
(Xi − X ̅ )2
(Xi − X
35 -41,2 1697,44
35 -41,2 1697,44
41 -35,2 1239,04
45 -31,2 973,44
45 -31,2 973,44
45 -31,2 973,44
50 -26,2 686,44
60 -16,2 262,44
70 -6,2 38,44

13
 70 -6,2 38,44
Jumlah 8580,4

∑(𝑋𝑖 − 𝑋̅)2
𝑆𝐷 = √
𝑛−1

8580,4
=√
10 − 1

8580,4
=√
9

= √953,3778
=30,876

No. Xi ̅
X𝑖−X F(x) S(x) | F (x) - S (x) |
Z= 𝑆𝐷

1. 35 -1,3343 0,0918 0,2 0,1082

2. 35
3. 41 -1,1400 0,1271 0,3 0,1729
4. 45 -1.0104 0,1562 0,6 0,4438
5. 45
6. 45
7. 50 -0.8485 0,1977 0,7 0,5023
8. 60 -0,5246 0,3015 0,8 0,4985
9. 70 -0,2008 0,5793 1 0,4207
10. 70
Nilai | F (x) - S (x) | tertinggi sebagai penguji normalitas, yaitu 0,4985
4. Derajat Bebas
Df tidak diperlukan
5. Nilai tabel
Nilai Kuantil Penguji Lilliefors, α = 0,01 ; N = 10 yaitu 0,. (Lihat Tabel Lilliefors)
| 0,498 | > | 0,239| ; berarti Ha diterima; Ho di tolak.
6. Kesimpulan
Populasi nilai ujian pemecahan masalah matematika bukan berdistribusi normal.

14
 b. Uji Homogenitas Variansi
Pengujian homogenitas adalah pengujian mengenai sama tidaknya variansi-variansi
dua buah distribusi atau lebih. Uji homogenitas dilakukan untuk mengetahui apakah data
dalam variabel X dan Y bersifat homogen atau tidak.

Langkah-langkah menghitung uji homogenitas :

1. Mencari Varians/Standar deviasi Variabel X danY, dengan rumus :

√𝑛.∑ 𝑋 2 −(∑ 𝑋)² √𝑛.∑ 𝑦2 −(∑ 𝑦)²

𝑆𝑥² = 𝑆𝑦² =
𝑛(𝑛−1) 𝑛(𝑛−1)

2. Mencari F hitung dengan dari varians X danY, dengan rumus :

𝑆 𝑏𝑒𝑠𝑎𝑟
𝐹= 𝑆 𝑘𝑒𝑐𝑖𝑙

Catatan:
Pembilang:
S besar artinya Variance dari kelompok dengan variance terbesar (lebih banyak)
Penyebut:
S kecil artinya Variance dari kelompok dengan variance terkecil (lebih sedikit)
Jika variance sama pada kedua kelompok, maka bebas tentukan pembilang dan penyebut.

3. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan:

 Untuk varians dari kelompok dengan variance terbesar adalah df pembilang n-1
 Untuk varians dari kelompok dengan variance terkecil adalah df penyebut n-1
 Jika F hitung < F tabel, berarti homogen
 Jika F hitung > F tabel, berarti tidak homogen

Contoh 1 :
Data tentang Pengukuran Penguasaan kosakata(X) dan kemampuan membaca (Y):

X Y

75 68

78 72

38 63

15
 94 74

83 68

91 81

87 72

91 74

38 58

68 58

Jumlah 743 688

Apakah Kedua pengukuran ini mempunyai Varian Yang Homogen ?

Penyelesaian :
1. Mencari Varians/Standar deviasi Variabel X danY

X Y X² Y² XY

75 68 5625 4624 5100

78 72 6084 5184 5616

38 63 1444 3969 2394

94 74 8836 5476 6956

83 68 6889 4624 5644

91 81 8281 6561 7371

87 72 7569 5184 6264

91 74 8281 5476 6734

38 58 1444 3364 2204

68 58 4624 3364 3944

Jumlah 743 688 59077 47826 52227

16
 √𝑛.∑ 𝑋 2 −(∑ 𝑋)²
2
𝑆𝐷𝑥 = 𝑛(𝑛−1)

√10×59077−743²
= = √430,23 = 20,74
10(10−1)

√𝑛.∑ 𝑦2 −(∑ 𝑦)²

2
𝑆𝐷𝑦 = 𝑛(𝑛−1)

√10×47826−688²
= = √54,62 = 7,39
10(10−1)

3. Mencari F hitung dengan dari varians X dan Y

𝑆 𝐷𝑏𝑒𝑠𝑎𝑟 20,74
𝐹= = = 2,81
𝑆 𝐷𝑘𝑒𝑐𝑖𝑙 7,39

3. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan:

 Untuk varians dari kelompok dengan variance terbesar adalah df pembilang n-1, 10 – 1 =
9
 Untuk varians dari kelompok dengan variance terkecil adalah df penyebut n-1, 10 – 1 = 9
 Kita tentukan α = 5 % = 0.05
 Dengan df pembilang 9 dan df penyebut 9 dan α = 5 % = 0.05 maka Ftabel = 3.18

Kesimpulan : Fhitung ( 2.81 ) < Ftabel ( 3.18 ), hal ini berartidata variabel X dan Y Homogen

Contoh 2 :

Terdapat Dua Macam Pengukuran Prosedur Kerja Di Sebuah Kantor. Prosedur Pertama
Dilakukan Sebanyak 10 Kali Yang Menghasilkan Varians Sebesar 37.2 Dan Prosedur Kedua
Dilakukan Sebanyak 13 Kali Dan Menghasilkan Varians Sebesar 24.7 Dan α = 0.05. Apakah
Kedua Prosedur Kerja Tersebut Mempunyai Varian Yang Homogen ?

Penyelesaian

1. H0 = Tidak Terdapat Perbedaan Varian 1 Dan Varian 2

Ha = Terdapat Perbedaan Varian 1 Dan Varian 2

17
 Ho : µ1 = µ 2

Ha : µ 1 ≠ µ 2

2. Cari Fhitung :

Varians Terbesar
Fhitung = Varians Terkecil

37.2
= 24,7

= 1.506

3. α = 0.05

df Varians Terbesar - 1, df Varians Terkecil - 1 ), ( 10 - 1 = 9 (penyebut), 13 - 1 =

12(pembilang) )

Dengan Menggunakan Tabel F Didapat Ftabel = 3.07

4. Kriteria :
Jika F hitung < F tabel, berarti homogen

Jika F hitung > F tabel, berarti tidak homogen

Maka,

Pengujian Fhitung < Ftabel, 1.506 < 3.07 Maka H0 Diterima. Sehingga H0 Diterima (
Homogen )

5. Kesimpulan : Ha Yang Berbunyi Bahwa Terdapat Perbedaan Varians 1 Dengan Varians 2

( Ditolak ( Tidak Homogen ) ). Sebaliknya H0 Berbunyi Bahwa Tidak Terdapat Perbedaan
Varians 1 Dengan Varians 2 ( Diterima ( Homogen ) )

c. Uji – T Berpasangan ( Dependen / Terikat )

18
 Uji t berpasangan tentu saja digunakan apabila dua kelompok tersebut saling
berhubungan. Dua sampel berpasangan artinya sampel dengan subjek yang sama namun
mengalami dua perlakuan atau pengukuran yang berbeda.
Contoh yang umum ditemui adalah desain pra uji–pasca uji (pre-test–post-test
design), dimana untuk mengkaji perubahan yang terjadi akibat suatu perlakuan, kita sudah
membandingkan perilaku atas kemampuan subjek penelitian sebelum dan sesudah perlakuan
diberikan. Uji – t berpasangan digunakan jika uji komparasi antar dua nilai pengamatan
berpasangan, misalnya: sebelum dan sesudah dan digunakan pada uji p

Langkah – langkah uji – t berpasangan adalah sebagai berikut :

1. Buatlah Ha dan Ho dalam bentuk kalimat

Ha : Terdapat perbedaan antara ................. dengan ..................

Ho : Tidak terdapat perbedaan antara .............. dengan ..............

2. Buatlah Ha dan Ho dalam bentuk hipotesis statistik

Ho : µ1 = µ2
H1 : µ 1 ≠ µ2

3. Tentukan besarnya D dan D2 ( dalam kolom tabel distribusi ) serta X setiap kelompok
D = X-Y

D = Differences

∑X
X =
N
∑Y
Y =
N

4. Hitung besarnya SD ( standar deviasi )

19
 ∑𝐷2 − [(∑𝐷)2 ]/𝑛𝑝
𝑆𝐷 = √
𝑛𝑝 − 1

Keterangan :
SD = standar deviasi
D = differences
np = n populasi
1 = nilai konstan

5. Hitung besarnya / kesalahan baku distribusi sampling SE

( Standard error of the sampling distribution of differences )

𝑆𝐷
𝑆𝐸 = √
𝑛𝑝

6. Uji perbedaan dengan menggunakan rumus uji t dependen

X −Y
𝑢𝑗𝑖 𝑡 =
𝑆𝐸
Keterangan :
X 1 = mean kelompok 1
X 2 = mean kelompok 2
SD = kesalahan baku distribusi sampling perbedaan

7. Menguji taraf nyata dan Db / Df

Taraf nyata (α) = 5% atau 1 %, misalnya 5 % = 0,05

Db / df = N - 1

8. Bandingkan hasil t hitung dengan t tabel

( dengan terlebih dahulu menentukan two tail / one tail )
Bila:
t hitung > t tabel signifikan; Ha diterima Ho ditolak
t hitung < t tabel non signifikan; Ha ditolak, Ho diterima

20
9. Berikan kesimpulan dalam bentuk kalimat.

Contoh kasus 1 :

Data sampel terdiri atas 10 pasien pria mendapat obat captopril dengan dosis 6,25 mg. pasien
diukur dengan tekanan darah sistolik sebelum pemberian obat dan 60 menit sesudah pemberian
obat. Peneliti ingin mengetahui apakah pengobatan tersebut efektif untuk menurunkan tekanan
darah pasien-pasien tersebut. Dengan α = 0,05. Adapun hasil pengukuran sebagai berikut:
Sebelum : 175 179 165 170 162 180 177 178 140 176
Sesudah : 140 143 135 133 162 150 182 150 175 155

Penyelesaian :
1. H0 = Tidak ada perbedaan tekanan darah sistolik setelah diberikan obat dibanding sebelum
diberi obat
Ha = Ada perbedaan tekanan darah sistolik setelah diberikan obat dibanding sebelum diberi
obat

2. H0 : µ1 = µ2
Ha : µ1 ≠ µ2

3. Tabel distribusi dan penghitungan D, D 2 serta X setiap kelompok

No X Y D D2

1 175 140 35 1225

2 179 143 36 1296

3 165 135 30 900

4 170 133 37 1369

5 162 162 0 0

6 180 150 30 900

21
 7 177 182 -5 25

8 178 150 28 784

9 140 175 -35 1225

10 176 155 21 441

∑ 1702 1525 177 8065

∑X 1702
X = = = 170,2
N 10
∑Y 1525
Y = = = 152,5
N 10

4. Standar Deviasi

∑𝐷2 − [(∑𝐷)2 ]/𝑛𝑝

𝑆𝐷 = √
𝑛𝑝 − 1

8065 − [(177)2 /10]

𝑆𝐷 = √
10 − 1

8065 − 31329/10
𝑆𝐷 = √
9

8065 − 3132,9
𝑆𝐷 = √
9

4932,1
𝑆𝐷 = √
9

𝑆𝐷 = √548,0111

𝑆𝐷 = 23,40

22
 5. Menghitung besar SE

23,40
𝑆𝐸 = √ = 1,529
10

6. Rumus uji t dependen

X −Y
𝑢𝑗𝑖 𝑡 =
𝑆𝐸

170,2 − 152,5
𝑢𝑗𝑖 𝑡 = = 11,576
1,529

7. α = 5% = 0,05

Db = 10 - 1 =10 – 1 = 9

Maka ttabel two tail = 2,262

8. t hitung = 11,576 ; t tabel = 2,262

Jadi t hitung > t tabel ; Ha diterima Ho ditolak; signifikan

9. Kesimpulan :

Ada perbedaan tekanan darah sistolik setelah diberikan obat dibanding sebelum diberi obat

Contoh kasus 2 :

Seorang guru ingin menguji efektifitas model pembelajaran statistik dengan studi kasus. Maka
dilakukan pre test dan post test dari 10 siswanya. Berikut datanya:

No subjek Pre test Post test

1 76 79
2 83 89
3 75 70

23
 4 76 75
5 60 79
6 66 80
7 77 89
8 90 90
9 75 83
10 75 70
N =10 753 804

Ha : Metode studi kasus efektif untuk diterapkan pada pembelajaran statistika.

Ujilah Hipotesa alternatif tersebut!

Penyelesaian :

1. Hipotesis :
H0 : Tidak efektif metode studi kasus untuk diterapkan pada pembelajaran sattistik.
Ha : efektif metode studi kasus untuk diterapkan pada pembelajaran statistika.

2. Hipotesis statistik
H0 : M 1 = M 2
Ha : M 1 ≠M 2

3. Tabel distribusi dan penghitungan D, D 2

Pre test Post test

Nomor Subjek D D2
(X1) (X2)

1 76 79 -3 9

2 83 89 -6 36

3 75 70 5 25

24
4 76 75 1 1

5 60 79 -19 361

6 66 80 -14 196

7 77 89 -12 144

8 90 90 0 0

9 75 83 -8 64

10 75 70 5 25

N = 10 753 804 -51 861

∑X 753
X = = = 75,3
N 10
∑Y 804
Y = = = 80,4
N 10

4. Standar Deviasi

(∑𝐷)2
∑𝐷 2 − [ ]
𝑆𝐷 = √ 𝑛𝑝
𝑛𝑝−1

(−51)2 2601
861− [ ] 861− [ ]
𝑆𝐷 = √ 10−1
861−260,1
=√
10 10
=√ = √66,77 = 8,17
9 9

𝑆𝐷 = 8,17

5. besar SE

8,17
𝑆𝐸 = √ = 0,817
10

6. rumus uji t dependen

X −Y
𝑢𝑗𝑖 𝑡 =
𝑆𝐸

25
 75,3 − 80,4
𝑢𝑗𝑖 𝑡 = = −6,243
0,817

7. db = n -1
db = 10 -1 = 9
t tabel 5%, = 2,26
t tabel 1% = 3,25

8. t hitung = 6,243( -6,243) ; t tabel = 2, 145

2,26<6,243>3,25
jadi t hitung > t tabel ; Ha diterima Ho ditolak ; Signifikan

10. Kesimpulan :

Metode studi kasus efektif untuk diterapkan pada pembelajaran statistika.

d. Uji – T Tidak Berpasangan ( Independen / Bebas )

Ciri dari sampel independen adalah sampel diambil dari kelompok-kelompok yang
berlainan, dengan tujuan melihat perbedaan 2 kelompok sampel yang tidak ada hubungannya
atau berasal dari populasi yang berbeda. Uji rata-rata untuk dua kelompok dimana data antar
kelompok tersebut tidak saling berhubungan. Contoh jika kita akan membandingkan
perbedaan tinggi rata-rata antara perempuan dan laki-laki .
Sampling secara random, sampel diambil dari populasi yang berdistribusi normal,
menganut prinsip homogenitas (varian populasi sama), observasi dilakukan secara
independen (skor dalam tiap sampel tidak terikat satu sama lainnya).
Langkah – Langkah Uji T tidak berpasangan :

1. Buatlah Ha dan Ho dalam bentuk kalimat

Ho : Tidak terdapat perbedaan antara .............. dengan ..............
Ha : Terdapat perbedaan antara ................. dengan ..................
2. Buatlah Ha dan Ho dalam bentuk hipotesis statistik

26
3. Masukkan angka-angka statistik dari tabel distribusi. Hitunglah skor X12 dan X22

4. Tentukan besarnya X 1 , X 2 dan Jk 1, Jk 2 (Jk = jumlah kwadrat)

∑𝑋1 ∑𝑋2
X 1 = X 2 =
𝑁 𝑁
Jika distribusi tunggal :
(∑X)2
Jk = ∑X 2 −
N
Jika distribusi bergolong :
(∑𝑓𝑋)2
𝐽𝑘 = ∑𝑓𝑋 2 −
𝑁

Keterangan :

X 1 = rata-rata skor kelompok 1

X 2 = rata-rata skor kelompok 2

Jk1 = jumlah deviasi kuadrat kelompok 1
Jk2 = jumlah deviasi kuadrat kelompok 2
N1 = jumlah subjek penelitian pada kelompok 1
N2 = jumlah subjek penelitian pada kelompok 2
F = frekuensi

5. Uji perbedaan dengan menggunakan rumus uji t independen

X 1 − X 2
Uji t ind =
Jk1 + Jk2 1 1
√[ ][ + ]
(N1 + N2) − 2 N1 N2

6. Menentukan taraf nyata dan Db / Df

Taraf nyata (α) = 5% atau 1 %, misalnya 5 % = 0,05
Db / df = (N1 + N2) – 2
7. Bandingkan hasil t hitung dengan t tabel
(dengan terlebih dahulu menentukan two tail/one tail)
Bila:

27
 T hitung > t tabel maka signifikan; Ha diterima Ho ditolak
T hitung < t tabel maka non signifikan; Ha ditolak, Ho diterima
8. Berikan kesimpulan

Contoh soal 1:

1. Misalnya Anda ingin meneliti apakah siswa usia 8 sampai 10 tahun yang diajarkan
menghitung dengan sistem sempoa lebih memiliki kecepatan menghitung matematis
dibandingkan dengan siswa usia 8 sampai 10 tahun yang tidak diajarkan menghitung
dengan sistem sempoa. Nah, setelah pengumpulan data dilakukan didapat hasil sebagai
berikut
No 1 2 3 4 5 6
X1 10 6 8 4 9 7
X2 7 3 2 4 1 2
a. Rumuskan hipotesis
b. Ujilah dengan taraf nyata 5%
c. Berikan kesimpulan berdasarkan hasil analisis tersebut

Penyelesaian :

1. Hipotesis :
H0 : Siswa usia 8 sampai 10 tahun yang tidak diajarkan menghitung sistem sempoa tidak
lebih cepat menghitung matematis
Ha : Siswa usia 8 sampai 10 tahun yang diajarkan menghitung sistem sempoa lebih memiliki
kecepatan menghitung matematis
2. Hipotesis statistik

H0 : µ1 ≤ µ2

H1 : µ1 > µ2

3. Tabel distribusi frekuensi

X1 X2 X12 X22
10 7 100 49
6 3 36 9

28
 8 2 64 4
4 4 16 16
9 1 81 1
7 2 49 4
∑X1 = 44 ∑X2 = 19 ∑X12 = 346 ∑X22 = 83

4. Menghitung jumlah rata-rata dan jumlah kuadrat

∑𝑋1 44
X 1 = = = 7,33
𝑁 6
(∑X)2 442
Jk1 = ∑X 2 − = 346 − = 23,3333
N 6
∑𝑋2 19
X 2 = = = 3, 167
𝑁 6
(∑X)2 192
Jk 2 = ∑X 2 − = 38 − = 23,8333
N 6
5. Jika sudah menemukan hasil rerata dan jumlah kwadrat, langkah selanjutnya adalah
menghitung nilai uji t ind
̅̅̅1 − 𝑋
𝑋 ̅̅̅2
𝑈𝑗𝑖 𝑡 𝑖𝑛𝑑 =
𝐽𝑘1 + 𝐽𝑘2 1 1
√[ ] [ + ]
(𝑁1 + 𝑁2 ) − 2 𝑁1 𝑁2
7,333 − 3,167
=
23,333 + 23,833 1 1
√[ ] [6 + 6 ]
(6 + 6) − 2
4,166
=
47,166
√[ ] [0,33]
10

4,166
=
√[4,7166] [0,33]
4,166
=
√1,556
4,166
=
1,247
= 3,339
6. Menentukan taraf nyata dan Db / Df

29
 Taraf nyata (α) = 5% = 0,05
Db / df = (N1 + N2) – 2 = (6 + 6) – 2 = 10
Maka ttabel = 1,833
7. Jadi t hitung = 3,358 ; ttabel = 1,833
t hitung > t tabel, H0 ditolak Ha diterima => Signifikan
8. Kesimpulan.
Terdapat perbedaan kecepatan berhitung matematis siswa usia 8 sampai 10 tahun yang
diajarkan menghitung dengan sistem sempoa dangan yang tidak diajarkan menghitung
dengan sistem sempoa, yaitu Siswa usia 8 sampai 10 tahun yang diajarkan menghitung
sistem sempoa lebih memiliki kecepatan menghitung matematis

Contoh soal 2 :

2. Menjelang tahun ajaran baru ook buku Saputra menjual berbagai macam merk buku tulis.
Dari berbagai merk yang ada, ada 2 merk yang sangat laris, yaitu merk Cerdas dan Ganteng.
Pemilik toko ingin menguji apakah antara kedua merk tersebut sama larisnya atau salah satu
lebih laris dari yang lain. Dari catatan penjualan yang ada selama sebulan diperoleh data
jumlah buku yang terjual sebagai berikut :

Hari ke Merk Cerdas ( X1) Merk Cantik ( X2)

1 255 250

2 240 248

3 238 240

4 225 215

5 195 200

6 200 205

7 203 198

8 208 190

30
 9 214 199

10 216 225

Penyelesaian :

1. Hipotesis :
H0 : Kedua merk sama laris
Ha : Kedua merk tidak sama laris
2. Hipotesis statistik

H0 : µ1 = µ2

H1 : µ1 ≠ µ2

3. Tabel distribusi frekuensi

Hari ke Merk Cerdas ( X1) Merk Cantik ( X2) X12 X22

1 255 250 65025 62500

2 240 248 57600 61504

3 238 240 56644 57600

4 225 215 50625 46225

5 195 200 38025 40000

6 200 205 40000 42025

7 203 198 41209 39204

8 208 190 43264 36100

9 214 199 45796 39601

10 216 225 46656 50625

31
 ∑ 2194 2170 484844 475384

4. Menghitung jumlah rata-rata dan jumlah kuadrat

∑𝑋1 2194
X 1 = = = 219.4
𝑁 10
(∑X)2 21942
Jk1 = ∑X 2 − = 484844 − = 3480,4
N 10

∑𝑋2 2170
X 2 = = = 217
𝑁 10
(∑X)2
2
21702
Jk 2 = ∑X − = 475384 − = 4494
N 10

5. Jika sudah menemukan hasil rerata dan jumlah kwadrat, langkah selanjutnya adalah
menghitung nilai uji t ind

X 1 − X 2
Uji t ind =
Jk1 + Jk2 1 1
√[ ] [N1 + N2]
(N1 + N2) − 2
219,4 − 217
=
3480,4 + 4494 1 1
√[ ][ + ]
(10 + 10) − 2 10 10
= 0,25
6. Menentukan taraf nyata dan Db / Df
Taraf nyata (α) = 5% = 0,05
Db / df = (N1 + N2) – 2 = (10 + 10) – 2 = 18
Maka ttabel = 2,101
7. Jadi t hitung = 0,25 ; ttabel = 2,101
T hitung < t tabel maka non signifikan; Ha ditolak, Ho diterima
8. Kesimpulan.
Penjualan kedua merk tersebut sama larisnya

32
 Daftar Pustaka

Herrhyanto, Nar., Hamid, Akib. 2009. Statistik Dasar. Jakarta: Universitas Terbuka.

Subana. 2000. Statistik Pendidikan. Bandung: CV Pustaka Setia.

Prodi Pendidikan Matematika FKIP Palembang. 2012. Metode Statistik. Palembang: FKIP
Universitas PGRI Palembang.

http://clickyhun.blogspot.co.id/2013/08/tabel-statistik-product-momen.html diakses pada tanggal

24 Oktober 2015.

http://www.statistikian.com/2013/01/uji-normalitas.html diakses pada tanggal 24 Oktober 2015.

http://www.statistikian.com/2013/01/uji-homogenitas.html diakses pada tanggal 24 Oktober 2015.

http://www.statistikian.com/2014/07/independen-t-test-dengan-minitab.html diakses pada tanggal

24 Oktober 2015.

33