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.
Contoh kasus
Kita ingin menguji dua jenis pupuk nitrogen terhadap hasil padi
1. Hipotesis
Ho : 1 = 2
HA : 1 ≠ 2
Tabel 1. Data hasil penelitian dua jenis pupuk nitrogen terhadap hasil padi (t/h)
Pupuk A Pupuk B
Plot
Y1 Y2
7 8
1
2 6
6
5 7
3
4 6
8
5 6
5
6 4
6
4 7
7
8 6
7
6 8
9
10 7
7
6
11 6
12 5
7
Hitunglah
1= 5.58
S1 = 0.996
2 = 6.92
S2 = 0.793
=( 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 α = 0.025 pada Tabel 2. Nilai α ini berasal dari α 0.05 dibagi 2,
karena hipotesis HA kita 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.
Tabel 2. Nilai t
df α
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
November 4, 2010
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 : 1 = 2
HA : 1 ≠ 2
2. Data hasil penelitian dari penggunaan metode pembelajaran baru adalah sebagaimana tertera
pada Tabel 1.
60
2 65
50
3 70
65
4 80
55 60
5
40 60
6
45 70
7
65 70
8
60
9 65
10 70
75
11 60
65
12 50
75
13 30
65
14 45
70
15 40
70
y1 y2 D D2
n
1 70 75
25
5
60 65
2
5 25
3 50 70
400
20
65 80
4
15 225
5 55 60
25
5
40 60
6
20 400
7 45 70
625
25
65 70
8
5 25
9 60 65 5
25
70 75
10
5 25
11 60 65
25
5
50 75
12
25 625
13 30 65
1225
35
45 70
14
25 625
15 40 70
900
30
Jumlah 5200
805 1035 230
Y 53.67 69
Hitunglah
Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah sebagai
berikut. Pertama kita lihat kolom α = 0.025 pada Tabel 3. Nilai α ini berasal dari α 0.05 dibagi 2,
karena hipotesis HA kita 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 table = 2.145.
Tabel 3. Nilai t
df α
5. Kesimpulan
Karena nila |thit|= 5.431 (tanda minus diabaikan) dan nilai t table=2.145, maka kita tolak H0, alias
kita terima HA. Dengan demikian,
1≠ 2, yaitu nilai pre-test tidak sama dengan nilai post-test. Lebih lanjut, kita lihat bahwa rata-
rata 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.
https://hatta2stat.wordpress.com/category/uji-t-2/