BAB I

PENDAHULUAN

1.1 Latar Belakang

Statistika sangat bermanfaat dalam kehidupan manusia, tidak hanya di bidang ilmu
pengetahuan tapi penerapannya juga sangat aplikatif di dunia sehari-hari dan statistik
memegang peranan yang penting dalam penelitian, baik dalam penyusunan model, perumusan
hipotesa, dalam pengembangan alat dan instrumen pengumpulan data, dalam penyusunan
desain penelitian, dalam penentuan sampel dan dalam analisa data. Dalam banyak hal,
pengolahan dan analisa data tidak luput dari penerapan teknik dan metode statistik tertentu,
yang mana kehadirannya dapat memberikan dasar bertolak dalam menjelaskan hubungan-
hubungan yang terjadi. Statistik dapat digunakan sebagai alat untuk mengetahui apakah
hubungan kausalitas antara dua atau lebih variabel benar-benar terkait secara benar dalam
suatu kausalitas empiris ataukah hubungan tersebut hanya bersifat random atau kebetulan saja.
Statistik dapat menolong peneliti untuk menyimpulkan apakah suatu perbedaan yang
diperoleh benar-benar berbeda secara signifikan. Apakah kesimpulan yang diambil cukup
refresentatif untuk memberikan infrensi terhadap populasi tertentu. Banyak sekali penelitian
yang dilakukan oleh berbagai kalangan akademisi. Banyaknya penelitian menunjukkan bahwa
semakin banyaknya minat kepada penelitian itu sendiri. Kebutuhan penelitian pun menjadi
sesuatu yang harus demi kemajuan ilmu pengetahuan.
Dalam melakukan proses penelitian, para peneliti memerlukan banyak hal agar
penelitiannya dapat diyakini hasilnya. Untuk menguji kebenaran suatu hipotesis yang ada di
dalam penelitian itu, berbagai uji dilakukan. Uji T atau T test adalah salah satu tes statistik
yang dipergunakan untuk menguji kebenaran atau kepalsuan hipotesis nihil yang menyatakan
bahwa di antara dua buah mean sampel yang diambil secara random dari populasi yang sama,
tidak terdapat perbedaan signifikan. Statistik inferensia merupakan penunjang utama dalam
pengambilan keputusan dan pengolahan data, sehingga nantinya keputusan yang diambil dapat
menyelesaikan permasalahan yang ditemui.

1
1.2 Rumusan Masalah
1.2.1 Bagaimanakah pengertian uji t ?
1.2.2 Bagaimankah uji hipotesis untuk rata-rata satu populasi dengan standar ?
1.2.3 Bagaimanakah uji hipotesa untuk rata-rata dua kelompok populasi ?

1.3 Tujuan Penulisan

1.3.1 Untuk mengetahui pengertian uji t
1.3.2 Untuk mengetahui uji hipotesis untuk rata-rata satu populasi dengan standar
1.3.3 Untuk mengetahui uji hipotesa untuk rata-rata dua kelompok populasi

2
 BAB II

PEMBAHASAN

2.1 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.

3
 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
a. Uji 1-pihak memiliki hipotesis:
H0 : µ = 140
H1 : µ > 140
Hal ini berarti, rata-rata IQ mahasiswa univ.X lebih besar dari 140
b. Uji 2-pihak memiliki hipotesis:
H0 : µ = 140
H1 : µ ≠ 140

4
 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 table

2.2 Uji Hipotesis Untuk Rata-rata Satu Populasi dengan Standar

Uji Hipotesis

Proporsi Mean

Satu Populasi Dua Populasi Tiga Populasi

σ Diketahui σ Tidak Diketahui

n ≥ 30 n < 30

Ẋ− µ Ẋ− µ
Ẋ− µ 𝑍= 𝑡=
𝑍= 𝑠/√𝑛 𝜎/√𝑛
𝜎/√𝑛

5
Beberapa karakteristik dan symbol yang dipakai dalam statistik, yaitu :

Karakteristik Simbol Parameter Simbol Statistika

Mean µ X
σ
Standar Deviasi S
Variance σ2 S2
ρ
r
Correlation л p
Proportion

Contoh :

Penelitian pada 25 orang berumur 20 – 39 tahun, didapatkan data tekanan darah sistolik
sebagai berikut :

No. Sistole No. Sistole No. Sistole

1 110 11 115 21 115
2 115 12 120 22 117
3 120 13 130 23 120
4 120 14 125 24 125
5 125 15 135 25 120
6 115 16 120 26 115
7 120 17 125 27 120
8 125 18 120 28 125
9 130 19 130 29 140
10 125 20 120 30 120

Apakah rata-rata sistolik sampel yang diteliti, lebih tinggi dari rata-rata systole orang
dewasa sehat (120 mmHg) pada tingkat signifikansi (α) 5% ?

6
Jawaban :

Diketahui : Mean populasi (µ) = 120 mmHg, Mean sampel (X) = 122,1 mmHg, Standar
deviation (s)= 6,45, Jumlah sampel (n) = 30

Langkah-langkah penyelesaian :

1. Hipotesis statistiknya
H0: µ = 120
Ha: µ > 120
2. Tingkat kepercayaan 95% atau α = 5 %
3. Rumus uji statistik

Ẋ− µ
𝑍=
𝑠/√𝑛

4. Batas penerimaan H0 pada α = 5 % (uji satu arah) adalah 1.645

1.645
5. Perhitungan

Ẋ− µ
𝑍=
𝑠/√𝑛

122,1 − 120
𝑍=
6,45/√30

= 1,78

6. Kesimpulan: Nilai Uji statistic berada di luar daerah penerimaan H0, jadi H0 ditolak.
Interpretasi: Rata-rata sistolik pada sampel lebih tinggi dari rata-rata tekanan sistolik
populasinya (120 mmHg).

7
Catatan: Uji rata-rata kelompok sampel dengan nilai standar dapat dilakukan dengan bantuan
program SPSS. Langkah-langkah analisis :

a. Analyze
b. Compare Mean
c. One Sample T-Test
d. Masukkan kode variable ke dalam kotak Test Variable (s)
e. Masukkan nilai standar yang dipakai sebagai pembanding pada kotak Test Value,
f. OK

Contoh diatas jika dianalisis dengan program SPSS, akan diperoleh keluaran, sebagai berikut:

One -Sample Test

Test Value = 120

t df Sig. (2- Mean 95 % Confidence Interval
tailed) Difference of the Difference
Lower Upper Lower Upper Lower Upper
Sistolik 1.755 29 090 2.06667 -.3412 4.4745

Hasil analisis dengan program SPSS diperoleh nilai t – 1,755. Nilai table (t0,05;29 = 2,45.
Simpulan : nilai uji statistic berada di luar daerah penerimaan H0, jadi H0 ditolak. Interpretasi
: Rata -rata siatolik pada sampel lebih tinggi dari rata-rata tekanan sistolik populasinya (120
mmHg).

Untuk jumlah sampel yang besar (> 30), program SPSS tidak menyediakan fasilitas
uji Z. untuk itu uji z tetap dilakukan dengan uji t, tetapi interpretasi hasil uji dipandang
sebagai hasil uji Z.

8
2.3 Uji Hipotesa untuk Rata-rata Dua Kelompok Populasi

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 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

9
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.

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

10
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
- 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
11
 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 X X P-value Pi Oi Ei = Pi x ∑Oi (Oi – Ei)2 Oi  Ei 2

Z i Ei
Kelas SD

Jumlah

Keterangan :

X2 = Nilai Chi-Square

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

12
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 :
Oi X i
Rata – rata =
Oi

Standar Deviasi =

Oi X i  X 2

Oi

13
 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
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

14
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

15
 3. Rumus Statistik penguji

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
X 2
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.

16
 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
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. 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

17
Rumus S(x):
banyaknya angka sampai angka ke ni
S(x) = banyaknya seluruh angka pada data

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
̅
X = 𝑛 = 18 = 58,44

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

18
 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
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) (Xi − ̅
X )2
35 -41,2 1697,44

19
 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
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

20
 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.

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.

21
3. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan:

a. Untuk varians dari kelompok dengan variance terbesar adalah df pembilang n-1
b. Untuk varians dari kelompok dengan variance terkecil adalah df penyebut n-1
c. Jika F hitung < F tabel, berarti homogen
d. 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

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 ?

22
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

√𝑛.∑ 𝑋 2 −(∑ 𝑋)²

𝑆𝐷𝑥 2 = 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

23
3. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan:

a. Untuk varians dari kelompok dengan variance terbesar adalah df pembilang n-1, 10 – 1 = 9
b. Untuk varians dari kelompok dengan variance terkecil adalah df penyebut n-1, 10 – 1 = 9
c. Kita tentukan α = 5 % = 0.05
d. 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

Ho : µ1 = µ 2

Ha : µ 1 ≠ µ 2

2. Cari Fhitung :

Varians Terbesar
Fhitung = Varians Terkecil

37.2
= 24,7

= 1.506

24
 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 ) )

2.3.1 Dependent T Test ( Paired T Test )

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

25
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 : µ1 ≠ 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 )

∑𝐷2 − [(∑𝐷)2 ]/𝑛𝑝

𝑆𝐷 = √
𝑛𝑝 − 1

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

26
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

9. Berikan kesimpulan dalam bentuk kalimat.

27
Contoh 1 :
Peneliti ingin mengetahui perbedaan berat badan ibu-ibu sebelum dan sesudah mengikuti senam
selama 2 bulan, dengan data hasil penelitian berikut.
No Berat Badan Sebelum Berat Badan Sesudah
1 76 70
2 80 75
3 95 90
4 75 70
5 80 76
6 85 80
7 86 80
8 90 85
9 87 80
10 90 85

Caranya :
a. Buka program SPSS
b. Klik variabel view pada SPSS, kemudian pada kolom name ketik variabel yang akan
dilakukan pengujian, misalnya berat badan sebelum, dan berat badan sesudah. Kemudian
klik view data, lalu masukan nilai dari variabel yang akan dilakukan pengujian.
c. Klik Analyze-Compare Means-Paired Samples T Test
d. Klik Paired Samples T Test, kemudian pindahkan variabel yang akan diukur.

28
e. Klik option dan isi confidence interval 95%

f. Klik OK, maka hasilnya sebagai berikut :

Paired Samples Statistics
Mean N Std. Std. Error Mean
Deviation
Pair 1 BB sebelum 84.40 10 6.518 2.061
BB sesudah 79.10 10 6.523 2.063

Paired Samples Correlations

N Correlation Sig.
Pair 1 BB sebelum & BB sesudah 10 6.518 2.061

Paired Samples Test

Paired Differences t df Sig.
Mean Std. Std. 95% Confidence (2-
Devi Error Interval of the taile
ation Mean Difference d)
Lower Upper
Pair 1 BB 5.300 .823 .260 4.711 5.889 20.358 9 .000
sebelum-BB
sesudah

29
 Hasilnya untuk uji t-sampel berpasangan adalah p=0.000 < α = 0.05, maka ada perbedaan
berat badan sebelum dan sesudah latihan senam selaman dua bulan pada ibu-ibu.
Contoh 2 :

Sebuah penelitian tentang pengaruh jus mengkudu terhadap penurunan tekanan darah pada
pasien hipertensi. pengukuran tekanan darah dilakukan sebelum pemberian dan setelah pemberian
jus mengkudu. data tekanan darah sebelum dan setelah pemberian jus mengkudu , sebagai berikut:

n Tekanan Darah d2
sebelum setelah beda (d)
1 140 135 5 25
2 160 150 10 100
3 155 155 0 0
4 165 160 5 25
5 150 140 10 100
6 145 150 -5 25
7 140 145 -5 25
8 155 150 5 25
9 160 140 20 400
10 155 160 -5 25
11 145 150 -5 25
12 150 150 0 0
13 170 155 15 225
14 165 150 15 225
15 155 140 15 225
16 150 150 0 0
17 155 150 5 25
18 165 160 5 25
19 155 140 15 225
20 160 140 20 400
jumlah 154,75 148,5 125 2125

30
Jawaban :

1. Hipotesis statistiknya
H0: d = 0
Ha: d ≠0
2. Tingkat kepercayaan 95% atau α= 5%
3. Rumus uji statistic
Uji beda rata-rata dua kelompok populasi digunakan untuk menguji perbedaab rerata pada
design pre-post tes design. Uji dilakukan dengan uji t, rumus , sebagai berikut :
d = rata-rata beda, ∑X2d = jumlah kuadrat beda

ḋ
𝑡=
∑𝑋2
√ 𝑑
𝑁 (𝑁 − 1)

4. Batas penerimaan H0 pada α = 5% ( uji dua arah pada table t dengan DF(n-1) adalah ±
2,093

-2.093 2.093

5. Perhitungan
ḋ
𝑡=
∑𝑋2
√ 𝑑
𝑁 (𝑁 − 1)

125/20
𝑡=
2125
√
20(20 − 1)

t = 6,25/2,36 = 2,65

31
 a. Kesimpulan: hasil perhitungan statistic berada diluar daerah penerimaan H0 , jadi H0
ditolak.Interpretasi : terdapat pengaruh jus mengkudu terhadap penurunan tekanan darrah
pada pasien hipertensi.

Catatan : uji rata-rata dua kelompok sampel berpasangan dengan jumlah sampel tidak lebih dari
30 dapat dilakukan dengan uji t pada program SPSS.

Langkah-langkah analisis :

Entry data : data dimasukan kedalam dua kolom yaitu : kolom pertama untuk data pra (awal) dan
kolom kedua untuk data setelah perlakuan.

Analyze , compare mean , paired sampleT-Test, masukan variable yang akan diuji pada kotak
paired variable (s) dengan cara klik variable pra tekan CTRL klik variable post klik tanda OK.
Contoh diatas jika dianalisi dengan program SPSS, akan diperoleh keluaran sebagai berikut :

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 Sebelum diberikan jus 154.750 20 8.34692 1.86643
Setelah diberikan jus 148.500 20 7.45160 1.66623

Paired Samples Correlations

N Correlations Sig.
Pair 1 Sebelum diberikan jus 20 8.34692 1.86643
Setelah diberikan jus 20 7.45160 1.66623

32
 Paired Samples Test

Paired Differences

Mean Std. Std. 95% Confidence

Deviation Error Interval of the
Mean Difference
t df Sig. (2-
Lower Upper
tailed)
Pair 1
Sebelum
diberikan jus
– setelah 6.25 8.41 1.880 2.31 10.18 3.32 19 .004
diberikan jus

Hasil perhitungan statistik (t = 3,32) berada diluar daerah penerimaan H0 atau α (0,05) >
0.004, jadi H0 ditolak. Interpretasi : terdapat pengaruh jus mengkudu terhadap penurunan tekanan
darah pada pasien hipertensi.

2.3.2 Independent T Test

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 :

33
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

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

34
 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:
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 1 :
Peneliti ingin mengetahui pengaruh pemberian Fe terhadap kadar haemoglobin (Hb) pada pekerja
di suatu pabrik, dimana ada 2 kelompok sebanyak 10 orang yang diberikan Fe dan 10 orang tidak,
dnegan hasil penelitian sebagai berikut :

No Kelompok 1 (diberi Fe) Kelompok 2 (tidak diberi Fe)

1 13.0 10.5
2 13.5 10.6
3 13.0 11.0
4 14.0 10.5
5 15.0 11.0
6 13.0 11.0
7 13.5 12.1
8 13.6 11.1
9 13.8 11.4
10 14.0 12.0

35
Caranya :
a. Buka program SPSS
b. Klik variabel view pada SPSS, kemudian pada kolom name ketik variabel yang akan
dilakukan pengujian, misalnya kadar Hb dan kelompok, kemudian klik view data, lalu
masukan nilai dari variabel yang akan dilakukan pengujian.
c. Klik Analyze-Compare Means-Independent-Samples T Test
d. Klik Independent-Samples T Test, kemudian pindahkan variabel yang akan diuji ke test
variabel, dan kelompok pada grouping variabel, kemudian klik define group dan ketik 1
dan 2 kemudian klik continue.
e. Klik OK, maka hasilnya sebagai berikut :

Group Statistics
Kadar Hb Kelompok N Mean Std. Std. Error
Deviation Mean
1 10 13.640 .6150 .1945
2 10 11.120 .5673 .1794

Independent Samples Test

Levene’s
Test for
Equality of t-test for Equality of Means
Variances
F Sig. t df Sig Mean Std. 95% Confidence
(2- Difference Error Interval of the
taile Differen Difference
d) ce Lower Upper
Kadar Equal .015 .905 9.525 18 .000 2.5200 .2646 1.9641 3.0759
Hb variances
assumed
Equal 9.525 17.884 .000 2.5200 .2646 1.9639 3.0761
variances
of
assumed

36
Hasilnya uji homogenitas varians p = 0.905 > α = 0.05, maka varians homogen, maka untuk uji t-
2 sampel bebas lihat baris pertama adalah p = 0.000 > α = 0.05, maka ada pengaruh pemberian Fe
terhadap kadar hemoglobin (Hb) pada pekerja di suatu pabrik, demikian sebaliknya apabila varians
heterogen maka nilai signifikasi lihat baris kedua.

Contoh 2 :

Kompres Hangat Kompres Dingin

No Waktu No Waktu
1 60 1 55
2 55 2 60
3 65 3 65
4 50 4 75
5 60 5 80
6 55 6 75
7 45 7 65
8 70 8 70
9 60 9 75
10 55 10 60
11 75 11 55
12 40 12 55
13 45 13 50
14 50 14 65
15 60 15 70
16 55 16 75
17 70 17 70
18 65 18 65
19 60 19 50
20 55 20 55
21 60 21 60
22 50 22 60

37
 23 55 23 55
24 70 24 50
25 50 25 70
Jumlah 1435 1585
Rata-rata 57,4 63,4
Sd 8.67468 8.98146

Apakah rata-rata waktu yang dibutuhkan kedua Teknik tersebut berbeda pada tingkat kepercayaan
95% ?

Jawaban :

Dari data tersebut didapatkan :

X1 = 57,4 X2 =63,4 S1=8,67 S2=8,98 n1=25 n2=25 α=5%

Langkah penyelesaian:
1. Hipotesis statisitknya
H0: μ1 = μ2
Ha: μ1 = μ2
2. Tingkat keprecayaan 95% atau α=5%
3. Rumus uji statistik

𝑋 1 −𝑋 2 ( 𝑛1 − 1) 𝑆12 + ( 𝑛21 − 1) 𝑆21

𝑡= 1 1
sp= √ ( 𝑛1 + 𝑛2 )
𝑠𝑝√n + 𝑛
1 2

4. Batas penerimaan H0 pada α = 5% (uji dua arah pada label t dengan DF (n1+n2) - 2
Adalah ±2,00

- 2,00 2,00

38
 5. Perhitungan

(25−1)8,672 +(25−1)8,982
sp= √ (25+25)− 2
= 8,83 X1 = 57,4

X2 =63,4

57,4 − 63,4
𝑡=
1 1
8,83√ +
25 25

−6
𝑡= = - 2,4
2,5

6. Kesimpulan: hasil perhitungan statistic berada di luar daerah peneriamaan H0, jadi H0
ditolak. Interpretasi: terdapt perbedaan antara rata-rata waktu yang dibutuhkan untuk
menurunkan suhu tubuh dengan kompres hangat dan kompres dingin.

Catatan: Uji rata-rata du kelompok sampel dengan jumlah masing-masnig tidak lebih dari 30
dapat dilakukan dengan uji t pada program SPSS.
Langkah analisis:
Entry data: klik Variable View (Baris pertama diisi seprti memasukkan data numeric, baris
kedua diisi data string tetapi khusus pada kolom value diisi data kode dengan cara :
klik bagian yang berwarna gelap sehingga meuncul value Labels. Kotak value diisi
dengan angka sesuai dengan kode kompres panas (misalnya 1) kemudian pada value
label diisi dengan “Kompres Panas” selanjutnya klik Add.
Klik Data View, kemudian masukkan seluruh data pada kolompertama, kolom kedua
diisi dengan kode kompres panas datau dingin sesuai dengan data pada kolom 1.
Analyze, Compare Mean, Independent Sample T – Test, masukan kode variable kolom pertama
ke dalam kotak Test Variable (s), masuksn kode variable kolom kedua pada kotak
grouping variable, klik define groups, masukan kode kompres panas pada kotak
pertama (atas) dan kode kompres dingin pada kotak kedua (bawah), Continue,

39
 OK. Contoh di atas jika dianalisi dengan program SPSS, akan diperoleh keluaran,
sebagai berikut:

Group Statistics

Kompres N Mean Std. Std.

Deviation Error Mean
Kompres Kompres 25 57.4000 8.67468 1.73494
panas
Kompres 25 63.4000 8.98146 1.79629
dingin

Independent Sample Test

Levene’s Test
for Equality of
Variances
T – Test for Equality of Means
F Sig. Sig. (2 Mean Std. 5% Confidence
– Differe Error Interval og the
tailed) nce Differ Difference
ent
t df
Low Upper lower upper Lower Upper Lower Upper Lower
Com Equal
pres variances 326 571 -2.40 48 020 -6000 2.497 11.02 -
assumed 33 .9787
Equal
variance -2.40 47.9 0.20 -6000 2.497 -11.00 -
not .9786
assumed 2

40
Hasil perhitungan statistic (t = -2.40) berada di luardaerah penerimaan H0 atau α (0.05) > 0,02 jadi
h0 ditolak. Interpretasi: terdapat perbedaan antara rata-rata waktu yang dibutuhkan untuk
menurunkan suhu tubuh dengan kompres hangat dan kompres dingin.
Untuk jumlah sampel yang besar (≥ 30), program SPSS tidak menyediakan fasilitas uji Z.
Untuk itu uji Z tetap dilakukan dengan uji t , tetapi interpretasi hasil uji diapandang sebagai hasil
uji Z.

41
 BAB III
PENUTUP

3.1 Simpulan
Uji T atau T test adalah salah satu tes statistic yang 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
signifikan.
Dengan uji T ini, kita dapat menguji rerata dua sampel bebas dan variasi
populasinya kedua-duanya diketahui, pengujian rerata dua sampel bebas dan kedua variasi
populasinya tidak diketahui, tetapi diasumsikan sama, dan pengujian dua sampel bebas dan
kedua variasi populasinya tidak diketahui.

3.2 Saran
Dengan pembuatan maalah ini, diharapkan mahasiswa mampu mengerti,
memahami dan mampu mengaplikasikannya dengan baik serta menerapkannya dalam
sebuah penelitian.

42
43