Bab I, Ii, Iii
Bab I, Ii, Iii
PENDAHULUAN
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 ?
2
BAB II
PEMBAHASAN
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
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
Uji Hipotesis
Proporsi Mean
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 :
Contoh :
Penelitian pada 25 orang berumur 20 – 39 tahun, didapatkan data tekanan darah sistolik
sebagai berikut :
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
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:
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
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
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.
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
Jumlah
Keterangan :
X2 = Nilai Chi-Square
SD = Standar deviasi
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 :
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
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
k Oi Ei 2
X 2
i 1 Ei
7 3,862 10 10,12 16 18,942 23 7,592 21 21,352 17 12,982 6 5,382
3,86 10,1 18,94 24,23 21,35 12,98 5,38
3.142 0.12
2,942
15,412 0,352 4,022 0,622
3,86 10,1 18,94 7,59 21,35 12,98 5,38
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
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
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.
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
22
Penyelesaian :
1. Mencari Varians/Standar deviasi Variabel X danY
X Y X² Y² XY
√10×59077−743²
= = √430,23 = 20,74
10(10−1)
√10×47826−688²
= = √54,62 = 7,39
10(10−1)
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
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
4. Kriteria :
Jika F hitung < F tabel, berarti homogen
Maka,
Pengujian Fhitung < Ftabel, 1.506 < 3.07 Maka H0 Diterima. Sehingga H0 Diterima ( Homogen )
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 :
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
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
X −Y
𝑢𝑗𝑖 𝑡 =
𝑆𝐸
Keterangan :
X 1 = mean kelompok 1
X 2 = mean kelompok 2
SD = kesalahan baku distribusi sampling perbedaan
Db / df = N - 1
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%
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 :
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
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.
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
Keterangan :
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 :
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
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 :
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 :
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
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