BAB I

PENDAHULUAN

Hipotesis bertitik tolak pada eksistensi hubungan antar variabel dimana

terdapat dugaan atau kesimpulan sementara yang perlu dibuktikan kebenarannya.
Hipotesis seperti yang kita ketahui yakni dugaan yang mungkin benar, atau
mungkin juga salah. Dia akan ditolak jika salah atau palsu, dan akan diterima jika
faktor-faktor membenarkannya. Penolakan dan penerimaan hipotesis, dengan
begitu sangat tergantung kepada hasil-hasil penyelidikan terhadap faktor-faktor
yang dikumpulkan. Hipotesis dapat juga dipandang sebagai konklusi yang
sifatnya sangat sementara. Sebagai konklusi sudah tentu hipotesis tidak dibuat
dengan semena-mena, melainkan atas dasar pengetahuan-pengetahuan tertentu.
Pengetahuan ini sebagian dapat diambil dari hasil-hasil serta problematika-
problematika yang timbul dari penyelidikan-penyelidikan yang mendahului, dari
renungan-renungan atas dasar pertimbangan yang masuk akal, ataupun dari hasil-
hasil penyelidikan yang dilakukan sendiri. Secara prosedural hipotesis penelitian
diajukan setelah peneliti melakukan kajian pustaka, karena hipotesis penelitian
adalah rangkuman dari kesimpulan-kesimpulan teoritis yang diperoleh dari kajian
pustaka.

Pengujian hipotesis penelitian secara perhitungan statistik memerlukan

perubahan rumusan hipotesis ke dalam rumusan hipotesis statistik yang mana
memasangkan hipotesis alternatif (Ha) dan hipotesis nol (Ho) sehingga dapat
memutuskan dengan tegas menolak atau menerima salah satu dari kedua hipotesis
tersebut. Dalam makalah ini akan dibahas mengenai pengujian hipotesis
menggunakan uji t, uji z dan uji t’.

1
 BAB II
PEMBAHASAN

Statistika Parametrik: Uji Kesamaan Dua Rata-Rata

A. Pengertian Uji Z, Uji t, Uji t’

Apa itu uji Z. Uji Z adalah salah satu uji statistika yang pengujian
hipotesisnya didekati dengan distribusi normal. Menurut teori limit terpusat, data
dengan ukuran sampel yang besar akan berdistribusi normal. Oleh karena itu, uji
Z dapat digunakan utuk menguji data yang sampelnya berukuran besar. Jumlah
sampel 30 atau lebih dianggap sampel berukuran besar. Selain itu, uji Z ini
dipakai untuk menganalisis data yang varians populasinya diketahui. Namun, bila
varians populasi tidak diketahui, maka varians dari sampel dapat digunakan
sebagai penggantinya.
Apa itu Uji t (t-test) dan Uji t’. Uji t adalah salah satu tes yang
digunakan untuk menguji kebenaran atau penolakan hipotesis nol yang
menyatakan bahwa diantara dua buah Mean sampel yang diambil secara random
dari populasi yang sama, tidak terdapat perbedaan yang signifikan. Uji t’ adalah
uji hipotesis yang membandingkan dua kelompok sampel yang berdistribusi
normal dan variansi tidak homogen.
Perbedaan penerapan antara uji t dan uji z hanya terletak pada jumlah
sampel yang digunakan. Untuk uji z, sampel besar dari 30, sedangkan untuk uji t
samplenya kecil dari 30.
B. Macam-Macam Uji t
1. One Sample t-Test
One sample t-test merupakan teknik analisis untuk membandingkan satu
variabel bebas. Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda
secara signifikan atau tidak dengan rata-rata sebuah sampel. Pada uji hipotesis ini,
diambil satu sampel yang kemudian dianalisis apakah ada perbedaan rata-rata dari
sampel tersebut.
2. Paired-Samples t-Test
Paired-sample t-Test merupakan prosedur yang digunakan untuk
membandingkan rata-rata dua variabel dalam satu group. Artinya analisis ini
berguna untuk melakukan pengujian terhadap satu sampel yang mendapatkan
suatu treatment yang kemudian akan dibandingkan rata-rata dari sampel tersebut
antara sebelum dan sesudah treatment.
3. Independent-Samples T-Test
Independent sample t-Test adalah uji yang digunakan untuk menentukan
apakah dua sampel yang tidak berhubungan memiliki rata-rata yang berbeda. Jadi
tujuan metode statistik ini adalah membandingkan rata-rata dua grup yang tidak
berhubungan satu sama lain.

C. Persyaratan yang Perlu dipenuhi Masing-Masing Uji

1. Uji Z
a. Data berdistribusi normal
b. Variance (σ) diketahui

2
 c. Ukuran sampel (n) besar(n ≥30)
2.Uji t
a. Data berdistribusi normal
b. Variance (σ) tidak diketahui
c. Untuk uji t’ variansi data tidak homogen
d. Ukuran sampel (n) kecil(n <30)

Untuk lebih jelas, berikut disajikan perbedaan Uji Z, Uji t, dan Uji t’.

Tabel 1. Matrik Uji Z, Uji t, dan Uji t’

H0 Nilai Uji Statistik H1
1.   0 x  0   0
z
sampel besar  / n   0
n  30
diketahui dan dapat   0
diganti dengan s

2.   0 x  0   0
t
s / n   0
sampel kecil
n<30  tidak diketahui   0

3. 1  2  d 0 x1  x2  d 0 1  2  d0
z
(12 / n1 )  ( 22 / n2 )
sampel-sampel 1  2  d0
besar
n1  30 Jika 1 dan 2 tidak
2 2

1  2  d 0
n2  30 diketahui  gunakan
s1 dan s22
2

4. 1  2  d 0 x1  x2  d 0 1  2  d0
t
s (1 / n1 )  (1 / n2 )
sampel -
(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22
1  2  d0
sampel kecil 𝑆=√
𝑛1 + 𝑛2 − 2
n1 < 30
1 = 2 1  2  d 0
n2 < 30 tetapi tidak
diketahui
5. 1  2  d 0 x1  x2  d 0 1  2  d0
t' 
( s12 / n1 )  ( s 22 / n2 )
sampel - 𝑆12 𝑆22
2 1  2  d0
sampel kecil ( + )
𝑛1 𝑛2
𝑣= 2 2
n1 < 30 𝑆2
1 𝑆2
2
1  2  d 0
( ) ( )
𝑛1 𝑛2
+
n2 < 30 𝑛1 −1 𝑛2 −1

3
 1  2 dan tidak
diketahui
Sumber: modifikasi Walpole, 1995.

Keterangan:
1. Rata-rata dari Sampel Besar
2. Rata-rata dari Sampel Kecil
3. Beda 2 Rata-rata dari Sampel Besar
4. Beda 2 Rata-rata dari Sampel Kecil
5. Beda 2 Rata-rata dari Sampel Kecil (untuk data mempunyai variansi yang tidak
homogen)

Catatan: beberapa nilai z yang penting, z5%  z0.05 =1.645, z2.5%  z0.025 =1.96,
z1%  z0.01 = 2.33, z0.5%  z0.005 = 2.575

D. Penggunaan Uji Z, Uji t, dan Uji t’ dalam Beberapa Kasus

Secara umum, perhitungan uji hipotesis mengikuti langkah-langkah
sebagai berikut.
1. Menentukan harga H0 dan H1
2. Menentukan statistik uji ( z atau t)
3. Menentukan arah pengujian ( 1 atau 2 )

4. Taraf nyata pengujian (  atau )
2
5. Tentukan nilai titik kritis atau daerah penerimaan dan penolakan H0
6. Mencari nilai statistik hitung
7. Menentukan kesimpulan (terima atau tolak H0)
Beberapa contoh penerapan perhitungan uji hipotesis dalam beberapa
kasus.
1. Uji Hipotesis Rata-Rata Sampel Besar
Dari 200 responden rata-rata melakukan penarikan Rp.795ribu per bulan melalui
ATM, dengan simpangan baku = Rp. 255 ribu. Dengan taraf nyata 1%, ujilah:
a. apakah rata-rata menarik melalui ATM kurang dari Rp 800 per bulan?
b. apakah rata-rata nasabah menarik melalui ATM tidak sama dengan Rp800 per
bulan? (Uji 2 arah, /2 = 0,5%, statistik uji=z)
Jawab :
Diketahui: x = 795 s = 255 n=200
0 =800 =1%
a. H0 :  = 800
H1 :  < 800
statistik uji : z  karena sampel besar
arah pengujian : 1 arah
Taraf Nyata Pengujian:  = 1% = 0,01
Titik kritis : z < - z 0.01  z < - 2,33
Statistik hitung:

4
 x  0 795  800  5
z = = = -2,577
 / n 255 / 200 1,94
Kesimpulan: z hitung = -2,577 ada di daerah penolakan H0 . H0 ditolak,
rata-rata pengambilan uang di ATM tidaksama = $ 800

Daerah penolakan H0 =
luas daerah terarsir
ini =  = 1%
Daerah penerimaan H0

-2.33 0

2. Uji Hipotesis Rata-Rata Sampel Kecil

Seorang kepala dinas menguji 20 orang pegawaibaru dan mendapatkan bahwa
rata-rata penguasaan pekerjaan adalah 6 bulan dengan simpangan baku = 2 bulan.
Dengan taraf nyata 5% , ujilah:
a. Apakah rata-rata penguasaan pekerjaanlebih dari 5bulan?
b. Apakah rata-rata penguasaan kerja tidak sama dengan 5 bulan?
Jawab:
Diketahui : x = 6 s = 2 n = 20
0 = 5  = 5%
a. jika ( H1 : > 10; uji 1 arah, = 5%,statistik uji = t, db = n-1= 19).
b. H0 :  = 5
H1 : 5
statistik uji: t  karena sampel kecil
arah pengujian: 2 arah
Taraf Nyata Pengujian =  = 5% = 0,05/2 = 2,5% = 0,025
Titik kritis : db = n-1 = 20-1 = 19
Titik kritis  t   t ( db , ) dan t  t ( db; )
2 2

t < -t(19; 2.5%) t < -2,093dan t > t(19; 2.5%) t > 2,093
Statistik hitung:
x  0 22  20 2
t = = = 2,5
s / n 4 / 25 0.8
Kesimpulan : t hitung = 2,5 ada di daerah penolakan H0 . H0 ditolak, H1
diterima, rata-rata penguasaan pekerjaan kesekretarisan 5 bulan

5
Daerah penolakan H0 Daerah penolakan H0
= luas daerah terarsir =luas daerah terarsir ini
ini = /2 = 2,5% = /2 = 2,5%

Daerah penerimaan H0

-2,093 0 2,093

3. Uji Hipotesis Beda 2 Rata-Rata Sampel Besar

Berikut adalah data nilai kinerja pegawai yang mendapat pelatihan dengan yang
tidak mendapat pelatihan.

Statistik IKUT PELATIHAN TIDAK IKUT

PELATIHAN
rata-rata nilai x1 = 300 x2 = 302
Kinerja
Ragam s12 = 4 s22 = 4,5
ukuran sampel n1 = 40 n2 = 30
Dengantarafnyata 5% ujilah:
a. Apakah perbedaan rata-rata nilai kinerja 1  2 > 0?
b. Apakah ada perbedaan rata-rata kinerja 1  2  0?
Jawab :  = 5 % d0 = 0
a. H0 :    = 0
1 2

H1 :    > 0
1 2

statistik uji: z  karena sampel besar

arah pengujian: 1 arah
Taraf nyata pengujian =  = 5%
Titik kritis  z > z5%  z > 1,645
Statistik hitung:
x1  x2  d 0 300  302  0 2 2 2
z = =   =
( s / n1 )  ( s / n2 )
2
1
2
2
(4 / 40)  (4.5 / 30) .  015
01 . 0.25 0.5
4
Kesimpulan: z hitung = 4 ada di daerah penolakan H0 .
H0 ditolak, H1 diterima  beda rata-rata nilai kinerja > 0

4. Uji Hipotesis Beda 2 Rata-Rata Sampel Kecil

Berikut adalah data kualitas layanan yang diberikan oleh karyawan mol shift
malam dan siang.

Statistik SHIFT MALAM SHIFT SIANG

rata-rata kerusakan x1 = 20 x2 = 12
Ragam s12 = 3,9 s22 = 0,72

6
 ukuran sampel n1 = 13 n2 = 12
Dengan taraf nyata 1 % ujilah:
a. Apakah perbedaan rata-rata kulitas layanan 1  2 < 10?
b. Apakah ada perbedaan rata-rata kualitas layanan 1  2  10?
Jawab:  = 1 % d 0 = 10
a. jika ( H1 : 1  2 < 10; uji 1 arah, =1%, statistik uji = t,db = 13 + 12 - 2 =
23).
b. H0 : 1  2 = 10
H1 : 1  2  10
statistik uji : t  karena sampel kecil
arah pengujian : 2 arah
Taraf Nyata Pengujian =  = 1% = 0,01/2 = 0,5% = 0,005
Titik kritis : db = n1 + n2 - 2 = 13+ 12 - 2 = 23
Titik kritis  t   t ( db , ) dan t  t ( db; )
2 2

t < -t(23; 0.5%) t < -2,807 dant > t(23; 0.5%) t > 2,807
Statistik hitung:
x1  x2  d0 20 - 12  10 8  10 2 2
t =   
( s12 / n1 )  (s22 / n2 ) (3.9 / 13)  (0.72 / 12) 0.30  0.06 0.36 0.60
= -3,3
Kesimpulan: t hitung = -3,3 ada di daerah penolakan H0 .
H0 ditolak, H1 diterima, rata-rata kerusakan  10.

E. Penggunaan Uji Z, Uji t, dan Uji t’ dalam SPSS

1. One Sample T-Test

Adapun langkah-langkah yang ditempuh pada tahap ini dalam SPSS adalah
sebagai berikut.
a. Buka menu SPSS
b. Pada Data View, masukkan data yang akan di analisis
c. Klik menu Analyze > pilih sub menu Compare Means, kemudian klik One-
Sample T test
d. Pada One-Sample T test, pindahkan Variable Data yang telah diberi nama ke
kotak Test Variable dengan mengklik tanda panah
e. Pada kotak Test Value masukkan angka nilai yang akan diuji, SETELAH itu
klik OK
f. Pada jendela Output akan muncul hasil perhitungan, silahkan di interpretasikan
hasil tersebut.
Contoh kasus:
Berikut data Tinggi badan kelas 3 SMA yang telah direkap.
Berat_Siswa
165 160 165 155 165 160 170 170 160 173 171 160
150 168 177 160 152 141 166 180 156 169 167 170

7
 155 170 175 165

Ujilah, Apakah berat rata-rata kelas 3 SMA tersebuttidak sama dengan 160
cm?
Jawab:
a. Masukkan data tersebut pada SPSS.

b. Klik menu Analyze>Compare Means>One-Sample T test…

c. Masukkan variabel berat_siswa pada kotak Test variable.

8
d. Pada kotak Test value masukkan angka 160 (nilai yang akan diuji).Klik
OK untuk melakukan perhitungan.

e. Pada jendela output akan muncul hasil perhitungan

Output 1

One-Sample Statistics
N Mean Std. Deviation Std. Error Mean

tinggi_badan 28 164,1071 8,71924 1,64778

Output pertama memberikan informasi mengenai jumlah data yang diolah.

Kolom N menunjukkan banyaknya data yang diolah. Kolom Mean
menunjukkan rata – rata dari nilai data dan kolom Std Deviation
menunjukkan nilai standar deviasi.

9
 Output 2

One-Sample Test
Test Value = 160

T Df Sig. (2- Mean 95% Confidence Interval of

tailed) Difference the Difference

Lower Upper

tinggi_badan 2,493 27 ,019 4,10714 ,7262 7,4881

Pada output ke 2 ini memberikan nilai informasi untuk mengambil keputusan.

Sebelum mengambil keputusan, pertama-tama kita membuat perumusan hipotesis
sebagai berikut:
H0= Tinggibadan rata – rata kelas 3 SMA adalah 160cm
H1 = tinggibadan rata – rata kelas 3 SMA tidak sama dengan 160cm
H0 :  = 160
H1 : 160
Syarat H0 diterima atau tidak berdasarkan nilai probabilitas sebagai
berikut:
Apabila probabilitas > 0.05 maka H0 diterima
Apabila probabilitas < 0.05 maka H0 ditolak
Dari hasil di atas pada kolom Sig terlihat bahwa nilai probabilitas 0.019,
Maka H0 ditolak (0.019 < 0.05), terima H1.
Dengan demikian keputusan yang diambil adalah tinggi rata – rata kelas 3
SMA tidak sama dengan 160 cm.

2. Independent-Samples T-Test
Adapun langkah-langkah yang ditempuh pada tahap ini dalam SPSS adalah
sebagai berikut.
a. Buka menu SPSS
b. Pada Data View, masukkan data yang akan di analisis
c. Pada Variable View, ketiklah nama variabel di kolom label
d. Pada kolom Value, untuk VAR0002 klik none
e. Isi Value Labels dengan Value sebagai simbol 1, label nama simbol 1,
begitu juga seterusnya. Kemudian klik Add dan OK
f. Klik menu Analyze > pilih sub menu Compare Means, kemudian klik
Independent-Samples T test
g. Pada Independent-Samples T test, pindahkan Nama Label Data (1) yang
telah diberi nama ke kotak Test Variables dan Nama Label Data (2) ke
kotak Grouping Variable dengan mengklik tanda panah
h. Pada Define Group, Klik Specified Values, masukkan (1) pada group 1
dan (2) pada group 2. Kemudian klik Continue, SETELAH itu klik OK
i. Pada jendela Output akan muncul hasil perhitungan, silahkan di
interpretasikan hasil tersebut.
Contoh kasus:

10
Berikut diberikan data Kemampuan Pemahaman belajar Siswa pada dua kelas
(Kelas Eksperimen dan Kelas Kontrol).

Kontrol eksperimen
No. Kode Siswa
(x) (y)

1. S-01 40 61
2. S-02 90 48
3. S-03 10 90
4. S-04 30 54
5. S-05 50 75
6. S-06 60 89
7. S-07 40 80
8. S-08 50 80
9. S-09 90 70
10. S-10 70 50
11. S-11 40 80
12. S-12 76 50
13. S-13 67 56
14. S-14 89 93
15. S-15 60 45
16. S-16 40 55
17. S-17 20 48
18. S-18 70 67
19. S-19 78 92
20. S-20 82 57
Ujilah, apakah kemampuan pemahaman belajar siswa kelas eksperimen lebih
baik dari kemampuan pemahaman belajar siswa kelas kontrol?
Jawab:
a. Buka SPSS
b. Copy data tersebut ke dalam lembar kerja SPSS, letakkan dalam satu kolom
dan perlu diingat no urutnya 1-20 adalah “kelas eksperimen” dan 21-40
adalah “kelas kontrol”, kemudian pada kolom kedua isi dengan “1” untuk
kelas Ekontroldan “2” untuk kelas eksperimen

11
c. Buatlah nama variabel dengan cara Variabel View, kemudian pada kolom
Label beri nama “Kemampuan Pemahaman belajar” pada VAR000001 dan
“Kelas” pada VAR000002

12
d. Kemudian pada kolom value pada VAR000002 klik nonehingga muncul
kotak dialog seperti di bawah ini:

e. Isi kolom Value dengan “1”, Label dengan “kontrol” kemudian klik Add,
kemudian lanjutkan isi kolom Value dengan “2”, Label dengan
“experimen” kemudian klik Add dan klik OK.

13
f. Setelah diberi label kembalikan posisi pada Data View untuk melakukan
Uji-t dengan cara Pilih menu berikut: Analyze–> Compare Mean –>
Independet-Samples T Test –> OK

g. Masukkan “Kemampuan Pemahaman Matematis” ke kotak Test Variables

dan “Kelas” ke kotak Grouping Variable

h. Pilih Define Groupuntuk mendefinisikan grup yang telah kita buat. Pada
Group 1 masukkan “1” dan pada Group 2 masukkan “2”, kemudian klik
Continue.

14
 i. Kemudian klik Ok untuk melihat hasil perhitungannya.

j. Untuk hasil uji-t dapat dilihat pada tabel Independen Sample Test

Independent Samples Test

Levene's Test for t-test for Equality of Means
Equality of
Variances

F Sig. t df Sig. (2- Mean Std. Error 95% Confidence

tailed) Difference Differenc Interval of the
e Difference

Lower Upper

Equal
-
variances 2,782 ,104 -1,454 38 ,154 -9,40000 6,46586 3,68945
22,48945
assumed
Kema
Equal
mpuan
variances 34, -
-1,454 ,155 -9,40000 6,46586 3,73913
not 076 22,53913
assumed

Pada output diatas, ini memberikan nilai informasi untuk mengambil

keputusan. Sebelum mengambil keputusan, pertama-tama kita membuat
perumusan hipotesis sebagai berikut:
H0= rerata skor siswa kelas eksperimen tidak lebih baik dari kelas kontrol
H1 = rerata skor siswa kelas eksperimen lebih baik dari kelas kontrol

15
H0 : x = y
H1 : x>y
Syarat H0 diterima atau tidak berdasarkan nilai probabilitas sebagai
berikut:
Apabila probabilitas > 0.05 maka H0 diterima
Apabila probabilitas < 0.05 maka H0 ditolak
Dari hasil di atas pada kolom Sig (2.tailed) terlihat bahwa nilai
probabilitas 0.154, Maka H0 diterima (0.154> 0.05), tolak H1.
Dengan demikian keputusan yang diambil adalah tidak ada perbedaan
rata-rata antara dua sampel tersebut artiya kemampuan belajar siswa kelas
eksperimen tidak lebih baik dari kelas kontrol.

3. Paired-Samples T-Test
Adapun langkah-langkah yang ditempuh pada tahap ini dalam SPSS adalah
sebagai berikut.
a. Buka menu SPSS
b. Pada Data View, masukkan data yang akan di analisis
c. Pada Variable View, ketiklah nama variabel di kolom name
d. Klik menu Analyze > pilih sub menu Compare Means, kemudian klik Paired-
Samples T test
e. Pada Paired-Samples T test, pindahkan Nama variabel(2) yang telah diberi
nama pada kolom name tadi ke kotak Variable 1 dan Nama Variabel (2) ke
kotak Variable 2 dengan mengklik tanda panah, SETELAH itu klik OK
f. Pada jendela Output akan muncul hasil perhitungan, silahkan di interpretasikan
hasil tersebut.
Contoh kasus:
Diberikan data perbedaan hasil belajar fisika siswa sebelum dan sesudah diberi
media pembelajaran

Sebelum Setelah
No. Kode Siswa
(x) (y)

1. S-01 60 80
2. S-02 70 70
3. S-03 50 80
4. S-04 80 90
5. S-05 70 90
6. S-06 60 80
7. S-07 60 80
8. S-08 60 90
9. S-09 80 100
10. S-10 50 70
Ujilah, apakah terdapat perbedaan antara hasil belajar fisika siswa sebelum dan
setelah diberi media?

16
Jawab:
a. Buka SPSS
b. Pada Data View, masukkan data hasil belajar “sebelum” diberi tiga dimensi
pada “kolom pertama” dan data hasil “setelah” diberi tiga dimensi pada
“kolom kedua”. Pada Variabel View, ubah nama pada kolom name, data
VAR001 diganti “sebelum” dan data VAR002 diganti “setelah”

c. Klik menu Analyze > pilih sub menu Compare Means, kemudian klik
Paired-Samples T test
d. Pada Paired-Samples T test, lihat kotak paired variables, isikan variabel 1
dengan variabel “sebelum” dan variabel 2 dengan variabel “setelah”,
kemudian klik OK

17
 e. Hasil Output yang diberikan seperti dibawah ini

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

sebelum 64,0000 10 10,74968 3,39935

Pair 1
sesudah 83,0000 10 9,48683 3,00000

Paired Samples Correlations

N Correlation Sig.

Pair 1 sebelum&sesudah 10 ,632 ,050

Paired Samples Test

Paired Differences t df Sig. (2-

Mean Std. Deviation Std. Error 95% Confidence Interval tailed)

Mean of the Difference

Lower Upper

sebelum -
Pair 1 -19,00000 8,75595 2,76887 -25,26363 -12,73637 -6,862 9 ,000
sesudah

Pada output diatas, ini memberikan nilai informasi untuk mengambil

keputusan. Sebelum mengambil keputusan, pertama-tama kita membuat
perumusan hipotesis sebagai berikut:
H0= Tidak terdapat perbedaan hasil belajarfisika siswa antara sebelum dan
setelah diberi media pembelajaran
H1 = terdapat perbedaan hasil belajar fisikasiswa antara sebelum dan
setelah diberi media pembelajaran
H0 : x = y
H1 : x ≠ y
Syarat H0 diterima atau tidak berdasarkan nilai probabilitas sebagai
berikut:
Apabila probabilitas > 0.05 maka H0 diterima
Apabila probabilitas < 0.05 maka H0 ditolak
Dari hasil di atas pada kolom Sig (2.tailed) terlihat bahwa nilai
probabilitas 0.000, Maka H0 ditolak (0.000 < 0.05), terima H1.
Dengan demikian keputusan yang diambil adalah terdapat perbedaan hasil
belajar fisika siswa yang signifikan antara sebelum dan setelah diberi
media pembelajaran

18
3. Uji Z dengan SPSS

Padadasarnyauji z samadenganuji t. hanyauji z ditujukan untuk jumlah

data yang relative besar .>30. Sebagai contoh :

Adapun langkah-langkah yang ditempuh pada tahap ini dalam SPSS

adalah sebagai berikut.
g. Buka menu SPSS
h. Pada Data View, masukkan data yang akan di analisis
i. Klik menu Analyze > pilih sub menu Compare Means, kemudian klik One-
Sample T test
j. Pada One-Sample T test, pindahkan Variable Data yang telah diberi nama ke
kotak Test Variable dengan mengklik tanda panah
k. Pada kotak Test Value masukkan angka nilai yang akan diuji, SETELAH itu
klik OK
l. Pada jendela Output akan muncul hasil perhitungan, silahkan di interpretasikan
hasil tersebut.
Contoh kasus:
Berikut data Tinggi badan kelas 3 SMA yang telah direkap.
Tinggi_Siswa
165 160 165 155 165 160 170 170 160 173 171 160
150 168 177 160 152 141 166 180 156 169 167 170
155 170 175 165 155 157 165 164 156 163 170 166

Ujilah, Apakah berat rata-rata kelas 3 SMA tersebuttidak sama dengan 160
cm?
Jawab:
f. Masukkan data tersebut pada SPSS.

19
g. Klik menu Analyze>Compare Means>One-Sample T test…

h. Masukkan variabel berat_siswa pada kotak Test variable.

i. Pada kotak Test value masukkan angka 160 (nilai yang akan diuji).Klik
OK untuk melakukan perhitungan.

20
 j. Pada jendela output akan muncul hasil perhitunganOutput 1

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Tinggi_siswa 47 139,3617 45,95765 6,70361

Output pertama memberikan informasi mengenai jumlah data yang diolah.

Kolom N menunjukkan banyaknya data yang diolah. Kolom Mean
menunjukkan rata – rata dari nilai data dan kolom Std Deviation
menunjukkan nilai standar deviasi.
Output 2

One-Sample Test

Test Value = 160

T df Sig. (2-tailed) Mean Difference 95% Confidence Interval of the
Difference

Lower Upper

Tinggi_siswa -3,079 46 ,004 -20,63830 -34,1320 -7,1446

Pada output ke 2 ini memberikan nilai informasi untuk mengambil keputusan.

Sebelum mengambil keputusan, pertama-tama kita membuat perumusan hipotesis
sebagai berikut:
H0= Tinggibadan rata – rata kelas 3 SMA adalah 160cm
H1 = tinggibadan rata – rata kelas 3 SMA tidak sama dengan 160cm
H0 :  = 160
H1 : 160
Syarat H0 diterima atau tidak berdasarkan nilai probabilitas sebagai
berikut:
Apabila probabilitas > 0.05 maka H0 diterima
Apabila probabilitas < 0.05 maka H0 ditolak
Dari hasil di atas pada kolom Sig terlihat bahwa nilai probabilitas 0.019,
Maka H0 ditolak (0.004< 0.05), terima H1.
Dengan demikian keputusan yang diambil adalah tinggi rata – rata kelas 3
SMA tidak sama dengan 160 cm.

21
 TABEL Z
α 0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009
0.00 3.090 2.878 2.748 2.652 2.576 2.512 2.457 2.409 2.366
0.01 2.326 2.290 2.257 2.226 2.197 2.170 2.144 2.120 2.097 2.075
0.02 2.054 2.034 2.014 1.995 1.977 1.960 1.943 1.927 1.911 1.896
0.03 1.881 1.866 1.852 1.838 1.825 1.812 1.799 1.787 1.774 1.762
0.04 1.751 1.739 1.728 1.717 1.706 1.695 1.685 1.675 1.665 1.655
0.05 1.645 1.635 1.626 1.616 1.607 1.598 1.589 1.580 1.572 1.563
0.06 1.555 1.546 1.538 1.530 1.522 1.514 1.506 1.499 1.491 1.483
0.07 1.476 1.468 1.461 1.454 1.447 1.440 1.433 1.426 1.419 1.412
0.08 1.405 1.398 1.392 1.385 1.379 1.372 1.366 1.359 1.353 1.347
0.09 1.341 1.335 1.329 1.323 1.317 1.311 1.305 1.299 1.293 1.287
0.10 1.282 1.276 1.270 1.265 1.259 1.254 1.248 1.243 1.237 1.232

22
 KESIMPULAN

Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati
dengan distribusi normal. Menurut teori limit terpusat, data dengan ukuran
sampel yang besar akan berdistribusi normal. Oleh karena itu, uji Z dapat
digunakan utuk menguji data yang sampelnya berukuran besar. Jumlah sampel 30
atau lebih dianggap sampel berukuran besar. Selain itu, uji Z ini dipakai untuk
menganalisis data yang varians populasinya diketahui. Namun, bila varians
populasi tidak diketahui, maka varians dari sampel dapat digunakan sebagai
penggantinya.
Uji t adalah salah satu tes yang digunakan untuk menguji kebenaran atau
penolakan hipotesis nol yang menyatakan bahwa diantara dua buah Mean sampel
yang diambil secara random dari populasi yang sama, tidak terdapat perbedaan
yang signifikan. Uji t’ adalah uji hipotesis yang membandingkan dua kelompok
sampel yang berdistribusi normal dan variansi tidak homogen.
Perbedaan penerapan antara uji t dan uji z hanya terletak pada jumlah
sampel yang digunakan. Untuk uji z, sampel besar dari 30, sedangkan untuk uji t
samplenya kecil dari 30.
One sample t-test merupakan teknik analisis untuk membandingkan satu
variabel bebas. Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda
secara signifikan atau tidak dengan rata-rata sebuah sampel. Pada uji hipotesis ini,
diambil satu sampel yang kemudian dianalisis apakah ada perbedaan rata-rata dari
sampel tersebut.
Paired-sample t-Test merupakan prosedur yang digunakan untuk
membandingkan rata-rata dua variabel dalam satu group. Artinya analisis ini
berguna untuk melakukan pengujian terhadap satu sampel yang mendapatkan
suatu treatment yang kemudian akan dibandingkan rata-rata dari sampel tersebut
antara sebelum dan sesudah treatment.
Independent sample t-Test adalah uji yang digunakan untuk menentukan
apakah dua sampel yang tidak berhubungan memiliki rata-rata yang berbeda. Jadi
tujuan metode statistik ini adalah membandingkan rata-rata dua grup yang tidak
berhubungan satu sama lain.

23
 DAFTAR PUSTAKA

Hasan, Iqbal. 2002. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara.

Irianto, Agus. 2010. Statistik, Konsep Dasar, Aplikasi, dan Pengembangannya.
Jakarta: Prenada Media Grup.
Kadir. 2015. Statistika Terapan: Konsep, Contoh dan Analisis Data dengan
Program SPSS/Lisrel dalam Penelitian. Jakarta: PT. RajaGrafindo Persada.
Santoso, Singgih. 2012. Panduan Lengkap SPSS Versi 20. Jakarta: PT Elex Media
Komputindo.
Siregar, Sofyan. 2013. Statistik Parametrik untuk Penelitian Kuantitatif. Jakarta:
PT Bumi Aksara.
Sudijono, Anas. 2012. Pengantar Statistik Pendidikan. Jakarta: PT Raja Grafindo
Persada.
Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Jakarta: PT. Gramedia
Pustaka Utama.

24