2018 / 2019
KATA PENGANTAR
Dengan memanjatkan puji syukur kehadirat Allah SWT yang telah memberikan rahmat serta
hidayah-Nya sehingga kami dapat menyelesaikan makalah tentang “Uji beda” ini yang
Alhamdulillah tepat pada waktunya. Kami menyadari bahwa makalah ini masih sangat jauh dari
sempurna, oleh karena itu kritik dan saran dari semua pihak yang bersifat membangun selalu
kami harapkan demi kesempurnaan makalah ini. Semoga makalah ini dapat bermanfaat
khususnya bagi kami dan bagi semua pihak pada umumnya, semoga Ridho Allah menyertai kita
semua. Amin Ya Robbal Alamin.
DAFTAR ISI
A. Latar Belakang……………………………………………………………….. 4
B. Rumusan Masalah……………………………………………………………. 5
C. Tujuan………………………………………………………………………... 5
BAB II PEMBAHASAN……………………………………………………………. 6
A. Simpulan ………………………………………………………………….…16
B. Saran/Implikasi …………………………………………………………….. 16
PENDAHULUAN
1.1.Latar Belakang
Matematika merupakan ilmu yang sangat berkaitan dengan kehidupan. Sebagai ibu dari ilmu
pengetahuan, matematika merupakan ilmu dasar yang dapat digunakan untuk memecahkan
masalah dalam bidang ilmu yang lain. Misalnya, Fisika, Kimia, Biologi, Akuntansi, Ekonomi,
Sosial, dan Astronomi.
Melihat betapa pentingnya matematika maka perlu adanya peningkatan kualitas pendidikan
matematika demi untuk membentuk manusia yang memiliki daya nalar dan data pikir yang
kreatif dan cerdas dalam memecahkan masalah, serta mampu mengomunikasikan gagasan-
gagasannya. Pendidikan matematika harus dapat membantu Anda menyongsong masa depan
dengan lebih baik.
Atas dasar inilah, kami menyusun makalah ini, dalam hal ini kami lebih memfokuskan dalam
bidang statistic yaitu mengenai ukuran letak data. Matematika sendiri memiliki beberapa cabang
pembelajaran, seperti statistic, bilangan, rumus – rumus bangun ruang, serta penggunaan sinus,
cosinus, dan sebagainya. Dalam hal ini kami membahas statistic, dimana statistic berguna guna
mengumpulkan data untuk membuat atau menarik suatu keputusan, untuk membandingkan
sesuatu dan lain – lain. Pada umumnya, statistik disajikan dalam bentuk tabel atau diagram agar
mudah dibaca, dipahami, dan dianalisis.
Contoh data statistik di antaranya data kelahiran bayi di suatu daerah pada tahun tertentu dan
jumlah penduduk suatu wilayah. Untuk mengumpulkan, menganalisis, serta menarik kesimpulan
yang benar dari suatu data diperlukan sebuah metode. Metode untuk mengumpulkan data,
menyusun data, mengolah data, menganalisis data, sampai menarik kesimpulan disebut statistika.
1.2.Tujuan
Pembuuatan Makalah ini bertujuan untuk menambah serta membekali teman – teman semua
dengan ilmu pengetahuan dan sejumlah kemampuan dasar yang dapat berguna apabila teman –
teman ingin melanjutkan pendidikan ke jenjang yang lebih tinggi, karena tidak menutup
kemungkinan kita tetap akan bersinggungan dengan matematika khususnya statistic meskipun
kita ada dalam jurusan sastra, selain itu guna mengembangkan ilmu matematika dalam
kehidupan sehari- hari.
Kami menyadari bahwa penerbitan makalah ini tidak akan terlaksana dengan baik tanpa
dukungan dan bantuan dari berbagai pihak. Untuk itu, dengan hati yang tulus, kami ucapkan
terima kasih atas dukungan dan bantuan yang diberikan. Semoga makalah ini dapat memberi
kontribusi bagi perkembangan dan kemajuan pendidikan di Provinsi Jambi, khususnya di
lingkungan ABA Nurdin Hamzah.
Bab II
Pembahasan
Pengertian uji beda
uji beda, maka uji ini dipergunakan untuk mencari perbedaan, baik antara dua sampel data atau
antara beberapa sampel data. Dalam kasus tertentu, juga bisa mencari perbedaan antara suatu
sampel dengan nilai tertentu. Perhatikan contoh-contoh berikut:
1. Perusahaan ingin mengetahui apakah lampu yang diproduksi mampu menyala lebih dari 1000 jam
sesuai dengan standar yang ditetapkan perusahaan.
2. Seorang guru ingin mengetahui apakah suatu model pengajaran memberikan hasil yang berbeda
terhadap hasil prestasi belajar dua kelas siswa.
3. Seorang penelitian ingin mengetahui apakah terdapat perbedaan persepsi tentang advertising KAP
antara kelompok akuntan publik, kelompok akuntan pendidik dan kelompok pengguna jasa KAP.
Contoh nomor #1 memerlukan uji beda terhadap suatu sampel data dengan nilai tertentu yaitu
1000 jam. Contoh nomor #2 memerlukan uji beda terhadap dua buah sampel yaitu nilai prestasi
belajar antara dua kelas. Contoh nomor #3 memerlukan uji beda terhadap tiga kelompok akuntan
dalam hal persepsi terhadap advertising KAP.
Juga terdapat jenis uji beda lain selain berdasarkan jumlah kelompok sampel yang diuji.
Misalnya jumlah sampel pada masing-masing kelompok juga menentukan jenis uji beda yang
digunakan. Jika dua kelompok mempunyai anggota yang sama dan mempunyai korelasi maka
dipergunakan uji sampel berpasangan (paired test), dan jika jumlah anggota kelompok berbeda,
tentunya tidak berkorelasi, maka memerlukan uji beda yang lain, misalnya Independent Sample t
test atau Mann-Whitney U-Test.
Masing-masing metode memerlukan kajian tersendiri dan akan dibahas satu persatu. O ya,
sebagai tambahan informasi, kenapa uji beda juga sering disebut uji t? Ini sebenarnya tidak
penting, hanya sebagai pengetahuan saja. Disebut uji t karena merupakan huruf terakhir dari
nama pencetus uji ini yaitu, Grosett. Tambahan lagi, kenapa disebut uji F? Karena merupakan
huruf depan dari nama seorang pakar statistik di masa lalu, yaitu Fisher. He he jelas khan? Anda
bisa menduga bahwa korelasi Pearson adalah diambil dari nama penemunya yaitu Karl Pearson
dan berbagai metode juga diambil dari nama pencetusnya.
Beberapa masyarakat ada yang latah menyebut bahwa uji beda merupakan uji statistik non
parametrik. Anggapan ini kurang tepat, meskipun tidak sepenuhnya salah. Uji t dengan distribusi
normal maka tetap merupakan statistik parametrik, akan tetapi jika distribusi data tidak normal,
barulah merupakan statistik non parametrik. Jadi penentuan parametrik atau bukan, tidak
didasarkan pada jenis uji tetapi tergantung dari distribusi data, apakah normal atau tidak.
SEM1 = = = =0,50
SEM2 = = = =0,50
Dengan diketahuinya Standard Error Mean Sampel Kelompok I dan Standard
Error Mean Sampel Kelompok II, maka lebih lanjut dapat diketahui Standard
Error Perbedaan Mean Dua Sampel yang sedang kita teiti, yang dilambangkan
dengan SEM1-M2
Standard Error Perbedaan Mean Dua Sampel itu dapat diperoleh dengan rumus
sebagai berikut
SEM1-M2 =
Jika rumus ini kita tetapkan ke dalam contoh di atas, maka Standard
Error. Perbedaan dari Mean dua sampel yang sedang kita hadapi itu adalah:
SEM1-M2 = =
= = 0,943
Pada akhirnya, untuk menolak atau menerima Hipotesis Nihil tentang ada
atau tidak adanya perbedaan dua Mean sampel secara signifikan, kita harus
mencari harga kritik “t”. Di sini “t” merupakan suatu angka atau koefisien
yang melambangkan derajat perbedaan Mean kedua kelompok sampel yang sedang
kita teliti. Besarnya “t” sama dengan selisih ke dua Mean sampel, di bagi
dengan Standard Error. Perbedaan dua Mean sampel, atau apabila kita
formulasikan ke dalam bentuk rumus adalah sebagai berikut:
t =
Misalkan dari kedua kelompok sampel yang sedang kita bicarakan di sini
diperoleh Mean sebagai berikut: Mean hasil Belajar Dirasah Islamiyah Sampel
Kelompok I MA sebesar 64,48 (jadi M1 = 64,48) sedangkan Mean Hasil Belajar
Dirasah Islamiyah Sampel kelompok II SMA sebesar 60,72 (jadi M2 = 60,72)
sedangkan standard error perbedaaan dua Mean Sampel telah kita ketahui sebesar
0,943 atau SEM1-M2 = 0,943. Dengan demikian kita dapat peroleh harga sebagai
berikut:
t = = = = 3,99
Terhadap “t” yang telah kita peroleh dari hasil perhitungan di atas
(lazim disebut tobservaasi dengan diberi lambang to) selanjutnya kita berikan
interpretasi dengan menggunakan Tabel Nilai “t” (Tabel Harga Kritik “t”)
dengan ketentuan sebagai berikut:
1. Jika to sama dengan atau lebih daripada harga kritik “t” yang tercantum
dalam tabel ( di beri lambang tt) maka hipotesis nihil yang mengatakan tidak
adanya perbedaan Meandari kedua sampel , ditolak; berarti perbedaan Mean dari
kedua sampel itu adalah perbedaan yang signifikan
2. Jika to lebih kecil dari pada tt, maka Hipotesis Nihil takan tidak adanya
perbedaan Mean dari ke dua sampel yang bersangkutan, disetujui ; berarti
perbedaan Mean dua sampel itu bukanlah perbedaan Mean yang signifikan,
melainkan perbedaan yang terjadi hanya secara kebetulan saja sebagai akibat
Sampling Error.
Pada contoh di atas telah kita peroleh to sebesar 3,99, marilah kita
berikan interpretasi terhadap to tersebut.
Untuk mencari harga kritik “t” dalam tabel nilai “t” (periksa
lampiran VII.1 pada bagian akhir buku ini), maka terlebih dahulu harus kita
perhitungkan degrees of freedomnya( diberi lambang df), dengan menggunakan
rumus
df atau db = (N1 + N2 -2)
df atau db = degress fo freedom atau derajat kebebasan
N1 = banyaknya subjek kelompok I (jumlah sampel Kelompok I)
N2 = banyaknya subjek kelompok II (jumlah sampel Kelompok
II)
Lihat tabel berikut:
df atau db Harga Kritik “t”
Pada Taraf Signifikasi:
5% 1%
1 12,71 63,66
2 4,30 9,92
3 3,18 5,84
4 2,78 4,60
5 2,57 4,63
6 2,45 3,71
7 2,36 3,50
8 2,31 3,36
9 2,26 3,25
10 2,23 3,17
11 2,20 3,11
12 2,18 3,06
13 2,16 3,01
14 2,14 2,98
15 2,13 2,95
16 2,12 2,92
17 2,11 2,90
18 2,10 2,88
19 2,09 2,86
20 2,09 2,84
21 2,08 2,83
22 2,07 2,82
23 2,07 2,81
24 2,06 2,80
25 2,06 2,79
26 2,06 2,78
27 2,05 2,77
28 2,05 2,76
29 2,04 2,76
30 2,04 2,75
35 2,03 2,72
40 2,02 2,71
45 2,02 2,69
50 2,01 2,68
60 2,00 2,65
70 2,00 2,65
80 1,99 2,64
90 1,99 2,63
100 1,98 2,63
125 1,98 2,62
150 1,98 2,61
200 1,97 2,60
300 1,97 2,59
400 1,97 2,59
500 1,96 2,59
1000 1,96 2,58
Pada contoh di muka N1= 300, sedangkan N2= 200; jadi df atau db =(300+200-
2) = 498.
Dengan df sebesar 498 kita berkonsultasi pada Tabel Nilai “t”. Ternyata
dalam tabel tersebut kita jumpai df sebesar 498. Dalam keadaan seperti ini,
kita gunakan df yang terdekat dengan 498, yaitu df sebesar 500. Dengan df
sebesar 500 itu diperoleh tt sebagai berikut:
Pada taraf signifikasi 5% : tt = 1,96
Pada taraf signifikasi 1% : tt = 2,59
Dengan demikian to (yaitu harga “t” yang kita peroleh dari hasil
perhitungan di muka ) adalah jauh lebih besar ketimbang tt, yaitu:
1,96˂3,99˃2,59. Karena itu hipotesis nihil yang menyatakan tidak adanya
perbedaan Mean Hasil Belajar Dirasah Islamiyah dari kedua kelompok sampel yang
kita selidiki itu ditolak. Berarti perbedaan dua Mean Smapel itu adalah
perbedaan yang signifikan. Kesimpulan kita (dengan memperbandingkan besarnya
Mean dari kedua sampel di atas), para mahasiswa yang bersekolah asal MA,
secara signifikan berbeda (dalam hal ini lebih baik) jika dibandingkan dengan
para mahasiswa yang bersekolah dari SMA, dlam bidang Dirasah Islamiyah.
Uji t berpasangan
1. uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan sesudah
2. digunakan pada uji parametrik dimana syaratnya sebagai berikut:
o satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
o merupakan data kuantitatif (rasio-interval)
o berasal dari populasi dgn distribusi normal (di populasi terdapat distribusi
difference = d yang berdistribusi normal dengan mean μd=0 dan variance =1)
Pada contoh no 1 dan 2 diatas terlihat bahwa yang diuji satu individu tapi dengan dua perlakuan
yang berbeda yaitu sebelum dan sesudah. pada contoh no3 juga hampir sama yaitu menguji
perbandingan kadar kolesterol dengan dua alat yang berbeda.
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.
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.
3. Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada hipotesis awal
kelompok/sampel 1 memiliki rata-rata sama dengan atau lebih kecil dengan rata-rata
kelompok 2. sedangakan hipotesis alternatif rata-rata kelompok 1 lebih besar
dibandingkan dengan rata-rata kelompok 2.
Hipotesis awal ditolak, bila:
|t hitung| > t tabel
atau:
Hipotesis awal diterima, bila:
|t hitung| <= t tabel
Dimana:
Keterangan
D = Selisih x1 dan x2 (x1-x2)
n = Jumlah Sampel
X bar = Rata-rata
S d = Standar Deviasi dari d.
Suatu kegiatan penelitian eksperimental, telah berhasil menemukan metode “ABG” sebagai
metode baru untuk mengajarkan mata kuliah Statistika II. Dalam rangka uji coba terhadap
efektifitas atau keampuhan metode baru itu, dilaksanakan penelitian lanjutan dengan mengajukan
Hipotesis Nol (Nihil) yang mengatakan : Tidak terdapat perbedaan yang signifikan nilai
Statistika II antara sebelum dan sesudah di terapkannya metode “ABG” sebagai metode
mengajar mahasiswa UIB sem 6. Dalam rangka pengujian ini diambil sampel sebanyak 20
mahasiswa. Gunakan taraf kepercayaan 95 % (alfa=5% ) untuk menguji pernyataan (Hipotesis)
tersebut.
Nilai Statistika II
Nama
Sebelum Sesudah
A 78 75
B 60 68
C 55 59
D 70 71
E 57 63
F 49 54
G 68 66
H 70 74
I 81 89
J 30 33
K 55 51
L 40 50
M 63 68
N 85 83
O 70 77
P 62 69
Q 58 73
R 65 65
S 75 76
T 69 86
Ho ditolak , sehingga disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil belajar
statistika II sebelum dan sesudah diterapkannya Metode “ABG”.
Pada dasarnya Anova dapat digunakan untuk melakukan pengujian perbandingan rata-rata
beberapa kelompok, biasanya terdiri dari lebih dari dua kelompok. Penggunaan Anova kelompok
yang berasal dari sampel yang berbeda antar kelompok.
Misalkan Jika kita ingin melihat pengaruh bentuk Kemasan suatu produk terhadap penjualan.
Jika faktor yang menjadi perhatian kita untuk selanjutnya diuji adalah berupa satu faktor,
misalnya pengaruh bentuk kemasan suatu produk pada tingkat penjualan, maka ANOVA yang
kita gunakan adalah satu arah.
Disebut anova satu arah (One Way Anova), karena pusat perhatian kita hanya satu, dalam hal ini
bentuk kemasan suatu produk. Tetapi jika pusat perhatian kita, selain jenis kemasan, juga tertuju
pada pengaruh aroma pada tingkat penjualan, maka digunakan ANOVA dua arah (Two Way
Anova).
Pada dasarnya Anova satu arah juga dapat digunakan untuk kasus yang diuji menggunakan
Anova dua arah, namun kita harus melakukan pengujian satu persatu, sehingga jauh lebih efektif
jika digunakan Anova dua arah.
Data yang digunakan adalah data yang berdistribusi normal, karena akan digunakan statistik uji
F
Varian atau ragam nya bersifat homogen. Istilah tersebut lebih dikenal sebagai
homoskedastisitas, di mana hanya terdapat satu estimator untuk variasi dalam sampel.
Masing-masing sampel bersifat independen
Komponen-komponen modelnya bersifat aditif
Hipotesis Anova Satu Arah
Hipotesis yang digunakan dalam Anova satu arah adalah sebagai berikut:
H0: μ1 = μ2 = μ3 = … = μn, Tidak terdapat perbedaan signifikan antara rata-rata hitung dari n
kelompok.
H1: μ1 ≠ μ2 ≠ μ3 ≠ … ≠ μn, Ada perbedaan yang signifikan antara rata-rata hitung dari n
kelompok
Dalam analisis ragam Anova hipotesis yang digunakan Hanya berupa hipotesis untuk kasus dua
arah. Artinya hipotesis yang digunakan untuk Anova satu arah dan Anova dua arah adalah sama.
Perlu diketahui bahwa dalam analisis ragam Anova kita tidak dapat menentukan mana kelompok
yang benar-benar berbeda. Kemampuan analisis ragam Anova hanya mampu mendeteksi Apakah
ada perbedaan rata-rata dari beberapa kelompok tersebut.
Keterangan:
Untuk mengetahui apakah ada perbedaan rata-rata populasi, dilakukan pengujian hipotesis
dengan analisis varians.
Prosedur Pengujian:
1. H : μ1 = μ2 = … = μk (semua sama)
2. Keputusan menolak atau menerima H, dapat ditentukan dengan membuat table ANOVA
sebagai berikut:
Keterangan:
SSB = Sum Square Between Group = Jumlah Kuadrat Antar Grup =(∑T21ni)−T2N
SSW = Sum Square Within Group = Jumlah Kuadrat Dalam Grup (Error) = SST – SSB
MSB = SSB/ v1
MSW = SSW/ v2
Fhitung = MSB/MSW
Contoh Kasus:
Suatu penelitian dilakukan untuk mengetahui apakah terdapat pengaruh perbedaan kartu kredit
terhadap penggunaannya. Data di bawah ini adalah jumlah uang yang dibelanjakan ibu rumah
tangga menggunakan kartu kredit (dalam $). Empat jenis kartu kredit dibandingkan:
8 12 19 13
7 11 20 12
10 16 15 14
12 10 18 15
11 12 19
Ujilah dengan α = 0.05, apakah terdapat pengaruh perbedaan kartu kredit pada penggunaannya?
Penyelesaian:
8 12 19 13
7 11 20 12
10 16 15 14
19 10 18 15
11 12 19
T = 55 T = 61 T = 91 T = 54
Derajat Bebas
Sumber Jumlah Kuadrat Rata-rata Kuadrat
Fhitung Ftabel (lihat Tabel)
(Degree of
Keragaman (Sum Square) (Mean Square)
Freedom)
Antar Grup v1 = 4–1= 3 149.08 149.08/ 3 = 49.69
Dalam Grup
(error) 5.71 F(3, 15)= 2.49
v2 = 19–4= 15 130.6 130.6/ 15 = 8.71
Total 18 279.68
Pengujian Hipotesis:
H : μ1 = μ2 = … = μk (semua sama)
Kesimpulan
Daftar pustaka
http://www.konsultanstatistik.com/2009/03/uji-beda.html
http://statistikceria.blogspot.co.id/2013/12/Pengujian-Perbedaan-Rata-rata-Dua-kelompok-
berpasangan-dependent-parametrik.html
https://statmat.id/anova-satu-arah/