Makalah Statistics

Di susun oleh Kelompok 7 :

Achmad zaenuri rais :16340032

Betty Apri Centrawati : 16340028

Refika Selviana : 16340038

PROGRAM STUDI BAHASA INGGRIS

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS MUHAMMADIYAH METRO

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

Halaman Judul ………………………………………………………………………. 1

Kata Pengantar ………………………………………………………………………..2
Daftar Isi……………………………………………………………………………... 3
BAB I PENDAHULUAN ……………………………………………………………4

A. Latar Belakang……………………………………………………………….. 4
B. Rumusan Masalah……………………………………………………………. 5
C. Tujuan………………………………………………………………………... 5

BAB II PEMBAHASAN……………………………………………………………. 6

A. Pengertian uji beda…………………………………………………………….

B. Pengertian uji t-test……………………………………..……………………...

C. Pengertian uji dua sampel berpasangan……………………………………….
D. Pengertian variansi satu jalur one way ANOVA……………………………..

BAB III PENUTUP ………………………………………………………………... 16

A. Simpulan ………………………………………………………………….…16
B. Saran/Implikasi …………………………………………………………….. 16

Daftar Pustaka ……………………………………………………………………….17

 BAB I

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.

Studi perbandingan t-test

T-test adalah tes statistik yang dapat dipakaiuntuk menguji perbedaan
atau kesamaan dua kondisi/perlakuan atau dua kelompok yang berbeda dengan
prinsip memperbandingkan rata-rata (mean) kedua kelompok/perlakuan itu. Uji T-
test sebagai salah satu teknik inferensial yang meiliki misi membuat
kesimpulan secara umum (generalisasi) dan mampu memberikan estimasi rentangan
penyimpangan pengakuan sampel dalam memepengaruhi populasi, apalagi
penelitiannya lebih mengarah untuk meneliti kemampuan manusia (sosial) yang
pengaruh variabel luarnya tidak terkontrol ketat, harus melampaui atau
memenuhi seperangka persyaratan pengujian sebelum menghitung nilai t.
Permasalahan yang hendak diuji melalui penelitian dengan banuan analisis T-
test adalah yang bersifat memperbandingkan dua perlakuan maka perumusan
hipotesis yang benar dapat membantu mempermudah pengujian. Dalam hal ini, T-
test digunakan untuk menguji hipotesis nol, suatu penelitian yang menyatakan
tidak adanya perbedaan yang signifikan antara dua rata-rata (mean) kondisi
sampel yang diperbandingkan.[2]
Pangkal tolak pada T-test secara singkat adalah sebagaimana tergambar
pada uraian berikut ini.
Seorang peneliti ingin mengetahui apakah diantara dua kelompok mahasiswa
di seduah Perguruan Tinggi Agama Islam yang berbedasekolah asalnya (kelompok
satu adlah mahasiswa yang berasal dari MA dan kelompok dua adalah mahasiswa
yang berasal dari SMA), secara meyakinkan berbeda prestasi belajarnya dalam
bidang studi statistik. Populasi dari mahasiswa seharusnya berjumlah 5000
oran, dengan rincian: 3000 oran berasal dari MA dan 2000 dari SMA. Akan sangat
sulit bagi peneliti untuk meneliti populasi yang jumlahnya snagat besar. Untuk
itu, populasi yang berjumlah 5000 orang itu akan dilakukan reduksi, dengan
menetapkan 300 orang mahasiswa yang bersekolah dari MA dan 200 orang berasal
dari SMA, sehingga jumlahnya 500 orang. Ke 500 orang mahsiswa merupakan hasl
reduksi populasi yang berjumlah 5000 orang itu kita sebut dengan sampel.
Sampel adalah suatu porposi kecil dari opulasi yang seharusnya di teliti,
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 an
kesengajaan serta keyakinan tertentu, sehingga pengaruh faktor “kebetulan
saja” dapat diestimasikan (dapat diperkirakan). Salah satu tugas untuk
statistik inferensial adalah memperkirakan atau membuat estimasi seberapa
jauhkah kiranya hasil pengukuran yang dilakukan terhadap sampel menyimpang
dari hasil pengukuran yang dilakukan terhadap populasi ---- (jika seandainya
terhadap populasi itu dilakukan pengukuran).
Dalam hubungannya dengan penarikan sampel dari populasi, maka sebagian
besar prinsip inferensi statistik adalah didasarkan atas asumsi pemilihan
sampel secara random (secara acak), baik dengan cara melakukan undian, dengan
menggunakan angka kelipatan, ataupun dengan menggunakan Tabel Bilangan Random.
 Kembali pada contoh di atas, apabila kita cari atau menghitung Mean
(Nilai Rata-rata Hitung) dalam bidang studi Dirash Islamiyah dari sejumlah 300
orang mahasiswa yang ditetapkan mewakili 3000 orang mahasiswa yang bersekolah
asal dari MA, besarnya Mean yang kita peroleh itu berbeda atau tidak dengan
Mean dari 3000 orang mahasiswa yang merupakan populasi mahasiswa yang
bersekolah asal MA tersebut. Demikian pula apabila kita mencari Mean dari 2000
orang mahasiswa dari jenis sekolah asal yang sama itu. Mungkin, Mean sampel
Kelompok I relatif lebih tinggi daripada Mean Populasi Kelompok I; atau
sebaliknya. Demikian pula Mean Sampel Kelompok II mungkin lebih rendah
daripada Mean Populasi Kelompok II, atau sebaliknya, kendati --- seperti telah
dikemikakan di atas --- sampel merupakan miniature population. Sekalipun Mean
Sampel berbeda dengan Mean Populasi, akan tetapi satu hal yang dapat
dipastikan ialah, Mean-mean itu akan cenderung untuk mengelompok atau
berkerumun di sekitar Mean Populasinya. Variasi dari Mean Sampel adalah
disebabkan oleh adanya apa yang disebut Sampling Error (Kesalahan Sampling).
[3]
Para ahli statistik melalui berbagai macam penelitian dan eksperimentasi
pada akhirnya sampai pada kesimpulan bahwa besar kecilnya kesalahan sampling
itu dapat diketahui dengan melihat besar kecilnya suatu angka standar yag
disebut Standart Error of the Mean (biasa disingkat atau diberi lambang : SEM)
yang dapat dicapai atau diperoleh dengan menggunakan rumus sebagai berikut:
SEM =
SEM = Besarnya kesesatan Amean Sampel
SD = Deviasi Standar dari sampel yang diteliti
N = Number of Cases (banyak subyek yang diteliti)
1 = bilangan konstan
Kalau kita terapkan pada contoh di muka, yang sampel Kelompok I-nya
berjumlah 300 orang mahasiswa (Jadi N1 = 300) dan sampel Kelompok II berjumah
200 orang mahasiswa (Jadi N2 = 200), sedang Deviasi Standar Nilai Hasil belajar
Dirasah Islamiyah sampel Kelompok I sebasar 8,645 (Jadi SD1 = 8,645), dan
deviasi standar Nilai Hasil Belajar Dirasah Islamiyah dari Kelompok sampel II
sebesar 11,286 (Jadi SD2 = 11,286), maka Standard Error kedua Mean Sampel
tersebut di atas besarnya adalah sebagai berikut:

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

Kapan menggunakan Uji t sampel/kelompok

dependent(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)

Contoh Kasus uji t sampel/kelompok berpasangan:

 1. Apakah terdapat perbedaan berat badan (kg) antara sebelum puasa dan sesudah puasa
selama satu bulan?
2. Apakah terdapat perubahan skor pengetahuan tentang gizi antara sebelum dan sesudah
penyuluhan gizi?
3. Apakah terdapat perbedaan kadar kolesterol dalam darah (mg%) yg diperiksa oleh dua
alat yang berbeda?

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.

Hipotesis dalam uji t dua sampel/kelompok:

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

Statistik hitung (t hitung):

Dimana:

Keterangan
D = Selisih x1 dan x2 (x1-x2)
n = Jumlah Sampel
X bar = Rata-rata
S d = Standar Deviasi dari d.

Langkah-langkah pengujian signifikansi (hipotesis) dalam

Pengujian Perbedaan Rata‐rata Dua kelompok
berpasangan:
1. Tetapkan H0 dan H1
2. Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat kepercayaan 99 %) yang
terdapat pada tabel “t”.
3. Tentukan daerah kritis, dengan db = n -1.
4. Tentukan t hitung dengan menggunakan rumus.
5. Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung dengan “t” tabel.
Contoh Kasus dalam pengerjaan pengujian signifikansi
(hipotesis)

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.

Datanya Sebagai berikut:

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

Maka Langkah -langkah yang perlu dilakukan:

1. Menentukan Hipotesis yang digunakan, yaitu:
(Tidak terdapat perbedaan yang signifikan antara hasil belajar sebelum dan sesudah)
(Terdapat perbedaan yang signifikan hasil belajar sebelum dan sesudah)
2. Tetapkan titik kritis yaitu alfa 5%
3. Tentukan daerah kritis, dengan db = n -1=20-1=19
4. Tentukan t hitung

o Memulai dengan menghitung D(selisih).

o Menghitung Standar Deviasi:
 o Menghitung t hitung:
5. Lakukan uji signifikansi

Diketahui t tabel = 2,093. Sehingga |t hitung| > t tabel

Sehingga dapat disimpulkan:

Ho ditolak , sehingga disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil belajar
statistika II sebelum dan sesudah diterapkannya Metode “ABG”.

Anova satu arah

Kapan Anova satu arah digunakan?

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.

Asumsi yang harus dipenuhi dalam analisis ragam (Anova)

 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.

Misalkan ada k populasi yang berdistribuwsi normal, dengan rata-rata

populasinya, x¯1,x¯2,…,x¯n serta ragam populasinya sama walaupun nilainya tidak diketahui,
bias disusun dalam bentuk table:

Keterangan:

Xij = individu (elemen) ke-i dari sampel j

k = banyaknya populasi/ perlakuan

nj = banyaknya individu dalam sampel j

N = S nj ( j = 1, 2, 3, …, k) = total observasi

Tj = jumlah individu dalam sampel j

T = T1 + T2 + … + Tk = jumlah seluruh individu

Untuk mengetahui apakah ada perbedaan rata-rata populasi, dilakukan pengujian hipotesis
dengan analisis varians.

Prosedur Pengujian:

1. H : μ1 = μ2 = … = μk (semua sama)

H1 : Tidak semuanya sama (minimal sepasang berbeda, μi ≠ μj untuk i ≠ j)

2. Keputusan menolak atau menerima H, dapat ditentukan dengan membuat table ANOVA
sebagai berikut:

Keterangan:

Baca Juga: Pengertian dan Kegunaan Data dalam Statistika

SSB = Sum Square Between Group = Jumlah Kuadrat Antar Grup =(∑T21ni)−T2N

SST = Total Sum Square = Jumlah Kuadrat Total =(X2ij)−T2N

SSW = Sum Square Within Group = Jumlah Kuadrat Dalam Grup (Error) = SST – SSB
MSB = SSB/ v1

MSW = SSW/ v2

Statistik uji yang digunakan adalah Fhitung

Fhitung = MSB/MSW

Tolak H jika Fhitung > Ftabel

Contoh Soal Uji Anova Satu Arah

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:

Jumlah yang dibelanjakan ($)

ASTRA BCA CITI AMEX

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:

Jumlah yang dibelanjakan ($)

ASTRA BCA CITI AMEX

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

n=5 n=5 n=5 n=4

=11 = 12.2 =18.2 = 13.5

Dari table di atas dapat dihitung:

Jumlah keseluruhan nilai: T = T1 + T2 + T3 + T4 = 55 + 61 + 91 + 54 = 261

SSE = SST – SSB = 279.658 – 149.08 = 130.6

Tabel ANOVA yang dibentuk:

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)

H1 : Tidak semuanya sama (minimal sepasang berbeda, μi ≠ μj untuk i ≠ j)

Statistik uji = Fhitung = 5.71 ( Lihat tabel F disini)

Keputusan: Tolak H , terima H1 karena Fhitung < Ftabel

Bab III

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/