1.

Uji Mengenai Rataan Untuk Satu Kelompok Univariat

Untuk melakukan uji multivariate mengenai rataan pada satu kelompok, biasanya
digunakan statistik uji t, yang rumus statisnya adalah sebagai berikut:
𝑋− µ0
t= ̴ t (n – 1)
𝑠 √𝑛

Statistik uji tersebut digunakan jika diasumsikan bahwa populasinya berdistribusi

normal dan variansi populasi tidak diketahui.
Contoh:
Untuk melihat apakah rataan nilai mata pelajaran Matematika siswa kelas tiga SMU
“Entah Mana” lebih dari 65, secara random dari populasinya, diambil 12 siswa.
Ternyata nilai-nilai kedua belas siswa tersebut adalah sebagai berikut.
51 71 76 81 67 98
58 69 87 74 79 81
Jika diambil α =1% dan dengan mengasumsikan bahwa distribusi nilai-nilai di
poopulasi normal, bagaimana kesimpulan penelitian tersebut?
Jawab:
Dicari dulu rataan dan deviasi baku pada sampel.
Dari perhitungan diperoleh: ∑X = 892; ∑𝑋 2 = 68044, sehingga
392 (12)(68044)−(892)2
𝑋
= = 74,333 dan s =√ (12)(11)
= 12.572
12

a. 𝐻𝑜 < 𝜇 ≤ 65 (rataan nilai siswa tidak lebih dari 65)

𝐻1 : 𝜇 > 65 (rataan nilai siswa lebih dari 65)
b. α = 0,001
c. Statistik uji yang digunakan:

− 𝜇0
𝑡=𝑋 − 𝑡(𝑛 − 1)
𝑠 ⁄ √𝑛
d. Komputasi:
74.333−65.000
𝑡= 12.572/√12
9.333
= 12.572⁄3.463
9.333
= 3.629 = 2.572

e. Daerah kritik:
𝑡0,01,11= 2.718;
 f. DK = {t|t>2.718}; dan 𝑡𝑎𝑏𝑐 = 2.572€𝐷𝐾
g. Keputusan uji: 𝐻0 diterima.
h. Kesimpulan:
Rataan nilai Matematika kelas tiga SMU “Entah Mana” tidak lebih daripada 65.
Jika diasumsi variansi populasinya diketahui (atau dapat dicari atau dapat
diasumsikan sama dengan nilai tertentu), maka rumus statistik ujinya adalah sebagai
berikut.
−𝜇0
𝑋
𝑍= ~𝑁(0,1)
𝛼⁄√𝑛

2. Uji Mengenai Rataan Untuk Satu Kelompok Multivariat

Statistik uji mengenai rataan untuk satu kelompok multivariat dikembangkan dari
statistik uji mengenai rataan untuk satu kelompok univariat.
Perhatikan kembali rumus statistik uji t berikut.
𝑋̅ −𝜇0
𝑡= 𝑆/√𝑛

Rumus tersebut dapat ditulis dalam bentuk lain sebagai berikut:

1
𝑡 = √𝑛 (𝑠 ) (𝑋̅ − 𝜇0 )

Jika kedua ruas dikuadratkan, maka akan diperoleh:

1
𝑡 2 = (𝑛) (𝑠2 ) (𝑋̅ − 𝜇0 )2
1
= (𝑛)(𝑋̅ − 𝜇0 ) (𝑠2 ) (𝑋̅ − 𝜇0 )

= (𝑛)(𝑋̅ − 𝜇0 )(𝑠 2 )−1 (𝑋̅ − 𝜇0 )

Berdasarkan formula terakhir, dikembangkan formula T2 untuk multivariat sebagai
berikut:
𝑇 2 = 𝑛(𝑋̅ − 𝜇0 )′(𝑆)-1(𝑋̅ − 𝜇0 )
dengan:
n= banyaknya data
𝑋̅1 𝜇01
𝑋̅𝜇0 = 𝑋̅…2 − 𝜇…
02

𝑋̅𝑝 𝜇0𝑝
p= banyaknya variabel terikat
S= matriks-kovariansi dari p variabel yang diketahui, pada sampel.
Pada uji mengenai rataan multivariat dengan p variabel terikat ini, susunan
hipotesis nol-nya adalah sebagai berikut:
 𝜇1 𝜇01
H0 =[𝜇…2 ][𝜇…
02 ]

𝜇𝑝 𝜇0𝑝
Statistik uji untuk mengetahui hipotesis nol tersebut adalah:
(𝑛−𝑝)
F (𝑛−1)𝑝 T2

dengan derajat kebebasan p dan n – p

Senada dengan statistik uji t, statistik uji Z dapat dikembangkan untuk statistik uji
multivariat sebagai berikut.
𝑋̅ −𝜇0
Z /√ 𝑛

 √𝑛 (1)(𝑋̅ − 𝜇0 )
Jika kedua ruas formula tersebut dikuadratkan, diperoleh:
Z2 = (n) (𝜎12)(𝑋̅ − 𝜇0 )2

= (n) (𝑋̅ − 𝜇0 )(𝜎12)(𝑋̅ − 𝜇0 )

= (n) (𝑋̅ − 𝜇0 )(𝜎)−1 (𝑋̅ − 𝜇0 )
Berdasarkan formula terakhir, dikembangkan formula Z2 untuk multivariat sebagai
berikut:
Z2 = 𝑛(𝑋̅ − 𝜇0 )′()-1(𝑋̅ − 𝜇0 )
Karena 𝑍𝜎2 = 𝑋𝛼2 , maka formula tersebut menjadi:
2

𝑋𝛼2 = 𝑛(𝑋̅ − 𝜇0 )′()-1(𝑋̅ − 𝜇0 )

Dengan derajat kebebasan p, dengan:
n = banyaknya data
p = banyaknya variabel terikat
 = matriks kovariansi dari p variabel terikat yang diketahui pada populasi.
Pada uji mengenai rataan multivariat dengan p variabel terikat ini, susunan
hipotesis nol-nya juga seperti berikut:
𝜇1 𝜇01
H0 =[𝜇…2 ][𝜇…
02 ]

𝜇𝑝 𝜇0𝑝
2 2
H0 ditolak jika 𝑋𝑜𝑏𝑠 = 𝑋𝛼;𝑝
Contoh soal:
 Pada ujian matematika, yang terdiri dari dua bagian yaitu aljabar dan geometri, ingin
diuji apakah rerata aljabarnya 6 dan rerata geometrinya adalah 6,5. Lima orang
diambil sebagai sampel dan nilai-nilai mereka sebagai berikut:
No Subjek Nilai Aljabar Nilai Geometri
1` 6 7
2 7 8
3 5 7
4 6 6
5 6 6

Jika variansi dan kovariansi populasi tidak diketahui, dengan mengambil tingkat signifikansi
5%, bagaimana kesimpulan penelitian tersebut?
Jawab:
𝜇1 6
a. 𝐻0 : [𝜇 ] = [ ]
2 6,5
𝜇1 6
𝐻1 : [𝜇 ] ≠ [ ]
2 6,5
dengan 𝜇1 merupakan rerata aljabar dan 𝜇1 merupakan rerata geometri
b. α = 0,01
c. Statistik uji yang digunakan:
(𝑛−𝑝)
F = (𝑛−1)𝑝 𝑇 2 ~ 𝐹(𝑝, 𝑛 − 𝑝)

d. Komputasi:
Aljabar (𝑋1 ) Geometri (𝑋2 ) 𝑋12 𝑋2 2 𝑋1 𝑋2
5 6 25 36 30
8 7 64 49 56
6 5 36 25 30
6 8 36 64 48
5 8 25 64 40
Σ = 30 Σ= 34 Σ = 186 Σ = 238 Σ = 204
𝑋̅= 6 𝑋̅= 6,8

(𝛴𝑋1 )2
𝑆𝑆1= Σ𝑋1 2- 𝑛
302
= 186 - 5
 900
= 186 - 5

= 186 - 180
=6
(𝛴𝑋2 )2
𝑆𝑆2 = Σ𝑋2 2- 𝑛
342
= 238 - 5
1156
= 238 - 5

= 238 – 231,2
= 6,8
(𝛴𝑋1 )(𝛴𝑋2 )
𝑆𝑆12= Σ𝑋1 𝑋2- 𝑛
(30)(34)
= 204 – 5
1020
= 204 - 5

= 204 - 204
=0

𝑆𝑆1 𝑆𝑆12 6 0
SSCP = [ ]=[ ]
𝑆𝑆21 𝑆𝑆2 0 6,8
𝑆𝑆𝐶𝑃 1 6 0 1,5 0
S= =4[ ]=[ ]
𝑛 0 6,8 0 1,7
1 1,7 0
𝑆 −1 = (1,5)(1,7)−(0)(0) [ ]
0 1,5
1 1,7 0
= 2,55 [ ]
0 1,5
0,667 0
=[ ]
0 0,588
6 6 0
𝑋̅ − 𝜇0 = [ ] − [ ]= [ ]
6,8 6,5 0,3
𝑇 2 = 𝑛(𝑋̅ − 𝜇0 )′(𝑠)−1 (𝑋̅ − 𝜇0 )
0,667 0 0
= 5 [0 0,3] [ ][ ]
0 0,588 0,3
0
= 5 [0 0,1764] [ ]
0,3
= (5)(0,053)
= 0,265
(𝑛−𝑝)
𝐹𝑜𝑏𝑠 = (𝑛−1)𝑝 𝑇 2
 (5−2)
= (5−1)2 (0,265)

= 0,099
e. DK = {F|F > 𝐹0,05:2,3}
= {F|F > 9,55 }
𝐹𝑜𝑏𝑠 bukan elemen DK
f. Keputusan Uji: 𝐻0 tidak ditolak
g. Kesimpulan: Benar bahwa pada ujian tersebut rerata aljabarnya sebesar 6 dan rerata
geometrinya sebesar 6,5.

1. Uji Beda Rataan Untuk Dua Kelompok Univariat

Untuk menguji apakah dua populasi independen mempunyai rerata yang sama,
jika variansi populasi tidak diketahui, maka digunakan uji t.
Pada dasarnya ada dua jenis uji t, yaitu: dengan (a) mengasumsikan variansi
populasi sama dan (b) mengasumsikan variansi populasi tidak sama. Pada kedua
kasus, masing-masing populasi harus berdistribusi normal.
Jika diasumsikan variansi populasi sama, maka rumaus uji statistiknya adalah
sebagai berikut:
( 𝑋1 −𝑋2 )
t= ~𝑡(𝑛1 + 𝑛2 − 2)
𝑠 1 1
𝑝√ +
𝑛1 𝑛2

dengan
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
𝑠𝑝2 = 𝑛1 +𝑛2 −2

Statistik uji itu berdistribusi t dengan derajat bebas n1 + n2 – 2 dengan n1 adalah

banyaknya anggota sampel pertama dan n2 adalah banyaknya anggota sampel kedua.
𝑆𝑝2 adalah variansi gabungan (pooled variance).
Jika diasumsikan variansi populasi tidak sama, maka rumus uji statistikanya
adalah sebagai berikut:
(𝑋1 −𝑋2 )
𝑡= ~𝑡(𝑣)
𝑠2 𝑠2
√ 1+ 2
𝑛1 𝑛2

Statistik uji itu berdistribusi t dengan derajat bebas v, yang v dapat dicari dari
formula berikut:
(𝑆12 /𝑛1 + 𝑠22 /𝑛2
𝑣= 2 2
(𝑆2 2
1 /𝑛1 ) +(𝑆2 /𝑛2 )
𝑛1 −1 𝑛2 −1

Contoh:
Seseorang ingin melihat apakah terdapat beda tinggi badan antara anak wanita dan
pria umur 9 tahun. Data mengenai tinggi badan tersebut adalah sebagai berikut.
Wanita : 51 71 76 81 67 98 58 69 87 74 79 81
Pria : 68 72 77 79 68 80 54 63 89 74 66 86 77 73 74 87
Jika diasumsikan bahwa sampel-sampel tadi diambil dari populasi-populasi normal
yang variansi-variansinya sama tetapi tidak diketahui dan dengan α=5%. Bagaimana
kesimpulan penelitian tersebut? (α disebut tingkat signifikasi)
Jawab:
Setelah dihitung, diperoleh rataan dan deviasi baku sebagai berikut:
Wanita :∑𝑋 = 892; ∑𝑋 2 = 68044; ̅𝑋 = 74,333; ≤ 12,572
Pria : ∑𝑋 = 1187; ∑𝑋 2 = 89339; ̅𝑋 = 74,188; ≤= 9,232

Misalnya 𝜇1 adalah rataan tinggi anak wanita dan 𝜇2 adalah rataan tinggi anak pria.
a. 𝐻0 : 𝜇1 = 𝜇2 (anak wanita dan pria sama tingginya)
𝐻1 = µ1 ≠ µ2 (anak wanita dan pria tidak sama tingginya)
b. α = 0.05
c. Statistik uji yang digunakan:
(𝑋̅1 −𝑋̅2 )
𝑡= 1 1
~𝑡(𝑛1 +𝑛𝑦 − 2)
√𝑛 +𝑛
1 2

d. Komputasi:
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
𝑠𝑝2 = 𝑛1 +𝑛2 −2

(11)(212.572)2 +(15)(9.232)2
= 12+16−2
3017.054
= = 116.041
26

𝑠𝑝= √116.041 = 10.771

74.333−74.118 0.145
𝑡= = = 0.035
1 1 4.113
10.772√ +
12 16

e. Daerah kritik:
𝑡0.025.20 ≠ 2.056:
𝐷𝐾 = {𝑡|𝑡 < −2.056 𝑎𝑡𝑎𝑢 𝑡 > 2.056}; 𝑑𝑎𝑛
𝑡𝑎𝑏𝑐 = 0.035 𝑏𝑢𝑘𝑎𝑛 𝑒𝑙𝑒𝑚𝑒𝑛 𝐷𝐾
f. Keputusan uji: 𝐻0 diterima.
g. Kesimpulan: Tinggi badan anak-anak wanita dan pria sama.
2. Uji Beda Rataan Multivariat (Uji T Multivariat)
Perhatikan kembali statistik uji t berikut:
(𝑋̅1 − 𝑋̅2 )
𝑡=
1 1
𝑠𝑝 √𝑛 + 𝑛
1 2

Jika kedua ruas dikuadratkan, diperoleh:

2
(𝑋̅1 − 𝑋̅2 )2
𝑡 =
1 1
𝑠𝑝2 √𝑛 + 𝑛
1 2

(𝑋̅1 − 𝑋̅2 )2
= 𝑛 +𝑛
𝑆𝑃2 ( 1𝑛 𝑛 2 )
1 2

𝑛1 𝑛2 (𝑋̅1 − 𝑋̅2 )2
= .
𝑛1 + 𝑛2 𝑆𝑃2
𝑛1 𝑛2
= (𝑋̅ − 𝑋̅2 )( 𝑆𝑃2 )−1 (𝑋̅1 − 𝑋̅2 )
𝑛1 + 𝑛2 1
Formula untuk rumus 𝑡 2 tersebut mengilhami formula untuk statistik uji pada uji t
multivariat.
Misalnya terdapat p variabel terikat X1, X2, ..., Xp pada kelompok I dan kelompok
II, yang tata letaknya adalah sebagai berikut:
Kelompok Kelompok 1 Kelompok II
Variabel 𝑋1 𝑋2 ... 𝑋𝑃 𝑋1 𝑋2 ... 𝑋𝑃
Terikat
Data 𝑋111 𝑋211 𝑋𝑃11 𝑋121 𝑋221 𝑋𝑝21
𝑋112 𝑋212 𝑋𝑃12 𝑋122 𝑋222 𝑋𝑝22
𝑋113 𝑋213 𝑋𝑃13 𝑋123 𝑋223 𝑋𝑝23
... ... ... ... ... ...
𝑋11𝑛1 𝑋21𝑛1 𝑋𝑝1𝑛1 𝑋12𝑛2 𝑋22𝑛2 𝑋𝑝2𝑛2
Banyak 𝑛1 𝑛2
Data
Rerata 𝑋̅11 𝑋̅21 ... 𝑋̅𝑝1 X12 X22 ... Xp2

Hipotesis nol yang diuji pada uji t multivariat adalah:

 𝜇11 𝜇12
H0 =[𝜇…
21 ][𝜇22 ]
…
𝜇𝑝1 𝜇𝑝2
Statistik uji yang digunakan untuk menyelesaikan persoalan pada uji t multivariat
adalah:
𝑛1 +𝑛2 −𝑝−1
F= 𝑇2
(𝑛1 +𝑛2 −2)𝑝

dengan db1 = p, db2 = N - p - 1,

p adalah banyaknya variabel terikat, dan
N = 𝑛1 + 𝑛2 adalah banyaknya seluruh subjek.
Statistik uji ini dikemukakan pertama kali oleh Hotelling.
Nilai 𝑇 2 dicari dari formula :
𝑛1. 𝑛2 2
𝑇2 = (X1 − X2 )(𝑠𝑝 )−1 (X1 − X2 )
𝑛1 +𝑛2

dengan 𝑛1 adalah banyaknya data amatan pada kelompok I

𝑛2 adalah banyaknya data amatan pada kelompok II dan
𝑋̅11 𝑋̅12
̅̅̅̅
𝑋̅1  𝑋̅2 = [𝑋̅…21 ] − [𝑋̅…
22 ]

𝑋̅𝑝1 𝑋̅𝑝2
Matriks S dicari dari formula:
𝑤1 +𝑤2
S=
𝑛1 +𝑛2 −2

dengan 𝑤1 dan 𝑤2 adalah SSCP (sum of square cross product matrix) kelompok I
dan kelompok II. Matriks S ini setara dengan variansi gabungan 𝑠𝑝2 pada uji t
univariat.
Contoh:
Seorang peneliti ingin melihat apakah metode A mempunyai efek yang berbeda
dengan metode B pada kemampuan matematika siswa. Variabel kemampuan
matematika siswa terbagi menjadi dua, yaitu: (a) pemahaman konsep siswa dan (b)
keterampilan komputasi siswa dalam pelajaran Matematika. Datanya adalah sebagai
berikut.
Metode A Metode B
Konsep Komputasi Konsep Komputasi
1 6 4 8
 2 3 5 6
3 4 6 7
5 4
2 5

Jika diambil 𝛼 = 0.05, bagaimanakah kesimpulan penelitian tersebut?

Jawab:
Perhatikanlah bahwa hipotesis nol yang diuji pada persoalan ini adalah sebagai
berikut:
𝜇11 𝜇12
a. H0 : (𝜇 ) = (𝜇 )
21 22

atau dapat ditulis secara lebih jelas sebagai berikut:

𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝐴 𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝐵
H0 : (𝜇 ) = (𝜇 )
𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝐴 𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝐵

b. Komputasinya dikerjakan sebagai berikut:

(∑ 𝑋1 )2 169
SS1 = ∑ 𝑋12 - = 43 - = 9.2
𝑛1 5

(∑ 𝑋2 )2 484
SS2 = ∑ 𝑋22 - = 102 - = 5.2
𝑛1 5
(∑ 𝑋1 )(∑ 𝑋2 ) (13)(22)
SS12 = ∑ 𝑋1 𝑋2 - = 54 – = -3.2
𝑛1 5

9.2 −3.2
W1 = [ ]
−3.2 5.2
Dengan cara yang sama, SSCP untuk kelompok II adalah:
2.0 −1.0
W2 = [ ]
−1.0 2.0
Dari W1 dan W2 diperoleh:
𝑤 11.2 −4.2
𝑤1 + 𝑤2 1 1.87 −0.70
S=𝑛 =𝑛 =6[
]=[ ] dan
1 + 𝑛2 −2 −4.2 7.2
1 + 𝑛2 −2 −0.70 1.20
1 1.20 0.70 0.684 0.399
S-1 = 1.754 [ ]=[ ]
0.70 1.87 0.399 1.066
2.6 5.0 −2.4
Dengan menggunakan rumus S-1 dan 𝑋1 - 𝑋2 = [ ] – [ ] = [ ] diperoleh:
4.4 7.0 −2.6
𝑛1 𝑛2
T2 = 𝑛 (𝑋1 - 𝑋2)’S-1(𝑋1 - 𝑋2)
1 + 𝑛2

[−2.4 −2.6] [0.684 0.399] [−2.4] = 30.236

(5)(3)
= 5+3 0.399 1.066 −2.6
𝑛 𝑛 − 𝑝−1 5+3−2−1
Fobs = (𝑛 1+2𝑛 T2 = (5+3−2)2 (30.236) = 12.60
1 2 − 2)𝑝
Dengan membandingkan Fobs dengan F0.05;2.5 = 5.79 maka disimpulkan bahwa H0
ditolak. Ini berarti kemampuan matematika yang dihasilkan oleh metode A tidak
sama dengan kemampuan matematika yang dihasilkan oleh metode B.