Uji t satu sampel

Uji Z
Uji t independen
Uji Mann Whitney (U-test)
Uji t berpasangan
Uji Wilcoxon

 Pertemuan 13-14
Pengertian Uji T
 Tes t atau Uji t adalah uji statistik yang digunakan untuk
menguji kebenaran atau kepalsuan hipotesis nol .

 Uji t pertama kali dikembangkan olehWilliam Seely Gosset

pada 1915.Awalnya ia menggunakan nama samaran Student,
dan huruf t yang terdapat dalam istilah Uji “t “ dari huruf
terakhir nama beliau. Uji t disebut juga dengan nama Student
t.
Asumsi
 Sampel di ambil secara acak dari populasi
berdistribusi normal.

 Data berskala interval dan atau rasio.

 Alat analisis data untuk menguji satu populasi atau dua
populasi.
 Membandingkan dua mean (rata-rata) untuk menentukan
apakah perbedaan rata-rata tersebut perbedaan nyata atau
karena kebetulan.
 Untuk uji t satu sampel, Membandingkan mean (rata-rata)
sampel dengan mean acuan.
Penggolongan Uji T

Uji t

Satu sampel Dua sampel

Berhubungan Terpisah
(Dependen) (Independen)
Uji T satu sampel
_
_ x  M ean sampel
x 0 0  M ean acuan
t
   Standard deviasi sampel
n  banyak sampel
n
Ingin menguji kebenaran parameter suatu populasi berdasarkan sampling yang telah
dilakukan
Uji Z

x  0
_
x  M ean sampel
z 0  M ean acuan
   Standard deviasi populasi
n n  banyak sampel

 Uji z digunakan ketika standar deviasi populasi diketahui. Jika tidak

diketahui, maka kita menggunakan standar deviasi sampel (uji-t)
 CONTOH SOAL

 Rata-rata target pencapaian produksi rumput laut di seluruh

propinsi adalah 100%. Untuk mengetahui kebenarannya maka
dilakukan sampling data di 15 propinsi sebagai berikut:
Uji t satu sampel (spss)
 Analyze
 Compare means
 One sample t-test
 Pindahkan x  variabel
 Masukkan nilai acuan (μ0) di test value
 OK
Output
a. Formula Hipotesis
Ho :  = 100
Ha :  ≠ 100  dua arah
b. Taraf nyata dan nilai t tabel
a = 5% a /2 = 2.5% db = 15-1 = 14
t2.5%;14 = 2.145
c. Kriteria pengujiannya
Ho diterima jika : -2,145 ≤ to ≤ 2,145
Ho ditolak jika : to > 2.145 atau to < -2.145
d. Uji Statistik
to = (100.05 -100) / (15.02/151/2)
= 0.013
e. Kesimpulan
terima Ho artinya rata-rata target pencapaian produksi
rumput laut adalah 100%
Uji beda dua sampel
Uji beda dua sampel
 Dilakukan dengan membandingkan dua mean (rata-rata) dari
dua kelompok.

 Ada dua jenis uji beda parametrik untuk 2 kelompok sampel :

1. Uji beda 2 mean independen (independent sample t-test)
2. Uji beda 2 mean dependen (paired sample t-test)

 Ada dua jenis uji beda non-parametrik untuk 2 kelompok

sampel :
1. Uji Mann Whitney (U-Test)  sampel independen
2. UjiWillcoxon  sampel dependen
Ada dua kelompok data sampel
independen.
Jika data terdistribusi normal,
analisislah dengan uji t
independen (parametrik)
Independen sample t -test
 Data pada kelompok satu dan data pada kelompok dua
berasal dari objek penelitian yang berbeda

Tujuan :
 Untuk mengetahui perbedaan 2 kelompok independen

Prinsip:
1. Melihat perbedaan variasi kedua kelompok data.
2. Pada pengujian diperlukan informasi varian kedua kelompok.
 Hipotesis H 0 : 1   2
atau
H 0 : 1   2  0
H 1 : 1   2
Asumsi yang harus dipenuhi pada
independen t test antara lain:
 Skala data interval/rasio.
 Kelompok data saling bebas atau tidak berpasangan.
 Data per kelompok berdistribusi normal.
 Varians antar kelompok sama atau homogen.
Contoh

Seorang peneliti
membuat desain
eksperimen (post test
only control group
design).
Kelas kontrol tanpa
treatment dan kelas
eksperimen diberi
treatment model
pembelajaran NHT
(Numbered Head
Together)
Spss (uji t independen)
 Analyze
 Compare means
 Independent sample t-test
 Hasil belajar  test variables
 Model  grouping variable
 Define group  group 1 ketik 1 & group 2 ketik 2
 Ok
Tahap awal :
Melakukan uji varian/Homogenitas
Apakah varian berbeda atau tidak berbeda
Uji varian : Rumus Fisher  F = S12/S22
Hipotesis:
Ho: Kedua kelompok memiliki varian yang sama
H1: kedua kelompok tidak memiliki varian yang sama
Contoh:
f hit = S12 / S22
f tab = .... (df1= jumlah data yang variansnya S12 (kurangi 1), df2 = = jumlah data
yang variansnya S22 (kurangi 1))
jika f hit > ftab  Terima Ho : varian sama (homogen)
Output

 Bagian Descriptive di atas menampilkan hasil analisis

statistik deskriptifnya seperti rata per kelompok (mean),
standar deviasi, dan standar error
 Fhitung = 9,0352/4,3472 = 81,631/18,896 = 4,32
 Bandingkan dengan F tabel = 2,64
 Ternyata f hit > ftab  berarti Terima Ho. Kesimpulan : varian sama
(asumsi homogenitas terpenuhi)
Perbedaan cara baca tabel F untuk kasus
uji homogenitas dan uji signifikansi regresi
 Uji Homogenitas
Df1 = diambil dari jumlah sampel kelompok yg variansnya
terbesar dikurangi 1 (n1-1)
Df2 = diambil dari jumlah sampel kelompok yg variansnya
terkecil dikurangi 1 (n2-1)
 Uji Signifikansi Regresi
Df1 = diambil dari banyaknya variabel bebas (k)
Df2 = diambil dari jumlah sampel dikurangi banyaknya variabel
bebas (n-k)
LANJUT uji t.....
 Output

Lihat hasil Uji Levene

Jika sig. ≥ 0,05  pakailah hasil uji t dimana Equal variances assumed
Jika sig. < 0,05  pakailah hasil uji t dimana Equal variances NOT assumed
 Output

H 0 : 1   2
Lihat hasil Uji t atau
H 0 : 1   2  0
H 1 : 1   2
•dari equal variances
assumed jika varians sama
Jika sig. < 0,05  Tolak H0
Jika sig. ≥ 0,05 Terima H0
•dari equal variances not
assumed jika varians tidak Kesimpulan :
sama Tolak H0 :
Terdapat perbedaan rata-rata hasil belajar .......
Terima H0 :
Tidak terdapat perbedaan rata-rata hasil belajar .......
Ada dua kelompok data sampel
independen.
Tapi data tidak terdistribusi normal,
analisislah dengan Uji Mann
Whitney (U-test)  (non
parametrik)
Uji Mann Whitney (U-test)
 Uji beda non-parametrik
 Uji beda data berjenis ordinal
 Bisa juga untuk data penelitian berjenis interval/rasio,YANG tidak
memenuhi prasyarat uji statistik parametrik (uji normalitas)
 Data dari dua kelompok sampel berasal dari objek penelitian yang
berbeda

Meskipun non-parametrik, ada asumsi yang harus dipenuhi:

 Bentuk dan penyebaran data sama
 Variansnya homogen (uji homogenitas dengan levene’s test)
Spss (uji homogenitas)
 Tentukan terlebih dahulu variabelnya
 Lalu masukkan ke variabel view
 Masukkan datanya
 Pilih analyze
 Pilih descriptive statistic
 Pilih explore
 Pada kotak dialog Explore, masukan Variabel Hasil Belajar ke
kotak Dependent List dan Model Pembelajaran ke kotak
Factor List.
 Klik Plots, centang Unstransformed kemudian klik Continue.
 Klik [OK].
H0 : kedua kelompok data mempunyai varian sama atau homogen
H1 : kedua kelompok data mempunyai varian yang berbeda
 Dari tabel output di atas dapat diketahui nilai Sig sebesar
0,417. Karena nilai Sig > 0,05  H0 diterima
 maka dapat disimpulkan bahwa kedua kelompok data
mempunyai varian sama atau homogen. Angka Levene
Statistic menunjukkan semakin kecil nilainya maka semakin
besar homogenitasnya.
Spss  Uji Asumsi kesamaan bentuk dan penyebaran data
 Graph
 Legacy Dialogs
 Histogram
 Masukkan Nilai ke kotak Variable dan Metode
ke Rows
 centang Nest Variables (no empty rows)
 Ok

Nb: Untuk memunculkan kurva distribusi data, Klik 2 kali histogram

kemudian klik kanan dan pilih Add/Show Distribution Curve
 Output
 Perhatikan 2 histogram di
samping, ternyata bentuk
kemiringan dan
lebarnya tidak sama.
Hal ini menunjukkan
bahwa bentuk dan
penyebaran data tidak
sama.
 kemudian lihat puncak
tertinggi kedua histogram,
ternyata tidak sama antara
keduanya, yang berarti
terdapat perbedaan
median.
 Maka asumsi pertama uji
mann whitney u test tidak
terpenuhi, karena tidak
terdapat kesamaan bentuk
dan penyebaran data.
Contoh histogram dengan kemiringan
dan lebar yang sama
Spss  uji mann whitney (u-test)
 Analyze
 Non Parametric Test
 Legacy Dialogs
 2 Independent Samples
 Hasil belajar  test variables
 Model  grouping variable
 Define group  group 1 ketik 1 & group 2 ketik 2
 Continue
 Test type : centang Mann Whitney U
 Ok
Output

 Tabel di atas menunjukkan Mean Rank atau rata-rata peringkat

tiap kelompok.Yaitu pada kelompok kesatu rerata peringkatnya 11,65
lebih rendah dari pada rerata peringkat kedua, yaitu 16,97. Apakah
perbedaan rerata peringkat kedua kelompok di atas bermakna secara
statistik atau yang disebut dengan Signifikan?
 Lihat pejelasan berikutnya!
Output

Tabel di samping menunjukkan nilai

U sebesar 60,5 dan nilai W sebesar
151,5. Apabila dikonversikan ke
nilai Z maka besarnya -1,710.

Lalu, Uji hipotesis :

H 0 : 1   2
atau
H 0 : 1   2  0
H 1 : 1   2

 Apabila nilai Asymp. sig. < 0,05 maka Tolak Ho

 Kesimpulan : terdapat perbedaan yang signifikan antara rata-rata
peringkat kedua kelompok
 Dan sebaliknya bila nilai sig. ≥ 0,05, maka Terima Ho
Ada dua kelompok data sampel
dependen
(diambil dari objek yang sama).
Jika data terdistribusi normal,
analisis data dengan uji t
berpasangan (parametrik)
Paired t test

• Paired-Sample t test adalah analisis dengan melibatkan dua

pengukuran pada subjek yang sama terhadap suatu pengaruh atau
perlakuan tertentu.
• Contoh: pre test dan post test untuk melihat pengaruh strategi
pembelajaran
• Contoh: berat badan sebelum dan sesudah setelah memakan
suplemen tertentu

• Apabila suatu perlakuan tidak memberi pengaruh, maka selisih rata-

rata adalah nol.
Contoh:
Lakukanlah analisis paired sample t test untuk data
berikut
 Buatlah data sendiri2 (jumlahnya >10 data) yang mirip
dengan data berikut, agar setiap mahasiswa menganalisis data
yang berbeda
PRE TEST POST TEST
56 76
54 74
55 77
53 78
52 79
51 80
50 76
55 77
56 78
57 79
58 80
59 81
Spss (uji t berpasangan)
 Analyze
 Compare means
 Paired sample t-test
 Pre test  variabel 1
 Post test  variabel 2
 Option  confidence level 95%
 Ok
Output

 Tabel pertama menunjukkan statistik deskriptif masing-masing tes

 Nilai r diambil dari correlation pada tabel kedua (menunjukkan arah dan kekuatan hubungan).
 Pada tabel paired sample correlation, nilai r = 0,335, dimana arah hubungannya positif, dan kekuatan
hubungannya tergolong lemah.
 Uji signifikansi korelasi dengan melihat kolom sig.
H0 : r = 0 (tidak ada korelasi)
H1 : r ≠ 0 (ada korelasi)
 Karena sig = 0,287, maka keputusannya menerima H0 (sig > α)
 Kesimpulan : buatlah !
 H 0 : 1   2
atau

Output H 0 : 1   2  0
H 1 : 1   2

 t = nilai t hitung = -28,435

 t hitung dibandingkan dengan t tabel pada DF 11.
 Apabila t hitung > t tabel: pengaruh signifikan (Ada perbedaan antara sebelum dan sesudah
perlakuan).
 Atau lihat Sig. (2-tailed): Nilai probabilitas/p value uji T Paired: Sig. (2-tailed) = 0,000.
 Keputusan : Tolak Ho karena sig. < 0,05
 Kesimpulan: Ada perbedaan antara sebelum dan sesudah perlakuan.
 Mean: -23,250. Bernilai Negatif: Artinya terjadi kecenderungan kenaikan nilai sesudah
perlakuan. Rata-rata kenaikannya adalah 23,250. (jika mean positif, terjadi kecenderungan
penurunan)
Tapi jika data tidak terdistribusi
normal dan/atau varians tidak
homogen, analisislah dengan
Uji Wilcoxon
Uji Wilcoxon
 Uji beda non-parametrik
 Uji beda data berjenis ordinal (bertingkat/rank)
 Bisa juga untuk data penelitian berjenis interval/rasio,
YANG tidak memenuhi prasyarat uji statistik parametrik
(uji normalitas dan homogenitas)
 Data dari dua kelompok data sampel berasal dari objek
penelitian yang sama
Spss (Uji Wilcoxon)
 Analyze
 Nonparametrics test
 Legacy dialog
 2 related samples
 Prestest  variable 1
 Posttest  variable 2
 Centang Wilcoxon
 Option Centang Descriptive
 Continue
 Ok
Output

 Dari tabel di atas tampak bahwa rata-rata nilai posttest

sebesar 77,92 di mana nilai tersebut lebih besar dari rata-rata
nilai pretest yang hanya 54,67.
 Untuk mengetahui apakah perbedaan tersebut signifikan atau
tidak, kita lihat pada tabel berikutnya
Output

 Negative ranks merujuk kepada data yang nilai posttest < pretest
 Positive ranks merujuk kepada data yang nilai posttest > pretest
 Ties merujuk kepada data yang nilai posttest = pretest
 N = jumlah datanya
 Mean rank : peringkat rata-ratanya
 Sum of rank : jumlah dari peringkatnya
Output

 Berdasarkan hasil perhitungan

Wilcoxon Sign Rank Test, nilai Z yang
didapat sebesar -3,103.
 Nilai probabilitas (Asymp. Sig. (2-
tailed) sebesar 0,002 dimana < α
(0,05) maka keputusannya menolak
H 0 : 1   2 H0.
atau
H 0 : 1   2  0
 Kesimpulan: buatlah sendiri!
H 1 : 1   2