Pertemuan 10

Dr. Ir. Rahayu Astuti, M.Kes

UJI BEDA SATU SAMPEL, DAN

UJI BEDA 2 MEAN (Independent t test)
Pendahuluan
Kegiatan sebuah penelitian adakalanya dimaksudkan untuk menguji keadaan
atau sesuatu yang terdapat dalam suatu kelompok dengan kelompok yang lain.
Misalnya, apakah terdapat beda yang signifikan antara keadaan atau sesuatu yang
terdapat pada kelompok-kelompok tersebut. Jika hal itu yang menjadi tujuan
penelitian, maka teknik statistik yang digunakan adalah uji beda.
Uji beda untuk jenis penelitian yang menghasilkan data berskala interval/ rasio,
umumnya dimaksudkan untuk menguji perbedaan rata-rata hitung diantara kelompok-
kelompok tertentu yang memiliki persyaratan tertentu yang diteliti. Jika kelompok
sampel ingin diuji perbedaan rata-rata hitungnya dibandingkan dengan rata-rata pada
populasi maka uji yang digunakan adalah Uji beda mean satu sampel.

UJI BEDA MEAN SATU SAMPEL

Tujuan : Untuk mengetahui perbedaan mean populasi dengan mean data sampel
penelitian. Oleh karena tujuan pengujian ini adalah membandingkan data satu sampel
dengan data populasinya, maka uji ini sering disebut Uji Beda Mean Satu Sampel.

a). Bila nilai  diketahui maka digunakan Uji Z rumusnya :

x  
Z = 
/n

Dimana : Z : nilai Z
x : rata-rata / mean pada sampel
 : rata-rata / mean pada populasi
 : standard deviasi pada populasi
n : jumlah sampel
 / n : standard error

b). Bila nilai  tidak diketahui maka digunakan Uji t rumusnya :

x  
t =  df = n-1
s/n

Dimana : t : nilai Z
x : rata-rata / mean pada sampel
 : rata-rata / mean pada populasi
s : standard deviasi pada sample
n : jumlah sampel

R Astuti 1
  / n : standard error

Contoh 1:
Diketahui bahwa kadar kolesterol orang dewasa normal adalah 200 mg/dl dengan
standar deviasi sebesar 56 mg/dl. Seorang peneliti telah melakukan pengukuran kadar
kolesterol sekelompok penderita hipertensi yang jumlahnya sebanyak 49 orang.
Didapatkan rata-rata kadar kolesterol mereka 220 mg/dl. Peneliti ingin menguji apakah
kadar kolesterol penderita hipertensi berbeda dengan kadar kolesterol orang dewasa
normal?
Jawab :
Kadar kolesterol normal adalah mean populasi  = 200 mg/dl
Standard deviasi populasi (  ) = 56 mg/dl
Kadar kolesterol sample (x ) = 220 mg/dl

a). Hipotesis :
Ho :  = 200 (tidak ada perbedaan rata-rata kadar kolesterol orang dewasa dengan
penderita hipertensi)
Ha :   200 (ada perbedaan rata-rata kadar kolesterol orang dewasa dengan
penderita hipertensi)
b). Tingkat kemaknaan () = 5%
c). Karena standard deviasi populasi (  ) diketahui maka digunakan uji Z
x   220  200
Z =  =  = 2,5
/n 56 / 49
d). Z tabel pada  = 0,05/2 (karena two tail)  1,96
Karena Z hitung ( 2,5 ) lebih besar dari Z table ( 1,96 ) maka tolak Ho
e). Kesimpulan :
Ada perbedaan yang bermakna rata-rata kadar kolesterol orang dewasa dengan
penderita hipertensi)

Contoh 2:
Kalau peneliti tidak mengetahui besarnya standard deviasi populasi maka untuk itu
standar deviasi populasi diperkirakan saja dengan memakai standard deviasi sample.
Karena itu uji statistiknya tidak menggunakan uji Z tetapi uji t. Pada uji ini digunakan
table t yang berdistribusi “t”

Soal :Dari acuan WHO bahwa rata-rata kadar hemoglobin (Hb) wanita usia reprodukif
adalah 12 gr% dan standard deviasinya tidak diketahui. Sebanyak 25 mahasiswa S1
diambil sebagai sampel dan diukur kadar Hb nya. Diperoleh hasil rata-rata kadar Hb
nya adalah 11,5 gr% dan standard deviasinya adalah 2,1 gr% . Ingin diuji apakah kadar
Hbnya berbeda dengan rata-rata kadar Hb menurut WHO ?
a). Hipotesis :
Ho :  = 12 (tidak ada perbedaan rata-rata kadar Hb mahasiswa S1 dengan kadar Hb
menurut WHO)
Ha :   12 (ada perbedaan rata-rata kadar Hb mahasiswa S1 dengan kadar Hb
menurut WHO)
b). Tingkat kemaknaan () = 5%

R Astuti 2
c). Karena standard deviasi populasi (  ) tidak diketahui maka digunakan uji t
x   11.5  12
t =  =  = - 1,19
s/n 2,1 / 25
d). t tabel pada  = 0,05/2 (karena two tail) dan df = n-1 = 25-1 =24  2,064
Karena t hitung 1,19 lebih kecil dari t tabel ( 2,064 ) maka terima Ho
e). Kesimpulan : Tidak ada perbedaan yang bermakna rata-rata kadar Hb mahasiswa
S1 dengan kadar Hb menurut WHO

UJI BEDA DUA MEAN

( Uji t Independent )

Uji beda dua mean dapat dilakukan dengan menggunakan uji Z atau uji t. Uji Z
dapat digunakan bila standar deviasi populasi () diketahui dan jumlah sampel besar
(lebih dari 30). Apabila kedua syarat tersebut tidak terpenuhi maka dilakukan uji t.
Pada umumnya nilai  sulit diketahui, sehingga uji beda dua mean biasanya
menggunakan uji t (t-test).
Dalam uji t, rata-rata hitung yang ingin diuji perbedaannya dapat berasal dari
distribusi sampel yang berbeda dan dapat pula dari sampel yang berhubungan.
Distribusi sampel yang berbeda dimaksudkan sebagai sampel-sampel yang berasal
dari dua populasi yang berbeda dan biasa disebut sampel bebas (independent samples)
dimana kelompok yang satu tidak tergantung dari data kelompok kedua, misalnya
membandingkan mean tekanan darah sistolik orang desa dengan orang kota.
Sebaliknya, distribusi sampel yang berhubungan dimaksudkan sebagai sampel
yang sama atau kelompok subyek yang sama (dependent samples atau paired samples),
dimana kelompok data yang dibandingkan datanya saling mempunyai ketergantungan,
misalnya data berat badan sebelum dan sesudah mengikuti program diet berasal dari
kelompok orang yang sama. Berdasarkan karakteristik data tersebut maka uji t dibagi
dalam 2 (kelompok) yaitu uji t independen dan uji t dependen.

1. Uji t untuk sampel bebas (Independent Samples t- Test)

1. Tujuan : untuk menguji perbedaan mean dua kelompok data independen, yaitu
data dari 2 pengukuran yang sama pada orang/kelompok yang berbeda (tidak
terkait satu sama lain).
Kelompok 1 Kelompok 2
X11 X12
X21 X22
X31 X32
Mean = . . . Mean = . . .
SD = . . . SD = . . .

1. Syarat/asumsi yang harus dipenuhi :

- Data yang diambil dari kedua populasi mempunyai skala interval atau rasio
- Masing-masing populasi mempunyai distribusi normal.
- Kedua kelompok data independent.
2. Prinsip pengujian : melihat perbedaan variasi kedua kelompok data. Oleh
karena itu dalam pengujian ini diperlukan informasi apakah varian kedua

R Astuti 3
 kelompok yang diuji sama atau tidak. Bentuk varian kedua kelompok data akan
berpengaruh pada nilai standar error yang pada akhirnya akan membedakan
rumus pengujiannya.

a. Uji t untuk varian sama

Untuk varian yang sama maka bentuk ujinya sebagai berikut :

X1 - X2 (n1-1) S12 + (n2-1) S22

t = ; Sp2 =
Sp (1/n1) + (1/n2) n1 + n2 - 2

df = n1 + n2 – 2
Keterangan :
n1 dan n2 = jumlah sampel kelompok 1 dan 2
S1 dan S2 = Standar deviasi sampel kelompok 1 dan 2
df = degree of freedom (derajat kebebasan)
Sp = Varian populasi

b. Uji t untuk varian berbeda

Untuk varian yang berbeda maka bentuk ujinya sebagai berikut :
X1 - X2
t =
(S12/n1) + (S22/n2)

[ (S12/n1) + (S22/n2) ]2
df = v =
[ (S12/n1)2 / (n1-1) ] + [ (S22/n2)2 / (n2-1) ]

Keterangan :
n1 dan n2 = jumlah sampel kelompok 1 dan 2
S1 dan S2 = Standar deviasi sampel kelompok 1 dan 2
df = degree of freedom (derajat kebebasan)

c. Uji kesamaan varian/ homogenitas varian

Tujuan dari uji ini adalah untuk mengetahui varian antara kelompok data satu
apakah sama dengan kelompok data yang kedua.
Perhitungannya dengan menggunakan uji F yaitu :

S12
F = ; df1 = n1 – 1 dan df2 = n2 - 1
S22

Dimana :
n1 = pembilang dan n2 = penyebut
Pada perhitungan uji F, varian yang lebih besar sebagai pembilang dan varian
yang lebih kecil sebagai penyebut.

R Astuti 4
LANGKAH-LANGKAH:
1. Lakukan uji kesamaan varian (uji F)
2. Lakukan uji t indipenden
a). Jika variannya sama, maka:
Lakukan uji t indipenden dengan asumsi varian sama
b). Jika variannya berbeda, maka:
Lakukan uji t indipenden dengan asumsi varian berbeda

PROSEDUR UJI KESAMAAN VARIAN

1. Buat hipotesis nol dan hipotesis alternatif
Ho : 12 = 22 ( varian populasi 1 sama dengan varian populasi 2)
Ha : 12  22 (varian kedua populasi tidak sama/ berbeda)
2. Uji statistik  uji F
F hitung = S12 / S22 ( dimana S12 adalah varian yang lebih besar)
3. Daerah kritis : Ho ditolak jika
F hitung  Ftabel (df 1, df 2, )
4. Keputusan  Ho ditolak atau gagal ditolak?
5. Kesimpulan  varian berbeda atau varian sama

PROSEDUR UJI T INDIPENDEN

1. Buat hipotesis nol dan hipotesis alternatif
Ho : 1  2 (mean atau rata-rata populasi 1 sama dengan rata-rata populasi 2)
Ha : 1  2 (hipotesa 2 sisi/ two tailed)
1 > 2 (hipotesa 1 sisi/ one tailed)
1 < 2 (hipotesa 1 sisi/ one tailed)
2. Uji statistik  t test

2a). Jika hasil uji F adalah varian sama maka gunakan uji t dengan asumsi varian sama
X1 - X2 (n1-1) S12 + (n2-1) S22
t = ; Sp2 =
Sp (1/n1) + (1/n2) n1 + n2 - 2

df = n1 + n2 – 2
3a). Daerah kritis (Ho ditolak jika:)
Ha Daerah kritis
(two tailed) 1  2  t  hitung  t tabel (/2; df= n1+n2 –2) atau p-value < /2
(one tailed) 1 > 2  t  hitung  t tabel (; df= n1+n2 –2) atau p-value < 
(one tailed) 1 < 2  t  hitung  t tabel (; df= n1+n2 –2) atau p-value < 
Catatan:
jika df > 30, tabel distribusi normal dapat dipakai untuk menghitung nilai t tabel
4a). Keputusan  Ho ditolak atau gagal ditolak?
5a). Kesimpulan  mean atau rata-rata berbeda atau sama

R Astuti 5
2b). Jika hasil uji F varian berbeda maka gunakan uji t dengan asumsi varian berbeda
X1 - X2
t =
(S12/n1) + (S22/n2)

[ (S12/n1) + (S22/n2) ]2
df = v =
[ (S12/n1)2 / (n1-1) ] + [ (S22/n2)2 / (n2-1) ]

3b). Daerah kritis (Ho ditolak jika:)

Ha Daerah kritis
(two tailed) 1  2  t  hitung  t tabel ( /2; df= v ) atau p-value < /2
(one tailed) 1 > 2  t  hitung  t tabel ( ; df=v ) atau p-value < 
(one tailed) 1 < 2  t  hitung  t tabel ( ; df= v ) atau p-value < 

4b). Keputusan  Ho ditolak atau gagal ditolak?

5b). Kesimpulan  mean atau rata-rata berbeda atau sama

Contoh kasus:
Sebuah penelitian bertujuan mengetahui apakah ada perbedaan rata-rata tingkat
kecemasan pasien dengan anestesi spinal dan anestesi general pada pasien di kamar
bedah. Kemudian diambil sample sebanyak 60 pasien dengan anestesi spinal dan 60
pasien dengan anestesi general. Ternyata diperoleh hasil rata-rata tingkat kecemasan
pasien dengan anestesi spinal 30,1 dengan standar deviasi 6,0 sedangkan dengan
anestesi general 27,3 dengan standar deviasi 5,6. Ujilah pernyataan tersebut dengan
alpha 5%.

Langkah-langkah:

A. Uji Kesamaan Varian

Diketahui : n1 = 60 n2 = 60
X1 = 30,1 X1 = 27,3
s1 = 6,0 s 2 = 5,6
1. Buat hipotesis nol dan hipotesis alternatif
Ho : 12 = 2 2 (varian tingkat kecemasan dengan anestesi spinal sama dengan varian
tingkat kecemasan dengan anestesi general)
Ha : 1  22 (varian tingkat kecemasan dengan anestesi spinal berbeda dengan
2

varian tingkat kecemasan dengan anestesi general)

2. Derajat kemaknaan:  = 5%

R Astuti 6
3. Uji statistik  uji F
F hitung = S12 / S22 ( dimana S12 adalah varian yang lebih besar)
= (6,0)2 / (5,6)2
= 1,15
4. Daerah kritis : Ho ditolak jika
F hitung  Ftabel (df 1, df 2, )
Ftabel  pembilang = n1  1 = 60  1 = 59
penyebut = n2  1 = 60  1 = 59
 = 5%
Ftabel = 1,15
5. Keputusan  Karena (F hitung = 1,15) < (Ftabel = 1,53) maka Ho gagal ditolak
6. Kesimpulan  varian kedua populasi sama
 Lakukan uji t dengan asumsi varian sama

B. Uji t indipenden dengan asumsi varian sama

1. Buat hipotesis nol dan hipotesis alternatif
Ho : 1  2 (Tidak ada perbedaan rata-rata tingkat kecemasan pasien dengan
anestesi spinal dan anestesi general)
Ha : 1 ≠ 2 (Ada perbedaan rata-rata tingkat kecemasan pasien dengan anestesi
spinal dan anestesi general)
2. Uji statistik  t test dengan  = 5%
Karena hasil uji F adalah varian sama maka gunakan uji t dengan asumsi varian
sama
(n1-1) S12 + (n2-1) S22
Sp = 
2

n1 + n2 – 2

(60-1) (6,0)2 + (60-1) (5,6)2

Sp =  = 33,68
2

60 + 60 – 2

Sp = 5,80

X1 - X2
t =
Sp (1/n1) + (1/n2)

30,1  27,3
t = = 2,64
5,80 (1/60) + (1/60)

3. Daerah kritis (Ho ditolak jika:)

 t  hitung  t tabel (0,05; df= 60+60 –2)
2,64  1,98
4. Keputusan  Ho ditolak karena  t  hitung  t tabel
5. Kesimpulan  Ada perbedaan rata-rata tingkat kecemasan pasien dengan anestesi
spinal dan anestesi general

R Astuti 7
KASUS yang dikerjakan dengan uji t independent

1. Mahasiswa sedang melaksanakan penelitian yang membandingkan rata-rata

kenaikan BB bayi yang dipijat dan tidak dipijat. Jumlah sampel bayi yang dipijat 15
orang dan yang tidak dipijat juga 15 orang bayi
Dari data sampel menunjukkan bahwa :
Rata-rata kenaikan Bb bayi yang dipijat ( ͞x 1 ) = 0,693 kg dan standar deviasi
( s 1 ) = 0,1486 kg
Rata-rata kenaikan Bb bayi yang tidak dipijat ( ͞x 2 ) = 0,467 kg dan standar
deviasi ( s 2 ) = 0,1345 kg

Hasil uji kenormalan diperoleh hasil bahwa data kadar Hb berdistribusi normal.
Pertanyaan :
Apakah ada perbedaan rata-rata kadar kenaikan BB bayi yang dipijat dan yang tidak
dipijat ? Lakukan uji hipotesis dengan uji t independent

CARA 1
Jika dikerjakan dengan cara menghitung dengan rumus maka caranya seperti contoh
diatas. Pengambilan keputusan dengan cara membandingkan nilai t hitung dengan
nilai t table. Jika nilai t hitung > nilai t table maka TOLAK Ho dan kesimpulannya
Ada perbedaan rata-rata kenaikan BB bayi yang dipijat dan tidak dipijat. Sebaliknya
jika nilai t hitung ≤ nilai t table maka TERIMA Ho dan kesimpulannya Tidak ada
perbedaan rata-rata kenaikan BB bayi yang dipijat dan tidak dipijat.

CARA 2
Supaya cepat maka perhitungan bisa dilakukan dengan program SPSS, Data hasil
pengumpulan data dimasukkan ke dalam program SPSS

Nomor Umur Pemijatan Kenaikan BB

(tahun) (1 dipijat, 2 tidak dipijat) (kg)
1 5 1 0,9
2 11 1 0,6
3 4 1 0,7
4 3 1 0,6
5 7 1 0,6
6 9 1 0,8
7 10 1 0,5
8 5 1 0,8
9 2 1 0,9
10 3 1 0,5

R Astuti 8
 11 7 1 0,7
12 9 1 0,6
13 5 1 0,9
14 3 1 0,5
15 5 1 0,8
16 9 2 0,4
17 10 2 0,3
18 5 2 0,4
19 6 2 0,6
20 7 2 0,5
21 2 2 0,4
22 4 2 0,7
23 6 2 0,3
24 9 2 0,5
25 7 2 0,4
26 11 2 0,6
27 5 2 0,3
28 3 2 0,5
29 6 2 0,4
30 7 2 0,7

Diketahui
Rata-rata kenaikan BB bayi yang dipijat ( ͞x ) = 0,693 kg dan s = 0,1486 kg
Rata-rata kenaikan BB bayi yang tidak dipijat ( ͞x ) = 0,467 kg dan s = 0,1345 kg

Ujilah apakah ada perbedaan rata-rata kenaikan berat badan bayi pada bayi
yang dipijat dan tidak dipijat ?

Hasil Uji Kenormalan data

Cara 1

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.

Kenaikan BB ,138 30 ,153 ,942 30 ,102

a. Lilliefors Significance Correction

Uji kenormalan data pada seluruh data (30 sampel)

Sig atau nilai p pada uji Kolmogorov Smirnov = 0,153  > 0,05
 distribusi Normal
Sig atau nilai p pada uji Saphiro Wilk = 0,102  > 0,05
 distribusi Normal

R Astuti 9
Cara 2

Uji kenormalan data pada data bayi yang dipijat (15 sampel) dan tidak dipijat (15
sampel)
Tests of Normality

Metode Kolmogorov-Smirnova Shapiro-Wilk

pemijatan Statistic df Sig. Statistic df Sig.

Kenaikan Dipijat ,202 15 ,102 ,890 15 ,066

BB Tidak dipijat ,223 15 ,043 ,899 15 ,093
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Pada bayi dipijat

Sig atau nilai p pada uji Saphiro Wilk = 0,066  > 0,05  distribusi Normal

Pada bayi tidak dipijat

Sig atau nilai p pada uji Saphiro Wilk = 0,093  > 0,05  distribusi Normal

Analisis deskriptif

Report
Kenaikan BB
Metode pemijatan N Mean Std. Deviation

Dipijat 15 ,693 ,1486

Tidak dipijat 15 ,467 ,1345
Total 30 ,580 0,1808

Rata-rata kenaikan Bb bayi yang dipijat ( ͞x ) = 0,693 kg dan s = 0,1486 kg

Rata-rata kenaikan Bb bayi yang tidak dipijat ( ͞x ) = 0,467 kg dan s = 0,1345 kg

Uji t indipendent

Group Statistics

Metode N Mean Std. Deviation Std. Error Mean

pemijatan

Kenaikan Dipijat 15 ,693 ,1486 ,0384

BB Tidak dipijat 15 ,467 ,1345 ,0347

R Astuti 10
 Independent Samples Test
Levene's t-test for Equality of Means
Test for
Equality of
Variances
F Sig. t df Sig. Mean Std. 95%
(2- Differe Error
Confidence
tailed) nce Differ
Interval of the
ence Difference
Lower Upper
Equal ,398 ,533 4,379 28 ,000 ,2267 ,0518 ,1206 ,3327
variances
assumed
Kenai-
kan BB Equal 4,379 27,725 ,000 ,2267 ,0518 ,1206 ,3327
variances
not
assumed

UJI HOMOGENITAS VARIANS

1) Ho : Tidak ada perbedaan varians kenaikan berat badan bayi yang dipijat dan
tidak dipijat ( σ1 = σ 2 )
Ha : Ada perbedaan varians kenaikan berat badan bayi yang dipijat dan tidak
dipijat (σ 1 ≠ σ 2 )
2). Tingkat kemaknaan ( α ) = 5% (0,05)
3). Hasil uji varians  Levene's Test for Equality of Variances nilai p = 0,533 >
0,05  Terima Ho
4). Kesimpulan : Tidak ada perbedaan varians (Varians sama)

Lanjut UJI t INDEPENDENT dengan Varians sama

1) Ho : Tidak ada perbedaan rata-rata kenaikan berat badan bayi yang dipijat dan
tidak dipijat ( µ1 = µ2 )
Ha : Ada perbedaan rata-rata kenaikan berat badan bayi yang dipijat dan tidak
dipijat ( µ1 ≠ µ2 )
2). Tingkat kemaknaan ( α ) = 5% (0,05)
3). Hasil perhitungan dengan SPSS diperoleh t hitung = 4,379
4). Nilai p (sig) = 0,000 < 0,05  Tolak Ho
5). Kesimpulan : Ada perbedaan rata-rata kenaikan berat badan bayi yang dipijat
dan tidak dipijat

R Astuti 11
 Daftar Pustaka

1. Le, Chap T; Eberly Lynn E. Introductory Biostatistics. Second Edition. John Wiley
& Sons, Inc., Hokoben, New Jersey. 2016.
2. Sabri dan Hastomo. 2006. Statistika kesehatan. PT Raja Grafindo Persada. Jakarta.
3. Spiegel, Marray R; Schiller, John J; Srinivasan, R. A. Probability and Statistics.
Fourth Edition. Schaum’s Outlines Series. The McGraw-Hill Companies. New York.
2013.
4. Ahsanullah, M; Kibria, B.M.G; Shakil, M. Normal and Student’s t Distributions and Their
Aplications. Atlantis Studies in Probability and Statistics. Series Editor: C.P. Tsokos,
Tampa. Atlantis Press. USA. 2014
5. Dawson B, Trapp RG. Basic and Clinical Biostatistics. Third Edition. McGraw-Hill
International Editions. Lange Medical Books, The McGraw-Hill Companies. 2001.
6. Sheskin, D.J. Handbook of Parametric and Nonparametric Statistical Prosedures.
Third Edition. Chapman & Hall/CRC. Florida. 2004.
7. Park, Hun Myoung. Comparing Group Means: The t-Test and One-Way ANOVA
Using STATA, SAS and SPSS. The Trustees of Indiana University. 2005.

R Astuti 12
 TABEL DISTRIBUSI t STUDENT’S

Tingkat signifikansi (one- tailed)

df 0,1 0,05 0,025 0,01
Tingkat signifikansi (two- tailed)
0,2 0,10 0,05 0,02

1 3.078 6.314 12.706 31.821

2 1.886 2.920 4.303 6.965
3 1.638 2.353 3.182 4.541
4 1.533 2.132 2.776 3.747
5 1.476 2.015 2.571 3.365
6 1.440 1.943 2.447 3.143
7 1.415 1.895 2.365 2.998
8 1.397 1.860 2.306 2.896
9 1.383 1.833 2.262 2.821
10 1.372 1.812 2.228 2.764

11 1.363 1.796 2.201 2.718

12 1.356 1.782 2.179 2.681
13 1.350 1.771 2.160 2.650
14 1.345 1.761 2.145 2.624
15 1.341 1.753 2.131 2.602
16 1.337 1.746 2.120 2.583
17 1.333 1.740 2.110 2.567
18 1.330 1.734 2.101 2.552
19 1.328 1.729 2.093 2.539
20 1.325 1.725 2.086 2.528

21 1.323 1.721 2.080 2.518

22 1.321 1.717 2.074 2.508
23 1.319 1.714 2.069 2.500
24 1.318 1.711 2.064 2.492
25 1.316 1.708 2.060 2.485
26 1.315 1.706 2.056 2.479
27 1.314 1.703 2.052 2.473
28 1.313 1.701 2.048 2.467
29 1.311 1.699 2.045 2.462
30 1.310 1.697 2.042 2.457

40 1.303 1.684 2.021 2.423

50 1.299 1.676 2.009 2.403
60 1.296 1.671 2.000 2.390
70 1.294 1.667 1.994 2.381
120 1.289 1.658 1.980 2.358
 1.282 1.645 1.960 2.326

Sumber: Principles of Biostatistics.Wadsworth Publishing Company, Belmont, California, 1992 dan

Handbook Parametric and Nonparametric Statistical Procedures. Chapman & Halll/CRC. 2004

R Astuti 13
 TABEL DISTRIBUSI F
Bilangan dalam badan daftar menyatakan Fp
Untuk peluang p = 0,05 p

Fp
V1
V2
1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 
1 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,9 245,9 248,0 249,1 250,1 251,1 252,2 253,3 254,3
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,50
3 10,12 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66 5,63

5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,36
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71

10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,40
12 4,75 3,89 3,49 3,25 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13

15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33 2,99 2,25 2,20 2,16 2,11 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88

20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73

25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,15 2,07 1,99 1,95 1,90 1,85 1,80 1,75 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,13 2,06 1,97 1,93 1,88 1,84 1,79 1,73 1,,67
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,12 2,04 1,96 1,91 1,87 1,82 1,77 1,71 1,65
29 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,10 2,03 1,94 1,90 1,85 1,81 1,75 1,70 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
120 3,92 3,07 2,68 2,45 2,29 2,17 2,09 2,02 1,96 1,91 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,25
 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,75 1,67 1,57 1,52 1,46 1,39 1,32 1,22 1,00

R Astuti 15
R Astuti 13