PAPER BIOSTATISTIK

(ANALITIK PARAMETRIK UJI BEDA INDEPENDENT SIMPLE T-TEST)

OLEH

Kelompok : 1

1. ALYA SHAFIRA (17.321.2713)

2. GEDE MELYANTARA JAYA (17.321.2715)
3. NI MADE AYU FERA ANDINI (17.321.2745)
4. NI MADE BELLA PRATIWI PUTRI (17.321.2746)
5. NI NYOMAN DESY CANDRA SARI (17.321.2750)
6. NI PUTU INTAN PUSPA SARI (17.321.2750)
7. NI PUTU RATIH ANDRIANI (17.321.2752)
8. NI WAYAN WENA WARDANI (17.321.2757)
9. PUTU HARRY KRESNA PUTRA (17.321.2759)

PROGRAM STUDI SI ILMU KEPERAWATAN

SEKOLAH TINGGI ILMU KESEHATAN WIRA MEDIKA BALI

DENPASAR

2020

1
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Uji beda t-test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan
memiliki nilai rata-rata yang berbeda. Uji beda t-test dilakukan dengan cara membandingkan
perbedaan antara dua nilai rata-rata. Dalam kasus tertentu, juga bisa mencari perbedaan
antara suatu sampel dengan nilai tertentu. 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.
Uji beda bukan merupakan uji statistik non parametrik. Uji t dengan distribusi normal
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.Fungsi dari uji
T-test sendiri yaitu digunakan untuk menguji hipotesa komparatif (uji perbedaan), digunakan
untuk sampel kecil dan varian populasi tidak diketahui, dan membedakan mean kelompok.

1.2 Rumusan Masalah

1.2.1. Apakah pengertian dari uji beda ?
1.2.2. Bagaimanakah independent dari simple t-test ?

1.3 Tujuan Penulisan

1.3.1. Untuk mengetahui apakah pengertian dari uji beda
1.3.2. Untuk mengetahui bagaimanakah independent dari simple t-test

1.4 Manfaat Penulisan

1.4.1. Mahasiswa mengetahui apakah pengertian dari uji beda
1.4.2. Mahasiswa mengetahui bagaimanakah independent dari simple t-test

1
 BAB II
PEMBAHASAN

2.1 Uji Beda

Uji beda t-test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan
memiliki nilai rata-rata yang berbeda. Uji beda t-test dilakukan dengan cara membandingkan
perbedaan antara dua nilai rata-rata. 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.
contoh : memerlukan uji beda terhadap suatu sampel data dengan nilai tertentu yaitu 1000
jam.
2. Seorang guru ingin mengetahui apakah suatu model pengajaran memberikan hasil yang
berbeda terhadap hasil prestasi belajar dua kelas siswa.
contoh : memerlukan uji beda terhadap dua buah sampel yaitu nilai prestasi belajar antara
dua kelas.
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 : memerlukan uji beda terhadap tiga kelompok akuntan dalam hal persepsi terhadap
advertising KAP.
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.
Uji beda bukan merupakan uji statistik non parametrik. Uji t dengan distribusi normal
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. Fungsi dari uji T-test sendiri

2
yaitu digunakan untuk menguji hipotesa komparatif (uji perbedaan), digunakan untuk sampel
kecil dan varian populasi tidak diketahui, dan membedakan mean kelompok.

2.2 Independent Simple T-Test

1. Dasar teori
Uji ini digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata antara dua
kelompok sampel yang tidak berhubungan. prinsipnya ingin mengetahui apakah ada
perbedaan mean antara dua populasi, dengan membandingkan samplenya. jika ada
perbedaan, rata-rata manakah yang lebih tinggi. Data yang digunakan biasanya berskala
interval atau rasio. Contoh kasus suatu penelitian ingin mengetahui hubungan status
merokok ibu hamil dengan berat badan bayi yang dilahirkan. Respondan terbagi dalam dua
kelompok, yaitu mereka yang merokok dan yang tidak merokok. Uji T independen ini
memiliki asumsi atau syarat yang mesti dipenuhi, yaitu :
a. Datanya berdistribusi normal.
b. Kedua kelompok data independen (bebas).
c. Variabel yang dihubungkan berbentuk numerik dan kategorik (dengan hanya 2
kelompok).
2. Rumus Independent Sample t-test
3. Interpretasi
a. Untuk menginterpretasikan t-test terlebih dahulu harus ditentukan :
a) Nilai signifikansi α
b) Interval Confidence = 1- α
c) Df (degree of freedom), khusus untuk independent sample t-testatau DF
(Degree of freedom)
b. Bandingkan nilai thit dengan ttab
c. Apabila :
a) berbeda secara signifikansi (H0 ditolak)
b) Tidak berbeda secara signifikansi (H0 diterima)

3
 Contoh Kasus
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai
ujian antara kelas A dan kelas B pada fakultas Psikologi suatu universitas. Penelitian
dengan menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas
B. Dalam uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya
kelas A sebanyak 8 orang dan kelas B sebanyak 12 orang. Data-data yang didapat sebagai
berikut:

2.2.1. Langkah-langkah pada Program SPSS

1. Masuk program SPSS
2. Klik variable view pada SPSS data editor
3. Pada kolom Name ketik nilaiujn, dan kolom Name pada baris kedua ketik kelas.
4. Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.

4
 5. Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom pada
baris kedua ketik Kelas.
6. Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None).
Untuk kolom pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label
ketik kelas A, lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label
ketik kelas B, lalu klik Add. Kemudian klik OK.
7. Untuk kolom-kolom lainnya boleh dihiraukan (isian default).
8. Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan kelas.
9. Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1 dan 2
(1 menunjukkan kelas A dan 2 menunjukkan kelas B).
10. Klik Analyze - Compare Means - Independent Sample T Test.
11. Klik variabel Nilai Ujian dan masukkan ke kotak Test Variable, kemudian klik variabel
Kelas dan masukkan ke kotak Grouping Variable, kemudia klik Define Groups, pada
Group 1 ketik 1 dan pada Group 2 ketik 2, lalu klik Continue.
12. Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Sebelum dilakukan uji t test sebelumnya dilakukan uji kesamaan varian (homogenitas)
dengan F test (Levene,s Test), artinya jika varian sama maka uji t menggunakan Equal Variance
Assumed (diasumsikan varian sama) dan jika varian berbeda menggunakan Equal Variance Not
Assumed (diasumsikan varian berbeda). Langkah-langkah uji F sebagai berikut:
1. Menentukan Hipotesis
Ho : Kedua varian adalah sama (varian kelompok kelas A dan kelas B adalah sama)
Ha : Kedua varian adalah berbeda (varian kelompok kelas A dan kelas B adalah berbeda).
2. Kriteria Pengujian (berdasar probabilitas atau signifikansi)
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
3. Membandingkan probabilitas atau signifikansi
Nilai P value (0,613 > 0,05) maka Ho diterima.
4. Kesimpulan
Oleh karena nilai probabilitas (signifikansi) dengan equal variance assumed (diasumsikan
kedua varian sama) adalah 0,603 lebih besar dari 0,05 maka Ho diterima, jadi dapat

5
 disimpulkan bahwa kedua varian sama (varian kelompok kelas A dan kelas B adalah
sama). Dengan ini penggunaan uji t menggunakan equal variance assumed (diasumsikan
kedua varian sama).
2.2.2. Pengujian Independen Sample T Test
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian
kelas B
Ha : Ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian kelas B

2. Menentukan Tingkat Signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. Tingkat
signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan
untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05
adalah ukuran standar yang sering digunakan dalam penelitian)
3. Menentukan T Hitung
Dari tabel di atas didapat nilai t hitung (equal variance assumed) adalah 3,490
4. Menentukan T Tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df)
n-2 atau 20-2 = 18. Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t
tabel sebesar 2,101 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada
cell kosong ketik =tinv(0.05,18) lalu enter.
5. Kriteria Pengujian
Ho diterima jika -t tabel < t hitung < t table
Ho ditolak jika -t hitung < -t tabel atau t hitung > t table
Berdasar probabilitas:
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
6. Membandingkan t hitung dengan t tabel dan probabilitas
Nilai t hitung > t tabel (3,490 > 2,101) dan P value (0,003 < 0,05) maka Ho ditolak.

6
7. Kesimpulan
Oleh karena nilai t hitung > t tabel (3,490 > 2,101) dan P value (0,003 < 0,05) maka
Ho ditolak, artinya bahwa ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-
rata nilai ujian kelas B. Pada tabel Group Statistics terlihat rata-rata (mean) untuk kelas A
adalah 40,30 dan untuk kelas B adalah 32,80, artinya bahwa rata-rata nilai ujian kelas A
lebih tinggi daripada rata-rata nilai ujian kelas B.
Nilai t hitung positif, berarti rata-rata group1 (kelas A) lebih tinggi daripada group2
(kelas B) dan sebaliknya jika t hitung negatif berarti rata-rata group1 (kelas A) lebih
rendah dari pada rata-rata group2 (kelas B). Perbedaan rata-rata (mean diference) sebesar
7,50 (40,30-32,80), dan perbedaan berkisar antara 2,98 sampai 12,02 (lihat pada lower dan
upper).

7
Contoh II:
Kita ingin mengetahui apakah ada pengaruh ibu yang merokok dan ibu yang tidak merokok
(status merokok merupakan data kateorik) terhadap berat bayi yang dilahirkan (berat bayi
lahir merupakan data numerik). Langkahnya sebagai berikut :
1. Buka atau aktifkan SPSS anda. Kemudian pada menu utama klik File --> Open -->
Data, sampai muncul layar.

8
9
2. Pilih file "bbay.sav" dan klik open, akan muncul layar di bawah ini :

3. Yang perlu diperhatikan pada layar di atas adalah variabel "rokok" dan "bbayi". Karena
kedua variabel ini yang akan kita uji.

10
4. Klik Menu Analyze Compare Means independent Sample T-Test

5. Lalu akan muncul layar seperti ini :

6. Pilih variabel "bbayi" dengan cara mengklik variabel tersebut.

11
7. Kemudian klik tanda segitiga paling atas untuk memasukan variabel tersebut ke kotak
Test variable(s).

8. Klik variabel "rokok' dan masukan ke kotak Grouping variable.

9. Kemudian klik tombol Define Group, dan isi angka "0" pada kotak Group 1 dan angka
"1" pada kotak Group 2. Lalu klik Continue.

10. Klik OK untuk menjalankan prosedur. Pada layar output akan nampak hasil seperti
berikut :

12
 Dari tabel Group Statistics, terlihat bahwa rata-rata berat bayi yang dilahirkan oleh ibu
yang tidak merokok adalah 3054,96 gram, sedangkan berat bayi yang dilahirkan oleh ibu
yang perokok sebesar 2773,24 gram.

Untuk melihat perbedaan ini lihat pada tabel Independent Samples Test. Pada tabel
tersebut ada dua baris (sel), sel pertama dengan asumsi bahwa varian kedua kelompok
tersebut sama, sedangkan pada sel kedua dengan asumsi bahwa varians kedua kelompok
tersebut tidak sama. Untuk memilih sel mana yang akan kita gunakan sebagai uji, maka
lihat pada kolom uji F, jika Signifikansinya > 0,05 maka asumsinya varian sama
sebaliknya jika Sig. <=0,05 maka variannya tidak sama. Dari uji F menunjukan kalau
varian kedua kelompok tersebut sama (P-value = 0,221), sehingga sel akan dibaca adlah
sel pertama.

Dari kolom uji T menunjukan bahwa nilai P = 0,009 untuk uji 2-sisi . Karena P-value
lebih kecil dari α = 0,05 yang berarti Ho ditolak, sehingga dapat kita simpulkan bahwa
secara statistik ada perbedaan yang bermakna rata-rata berat bayi yang dilahirkan oleh ibu
yang merokok dengan ibu yang tidak merokok dengan kata lain ada pengaruh merokok
terhadap berat bayi lahir. Uji tersebut di atas adalah uji 2-sisi, bagaimana kalau uji 1-sisi ?
Bila uji yang kita lakukan adalah uji 1-sisi maka nilai P harus dibagi 2 sehingga menjadi
P-value = 0,0045

13
 BAB III

PENUTUP

3.1 Simpulan
Uji beda t-test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan
memiliki nilai rata-rata yang berbeda. Uji beda t-test dilakukan dengan cara membandingkan
perbedaan antara dua nilai rata-rata. Dalam kasus tertentu, juga bisa mencari perbedaan
antara suatu sampel dengan nilai tertentu.
Independen Sample t-Test, Uji ini digunakan untuk mengetahui ada atau tidaknya
perbedaan rata-rata antara dua kelompok sampel yang tidak berhubungan. prinsipnya ingin
mengetahui apakah ada perbedaan mean antara dua populasi, dengan membandingkan
samplenya. jika ada perbedaan, rata-rata manakah yang lebih tinggi. Data yang digunakan
biasanya berskala interval atau rasio.

3.2 Saran
Diharapkan pembaca mampu memahami dan mengaplikasikan Analitik Parametrik Uji
Beda Independen Sample t-Tesdi dalam penelitian nantinya dengan menggunakan rumus-
rumus yang telah ditetapkan sehingga menghasilkan data yang akurat

14
 DAFTAR PUSTAKA

Martono, N. 2010. Statistika Sosial : Teori dan Aplikasi Program SPSS. Yogyakarta : Gaya
Media
Riwidikdo, H. 2009. Statistik Kesehatan. Yogyakarta: Mitra Cendikia

15