“Uji Beda Grup (Uji Prasyarat, T Test, dan Non Parametrik yang Relevan)”
Disusun Untuk Memenuhi Tugas Matakuliah Statistika Inferensial
DOSEN PENGAMPU :
DR. PARNO, M.SI.
DRA. ENDANG PURWANINGSIH, M.SI.
DISUSUN OLEH :
FAIQ NUR SAIDAH 200321866037
I PUTU YOGI SETIA P 200321859512
Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmatNYA
sehingga makalah ini dapat tersusun hingga selesai. Tidak lupa kami juga
mengucapkan banyak terimakasih atas bantuan dari pihak yang telah
membimbing dengan memberikan sumbangan materi maupun mengemukakan
yang ada dalam pikirannya.
Harapannya agar makalah ini dapat menambah pengetahuan dan
pengalaman bagi para pembaca, Untuk ke depannya dapat memperbaiki bentuk
maupun menambah isi makalah ini supaya menjadi makalah yang jauh lebih baik
lagi. Karena keterbatasan pengetahuan maupun pengalaman sehingga masih
banyak kekurangan dalam makalah ini, Oleh karena itu kami sangat
mengharapkan saran dan kritik yang membangun demi kesempurnaan
makalah ini.
Kelompok 7
ii
DAFTAR ISI
halaman
HALAMAN JUDUL .......................................................................................... i
KATA PENGANTAR......................................................................................... ii
DAFTAR ISI........................................................................................................ iii
I. PENDAHULUAN
1.1 Latar Belakang ........................................................................................... 1
1.2 Rumusan Masalah ...................................................................................... 2
1.3 Tujuan Penulisan ....................................................................................... 2
II. PEMBAHASAN
2.1 Statistika Inferensial .................................................................................... 3
2.2 Pengertian Uji T Test .................................................................................. 4
2.3 Prasyarat Uji T Test .................................................................................... 4
2.4 One Sample T Test ..................................................................................... 8
2.5 Independent Sample T Test ....................................................................... 11
2.6 Paired Sample T Test ................................................................................. 15
2.7 Uji Wilcoxoon ........................................................................................... 19
III. PENUTUP
3.1 Kesimpulan ................................................................................................20
3.2 Saran ......................................................................................................... 20
DAFTAR PUSTAKA
BAB I
PENDAHULUAN
2
BAB II
PEMBAHASAN
4
a. Menghitung rata-rata skor
X=
∑ Xi
n
Dimana:
X́ : Mean
∑X 2
: jumlah kuadrat skor total
n : banyak siswa
Selanjutnya menghitung varians dengan memangkatduakan standard
deviasi.
c. Uji normalitas
Untuk menguji apakah sampel berdistribusi normal atau tidak digunakan
uji normalitas liliefors. Langkah-langkah sebagai berikut:
a. Mencari bilangan baku
Dengan rumus:
X i− X
Zi=
S
Dimana:
Xi : Data ke-i
X : Nilai rata-rata
S : Simpangan baku sampel
5
F( zi )=P ( Z≤Z i )
b. Menghitung peluang dengan menggunakan daftar
distribusi normal baku.
S ( zi )
c. Selanjutnya menghitung proporsi dengan rumus:
banyaknya Z 1 , Z2 ,. .. , Z n ≤Z i
S zi=
n
sebagai
Lo Untuk menerima dan menolak distribusi normal data
Jika
Lo <L tabel maka sampel berdistribusi normal.
Jika
Lo >L tabel maka sampel tidak berdistribusi normal (Sudjana,
2005:466).
d. Uji Homogenitas
Untuk melihat kedua kelas yang diuji memiliki kemampuan dasar yang
sama terlebih dahulu diuji kesamaan variansnya. Untuk menguji kesamaan
varians digunaka uji F sebagai berikut:
Ho : 12 = 22
Ha : 1222
Dimana:
H0 : Kedua populasi mempunyai varians yang sama.
Ha : Kedua populasi mempunyai varians yang berbeda.
varians terbesar
F=
varians terkecil (Sugiyono,2009:276)
Kriteria pengujian adalah sebagai berikut :
Jika
Fhitung <F tabel maka Ho diterima
Jika
Fhitung ≥F tabel maka Ho ditolak
6
Fα
( v 1 , v2 ) didapat dari daftar distribusi F dengan peluang α ,
Dimana
7
S2 = Simpangan baku kelas kontrol
Contoh kasus:
Seorang mahasiswi bernama Ana dalam penelitiannya ingin mengetahui
apakah rata-rata nilai matematika pada kelas 6 SD Harapan Mulia berbeda
dengan rata-rata nilai matematika pada SD di Yogyakarta. Setelah dilakukan
penelitian dengan menggunakan sampel sebanyak 10 responden diketahui
8
rata-rata nilai matematika SD di Yogyakarta adalah 7,47. Sedangkan rata-rata
nilai matematika kelas 6 SD Harapan Mulia diketahui adalah 6,48. Data-data
yang didapat sebagai berikut:
9
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Rata-rata nilai matematika kelas 6 SD Harapan Mulia tidak berbeda
dengan rata-rata nilai matematika SD di Yogyakarta
Ha : Rata-rata nilai matematika kelas 6 SD Harapan Mulia berbeda
dengan rata-rata nilai matematika SD di Yogyakarta
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi = 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 adalah 4,885
4. Menentukan t tabel
Tabel distribusi t dicari pada = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat
kebebasan (df) n-1 atau 10-1 = 9. Dengan pengujian 2 sisi (signifikansi =
0,025) hasil diperoleh untuk t tabel sebesar 2,262 (Lihat pada lampiran)
atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik
=tinv(0.05,9) lalu enter.
5. Kriteria Pengujian
Ho diterima dan Ha ditolak jika -t tabel < t hitung < t tabel
Ho ditolak dan Ha diterima jika -t hitung < -t tabel atau t hitung > t tabel
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 (4,885 > 2,262) dan P value (0,001 < 0,05) maka
Ho ditolak
7. Kesimpulan
10
Oleh karena nilai t hitung > t tabel (4,885 > 2,262) dan P value (0,001 <
0,05) maka Ho ditolak, artinya bahwa rata-rata nilai matematika kelas 6
SD Harapan Mulia berbeda dengan rata-rata nilai matematika SD di
Yogyakarta. Hasil t hitung positif menunjukkan bahwa rata-rata nilai
matematika SD di Yogyakarta lebih tinggi dari SD Harapan Mulia.
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:
Tabel 3. Tabulasi Data (Data Fiktif)
11
No Nilai Ujian Kelas
12
1 32 Kelas A
2 35 Kelas A
3 41 Kelas A
4 39 Kelas A
5 45 Kelas A
6 43 Kelas A
7 42 Kelas A
8 47 Kelas A
9 42 Kelas A
10 37 Kelas A
11 35 Kelas B
12 36 Kelas B
13 30 Kelas B
14 28 Kelas B
15 26 Kelas B
16 27 Kelas B
17 32 Kelas B
18 35 Kelas B
19 38 Kelas B
20 41 Kelas B
13
Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan
angka 1 dan 2 (1 menunjukkan kelas A dan 2 menunjukkan kelas B)
Klik Analyze - Compare Means - Independent Sample T Test
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.
Klik OK, maka hasil output yang didapat adalah sebagai berikut:
Tabel 4. Hasil Independent Sample T Test
Keterangan: Tabel di atas telah dirubah kedalam bentuk baris (double klik
pada output independen sample t test, kemudian pada menu bar
klik pivot, kemudian klik Transpose Rows and Columns)
14
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 / signifikansi)
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
3. Membandingkan probabilitas / 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 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).
15
Dari tabel di atas didapat nilai t hitung (equal variance assumed) adalah
3,490
4. Menentukan t tabel
Tabel distribusi t dicari pada = 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 tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
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.
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).
16
Sampel tak bebas adalah sampel yang keberadaanya saling
mempengaruhi (berkorelasi). Distribusi kedua data sampel tidak independen
tetapi secara rasional (teoritis) berkorelasi. Esensi dari analisis perbedaan dua
rata-rata sampel tak bebas adalah bahwa kedua data yang ingin diuji
perbedaannya berasal dari satu kelompok sampel yang sama yang
menghasilkan dua distribusi data.
Uji T berpasangan (paired T-test) biasanya menguji perbedaan antara
dua pengamatan. Uji T berpasangan biasa dilakukan pada Subjek yang diuji
pada situasi sebelum dan sesudah proses, atau subjek yang berpasangan
ataupun serupa. Misalnya jika kita ingin menguji banyaknya gigitan nyamuk
sebelum diberi lotion anti nyamuk merk tertentu maupun sesudahnya.
Lanjutan dari uji T berpasangan adalah uji ANOVA berulang. Uji T
berpasangan (paired T-test) adalah salah satu metode pengujian hipotesis
dimana data yang digunakan tidak bebas (berpasangan). Ciri-ciri yang paling
sering ditemui pada kasus yang berpasangan adalah satu individu (objek
penelitian) dikenai 2 buah perlakuan yang berbeda. Walaupun menggunakan
individu yang sama, peneliti tetap memperoleh 2 macam data sampel, yaitu
data dari perlakuan pertama dan data dari perlakuan kedua. Perlakuan pertama
mungkin saja berupa kontrol, yaitu tidak memberikan perlakuan sama sekali
terhadap objek penelitian.
Uji Paired Sample T Test menunjukkan apakah sampel berpasangan
mengalami perubahan yang bermakna. Hasil uji Paired Sample T Test
ditentukan oleh nilai signifikansinya. Nilai ini kemudian menentukan
keputusan yang diambil dalam penelitian. Nilai signifikansi (2-tailed) < 0.05
menunjukkan adanya perbedaan yang signifikan antara variabel awal dengan
variabel akhir. Ini menunjukkan terdapat pengaruh yang bermakna terhadap
perbedaan perlakuan yang diberikan pada masing-masing variabel. Nilai
signifikansi (2-tailed) > 0.05 menunjukkan tidak terdapat perbedaan yang
signifikan antara variabel awal dengan variabel akhir. Ini menunjukkan tidak
terdapat pengaruh yang bermakna terhadap perbedaan perlakukan yang
diberikan pada masing-masing variable
Asumsi dan Ketentuan Penggunaan Uji t Sampel Berpasangan:
17
a. Variabel independen bersifat dikotomis dan levelnya (atau kelompok)
berpasangan, atau cocok, dalam beberapa cara (misalnya, suami-istri, pra-
posting, dll.).
b. Variabel dependen terdistribusi normal dalam dua kondisi.
Contoh kasus:
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada
perbedaan rata-rata nilai ulangan matematika antara sebelum diadakan les
matematika dengan sesudah diadakan les matematika pada SMP N 1
Yogyakarta. Penelitian dengan menggunakan sampel sebanyak 10 responden.
Data-data yang didapat sebagai berikut:
Tabel 5. Tabulasi Data (Data Fiktif)
No Sebelum Les Sesudah Les
1 6.34 6.24
2 6.58 6.38
3 5.38 6.45
4 5.60 7.50
5 6.68 6.25
6 7.42 5.27
7 7.20 5.86
8 6.24 5.90
9 5.78 6.47
10 5.47 6.98
18
Klik variabel Sebelum Les, kemudian klik variabel Sesudah Les dan
masukkan ke kotak Paired Variables.
Klik OK, maka hasil output yang didapat pada tabel Paired Samples
Statistics dan Paired Samples Test adalah sebagai berikut:
Tabel 6. Hasil Paired Sample T Test
Keterangan: Tabel di atas telah dirubah kedalam bentuk baris (double klik
pada output paired sample t test, kemudian pada menu bar klik
pivot, kemudian klik Transpose Rows and Columns)
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
H0 : Tidak ada perbedaan antara rata-rata nilai ulangan matematika
sebelum les dengan rata-rata nilai ulangan sesudah les.
Ha : Ada perbedaan antara rata-rata nilai ulangan matematika sebelum les
dengan rata-rata nilai ulangan sesudah les
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi = 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 adalah -0,153
4. Menentukan t tabel
19
Tabel distribusi t dicari pada = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat
kebebasan (df) n-1 atau 10-1 = 9. Dengan pengujian 2 sisi (signifikansi =
0,025) hasil diperoleh untuk t tabel sebesar 2,262 (Lihat pada lampiran)
atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik
=tinv(0.05,9) lalu enter.
5. Kriteria Pengujian
Ho diterima jika -t tabel t hitung t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
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 (-0,153 > -2,262) dan P value (0,882 > 0,05) maka
Ho diterima.
7. Kesimpulan
Oleh karena nilai -t hitung > -t tabel (-0,153 > -2,262) dan P value (0,882
> 0,05) maka Ho diterima, artinya bahwa tidak ada perbedaan antara rata-
rata nilai ulangan matematika sebelum les dengan rata-rata nilai ulangan
sesudah les. Sebagai catatan: Jika hasil ada perbedaan, maka kemudian
dilihat rata-rata mana yang lebih tinggi dengan melihat nilai Mean pada
Paired Samples Statistik, atau pada t hitung, t hitung positif berarti rata-
rata sebelum les lebih tinggi daripada sesudah les dan sebaliknya t hitung
negatif berarti rata-rata sebelum les lebih rendah daripada sesudah les.
20
ordinal dan data tidak mengikuti distribusi normal. Dasar pengambilan
keputuasan dalam Uji Wilcoxon sebagai berikut: Jika nilai Asymp.Sig.
(2tailed) < 0.05 maka ada perbedaan yang signifikan antara variabel awal
dengan variabel akhir. Jika nilai Asymp.Sig. (2tailed) > 0.05 maka tidak ada
perbedaan yang signifikan antara variabel awal dengan variabel akhir.
21
BAB III
PENUTUP
3.1 Kesimpulan
Statistik inferensial adalah bagian dari statistika yang mempelajari tentang
penafsiran dan penarikan kesimpulan yang berlaku secara umum dari sampel
yang tersedia. Uji T atau T test adalah salah satu tes statistik yang
dipergunakan untuk menguji kebenaran atau kepalsuan hipotesis nihil yang
menyetakan bahwa di antara dua buah mean sampel yang diambil secara
random dari populasi yang sama, tidak terdapat perbedaan signifikan. Teknik
analisis data yang digunakan adalah analisis perbedaan dengan menggunakan
rumus Uji-t.
3.2 Saran
Kami menyadari dalam pembuatan makalah ini masih banyak
kekurangan. Kami tetap berharap makalah ini tetap memeberikan manfaat
bagi pembaca. Namun, saran dan kritik yang sifatnya membangun dengan
tangan terbuka kami terima demi kesempurnaan makalah dimasa yang akan
datang.
DAFTAR PUSTAKA
Darren George & Paul Mallery. 2020. IBM SPSS Statistics 26 Step by Step: A
Simple Guide and Reference. sixteenth edition. New York: Roudledge
Taylor & Francis
Cohen, L., Manion, L. & Morrison, K. 2007. Research Methods in
Education.New York, N.Y.: Routledge.
Huberty, Carl & Olejnik Stephen. (2006). Applied MANOVA and Discriminant
Analysis Second Edition. Newyork: John Willey & Sons Inc.
J. Schreiber, Kimberly Asner-Self-Educational Research -John Wiley & Sons
(2011).
Morgan, G. A, Leech, N. L, Gloeckner, G. W,& Barrett, K. C. 2004. SPSS for
introductory statistics: Use and interpretation, 2nd edition. London:
Lawrence Erlbaum Associates.
Sarwono, Jonathan. 2009. Statistik itu Mudah. Yogyakarta: C. V. Andi Offset.
Sugiono. 2014. Statistika untuk Penelitian. Bandung: Alfabeta.
Yamin & Kurniawan. 2009. SSPS Complete: Teknik Analisis Statistik Terlengkap
dengan Software SPSS Edisi 2. Jakarta selatan: Salemba Infotek.