UJI BEDA DUA MEAN

A. PENDAHULUAN
Dibidang kesehatan seringkali kita harus menarik kesimpulan apakah
parameter dua populasi berbeda atau tidak. Misalnya apakah ada perbedaan
tekanan darah penduduk dewasa orang kota dengan orang desa. Atau apakah
ada perbedaan berat badan antara sebelum mengikuti program diet dengan
sesudahnya. Uji statistik yang membandingkan mean dua kelompok data ini
disebut uji beda dua mean.
Sebelum kita melakukan uji statisik dua kelompok data, kita perlu
perhatikan apakah dua kelompok data tersebut berasal dari dua kelompok
yang independen atau berasal dari dua kelompok yang dependen/pasangan.

B. PEMBAHASAN
1. Independen dan Dependen
Uji beda dua mean dibagi dalam dua kelompok, yaitu:
a. Independen, bila data kelompok yang satu tidak tergantung dari
data kelompok kedua, misalnya membandingkan mean tekanan
darah sistolik orang desa dengan orang kota. Tekanan darah orang
kota independen (tidak tergantung) dengan orang desa.
b. Dependen, bila kelompok data yang dibandingkan datanya saling
mempunyai ketergantungan, misalnya data berat badan sebelum
dan sesudah mengikuti program diet berasal dari orang yang sama
(data sesudah dependen/tergantung dengan data sebelum).
2. Uji Beda Dua Mean Independen
Tujuan pengujian ini adalah untuk mengetahui perbedaan mean dua
kelompok data independen. Syarat atau asumsi yang harus dipenuhi adalah
sebagai berikut:
a. Data berdistribusi normal atau simetris.
b. Kedua kelompok data independen.
 c. Variabel yang dihubungkan berbentuk numerik dan kategori
(dengan hanya dua kelompok).
Prinsip pengujian dua mean adalah melihat perbedaan variasi kedua
kelompok data. Bentuk varian kedua kelompok data akan berpengaruh
pada nilai standard error yang akhirnya akan membedakan rumus
pengujiannya. Tujuan dari uji ini untuk mengetahui varian antara
kelompok data satu apakah sama dengan kelompok data yang kedua.
Perhitungannya dengan menggunakan uji F:

Pada perhitungan uji F, varian yang lebih besar berfungsi sebagai

pembilang dan varian yang lebih kecil berfungsi sebagai penyebut.
3. Uji untuk Varian Sama
Uji beda dua mean dapat dilakukan dengan menggunakan uji Z atau uji
T. uji Z dapat digunakan bila standar deviasi populasi (σ) diketahui dan
jumlah sampel besar (≥ 30). Apabila kedua syarat tersebut tidak terpenuhi,
maka dilakukan uji T. pada umumnya nilai σ sulit diketahui, sehingga uji
beda dua mean biasanya menggunakan Uji T (T-Test). Bentuk ujinya
adalah sebagai berikut:

Ket:
n1 dan n2 = jumlah sampel kelompok 1 atau 2
S1 dan S2 = standar deviasi sampel kelompok 1 dan 2
4. Uji untuk Varian Berbeda
Untuk varian yang berbeda, bentuk ujinya menggunakan uji beda dua
mean Uji T (T-Test) dengan varian beda. Bentuk rumusnya adalah sebagai
berikut:

Untuk degree of freedom tidak bisa dengan rumus biasa (df = n1 + n2-
2), tetapi menggunakan rumus khusus seperti di atas.
5. Uji Beda Dua Mean Dependen (Paired Sample)
Tujuan pengujian ini adalah untuk menguji perbedaan mean antara dua
kelompok data yang dependen. Syarat-syarat yang harus ada dalam
pengujian ini adalah:
a. Distribusi data normal.
b. Kedua kelompok data dependen/pair.
c. Jenis variabel adalah numerik dan kategori (dua kelompok).
Contoh kasus pada uji beda dua mean ini seperti:
a. Apakah ada perbedaan tingkat pengetahuan antara sebelum dan
sesudah pelatihan?
b. Apakah ada perbedaan tekanan darah antara sebelum dan sesudah
meminum obat?
Adapun rumusnya adalah sebagai berikut:
C. PENUTUP
Uji T atau T test adalah salah satu tes statistik yang dipergunakan untuk
menguji kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa di
antara dua buah mean sampel yang diambil secara random dari populasi yang
sama, tidak terdapat perbedaan signifikan. Dengan uji T ini, kita dapat
menguji rerata dua sampel bebas dan variasi populasinya kedua-duanya
diketahui, pengujian rerata dua sampel bebas dan kedua variasi populasinya
tidak diketahui, tetapi diasumsikan sama, dan pengujian dua sampel bebas dan
kedua variasi populasinya tidak diketahui.

D. DAFTAR PUSTAKA
Sabri, Luknis, Hastono, Sutanto Priyo. 2014. Statistik Kesehatan. Jakarta:
Rajawali Pers.