NIM : 2105187 Kelas :A Mata Kuliah : Statistika Terapan Tugas : Resume ‘uji t dua sampel bebas/independen’
Uji t Dua Sampel Bebas/ Independen
Hipotesis adalah suatu proses dari pendugaan parameter dalam populasi, yang membawa kita pada perumusan segugus kaidah yang dapat membawa kita pada suatu keputusan akhir, yaitu menolak atau menerima pernyataan tersebut. Sementara uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisa data, baik dari percobaan yang terkontrol maupun dari observasi (yang tidak terkontrol). Jika hasil yang didapat dari penelitian terhadap sampel acak, dalam pengertian peluang, jauh berbeda dari hasil yang diharapkan terjadi berdasarkan hipotesis, maka hipotesis ditolak. Jika terjadi sebaliknya, hipotesis diterima. Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat terjadi, dikenal dengan nama-nama: 1. Kekeliruan tipe I: ialah menolak hipotesis yang seharusnya diterima, 2. Kekeliruan tipe II: ialah menerima hipotesis yang seharusanya ditolak. Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan dalam peluang. Peluang membuat kekeliruan tipe I biasa dinyatakan dengan 𝛼 dan peluang kekeliruan tipe II dinyatakan 𝛽. Hipotesis disini dinyatakan dengan H. Supaya nampak adanya dua pilihan, hipotesis H ini perlu didampingi oleh pernyataan lain yang isinya berlawanan. Pernyataan ini yang merupakan hipotesis tandingan untuk H. Sehingga berdasarkan statistika, hipotesis dikenal dengan 2 macam: 1. Hipotesis nol (H0), tidak ada perbedaan parameter populasi, 2. Hipotesis alternatif (H1), berupa suatu pernyataan yang bertentangan dengan H0. Pasangan H0 dan H1 ini, tepatnya H0 melawan H1, lebih jauh juga menentukan kriteria pengujian yang terdiri dari daerah penerimaan dan daerah penolakan. Daerah penolakan hipotesis sering pula dikenal dengan nama daerah kritis. Jika yang sedang diuji parameter (θ), maka notasi yang digunakan dalam hipotesis statistika adalah rata-rata (µ), proporsi (p), simpangan baku (σ). Pada uji hipotesis satu arah untuk kedua hipotesis mengandung pengertian maksimum dan hipotesis mengandung pengertian minimum dinamakan pengujian komposit lawan komposit. Sedangkan pada uji hipotesis dua arah, hipotesis mengandung pengertian sama. Jika hipotesis alternatif menunjukkan tanda > atau <., maka hal ini dikarenakan si peneliti atau si perancang hipotesis, menginginkan suatu perubahan satu arah, misalnya apakah meningkat, apakah terjadi penurunan, dan sebagainya. Namun jika hipotesis alternatif menunjukkan tanda ≠, hal ini dikarenakan si peneliti menginginkan suatu perbedaan, yaitu apakah berbeda atau tidak (entah berbeda itu meningkat, atau menurun). Berikut ini adalah langkah-langkah pengujian hipotesis: 1. Menetapkan hipotesis Hipotesis terbagi dalam 3 jenis, yaitu: a) Hipotesis deskriptif, pernyataan yang menyebutkan bahwa nilai parameter populasi sama dengan nilai tertentu. b) Hipotesis komparatif, pernyataan yang menyebutkan bahwa nilai parameter suatu populasi sama dengan nilai parameter populasi yang lain. c) Hipotesis asosiatif, pernyataan yang menyatakan adanya hubungan antar dua variabel. 2. Menentukan kriteria pengujian Pengujian secara statistik dibagi lagi menjadi dua, yaitu: a) Uji satu arah, b) Uji dua arah. 3. Melakukan pengujian statistik. Statistik uji yang digunakan harus sesuai dengan hipotesis. 4. Menetapkan tingkat signifikansi dan titik kritis Tingkat signifikansi α adalah besarnya toleransi yang digunakan dalam menerima kesalahan pengujian secara statistik. Tingkat signifikansi yang sering digunakan adalah 0,01, 0,05, dan 0,1 (biasa ditulis 1%, 5%, dan 10%), tergantung tingkat ketelitian yang digunakan oleh peneliti. Pendekatan dengan distribusi peluang statistik, maka tingkat signifikansi menyatakan luas daerah kritis yang merukan wilayah penolakan terhadap H0. Untuk mempermudah pengambilan keputusan, maka digunakan titik kritis yang merupakan batas penolakan H0. 5. Mengambil kesimpulan Pengujian beda dua nilai rata-rata populasi yang saling bebas dapat dilakukan dengan uji statistik beda dua rata-rata. Bila nilai rata-rata dari dua populasi berbeda, maka dapat dibuat hipotesis-hipotesis sebagai berikut. Pertama adalah hipotesis nol yang menganggap bahwa dua populasi tersebut memiliki nilai rata-rata sama dengan µ 1 = µ2, sedangkan hipotesis alternatif menganggap kedua populasi memiliki nilai rata-rata yang berbeda. Bila hipotesis alternatif ini benar, maka terdapat perbedaan nilai rata-rata signifikan antara dua populasi tersebut. Uji t dua sampel bebas/independen akan mengindikasikan perbedaan antara kedua kelompok signifikan secara statistika. Sama seperti uji t dua sampel berpasangan, uji t dua sampel bebas/independen juga menguji hipotesis perbedaan antara dua rata-rata yang berupa data parametrik atau data dengan skala interval atau rasio. Banyak penelitian yang memerlukan perbandingan antara dua keadaan atau tepatnya dua populasi. Untuk keperluan ini akan digunakan dasar distribusi sampling mengenai selisih statistik, misalnya uji t pada sampel independen. Prinsip pengujian uji ini melihat perbedaan variasi kedua kelompok data, sehingga sebelum dilakukan pengujian harus diketahui apakah variannya sama atau berbeda. Bentuk varian keduakelompok data akan berpengaruh pada nilai standar error yang akhirnya akan membedakan rumus pengujiannya. Adapun syarat uji t dua sampel bebas/independen menurut yang harus dipenuhi antara lain: 1. Data berdistribusi normal. Jika data salah satu sampel atau keduanya tidak berdistribusi normal, maka uji hipotesis perbandingan dilakukan dengan metode statistik non parametrik menggunakan Uji mann Whitney. 2. Kedua sampel atau kelompok bersifat independen dan tidak saling berhubungan. Jika sampai berpasangan maka uji hipotesis dilakukan dengan menggunakan uji t dua sampel berpasangan. 3. Variabel yang diuji merupakan data kuantitatif dimana berskala interval dan rasio (hanya dua kelompok). 4. Adanya kesamaan varians atau homogen untuk kedua sampel data penelitian (bukan merupakan syarat mutlak). Jika ternyata didapati varians data untuk kedua sampel tidak homogen, maka uji t dua sampel bebas/independen tetap dilakukan. Akan tetapi pengambilan keputusan berdasarkan pada hasil yang terdapat dalam tabel output SPSS “Equal variances no assumed”. Langkah-langkah uji t dua sampel independen: 1. Manual 1) Membuat hipotesis, 2) Menentukan nilai t dua sampel independen. a) Mencari pvalue di tabel t. (nilai min (-) pada tabel tidak digunakan Cara mencarinya, tabel t terdiri dari kolom dan baris. Baris menunjukkan nilai df dan kolom menunjukkan nilai alpha (nilai p), angka dalam tabel menunjukkan nilai ttabel yang nantinya digunakan untuk konversi dengan nilai t hitung. Pada bagian kolom semakin ke kanan nilai alphanya akan semakin kecil. Untuk uji perbedaan atau hubungan maka menggunakan alpha uji dua pihak (two tail). b) Membuat keputusan uji statistik Setelah nilai hitung dan nilai tabel serta nilai pvalue, maka dapat disimpulkan H0 diterima = thit < ttab atau pvalue > α H0 ditolak = thit > ttab atau pvalue < α 2. SPSS 1) Klik menu Analyze > Compare Means > Independent Sample Test, 2) Pada kotak dialog Independent Sample Test, lakukan langkah-langkah sebagai berikut: a) Masukkan variabel pertama ke kotak test variables dengan menekan tombol panah, b) Masukkan variabel kedua ke kotak grouping variables dengan menekan tombol panah. Jika variabel dilakukan pengkodean, maka isikan angka sesuai keterangan pengkodean. 3) Klik tombol OK untuk mengetahui tabel hasil atau output, 4) Interpretasi output, a) Tabel Group Statistic Tabel tersebut akan menunjukkan nilai banyak data, rata-rata data, standar deviasi, serta standar error masing-masing kelompok sampel yang diuji. b) Tabel Independent Samples Test Tabel tersebut akan menunjukkan hasil uji t sampel bebas. Pengujian secara default akan menggunakan taraf signifikansisebesar 0,05 dan dilakukan untuk dua sisi. Apabila signifikansi > 0,05, maka Ho diterima dan begitupula sebaliknya. Apabila signifikansi < 0,05, maka Ho ditolak. Rata-rata distribusi populasi dapat ditentukan dengan penarikan contoh berukuran cukup besar. Meskipun tidak ada batasan yang jelas berapa sebenarnya ukuran besar itu, kebanyakan ahli statistik “menetapkan” bahwa ukuran contoh dibutuhkan sedikitnya n ≥ 30 yang dipetik dari populasi yang ragamnya sudah diketahui. Pada ukuran penarikan contoh cukup besar, tidak diketahuinya bentuk distribusi populasi masih dapat diatasi melalui Teorema Limit Pusat yang menyatakan bahwa distribusi rata-rata statistik akan mendekati nilai parameter distribusi normalnya. Artinya, jika ragam populasi memang tidak ada, maka orang “terpaksa” akan mengganti ragam populasi σ 2 dengan ragam contoh s2 untuk mendapatkan taksiran distribusi normalnya. Demikian juga selang kepercayaan yang dihitung dengan pendekatan s sebagai pengganti σ bentuknya lebih sempit dari yang seharusnya. Hal inilah yang disebut dengan distribusi t-student.