Nama : Nurul Naasyithotul Jannah

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.