Uji T Satu Sampel dan Dua Sampel 

– Uji “t” atau Test “t” adalah salah satu test statistik yang
dipergunakan untukmenguji kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa diantara
dua buah mean sampel yang diambil secara random dari populasi yang sama, tidak terdapat perbedaan
yang signifikan.(Sudjiono, 2010:278).

Sebagai salah satu test statistik parametrik, Test “t” mula pertama dikembangkan oleh William Seely
Gosset pada 1915. Pada waktu itu dia menggunakan nama samaran student,  dan huruf “t” yang
terdapat pada istilah Test “t” itu diambilkan huruf terakhir nama beliau. Itupun pula sebabnya mengapa
Test “t”, sering disebut dengan nama atau istilah student t.

Pangkal tolak berpikir pada Test “t” secara singkat adalah sebagai mana tergambar pada uraian berikut.

Tujuan utama kegiatan penelitian antara lain adalah menemukan prinsip yang dapat diberlakukan secara
umum atau bersifat universal. Untuk dapat mendapatkan prinsip yang berlaku universal itu, secara ideal
teoritis, seorang peneliti harusnya meneliti keseluruhan objek yang dia hadapi, dengan kata lain:
meneliti populasinya. Dengan meneliti populasinya, generalisasi yang dikemukakan oleh seorang peneliti
tidak akan jauh berbeda dengan kenyataan yang sebenarnya. Akan tetapi kenyataan menunjukkan,
meneliti populasi secara keseluruhandalam rangka membuat generalisasi itu, kecuali tidak mungkin,
juga tidak praktis, sebab kenyataan acapkali menunjukkan sangat besar atau sangat luas populasi itu.
Itulah sebabnya mengapa sebelum dilakukan pengukuran, populasi itu perlu “diubah” terlebih dahulu
kedalam populasi yang lebih kecil yang kemudian kita kenal dengan istilah sampel.

Konsep uji t Satu Sampel

Uji t untuk satu sampel dalam istilah lain biasanya disebut dengan One Sample t-test Method,
merupakan prosedur uji t untuk sampel tunggal jika rata-rata suatu variabel tunggal dibandingkan
dengan suatu nilai konstanta tertentu. Uji t dipakai jika jumlah data sampel di bawah 30.
Syarat uji t satu sampel :
Data merupakan data kuantitatif
Memenuhi asumsi berdistribusi normal
Hipotesis

Statistik Uji

Contoh Kasus :
Studi Kasus universitas X mengadakan penelitian mengenai ratarata IQ mahasiswanya. Menurut
isu yang berkembang, IQ para mahasiswa yang menuntut ilmu di Universitas tersebut kurang
dari 140. Untuk membuktikan kebenaran isu tersebut, tim riset ingin mengambil sampel secara
acak sebanyak 50 orang mahasiswa, kemudian melakukan test IQ kepada mereka. Data hasil tes
IQ mahasiswa tersebut diperoleh data sebagai berikut:

No. Nilai Ujian

1 154

2 140

3 138

4 134

5 141

6 140

7 144

8 139

9 149

10 141

11 141

12 143

13 140

14 138

15 137

16 145

17 132

No. Nilai Ujian

18 143

19 141
20 141

21 135

22 145

23 138

24 144

25 143

26 147

27 146

28 144

29 143

30 138

31 135

32 139

33 140

34 145

No. Nilai Ujian

35 134

36 136

37 142

38 138

39 148

40 142

41 136

42 148
 43 141

44 139

45 141

46 135

47 135

48 149

49 143

50 140

Analisis Kasus

Penelitian ini bertujuan untuk menguji hipotesis ratarata IQ para mahasiswa Universitas X.
Dalam kasus ini, tidak ada informasi apapun mengenai nilai ragam populasi dari IQ mahasiswa
di Universitas X. Oleh karena itu, statistik uji yang paling tepat adalah uji t satu sampel. Perlu
diketahui bahwa uji t mengasumsikan bahwa sampel yang diambil berasal dari populasi yang
terdistribusi atau menyebar normal (memiliki sebaran normal). Maka, harus dilakukan pengujian
mengenai asumsi kenormalan. Statistik uji untuk kenormalan data yang paling sering digunakan
untuk kasus ini adalah menggunakan uji Kolmogorov-Smirnov atau juga disebut Lilliefors Test.
Uji Kenormalan Data

H0: Data menyebar normal v.s.

H1: Data tidak menyebar normal.
α = 0.05
Hasil analisis:
Lilliefors ( Kolmogorov-Smirnov) normality test
data: IQ
D = 0.1, p-value = 0.2416

Kesimpulan:
TERIMA H0, karena pvalue > 0.05. Hal ini menunjukkan bahwa data menyebar normal. Dengan
demikian, ujit dapat dilakukan untuk melakukan pengujian hipotesis bagi data IQ mahasiswa
Universitas X.
Pengujian hipotesis dengan 1-sampel t-test.
H0: ≥ 135 v.s.
H1: < 135 (Uji 1 arah)
α = 0.05

Hasil analisis:
One Sample t-test data: IQ
t = 1.5621, df = 49, p-value = 0.9377
alternative hypothesis: true mean is less than 140
95 percent confidence interval: -Inf 142.0732
sample estimates: mean of x 141
Kesimpulan:
TERIMA H0, karena pvalue > 0.05. Dengan demikian, dapat dikatakan bahwa isu yang
berkembang selama ini yang menyatakan bahwa ratarata IQ mahasiswa Universitas X kurang
dari 140 adalah tidak benar. Justru, ratarata IQ mahasiswa Universitas X lebih besar atau setidak-
tidaknya sama dengan 140.

Uji T Dua Sampel

Bila seorang peneliti ingin mengetahui apakah parameter dua populasi berbeda atau tidak, maka
uji statistik yang digunakan disebut uji beda dua mean. Umumnya, pendekatan yang dilakukan
bisa dengan distribusi Z (uji Z), ataupun distribusi t (uji t).
Uji Z dapat digunakan bila (1) standar deviasi populasi (σ) diketahui, dan (2) jumlah sampelnya
besar (> 30). Bila kedua syarat tersebut tidak terpenuhi, maka jenis uji yang digunakan adalah uji
t dua sampel (two sample t-test).
Berdasarkan hubungan antar populasinya, uji t dapat digolongkan kedalam dua jenis uji,
yaitu dependent sample t-test, dan independent sample t-test:
Dependent sample t-test atau sering diistilakan dengan Paired Sampel t-Test, adalah jenis uji
statistika yang bertujuan untuk membandingkan rata-rata dua grup yang saling berpasangan.
Sampel berpasangan dapat diartikan sebagai sebuah sampel dengan subjek yang sama namun
mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah
dilakukan sebuah treatment.
Syarat jenis uji ini adalah: (a) data berdistribusi normal; (b) kedua kelompok data adalah
dependen (saling berhubungan/berpasangan); dan (c) jenis data yang digunakan adalah numeric
dan kategorik (dua kelompok).
Rumus t-test yang digunakan untuk sampel berpasangan (paired) adalah:

Contohnya adalah bila seorang Manejer perusahaan

ingin mengetahui apakah ada perbedaan prestasi
penjualan seles setelah mengikuti pelatihan
marketing. Setelah dilakukan rekapitulasi jumlah
penjualan terhadap 15 orang sales, diperoleh data
sebagai berikut:
Merumuskan hipotesis, yaitu:
Ho = Rata-rata penjualan sebelum mengikuti program pelatihan = Rata-rata penjualan setelah
mengikuti program pelatihan,
H1 = Rata-rata penjualan sebelum mengikuti program pelatihan ≠ Rata-rata penjualan setelah
mengikuti program pelatihan.
Dengan aplikasi program Microsoft Excel, perhitungan tersebut dapat lebih mudah di kerjakan,
silahkan tonton video dibawah ini:
Hasil perhitungannya dapat dilihat pada tabel berikut:
Kesimpulan yang dapat ditarik adalah : t hitung (2.553) > t tabel (2.145), yang berarti Ho ditolak
dan H1 diterima, sehingga disimpulkan bahwa : rata-rata penjualan sebelum mengikuti program
pelatihan ≠ Rata-rata penjualan setelah mengikuti program pelatihan. Atau dengan kata lain,
Program pelatihan marketing memberikan pengaruh yang signifikan terhadap prestasi penjualan
sales.
Independent sample t-test adalah jenis uji statistika yang bertujuan untuk membandingkan rata-
rata dua grup yang tidak saling berpasangan atau tidak saling berkaitan. Tidak saling
berpasangan dapat diartikan bahwa penelitian dilakukan untuk dua subjek sampel yang berbeda.

Prinsip pengujian uji ini adalah melihat perbedaan variasi kedua kelompok data, sehingga
sebelum dilakukan pengujian, terlebih dahulu harus diketahui apakah variannya sama (equal
variance) atau variannya berbeda (unequal variance).
Homogenitas varian diuji berdasarkan rumus:

Data dinyatakan memiliki varian yang sama (equal variance) bila F-Hitung < F-Tabel, dan
sebaliknya, varian data dinyatakan tidak sama (unequal variance) bila F-Hitung > F-Tabel.
Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar error yang akhirnya
akan membedakan rumus pengujiannya.
Uji t untuk varian yang sama (equal variance) menggunakan rumus Polled Varians:

Uji t untuk varian yang berbeda (unequal variance) menggunakan rumus Separated Varians:

Contohnya adalah seorang mahasiswa pertanian melakukan penelitian, ingin membandingkan

efektivitas sistem terasering dalam mereduksi laju erosi. Mahasiswa tersebut kemudian
melakukan pengukuran besaran erosi pada 15 unit lahan pertanian tanpa sistem konservasi, dan
lahan pertanian yang menggunakan sistem konservasi terasering. Data yang dihasilkan sebagai
berikut:
Dengan aplikasi program Microsoft Excel, perhitungan tersebut dapat lebih mudah di kerjakan,
silahkan tonton video dibawah ini:
Hipotesis yang disusun adalah hipotesis dua arah, yaitu:
Ho = Besaran erosi lahan pertanian tanpa sistem konservasi = Besaran erosi lahan pertanian
dengan sistem konservasi terasering,
H1 = Besaran erosi lahan pertanian tanpa sistem konservasi ≠ Besaran erosi lahan pertanian
dengan sistem konsrvasi terasering.
Hasil perhitungannya dapat dilihat pada tabel berikut:

Kesimpulan yang dapat ditarik adalah : t stat (16.4) > t tabel (2.048), yang berarti Ho ditolak dan
H1 diterima, sehingga disimpulkan bahwa : Besaran erosi lahan tanpa sistem konservasi ≠
Besaran erosi lahan pertanian dengan sistem konsrvasi terasering. Atau dengan kata lain,
Penggunaan sistem terasering mampu mereduksi laju erosi di lahan pertanian secara signifikan.