Olah Data 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
setidaktidaknya sama dengan 140

Misalnya Seorang Kepala Puskesmas menyatakan bahwa rata-rata perhari jumlah kunjungan
pasien adalah 20 orang. Untuk membuktikan pernyatan tsb, kemudian di ambil sampel
random sebanyak 20 hari kerja dan diperoleh rata-rata 23 orang dengan standar deviasi 6
orang.
Sekarang kita akan menguji apakah rata-rata jumlah kunjungan pasien sebelumnya berbeda
secara statistik dengan yang saat ini.

Langkah-langkah pengujian.
1. HIPOTESIS

Ho = 20 ( tidak ada perbedaan kunjungan pasien tahun lalu dengan saat ini)
Ha ≠ 20 ( ada perbedaan kunjungan pasien tahun lalu dengan saat ini )

2. STATISTIK UJI

Uji  t  satu sampel

KETERANGAN :
x = rata-rata sampel
µ = rata-rata populasi/penelitian terdahulu
S = Standar Deviasi
n = jumlah (banyaknya) sampel

Perhitungan :
DF = n – 1 → 20 -1 = 19, di tabel T,  p value terletak antara 0,025 dan 0,001.

3. KEPUTUSAN STATISTIK
Karena nilai P pada tabel (< 0,025) yang berarti kurang dari nilai α = 0,05, maka Ho dapat
kita ditolak

4. KESIMPULAN
Secara statistik ada perbedaan yang signifikan antara kunjungan pasien tahun lalu dengan saat
ini.
Contoh uji t sampel berpasangan

Sebuah penelitian memiliki tujuan ingin mengetahui apakah terdapat perbedaan waktu yang
dibutuhkan perawat untuk memasang infuse sebelum dan sesudah mengikuti pelatihan.
Karena itu peneliti mengambil sampel acak terhadap 10 orang perawat. Berikut adalah waktu
yang dibutuhkan seorang perawat saat memasang sebelum dan sesudah mengikuti pelatihan,
data berikut dihitung dalam menit.
Perawat 1 2 3 4 5 6 7 8 9 10
Sebelum 6 8 7 10 9 7 6 7 9 8
Sesudah 5 6 7 8 8 7 5 7 9 7
Jawab :

 Ho: µ1 = µ2
Ha: µ1 ≠ µ2
 Titik kritis uji - nilai t tabel pada α = 0,05 dan df = 9à = 2.26
 Selisih Waktu sebelum dan sesudah

Sebelum 6 8 7 10 9 7 6 7 9 8
Sesudah 5 6 7 8 8 7 5 7 9 7
Selisih 1 2 0 2 1 0 1 0 0 1

 d = 8/10
d = 0,8

Sd = (√10(106) - 64) / 10 (10 -1)

Sd = 3,33

t-hitung = d / (s/√n)
t-hitung = 0,8 / (3,33/√10) t-hitung = 0,76
 Nilai t-hitung = 0,76 < 2,26 (t-tabel) àHo diterima
 Kesimpulan:
Tidak ada perbedaan waktu yang dibutuhkan perawat untuk memasang infuse
sebelum mengikuti pelatihan dan sesudah mengikuti pelatihan