MODUL PRAKTIKUM ANALISIS DATA 1

PERTEMUAN 3

Muthia Nadhira Faladiba, S.Stat., M.Si.

 BAB III
PENGUJIAN UNTUK DUA SAMPEL BERPASANGAN

Statistika Parametrik

Uji-t Sampel Berpasangan (Paired-Samples T-test)

Uji-t untuk data sampel berpasangan (paired-samples T-test) digunakan untuk
membandingkan rata-rata dua variabel dalam suatu group sampel tunggal. Uji ini menghitung
selisih antara nilai dua variabel pada setiap kasus dan menguji apakah selisih rata-rata
tersebut bernilai nol.

Uji-t untuk sampel berpasangan (paired-samples T-test) juga digunakan untuk menguji
hipotesis bahwa tidak ada selisih antara dua variabel. Data dapat berasal dari dua ukuran dari
subjek yang sama atau satu ukuran dari pasangan subjek.

Beberapa penyebab kasus sampel berasangan adalah:

a. Eksperimen yang pengukurannya dilakukan terhadap subyek yang sama baik sebelum
atau sesudah perlakuan. Contoh: penimbangan terhadap 10 orang yang melakukan
program diet. Penimbangan dilakukan sebelum dan sesudah program dilaksanakan.
b. Subyek dalam penelitian diberi dua perlakuan berbeda artinya subyek tersebut
dijadikan pengontrol dirinya sendiri. Contoh: Pemberian metode mengajar A dan B.
Subyek-subyek yang diteliti sebelum UTS diberi metoda A dan kemudian sebelum UAS
diberi metode B.
c. Berdasarkan hubungan genetis, misalnya: saudara kandung, orang tua dengan anak.
d. Berdasarkan hubungan status sosial, misalnya suami-istri, atasan-bawahan, ketua
regu –anggota, dan lainnya.

Perhitungan statistik dilakukan untuk masing-masing variabel dan pasangan variabel, yaitu:

1. Untuk tiap variabel akan dihitung rata-rata, ukuran sampel, standar deviasi, dan
standar error rata-rata.
2. Untuk tiap pasangan variabel akan dihitung korelasi, selisih rata-rata, uji-t dan selang
kepercayaan untuk selisih rata-rata, standar deviasi, dan standar error rata-rata.

Uji-t untuk sampel berpasangan (paired-samples T-test) ini menghasilkan:

1. Statistik deskriptif untuk tiap variabel yang diuji.

2. Korelasi Pearson antara tiap pasangan dan nilai signifikansinya.
3. Selang kepercayaan untuk selisih rata-rata.

Kriteria data yang dapat diuji dengan menggunakan uji-t satu sample (one-sample T-test),
yaitu:
 1. Data yang digunakan adalah data kuantitatif (interval dan rasio).
2. Data berdistribusi normal.

Contoh Kasus:

Seorang dosen statistika ingin mengetahui tentang efektivitas pelatihan software Python
untuk meningkatkan kemampuan komputasi mahasiswa statistika. Untuk itu dilakukan
penelitian eksperimen dengan model quasi eksperimen menggunakan one group pre-test
post-test design. Penelitian ini menguji kemampuan mahasiswa antara sebelum dan sesudah
diberikan pelatihan software Python.

Penelitian ini membuktikan apakah ada perbedaan kemampuan komputasi mahasiswa antara
sebelum dan sesudah diberikan pelatihan Python. Berdasarkan 60 sampel mahasiswa yang
dipilih secara random antara sebelum dan sesudah diberikan metode pelatihan komunikasi
efektif adalah sebagai berikut:

no sebelum sesudah sebelum Sesudah

1 60.00 70.00 53.00 75.00
2 62.00 75.00 65.00 78.00
3 72.00 84.00 64.00 78.00
4 56.00 76.00 71.00 90.00
5 52.00 68.00 55.00 68.00
6 62.00 70.00 60.00 88.00
7 68.00 77.00 62.00 74.00
8 50.00 68.00 50.00 63.00
9 70.00 90.00 52.00 68.00
10 55.00 73.00 57.00 70.00
11 63.00 74.00 60.00 77.00
12 58.00 70.00 68.00 85.00
13 63.00 80.00 59.00 75.00
14 57.00 75.00 73.00 86.00
15 51.00 78.00 69.00 77.00
Tabel 1. Data pelatihan Software Python
Berdasarkan data di atas, maka disusunlah hipotesis sebagai berikut:
Hipotesis
H0 : 𝜇1 = 𝜇2 (Tidak terdapat perbedaan kemampuan komputasi mahasiswa statistika
antara sebelum dan sesudah diberikan pelatihan software Python)
H1 : 𝜇1 ≠ 𝜇2 (terdapat perbedaan kemampuan komputasi mahasiswa statistika antara
sebelum dan sesudah diberikan pelatihan software Python)
Pengolahan Data menggunakan SPSS

1. buka file baru. Klik File → New → Data

2. berikan nama variable yang diperlukan, dalam kasus ini terdapat dua variable yaitu
nilai sebelum dapat pelatihan dan nilai sesudah dapat pelatihan.

3. Isikan nama variabel pada kolom Name (misal: sebelum, dan sesudah) maksimal 8
karakter, setelah itu tekan Tab dan secara otomatis akan muncul di kolom Type
(Numerik), pada kolom Width isikan angka 8 dan pada Decimal isikan angka 2 (dengan
kondisi default).

Gambar 1. Variabel view

4. Setelah pengisian selesai → Klik data view, Input data menjadi 2 kolom. Kolom
pertama untuk sebelum, dan kolom kedua untuk sesudah.

Gambar 2. Data view

5. Klik Analyze → Compare Means → Paired sample t test.

Gambar 3. Menu paired sample t test pada spss

6. Setelah keluar gambar seperti dibawah ini Klik variable Sebelum-Sesudah dan
pindahkan ke kotak Paired Variable.

Gambar 4. pengaturan pada paired sample t test

7. Klik Options untuk memilih Convidence Interval (selang kepercayaan) yang akan
digunakan (posisi default: 95%). Untuk Missing Values atau data yang hilang, karena
dalam kasus ini tidak ada data yang kosong maka diabaikan saja. Klik Continue

Gambar 5. pengaturan pada paired sample t test

8. Kemudian klik OK.
Output SPSS

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 sebelum pelatihan python 60.5667 30 6.82634 1.24631

sesudah pelatihan python 76.0000 30 6.95304 1.26945

Paired Samples Correlations

N Correlation Sig.

Pair 1 sebelum pelatihan python &

30 .749 .000
sesudah pelatihan python

Paired Samples Test

Paired Differences

95% Confidence
Interval of the

Std. Std. Error Difference Sig. (2-

Mean Deviation Mean Lower Upper t df tailed)

Pair sebelum
1 pelatihan python - - - -
4.88265 .89145 -13.61012 29 .000
sesudah 15.43333 17.25654 17.313
pelatihan python

Interpretasi Output SPSS

• Berdasarkan perbandingan rata-rata (mean) nilai pelatihan mahasiswa antara

sebelum diberikan pelatihan python sebesar 60,5667 dan sesudah diberikan pelatihan
python sebesar 76,0000; hal itu berarti terdapat peningkatan kemampuan mahasiswa
dalam komputasi dengan adanya pelatihan Python.
• Pada tabel paired sample correlation, memuat data tentang ada tidaknya korelasi
antara kemampuan komputasi mahasiswa antara sebelum dan sesudah diberikan
pelatihan Python, diperoleh korelasi sebesar 0,749, hal ini menunjukan adanya
hubungan positif antara data nilai sebelum pelatihan dan sesudah pelatihan.

Analisis T-test
1. Hipotesis
H0 : 𝜇1 = 𝜇2 (Tidak terdapat perbedaan kemampuan komputasi mahasiswa
statistika antara sebelum dan sesudah diberikan pelatihan software Python)
 H1 : 𝜇1 ≠ 𝜇2 (terdapat perbedaan kemampuan komputasi mahasiswa statistika
antara sebelum dan sesudah diberikan pelatihan software Python)

2. Tingkat signifikansi
0.05 atau 5%

3. Statistik Uji
- Uji t dua sampel berpasangan

4. Daerah penolakan
Tolak H0 jika : t hitung > t tabel atau sig.< 𝛼 (0.05)

5. Keputusan
berdasarkan hasil analisis uji-t dua sampel saling bebas, maka dapat diperoleh hasil:
thit (17.313) > ttabel (2.045)
sig. (0.000) < 𝛼 (0.05)
maka keputusan → TOLAK H0

6. Kesimpulan
Berdasarkan analisis yang dilakukan pada data nilai pelatihan komputasi dengan
software Python menggunakan tingkat signifikansi sebesar 5% disimpulkan bahwa
Terdapat perbedaan kemampuan komputasi mahasiswa statistika antara sebelum
dan sesudah diberikan pelatihan software Python. Maka dapat disimpulkan bahwa
pelatihan software Python itu sangat efektif dalam upaya meningkatkan kemampuan
komputasi mahasiswa.
Statistika non-Parametrik

Analisa Data Nonparametrik 2 Sampel Berpasangan

Uji nonparametrik digunakan apabila asumsi normalitas pada uji parametrik tidak terpenuhi.
Berikut adalah beberapa uji yang akan digunakan dalam pembahasan:

✓ Uji Mc Nemar
Untuk menguji perbedaan atau perubahan proporsi dua buah populasi yang hanya
memiliki dua kategori berdasarkan proporsi dua sampel berpasangan. Uji ini banyak
dipakai untuk mengetahui apakah ada perbedaan atau perubahan proporsi sebelum dan
sesudah kelompok sampel tertentu yang hanya memiliki dua kategori diberi perlakuan,
dimana anggota kelompok sampel tersebut merupakan kontrol terhadap dirinya sendiri.

✓ Uji Tanda
Uji tanda digunakan untuk menguji hipotesis komparatif dua sampel yang berkorelasi bila
skala pengukuran datanya berbentuk ordinal. Teknik ini disebut uji tanda karena data yang
dianalisis dinyatakan dalam bentuk tanda-tanda (tanda positif atau negatif).

✓ Uji Peringkat Bertanda Wilcoxon

Uji Wilcoxon dapat digunakan sebagai alternatif dari uji Paired sampel T-test atau
dependen sampel t-test. Uji wilcoxon bertujuan untuk mengetahui ada atau tidaknya
perbedaan rata-rata dua sampel yang berpasangan dan berasal dari dua populasi yang
tidak diketahui distribusinya atau dapat dikatakan untuk menguji perbedaan median dua
populasi berdasarkan median dua sampel berpasangan.
Uji ini selain mempertimbangkan arah perbedaan, juga mempertimbangkan besar relatif
perbedaannya. Dengan demikian bisa dikatakan bahwa Uji Peringkat Bertanda Wilcoxon
memiliki kualitas yang lebih baik dibandingkan dengan Uji Tanda. Data pada uji ini berskala
ordinal dan jenis penelitian nya komparasi (membandingkan).

a. Uji Mc-Nemar

Seorang peneliti melakukan penelitian tentang perilaku penggunaan MSG pada masakan.
Peneliti ingin mengetahui efektifitas seminar kesehatan terhadap penggunaan MSG dalam
makanan. Dalam penelitian ini diambil sampel sebanyak 30 orang. Berdasarkan hasil survei
diperoleh data sebagai berikut (0 menandakan responden tidak menggunakan MSG dan 1
menandakan menggunakan MSG).

Penggunaan MSG
no sebelum sesudah no sebelum sesudah
1 0 0 0 0
2 1 0 1 0
 3 0 0 0 0
4 1 0 0 0
5 0 1 1 0
6 1 0 1 1
7 1 0 1 1
8 1 0 0 0
9 1 0 0 0
10 0 0 1 0
11 1 0 1 1
12 1 1 1 1
13 1 0 0 0
14 1 1 1 0
15 1 0 1 0
Tabel 2. Data survey penggunaan MSG

Selidiki apakah terdapat perbedaan penggunaan MSG dalam makanan sebelum dan sesudah
mengikuti seminar kesehatan pada taraf nyata 5%.

Hipotesis
H0 : Penggunaan MSG sebelum dan sesudah seminar kesehatan adalah sama.
H1 : Terdapat pengurangan penggunaan bahan MSG masakan setelah seminar kesehatan.

Langkah-langkah analisis menggunakan SPSS adalah sebagai berikut:

1) Bukalah program SPSS.

2) Input data menjadi 2 kolom. Kolom pertama untuk sebelum seminat, dan kolom kedua
setelah seminar.

Gambar 6. Variabel view pada data MSG

3) Input data pada data view.

Gambar 7. Data view pada varibel MSG

4) Selanjutnya klik analyze → nonparametric test → legacy doalogs → 2 related sample.

- Test Pair adalah pasangan variabel yang akan diuji.
- Klik pada variable 1, isikan variabel Sebelum seminar. Pada variable 2, isikan
variabel sesudah seminar.
- Untuk Test Type atau tipe uji, pilih McNemar.

Gambar 8. Pengaturan pada two-related sample test

5) Klik OK.
Output SPSS.

sebelum & sesudah

Sesudah

sebelum tidak msg pakai msg

tidak msg 9 1
pakai msg 14 6

Tabel cross tab menunjukkan penggunaan MSG sebelum dan sesudah seminar kesehatan. Sel
yang menjadi perhatian adalah baris 1 kolom 2 (B1K2), dan baris 2 kolom 1 (B2K1). Sel B1K2
bernilai 1, hal ini menunjukkan perubahan peserta yang sebelum seminar memasak tanpa
MSG berubah menjadi menggunakan MSG ada 1 orang. Sel B2K1 bernilai 14, hal ini berarti
jumlah peserta seminar yang sebelumnya menggunakan MSG setelah seminar menjadi tidak
menggunakan MSG sebanyak 14 orang.

Test Statisticsa

sebelum &
sesudah

N 30
Exact Sig. (2-tailed) .001b

a. McNemar Test
b. Binomial distribution used.

Tabel Statistics memaparkan analisis hipotesis dari penelitian tersebut . Terlihat bahwa pada
Exact Sig. (2-tailed) adalah 0.001, nilai ini lebih kecil dari tingkat signifikansi sebesar 0.05.
Maka H0 ditolak, dengan demikian dapat disimpulkan bahwa terdapat pengurangan
penggunaan MSG setelah seminar kesehatan. Dalam hal ini metode yang digunakan adalah
uji binomial.
cara lain input data yang bisa digunakan untuk Uji McNemar

1. Definisikan jenis variabel yang digunakan dalam variabel view.

Gambar 9. Variabel view data MSG cara lain

2. Masukkan data yang digunakan dalam Data view.

Gambar 10. Data view pada data MSG cara lain

3. Pilih data → weight case by, selanjutnya pindahkan variabel Nilai dengan mengklik
tanda panah seperti berikut:

Gambar 11. Weight pada variabel nilai

 4. Selanjutnya klik analyze → nonparametric test → legacy doalogs → 2 related sample.
- Test Pair adalah pasangan variabel yang akan diuji.
- Klik pada variable 1, isikan variabel Sebelum. Pada variable 2, isikan variabel
sesudah.
- Untuk Test Type atau tipe uji, pilih McNemar.

Gambar 12. Pengaturan pada two-related sample test

5. Klik OK.

Output SPSS

sebelum & sesudah

Sesudah

sebelum 0 1

0 9 1
1 14 6

Test Statisticsa

sebelum &
sesudah

N 30
Exact Sig. (2-tailed) .001b

a. McNemar Test
b. Binomial distribution used.

Output ini sama dengan analisis nonparametrik Mc Nemar sebelumnya, maka hasil
interpretasi pun sama dengan sebelumnya.
Uji Tanda
Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang siswa pada
mata ajar tertentu, jika ia belajar sendirian dan jika ia belajar berkelompok. Untuk itu,
diadakan dua kali uji mata ajar, pertama siswa belajar sendiri-sendiri dan yang kedua sebelum
ujian siswa dapat dengan bebas belajar secara berkelompok. Berikut hasil nilai keduanya
(angka dalam range nilai (sampai 100)).

No Sendiri Kelompok
1 80 88
2 78 89
3 65 79
4 85 94
5 70 85
6 84 92
7 88 96
8 75 82
9 69 75
10 82 88
11 77 80
12 80 90
13 73 85
14 75 75
15 79 85
Tabel 3. Data metode belajar

Hipotesis untuk permasalahan diatas dirumuskan sebagai berikut:

H0: tidak ada perbedaan nilai siswa jika ia belajar sendiri dengan jika ia belajar berkelompok.
H1: ada perbedaan nilai siswa jika ia belajar sendiri dengan jika ia belajar berkelompok.

Langkah-langkah analisis menggunakan SPSS adalah sebagai berikut:

1) Bukalah program SPSS.

2) Input data menjadi 2 kolom. Kolom pertama untuk belajar sendiri, dan kolom kedua
belajar kelompok.
 Gambar 13. Variabel view pada data metode belajar

3) Isi data pada Data view sesuai dengan data yang ada

Gambar 14. Data view pada data metode belajar

4) Selanjutnya klik analyze → nonparametric test → legacy doalogs → 2 related sample.

- Test Pair adalah pasangan variabel yang akan diuji.
- Klik pada variable 1, isikan variabel sendiri. Pada variable 2, isikan variabel
kelompok.
- Untuk Test Type atau tipe uji, pilih Sign.
 Gambar 15. Pengaturan pada two-related sample test

5) pilih Options lalu klik Descriptive dan klik continue

Gambar 16. Pengaturan pada options

6) klik OK.

Output SPSS:

Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

sendiri 15 77.3333 6.33208 65.00 88.00

kelompok 15 85.5333 6.41278 75.00 96.00

Frequencies

kelompok - sendiri Negative Differencesa 0

Positive Differencesb 14

Tiesc 1
Total 15

a. kelompok < sendiri

 b. kelompok > sendiri
c. kelompok = sendiri

Test Statisticsa

kelompok -
sendiri

Exact Sig. (2-tailed) .000b

a. Sign Test
b. Binomial distribution used.

Interpretasi Hasil Analisis dengan SPSS

• Berdasarkan tabel statistik deskripitif di atas dapat dilihat bahwa nilai rata-rata siswa
yang belajar sendiri adalah 77.33 dan nilai rata-rata siswa yang belajar berkelompok
adalah 85,53. Serta standar deviasi (seberapa jauh rentang data dari mean) yang
belajar sendiri adalah 6.332 dan yang belajar berkelompok adalah 6.412 dengan
banyaknya data yang diamati sejumlah 15 data.
• Bagian tabel frekuensi di atas menyatakan banyaknya tanda bagi selisih ranking.
Berdasarkan tabel frekuensi di atas dapat dilihat bahwa ada 0 data dengan perbedaan
negatif, 14 data dengan perbedaan positif dan 1 data dengan perbedaan data nol
(pasangan data sama nilainya ata ties) dari jumlah data yang sebanyak 15 data.
• Bagian dari nilai test statistic di atas menyajikan hasil uji binomial. Terlihat bahwa pada
kolom Exact Sig.(2-tailed) atau signifikansi untuk uji dua arah diperoleh nilai 0,000,
maka nilai p = 0,000 < 0,05. Sehingga tolak hipotesis nol (H0). Maka ada perbedaan
nilai siswa jika ia belajar sendiri dengan jika ia belajar berkelompok.

Uji Wilcoxon

Sebuah perusahaan Pharmasi sedang mengembangkan suplemen penambahan berat badan

pada anak-anak. Perusahaan ingin mengetahui khasiat suplemen tersebut sebelum
dipasarkan secara komersial. Untuk itu perusahaan mencoba obat tersebut secara kontinu
terhadap 15 orang siswa sekolah dasar yang sudah diukur terlebih dahulu berat badannya.
Setelah 3 bulan kemudian siswa-siswa tersebut ditimbang berat badannya lagi untuk
mngetahui apakah ada peningkatan berat badannya yang nyata. Berikut ini adalah hasil
pengukuran tersebut (angka dalam kilogram).

no Sebelum sesudah No Sebelum Sesudah

1 25 26 11 24 25
2 27 27 12 25 28
3 20 24 13 23 22
4 21 25 14 20 24
5 18 22 15 22 22
 6 19 20 16 22 23
7 20 25 17 28 30
8 22 23 18 21 26
9 24 26 19 23 25
10 20 24 20 19 23
Tabel 4. Data uji suplemen

Hipotesis untuk permasalahan diatas dirumuskan sebagai berikut:

H0 : Suplemen tersebut tidak memiliki efek berarti untuk meningkatkan berat badan
H1 : Suplemen tersebut memiliki efek berarti untuk meningkatkan berat badan

Langkah-langkah analisis menggunakan SPSS adalah sebagai berikut:

1) Bukalah program SPSS.

2) Input data menjadi 2 kolom. Kolom pertama untuk sebelum meminum suplemen, dan
kolom kedua setelah meminum suplemen.
3) Isi data pada Data view sesuai dengan data yang ada.
4) Selanjutnya klik analyze → nonparametric test → legacy doalogs → 2 related sample.
- Test Pair adalah pasangan variabel yang akan diuji.
- Klik pada variable 1, isikan variabel Sebelum. Pada variable 2, isikan variabel
sesudah. Untuk Test Type atau tipe uji, pilih Wilcoxon.

Gambar 17. Pengaturan two related sampe tests.

5) pilih Options lalu klik Descriptive dan klik continue

 Gambar 18. Pengaturan pada options

6) klik OK.

Output SPSS:

Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

sebelum 20 22.1500 2.71981 18.00 28.00

sesudah 20 24.5000 2.32832 20.00 30.00

Ranks

N Mean Rank Sum of Ranks

sesudah - sebelum Negative Ranks 1a 3.50 3.50

Positive Ranks 17b 9.85 167.50

Ties 2c

Total 20

a. sesudah < sebelum

b. sesudah > sebelum
c. sesudah = sebelum

Test Statisticsa

sesudah -
sebelum

Z -3.603b
Asymp. Sig. (2-tailed) .000

a. Wilcoxon Signed Ranks Test

b. Based on negative ranks.
Interpretasi Hasil Analisis dengan SPSS

• Dari luaran terlihat bahwa dari 20 pengamatan, ada 1 data mempunyai beda-negative,
17 data bernilai positif dan 2 data yang sama (ties). Dalam uji Wilcoxon, yang dipakai
adalah jumlah beda-beda yang paling kecil, karena kasus ini diambil beda negative,
yaitu 3.5 (lihat luaran pada kolom ‘sum of ranks’). Dari angka ini didapat uji Wilcoxon
(T) adalah 3.5.
• Terlihat pada kolom asymp sig (2-tailed) untuk diuji 2 sisi adalah 0,000. maka nilai p =
0,000 < 0,05. Sehingga tolak hipotesis nol (H0). Maka Suplemen tersebut memiliki efek
berarti untuk meningkatkan berat badan.
 LATIHAN

Kasus:

Seorang peneliti ingin menguji efektivitas fasilitas konsuling untuk menurunkan tingkat
depresi ringan pada mahasiswa. Untuk itu dilakukan penelitian eksperimen dengan model
quasi eksperimen menggunakan one group pre-test post-test design. Penelitian ini menguji
tingkat depresi ringan mahasiswa antara sebelum dan sesudah diberikan fasilitas konsuling.
Penelitian ini ingin membuktikan apakah ada perbedaan tingkat depresi ringan mahasiswa
antara sebelum dan sesudah diberikan konsuling. Berdasarkan 40 sampel mahasiswa yang
dipilih secara random, mahasiswa diukur dengan BDI (Beck Depression Inventory) untuk
melihat tingkat depresi ringan mahasiswa antara sebelum dan sesudah konsuling, diperoleh
data sebagai berikut:

KONSULING
No Sebelum sesudah No Sebelum Sesudah
1 16 10 16 15 10
2 13 9 17 13 9
3 14 7 18 14 9
4 15 8 19 12 8
5 13 8 20 15 10
6 15 10 21 13 10
7 16 10 22 11 7
8 14 9 23 13 9
9 13 6 24 12 10
10 12 8 25 14 10
11 12 7 26 12 8
12 14 10 27 15 9
13 15 10 28 13 9
14 16 9 29 16 10
15 15 10 30 12 8

a. Laksanakan analisis uji-t dua sampel berpasangan (Paired Sample t-test) untuk data
tersebut di atas dengan komputer program SPSS for windows.
b. Cetaklah hasilnya (print-out) dan gunakan untuk melakukan kegiatan sebagai berikut:
- Buatlah hipotesis nol (Ho) dan hipotesis alternatif (H1)
- Ujilah hipotesis-hipotesis tersebut dengan taraf signifikansi 0.05 (5%)!
- Interpretasi dan simpulkan hasil uji-t dua sampel berpasangan tersebut!