MODUL 1

STATISTIK INFERENSIAL

Pengantar

Untuk mengetahui karakteristik sebuah populasi dilakukan prosedur statistik

deskriptif, yang hasilnya adalah parameter yang menggambarkan ciri-ciri populasi.
Setelah dilakukan uji terhadap suatu distribusi data, dan terbukti bahwa data yang
diuji berdistribusi normal atau mendekati distribusi normal, maka selanjutnya dengan
data-data tersebut bisa dilakukan berbagai inferensi dengan metode statistik
parametrik. Jika terbukti distribusi data tidak berdistribusi normal atau jauh dari
kriteria distribusi normal, maka metode parametrik tidak bisa digunakan, dan harus
menggunakan metode statistik non-parametrik. Penjelasan ini dapat digambarkan
dalam bagan sebagai berikut:

DATA

Normal DISTRIBUSI Tidak Normal

Statistik Statistik Non-

Parametrik Parametrik

Prosedur penggunaan statistik parametrik dalam statistik inferensial digunakan untuk

analisis terhadap:
1. Uji perbandingan rata-rata (compare means) dalam suatu populasi yang antara lain
digunakan untuk:
a. Uji perbandingan rata-rata (compare means) untuk satu sampel, digunakan uji-
t satu sampel (one sampel T-test).
b. Uji perbandingan rata-rata (compare means) untuk dua sampel berpasangan
(paired), digunakan uji-t dua sampel berpasangan (paired sampel T-test).
c. Uji perbandingan rata-rata (compare means) untuk dua sampel saling bebas
(independent), digunakan uji-t dua sampel saling bebas (independent sampel
T-test).
d. Uji perbandingan rata-rata (compare means) untuk dua sampel atau lebih
dengan satu jalan/faktor, digunakan analisis varian (analysis of variances) atau
ANOVA satu jalan (one-way ANOVA).
 e. Uji perbandingan rata-rata (compare means) untuk dua sampel atau lebih
dengan dua jalan/faktor, digunakan analisis varian (analysis of variances) atau
ANOVA dua jalan (two-way ANOVA).
2. Uji hubungan (correlation) antar variabel dalam suatu populasi, yang antara lain
digunakan untuk:
a. Uji hubungan (correlation) antar dua variabel, digunakan analisis korelasi dan
regresi linier sederhana.
b. Uji hubungan (correlation) antar lebih dari dua variabel, digunakan analisis
regresi linier ganda.
Disebut statistik parametrik dikarenakan adanya parameter-parameter seperti mean,
median, standar deviasi, varians, dan lain-lain, baik untuk tujuan deskripsi pada
populasi maupun pada sampel.
Metode analisis statistik parametrik bisa dilakukan, jika beberapa persyaratan
dipenuhi, diantaranya adalah:
1. Sampel yang dipakai untuk analisis haruslah berasal dari populasi yang
berdistribusi normal.
Jika suatu populasi misalkan mahasiswa pada salah satu jurusan/ program studi
tidak berdistribusi normal, maka jika diambil sampel, misalkan hanya 20
mahasiswa, maka parameter-parameter sampel tersebut seperti mean, median,
standar deviasi, varians, dll tidak bisa digunakan untuk analisis data menggunakan
uji-t, ANOVA, korelasi, product moment, dan analisis regresi.
2. Sampel harus mencerminkan keadaan populasi yang sebenarnya. Artinya data
yang dianalisis merupakan data acak (random) dengan menggunakan teknik
pengambilan sampel yang benar.
Jika jumlah populasi atau sampel terlalu sedikit (kasus penelitian
populatif:penelitian komunitas yang sedikit jumlah subjeknya), jika dilakukan
penarikan sampel maka menghasilkan sampel yang sedikit misalnya hanya 10 atau
15 data, dll maka sulit dilakukan statistik inferensi (seperti uji-t, ANOVA, korelasi
Product moment, dan analisis regresi) secara memadai.
3. Data haruslah berbentuk data kuantitatif yaitu berupa data interval dan rasio.
Jika jenis data yang dianalisis berbentuk data nominal atau ordinal, maka metode
analisis statistik parametrik (seperti uji-t, ANOVA, korelasi Product moment, dan
analisis regresi) sulit diterapkan dengan hasil yang memuaskan.
Oleh karena itu jika data yang akan dianalisis tidak berdistribusi normal, jumlah data
sangat sedikit, dan datanya berupa data nominal dan ordinal, maka perlu digunakan
alternatif analisis statistik yang tidak harus memakai suatu parameter tertentu, seperti
keharusan adanya mean, median, standar deviasi, varians dll. Analisis statistik ini
disebut analisis statistik non-parametrik.
Jika data yang dianalisis tidak memenuhi ketentuan-ketentuan persyaratan
menggunakan analisis statistik parametrik tersebut di atas (misalnya data yang ada
idak berdistribusi normal, jumlah data sangat sedikit atau tidak mencerminkan
populasi yang sebenarnya, dan data berbentuk nominal dan ordinal), maka perlu
digunakan metode analisis statistik yang tidak memerlukan suatu parameter tertentu,
seperti keharusan adanya mean, median, standar deviasi, varians dll. Analisis statistik
ini disebut analisis statistik non-parametrik.
Jadi prosedur yang digunakan pada analisis statistik non parametrik tidak dilandasi
oleh asumsi-asumsi tertentu, seperti data yang ada tidak berdistribusi normal, jumlah
data sangat sedikit atau atau tidak mencerminkan populasi yang sebenarnya, dan data
berbentuk nominal dan ordinal.
Prosedur penggunaan statistik non-parametrik dalam statistik inferensial digunakan
untuk analisis terhadap:
1. Uji untuk satu sampel (one-sampel), digunakan uji binomial (binomial test) dan
uji runs (runs test).
2. Uji untuk dua sampel saling berhubungan (two dependent samples) digunakan uji
tanda/ sign test, uji Wilcoxon Signed-Rank, dan uji McNemar Change test.
3. Uji untuk dua sampel saling bebas (two independent samples) digunakan uji
Mann-Whitney U-test, Chi-Square test, Kolmogorov Smirnov test, dan Wald-
Wolfowitz.
4. Uji untuk beberapa sampel berhubungan (several dependent samples), digunakan
Friedman test, Kendall’s W test, dan Cochran’s Q test.
5. Uji untuk beberapa sampel tidak berhubungan/ saling bebas (several independent
samples), digunakan Kruskal-Wallis test, Chi-Square test.
6. Uji hubungan (correlation) antar variabel, digunakan Kendall’s Tau-b, Spearman,
dan Crosstabulation Chi Square (c2-test), Contingency coefficient.
Untuk lebih jelasnya prosedur penggunaan analisis statistik dalam statistik inferensial
antara statistik parametrik dan non-parametrik dapat digambarkan dalam tabel sebagai
berikut:
Statistik Statistik Non-
No. Penggunaan
Parametrik Parametrik
1 Uji Satu sampel Uji-t satu sampel Uji binomial
perbandingan (one sample) (one sample T- (binomial test)
(comparation) test) dan uji runs
(runs test)
dua sampel Uji-t dua sampel uji tanda/ sign
saling berpasangan test, uji
berhubungan (paired sample T- Wilcoxon
(two test) Signed-Rank,
dependent dan uji
samples) McNemar
Change test.

dua sampel uji-t dua sampel uji Mann-

saling bebas saling bebas Whitney U-test,
(two (independent Chi-Square test,
independent sampel T-test). Kolmogorov
samples) Smirnov test,
dan Wald-
Wolfowitz
beberapa Friedman test,
 sampel Kendall’s W
berhubungan test, dan
(several Cochran’s Q test
dependent
samples)
beberapa ANOVA Kruskal-Wallis
sampel tidak test, Chi-Square
berhubungan/ test.
saling bebas
(several
independent
samples)
2 Uji hubungan Uji hubungan r product moment Kendall’s Tau-
(correlation) (correlation) (pearson), dan b, Spearman,
antar dua regression. dan
variabel Crosstabulation
Chi Square (c2-
test),
Contingency
coefficient.

MODUL 2
PENGUJIAN HIPOTESIS SATU SAMPEL

1. PENGERTIAN PENGUJIAN HIPOTESIS

Hipotesis dalam penelitian merupakan jawaban sementara terhadap rumusan masalah

pada suatu penelitian. Jawaban sementara tersebut biasanya dideduksi dari suatu teori.

Hipotesis Statistik : Pernyataan atau Dugaan atau Taksiran mengenai satu atau
lebih parameter populasi yang didapatkan dari data sampel.
 Parameter adalah ukuran-ukuran yang digunakan dalam mendiskripsikan atau
menggambarkan karakteristik data populasi (   rata  rata;  2  ragam / var ians

Dalam statistika terdapat dua macam hipotesis yaitu hipotesis nol ( H 0 ) dan hipotesis
alternatif ( H1 ) atau ( H A )

Hipotesis nol diartikan sebagai tidak adanya perbedaan antara parameter populasi
dengan statistik sampel atau tidak adanya perbedaan antara ukuran populasi dan
ukuran sampel, sehingga yang diuji adalah hipotesis nol, karena peneliti tidak
mengharapkan adanya perbedaan antara data populasi dengan data sampel.

Hipotesis alternatif ( H1 ) adalah lawan dari hipotesis nol ( H 0 ) .

Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis.

Kebenaran (benar atau salahnya ) suatu hipotesis tidak akan pernah diketahui dengan
pasti, kecuali kita memeriksa seluruh populasi. (Memeriksa seluruh populasi? Apa
mungkin?)

Lalu apa yang kita lakukan, jika kita tidak mungkin memeriksa seluruh populasi
untuk memastikan kebenaran suatu hipotesis?

Kita dapat mengambil sampel acak, dan menggunakan informasi (atau bukti) dari
sampel itu untuk menerima atau menolak suatu hipotesis.

Penerimaan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk

MENOLAK hipotesis tersebut dan BUKAN karena HIPOTESIS ITU BENAR

Penolakan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENERIMA
hipotesis tersebut, dan BUKAN karena HIPOTESIS ITU SALAH.

Landasan penerimaan dan penolakan hipotesis seperti ini, yang menyebabkan para
peneliti mengawali pekerjaan dengan terlebih dahulu membuat hipotesis yang
diharapkan ditolak, tetapi dapat membuktikan bahwa pendapatnya dapat diterima.

Perhatikan contoh-contoh berikut :

Contoh 1.

Sebelum tahun 2015, pendaftaran mahasiswa STAIN Kediri dilakukan dengan pengisian
formulir secara manual. Pada tahun 2050, bagian akademik STAIN Kediri
memperkenalkan sistem pendaftaran baru "ON-LINE".

Seorang Staf akademik STAIN Kediri ingin membuktikan pendapatnya “bahwa rata-rata
waktu pendaftaran dengan sistem ON-LINE akan lebih cepat dibanding dengan sistem
 yang lama” Untuk membuktikan pendapatnya, ia akan membuat hipotesis awal, sebagai
berikut :

Hipotesis Awal : Tidak terdapat perbedaan rata-rata waktu pendaftaran SISTEM "ON-
LINE" dengan “SISTEM MANUAL”.

Staf Akademik STAIN Kediri tersebut akan mengambil sampel dan berharap hipotesis
awal ini ditolak, sehingga pendapatnya dapat diterima.

Penjelasan :

 Hipotesis Awal yang diharap akan ditolak disebut : Hipotesis Nol ( H0 )

 Penolakan H0 membawa kita pada penerimaan Hipotesis Alternatif ( H1 ) (beberapa
buku menulisnya sebagai H A )

 Nilai Hipotesis Nol ( H0 ) ditulis dalam bentuk persamaan

 Sedangkan Nilai Hipotesis Alternatif ( H1 ) dapat ditulis dalam beberapa kemungkinan

bentuk pertidaksamaan (< ; > ; )

Contoh 2.(lihat Contoh 1.)

Pada sistem lama, rata-rata waktu pendaftaran adalah 50 menit. Kita akan menguji
pendapat Staf akademik tersebut, maka Hipotesis awal dan Alternatif dapat dituliskan
sebagai berikut :
H0 :   50 (sistem baru dan sistem lama tidak berbeda)
H1 :   50 (sistem baru tidak sama dengan sistem lama)
atau

H0 :   50 (sistem baru sama dengan sistem lama)

H 0 :   50 ( sistem baru lebih cepat)
2. JENIS KESALAHAN (TYPE OF ERROR)

Penolakan atau Penerimaan Hipotesis dapat membawa kita pada 2 jenis kesalahan
(kesalahan= error = galat), yaitu :
1. Galat Jenis 1 , yaitu menolakan Hipotesis Nol ( H0 ) yang benar. Galat Jenis 1
dinotasikan sebagai . Peluang timbulnya salah jenis pertama ini dilambangkan
P(tolak H0/ H0 benar) = α .  juga disebut taraf nyata uji.
2. Galat Jenis 2, yaitu menerimaan Hipotesis Nol ( H0 ) yang salah. Peluang membuat
salah jenis kedua ini dilambangkan dengan β atau P(terima H0/H0 salah) = β
Usaha untuk mengecilkan peluang timbulnya salah satu jenis kesalahan ini, selalu
diiringi dengan pembesaran nilai peluang kesalahan jenis yang lain. Kedua jenis
kesalahan ini bisa diperkecil kalau ukuran sampel (n) diperbesar.
 Dalam praktek penetapan peluang timbulnya kesalahanjenis pertama, biasanya
ditentukan disekitar nilai α = 0,05 atau α = 0,01. Apabila α = 0,05 maka dikatakan
bahwa taraf nyata pengujiannya 5% dan seterusnya.
Prinsip pengujian hipotesa adalah perbandingan nilai statistik uji z dan statistik uji t (z
hitung atau t hitung) dengan nilai titik kritis (Nilai z tabel atau t Tabel)
Titik Kritis adalah nilai yang menjadi batas daerah penerimaan dan penolakan hipotesis.
Nilai  pada z atau t tergantung dari arah pengujian yang dilakukan.

3. LANGKAH-LANGKAH PENGUJIAN HIPOTESIS

1. Penentuan H0 dan H1 berdasarkan anggapan yang akan diuji. H1 adalah hipotesis
yang kita harapkan berlaku kebenarannya; H0 adalah hipotesis yang menolkan apa
yang sesungguhnya kita harapkan berlaku kebenarannya;
2. Penentuan taraf uji (taraf nyata pengujian);
3. Pilih Statistik uji yang sesuai. Penghitungan nilai statistik uji berdasarkan
keterangan yang dihimpun dari data;
4. Penentuan daerah kritis, yaitu untuk mengetahui batas-batas daerah tolak H0 (area
sebesar (1-α) di bawah kurva) dan daerah terima/tidak menolak H0 (area sebesar α
dibawah kurva);
5. Keputusan, membuat keputusan untuk tidak menolakatau menolak H0 berdasarkan
kriterium pengujian yang berlaku;
6. Kesimpulan

4. ARAH PENGUJIAN HIPOTESIS

Pengujian Hipotesis dapat dilakukan secara Uji Satu Arah (one tail) dan Uji Dua
Arah (two tail).

Jika peubah acak X N ( ,  2 ) , maka hipotesis yang perlu diuji biasanya

mengambil salah satu dari ketiga bentuk berikut:

1. H 0 :   0 lawan H1 :   0
 2. H 0 :   0 lawan H1 :   0

3. H 0 :   0 lawan H1 :   0

5. PENGUJIAN HIPOTESIS RATA2 SATU POPULASI

a. Varian Populasi Ragam Diketahui, maka statistik ujinya:

x  0
Zo  N  0,1 , Z0 adalah Z hasil observasi atau disebut Z-hitung.

n

b. Varian Populasi Tidak Diketahui, Jumlah Sampel Besar (n ≥ 30), Maka statistik
ujinya adalah:

x  0
Zo  N  0,1
s
n

c. Varian Populasi Tidak Diketahui, Jumlah Sampel Kecil ( n  30 ), maka statistik

ujinya adalah :
x  0
to  tn 1
s
n
6. Rumus-rumus Statistik Uji Berdasarkan Hipotesis Yang Digunakan

H0 Statistik Uji H1 Wilayah Kritis

1.   0 x  0   0 zhitung   z
zhitung    0
 / n zhitung  z
sampel besar   0
n  30  dapat diganti zhitung   z dan z  z
2 2
dengan s

2.   0 x  0   0 thitung <  t( db; )

thitung    0
thitung > t( db, )
sampel kecil s / n   0
n<30 thitung   t( db, )
dan
2

thitung  t( db; )
2
db = n-1

H0 Statistik Uji H1 Wilayah Kritis

z
 x1  x2   d0 1  2  d0 z   z
2. 1  2  d0 1  2  d0
sampel-sampel
( 12 / n1 )  ( 22 / n2 ) z  z
1  2  d0
Jika 1 dan  2 z   z dan z  z
2 2
besar
n1  30
2 2
tidak diketahui, maka
n2  30 2
digunakan s1 dan s2
2

4. 1  2  d0 (x1  x2 )  d 0 1  2  d0 t   t
t
( s / n1 )  (s / n2 )
2 2
1  2  d0 t  t
1 2
sampel -sampel 1  2  d0
kecil t   t( db , dan
2)
n1 < 30
t  t ( db;
n2 < 30 2)
db = n1  n2  2

Contoh :
Rata-rata waktu yang diperlukan mahasiswa untuk mendaftarkan diri pada STIS adalah 50
menit dengan simpangan baku 10 menit. Suatu prosedur pendaftaran baru yang menggunakan
sistem pendaftaran online sedang dicoba. Bila suatu contoh acak 12 calon mahasiswa
memerlukan waktu pendaftaran rata-rata 30 menit dengan simpangan baku 11 menit dengan
menggunakan sistem baru tersebut, ujilah hipotesis bahwa rata-rata waktu pendaftaran
populasinya sekarang kurang dari 50 menit. (Gunakan taraf uji 0,01).
Jawab:
Diketahui : n=12; x  30menit ; s = 11 menit
Penyelesaian:
1. Hipotesis H0 :   50 lawan H1 :   50

2. Menggunakan taraf signifikansi pengujian 5%

3. Memilih statistic uji yaitu menggunakan uji t-one sampel karena menguji satu
variable dari satu sampel yang ragamnya tidak diketahui.
4. Menentukan wilayah kritis yaitu daerah penolakan dan penerimaan hipotesis
Wilayah kritis = t  t0,01  2,718

t-observasi atau t0  t maka tolak H0

5. Menghitung nilai statistic uji

x  0 30  50 20
Statistik uji: to     5, 78
s 11 3, 46
n 12
6. Kesimpulan : karena keputusannya tolak hipotesis nol dan terima hipotesis alternative
maka kesimpulannya adalah pendaftaran mahasiswa baru dengan menggunakan
sistem pendaftaran yang baru membutuhkan waktu kurang dari 50 menit.

TUGAS TERSTRUKTUR 2
Bagian akademik suatu perguruan tinggi menduga bahwa Kualitas mengajar dosen statitik
paling tinggi 70% dari rata-rata nilai ideal Kualitas mengajar dosen statitik paling rendah
70% dari rata-rata nilai ideal Kualitas mengajar dosen statitik tidak sama dengan 70% dari
rata-rata nilai ideal
Kemudian dibuktikan dengan penelitian dengan menyebar angket kepada 20 mahasiswa
dengan jumlah pertanyaan 15 item, instrumen penelitian yang diukur dari berbagai aspek
diberi skala
1 = kurang baik, 2 = cukup baik, 3 = baik, 4 = sangat baik.
Taraf kepercayaan 95% (taraf signifikansi α =5%). Data diperoleh sebagai berikut :

60 60 60 50 60 60 60 59 60 60 60 60

58 60 58 50 58 60 60 58 60 60 60 60

Ujilah :
1. kualitas mengajar dosen statistik paling rendah 70% dari rata-rata nilai ideal.
2. kualitas mengajar dosen statistik paling tinggi 70% dari rata-rata nilai ideal
3. kualitas mengajar dosen statistik sama dengan 70% dari rata-rata nilai ideal

HAND OUT 3
Analisis Uji-t Satu Sampel
(One-Sample T-test)

Pengertian:
 Uji-t untuk satu sampel (one-sample test) merupakan prosedur uji-t untuk sampel
tunggal jika rata-rata suatu variabel tunggal dibandingkan dengan suatu nilai
konstanta tertentu (µo).
 Untuk setiap variabel yang akan diuji ditampilkan rata-rata, standart deviasi, standart
eror rata-rata, selisih rata antara tiap nilai data dengan nilai uji hipotesis, dan taraf
kepercayaan/signifikansi untuk selisih rata-rata.
 Kriteria data yang dapat diuji dengan menggunakan Uji-t untuk satu sampel (one-
sample test), yaitu:
1. Data yang digunakan adalah data kuantitatif (interval atau rasio).
2. Data berdistribusi normal.
 Rumus yang digunakan untuk Uji-t untuk satu sampel (one-sample test) adalah
sebagai berikut:
t=
√
 Keterangan:
T = Nilai t hitung
= Rata-rata
µo = Nilai yang dihipotesiskan
s = Standart deviasi
n = Jumlah sampel
 Dalam Uji-t untuk satu sampel (one-sample test) dibagi menjadi dua macam
pengujian hipotesis, yaitu:
1. Uji dua pihak/arah (two tail-test), yaitu pengujian yang digunakan jika hipotesis
nol (H0) berbunyi “sama dengan” dan hipotesis alternatifnya (Ha) berbunyi “tidak
sama dengan, atau (H0= dan Ha ≠)
2. Uji satu pihak (one tail-test), yang dapat dibagi menjadi dua macam, yaitu:
a. Uji pihak/arah kiri, yaitu pengujian yang digunakan jika hipotesis nol (H 0)
berbunyi “lebih besar atau sama dengan” (≥) dan hipotesis alternatifnya (Ha)
berbunyi “lebih kecil” atau “paling sedikit/paling kecil” (<), atau (H 0 ≥, dan
Ha<).
b. Uji pihak/arah kanan, yaitu pengujian yang digunakan jika hipotesis nol (H0)
berbunyi “lebih kecil atau sama dengan” (≤) dan hipotesis alternatifnya (Ha)
berbunyi “lebih besar” atau “paling besar/paling banyak” (>), atau (H0 ≤, dan
Ha>).
1. Uji dua pihak/arah (Two tail test)
Contoh kasus:
Seorang peneliti ingin mengetahui prestasi belajar mahasiswa pada mata kuliah statistik.
Untuk itu dilakukan pengumpulan data untuk menguji hipotesis yang menyatakan bahwa
rata-rata prestasi belajar mahasiswa adalah 8. Berdasarkan sampel sebanyak 30
mahasiswa. Yang diambil secara random, diperoleh data sebagai berikut:
Data 1: Prestasi belajar mahasiswa mata kuliah statistik
8 6 8
8 7 8
7 9 7
6 8 6
9 8 6
7 7 9
 6 8 6
9 6 7
8 6 8
8 7 8
* Berdasarkan data tersebut maka disusunlah hipotesis sebagai berikut:
a. Hipotesis
H0 : µ = 8
Rata-rata hasil prestasi mahasiswa sama dengan nilai 8
Ha : µ ≠ 8
Rata-rata hasil prestasi mahasiswa tidak sama dengan nilai 8
b. Cara memasukkan data ke SPSS
 Membuka file baru. Klik File lalu New lalu Data.
 Memberi nama variabel yang diperlukan dalam kasus ini hanya terdapat satu
variabel ayaitu prestasi belajar mahasiswa.
 Klik Variabel View (kanan bawah).
 Isikan nama variabel pada kolom Name (misal: prestasi) maksimal 8 karakter.
 Kolom Type, klik Numeric karena penghitungannya berupa angka.
 Kolom Widht, isikan 8 (kondisi default) dan Decimals isikan 2 (kondisi
default).
 Kolom Label dapat diisikan keterangan untuk melengkapi kolom Name
(misal: prestasi belajar mahasiswa).
 Setelah pengisian selesai klik Continue
 Mengisikan data lalu klik Data View (kanan bawah), isikan data 1 tersebut di
atas pada kolom prestasi dengan mengetikkan ke bawah.
c. Menyimpan data
 Klik File lalu Save kemudian berilah nama yang anda inginkan (misal: data 1).
Data SPSS akan tersimpan dalam file ekstensen .sav
d. Pengolahan data
 Klik Analyze lalu Compare Means lalu One Sample T-Test
 Klik variabel prestasi dan pindahkan ke kotak variable Tests.
 Isikan 8 pada kotak Test Value
 Klik Option untuk memilih Convidense Interval, selang kepercayaan yang
akan digunakan (posisi default : 95%). Untuk Missing Values atau data yang
 hilang, karena dalam kasusu ini tidak ada data yang kosong maka diabaikan
saja.
 Klik Continue
 Klik OK
e. Output SPSS
 Hasil output SPSS dapat disimpan dengan cara klik File lalu Save kemudian
berilah nama yang anda inginkan (misal: output 1).
 Adapun output SPSS dapat dilihat sebagai berikut:

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Prestasi
Belajar 30 7.3667 1.03335 .18866
Mahasiswa

One-Sample Test

Test Value = 8

95% Confidence Interval of the

Difference

t df Sig. (2-tailed) Mean Difference Lower Upper

prestasi -3.357- 29 .002 -.63333- -1.0192- -.2475-

f. Interpretasi output SPSS

 Pada tabel one sample statistics, memuat deskriptif tentang prestasi belajar
mahasiswa yang meliputi banyaknya data, mean, standart deviasi, dan standart
error mean.
o Banyaknya data atau subjek (N) = 30, rata-rata prestasi belajar mahasiswa
(mean) = 7, 3667, simpangan baku (standart deviation) = 1,03335, dan
standart error mean = 0,18866.
 Pada tabel one sample Test memuat data hasil analisis uji-t satu sampel yang
meliputi:
 o Nilai t-hitung = -3.357, df = 29, nilai signifikansi dua pihak/arah (Sig. 2-
tailed = 0,002, mean difference = -0,6333, dan 95% confidence interval of
the difference = antara -1,0192 sampai dengan -0,2475.
o Dalam kasus ini terlihat adanya perbedaan rata-rata (mean difference) yaitu
sebesar -0,6333, yaitu rata-rata hitung (mean empiris) dikurangi rata-rata
hipotesis (mean teoritis) yaitu 7,3667 – 8 = -0,6333. Perbedaan sebesar -
0,6333 ini mempunyai range antara lower/batas bawah sebesar -1,0192
sampai upper/ batas atas -0,2475.
 Berdasarkan data tersebut di atas maka dapat dilakukan pengujian hipotesis dengan
dua cara sebagai berikut:
1. Dengan cara membandingkan nilai t-hitung dengan t-tabel.
Pengujian:
Jika t hitung > t tabel, maka H0 ditolak
Jika t hitung < t tabel, maka Ho diterima
Untuk melihat harga t tabel, maka didasarkan pada derajat kebebasan (dk) atau
degree of freedom ( ditetapkan 0,05 (5%), sedangkan pengujian dilakukan
dengan menggunakan uji dua pihak/arah (Sig. 2 tailed), maka harga t tabel
diperoleh = 2,0451.
Berdasarkan hasil analisis uji t satu sampel, maka dapat diperoleh hasil sebagai
berikut: t hitung < t tabel (-3,357 > 2,045), maka HO ditolak dan Ha diterima,
artinya rata-rata prestasi belajar mahasiswa tidak sama dengan 8.
Untuk mempermudah di mana kedudukan harga t hitung dan t tabel maka perlu
dibuat gambar sebagai berikut. Dalam gambar terlihat bahwa tempat harga t hitung
berada di daerah penolakan H0 (di luar daerah penerimaan H0), di mana t hitung
lebih besar dari t tabel (-3,357 > 2,045). Dengan demikian hipotesis nol yang
menyatakan bahwa rata-rata prestasi belajar mahasiswa sama dengan 8 ditolak.
Artinya bahwa rata-rata prestasi belajar mahasiswa tidak sama dengan 8. Adapun
gambar penerapan uji dua fihak/arah (two tail test) adalah sebagai berikut:

1
Untuk memperoleh nilai t tabel lihat pada tabel statistik. Nilai-nilai dalam Distribusi t, dimana untuk uji dua
fihak/arah (two tail test).
 t hitung

H0 diterima

H0 ditolak H0 ditolak

-3.357 -2,045 -2,045

2. Dengan membandingkan taraf signifikansi (p-value) dengan

galatnya.
o Jika signifikansi > 0,05, maka H0 diterima
o Jika signifikansi < 0,05, maka H0 ditolak
Pada kasus ini terlihat bahwa signifikansi 0,002, karena
signifikansi <0,05 maka H0 ditolak, dan berarti Ha
diterima, artinya rata-rata prestasi belajar mahasiswa
tidak sama dengan 8.
g. Kesimpulan
Berdasarkan hasil analisis uji – satu sampel tersebut dapat disimpulkan
bahwa rata-rata prestasi belajar mahasiswa pada mata kuliah statistik tidak
sama dengan 8. Artinya hipotesis yang menyatakan bahwa rata-rata
prestasi belajar mahasiswa pada mata kuliah statistik sama dengan 8
ditolak, sebaliknya hipotesis yang menyatakan bahwa rata-rata prestasi
belajar mahasiswa pada mata kuliah satatistik tidak sama dengan 8
diterima.

2. Uji satu pihak/arah (one tail test)

a. Uji fihak/arah kiri
Contoh kasus:
Untuk meningkatkan kinerja dan memaksimalkan jam kerja para pegawai di sebuah
instansi pemerintah, maka diberlakukan lima hari kerja (senin sampai dengan jumat)
dengan sistem check-clok, yaitu jam kerja mulai pukul 07.00-15.00. dengan sistem ini
diharapkan para pegawai dapat melaksanakan tugas kantornya selama 8 jam perhari
atau rata-rata dalam satu bulan seharusnya para pegawai bekerja di kantor selama 160
jam. Untuk mengetahui hal tersebut, bagian kepegawaian meneliti apakah para
pegawai sudah melaksanakan tugas kantor sesuai dengan yang diharapkan, yaitu rata-
rata perbulan pegawai bekerja selama 160 jam. Berdasarkan sampel sebanyak 30
orang yang diambil secara random melalui data print-out dari mesin check-clok, maka
dapat diperoleh data sebagai berikut:
Data 2 : Rata-rata jam kerja pegawai dalam satu bulan
150 120 110
145 112 145
160 110 140
130 105 135
125 100 125
152 120 150
120 140 155
115 130 140
120 115 150
125 120 145
Maka disusunlah sebuah hipotesis sebagai berikut:
a. Hipotesis
H0 : µ = 160
Rata-rata jam kerja pegawai lebih besar atau sama dengan 160 jam
Ha : µ < 160
Rata-rata jam kerja pegawai lebih kecil 160 jam
b. Cara memasukkan data ke SPSS
 Membuka file baru. Klik File lalu New lalu Data.
 Memberi nama variabel yang diperlukan dalam kasus ini hanya terdapat satu
variabel yaitu rta-rata jam kerja pegawai
 Klik Variabel View (kanan bawah).
 Isikan nama variabel pada kolom Name (misal: jamkrj) maksimal 8 karakter.
 Kolom Type, klik Numeric karena penghitungannya berupa angka.
 Kolom Widht, isikan 8 (kondisi default) dan Decimals isikan 2 (kondisi
default).
 Kolom Label dapat diisikan keterangan untuk melengkapi kolom Name
(misal: rata-rata jam kerja pegawai).
 Setelah pengisian selesai klik Continue
 Mengisikan data lalu klik Data View (kanan bawah), isikan data 2 tersebut di
atas pada kolom jamkrj dengan mengetikkan ke bawah.
c. Menyimpan data
 Klik File lalu Save kemudian berilah nama yang anda inginkan (misal: data
2). Data SPSS akan tersimpan dalam file ekstensen .sav
d. Pengolahan data
 Klik Analyze lalu Compare Means lalu One Sample T-Test
 Klik variabel jamkrj dan pindahkan ke kotak variable Tests.
 Isikan 160 pada kotak Test Value
 Klik Option untuk memilih Convidense 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
 Klik OK
e. Output SPSS
 Hasil output SPSS dapat disimpan dengan cara klik File lalu Save kemudian
berilah nama yang anda inginkan (misal: output 2).
 Adapun output SPSS dapat dilihat sebagai berikut:

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Rata-rata
jam kerja 30 1.303000 16.48437 3.00962
pegawai

One-Sample Test

Test Value = 160

95% Confidence Interval of the

Difference

t df Sig. (2-tailed) Mean Difference Lower Upper

Rata-rata
jam kerja -9.868- 29 .000 -29.70000- -35.8554- -23.5446-
pegawai
f. Interpretasi output SPSS
 Pada tabel one sample statistics, memuat deskriptif tentang rata-rata jam
kerja pegawai yang meliputi banyaknya data, mean, standart deviasi, dan
standart error mean.
 o Banyaknya data atau subjek (N) = 30, rata-rata jam kerja pegawai (mean)
= 130,3000, simpangan baku (standart deviation) = 16,48437, dan standart
error mean = 3,00962.
 Pada tabel one sample Test memuat data hasil analisis uji-t satu sampel yang
meliputi:
o Nilai t-hitung = -9.868, df = 29, nilai signifikansi dua pihak/arah (Sig. 2-
tailed = 0,000, mean difference = -29,7000, dan 95% confidence interval
of the difference = antara -35,8554 sampai dengan -23,5446.
o Dalam kasus ini terlihat adanya perbedaan rata-rata (mean difference)
yaitu sebesar -29,7000, yaitu rata-rata hitung (mean empiris) dikurangi
rata-rata hipotesis (mean teoritis) yaitu 130,3000 – 160 = -29,7000.
Perbedaan sebesar -29,7000 ini mempunyai range antara lower/batas
bawah sebesar -35,8554 sampai upper/ batas atas -23,5446.
 Berdasarkan data tersebut di atas maka dapat dilakukan pengujian hipotesis
dengan dua cara sebagai berikut:
1. Dengan cara membandingkan nilai t-hitung dengan t-tabel.
Pengujian:
Jika t hitung > t tabel, maka H0 ditolak
Jika t hitung < t tabel, maka H o diterima
Untuk melihat harga t tabel, maka didasarkan pada derajat kebebasan (dk)
atau degree of freedom (df), yang besarnya adalah n-1, yaitu 30-1 = 29.
Jika taraf signifikansi ( ditetapkan 0,05 (5%), sedangkan pengujian
dilakukan dengan menggunakan uji satu pihak/arah (Sig. 1 tailed), maka
harga t tabel diperoleh = 1,6992.
Berdasarkan hasil analisis uji t satu sampel, maka dapat diperoleh hasil
sebagai berikut: t hitung > t tabel (-9,868 > 1,699), maka HO ditolak dan Ha
diterima, artinya rata-rata jam kerja pegawai lebih kecil dari 160 jam.
Untuk mempermudah di mana kedudukan harga t hitung dan t tabel maka
perlu dibuat gambar sebagai berikut. Dalam gambar terlihat bahwa tempat
harga t hitung berada di daerah penolakan H0 (di luar daerah penerimaan
H0), di mana t hitung lebih besar dari t tabel (-9,868 > 1,699). Dengan
demikian hipotesis nol yang menyatakan bahwa rata-rata jam kerja

2
Untuk memperoleh nilai t tabel lihat pada tabel statistik. Nilai-nilai dalam Distribusi t, dimana untuk uji satu
fihak/arah (one tail test).
 pegawai lebih besar atau sama dengan 160 jam ditolak. Artinya bahwa
rata-rata jam kerja pegawai lebih kecil dari 160 jam. Adapun gambar
penerapan uji satu fihak/arah (one tail test) adalah sebagai berikut:

t hitung

H0 diterima

H0 ditolak H0 ditolak

-9.868 -1,699 1,699

2. Dengan membandingkan taraf signifikansi (p-value) dengan galatnya.

o Jika signifikansi > 0,05, maka H0 diterima
o Jika signifikansi < 0,05, maka H0 ditolak
Pada kasus ini terlihat bahwa signifikansi (sig. 2 tailed) sebesar 0,000,
dimana dalam kasus ini menggunakan uji satu fihak/arah (one tail
test) maka signifikansi 0,000 dibagi 2 = 0,000, karena signifikansi <
0,05 maka H0 ditolak, dan berarti Ha diterima, artinya rata-rata jam
kerja pegawai lebih kecil dari 160 jam.
g. Kesimpulan
Berdasarkan hasil analisis uji t–satu sampel tersebut dapat disimpulkan
bahwa rata-rata jam kerja pegawai dalam satu bulan lebih kecil dari 160
jam atau tidak sesuai dengan yang diharapkan dari diberlakukan sistem
lima hari kerja (sebib sampai jumat) dengan sistem check-clok, yaitu jam
kerja mulai pukul 07.00-15.00, di mana diharapkan para pegawai bekerja
di kantor rata-rata dalam sebulan 160 jam. pada Artinya hipotesis yang
menyatakan bahwa rata-rata jam kerja pegawai lebih besar atau sama
dengan 160 jam ditolak, sebaliknya hipotesis yang menyatakan bahwa
rata-rata jam kerja pegawai lebih kecil dari 160 jam diterima.

b. Uji fihak/arah kanan

Contoh kasus:
Untuk meningkatkan kemampuan pengguasaan bahasa inggris bagi dosen,maka
sebuah lembaga pengembangan bahasa asing mengadakan pelatihan/kursus TOEFL
selama enam bulan. Pengelola lembaga tersebut ingin mengetahui apakah kemampuan
penguasaan bahasa inggris para dosen yang mengikuti kursus tersebut sudah sesuai
dengan harapan yang diinginkan, yaitu rata-rata TOEFL para dosen minimal adalah
450. Kemudian data diambil dengan menggunakan teknik random sampling dan
diperoleh 20 data sampel penelitian. Adapun datanya adalah sebagai berikut:
Data 3: Skor TOEFL dosen yang mengikuti pelatihan/kursus TOEFL
475 480
470 475
425 460
460 435
475 470
500 475
445 450
430 475
455 435
460 490
Maka disusunlah sebuah hipotesis sebagai berikut:
a. Hipotesis
H0 : µ = 450
Rata-rata skor TOEFL para dosen lebih kecil atau sama dengan 450.
Ha : µ > 450
Rata-rata skor TOEFL para dosen lebih besar 450.
b. Cara memasukkan data ke SPSS
 Membuka file baru. Klik File lalu New lalu Data.
 Memberi nama variabel yang diperlukan dalam kasus ini hanya terdapat satu
variabel yaitu skor TOEFL
 Klik Variabel View (kanan bawah).
 Isikan nama variabel pada kolom Name (misal: TOEFL) maksimal 8 karakter.
 Kolom Type, klik Numeric karena penghitungannya berupa angka.
 Kolom Widht, isikan 8 (kondisi default) dan Decimals isikan 2 (kondisi
default).
  Kolom Label dapat diisikan keterangan untuk melengkapi kolom Name
(misal: TOEFL).
 Setelah pengisian selesai klik Continue
 Mengisikan data lalu klik Data View (kanan bawah), isikan data 3 tersebut di
atas pada kolom TOEFL dengan mengetikkan ke bawah.
c. Menyimpan data
 Klik File lalu Save kemudian berilah nama yang anda inginkan (misal: data
3). Data SPSS akan tersimpan dalam file ekstensen .sav
d. Pengolahan data
 Klik Analyze lalu Compare Means lalu One Sample T-Test
 Klik variabel toefl dan pindahkan ke kotak variable Tests.
 Isikan 450 pada kotak Test Value
 Klik Option untuk memilih Convidense 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
 Klik OK
e. Output SPSS
 Hasil output SPSS dapat disimpan dengan cara klik File lalu Save kemudian
berilah nama yang anda inginkan (misal: output 3).
 Adapun output SPSS dapat dilihat sebagai berikut:

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Skor
20 462.0000 20.35216 4.55088
TOEFL

One-Sample Test

Test Value = 450

95% Confidence Interval of the

Difference

t df Sig. (2-tailed) Mean Difference Lower Upper

 One-Sample Test

Test Value = 450

95% Confidence Interval of the

Difference

t df Sig. (2-tailed) Mean Difference Lower Upper

Skor
2.637 19 .016 12.00000 2.4749 21.5251
TOEFL

f. Interpretasi output SPSS

 Pada tabel one sample statistics, memuat deskriptif tentang rata-rata jam
kerja pegawai yang meliputi banyaknya data, mean, standart deviasi, dan
standart error mean.
o Banyaknya data atau subjek (N) = 20, rata-rata Skor TOEFL dosen (mean)
= 462,000, simpangan baku (standart deviation) = 20,35216, dan standart
error mean = 4,55088.
 Pada tabel one sample Test memuat data hasil analisis uji-t satu sampel yang
meliputi:
o Nilai t-hitung = 2,637, df = 19, nilai signifikansi dua pihak/arah (Sig. 2-
tailed = 0,016, mean difference = 12,0000, dan 95% confidence interval of
the difference = antara 2,4749 sampai dengan 21,5251.
o Dalam kasus ini terlihat adanya perbedaan rata-rata (mean difference)
yaitu sebesar 12,000, yaitu rata-rata hitung (mean empiris) dikurangi rata-
rata hipotesis (mean teoritis) yaitu 462.0000 – 450 = 12,000. Perbedaan
sebesar -12,000 ini mempunyai range antara lower/batas bawah sebesar
2,4749 sampai upper/ batas atas 21,5251.
 Berdasarkan data tersebut di atas maka dapat dilakukan pengujian hipotesis
dengan dua cara sebagai berikut:
1. Dengan cara membandingkan nilai t-hitung dengan t-tabel.
Pengujian:
Jika t hitung > t tabel, maka H0 ditolak
Jika t hitung < t tabel, maka H o diterima
Untuk melihat harga t tabel, maka didasarkan pada derajat kebebasan (dk)
atau degree of freedom (df), yang besarnya adalah n-1, yaitu 20-1 = 19.
Jika taraf signifikansi ( ditetapkan 0,05 (5%), sedangkan pengujian
 dilakukan dengan menggunakan uji satu pihak/arah (Sig. 1 tailed), maka
harga t tabel diperoleh = 1,7293.
Berdasarkan hasil analisis uji t satu sampel, maka dapat diperoleh hasil
sebagai berikut: t hitung > t tabel (2,637> 1,729), maka HO ditolak dan Ha
diterima, artinya rata-rata skor TOEFL para dosen lebih besar dari 450.
Untuk mempermudah di mana kedudukan harga t hitung dan t tabel maka
perlu dibuat gambar sebagai berikut. Dalam gambar terlihat bahwa tempat
harga t hitung berada di daerah penolakan H0 (di luar daerah penerimaan
H0), di mana t hitung lebih besar dari t tabel (2,637> 1,729). Dengan
demikian hipotesis nol yang menyatakan bahwa rata-rata skor TOEFL
lebih kecil atau sama dengan 450 ditolak. Artinya bahwa rata-rata skor
TOEFL para dosen lebih besar dari 450. Adapun gambar penerapan uji
satu fihak/arah (one tail test) adalah sebagai berikut:
t hitung

H0 diterima

H0 ditolak H0 ditolak

-1,729
2. Dengan membandingkan taraf signifikansi 1,729
(p-value) dengan galatnya. 2,637

o Jika signifikansi > 0,05, maka H0 diterima

o Jika signifikansi < 0,05, maka H0 ditolak
Pada kasus ini terlihat bahwa signifikansi (sig. 2 tailed) sebesar 0,016,
dimana dalam kasus ini menggunakan uji satu fihak/arah (one tail
test) maka signifikansi 0,016 dibagi 2 = 0,008, karena signifikansi <
0,05 maka H0 ditolak, dan berarti Ha diterima, artinya rata-rata skor
TOEFL para dosen lebih besar dari 450.
g. Kesimpulan
Berdasarkan hasil analisis uji t–satu sampel tersebut dapat disimpulkan bahwa
rata-rata skor TOEFL para dosen yang mengikuti pelatihan/kursus TOEFL
selama enam bulan itu lebih besar dari 450 atau sesuai dengan yang

3
Untuk memperoleh nilai t tabel lihat pada tabel statistik. Nilai-nilai dalam Distribusi t, dimana untuk uji satu
fihak/arah (one tail test).
 diharapkan oleh lembaga yang menyelenggarakan pelatihan/kursus tersebut.
Artinya hipotesis yang menyatakan bahwa rata-rata skor TOEFL para dosen
lebih kecil atau sama dengan 450 ditolak, sebaliknya hipotesis yang
menyatakan bahwa rata-rata skor TOEFL para dosen lebih besar dari 450
diterima.

TUGAS TERSTUKTUR 3
Analisis uji-t Satu Sampel (one sample t-test)

Kasus:
Sebuah LSM yang bergerak dalam bidang pemberdayaan ekonomi mikro
menyelenggarakan kredit tanggung renteng pada pelaku usaha kecil rumah tangga
dengan harapan dapat meningkatkan angka pendapatan keluarga. Setelah setahun
kredit itu bergulir, maka diharapkan para pelaku usaha kecil tersebut memperoleh
pendapatan rata-rata dalam satu bulan sebesar Rp. 2.250.000. untuk mengetahui
apakah dana bergulir melalui kredit tanggung renteng pada pelaku kecil rumah tangga
itu efektif dalam meningkatkan angka pendapatan keluarga, maka diadakan audit
terhadap para kreditor yang menerima dana bergulir tersebut. Berdasarkan data yang
diambil secara random diperoleh sampel sebanyak 50 data dari kreditor yaitu sebagai
berikut:
Data: Rata-rata pendapatan hasil usaha kecil rumah tangga perbulan
2.600.000 2.550.000 2.295.000 2.750.000 2.875.500
2.570.000 2.275.000 2.860.250 2.689.000 2.500.500
2.350.500 2.750.000 2.750.500 2.375.500 2.600.000
2.670.000 2.650.000 2.675.000 2.475.500 2.735.000
2.400.500 2.450.500 2.505.000 2.575.000 2.470.000
2.700.250 2.555.500 2.475.500 2.865.000 2.850.000
2.475.500 2.860.000 2.725.000 2.425.500 2.250.750
2.600.250 2.690.500 2.635.500 2.257.000 2.575.000
2.890.000 2.850.000 2.475.500 2.555.500 2.645.500
2.675.500 2.250.500 2.345.500 2.345.500 2.500.000

Tugas:
 1. Laksanakan analisis uji-t satu sampel untuk data tersebut di atas dengan program
SPP.
2. Cetaklah hasilnya dan gunakan untuk melakukan kegiatan sebagai berikut:
a. Buatlah hipotesis nol dan hipotesis alternatif untuk:
1. Uji dua fihak/arah
2. Uji satu fihak/arah kanan
3. Uji satu fihak/arah kiri
b. Ujilah hipotesis-hipotesis tersebut dengan taraf signifikan 0,05 (5%)
c. Interpretasi dan simpulkan hasil uji-t satu smpel tersebut.
3. Susunlah hasil tugas butir 2a s.d 2c tersebut menjadi laporan tugas Terstruktur T-
1, termasuk print out komputer yang asli (bukan fotokopi).

MODUL 4
Analisis Uji-t Sampel Berpasangan
(Paired Samples t-Test)

Pengertian:
Uji t dependent atau uji t dua sampel berkorelasi/berpasangan digunakan untuk
membandingkan (membedakan) apakah kedua data (variabel) yang berasal dari
sampel yang sama tersebut mempunyai rata-rata sampel yang sama atau berbeda.
Uji-t untuk data sampel berpasangan (Paired Samples t-Test) atau sampel yang
berkorelasi digunakan untuk pengujian perbedaan rata-rata dua variabel yang berasal
dari satu sampel yang sama sama namun mengalami dua perlakuan atau pengukuran
yang berbeda, sehingga bentuk datanya berpasangan.
Kriteria data yang dapat diuji dengan menggunakan Paired Samples t-Test , yaitu:
1. Data yang digunakan adalah data kuantitatif dengan skala pengukuran data
interval dan rasio.
2. Data berdistribusi normal.
Rumus yang digunakan untuk Paired Samples t-Test adalah sebagai berikut:
x1  x2
t …………..pers. (1)
s2
s  s  s 
2
1
  2r  1   2 
2
n1 n2  n1   n2 

Keterangan:
x1 = Rata-rata sampel 1

x2 = Rata-rata sampel 2
= Simpangan baku sampel 1
= Simpangan baku sampel 2
r = nilai koefisien korelasi antar dua sampel
= Varian sampel 1
= Varian sampel 2
n x1 x2  ( x1 )( x2 )
Dengan r 
 n x 2   x 2   n x 2   x 2 
  1  1    2  2 
Atau Rumus yang digunakan untuk Paired Samples T-Test adalah sebagai berikut:
d  d0
t0 b  tn 1 ……………pers (2)
sd
n
t0b = nilai statistic uji t yang didapatkan dari data observasi
d  rata-rata dari selisih pengamatan sampel
sd  simpangan baku dari selisih pengamatan sampel
Hipotesis statistik yang dapat digunakan untuk menguji rata-rata data berpasangan,
salah satunya adalah :
Hipotesis awal :
 H 0 : d  0 atau H 0 : 1  2  0
Hipotesis alternatif :
i) H1 : d  0 atau H1 : 1  2  0

ii) H1 : d  0 atau H1 : 1  2  0

iii) H1 : d  0 atau H1 : 1  2  0
Statistik uji yang digunakan adalah :
d  d0
t0 b  tn 1
sd
n
Keputusan tolak H0 , artinya menerima H1 untuk masing-masing jenis H1:
i) t0b  t ;n 1

ii) t0b  t ;n1

iii) t0b  t ;n 1 dan t0b  t ;n1

Contoh kasus:
Produsen Obat Diet (penurun berat badan) ingin mengetahui apakah obat yang
diproduksinya benar-benar mempunyai efek terhadap penurunan berat badan
konsumen. Untuk itu, sebuah sampel yang terdiri atas 10 orang masing-masing diukur
berat badannya, dan kemudian setelah sebulan meminum obat tersebut, kembali
diukur berat badannya. Berikut adalah hasil pengukuran berat badan sebelum dan
sesudah pemakaian obat diet (angka dalam kilogram):

No Berat Badan Berat Badan

Responden Sebelum Sesudah
1 76.85 76.22
2 77.95 77.89
3 78.65 79.02
4 79.25 80.21
5 82.65 82.65
6 88.15 82.53
7 92.54 92.56
8 96.25 92.33
9 84.56 85.12
10 88.25 84.56
 Berdasarkan data tersebut maka disusunlah langkah-langkah pengujian
hipotesis sebagai berikut:
h. Hipotesis
H0 : Tidak terdapat perbedaan rata-rata berat badan antara sebelum dan
sesudah minum obat diet
Ha : Terdapat perbedaan rata-rata berat badan antara sebelum dan sesudah
minum obat diet
Hipotesis statistik :
H 0 : d  0 melawan H1 : d  0
i. Menetapkan taraf signifikansi yang digunakan yaitu sebesar 5% atau
  0, 05
d  d0
j. Menghitung nilai statistik uji, yaitu t0b  tn 1
sd
n
d
No Berat Badan Berat Badan
di
Responden Sebelum Sesudah
1 76.85 76.22 0.63
2 77.95 77.89 0.06
3 78.65 79.02 -0.37
4 79.25 80.21 -0.96
5 82.65 82.65 0
6 didapatkan 88.15
Sehingga : 82.53 5.62
7 92.54 92.56 -0.02
8 96.25 92.33 3.92
9 84.56 85.12 -0.56
10 88.25 84.56 3.69

di  1, 201
sdi  2,3073

Nilai t-hitung :
1, 201  0 1, 201
t0 b    1.64598 tdb
5%
10 1
2,3073 0.729657
10
d. Menentukan wilayah kritis yaitu daerah penerimaan H0 dan Daerah penolakan H0
 Daerah
penolakan Ho
Daerah
Daerah penerimaan Ho
penolakan Ho

t tabel = -2.262 t hitung =1,64 t tabel = 2.262

e. Keputusannya adalah menerima hipotesis nol (H0) karena nilai statistik uji yaitu t-
observasi atau t-hitung=1,64 terletak pada daerah penerimaan H0, atau Karena nilai t-
hitung = 1,64 kurang dari nilai statistik teoritik (t-tabel) = 2,262, maka keputusannya
adalah terima H0.
f. Kesimpulan yang didapatkan dari pengujian hipotesis diatas adalah seara statistik
tidak terdapat perbedaan yang signifikan rata-rata berat badan sebelum minum obat
diet dengan setelah konsumsi obat diet, atau rata-rata berat sebelum dan sesudah
minum obat diet secara statistik adalah sama.
Analisis menggunakan bantuan SPSS
a. Cara memasukkan data ke SPSS
 Membuka file baru. Klik File lalu New lalu Data.
 Memberi nama variabel yang diperlukan dalam kasus ini terdapat dua variabel
yaitu Sebelum [sblm] dan Sesudah [ssdh]
 Klik Variabel View (kanan bawah).
 Isikan nama variabel pada kolom Name (misal: Sebelum [sblm] dan Sesudah
[ssdh] ) maksimal 8 karakter.
 Kolom Type, klik Numeric karena penghitungannya berupa angka.
 Kolom Widht, isikan 8 (kondisi default) dan Decimals isikan 2 (kondisi
default).
 Setelah pengisian selesai klik Continue
 Mengisikan data lalu klik Data View (kanan bawah), isikan data 4 tersebut di
atas pada kolom Sebelum dan Sesudah dengan mengetikkan ke bawah sesuai
dengan data 4 di atas.
b. Menyimpan data
  Klik File lalu Save kemudian berilah nama yang anda inginkan (misal: data2).
Data SPSS akan tersimpan dalam file ekstense.sav
c. Pengolahan data
 Klik Analyze lalu Compare Means lalu Paired Sample T-Test
 Klik kedua variabel Sebelum dan Sesudah dan pindahkan ke kotak Paired
variable.

 Klik Option untuk memilih Convidense 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
 Klik OK
d. Output SPSS
 Hasil output SPSS dapat disimpan dengan cara klik File lalu Save kemudian
berilah nama yang anda inginkan (misal: output2).
 Adapun output SPSS dapat dilihat sebagai berikut:

Paired Samples Statistics

Std. Error
Mean N Std. Devi ation Mean
Pai r Sebelum 84.5100 10 6.63931 2.09953
1 Sesudah 83.3090 10 5.58235 1.76530

Paired Samples Correlations

N Correlation Sig.
Pair 1 Sebelum & Sesudah 10 .943 .000
 Paired Samples Test

Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 Sebelum - Sesudah 1.2010 2.30738 .72966 -.4496 2.8516 1.646 9 .134

e. Interpretasi output SPSS

 Pada paired sample statistics, memuat deskriptif tentang data berat badan
sebelum dan sesudah minum obat diet meliputi banyaknya data, mean, standart
deviasi, dan standart error mean.
o Banyaknya data atau subjek (n) =10, rata-rata (mean) berat badan sebelum
minum obat diet = 84,51 kg dan rata-rata berat badan setelah minum obat diet =
83,30 kg, simpangan baku (standart deviation) Sebelum = 6,63931 dan sesudah =
5,58235.
 Pada tabel paired samples correlation, memuat data tentang ada tidaknya
korelasi antara berat badan sebelum dan sesudah minum obat diet diperoleh nilai
korelasi sebesar 0,943 (lebih detail akan dibahas pada baab korelasi). Nilai
korelasi ini menunjukkan hubungan yang sangat erat antara berat badan sebelum
dan sesudah minum obat diet.
 Pada tabel paired samples test, memuat data hasil analisis uji-t dua sampel
berpasangan yang meliputi harga t (t hitung), dan signifikansi.
 Berdasarkan data tersebut di atas maka dapat dilakukan pengujian hipotesis
dengan dua cara sebagai berikut:
3. Dengan cara membandingkan nilai t-hitung dengan t-tabel. Pengujian :
Jika t - hitung > t- tabel, maka H0 ditolak
Jika t - hitung < t- tabel, maka Ho diterima
Untuk melihat harga t tabel, maka didasarkan pada derajat kebebasan (dk)
atau degree of freedom, yang besarnya adalah n-1, yaitu 10-1 = 9 dan taraf
signifikansi ( ditetapkan 0,05 (5%), sedangkan pengujian dilakukan
 dengan menggunakan uji dua pihak/arah (Sig. 2 tailed), maka harga t tabel
diperoleh = 2,2624.
Berdasarkan hasil analisis Paired sample t-test, maka dapat diperoleh hasil
sebagai berikut: t-hitung < t-tabel (1,646 < 2,262), maka HO diterima dan H1
ditolak, artinya secara statistik tidak ada perbedaan rata-rata berat badan
sebelum dan sesudah minum obat diet.
Untuk mempermudah di mana kedudukan harga t-hitung dan t-tabel maka
perlu dibuat gambar sebagai berikut. Dalam gambar terlihat bahwa tempat
harga t- hitung berada di daerah penerimaan H0, di mana t-hitung lebih kecil
dari t tabel (1,646 < 2,262). Adapun gambar penerapan uji dua fihak/arah
(two tail test) adalah sebagai berikut:

Daerah
penolakan Ho
Daerah
Daerah penerimaan Ho
penolakan Ho

t tabel = -2.262 t hitung =1,64 t tabel = 2.262

4. Dengan membandingkan signifikansi (p-value) pada out put

SPSS dengan   0, 05 .
o Jika sig. > 0,05, maka H0 diterima
o Jika sig. < 0,05, maka H0 ditolak
Pada kasus ini terlihat bahwa signifikansi (sign.2 tailed) sebesar 0,134, karena
signifikansi > 0,05 maka H0 diterima, dan berarti H1 ditolak. Dengan demikian
hipotesis nol yang menyatakan bahwa tidak ada perbedaan rata-rata berat
badan sebelum dan sesudah minum obat diet diterima. Artinya bahwa secara
statistik rata-rata berat badan sebelum dan sesudah minum obat diet adalah
sama.

4
Untuk memperoleh nilai t tabel lihat pada tabel statistik. Nilai-nilai dalam Distribusi t, dimana = 5% untuk
uji dua fihak/arah (two tail test) dengan derajat kebebasan n-1.
 TUGAS TERSTRUKTUR 4
Analisis Uji-t dua sampel berpasangan

Kasus 1 :
Seorang peneliti ingin mengetahui tentang efektifitas metode cooperative learning dalam
menurunkan kecemasan siswa menghadapi pelajaran matematika. Untuk itu dilaksanakan
studi kuasi eksperimental pada siswa di suatu sekolah menengah pertama (SMP), yaitu
dengan menguji tingkat kecemasan siswa dalam menghadapi pelajaran matematika antara
sebelum dan sesudah diberikan metode cooperative learning tersebut. Studi ini ingin
membuktikan apakah ada perbedaan tingkat kecemasan siswa dalam menghadapi
pelajaran matematika antara sebelum dan sesudah diberikan metode cooperative learning.
Berdasarkan 40 sampel siswa SMP yang dipilih secara ranom dapat diketahui bahwa
tingkat kecemasan antara sebelum dan sesudah diberikan metode cooperative learning
adalah sebagai berikut:
Data: tingkat kecemasan siswa sebelum dan sesudah diberikan metode cooperative learning
Tingkat Kecemasan Menghadapi Pelajaran Matematika
No. Sebelum Sesudah No. Sebelum Sesudah
1 25 20 21 32 20
2 23 15 22 31 21
3 35 17 23 37 28
4 21 15 24 22 22
5 24 10 25 28 17
6 31 27 26 21 19
 7 32 31 27 33 21
8 37 29 28 31 16
9 38 21 29 28 28
10 30 20 30 32 20
11 29 26 31 24 16
12 24 19 32 27 24
13 34 15 33 33 21
14 37 20 34 34 20
15 28 25 35 26 25
16 23 10 36 28 20
17 29 12 37 32 22
18 25 25 38 31 25
19 32 28 39 36 30
20 30 22 40 35 28

Tugas:
1. Laksanakan analisis uji-t dua sampel berpasangan untuk data tersebut di atas dengan
melakukan kegiatan berikut:
a. Buatlah hipotesis nol (HO) dan hipotesis alternatif (H1) !
b. Ujilah hipotesis tersebut dengan taraf signifikansi 0,05 (5%)!
c. Hitunglah nilai statistik ujinya !
d. Buatlah keputusan dan simpulkan hasil uji-t dua sampel tersebut!
2. Laksanakan analisis uji-t dua sampel berpasangan untuk data tersebut di atas dengan
dengan bantuan SPSS ! Susunlah out put SPSS tersebut menjadi laporan tugas
Terstruktur, termasuk print out komputer yang asli bukan fotokopi.

Kasus 2
Seorang peternak bebek ingin mengetahui jenis pakanyang paling baik untuk menghasilkan
telur yang lebih banyak. Penelitian dilakukan kepada 23 ekor bebek betina dengan
memberikan pakan jenis baru, rata-rata telur yang diperoleh dari seekor bebek per
tahunnya adalah 296 butir dengan simpangan baku 15 butir. Jika dengan menggunakan
pakan jenis yang lama rata-rata telur yang diperoleh dari seekor bebek pertahunnya
adalah 283 butir. Ujilah
pernyataan bahwa pakan jenis baru lebih baik dibandingkan pakan jenis lama.
Gunakan tingkat kepercayaan 99%.
Tugas:
 Laksanakan analisis uji-t dua sampel berpasangan untuk data tersebut di atas dengan
melakukan kegiatan berikut:
a. Buatlah hipotesis nol (HO) dan hipotesis alternatif (H1) !
b. Ujilah hipotesis tersebut dengan taraf signifikansi 0,05 (5%)!
c. Hitunglah nilai statistik ujinya !
d. Buatlah keputusan dan simpulkan hasil uji-t dua sampel tersebut!

MODUL 5
Analisis Uji-t Dua Sampel Saling Bebas
(Independent Samples T-Test)

Pengertian:
Uji-t dua sampel saling bebas atau Independent Samples t-test digunakan
membandingkan rata-rata data dua sampel yang tidak berkorelasi atau saling bebas.
Fenomena sampel-sampel berkorelasi biasanya terdapat pada rancangan penelitian
eksperimen. Sedangkan pada penelitian survey, biasanya sampel-sampel yang
dikomparasikan saling independent.
Independent sample t-test (uji t dua sampel saling bebas) diartikan sebagai pengujian
rata-rata dua subyek atau dua sampel berbeda yang memiliki perlakuan atau
pengukuran yang sama.
Kriteria data yang dapat diuji dengan menggunakan Independent Samples t-test ,
yaitu:
3. Data yang digunakan adalah data kuantitatif dengan skala pengukuran interval dan
rasio.
4. Data berasal dari dua sampel yang saling bebas dan sampel acak, serta
berdistribusi normal.
Terdapat dua Rumus yang digunakan untuk uji-t sampel saling bebas (Independent
Samples T-Test) adalah sebagai berikut:
H0 Statistik Uji H1 Wilayah Kritis
 Jika  12 = 22 & tidak diketahui, 1  2  d0 t0b  t ;dk
3. 1  2  d0 2 2
Maka digunakan s1 dan s2
1  2  d0 t0b  t ;dk

tob 
 x1  x2   d0
1  2  d0 t0b  t dan
Sp 1  1 2
; dk
n1 n2
t0 b  t 
; dk
2

Sp 
 n1  1 s12   n2  1 s22
n1  n2  2 dk  n1  n2  2

Jika  12   22 dan tidak diketahui,

2. 1  2  d0 2 1  2  d0 t0b  t ;dk
Maka digunakan s1 dan

(x1  x2 )  d0 1  2  d0 t0b  t ;dk

tob 
s12 s22
 1  2  d0 t0b  t dan
n1 n2 2
; dk

t0 b  t 
2 ; dk
s 2
s  2 2

  
1 2

dk   n1 n2 
2 2
 s12   s22 
 n1   n2 
   
n1  1 n2  1

Keterangan:
x1 = Rata-rata sampel 1

x2 = Rata-rata sampel 2
= Varian sampel 1
= Varian sampel 2
S p2 = Varian Pooled atau ragam gabungan antara sampel 1 dan sampel 2

Contoh kasus:
Seorang peneliti ingin mengetahui apakah metode pembelajaran A dan metode
pembelajaran B mempengaruhi perbedaan prestasi belajar mahasiswa pada mata kuliah
statistik. Untuk itu, dilakukan eksperimen terhadap dua kelas berbeda, kelas G diberikan
metode pembelajaran A dan kelas H diberikan metode pembelajaran B. Setelah satu
semester, kedua kelas tersebut ditest untuk mengetahui sejauh mana prestasi belajar
mahasiswa pada mata kuliah statistik antara yang diberikan metode pembelajaran A dan
yang diberi metode pembelajaran B. Hasilnya adalah sebagai berikut:

Prestasi Belajar Mahasiswa Pada Mata Kuliah Statistik dengan

Metode Pembelajaran A dan Metode Pembelajaran B
No. Met. Pembelajaran A Met. Pembelajaran B
1. 8 8
2. 7 8
3. 6 7
4. 6 9
5. 7 8
6. 8 8
7. 9 7
8. 7 9
9. 6 9
10. 6 8
11. 7 8
12. 6 7
13. 8 9
14. 8 9
15. 8 9

Dengan taraf signifikan (galat/p) = 0,05 (5%), apakah terdapat perbedaan prestasi
belajar Statistika antara mahasiswa yang diberikan metode pembelajaran A dan
mahasiswa yang diberikan metode pembelajaran B?
Solusi:
k. Rumusan Hipotesis
H 0 : 1  2  0
“Tidak terdapat perbedaan prestasi belajar mahasiswa pada mata kuliah
statistik antara mahasiswa yang diberi metode pembelajaran A dan mahasiswa
yang diberi metode pembelajaran B”.

H1 : 1  2  0
 “Terdapat perbedaan prestasi belajar mahasiswa pada mata kuliah statistik
antara mahasiswa yang diberi metode pembelajaran A dan mahasiswa yang
diberi metode pembelajaran B”.
b. Menetapkan taraf signifikansi yang digunakan yaitu 5%
c. Melakukan pengujian ragam dua sampel identik atau berbeda.
Menentukan statistik uji yang akan digunakan pada Independent t-test, harus
menguji dulu ragam kedua sampel identik/sama ataukah ragam berbeda,
dengan langkah-langkah sebagai berikut:
i. Hipotesis yang akan diuji :
H 0 : 12   22

Kedua varians populasi adalah identik (varians populasi mahasiswa

yang diberikan metode pembelajaran A dan metode B adalah sama).

H1 : 12   22
Kedua varians populasi adalah tidak identik (varians populasi
mahasiswa yang diberikan metode pembelajaran A dan metode B
adalah berbeda).

ii. Taraf signifikansi yang digunakan dalam penelitian yaitu 5%

iii. Statistik uji yang digunakan yaitu :

s 2  0,990 
2

Fob  12   1, 275
s2  0, 775 2

dengan s12 = varians yang dihitung dari sampel 1

s12 = varians yang dihitung dari sampel 2

iv. Keputusan
Tolak H 0 jika Fob  F  dan Fob  F .
1 ; dk1 , dk2  ; dk1 , dk2 
2 2

1 1
Dimana : F     0, 4032
1 ; dk1 , dk2  F 2, 48
2
; dk1 , dk2 
2

dk1  n1  1  15  1  14

dk2  n2  1  15  1  14
 Karena nilai F-hitung atau Fob lebih dari nilai F-tabel yaitu
Fob  1, 275  F _ tabel  0, 4032 , maka diputuskan menolak hipotesis
nol (H0) dan menerima hipotesis alternatif (H1).

v. Kesimpulan
Karena keputusannya menerima hipotesis alternatif, maka kesimpulan
yang dapat diambil adalah varians populasi mahasiswa yang diberikan
metode pembelajaran A dan metode B adalah berbeda.

d. Statistik Uji
Dari hasil pengujian varian dua populasi menghasilkan varian yang berbeda,
maka statistic ujinya menggunakan rumus :
x1  x2 7,13  8, 20 1, 07 1, 07
tob      3, 2655
s2
s 2 2
0,990 0, 775 2
0,10534 0,3246
1
 2

n1 n2 15 15
2
 s12 s22 
  
dk   n1 n2 
2 2
 s12   s22 
 n1   n2 
   
n1  1 n2  1

2
 0,9902 0, 7752 
  
 0, 06534  0, 04004 
2

dk   15 15 

2 2
 0,9902   0, 7752  0, 065342 0, 040042
 
 15   15  14 14

15  1 15  1

0,105382 0, 0111
dk    27, 75  28
0, 0003  0, 0001 0, 0004


Sehingga t-tabel dengan  0, 025 dengan dk=28 =2,048.
2
e. Menentukan daerah penerimaan H0 dan penolakan H0

Daerah
penolakan Ho Daerah
Daerah penerimaan Ho
penolakan Ho

t tabel = -2,048 t tabel = 2,048

f. Membuat keputusan dan Kesimpulan

Tolak H0 Jika statistik uji jatuh diwilayah penolakan H0 dan sebaliknya terima
H0 jika statististik uji jatuh diwilayah penerimaan H0.
Karena nilai t-observasi jatuh diwilayah

l. Cara memasukkan data ke SPSS

 Membuka file baru. Klik File lalu New lalu Data.
 Memberi nama variabel yang diperlukan dalam kasus ini terdapat
dua variabel yaitu metode pembelajaran A dan metode
pembelajaran B
 Klik Variabel View (kanan bawah).
 Isikan nama variabel pada kolom Name (misal: metode untuk
menamai metode pembelajaran dan prestasi untuk menamai
prestasi belajar mahasiswa) maksimal 8 karakter.
 Kolom Type, klik Numeric karena penghitungannya berupa
angka.
  Kolom Widht, isikan 8 (kondisi default) dan Decimals isikan 2
(kondisi default).
 Kolom Label dapat diisikan keterangan untuk melengkapi tiap
kolom Name (misal: metode pembelajaran dan prestasi belajar
mahasiswa).
 Karena variabel Metode memuat dua kelompok yaitu metode
pembelajaran A dan metode pembelajaran B, maka pada kolom
Values ketikkan:
Value Value Label
1 Metode pembelajaran A
2 Metode pembelajran B

 Klik OK
 Setelah pengisian selesai klik Continue
 Mengisikan data lalu klik Data View (kanan bawah), akan terlihat
dua kolom yaitu metode dan prestasi
 Pada kolom metode isikan kode 1 sebanyak 15 menurun ke bawah
dan kode 2 sebanyak 15 menurun ke bawah
 Untuk menampilkan label value nya, klik View lalu View Labels,
maka akan terlihat label sebenarnya
 Pada kolom prestasi isikan data 5 tersebut di atas sesuai dengan
kelompok metode pembelajarannya.
m. Menyimpan data
 Klik File lalu Save kemudian berilah nama yang anda inginkan
(misal: data5). Data SPSS akan tersimpan dalam file ekstensen .sav
n. Pengolahan data
 Klik Analyze lalu Compare Means lalu Independent Sample T-
Test
 Klik variabel prestasi dan pindahkan ke kotak Test variable.
 Klik variabel metode dan pindahkan ke kotak Grouping variable.
 Klik Define Group, untuk group 1, isi dengan kode 1 yang berarti
group 1 berisi tanda 1 atau metode pembelajran A. Untuk group 2,
 isi dengan kode 2 berarti group 2 berisi tanda 2 atau metode
pembelajaran B.
 Klik Option untuk memilih Convidense 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
 Klik OK
o. Output SPSS
 Hasil output SPSS dapat disimpan dengan cara klik File lalu Save
kemudian berilah nama yang anda inginkan (misal: output3).
 Adapun output SPSS dapat dilihat sebagai berikut:

Group Statistics

Std.
Metode Pembelajaran N Mean Deviation Std. Error Mean

Prestasi Belajar Metode Pembelajaran A 15 7.13 .990 .256

Mahasiswa
Metode Pembelajaran B 15 8.20 .775 .200

Independent Samples Test

Levene's Test for

Equality of Variances t-test for Equality of Means

95% Confidence
Interval of the

Sig. (2- Mean Std. Error Difference

F Sig. t df tailed) Difference Difference Lower Upper

Prestasi Belajar Equal variances

1.275 .268 -3.286- 28 .003 -1.067- .325 -1.732- -.402-
Mahasiswa assumed

Equal variances
-3.286- 26.463 .003 -1.067- .325 -1.733- -.400-
not assumed

p. Interpretasi output SPSS

 Pada tabel Group Statistic, memuat deskriptif rentang prestasi
belajra mahasiswa pada mata kuliah statistik yang diberi metode
 pembelajaran A dan metode pembelajaran B, meliputi banyaknya
data, mean, median, standart deviasi dan standart error mean.
o Banyaknya data atau subjek (N) masing-masing untuk
mahasiswa yang diberikan metode pembelajaran A dan
metode pembelajaran B = 15, rata-rata prestasi belajar
masing-masing mahasiswa untuk metode A = 7,1333 dan
metode B = 8,2000, simpangan baku (standart deviation)
metode A = 0,99043 dan metode B = 0,77460, dan
standart error mean metode A = 0,25573 dan Metode B =
0,20000.
 Pada tabel independent samples test, memuat data hasil analisis
uji-t dua sampel saling bebas yang meliputi harga t (t hitung), dan
signifikansi.
 Berdasarkan data tersebut di atas maka dapat dilakukan pengujian
hipotesis dengan cara sebagai berikut:

5. Analisis menggunakan F-test

Hipotesis:
Ho: Kedua varians populasi adalah identik (varians populasi
mahasiswa yang diberikan metode pembelajaran A dan
metode B adalah sama).
Ha: Kedua varians populasi adalah tidak identik (varians
populasi mahasiswa yang diberikan metode pembelajaran
A dan metode B adalah berbeda).
Berdasarkan data tersebut di atas maka dapat dilakukan
pengujian hipotesis dengan membandingkan taraf signifikansi
(p-value) dengan galatnya.
o Jika signifikansi > 0,05, maka H0 diterima
o Jika signifikansi < 0,05, maka H0 ditolak
Pada kasus ini terlihat F hitung prestasi belajar
mahasiswa dengan Equal Variance assumed
(diasumsikan kedua varians sama atau menggunakan
pooled variance t test) adalah 1,275 dengan probabilitas
 0,268. Karena probabilitas > 0,05, maka H0 diterima,
atau kedua varians adalah sama.
Karena tidak ada perbedaan yang nyata dari kedua
varians membuat penggunaan varians untuk
membandingkan rata-rata populasi (test untuk Equality
of Means) menggunakan t test dengan dasar Equal
Variance assumed (diasumsikan kedua varians sama)5.
6. Analisis menggunakan t-test
Hipotesis:
Ho: Kedua varians populasi adalah identik (varians populasi
mahasiswa yang diberikan metode pembelajaran A dan
metode B adalah sama).
Ha: Kedua varians populasi adalah tidak identik (varians
populasi mahasiswa yang diberikan metode pembelajaran
A dan metode B adalah berbeda).
Berdasarkan data tersebut di atas maka dapat dilakukan
pengujian hipotesis dengan membandingkan taraf signifikansi
(p-value) dengan galatnya.
o Jika signifikansi > 0,05, maka H0 diterima
o Jika signifikansi < 0,05, maka H0 ditolak
* Pada kasus ini terlihat t hitung dengan Equal
Variance assumed (diasumsikan kedua varians
sama atau menggunakan pooled variance t test)
adalah -3,286 dengan signifikansi 0,003, karena
signifikansi < 0,05, maka Ho ditolak dan Ha
diterima. Dengan demikian berarti rata-rata
prestasi belajar mahasiswa pada mata kuliah
statistik antara mahasiswa yang diberi metode
pembelajaran A dan metode B adalah berbeda,
atau dengan kata lain ada perbedaan yang
signifikan rata-rata prestasi belajar pada mata

5
Jika probabilitas < 0,05 atau Ho ditolak artinya kedua varians benar-benar berbeda, maka harus
menggunakan varians untuk membandingkan rata-rata populasi (t-test untuk Equality of Means) menggunakan
t test dengan dasar Equal Variance not Assumed (diasumsikan kedua varians tidak sama).
 kuliah statistik antara mahasiswa yang diberi
metode pembelajaran A dan metode B.
* Sedangkan jika dilihat dari perbedaan rata-rata
(mean different) prestasi belajara adalah -
1,0667. Angka ini berasal dari rata-rata prestasi
belajar mahasiswa yang diberi metode
pembelajaran A dan metode B. 7,1333- 8,2000 =
-1,0667
* Berdasarkan rata-rata prestasi belajar dimana
mahasiswa yang diberikan metode pembelajaran
A, rata-ratanya sebesar 7,1333 dan mahasiswa
yang diberi metode pembelajaran B sebesar
8,2000, maka dapat disimpulkan bahwa metode
pembelajaran B lebih efektif dalam
meningkatkan prestasi belajar mahasiswa pada
mata kuliah statistik dibandingkan dengan
metode A.
* Berdasarkan keterangan 95% confiedence
Interval of Means dan kolom Equal Variance
assumed didapat angka sebagai berikut:
Lower (perbedaan rata-rata bagian bawah)
adalah -1,73168
Upper (perbedaan rata-rata bagian atas) adalah
0,40165
Hal ini berarti perbedaan prestasi belajar
mahasiswa yang diberikan metode A dan
metode B berkisar antara -1,73168 sampai
0,40165, dengan perbedaan rata-rata adalah -
1,0667.

q. Kesimpulan
Berdasarkan hasil analisis data tersebut dapat disimpulkan bahwa ada
perbedaan rata-rata prestasi belajar mahasiswa pada mata kuliah statistik
antara mahasiswa yang diberi metode pembelajaran A dengan metode
 pembelajaran B. Dengan memperhatikan perbedaan rata-rata prestasi
belajar, maka dapat disimpulkan bahwa metode pembelajaran B lebih
efektif dibanding metode pembelajaran A dalam meningkatkan prestasi
belajar pada ata kuliah statistik. Oleh karena itu bagi dosen yang
mengajar pada mata kuliah statistik lebih baik menggunakan metode
pembelajaran B daripada A.

TUGAS TERSTRUKTUR 5
Analisis Uji-t dua sampel Saling Bebas

Kasus:
Seorang peneliti ingin mengetahui orientasi berprestasi pada mahasiswa di perguruan
tinggi. Untuk itu dilakukan penelitian survey untuk melihat apakah terdapat perbedaan
orientasi berprestasi antara mahasiswa pria dengan wanita. Penelitian ini ingin
membuktikan apakah terdapat perbedaan orientasi berprestasi antara mahasiswa pria
dengan wanita. Berdasarkan 100 sampel sebagai subjek penelitian, masing-masing 50
mahasiswa pria dan 50 mahasiswa wanita yang dipilih secara random untuk diuji dengan
menggunakan test orientasi berprestasi, yaitu sebagai berikut:
Data: Hasil test orientasi berprestasi mahasiswa pria dan wanita
Pria Wanita Pria Wanita
7.6 6.6 6.2 7.0
7.3 7.5 7.1 4.1
7.5 6.7 6.7 6.8
8.1 5.5 8.2 5.2
6.4 6.0 7.8 6.7
6.1 5.7 6.1 6.9
6.2 7.1 6.3 5.1
5.7 6.9 6.1 6.6
6.8 4.1 5.8 6.8
7.0 5.0 6.2 5.0
8.9 5.6 7.4 5.6
6.4 5.9 6.7 6.4
7.4 6.5 5.3 7.1
8.7 4.0 7.4 6.0
7.8 7.5 6.6 6.5
6.3 6.0 7.8 6.0
7.9 5.2 5.2 7.2
6.5 5.5 6.1 6.5
6.2 6.8 5.6 6.0
7.0 4.2 5.5 6.8
6.7 5.5 7.2 6.6
7.1 6.7 6.2 6.3
7.3 6.8 7.3 5.7
6.8 6.1 6.4 6.1
7.2 7.2 6.8 6.0

Tugas:
3. Laksanakan analisis uji-t dua sampel saling bebas untuk data tersebut di atas dengan
SPSS
4. Cetaklah hasilnya dan gunakan untuk melakukan kegiatan berikut:
e. Buatlah hipotesis nol (HO) dan hipotesis alternatif (Ha)
f. Ujilah hipotesis tersebut dengan taraf signifikansi 0,05 (5%)
g. Interpretasi dan simpulkan hasil uji-t dua sampel saling bebas tersebut
5. Susunlah hasil tugas butir 2 tersebut menjadi laporan tugas Terstruktur T-3, termasuk
print out komputer yang asli bukan fotokopi.
 MODUL 6

Analisis Korelasi Product Moment

Pengertian:

 Analisis korelasi merupakan suatu hubungan antara satu variabel dengan variabel
lainnya. Korelasi tersebut bisa secara korelasional dan bisa juga secara kausal. Jika
korelasi tersebut tidak menunjukkan sebab akibat, maka korelasi tersebut dikatakan
korelasional, artinya sifat hubungan variabel satu dengan variabel lainnya tidak jelas
mana variabel sebab dan mana variabel akibat. Sebaliknya, jika korelasi tersebut
menunjukkan sifat sebab akibat, maka korelasinya dikatakan kausal, artinya variabel
yang satu merupakan sebab, dan variabel lainnya merupakan akibat.
 Salah satu analisis korelasi yang digunakan adalah korelasi Pearson atau product
moment correlation.
 Ada beberapa hal yang harus dipenuhi apabila menggunakan teknik korelasi product
moment, yaitu:
1. Data kedua variabel berbentuk data kuantitatif (interval dan rasio).
2. Data berasal dari populasi yang berdistribusi normal.
 Terdapat dua rumus yang digunakan untuk menghitung koefisien korelasi, yaitu
sebagai berikut:
∑
1. =
√(∑
∑
(∑ ) (∑ )
2. =
√{ ∑ (∑ }{ ∑ (∑ }

Keterangan:

korelasi antara variabel x dan y

Y=(

Contoh kasus:
Seorang peneliti ingin mengetahui hubungan antara motivasi belajar dengan
prestasi belajar pada mata kuliah statistik mahasiswa program studi psikologi
IAIN Sunan Ampel Surabaya. Untuk ini, peneliti melakukan penelitian dengan
mengambil sampel sebanyak 30 subjek. Setelah diberikan instrumen penelitian
berupa sekala motivasi belajar (skala MB), dan dilihat hasil prestasi belajar mata
kuliah statitstik, diperoleh data sebagai berikut:
Data 8: motivasi belajar dan prestasi belajar mahasiswa

No Motivasi Belajar Prestasi Belajar

1 46,00 5,00
2 56,00 7,00
3 57,00 6,00
4 84,00 7,00
5 53,00 6,00
6 88,00 9,00
7 51,00 5,00
8 96,00 9,00
9 86,00 9,00
10 75,00 7,00
11 63,00 9,00
12 68,00 7,00
13 70,00 6,00
14 65,00 8,00
15 70,00 6,00
16 54,00 5,00
17 76,00 5,00
18 86,00 8,00
19 90,00 8,00
20 70,00 9,00
21 80,00 9,00
22 67,00 9,00
23 56,00 6,00
24 68,00 6,00
25 54,00 5,00
26 68,00 5,00
27 65,00 8,00
28 77,00 8,00
29 66,00 8,00
30 98,00 9,00
 Dengan taraf signifikan (galat/ρ) = 0,05(5%), apakah ada hubungan antara motivasi
belajar dengan prestasi belajar pada mata kuliah statistik mahasisiwa prodi psikologi?

Solusi:
1. Hipotesis.
H0 : Tidak ada hubungan antara motivasi belajar dengan prestasi belajar pada mata
kuliah statistik mahasiswa prodi psikologi.
Ha: Ada hubungan antara motivasi belajar dengan prestasi belajar pada mata kuliah
statistik mahasiswa prodi psikologi.
2. Cara memasukkan data ke SPSS.
 Membuka file baru. Klik File - New - Data
 Memberi nama variabel yang diperlukan dalam kasus ini terdapat dua variabel
yaitu motivasi belajar dan prestasi belajar
 Klik Variabel View (kanan bawah)
 Isikan nama variabel pada kolom Name (misal: x untuk motivasi belajar dan
y untuk prestasi belajar) maksimal 8 karakter.
 Kolom Type, klik Numeric karena penghitungannya berupa angka.
 Kolom Widht isikan 8 kondisi default dan Decimals isikan 2 (kondisi
default)
 Kolom Label dapat diisikan keterangan untuk melengkapi kolom Name
(misal: motivasi belajar dan prestasi belajar).
 Setelah pengisian selesai – klik Continue.
 Mengisikan data – klik Data View (kanan bawah), isikan data 8 tersebut di
atas, 30 data pada kolom x untuk variabel Motivasi belajar, dan 30 data pada
kolom y untuk variabel prestasi belajar.
3. Menyimpan data.
 Klik File – Save – kemudian berilah nama yang anda inginkan (misal: data 8).
Data SPSS akan tersimpan dalam file ektensen .sav
4. Pengolahan data
 Klik Analyze – Correlation – Bivariate.
 Klik variabel x dan y, pindahkan ke kotak variables
 Pilih Pearson pada kolom Correlation Coefficents
  Pilih Two Tailed pada kolom Test Of Significant
 Klik Continue
 Klik Ok

5. Output SPSS
 Hasil output SPSS dapat disimpan dengan cara klik File – Save – kemudian
berilah nama yang anda inginkan (misal: output 6)
 Adapun output SPSS dapat dilihat sebagai berikut:

Correlations

Motivasi Prestasi
belajar belajar
**
Motivasi Pearson Correlation 1 .642
belajar
Sig. (2-tailed) .000

N 30 30
**
Prestasi Pearson Correlation .642 1
belajar Sig. (2-tailed) .000

N 30 30

**. Correlation is significant at the 0.01 level (2-tailed).

6. Interpretasi output SPSS.

 Pada tabel Correlation, diperoleh harga koefisien korelasi sebesar 0,642,
dengan signifikansi sebesar 0,000
 Berdasarkan data tersebut di atas maka dapat dilakukan pengujian hipotesis
dengan membandingkan taraf signifikansi(p-value) dengan galtnya.
 Jika signifikansi > 0,05 maka H0 diterima
 Jika signifikansi < 0.05 maka H0 ditolak
 Keputusan
Pada kasus ini terlihat bahwa koefisien korelasi adalah 0.642 dengan
signifikansi 0,000. Karena signifikansi < 0,05, maka h0 ditolak, berarti ha
diterima. Artinya ada hubungan yang signifikan antara motivasi belajar
dengan prestasi belajar pada mata kuliah statistik mahasisiwa prodi psikologi.
  Apakah koefisien korelasi hasil analisis korelasi product moment tersebut
signifikan ( dapat digeneralisasikan) atau tidak, maka perlu dibandingkan
dengan r tabel6.
Pengujian :
 Jika r hitung > r tabel maka h0 ditolak
 Jika r hitung < r tabel maka h0 diterima.
 Dengan taraf kepercayaan 0,05 (5%), maka dapat diperoleh harga r tabel
sebesar 0,361. Ternyata harga r hitung lebih besar daripada r tabel (0,642 >
0,361), sehingga h0 ditolak dan ha diterima. Artinya ada hubungan yang
signifikan antara motivasi belajar dengan prestasi belajar pada mata kuliah
statistik mahasiiswa prodi psikologi. Data dan harga koefisien yang diperoleh
dalam sampel tersebut dapat digeneralisasikan pada populasi dimana sampel
diambil atau data tersebut mencerminkan keadaan populasi.
 Berdasarkan hasil koefisien korelasi tersebut juga dapat dipahami bahwa
korelasinya bersifat positif, artinya semakin tinggi motivasi belajar maka akan
dibarengi dengan semakin tinggi pula prestasi belajar pada mata kuliah
statistik mahasiswa prodi psikologi.
 Dengan memperhatikan harga koefisien korelasi sebesar 0,642, berarti sifat
korelasinya kuat sekali.

Catatan:
 Berkaitan dengan besaran harga koefisien korelasi, harga korelasi berkisar dari
0 (tidak ada korelasi sama sekali) sampai dengan 1 (korelasi sempurna).
Semakin tinggi harga koefisien korelasinya berarti semakin kuat korelasinya,
dan sebaliknya7.
 Tanda pada harga korelasi juga berpengaruh pada penafsiran terhadap hasil
analisis korelasi, yaitu penjelasannya sebagai berikut:
a. Tanda positif (+) pada harga koefisien korelasi menunjukkan adanya
arah hubungan yang searah, artinya hubungan kedua variabel( x dan y)

6
Lihat r table product moment dengan taraf signifikansi 0,05 (5%)
7
Sebenarnya tidak ada ketentuan yang tepat mengenai apakah korelasi tertentu menunjukkan tingkat korelasi
yang tinggi atau lemah. Namun bisa dijadikan pedoman sederhana, bahwa angka korelasi di atas 0,05
menunjukkan korelasi yang cukup kuat, dan sebaliknya.
 adalah berbanding lurus. Semakin tinggi x akan diikuti dengan
semakin tinggi pula y, dan sebaliknya.
b. Tanda negatif (-)pada harga koefisien korelasi menunjukkan adanya
arah hubungan yang berlawanan, artinya hubungan kedua variabel( x
dan y) adalah berbanding terbalik. Semakin tinggi x akan diikuti
dengan semakin rendah y, dan sebaliknya.
7. Kesimpulan.
 Penelitian ini membuktikan bahwa ada hubungan yang signifikan antara
motivasi belajar dengan prestasi belajar pada mata kuliah statistik mahasiswa
prodi psikologi. Hal ini berarti bahwa prestasi belajar itu sangat berhubungan
dengan motivasi belajar.
 Berdasarkan harga koefisien korelasi sebesar 0,642, di mana harga korelasinya
bersifat positif, artinya semakin tinggi motivasi belajar maka akan dibarengi
dengan semakin tinggi pula prestasi belajar pada mata kuliah statistik
mahasiswa prodi psikologi.

TUGAS TERSTRUKTUR 6
Analisis Korelasi Product Moment

Kasus:
Seorang peneliti ingin mengetahui ada hubungan antara rata-rata nilai ujian nasional
SMA dengan nilai test potensial akademik para peserta SPMB di suatu perguruan tinggi.
Untuk itu dilakukan penelitian untuk menguji apakah ada hubungan antara nilai ujian
nasional SMA dengan nilai potensi akademik para peserta SPMB. Berdasarkan sampel 30
subjek yang diambil secara random, diperoleh data sebagai berikut:
Data: nilai hasil ujian nasional dan nilai tes potensi akademik
No. UNAS TPA No. UNAS TPA
1 8.1 375 16 7.8 315
2 6.9 310 17 7.9 342
3 7.2 343 18 6.6 289
4 7.4 356 19 7.4 310
5 8.2 398 20 7.2 334
6 7.4 352 21 8.4 396
7 7.8 375 22 6.8 305
8 8.4 410 23 8.1 415
9 7.3 366 24 7.6 375
10 7.2 350 25 7.5 382
11 7.9 370 26 7.9 375
12 8.1 420 27 7.0 330
13 7.5 325 28 6.5 290
14 7.0 361 29 7.3 325
15 7.4 305 30 7.5 345

Tugas:
6. Laksanakan Analisis Korelasi Product Moment untuk data tersebut di atas dengan
SPSS
7. Cetaklah hasilnya dan gunakan untuk melakukan kegiatan berikut:
h. Buatlah hipotesis nol (HO) dan hipotesis alternatif (Ha)
i. Ujilah hipotesis tersebut dengan taraf signifikansi 0,05 (5%)
j. Interpretasi dan simpulkan hasil analisis Korelasi Product Moment tersebut
8. Susunlah hasil tugas butir 2 tersebut menjadi laporan tugas Terstruktur T-6, termasuk
print out komputer yang asli bukan fotokopi.