Makalah Pleno Biostatistik Keperawatan

Uji Beda 2 Mean/t Dependent dan Independen

DOSEN PEMBIMBING :
Erwin, M.Kep
DISUSUN OLEH :
Kelompok : 2

Anisa Fitadaris (1711121604)

Annisa Amelia Putri (1711114620)
Dede Hidayat (1711121847)
Dila Amelia (1711113770)
Fakhrana Hanniyati (1711114901)
Fauziah Irwan (1711113748)
Fitri Handayani (1711114861)
Fitri Karmila (1711114636)
Fitri Rabika Z.P (1711113737)
Firliany Triamanda (1711113767)
Idzni Nelia Mustafa (1711113717)
Ilham Muarif (1711113741)
Maidenni Fortuna (1711113732)
Netty Ami Ruhama F.S (1711114102)
Nhelmy Nursepta Siregar (1711114095)
Novita Sari Wijayanti (1711113771)
Ranti Marisa (1711113708)
Syintya Eka Putri (1711113719)
Wulan Dari (1711113724)
FAKULTAS KEPERAWATAN
UNIVERSITAS RIAU
2020/2021
 KATA PENGANTAR

Segala puji bagi Allah SWT yang telah melimpahkan Rahmat dan Hidayah-Nya kepada
kami, sehingga kai dapat menyelesaikan tugas makalah yang berjudul “Uji Beda 2 Mean/t
Dependent dan Independen” tepat pada waktunya. Tanpa pertolongan-Nya tentunya makalah
ini tidak akan bisa diselesaikan. Shalawat serta salam semoga terlimpahkan kepada baginda
Rasulullah SAW yang kita nanti-nantikan safaatnya diakhirat nanti.
Terima kasih kami ucapkan kepada dosen pembimbing yang telah membimbing kami
selama proses pembelajaran dan perkuliahan. Terima kasih juga kepada semua pihak yang telah
memberikan bantuan, baik secara langsung maupun tidak langsung.
Kami menyadari tugas makalah ini masih banyak kekurangan baik dari segi isi,
maupun segi penulisan, untuk itu kami mengharapkan kritikan dan saran yang bersifat
membangun demi kesempurnaan serta perbaikan di masa mendatang. Semoga makalah ini
dapat bermanfaat bagi pembaca.

Pekanbaru, 03 November 2020

Kelompok 2

i
 DAFTAR ISI
Kata Pengantar.......................................................................................................................i
Daftar Isi................................................................................................................................ii
BAB 1 Pendahuluan
A. Latar belakang............................................................................................................1
B. Rumusan Masalah......................................................................................................1
C. Tujuan........................................................................................................................1
BAB 2 Pembahasan
A. Definisi Uji T Independen Dan Uji T Dependen.......................................................2
B. Hipotesis.....................................................................................................................4
C. Rumus Uji T Independen Dan Uji T Dependen.........................................................12
D. Pembahasan soal........................................................................................................13
BAB 3 Penutup
A. Kesimpulan ...............................................................................................................21
B. Saran...........................................................................................................................21
Daftar Pustaka........................................................................................................................22

ii
iii
 BAB I
PENDAHULUAN
A. Latar Belakang
Dalam suatu penelitian, peneliti akan menemukan suatu problem dimana
sebelum jawaban jawaban secara faktual terlebih dahulu peneliti mencoba mencari
jawaban secara teoritis. Jawaban secara teoritis sering disebut dengan hipotesis, dimana
hipotesis itu masih bersifat sementara dan perlu diuji kebenaranya melalui fakta-fakta.
Pengujian hipotesis dangan dasar fakta-fakta memerlukan alat bantu yaitu
menggunakan analisis statistik (Saabri dan Hastono, 2019).
Misalnya dalam suatu penelitian yang akan diselidiki apakah suatu metode baru
memberikan hasil yang lebih baik dari metode lama, atau dua pendekatan dalam
memberikan hasil yang sama. Masalah seperti ini dapat diselesaikan dengan melakukan
pengujian rata-rata dua populasi. pengujian hipotesis ini dapat dilakukan salah satunya
dengan menggunakan uji t. Uji t adalah uji statistik yang digunakan untuk menguji
kebenaran atau kepalsuanhipotesis nol, dimana pertama kali dikembangkan oleh
William Seely Gosset pada tahun 1915 (Herrhyanto & Hamdid, 2009). Uji t sendiri
dapat dibedakan menjadi beberapa macam diantaranya adalah uji t satu sampe dan uji t
dua sampel dimana bila dihubungkan dengan kebebasan sampel yang digunakan
(khusus bagi t dua sampel), maka uji t dibagi lagi dua yaitu uji t untuk sampel bebas
(indepent) dan uji t untuk sampel berpasangan (dependent).
Dalam makalah ini akan membahas mengenai uji t independent varian sama dan
tidak sama serta uji t dependent.
B. Rumusan Masalah
1. Apa itu uji T independen (varian sama dan varian tidak sama) dan uji T dependen?
2. Apa itu hipotesis?
3. Apa rumus uji T independen (varian sama dan varian tidak sama) dan uji T
dependen?
4. Bagaimana contoh kasus dan perhitungan uji T independen (varian sama dan varian
tidak sama) dan uji T dependen?
C. Tujuan
1. Untuk mengetahui defenisi uji T independen (varian sama dan varian tidak sama)
dan uji T dependen
1
2. Untuk mengetahui defenisi hipotesis
3. Untuk mengetahui rumus uji T independen (varian sama dan varian tidak sama) dan
uji T dependen
4. Untuk mengetahui contoh kasus dan perhitungan uji T independen (varian sama dan
varian tidak sama) dan uji T dependen.

2
 BAB II
PEMBAHASAN
A. Defenisi Uji T
Uji T atau test T adalah uji statistik yang digunakan untuk menguji kebenaran
atau kepalsuan hipotesis nol. Uji T pertama kali dikembangkan oleh William Seely
Gosset pada 1915, awalnya ia menggunakan nama samaran student dan huruf t yang
terdapat dalam istilah "uji t" di ambil dari huruf terakhir nama beliau. Uji t disebut juga
dengan nama student t (Herrhyanto & Hamdid, 2009).
1. Uji t Sampel Independen
a) Pengertian
Uji t untuk sampel independen merupakan prosedur uji t untuk sampel
bebas dengan membandingkan rata-rata dua kelompok kasus. Kasus yang diuji
bersifat acak. Uji ini bertujuan untuk membandingkan rata-rata dua grup yang
tidak saling berpasangan atau tidak saling berkaitan. Tidak saling berpasangan
dapat diartikan bahwa penelitian dilakukan untuk dua subjek sampel yang
berbeda. prinsip pengujian ini adalah melihat perbedaan variasi kedua kelompok
data, sehingga sebelum dilakukan pengujian terlebih dahulu harus diketahui
apakah variannya sama (equal variance) atau variannya berbeda (unequal
variance).Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis
yang menggunakan distribusi t sebagai uji statistik. Tabel pengujian disebut
tabel t-student.
b) Kriteria data untuk uji t sampel independen :
- Data untuk dua sampel bersifat independen
- Sampel acak dari distribusi normal/sinitris
- Variabel yang hubungkan berbentuk numerik untuk variabel dependent dan
kategorik dengan hanya dua kelompok untuk variabel independen
c) Contoh Kasus
- Dikatakan kedua kelompok data independen bila data kelompok yang satu
tidak tergantung dari data kelompok kedua, misalnya membandingkan mean
tekanan darah sistolik orang desa dengan orang kota. Tekanan darah orang
kota independen (tidak tergantung) dengan orang desa.

3
 - Seorang peneliti ingin membuktikan apakah rata-rata tekanan darah orang
yang mengkonsumsi alkohol lebih tinggi daripada rata-rata tekanan darah
orang yang tidak mengkonsumsi alkohol.
2. Uji T Sampel Dependen (Berpasangan)
a. Pengertian
Uji ini untuk menguji perbedaan rata-rata antara dua kelompok data yang
dependen. Misalnya untuk mengetahui apakah ada perbedaan berat badan sebelum
mengikuti proram diet dan berat badan setelah mengikuti program diet.
b. Kriteria data untuk uji t sampel dependen :
Sama seperti uji T independen, uji T dependen memiliki asumsi yang harus
dipenuhi, yaitu :
- Datanya berdistribusi normal.
- Kedua kelompok data dependen (berpasangan)
c. Contoh kasus
Data sampel terdiri atas 10 pasien pria mendapat obat captoril dengan dosis 6,25
mg. Pasien diukur tekanan darah sistolik sebelum pemberian obat dan 60 menit
sesudah pemberian obat. Peneliti ingin mengetahui apakah pengobatan tersebut
efektif untuk menurunkan tekanan darah pasien-pasien tersebut dengan alpha 5%.
B. Hipotesis
1. Defenisi
Hipotesis berasal dari kata hupo dan thesis. Hupo artinya sementara/lemah
kebenarannya dan thesis artinya pernyataan/ teori. Dengan demikian, hipotesis
berarti pernyataan sementara yang perlu diuji kebenarannya. Untuk menguji
kebenaran sebuah hipotesis digunakan pengujian yang disebut pengujian hipotesis.
Di dalam pengujian hipotesis dijumpai dua jenis hipotesis, yaitu hipotesis nol (Ho)
dan hipotesis alternatif (Ha). Berikut akan diuraikan lebih jelas tentang masing-
masing hipotesis tersebut (Sabri dan Hastono, 2019).
a. Hipotesis Nol (Ho)
Hipotesis yang menyatakan tidak ada perbedaan sesuatu kejadian antara
kedua kelompok. Atau hipotesis yang menyatakan tidak ada hubungan antara
variabel satu dengan variabel yang lain.

4
 Contoh:
a) Tidak ada perbedaan berat badan bayi antara mereka yang dilahirkan dari
ibu yang merokok dengan mereka yang dilahirkan dari ibu yang tidak merokok.
b) Tidak ada hubungan merokok dengan berat badan bayi.
c) Hipotesis Alternatif (Ha)
Hipotesis yang menyatakan ada perbedaan suatu kejadian antara kedua
kelompok. Atau hipotesis yang menyatakan ada hubungan variabel satu dengan
variabel yang lain.
Contoh:
Ada perbedaan berat badan bayi antara mereka yang dilahirkan dari ibu yang
merokok dengan mereka yang dilahirkan dari ibu yang tidak merokok.
2. Arah/Bentuk Uji Hipotesis
Bentuk hipotesis alternatif akan menentukan arah uji statistik apakah satu arah
(one tail) atau dua arah (two tail).
a) One tail (satu sisi) adalah bila hipotesis alternatifnya menyatakan adanya
perbedaan dan ada pernyataan yang mengatakan hal yang satu lebih
tinggi/rendah daripada hal yang lain.
Contoh:
Berat badan bayi dari ibu hamil yang merokok lebih kecil dibandingkan
berat badan bayi dari ibu hamil yang tidak merokok.
b) Two Tail (dua sisi) merupakan hipotesis alternatif yang hanya menyatakan
perbedaan tanpa melihat apakah hal yang satu lebih tinggi/rendah dari hal yang
lain.
Contoh:
Berat badan bayi dari ibu hamil yang merokok berbeda dibandingkan
berat badan bayi dari ibu yang tidak merokok. Atau dengan kata lain ada
perbedaan berat badan bayi antara mereka yang dilahirkan dari ibu yang
merokok dibandingkan dari mereka yang tidak merokok.
Contoh Penulisan Hipotesis:
Suatu penelitian ingin mengetahui hubungan antara jenis kelamin dengan
tekanan darah, maka hipotesisnya adalah sebagai berikut.

5
 Ho : σ1 = σ2
Tidak ada perbedaan mean tekanan darah antara laki-laki dan perempuan atau
Tidak ada hubungan antara jenis kelamin dengan tekanan darah.
Ha :σ1 = σ2
Ada perbedaan mean tekanan darah antara laki-laki dan perempuan atau
Ada hubungan antara jenis kelamin dengan tekanan darah
3. Kesalahan Pengambilan Keputusan
Dalam pengujian hipotesis kita selalu dihadapkan suatu kesalahan pengambilan
keputusan. Ada dua jenis kesalahan pengambilan keputusan dalam uji statistik
sebagai berikut.
a) Kesalahan Tipe I (a)
Kesalahan ini merupakan kesalahan menolak Ho, padahal sesungguhnya
Ho benar. Artinya menyimpulkan adanya perbedaan, padahal sesungguhnya
tidak ada perbedaan atau sering disebut tingkat signifikansi (significance level).
Sebaliknya, peluang untuk tidak membuat kesalahan tipe I adalahsebesar 1-α,
yang disebut dengan Tingkat Kepercayaan( confidence level).
b) Kesalahan Tipe II (β)
Kesalahan ini merupakan kesalahan tidak menolak Ho, padahal
sesungguhnya Ho salah. Artinya menyimpulkan tidak ada perbedaan, padahal
sesungguhnya ada perbedan. Peluang untuk membuat kesalahan tipe kedua (II)
ini sebesar β. Peluang untuk tidak membuat kesalahan tipe kedua (II) adalah
sebesar 1-β, dan dikenal sebagai Tingkat Kekuatan Uji (power of the test).

6
 Power Of Test (Kekuatan Uji)
Power of test merupakan peluang untuk menolak Hipotesis Nol (Ho)
ketika Ho memang salah. Atau dengan kata lain, kemampuan untuk mendeteksi
adanya perbedaan bermakna antara kelompok-kelompok yang diteliti ketika
perbedaan-perbedaan itu memang ada.
Power = 1 β
Dalam pengujian hipotesis dikehendaki nilai α dan β kecil atau (1- β)
besar. Namun, hal ini sulit dicapai karena bila α semakin kecil, nilai ß akan
semakin besar. Berhubung harusdibuat keputusan menolak atau tidak menolak
Ho, maka harus diputuskan untuk memilih salah satu sajayang harus
diperhatikan yaitu α atau β yang diperhatikan. Pada umumnya untuk amannya
dipilih nilai α.
d. Menentukan Tingkat Kemaknaan (Level of Significance)
Tingkat kemaknaan merupakan kesalahan tipe I suatu uji yang biasanya
diberi notasi α. Seperti sudah diketahui bahwa tujuan dari pengujian hipotesis
adalah untuk membuat suatu pertimbangan tentang perbedaan antara nilai
sampel dengan keadaan populasi sebagai suatu hipotesis. Langkah selanjutnya
setelah menentukan hipotesis nol dan hipotesis alternative adalah menentukan
kriteria/batasan yang digunakan untuk memutuskan apakah hipotesis nol ditolak
atau gagal ditolak yang disebut dengan tingkat kemaknaan (level of
significance).
Tingkat kemaknaan, atau sering disebut dengan nilai α merupakan nilai yang
menunjukkan besarnya peluang salah dalam menolak hipotesis nol. Dengan kata
lain, nilai a merupakan batas toleransi peluang salah dalam menolak hipotesis
nol. Dengan kata-kata yang lebih sederhana, nilai a merupakan nilai batas
maksimal kesalahan menolak Ho. Bila kita menolak Ho, berarti menyatakan
adanya perbedaan/hubungan. Dengan demikian, nilai a dapat diartikan pula
sebagai batas maksimal kita salah menyatakan adanya perbedaan.
Penentuan nilai a (alpha) tergantung dari tujuan dan lah 10%, 5%, atau
1%. Untuk bidang kesehatan masyarakat risiko yang fatal. Misalnya seorang

7
 peneliti yang akan menentukan apakah suatu obat bius berkhasiat akan
menentukan α yang kecil sekali, peneliti tersebut tidak akan mau mengambil
risiko bahwa ketidakberhasilan obat bius besar berhubungan dengan nyawa
seseorang yang akan dibius.
e. Pemilihan Jenis Uji Parametrik atau Nonparametrik
Pengujian hipotesis sangat berhubungan dengan distribusi data populasi
yang akan diuji. Bila distribusi data populasi yang akan diuji berbentuk
normal/simetris/Gauss, proses pengujian dapat digunakan dengan pendekatan uji
statistik parametrik. Sementara itu, bila distribusi data populasinya tidak normal
atau tidak diketahui distribusinya, dapat digunakan pendekatan uji statistik
nonparametrik. Kenormalan suatu data dapat juga dilihat dari jenis variabelnya,
bila variabelnya berjenis numerik/ kuantitatif biasanya distribusi datanya
mendekati normal/simetris. Dengan demikian, dapat digunakan uji statistic
parametrik. Bila jenis variabelnya kategori (kualitatif), bentuk distribusinya
tidak normal se-hingga uji nonparametrik dapat digunakan. Penentuan jenis uji
juga ditentukan oleh jumlah data yang dianalisis, bila jumlah data kecil (< 30)
cenderung digunakan uji nonparametrik.
f. Perbedaan Substansi/Klinis dan Perbedaan
Statistiksubstansi/klinis. Seperti diketahui bahwa semakin besar sampel
yang dianalisis akan semakin besar menghasilkan kemungkinan berbeda
bermakna. Dengan sampel besar perbedaan-perbedaan sangat kecil, yang sedikit
atau bahkan tidak mempunyai manfaat secara substansi/klinis dapat berubah
menjadi bermakna secara statistik. Oleh karena itu, arti kegunaan dari setiap
penemuan jangan hanya dilihat dari aspek statistik semata, namun harus juga
dinilai/dilihat kegunaannya dari segi klinis/substansi.
1. Prosedur Uji Hipotesis
a. Menetapkan Hipotesis
Hipotesis dalam statistik dikenal dua macam, yaitu hipotesis nol (Ho) dan
hipotesis alternatif (Ha).
1) Hipotesis Nol (Ho)

8
 Hipotesis yang menyatakan tidak ada perbedaan sesuatu kejadian antara
kedua kelompok.
Contoh:
Tidak ada perbedaan berat badan bayi antara mereka yang dilahirkan
dari ibu yang merokok dengan mereka yang dilahirkan dari ibu yang tidak
merokok.
2) Hipotesis Alternatif (Ha)
Hipotesis yang menyatakan ada perbedaan suatu kejadian antara kedua
kelompok. Contoh:
Ada perbedaan berat badan bayi antara mereka yang dilahirkan dari ibu
yang merokok dengan mereka yang dilahirkan dari ibu yang tidak merokok.
Dari hipotesis alternatif akan diketahui apakah uji statistic menggunakan
one tail or two tail.
b. Penentuan Uji Statistik yang Sesuai
Ada beragam jenis uji statistik yang dapat digunakan. Setiap uji statistik
mempunyai persyaratan tertentu yang harus dipenuhi. Oleh karena itu, harus
digunakan uji statistik yang tepat sesuai dengan data yang diuji. Jenis uji
statistik sangat tergantung dari :
1) jenis variabel yang akan dianalisis;
2) jenis data apakah dependen atau independen;
3) jenis distribusi data populasinya apakah mengikuti distribusi normal atau
tidak.
Sebagai gambaran, jenis uji statistik untuk mengetahui perbedaan mean akan
berbeda dengan uji statistik untuk mengetahui perbedaan proporsi/persentase.
Uji beda mean menggunakan uji T atau uji Anova, sedangkan uji
untukmengetahui perbedaan proporsi digunakan uji Kai kuadrat.
2. Menentukan Batas atau Tingkat Kemaknaan (Level of Significance)
Batas/tingkat kemaknaan, sering juga disebut dengan nilai a. Penggunaan nilai
alpha tergantung tujuan penelitian yang dilakukan, untuk bidang kesehatan
masyarakat biasanya menggunakan nilai alpha 5%.
3. Perhitungan uji stastistik

9
 Perhitungan uji stastistik adalah menghitung data sampel ke dalam uji hipotesis
yang sesuai. Misalnya, kalau ingin menguji perbedaan mean antara dua kelompok,
data hasil pengukuran dimasukkan ke rumus uji-t. Dari hasil perhitungan tersebut
kemudian dibandingkan dengan nilai populasi untuk mengetahui apakah ada
hipotesis ditolak atau gagal menolak hipotesis.
4. Keputusan Uji Statistik
Seperti telah disebutkan pada langkah 4, bahwa hasil pengujian statistik akan
menghasilkan dua kemungkinan keputusan, yaitu menolak Hipotesis Nol dan Gagal
menolak Hipotesis Nol. Keputusan uji statistik dapat dicari dengan dua pendekatan,
yaitu pendekatan klasik dan pendekatan probabilistik. Kedua pendekatan secara
jelas akan diuraikan berikut.
a. Pendekatan Klasik
Untuk memutuskan apakah Ho ditolak maupun gagal ditolak, dapat
dilakukan dengan cara membandingkan Nilai Perhitungan Uji Statistik dengan
Nilai pada Tabel. Nilai Tabel yang dilihat sesuai dengan jenis distribusi uji yang
kita lakukan, misalnya kalau kita lakukan uji Z, nilai tabel dilihat dari table z
(tabel kurva normal). Contoh lain, kalau kita lakukan uji T, setelah kita peroleh
nilai perhitungan uji T kemudian kita bandingkan angka yang ada pada tabel T.
Besarnya nilai table sangat tergantung dari nilai alpha (a) yang kita gunakan dan
juga tergantung dari apakah uji kita one tail (satu sisi/satu arah) atau two tail
(dua sisi/dua arah).
1) Uji two tail (dua sisi/dua arah)

Ho : =μ
Ha : x ≠ μ
Dari kedua nilai tersebut (nilai perhitungan uji statistik dan nilai dari
tabel) kita dapat memutuskan apakah Ho ditolak atau Ho gagal ditolak
dengan ketentuan sebagai berikut :
 Bila nilai perhitungan uji statistik lebih besar dibandingkan nilai yang
berasal dari tabel (nilai perhitungan > nilai tabel), keputusannya: Ho
ditolak.

10
 Ho ditolak, artinya ada perbedaan kejadian (mean/proporsi) yang
signifikan antara kelompok data satu dengan kelompok data yang lain.
 Bila nilai perhitungan uji statistik lebih kecil dibandingkan nilai yang
berasal dari tabel (nilai perhitungan < nilai tabel), keputusannya: Ho
gagal ditolak.

Ho gagal ditolak, artinya tidak ada perbedaan kejadian (mean/proporsi)

antara kelompok data satu dengan kelompok data yang lain. Perbedaan
yang ada hanya akibat dari faktor kebetulan (by chance).

b. Pendekatan Probabilistik
Seiring dengan kemajuan perkembangan komputer, maka uji statistik
dengan mudah dan cepat dapat dilakukan dengan program-program statistic
yang tersedia di pasaran seperti Epi Info, SPSS, SAS, dan lain-lain. Setiap kita
melakukan uji statistic melalui program komputer, maka akan
ditampilkan/dikeluarkan nilai P (P value). Dengan nilai P ini kita dapat
menggunakan untuk keputusan uji statistik dengan cara membandingkan nilai P
dengan nilai a (alpha). Ketentuan yang berlaku adalah sebagai berikut :
 Bila nilai P ≤ nilai α, keputusannya adalah Ho ditolak.
 Bila nilai P > nilai α, keputusannya adalah Ho gagal ditolak
Perlu diketahui bahwa Nilai P two tail adalah dua kali Nilai P one tail. Berarti
kalau tabel yang digunakan adalah table one tail, sedangkan uji statistik yang dilakukan
two tail, maka Nilai P dari tabel harus dikalikan 2. Dengan demikian, dapat
disederhanakan dengan rumus: Nilai P two tail one tail.
Pengertian Nilai P
Nilai P merupakan nilai yang menunjukkan besarnya peluang salah menolak Ho
dari data penelitian. Nilai P dapat diartikan besarnya peluang bahwa hasil yang
dihasilkan (hasil yang lebih ekstrim) disebabkan semata-mata oleh factor peluang (by
chance), apabila hipotesis nol benar. Harapan kita nilai P adalah sekecil mungkin, sebab
bila nilai P-nya kecil, kita yakin bahwa adanya perbedaan pada hasil penelitian
menunjukkan pula adanya perbedaan di populasi. Dengan kata lain, kalau nilai P-nya

11
 kecil, perbedaan yang ada pada penelitian terjadi bukan karena faktor kebetulan (by
chance).
Contoh:
Suatu penelitian ingin mengetahui hubungan riwayat hipertensi ibu hamil
dengan berat badan bayi yang dikandungnya. Dari hasil penelitian dilaporkan bahwa
rata-rata berat badan bayi dari ibu hipertensi adalah 2.000 gram, sedangkan adalah
3.000 gram. Perbedaan berat bayi antara ibu yang hipertensi dengan ibu yang tidak
hipertensi sebesar 1.000 gram. Pertanyaan yang timbul adalah apakah perbedaan berat
badan 10 bayi tersebut juga berlaku untuk seluruh populasi yang ditelita atau hanya
faktor kebetulan saja? Untuk menjawab pertanyaan tersebut kemudian dilakukan uji
statistik yang tepat, yaitu uji T.
Misalkan dihasilkan nilai p=0,0110 maka dapat diartikan: jika berat bayi antara
ibu yang hipertensi tidak berbeda dengan ibu yang sehat, maka adanya perbedaan berat
bayi sebesar 1.000 gram antara ibu yang hipertensi dan ibu yang sehat disebabkan oleh
faktor peluang/faktor kebetulan (by chance) adalah sebesar 0,0110. Karena peluangnya
sangat kecil (p=0,0110), dapat diartikan bahwa adanya perbedaan tersebut bukan karena
factor kebetulan, namun karena memang pengaruh adanya riwayat hipertensi (Sabri dan
Hartono, 2019).
C. Rumus Uji T Independen (Varian Sama dan Varian Tidak Sama) dan Uji T
Dependen
1. Rumus uji T independen varian sama

DF = ɳ₁ + ɳ₂ - 2

KET :
X̄ ₁ = rata – rata kelompok 1

12
 X̄ ₂ = rata – rata kelompok 2
ɳ₁ = jumlah kelompok 1
ɳ₂ = jumlah kelompok 2
S₁ = Standar deviasi kelompok 1
S₂ = Standar deviasi kelompok 2

2. Rumus uji T independen varian tidak sama

x 1−x 2
t=

√ s 12 s 22
+
n 1 n2

DF =
[ s ₁² s ₂²
+
n₁ n₂ ]
²

[ ][ ]
( sn₁²₁ ) ² + ( sn₂²₂ ) ²
( n ₁−1 ) ( n ₂−1 )
Keterangan :
x₁= rata-rata kelompok 1
x₂= rata-rata kelompok 2
n₁= jumlah kelompok 1
n₂= jumlah kelompok 2
s₁= standar deviasi kelompok 1
s₂= standar deviasi kelompok
3. Rumus uji T dependent
d
t=
S D d /√ n
d : rata-rata deviasi/ selisih sampel 1 dengan sampel 2
SD_d : Standar deviasi dari deviasi/ selisih sampel 1 dan sampel 2
D. Pembasahan Soal
1. Contoh soal uji T Independen varian sama
Seorang pejabat Kemenkes berpendapat bahwa rata-rata nikotin yang dikandung
rokok jarum lebih tinggi dibandingkan rokok wismilak. Untuk membuktikan
pendapatnya, dilakukan penelitian dengan mengambil sampel secara random 10 batang

13
rokok jarum dan 8 batang rokok wismilak. Dari hasil pengolahan data didapatkan
bahwa rata-rata kadar nikotin rokok jarum adalah 23,1 mg dengan standar deviasi 1,5
mg. sementara itu kadar nikotin rokok wismilak rata-rata 20,0 mg dengan standar
deviasi 1,7 mg. berdasarkan data tersebut ujjilah pendapat pejabat Kemenkes tersebut
dengan menggunakan alpha 5%.
Pertanyaan:
Buktikan bahwa itu adalah contoh uji T independen varian sama
Ujilah dengan uji T independen varian sama dengan langkah-langkah uji statistic.
Jawaban:
H0 : Varian kadar nikotin jarum sama dengan varian kadar nikotin rokok wismilak
Ha : Varian kadar nikotin jarum berbeda dengan varian kadar nikotin rokok wismilak
Langkahnya:
Tentukan homogenitas varian menggunakan tabel F
Rumus:
S 1²
F=
S 2²
1,72
F=
1,5 ²
F=1,28
df1 = n1-1 = 8-1 = 7 (Denumerator)
df2 = n2-2 = 10-1 = 9 (Numerator)
Lihat tabel F pada denumerator 7 dan numerator 9. Adapun cara mencarinya yaitu
Tabel distribusi F terdiri dari numerator denomirator dan area. Bagian area menunjukkan
nilai alpha atau P. Sehingga kita dapat melihat nilai P melalui 2 cara yaitu1)Pendekatan
klasik yaitu dengan melihat nilai hitung (F) dan nilai table (melalui dF dan jika nilai
hitung> nilai table = H0di tolak, jika nilai hitung<nilai table = H0 gagal ditolak.
2)Pendekatan Probabilistik yaitu dengan melihat tabel distribusi T/F ( menggunakan nilai
t atau nilai F, nuremator).

14
 Sehingga diperoleh F=1,28 terletak pada titik 2,51 yaitu area 0,100 sehingga P>0,100.
Artinya P>0,100, sehingga keputusannya :H0 gagal ditolak. Ini berarti varian
kadar nikotin rokok jarum sama dengan varian kadar nikotin rokok wismilak.Langkah
selanjutnya adalahmenguji perbedaan mean kedua kelompok data tersebut dengan
menggunakan uji tuntuk varian sama:Hipotesis H0 : μ1=μ2(Mean kadar nikotin jarum
sama dengan mean kadar nikotin wismilak)Ha : μ1>μ2 (Mean kadar nikotin jarum lebih
tinggi dibandingkan wismilak)Dengan Ha diatas berarti menggunakan uji one tail (satu
arah/satu sisi).
Perhitungan Uji t
Rumus:

Dimana rumus Sp nya yaitu:

( n 1−1 ) s 1²+ ( n 2−1 ) s 2²

Sp ²=
n 1+n 2−2

( 10−1 ) 1 ,5² + ( 8−1 ) 1 ,7²

Sp ²=
10+8−2
( 9 ) x 2,25+ (7 ) x 2,89
Sp ²=
16

15
 20,25+20,23
Sp ²=
16
20,25+20,23
Sp ²=
16
40,48
Sp ²=
16
Sp ²=2,53
Sp=2,53
Sp=1,59
Masuk ke rumus t

t= 23,1 – 23,0
1,59 1/10 + 1/8
t= 3,1
1,59 0,225
t= 3,1
0,754
t= 4,1
df= n1+n2-2
df= 10+8-2 = 16
Lihat tabel t pada df 16
Kemudian cari nilai p menggunakan table distribusi t dengan pendekatan
probabilistik.sehingga diperoleh hasil t=4,1 dengan df=16, maka nilai tersebut terletak
disebelah kanan dari nilai 2,921. Berarti nilai p-nya adalah <0,0005. Sehingga
keputusan Ho ditolak. Menggunakan pendekatan klasik dengan alpha 5% dapat
disimpulkan bahwa p<0,0005 sehingga disimpulkan bahwa secara statistik kadar nikotin

jarum memang lebih tinggi dibandingkan kadar nikotin rokok wismilak (p< 0,0005).

16
 2. Contoh soal uji T Independen Varian beda
Seorang pejabat kemenkes berpendapat bahwa rata-rata nikotin yang dikandung
rokok jarum lebih tinggi dibandingkan rokok wismilak. Untuk membuktikan
pendapatnya, dilakukan penelitian dengan mengambil sampel secara random 12 batang
rokok jarum dan 9 batang roko wismilak. Dari hasil pengolahan data didapatkan bahwa
rata-rata kadar nikotin rokok jarum adalah 25,2 mg dengan standar deviasi 4,5 mg.
Sementara itu, kadar nikotin rokok wismilak rata-rata 20,0 mg dengan standar deviasi
1,5 mg. Berdasarkan data tersebut, ujilah pendapat pejabat kemenkes tersebut dengan
menggunakan alpha 5%.
Pertanyaan:Buktikan bahwa itu adalah contoh uji T independen varian tidak sama
Ujilah dengan uji T independen varian tidak sama dengan langkah-langkah uji statistik.
Jawaban:
Diketahui
X1 : 25,2 S1 : 4,5 n1 : 12
X2 : 20,0 S2 : 1,5 n2 : 9
Langkah pertama adalah melakukan pemeriksaan homogenitas varian kedua data
dengan menggunakan uji F.
a. Hipotesis:

H0:1σ 2 = 2σ 2 (Varian kadar nikotin jarum sama dengan varian kadar nikotin wismilak)
Ha:1σ 2 = 2σ 2 (Varian kadar nikotin jarum berbeda dengan varian kadar nikotin wismilak)
b. Perhitungan uji F

F = S12 : S22
F = 4,52 : 1,52 = 9
dF1 = 12-1 = 11
sebagai numerator
dF2 = 9-1 = 8 sebagai
denominator

Dari nilai F dan kedua dF tersebut kemudian dilihat pada tabel F sebagai berikut:

Numerator Degrees of Freedom

17
 1 2 3 4 5 6 7 8
Denominator Area
8 0,100
0,050
0,025
0,010
0,005 F= 9 7,5
0,001 12,05

Pada soal diatas diperoleh, nilai F= 9 dan terlihat angka tersebut terletak
diantara 7,5 dan 12,05 pada area 0,005 dan 0,001 artinya nilai 0,001<P<0,005
dibandingkan ɑ 0,05, maka P value < ɑ
Keputusan : H0 ditolak
Kesimpulan: varian kadar nikotin jarum berbeda dengan varian kadar nikotin wismilak
Selanjutnya adalah menguji perbedaan mean kedua kelompok data tersebut dengan
menggunakan uji t untuk varian yang berbeda
a. Hipotesis
H0 : μ1 = μ2 (mean kadar nikotin jarum sama dengan mean kadar nikotin wismilak)
Ha : μ1 > μ2 (mean kadar nikotin jarum lebih tinggi dibandingkan mean kadar
nikotin wismilak)

b. Perhitungan uji T
x 1−x 2
T=

√
2 2
s1 s2
+
n 1 n2
25,2−20
T=

√
2 2
4,5 1,5
+
12 9

T =3,73
Sedangkan untuk df dicari dengan rumus khusus berikut:

18
 [( ) ( ) ]
2
s 12 s 22
+
n1 n2
df =

[ ][ ]
( ) +( )
2 2 2 2
s1 s2
n1 n2
( n 1−1 ) ( n 2−1 )

[( ) ( ) ]
2
4,5 1,52
+
12 9
df =

[ ( ) ] [( ) ]
2 2
4,52 1.52
12 9
+
( 12−1 ) ( 9−1 )

1.932
df =
0,25+ 0,008
3,7249
df =
0,258
df =14.43

Kemudian dicari nilai p dengan menggunakan table distribusi t. adapun

cara mencarinya sebagai berikut :

df/ 0.10 0.05 0.025 0.01 0.005

11
12
13
14 1.345 1.761 2.145 2.624 2.977
15

Pada soal diatas, jika menggunakan pendekatan probabilistic diperoleh nilai T= 3.76 dan
terlihat angka tersebut terletak melebihi 2.977 pada area 0,005 artinya nilai P<0,005
dibandingkan ɑ 0,05, maka P value < ɑ

19
Keputusan : H0 ditolak
Dengan menggunakan pendekatan klasik yaitu nilai 5% atau 0.05 dengan df = 14
diperoleh nilai T table = 1.761. sedangkan nilai T hitung = 3.76 kemudian bandingkan kedua
hasil tersebut yang mana T hitung > T table maka dapat diputuskan H0 ditolak.
Dapat disimpulkan disimpulkan bahwa mean kadar nikotin jarum lebih tinggi
dibandingkan mean kadar nikotin wismilak.
2. Contoh soal uji T dependent
Seorang peneliti ingin mengetahui pengaruh vitamin B12 terhadap penyakit
anemia. Sejumlah 10 penderita diberi suntikan B12 dan diukur kadar Hb sebelum dan
sesudah pengobatan. Hasil pengukurannya adalah sebagai berikut :

sebelu 12,2 11,3 14,7 11,4 11,5 12,7 11,2 13,3 10,8
m
sesudah 13 13,4 16 13,6 14 13,8 13,5 15,5 13,2

a. Hipotesis :
Ho : σ1 = σ2 (tidak ada perbedaan kadar Hb antara sebelum dan sesudah pemberian vit
B12)
Ha :σ1 = σ2 (ada perbedaan kadar Hb antara sebelum dan sesudah pemberian vit B12)

b. Perhitungan uji-t
Diketahui :
devias
i 0,8 2,1 1,3 2,2 2,5 1,1 2,3 1,7 2,2 2,4

0,8+2,1+1,3+2,2+2,5+1,1+2,3+ 1,7+2,2+2,4 18,6

x deviasi ( d )= = =1,86
10 10

Standar deviasi = ∑ ¿¿ ¿
SD_d = Standar deviasi dari nilai deviasinya
20
SD_d = 0,59  0,6
df = n-1 = 10-1 = 9

d
t=
S Dd √ n
1,86
t=
0,6 √ 10
t = 9,8
Diperoleh : t = 9,8 df = 9, maka nilainya disebelah kanan dari nilai tabel 3,25
(p=0,005) berarti nilai P < 0,005. Karena ujinya two tail, maka nilai p = 0,005 x 2 
nilai P < 0,01.
Keputusan uji statistik :
Hasil perhitungan menghasilkan P <0,01 yang lebih kecil dari nilai alpha (0,05).
Maka dapat diputuskan Ho ditolak. Jadi, dengan menggunakan alpha 5% dapat
disimpulkan bahwa secara statistik ada perbedaan Hb antara sebelum dan sesudah diberi
suntikan vitamin B12 (P < 0,01)

21
 BAB III
PENUTUP
A. Kesimpulan
Uji T atau test T adalah uji statistik yang digunakan untuk menguji kebenaran
atau kepalsuan hipotesis nol. Uji t terbagi dua yaitu uji t independent (varian sama dan
varian tidak sama) dan uji t dependen.
B. Saran
Dengan adanya makalah ini, mahasiswa dapat mengetahui terkait biostatistik denga
topik uji t , dimana membahas terkait bagaimana kita bisa membahas kasus terkait uji t.
Akan tetapi, penulis menyadari bahwa dalam pembuatan makalah ini masih jauh dari
kesempurnaan, maka dari itu kami mengharapkan kritik dan saran dari pembaca yang
sifatnya membangun untuk hasil yang lebih baik dari makalah ini.

22
 DAFTAR PUSTAKA

Harryanto, nar., Hamid, Akib. 2009. Statistik Dasar. Jakarta: Universitas Terbuka

Nuryadi .2017. Dasar dasar statitik penelitian. Yogyakarta : Sibuku Media

Sabri, L & Hastono,P, S. 2019. Statistik Kesehatan. Depok: Rajawali Pers

23