Uji t

Mengapa menggunakan uji t ?

Pernahkah anda mendengar tentang uji beda? Sesuai dengan namanya,
uji beda biasanya dilakukan untuk membandingkan nilai tengah (rata-
rata/modus/median) kelompok dengan suatu nilai atau dengan nilai
tengah kelompok lainnya. Misalnya,

Perusahaan ingin mengetahui apakah lampu yang diproduksi mampu

menyala lebih dari 1000 jam sesuai dengan standar yang ditetapkan
perusahaan
Seorang peneliti dari dunia pendidikan ingin mengetahui apakah ada
perbedaan hasil belajar diantara dua kelas yang berbeda dengan
metode pembelajaran yang berbeda
Seorang guru ingin mengkaji apakah ada perbedaan hasil belajar
sebelum dan sesudah pemberian metode pembelajaran tertentu.
Uji yang bisa diterapkan untuk menyelesaikan permasalahan pada
contoh-contoh di atas adalah uji Z. Uji Z bisa dilakukan untuk
membandingkan nilai tengah dan memliki distribusi normal. Hanya saja
jika kita ingin melakukan uji Z maka ragam populasi (𝜎 2 ) harus diketahui.
Namun, biasanya data yang kita peroleh adalah data sampel bukan
populasi. Tapi uji Z masih bisa diatasi dengan menggunakan ragam
sampel (𝑠 2 ). Apakah kebanyakan dari sampel yang kita peroleh memiliki
ukuran yang besar? Biasanya tidak! karena keterbatasan biaya,waktu,
dan tenaga maka kebanyakan sampel yang kita peroleh adalah sampel
kecil. Jika sampelnya kecil maka ragam sampel (𝑠 2 ) tidak cukup akurat
untuk mendekati atau menduga ragam populasi (𝜎 2 ) sehingga hasil
analisis uji Z menjadi kurang valid. Solusi untuk mengatasi masalah ini
adalah dengan menggunakan uji t. Uji t dapat digunakan untuk sampel
berukuran kecil dan memiliki distribusi normal. Uji t dalam hal menguji nilai
tengah dibagi menjadi tiga macam, yakni:
1) Uji perbedaan nilai tengah sampel dengan nilai konstanta tertentu
(One sample t test)
2) Uji perbedaan nilai tengah pada dua kelompok sampel (independent
sample t test)
3) Uji perbedaan nilai tengah sampel pada pengamatan berpasangan
(Paired sample t test)
 Uji t
One sample t test
Uji t satu sampel merupakan prosedur uji t yang digunakan untuk
membandingkan nilai tengah suatu sampel dengan suatu nilai konstanta
tertentu. Nilai konstanta tersebut pada umumnya merupakan sebuah nilai
parameter untuk mengukur nilai populasi.
Hipotesis pada uji t satu sampel

1) Uji Sisi Kiri

H0 : μ ≥ μ0 nilai tengah populasi paling rendah sebesar μ0
H1 : μ < μ0 nilai tengah populasi kurang dari μ0
2) Uji Sisi Kanan
H0 : μ ≤ μ0 nilai tengah populasi paling tinggi sebesar μ0
H1 : μ > μ0 nilai tengah populasi lebih dari μ0
3) Uji Dua Sisi
H0 : μ = μ0 nilai tengah populasi mencapai μ0
H1 : μ ≠ μ0 nilai tengah populasi tidak mencapai μ0

Sintaks uji t satu sampel di R adalah sebagai berikut:

t.test(........., alternative="...........", mu=...., conf.level=....)

Nama data less = uji sisi kiri Nilai tertentu yang

dibandingkan dengan
greater = uji sisi kanan
Nilai tengah sampel
two.sided = uji dua sisi

Nilai tingkat kepercayaan misalnya 95 % maka diisi dengan angka 0.95

 Uji t
Contoh1
Berikut contoh data mengenai waktu penanganan suatu kasus di
pengadilan. Pada data ini ingin dilakukan pengujian apakah rata-rata
waktu penyelesaian suatu kasus di pengadilan kurang dari 80 hari.
Kemudian diambil sampel secara acak sebanyak 20 kasus dan
diasumsikan berasal dari distribusi normal.
Langkah pertama adalah menentukan hipotesisnya:
H0 : μ ≥ 80 waktu penyelesaian suatu kasus di pengadilan paling
rendah sebesar 80 hari
H1 : μ < 80 waktu penyelesaian suatu kasus di pengadilan kurang
dari 80
Langkah pertama adalah melakukan import data dari excel ke R. Lakukan
cara ini sesuai dengan panduan manajemen data

Setelah di klik “import” pada gambar di atas maka akan muncul tampilan
berikut
 Uji t
Kemudian pada tampilan R-console juga akan tampil bagian seperti
pada gambar di bawah ini.

Perhatikan lingkaran merah pada gambar di atas! Di gambar tersebut

menunjukkan bahwa nama data yang akan kita olah untuk uji t satu
sampel adalah one_sample_t_test. Jadi ketika pada sintaks uji t satu
sampel dibutuhkan nama data yang akan kita olah maka nama tersebut
yang kita masukkan untuk analisisnya.
Langkah berikutnya yaitu uji t satu sampel dengan menggunakan fungsi
t.test() dan untuk t tabel menggunakan fungsi qt(). Sintaksnya adalah
sebagai berikut:

t.test(one_sample_t_test$hari,alternative="less",
mu=80,conf.level=0.95) # uji t satu sampel

qt(0.05,df=19,lower.tail=TRUE) # t tabel
 Uji t
Output:

> t.test(one_sample_t_test$hari,alternative="less",
mu=80,conf.level=0.95)

One Sample t-test

data: one_sample_t_test$hari
t = 2.3008, df = 19, p-value = 0.9836
alternative hypothesis: true mean is less than 80
95 percent confidence interval:
-Inf 97.25258
sample estimates:
mean of x
89.85

> qt(0.05,df=19,lower.tail=TRUE)

[1] -1.729133

Hasil analisis:
Dari hasil output diperoleh t hitung = 2.3008 > t tabel = -1.729133 dimana
p-value = 0.9836 > alpha = 0.05. Uji hipotesis yang digunakan pada kasus
ini adalah uji sisi kiri. Pada uji sisi kiri H0 ditolak jika t hitung < dari tabel
dan p-value<alpha. Sedangkan pada output t hitung > t tabel dan p-value
> alpha sehingga terima H0. Dengan demikian, dapat disimpulkan bahwa
dengan tingkat kepercayaan 95% tidak cukup bukti untuk mengatakan
waktu penyelesaian suatu kasus di pengadilan kurang dari 80 hari.

Contoh2
Berikut contoh data mengenai waktu penanganan suatu kasus di
pengadilan. Pada data ini ingin dilakukan pengujian apakah rata-rata
waktu penyelesaian suatu kasus di pengadilan lebih dari 80 hari.
Kemudian diambil sampel secara acak sebanyak 20 kasus dan
diasumsikan berasal dari distribusi normal.
 Uji t
Langkah pertama adalah menentukan hipotesisnya:
H0 : μ ≤ 80 waktu penyelesaian suatu kasus di pengadilan paling
tinggi sebesar 80 hari
H1 : μ > 80 waktu penyelesaian suatu kasus di pengadilan lebih
dari 80
Langkah berikutnya yaitu uji t satu sampel dengan menggunakan fungsi
t.test() dan untuk t tabel menggunakan fungsi qt(). Sintaksnya adalah
sebagai berikut:

t.test(one_sample_t_test$hari,alternative="greater"
,mu=80,conf.level=0.95) # uji t satu sampel

qt(0.05,df=19,lower.tail=FALSE) # t tabel

Output:

> t.test(one_sample_t_test$hari,alternative="greater"
,mu=80,conf.level=0.95)

One Sample t-test

data: one_sample_t_test$hari
t = 2.3008, df = 19, p-value = 0.01645
alternative hypothesis: true mean is greater than 80
95 percent confidence interval:
82.44742 Inf
sample estimates:
mean of x
89.85

> qt(0.05,df=19,lower.tail=FALSE)

[1] 1.729133
 Uji t
Hasil analisis:
Dari hasil output diperoleh t hitung = 2.3008 > t tabel = 1.729133 dimana
p-value = 0.01645 < alpha = 0.05. Uji hipotesis yang digunakan pada
kasus ini adalah uji sisi kanan. Pada uji sisi kiri H0 ditolak jika t hitung >
dari tabel dan p-value<alpha. Sedangkan pada output t hitung > t tabel
dan p-value < alpha sehingga tolak H0. Dengan demikian, dapat
disimpulkan bahwa waktu penyelesaian suatu kasus di pengadilan kurang
dari 80 hari dengan tingkat percayaan 95 %.

Contoh 3
Berikut contoh data mengenai waktu penanganan suatu kasus di
pengadilan. Pada data ini ingin dilakukan pengujian apakah rata-rata
waktu penyelesaian suatu kasus di pengadilan sama dengan 80 hari.
Kemudian diambil sampel secara acak sebanyak 20 kasus dan
diasumsikan berasal dari distribusi normal.
Langkah pertama adalah menentukan hipotesisnya:

H0 : μ = 80 waktu penyelesaian suatu kasus di pengadilan sama

dengan 80
H1 : μ ≠ 80 waktu penyelesaian suatu kasus di pengadilan tidak
sama dengan 80 hari

Langkah berikutnya yaitu uji t satu sampel dengan menggunakan fungsi

t.test() dan untuk t tabel menggunakan fungsi qt(). Sintaksnya adalah
sebagai berikut:

t.test(one_sample_t_test$hari,alternative="two.sided"
,mu=80,conf.level=0.95) # uji t satu sampel

alpha=0.05
qt(c(alpha/2, 1-(alpha/2)), df=19) # t tabel
 Uji t
Output:

> t.test(one_sample_t_test$hari,alternative="two.sided"
,mu=80,conf.level=0.95)

One Sample t-test

data: one_sample_t_test$hari
t = 2.3008, df = 19, p-value = 0.0329
alternative hypothesis: true mean is not equal to 80
95 percent confidence interval:
80.88957 98.81043
sample estimates:
mean of x
89.85

> alpha=0.05
> qt(c(alpha/2, 1-(alpha/2)), df=19) # t tabel

[1] -2.093024 2.093024

Hasil analisis:
Dari hasil output diperoleh t hitung = 2.3008 tidak berada pada selang
-2.093024 < t < 2.093024 dan p-value = 0.0329 < alpha = 0.05. Uji
hipotesis yang digunakan pada kasus ini adalah uji dua sisi. Pada uji dua
sisi H0 ditolak jika t hitung tidak berada pada selang (–t tabel < t < t tabel)
dan p-value<alpha Sedangkan pada output, t hitung tidak berada pada
selang (–t tabel < t < t tabel) dan p-value < alpha sehingga tolak H0.
Dengan demikian, dapat disimpulkan bahwa waktu penyelesaian suatu
kasus di pengadilan tidak sama dengan 80 hari dengan tingkat percayaan
95 %.
 Uji t
Independent sample t test
Independent sample t test merupakan uji perbandingan nilai tengah pada
dua kelompok sampel yang independent. Dengan kata lain, dua kelompok
sampel yang tidak berhubungan. Sebagai contoh kita akan menguji
apakah ada perbedaan rata-rata (dua ) sampel yang terdiri dari kelompok
A dan kelompok B terkait dengan prestasi belajarnya. Contoh ini
menjelaskan bahwa sampel penelitian ini terdiri dari dua kelompok yang
berbeda atau tidak berhubungan satu sama lain.
Salah satu syarat dari inpendent sample t test adalah kita harus tahu
mengetahui terlebih dahulu apakah dua kelompok sampel tersebut
berasal dari populasi yang ragamnya sama atau tidak. sehingga sintaks
di R untuk menguji apakah ragamnya sama atau tidak adalah:
Var.test (x,y)

Setelah kita menguji ragamnya maka inpendent sample t test bisa

dilakukan. Adapun sintaksnya sebagai berikut:

t.test(a,b, var.equal=TRUE, paired=FALSE)

a,b merupakan data a Jika ragamnya sama maka var.equal=TRUE, jika

dan data b yang beda maka var.equal=FALSE
dibandingkan

Contoh 4
Seorang Guru matematika di salah satu SMA Negeri di Bogor ingin
menguji apakah terdapat perbedaan nilai ujian matematika antara Kelas
A dan B. Guru tersebut mengambil sampel secara acak sebanyak 15
orang siswa dari masing-masing kelas.
 Uji t
Langkah pertama adalah menentukan hipotesisnya. Karena dalam kasus
ini ingin melihat apakah sama atau tidak nilai ujiannya maka hipotesis nya
adalah hipotesis dua arah yakni :

H0 : μA = μB ,rata-rata nilai ujian kelas A dan kelas B sama

H0 : μA ≠ μB , rata-rata nilai ujian kelas A dan kelas B berbeda

Langkah pertama adalah melakukan import data dari excel ke R. Lakukan

cara ini sesuai dengan panduan manajemen data

Setelah di klik “import” pada gambar di atas maka akan muncul tampilan
berikut
 Uji t
Kemudian pada tampilan R-console juga akan tampil bagian seperti
pada gambar di bawah ini.

Perhatikan lingkaran merah pada gambar di atas! Di gambar tersebut

menunjukkan bahwa nama data yang akan kita olah untuk uji t adalah
independent_sample_t_test. Jadi ketika pada sintaks uji t dibutuhkan
nama data yang akan kita olah maka nama tersebut yang kita masukkan
untuk analisisnya.
Langkah berikutnya yaiu menggunakan fungsi var.test() untuk kesamaan
ragamnya, t.test() uji t nya dan untuk t tabel menggunakan fungsi qt().
Sintaksnya adalah sebagai berikut:

a=independent_sample_t_test$A #data di kelompok A

b=independent_sample_t_test$B #data di kelompok B

Var.test(a,b) # uji kesamaan ragam

 Uji t
Output:

> var.test(a,b)

F test to compare two variances

data: a and b
F = 0.82426, num df = 14, denom df = 14, p-value = 0.7227
alternative hypothesis: true ratio of variances is not equal
to 1
95 percent confidence interval:
0.2767275 2.4551214
sample estimates:
ratio of variances
0.8242569

Hasil analisis:
Pada uji keragaman jika p-value lebih kecil dari alpha 0.05 maka
ragamnya berbeda tapi jika sebaliknya maka ragamya sama. Dari hasil
ouput menujukkan bahwa p-value = 0.7227 > alpha = 0.05 sehingga dapat
disimpulkan bahwa ragam antara kedua kelompok sama. Hasil ini akan
menentukan langkah berikutnya yaitu, sintaks uji t nya (var.equal) harus
sama dengan TRUE

t.test(a,b, var.equal=TRUE, paired=FALSE) # uji t

alpha=0.05
db=15+15-2
qt(c(alpha/2, 1-(alpha/2)), df=db) # t tabel

Output:
> t.test(a,b, var.equal=TRUE, paired=FALSE) # uji t

Two Sample t-test

data: a and b
t = 12.671, df = 28, p-value = 4.081e-13
alternative hypothesis: true difference in means is not equal
to 0
95 percent confidence interval:
25.59742 35.46925
sample estimates:
mean of x mean of y
84.73333 54.20000
 Uji t
Output t tabel:

> alpha=0.05
> n=15+15-2
> qt(c(alpha/2, 1-(alpha/2)), df=n) # t tabel
[1] -2.048407 2.048407

Hasil analisis:
Dari hasil output diperoleh t hitung = 12.671 tidak berada pada selang
-2.048407 < t < 2.048407 dan p-value = 0.0329 < alpha = 0.05. Uji
hipotesis yang digunakan pada kasus ini adalah uji dua sisi. Pada uji dua
sisi H0 ditolak jika t hitung tidak berada pada selang (–t tabel < t < t tabel)
dan p-value<alpha Sedangkan pada output, t hitung tidak berada pada
selang (–t tabel < t < t tabel) dan p-value < alpha sehingga tolak H0.
Dengan demikian, dapat disimpulkan bahwa rata-rata ujian kelas A dan
kelas B berbeda dengan tingkat percayaan 95 %.
 Uji t
Paired sample t test
Paired sample t test atau uji t berpasangan merupakan membandingkan
rata-rata dua grup yang saling berpasangan, yaitu sampel dengan subjek
yang sama namun terdapat dua perlakuan/kejadian berbeda, misalnya
pengukuran sampel terhadap treatment tertentu sebelum dan
sesudahnya.
Hipotesis pada uji t satu sampel

1) Uji Sisi Kiri

H0 : μa ≥ μb nilai tengah populasi sesudah diberi perlakuan tidak
lebih kecil dari nilai tengah populasi sebelum diberi
perlakuan
H1 : μb < μb nilai tengah populasi sesudah diberi perlakuan lebih
kecil dari nilai tengah populasi sebelum diberi
perlakuan
2) Uji Sisi Kanan
H0 : μa ≤ μb nilai tengah populasi sesudah diberi perlakuan tidak
lebih besar dari nilai tengah populasi sebelum diberi
perlakuan
H0 : μa > μb nilai tengah populasi sesudah diberi perlakuan tidak
lebih besar dari nilai tengah populasi sebelum diberi
perlakuan
3) Uji Dua Sisi
H0 : μa = μb nilai tengah populasi sesudah diberi perlakuan sama
dengan nilai tengah populasi sebelum diberi
perlakuan
H0 : μa ≠ μb nilai tengah populasi sesudah diberi berbeda dengan
nilai tengah populasi sebelum diberi perlakuan
 Uji t
Sintaks uji t berpasangan di R adalah sebagai berikut:

t.test(a,b alternative="...........", paired=TRUE, conf.level=....)

a = data sesudah less = uji sisi kiri Sintaks TRUE untuk

uji berpasangan
b= data sebelum greater = uji sisi kanan
two.sided = uji dua sisi

Nilai tingkat kepercayaan misalnya 95 % maka diisi dengan angka 0.95

Contoh 5
Akan diteliti mengenai perbedaan penjualan sepeda motor merk A
disebuah Kabupaten sebelum dan sesudah adanya ketetapan kenaikan
pajak kendaraan. Data diambil dari 15 dealer

Hipotesis

H0 : μa = μb penjualan sepeda motor merk A sebelum da sesudah

adanya ketetapan kenaikan pajak kendaraan sama
saja
H0 : μa ≠ μb penjualan sepeda motor merk A sebelum da sesudah
adanya ketetapan kenaikan pajak kendaraan
berbeda
 Uji t
Langkah pertama adalah melakukan import data dari excel ke R. Lakukan
cara ini sesuai dengan panduan manajemen data

Setelah di klik “import” pada gambar di atas maka akan muncul tampilan
berikut
 Uji t
Kemudian pada tampilan R-console juga akan tampil bagian seperti
pada gambar di bawah ini.

Perhatikan lingkaran merah pada gambar di atas! Di gambar tersebut

menunjukkan bahwa nama data yang akan kita olah untuk uji t adalah
paired_t_test. Jadi ketika pada sintaks uji t dibutuhkan nama data yang
akan kita olah maka nama tersebut yang kita masukkan untuk analisisnya.
Langkah berikutnya yaiu menggunakan fungsi t.test() uji t nya dan untuk
t tabel menggunakan fungsi qt(). Sintaksnya adalah sebagai berikut:
....
a=paired_t_test$sesudah # data sesudah
b=paired_t_test$sebelum # data sebelum

t.test(a,b,alternative="two.sided",paired=TRUE,
conf.level=0.95) # uji t

alpha=0.05
db=15-1
qt(c(alpha/2, 1-(alpha/2)), df=db) # t tabel
 Uji t
Output:

> t.test(a,b,alternative="two.sided",paired=TRUE,conf.level=0.95)

Paired t-test

data: a and b
t = 1.0312, df = 14, p-value = 0.32
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.295969 3.695969
sample estimates:
mean of the differences
1.2

> alpha=0.05
> db=15-1
> qt(c(alpha/2, 1-(alpha/2)), df=db)

[1] -2.144787 2.14478

Hasil analisis:
Dari hasil output diperoleh t hitung = 1.0312 t berada pada selang
-2.144787 < t < 2.14478 dan p-value = 0.32 > alpha = 0.05. Uji hipotesis
yang digunakan pada kasus ini adalah uji dua sisi. Pada uji dua sisi H0
ditolak jika t hitung tidak berada pada selang (–t tabel < t < t tabel) dan p-
value<alpha Sedangkan pada output, t hitung berada pada selang
(–t tabel < t < t tabel) dan p-value > alpha sehingga terima H0. Dengan
demikian, dapat disimpulkan bahwa penjualan sepeda motor merk A
sebelum da sesudah adanya ketetapan kenaikan pajak kendaraan
berbeda dengan tingkat percayaan 95 %.