MAKALAH

ANALISI BEDA 2 MEAN DEPENDEN

DAN
ANALISIS BEDA 2 MEAN INDEPENDEN

Makalah Ini Disusun Untuk Memenuhi Tugas

Mata Kuliah Manajemen Data

Disusun Oleh:
Kelompok 2
1. Marlita NIM 2017.D.01.014
2. Meko Indri Yusua NIM 2017.D.01.015
3. M. Rizal Mantovani NIM 2017.D.01.016
4. Nickytha Peygirayania Putri NIM 2017.D.01.018
5. Novita Kartika Putri NIM 2017.D.01.019
6. Peka Yani Lestari NIM 2017.D.01.020

YAYASAN EKA HARAP PALANGKA RAYA

SEKOLAH TINGGI ILMU KESEHATAN
PROGRAM STUDI S1 KESEHATAN MASYARAKAT
TAHUN 2019
 KATA PENGANTAR

Puji dan syukur ke hadirat Tuhan Yang Maha Esa yang telah memberikan
kami kemudahan sehingga dapat menyelesaikan makalah ini. Tanpa pertolongan dan
penyertaan-Nya penyusun tidak akan mungkin menyelesaikannya dengan baik dan
tepat waktu.
Makalah ini disusun agar pembaca dapat memperluas ilmu tentang “Analisis
Beda 2 Mean Dependen dan Analisis Beda 2 Mean Independen” ini yang kami
sajikan berdasarkan pengamatan dari berbagai sumber.
Makalah ini disusun oleh penyusun dengan berbagai rintangan, baik itu dari
penyusun maupun dari luar. Namun dengan penuh kesabaran terutama pertolongan
dari Tuhan akhirnya makalah ini dapat terselesaikan.
Semoga makalah ini dapat memberikan pengetahuan yang lebih luas kepada
pembaca. Walaupun makalah ini memiliki banyak kekurangan maka dari itu kritik
dan saran dari pembaca akan sangat membantu bagi perbaikan makalah ini
kedepannya. Sekian dan terimakasih.

Palangka Raya, Mei 2019

Tim Penyusun

ii
 DAFTAR ISI

KATA PENGANTAR ...................................................................................ii

DAFTAR ISI ..................................................................................................iii
BAB I PENDAHULUAN
1.1 Latar Belakang ...........................................................................................1
1.2 Tujuan Penulisan .......................................................................................1
1.2.1 Tujuan Umum ...................................................................................1
1.2.2 Tujuan Khusus ..................................................................................1
1.3 Manfaat Penulisan .....................................................................................1
BAB II TINJAUAN PUSTAKA
2.1 Analisis Beda 2 Mean Dependen................................................................2
2.1.1. Pengertian t-Test Dependen ............................................................2
2.1.2. Fungsi t-Test dependen ...................................................................2
2.1.3. Syarat Uji t-Test dependen ..............................................................3
2.1.4. Rumus .............................................................................................3
2.1.5. Analisis Bivariat ..............................................................................4
2.1.5.1 Pengertian Teknik Analisis Korelasional ............................4
2.1.5.2 Analisis Statistik Bivariat ....................................................5
2.1.5.3 Contoh Penggunaan Analisis Bivariat .................................5
2.2 Anaisis Beda 2 Mean Independen .............................................................9
2.2.1 Definisi Analisis Beda 2 Mean Independen ....................................9
2.2.2 Contoh Analisis Beda 2 Mean Independen .....................................10
BAB III PENUTUP
3.1 Simpulan ....................................................................................................14
DAFTAR PUSTAKA

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Uji beda dua mean merupakan analisis bivariat hubungan dua variabel.
Variabel yang dianalisis dapat berupa kategori dengan numerik atau kategori
dengan kategori. Uji beda dua mean yang menganalisis dua data menggunakan
uji-t, sedangkan uji Anova digunakan untuk menganalisis beda dari dua mean.
Uji-t dibagi menjadi dua jenis, yaitu uji-t independen dan uji-t dependen. Uji-t
dependen digunakan pada data yang berasal dua kelompok dependen/pasangan.
Suatu kelompok dikatakan dependen apabila dua kelompok data yang akan
dianalisis memiliki ketergantungan.

1.2 Tujuan Penulisan

1.2.1 Tujuan Umum
Tujuan dari makalah ini secara umum adalah untuk mengetahui
tentang analisis beda 2 mean dependen dalam manajemen data.
1.2.2 Tujuan Khusus
Tujuan dari makalah ini secara khusus dapat diuraikan adalah sebagai
berikut:
1) Mengetahui tentang Analisis Beda 2 Mean Dependen
2) Mengetahui tentang Analisis Beda 2 Mean Independen

1.3 Manfaat Penulisan

Penulisan makalah ini diharapkan dapat menjadi sumber informasi tambahan
bagi yang membutuhkan dan bagi mahasiswa Kesehatan Masyarakat khususnya.
Penulis mengaharapkan tulisan ini bisa menjadi suatu pemaparan yang dapat
menjelaskan tentang analisis beda 2 mean dependen.

1
 BAB II
TINJAUAN PUSTAKA

2.1. Analisis Beda 2 Mean Dependen

2.1.6 Pengertian t-Test Dependen
T-test dependen atau sering diistilakan dengan Paired Sampel t-Test,
adalah jenis uji statistika yang bertujuan untuk membandingkan rata-rata
dua grup yang saling berpasangan. Sampel berpasangan dapat diartikan
sebagai sebuah sampel dengan subjek yang sama namun mengalami 2
perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan
sesudah dilakukan sebuah treatment (Sugiyono, 2010)
Menurut Prof. Dr. Sugiyono (2009), definisi dari t test dependent
adalah pengujian yang mana tidak adanya perbedaan yang signifikan antara
nilai variabel dari dua sampel yang berpasangan atau berkolerasi. Sampel
berpasangan dapat berupa:
1) Satu sampel yang diukur dua kali misalnya sebelum sampel diberi
iklan dan sesudah diberi iklan. Yang diukur selanjutnya adalah apakah
setelah diberi iklan anggota sampel yang membeli barang lebih banyak
daripada anggota sampel sebelum diberi iklan atau tidak.
2) Dua sampel berpasangan diukur bersama, misalnya sampel yang
satu diberi iklan, sampel yang lain tidak. Yang diukur selanjutnya adalah
apakah anggota sampel yang diberi iklan memberi barang lebih banyak
atau tidak dari pada yang tidak diberi iklan.

2.1.7 Fungsi t-Test dependen

Fungsi dari t-test dependen adalah untuk membandingkan rata-rata
dua grup yang saling berpasangan. Sampel berpasangan dapat diartikan
sebagai sebuah sampel dengan subjek yang sama namun mengalami 2
perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan

2
sesudah dilakukan sebuah perlakuan. Selain itu untuk menguji efektifitas
suatu perlakuan

3
 4

terhadap suatu besaran variabel yang ingin ditentukan, misalnya untuk

mengetahui efektifitas metode penyuluhan terhadap peningkatan
pengetahuan dari responden (Ridwan, 2009).

2.1.8 Syarat Uji t-Test dependen

Syarat – syarat penggunaan uji t – test dependen, terdiri dari:
1) Uji komparasi antar dua nilai pengamatan berpasangan, misalnya:
sebelum dan sesudah
2) Digunakan pada uji parametrik dimana syaratnya sebagai berikut:
(1) satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
(2) merupakan data kuantitatif (rasio-interval)
(3) Data berdistribusi normal (di populasi terdapat distribusi
difference = d yang berdistribusi normal dengan mean μd=0
dan variance =1) (Sugiyono, 2010)
2.1.9 Rumus
Menurut Sugiyono (2010), rumus uji t-test dependent, yaitu:
Statistik hitung (t hitung):

Dimana:
 5

Keterangan
D = Selisih x1 dan x2 (x1-x2)
n = Jumlah Sampel
X = Rata-rata
S d = Standar Deviasi dari d.
2.1.10 Analisis Bivariat
2.1.5.1 Pengertian Teknik Analisis Korelasional
Teknik analisis korelasional adalah tekhnik analisis
statistik mengenai hubungan antar dua variabel atau lebih. Teknik
analisis korelasional dapat dibedakan menjadi dua golongan, yaitu
Tekhnik Analisis Korelasional Bivarat dan Teknik Analisis
Korelasional Multivariat.
Teknik Analisa Korelasional Bivariat ialah teknik analisa
korelasi yang mendasarkan diri pada Dua variabel yang bertipe
ordinal dan skala.  Dimana jika nilai suatu variabel naik,
sedangkan nilai variabel yang lain turun, maka dikatakan terdapat
hubungan negatif serta sebaliknya. Dalam SPSS ada tiga metode
korelasi sederhana (bivariate correlation) diantaranya Pearson
Correlation, Kendall’s tau-b, dan Spearman Correlation. Pearson
Correlation digunakan untuk data berskala interval atau rasio
dengan data berdistribusi normal (parametrik),
sedangkan Kendall, dan Spearman Correlation lebih cocok untuk
data berskala ordinal dan tidak memandang distribusi variabel
(nonparametrik), contoh pengamatan terhadap hubungan kinerja
dengan kepribadian karyawan suatu perusahaan. Nilai variabel
kinerja dan kepribadian berdasarkan rating ordinal 1 sampai 5
(baik sekali =1, baik=2, biasa=3, buruk=4, buruk sekali=).
 6

2.1.5.2 Analisis Statistik Bivariat

Metode Pearson atau sering disebut Product Moment
Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai
semakin mendekati 1 atau -1 berarti hubungan antara dua variabel
semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan
antara dua variabel semakin lemah. Nilai positif menunjukkan
hubungan searah (X naik maka Y naik) dan nilai negatif
menunjukkan hubungan terbalik (X naik maka Y turun).

2.1.5.3 Contoh Penggunaan Analisis Bivariat

Judul: Hubungan antara intensitas belajar dengan prestasi
mata kuliah statistik
Variabel X: Intensitas belajar (diukur dari lamanya belajar dalam
satu minggu)
Variabel Y: Prestasi matakuliah statistik (diukur dari nilai ujian
akhir semester)
Hipotesa:
H0: Tidak ada hubungan antara Intenitas belajar dengan prestasi
mata kuliah statistik
Ha: Ada hubungan antara Intenitas belajar dengan prestasi mata
kuliah statistik
INPUT DATA KE SPSS
 7

Ada dua view dalam SPSS

1) Data View: digunakan untuk memasukkan data yang akan
dianalisis
2) Variabel View: digunakan untuk memberi nama variabel dan
pemberian koding.

UJI NORMALITAS

Uji Normalitas SPSS

Normalitas Plot SPSS

 8

INTERPRESTASI NORMALITAS

TAHAP ANALISIS
 9

INTERPRESTASI
Keterangan: pada tabel metrik Correlations, nilai koefisien antar
intensitas belajar dan prestasi tinggi (0,815).
r √n−2
thit =
√ 1−r 2
0,815 √32−2
thit = =13,3
√ 1−0,8152
Untuk pengambilan keputusan statistik, dapat digunakan 2cara:
1) Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi
tabel)
(1) Apabila Koefisien Korelasi > r tabel, Maka ada korelasi yang
signifikan (Ha Diterima)
(2) Apabila Koefisien Korelasi < r tabel, Maka tidak ada korelasi
yang signifikan (H0 Diterima)
2) Melihat Sig
(1) Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan
(Ha Diterima)
(2) Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang
signifikan (H0 Diterima)
 10

Arah hubungan:
Dilihat dari tanda koefisien korelasi
Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah.
Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga
tinggi.
ttabel = 1,70
thit = 13,3 ¿ ttabel = 1,70 sehingga Ho ditolak, jadi ada hubungan antara
kedua variabel
Sig. 2 tailed (0,000) < α (0,01) sehingga Ho ditolak, jadi ada
hubungan antara kedua variabel.

2.2 Analisis Beda 2 Mean Independen

2.2.3 Definisi Analisis Beda 2 Mean Independen
1) Tujuan : untuk mengetahui perbedaan mean dua kelompok data
independen
2) Syarat / asumsi yang harus dipenuhi:
(1) Data berdistribusi normal / simetris
(2) Kedua kelompok data independen
(3) Variabel yang dihubungkan berbentuk numerik dan katagori
( dengan hanya dua kelompok)
Prinsip pengujian dua mean adalah melihat perbedaan variasi
kedua kelompok data. Oleh karena itu dalam pengujian ini diperlukan
informasi apakah varian kedua kelompok yang diuji sama atau tidak.
Bentuk variab kedua kelompok data akan berpengaruh pada nilai standar
eror yang akhirnya akan membedakan rumus pengujiannya.
1) UJi untuk varian sama
Uji beda dua mean dapat dilakukan dengan menggunakanuji
Z atau uji T. Uji Z dapat digunakan bila standar deviasi populasi
(o) diketahui dan jumlah sampel besar (lebih dari 30). Apabila
 11

kedua syarat tersebut tidak terpenuhi maka dilakukan uji T. Pada

umumnya nilai o sulit diketahui, sehingga uji beda dua mean
biasanya menggunakan uji T (T-Test). Untuk varian yang sama

maka bentuk ujinya:

df = n1+n2-2

Keterangan:
n1 atau n2 = jumlah sampel kelompok 1 atau 2
S1 atau S2 = standar deviasi sample kelompok 1 dan 2

2.2.4 Contoh Analisis Beda 2 Mean Independen

Contoh kasus:
Seorang pejabat Depkes berpendapat bahwa nikotin yang dikandung rokok
jarum lebih tinggi dibandingkan rokok wismilak. Untuk membuktikan
pendapatnya kemudian diteliti dengan mengambil sample secara random
10 batang rokok jarum dan 8 batang rokok wismilak. Hasil pengolahan data
melaporkan bahwa rata-rata kadar nikotin rokok jarum adalah 23,1 mg
dengan standar deviasi 1,5 mg. Sedangkan pada rokok wismilak rata-rata
kadar nkotinnya 20,0 mg dengan standar deviasi 1,7 mg. Berdasarkan data
tersebut ujilah pendapat pejebat depkes tersebut dengan alpha 5%.
Penyelesaian:

1) Langkah 1 adalah melakukan pemeriksaan homogenitas kedua data

dengan menggunakan uji F.

 12

2) Hipotesis:
Ho: 12 = 22 (Varian kadar nikotin jarum sama dengan varian kadar

nikotin wismilak)

Ha: 12 = 22 (Varian kadar nikotin jarum tdk sama dengan varian kadar

nikotin wismilak)

3) Perhitungan dengan UJI F

F = (1,7)2 / (1,5)2 = 1,28

Df1 = 8 – 1 =7 dan df 2 = 10 – 1 =9

Dari nilai F dan kedua df tersebut kemudian dilihat pada tabel F

Df 1 = 7 sebagai numenator dan df 2 = 9 sebagai denominator.

Pada tabel Distribusi F terdiri dari tiga bagian

Yaitu DF numenator, DF denominator dan Area.

Maka pada soal diatas diperoleh nilai F = 1,28 dan nilai tabel untuk

numenator =7 dan denumenator = 9 maka didapatkan nilai 3,29 yang

berati Fhitung < Ftabel sehingga Ho gagal ditolak (Ho diterima)

Sehingga dapat disimpulkan bahwa Varian kadar nikotin rokok jarum

sama dengan kadar nikotin rokok wismilak

4) Langkah selanjutnya menguji perbedaan mean kedua kelompok

tersebut. Dengan menggunakan uji t untuk varian yang sama.

5) Hipotesis:

Ho: μ1 = μ2

Ha: μ1 > μ2
 13

Dengan Ha diatas menunjukkan one tail

6) Perhitungan Uji t
2 2
(10 – 1)1,5 +(8−1) 1,7
Sp =
2
10+8 – 2

= 2,53

Sp = 1,59

23,1−20
T= 1 1 = 4,1
1, 59( + )
10 8

Df = 10+8-2 = 16

Dari hasil perhitungan menunjukkan dengan t =4,1 dan df = 16 maka P

< 0,0005. Ho ditolak.

Sehingga dapat disimpulkan bahwa secara statistik menunjukkan

bahwa kadar nikotin jarum memang lebih tinggi dibandingkan dengan

kadar nikotin rokok wismilak (P<0,0005)

Jika data yang diperoleh tidak menjelaskan tentang nilai rata-rata, Sd,

maka perlu dilakukan proses perhitungan terlebih dahulu sebelum

perhitungan dengn uji T

Rata-rata (X) = Jumlah total nilai / banyaknya nilai

Standar Deviasi

Untuk data kecil < 30 = Sd =

√∑ ( X− X̄ )2
n−1

Untuk data besar > 30= Sd =

√ ∑ ( X− X̄ )2
n
 14

Contoh:

Sebuah data diperoleh sebagai berikut:

20 40 70 80 30 60 50

Tentukan nilai standar deviasinya:

Perhitungan: X = 50

X (X – X) (X – X )2

20 -30 900

40 10 100

70 20 400

80 30 900

30 -20 400

60 10 100

50 0 0

2800

Dari tabel diatas maka nilai digunakan kedalam rumus:

Sd =
√ ∑ ( X− X̄ )2
n−1

Sd =
√ 2800
7−1
=21 , 6

Standar deviasi = 21,6

 BAB III
PENUTUP

3.1 Simpulan
Uji T atau T test adalah salah satu tes statistic yang dipergunakan untuk
menguji kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa
diantara dua buah mean sampel yang diambil secara random dari populasi yang
sama, tidak terdapat perbedaan signifikan (dalam Sudijono, 2009: 278).
Dengan uji T ini, kita dapat menguji rerata dua sampel bebas dan variasi
populasinya kedua-duanya diketahui, pengujian rerata dua sampel bebas dan
kedua variasi populasinya tidak diketahui, tetapi diasumsikan sama, dan
pengujian dua sampel bebas dan kedua variasi populasinya tidak diketahui.

15
 DAFTAR PUSTAKA

1. Nasrul, Setiawan.2013. “Uji t Perbedaan Rata‐rata Dua kelompok berpasangan

(dependent) parametrik” (online),
(http://statistikceria.blogspot.com/2013/12/Pengujian-Perbedaan-Rata-rata-Dua-
kelompok-berpasangan-dependent-parametrik.html, diakses tanggal 01Mei 2019)
2. Ridwan. 2006. Dasar – Dasar Statistika. Bandung : Alfabeta
3. Ridwan. 2006. Statistika untuk Penelitian. Bandung : Alfabeta
4. Ridwan. 2009. Pengantar Statistika Sosial. Bandung : Alfabeta
5. Sugiyono. 2010. Statistika untuk Penelitian. Bandung : Alfabeta
6. Sugiyono. 2009. Statistika untuk Penelitian. Bandung : Alfabeta
7. https://www.academia.edu/31018231/BIVARIAT
8. https://docplayer.info/42093607-Uji-t-sampel-bebas-independent-sample-t-
test.html