UJI INDEPENDENT T TEST (UJI COBA)

MAKALAH KELOMPOK 11

MATA KULIAH STATISTIKA

DOSEN PENGAMPU

Dr. YANTORO, M.Pd

ROBIN PRATAMA, S.Pd, M.Pd

Disusun oleh

MINCE ANDRIYANI A1D518026

PUTERI APSA PRADIPTA A1D518002

PROGRAM STUDI ADMINISTRASI PENDIDIKAN

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS JAMBI

T.A 2019
 KATA PENGANTAR

Dengan menyebut nama Allah yang maha pengasih lagi maha penyayang. Puji syukur kami
panjatkan kehadirat Allah SWT karena atas rahmat dan nikmatNya lah sehingga kami dapat
menyelesaikan makalah ini dengan sebagaimana mestinya.

Tidak lupa kami sampaikan beribu terima kami ucapkan kepada Dosen Pengampu Mata Kuliah
Statistika Dalam Administrasi Pendididkan.Karena atas ridho dan barokah dari beliaulah sehingga
kami dapat belajar mengenai Uji independent T test (uji coba). Begitu pula dengan semua pihak yang
telah membantu kami dalam pembuatan makalah ini.

Selanjutnya, kami sangat menyadari secara penuh. Bahwasanya, masih terdapat

kekuranganbaik dari segi susunan kalimat maupun tata bahasanya yang kami gunakan dalam
menyusun makalah ini. Oleh karena itu, dengan hati yang sangat terbuka kami menerima segala saran
dan kritik agar dalam penyusunan makalah selanjutnya kami dapat memperbaiki dari kesalahan
tersebut.

Jambi, 26 September 2019

Penulis
 DAFTAR ISI

KATA PENGANTAR............................................................................................................................i
DAFTAR ISI.........................................................................................................................................ii
BAB I PENDAHULUAN......................................................................................................................1
1.1 Latar Belakang..........................................................................................................................1
1.2RumusanMasalah.......................................................................................................................1
BAB II..................................................................................................................................................2
PEMBAHASAN...................................................................................................................................2
2.1 pengertian uji independent T test.............................................................................................2
2.2 asumsi independent t test..........................................................................................................6
2.3 macam-macam uji independent t test.....................................................................................10
BAB III...............................................................................................................................................23
PENUTUP..........................................................................................................................................23
3.1 Kesimpulan....................................................................................................................................23
DAFTAR PUSTAKA........................................................................................................................24
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dalam uji statistik parametrik terdapat beberapa uji yang dapat digunakan untuk mengambil
kesimpulan tentang populasi dari sampel tersebut yang diambil. Seandainya sampel yang diambil
merupakan sampel yang saling berhubungan maka akan timbul suatu permasalahan bagaimana
cara menganalisannya dan uji statistik apa yang digunakan. Salah satu uji statistik parametrik
digunakan dengan uji T-test independent.
T-test atau uji t adalah uji statistik yang digunakan untuk menguji kebenaran atau kepalsuan
hipotesis nol. Uji pertama kali dikembangkan oleh William Seely Gossct pada tahun 2015. Uji t
dapat dibagi 2 yatu uji t yang digunakan untuk pengujian hipotesis 1 sampel dan uji t yang
digunakan untuk pengujian hipotesis 2 sampel.
Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan
mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data interval/rasio.

1.2 RumusanMasalah

1.2.1 Apa yang dimaksud dengan uji independent t test?

1.2.2 Apa saja asumsi independent t test?
1.2.3 Apa saja macam-macam uji indepedendent t?

1
 BAB II
PEMBAHASAN

2.1 PENGERTIAN UJI INDEPENDET T TEST

Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan
mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data interval/rasio. Dua
kelompok bebas yang dimaksud di sini adalah dua kelompok yang tidak berpasangan, artinya sumber
data berasal dari subjek yang berbeda. Misal Kelompok Kelas A dan Kelompok kelas B, di mana
responden dalam kelas A dan kelas B adalah 2 kelompok yang subjeknya berbeda. Bandingkan
dengan nilai pretest dan posttest pada kelas A, di mana nilai pretest dan posttest berasal dari subjek
yang sama atau disebut dengan data berpasangan. Apabila menemui kasus yang data berpasangan,
maka uji beda yang tepat adalah uji paired t test.

2.2 ASUMSI INDEPENDET T TEST

Asumsi yang harus dipenuhi pada independen t test antara lain:

1. Skala data interval/rasio.

2. Kelompok data saling bebas atau tidak berpasangan.
3. Data per kelompok berdistribusi normal.
4. Data per kelompok tidak terdapat outlier.
5. Varians antar kelompok sama atau homogen.
2.3MACAM-MACAM UJI INDEPENDET T TEST
Dalam melakukan uji t kita sering mengalami kebingungan uji mana yang akan kita
guanakan. Berikut akan dijelaskan mengenai Macam-Macam Uji t dan Perbedaannya. semoga
bermanfaat. Salah satu cabang ilmu statistik yang digunakan untuk membuat keputusan adalah uji
hipotesis. Hipotesis adalah suatu anggapan atau pernyataan yang mungkin benar dan mungkin juga
tidak benar tentang suatu populasi. Dengan menggunakan uji hipotesis, peneliti dapat menguji
berbagai teori yang berhubungan dengan masalah-masalah yang sedang diteliti.

Salah satu metode untuk menguji hipotesis adalah sample t-Test, dimana metode sample t-
Test dibagi menjadi tiga, yaitu one sample t-Test, paired sample t-Test dan independent sample t-
Test. Uji hipotesis t-Test adalah uji hipotesis yang digunakan untuk mengetahui apakah ada
perbedaan rata-rata dari sampel yang diambil.

Berikut adalah macam-macam Uji T, yaitu

1. One Sample t-Test

One sample t test merupakan teknik analisis untuk membandingkan satu variabel
bebas. Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda secara signifikan
atau tidak dengan rata-rata sebuah sampel. Pada uji hipotesis ini, diambil satu sampel yang
kemudian dianalisis apakah ada perbedaan rata-rata dari sampel tersebut. Prosedur yang
umum dan harus diikuti untuk melakukan uji hipotesis ini adalah sebagai berikut :
 1.      Mencari hipotesis nol dan hipotesis alternatifnya.

2.      Pilih tingkat kepercayaan tertentu dan tentukan besarnya sampel yang

diambil1 .   Pilih statistik uji yang sesuai sebagai dasar bagi prosedur pengujian.

3.      Tentukan daerah kritisnya.

4.      Kumpulkan data sampel dan hitung statistik sampelnya, kemudian ubah ke

dalam variable normal standar (Z) atau t (tergantung banyaknya sampel).

5. Nyatakan menolak atau menerima H0.

Uji T satu sampel digunakan untuk menguji nilai rata-rata dari suatu sampel tunggal
dengan suatu nilai acuan. Dalam uji T Satu Sampel terdapat asumsi yang harus dipenuhi
sebelum masuk keanalisis, yaitu data sampel berdistribusi normal.

ada dua macam hipotesis dalam uji-t, yaitu

1. Hipotesis Satu Arah (One-Tailed)

Hipotesis satu arah biasanya digunakan untuk melihat apakah nilai purata dari sampel lebih
dari (>), kurang dari (<) atau sama dengan (=) dari nilai acuan. Hipotesis satu arah terbagi
dalam dua bentuk, yaitu hipotesis arah kanan dan hipotesis arah kiri.

1. Hipotesis Arah kanan

          H0 : μ ≤ μ0    (Rata-rata sampel ≤ Nilai acuan)

          Ha : μ > μ0    (Rata-rata sampel >  Nilai acuan)

2. Hipotesis Arah Kiri

          H0 : μ ≥ μ0    (Rata-rata sampel ≥ Nilai acuan)

          Ha : μ < μ0    (Rata-rata sampel < Nilai acuan)

2. Hipotesis Dua Arah (Two-Tailed)

Hipotesis dua arah digunakan untuk melihat apakah nilai rata-rata sampel tunggal sama
dengan ( = ) nilai acuan atau tidak ( ≠ ).

H0 : μ = μ0    (Rata-rata sampel = nilai acuan)

Ha : μ ≠ μ0    (Rata-rata sampel ≠ nilai acuan)

ii
 Dalam pengujian hipotesis, criteria penolakan atau penerimaan H0 adalah berdasarkan nilai P-
Value atau nilai T-tabel, criteria-kriteria tersebut adalah sebagai berikut :

Jika nilai P-value (Sig.) <  ∝ (biasanya 5%), maka H0 ditolak,

Jika nilai P-value (Sig.) >  ∝ (biasanya 5%), maka H0 diterima.

Dan

Jika nilai t-hitung > t-tabel, maka H0 ditolak

Jika nilai t-hitung < t-tabel maka H0 diterima.

Uji t untuk satu sampel dalam istilah lain biasanya disebut dengan One Sample t-test
Method, merupakan prosedur uji t untuk sampel tunggal jika rata-rata suatu variabel
tunggal dibandingkan dengan suatu nilai konstanta tertentu. Uji t dipakai jika jumlah data
sampel di bawah 30.
Syarat uji t satu sampel :

 Data merupakan data kuantitatif

 Memenuhi asumsi berdistribusi normal
Hipotesis

Statistik Uji

Contoh:

1. Contoh Manual

iii
Studi Kasus universitas X mengadakan penelitian mengenai ratarata IQ mahasiswanya.
Menurut isu yang berkembang, IQ para mahasiswa yang menuntut ilmu di Universitas
tersebut kurang dari 140. Untuk membuktikan kebenaran isu tersebut, tim riset ingin
mengambil sampel secara acak sebanyak 50 orang mahasiswa, kemudian melakukan test
IQ kepada mereka. Data hasil tes IQ mahasiswa tersebut diperoleh data sebagai berikut:
No. Nilai Ujian

1 154

2 140

3 138

4 134

5 141

6 140

7 144

8 139

9 149

10 141

11 141

12 143

13 140

14 138

15 137

16 145

17 132

No. Nilai Ujian

18 143

iv
19 141

20 141

21 135

22 145

23 138

24 144

25 143

26 147

27 146

28 144

29 143

30 138

31 135

32 139

33 140

34 145

No. Nilai Ujian

35 134

36 136

37 142

38 138

39 148

40 142

v
 41 136

42 148

43 141

44 139

45 141

46 135

47 135

48 149

49 143

50 140

Analisis Kasus

Penelitian ini bertujuan untuk menguji hipotesis ratarata IQ para mahasiswa Universitas
X. Dalam kasus ini, tidak ada informasi apapun mengenai nilai ragam populasi dari IQ
mahasiswa di Universitas X. Oleh karena itu, statistik uji yang paling tepat adalah uji t
satu sampel. Perlu diketahui bahwa uji t mengasumsikan bahwa sampel yang diambil
berasal dari populasi yang terdistribusi atau menyebar normal (memiliki sebaran normal).
Maka, harus dilakukan pengujian mengenai asumsi kenormalan. Statistik uji untuk
kenormalan data yang paling sering digunakan untuk kasus ini adalah menggunakan
uji Kolmogorov-Smirnov atau juga disebut Lilliefors Test.

Uji Kenormalan Data

H0: Data menyebar normal v.s.

H1: Data tidak menyebar normal.
α = 0.05

vi
Hasil analisis:
Lilliefors ( Kolmogorov-Smirnov) normality test
data: IQ
D = 0.1, p-value = 0.2416

Kesimpulan:
TERIMA H0, karena pvalue > 0.05. Hal ini menunjukkan bahwa data menyebar normal.
Dengan demikian, ujit dapat dilakukan untuk melakukan pengujian hipotesis bagi data IQ
mahasiswa Universitas X.

Pengujian hipotesis dengan 1-sampel t-test.

H0: ≥ 135 v.s.

H1: < 135 (Uji 1 arah)
α = 0.05
Hasil analisis:
One Sample t-test data: IQ
t = 1.5621, df = 49, p-value = 0.9377
alternative hypothesis: true mean is less than 140
95 percent confidence interval: -Inf 142.0732
sample estimates: mean of x 141

Kesimpulan:
TERIMA H0, karena pvalue > 0.05. Dengan demikian, dapat dikatakan bahwa
isu yang berkembang selama ini yang menyatakan bahwa ratarata IQ
mahasiswa Universitas X kurang dari 140 adalah tidak benar. Justru, ratarata
IQ mahasiswa Universitas X lebih besar atau setidaktidaknya sama dengan
140.

2.Contoh SPSS

Contoh Rumusan Masalah : Bagaimana tingkat keberhasilan belajar siswa

Hipotesis kalimat :

1. Tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan (uji pihak
kiri / 1-tailed)

vii
2. Tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan (uji pihak
kanan / 1-tailed)
3. Tingkat keberhasilan belajar siswa tidak sama dengan 70% dari yang diharapkan (uji 2
pihak / 2-tailed)

————————————————————————————————-

Pengujian Hipotesis : Rumusan masalah Satu

Hipotesis kalimat

Ha : tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan

Ho : tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan

Hipotesis statistik

Ha : µ 0 < 70%
Ho : µ 0 ≥ 70%

Parameter uji : –

Jika – t tabel ≤ t hitung maka Ho diterima, dan Ha di tolak

Jika – t tabel > t hitung maka Ho ditolak, dan Ha diterima

Penyelesaian Kasus 1 (uji t pihak kiri)

Klik Analyze – Pilih Compare Means, lalu pilih One Sample T Test

Masukkan variabel nilai ke dalam Test Variable Box, abaikan yang lain kemudian klik
OK

Selanjutnya

Uji Normalitas data : Klik Analyze, Pilih Non Parametrics Test – pilih 1 Sampel K-S,

masukkan variabel nilai ke dalam Test Variable List, kemudian Klik OK

Hasil

viii
Hasil uji di atas menunjukkan bahwa t hitung = 61.488. T tabel diperoleh dengan df =
36, sig 5% (1 tailed) = 1.684. Karena – t tabel < dari t hitung (-1.684 < 61.488), maka
Ho diterima, artinya tingkat keberhasilan belajar siswa paling tinggi 70% tidak
terbukti, bahkan lebih dari yang diduga yaitu sebesar 74.3489

Hasil uji normalitas data menunjukkan nilai Kol-Smirnov sebesar 0.600 dan Asymp.
Sig tidak signifikan yaitu sebesar 0.864 (> 0.05), sehingga dapat disimpulkan data
berdistribusi normal

————————————————————————————————-

Pengujian Hipotesis : Rumusan masalah Dua

Hipotesis kalimat

Ha : tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan

Ho : tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan

Hipotesis statistik

ix
 Ha : µ 0 > 70%
Ho : µ 0 < 70%

Parameter uji :

Jika + t tabel > t hitung maka Ho diterima, dan Ha di tolak

Jika + t tabel < t hitung maka Ho ditolak, dan Ha diterima

Penyelesaian Kasus 2 (uji t pihak kanan)

Data yang hasil ulangan matematika siswa sebanyak 37 siswa sama seperti data di atas

Klik Analyze – Pilih Compare Means, lalu pilih One Sample T Test

Masukkan variabel nilai ke dalam Test Variable Box, abaikan yang lain kemudian klik
OK

Selanjutnya

Uji Normalitas data : Klik Analyze, Pilih Non Parametrics Test – pilih 1 Sampel K-S,

masukkan variabel nilai ke dalam Test Variable List, kemudian Klik OK

Masih menggunakan hasil analisis di atas, maka diperoleh t hitung sebesar 61.488, dan
t tabel = 1.684. Karena + t tabel < dari t hitung (1.684 < 61.488), maka Ho ditolak,
dan Ha diterima. Artinya Ha yaitu tingkat keberhasilan siswa paling rendah 70% dari
yang diharapkan diterima. Sedangkan Ho yang menyatakan bahwa keberhasilan
belajar paling tinggi 70% ditolak.

————————————————————————————————-

6. Paired-sample t-Test

Analisis Paired-sample t-Test merupakan prosedur yang digunakan untuk

membandingkan rata-rata dua variabel dalam satu group. Artinya analisis ini berguna untuk
melakukan pengujian terhadap satu sampel yang mendapatkan sutau treatment yang
kemudian akan dibandingkan rata-rata dari  sampel tersebut antara sebelum dan sesudah
treatment. 

x
 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 programdiet.
Sama seperti uji T independen, uji T dependen memiliki asumsi yang harus dipenuhi, yaitu
:

1. Datanya berdistribusi normal.

2. Kedua kelompok data dependen (berpasangan)
3. variabel yang dihubungkan berbentuk numerik dan kategorik (dengan
hanya 2 kelompok).
Rumus yang digunakan, sebagai berikut :

KETERANGAN :

δ = rata-rata deviasi (selisih sampel sebelum dan sampel sesudah)

SDδ = Standar deviasi dari δ (selisih sampel sebelum dan sampel sesudah)

n = banyaknya sampel

DF = n-1

Contoh Manual:

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%. Adapun data
hasil pengukuran adalah sebagai berikut.

Sebelum : 175 179 165 170 162 180 177 178 140 176
Sesudah : 140 143 135 133 162 150 182 150 175 

1. HIPOTESIS :

Ho : δ = 0 (Tidak ada perbedaan tekanan darah sistolik pria antara sebelum

dibandingkan sesudah dengan pemberian Catopril)

xi
 Ha : δ ≠ 0 (Ada perbedaan tekanan darah sistolik setelah diberikan Catopril
dibanding sebelum diberikan obat)

2. STATISTIK UJI

Uji T dua sampel berpasangan (Uji T Dependen)

Perhitungan :
Diperoleh :

δ : -35 -36 -30 - 37 0 -30 5 - 28 35 -16

δrata-rata = -17,2
S = 23,62

n = 10

t =    δ    =       - 17,2         =       - 17,2          =       -17,2     

     S/√n         23,62/√10          23,62/3,162               7,469
           
              =    -2,302

Df = n - 1 = 10-1 = 9
Dilihat pada tabel t pada df = 19, t = 2,302 diperoleh Pvalue < 0,0253.
3. KEPUTUSAN
 
Dengan α = 0,05, maka Pvalue < α, sehingga Ho ditolak

4. KESIMPULAN
Tekanan Darah sistolik setelah pemberian Catopril terbukti bermakna atau
signifikan berbeda dibandingkan sebelum pemberian catropil.

Contoh SPSS:

Akan diteliti mengenai perbedaan penjualan sepeda motor merk A disebuah Kabupaten
sebelum dan sesudah kenaikan harga BBM. Data diambil dari 15 dealer.

Data yang diperoleh adalah sebagai berikut :

N Sebelu Sesuda
o m h

1 67 68

2 75 76

3 81 80

xii
 4 60 63

5 80 82

6 75 74

7 71 70

8 68 71

9 80 82

10 78 79

11 71 78

12 80 77

13 65 69

14 57 67

15 78 68

PENYELESAIAN

Klik ANALYZE > COMPARE MEANS > PAIRED SAMPLES t Test

Masukkan jual_1 dan Jual_2 pada kolom “Paired variables” seperti gambar di bawah ini

Abaikan yang lain, klik OK

HASIL

xiii
Bagian pertama. Paired Samples Statistic

Menunjukkan bahwa rata-rata penjualan pada sebelum dan sesudah kenaikan BBM.
Sebelum kenaikan BBM rata-rata penjualan dari 15 dealer adalah sebanyak 72.4,
sementara setelah kenaikan BBM jumlah penjualan rata-rata adalah sebesar 73.6 unit

Bagian Dua. Paired samples Correlatian

Hasil uji menunjukkan bahwa korelasi antara dua variabel adalah sebesar 0.809 dengan sig
sebesar 0.000. Hal ini menunjukkan bahwa korelasi antara dua rata-rata penjualan sebelum
dan sesudah kenaikan adalah kuat dan signifikan. 

Hipotesis

Hipotesis yang diajukan adalah :

Ho  : rata-rata penjualan adalah sama

H1  : rata-rata penjualan adalah berbeda

Hasil uji Hipotesis

Nilai t hitung adalah sebesar -1.031 degan sig 0.320. Karena sig > 0.05 maka dapat
disimpulkan bahwa Ho diterima, artinya rata-rata penjualan sebelum dan sesudah kenaikan
BBM adalah sama (tidak berbeda). dengan demikian dapat dinyatakan bahwa kenaikan
harga BBM tidak mempengaruhi jumlah penjualan sepeda motor di kabupaten A

xiv
7. Independent sample t-Test

Independent sample t-Test adalah uji yang digunakan untuk menentukan apakah dua
sampel yang tidak berhubungan memiliki rata-rata yang berbeda. Jadi tujuan metode statistik
ini adalah membandingkan rata-rata dua grup yang tidak berhubungan satu sama lain.
Pertanyaan yang coba dijawab adalah apakah kedua grup tersebut  mempunyai nilai rata-rata
yang sama ataukah tidak sama secara signifikan.

Contoh:

Cara mencari nilai uji-t dengan langkah-langkah secara manual. berikut rumus
uji independent sample t-test ( Uji-t) :

Berdasarkan rumus tersebut dapat diketahui, ada 3 jenis nilai yang harus terlebih dahulu kita
persiapkan, yaitu :

 Xi : adalah rata-rata skor / nilai kelompok i.

 ni : adalah jumlah responden kelompok i

xv
 si2 : adalah variance skor kelompok i.
Sebagai contoh, kita asumsikan peneliti mempunyai 2 (dua) kelompok sampel yang masing-
masing terdiri dari 10 responden sebagai berikut :

langkah pertama cari nilai rata-rata dari setiap kelompok sampel, jika dengan cara manual
bisa dengan menggunakan cara jumlah skor kelompok i / jumlah responden, dan jika
berbantuan software micorsoft excel  bisa menggunakan rumus average.  berdasarkan
langkah tersebut diperoleh :

 skor rata-rata kelompok eksperimen = 69,2000

 skor rata-rata kelompok kontrol = 69,6000
selanjutnya cari nilai standart variance / simpangan baku, jika menggunakan software
micorosft excel  gunakan rumus function  stdev. berdasarkan perhitungan dengan microsoft
excel diperolehh nilai standart variance / simpangan baku sebagai berikut :

 standar variance kelompok eksperimen = 16,17236

 standart variance kelompok kontrol = 11,72083
Setelah semua nilai diketahi, masukkan kedalam rumus yang telah ditentukan di atas, maka
diperoleh nilai sebagai berikut :

Setelah disederhakankan lagi, maka akan diperoleh nilai sebagai berikut :

xvi
 Berdasarkan nilai tersebut, maka diperoleh nilai t hitung sebesar = -0.5669. untuk
mengetahui apakah nilai t hitung signifikan atau tidak, konsultasikan dengan tabel t,
dengan df = n-2. jika nilai t hitung > t tabel maka signifikan, dan sebaliknya jika nilai t
hitung < t tabel maka tidak signifikan.

Tutorial Independen T Test dengan SPSS

Langsung saja kita buat data sebagai berikut: Data di bawah ini menunjukkan bahwa ada 2 kelompok
yaitu 1 dan 2, di mana tiap kelompok terdapat 10 responden/observasi.

Dataset Independen T Test

Uji Normalitas Dalam Independen T Test

Langkah pertama adalah menguji asumsi normalitas, outlier dan homogenitas. Yaitu pada menu
SPSS, klik Analyze, Descriptive Statistics, Explore. Maka akan muncul jendela seperti berikut:

xvii
 Explore Independen T Test

Klik tombol Plots, setelah muncul jendela, centang Factor levels together, Stem-and-leaf,

Histogram, Normality plots with tests dan Power estimation. Kemudian Klik Continue.

Plot Independen T Test

Kemudian klik OK pada jendela utama. Lihat output!

Normalitas Independen T Test

Tabel di atas menunjukkan hasil uji Shapiro Wilk dan Lilliefors. Nilai p value (Sig) lilliefors 0,200
pada 2 kelompok di mana > 0,05 maka berdasarkan uji lilliefors, data tiap kelompok berdistribusi
normal. P value uji Shapiro wilk pada kelompok 1 sebesar 0,884 > 0,05 dan pada kelompok 2 sebesar
0,778 > 0,05. Karena semua > 0,05 maka kedua kelompok sama-sama berdistribusi normal
berdasarkan uji Shapiro wilk.

xviii
 Homogenitas Independen T Test

Uji Homogenitas dalam Independen T Test

Tabel di atas menunjukkan hasil uji homogenitas dengan metode Levene’s Test. Nilai Levene
ditunjukkan pada baris Nilai based on Mean, yaitu 0,001 dengan p value (sig) sebesar 0,979 di mana >
0,05 yang berarti terdapat kesamaan varians antar kelompok atau yang berarti homogen.

Diagram di atas adalah diagram stem-leaf yang berfungsi untuk mendeteksi adanya outlier. Ada
outlier apabila terdapat nilai Extrem di atas dan di bawah stem-leaf. Pada data anda tidak terdapat
nilai exkstrem, maka tidak terdapat outlier. Deteksi outlier juga bisa dinilai dengan Box-plot seperti di
bawah ini:

xix
 Boxplot Independen T Test

Box-Plot di atas tidak menunjukkan terdapat plot-plot di atas dan/atau  di bawah boxplot yang berarti
tidak terdapat outlier.

Oleh karena semua asumsi terpenuhi, maka dapat dilanjutkan ke uji selanjutnya yaitu uji Independen
T Test.

Langkah Independen T Test dengan SPSS

Pada menu SPSS, klik Analyze, Compare Means, Independen Samples T Test. Maka akan muncul
jendela sebagai berikut: Kemudian masukkan variabel terikat anda yaitu Nilai ke kotak Test
Variable(s) dan masukkan variabel bebas anda yaitu Kelompok ke kotak Grouping Variables.

Cara Uji T Independen

Klik tombol Define Groups kemudian masukkan kode 1 dan 2.

xx
 Grouping Independen T Test

Klik Continue. Dan pada jendela utama klik OK kemudian lihat Output!

Mean Independen T Test

Tabel di atas menunjukkan Mean atau rerata tiap kelompok, yaitu pada kelompok 1 nilainya 56 di
mana lebih rendah dari kelompok 2 yaitu 73,1. Apakah perbedaan ini bermakna? lihat di bawah ini:

Output Independen T Test

Levene Test dalam Uji T Independen

Nilai hasil uji levene test untuk homogenitas sama dengan bahasan di atas, yaitu homogen. Karena
homogen, maka gunakan baris pertama yaitu nilai t hitung -2,577 pada DF 18. DF pada uji t adalah N-
2, yaitu pada kasus ini 20-2=18. Nilai t hitung ini anda bandingkan dengan t tabel pada DF 18 dan
probabilitas 0,05.

Untuk menjawab hipotesis ada 2 cara:

Dengan membandingkan antara t hitung dengan t tabel:

Apabila nilai t hitung positif: Ada perbedaan bermakna apabila t hitung > t tabel.

Apabila nilai t hitung negatif: ada perbedaan bermakna apabila t hitung < t tabel.

Cara kedua adalah dengan melihat nilai Sig (2 tailed) atau p value. Pada kasus di atas nilai p value
sebesar 0,019 di mana < 0,05. Karena < 0,05 maka perbedaan bermakna secara statistik atau
signifikan pada probabilitas 0,05.

xxi
Besarnya perbedaan rerata atau mean kedua kelompok ditunjukkan pada kolom Mean Difference,
yaitu -17,1. Karena bernilai negatif, maka berarti kelompok pertama memiliki Mean lebih rendah dari
pada kelompok kedua.

xxii
 BAB III
PENUTUP

3.1 Kesimpulan
T-test atau uji t adalah uji statistik yang digunakan untuk menguji kebenaran atau kepalsuan
hipotesis nol. Uji pertama kali dikembangkan oleh William Seely Gossct pada tahun 2015. Uji t
dapat dibagi 2 yaitu uji t yang digunakan untuk pengujian hipotesis 1 sampel dan uji t yang
digunakan untuk pengujian hipotesis 2 sampel.
Uji independet t test terbagi menjadi tiga yaitu yang pertama One sample t test yang
merupakan teknik analisis untuk membandingkan satu variabel bebas. Teknik ini digunakan untuk
menguji apakah nilai tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sampel,
kedua Paired-sample t-Test yang merupakan prosedur yang digunakan untuk membandingkan
rata-rata dua variabel dalam satu group dan yang terakhir yaitu Independent sample t-Test adalah
uji yang digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki rata-
rata yang berbeda

xxiii
 DAFTAR PUSTAKA

Simbolon, H. (2013). STATISTIKA. Yogyakarta: GRAHA ILMU.

Sugiyono. (2016). STATISTIKA UNTUK PENELITIAN. Bandung: ALFABETA.

http://ujidata.blogspot.com/2015/12/macam-macam-uji-t-dan-perbedaannya.html
http://www.portal-statistik.com/2014/02/independent-sample-t-test-dengan-spss.html
https://teorionline.wordpress.com/2011/02/24/paired-sample-t-test-uji-beda-dua-sampel-berpasangan/

xxiv
25