MAKALAH KELOMPOK 11
DOSEN PENGAMPU
Disusun oleh
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.
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
1.2 RumusanMasalah
1
BAB II
PEMBAHASAN
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.
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.
diambil1 . Pilih statistik uji yang sesuai sebagai dasar bagi prosedur pengujian.
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.
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.
Hipotesis dua arah digunakan untuk melihat apakah nilai rata-rata sampel tunggal sama
dengan ( = ) nilai acuan atau tidak ( ≠ ).
ii
Dalam pengujian hipotesis, criteria penolakan atau penerimaan H0 adalah berdasarkan nilai P-
Value atau nilai T-tabel, criteria-kriteria tersebut adalah sebagai berikut :
Dan
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 :
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
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
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.
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.
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
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)
————————————————————————————————-
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 : –
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,
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
————————————————————————————————-
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 :
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,
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
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
:
KETERANGAN :
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 :
xi
Ha : δ ≠ 0 (Ada perbedaan tekanan darah sistolik setelah diberikan Catopril
dibanding sebelum diberikan obat)
2. STATISTIK UJI
Perhitungan :
Diperoleh :
n = 10
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.
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
Masukkan jual_1 dan Jual_2 pada kolom “Paired variables” seperti gambar di bawah ini
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
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
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 :
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 :
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.
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.
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
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
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.
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.
xx
Grouping Independen T Test
Klik Continue. Dan pada jendela utama klik OK kemudian lihat Output!
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:
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.
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
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