Di susun oleh :
Hofiatun Nisa ( 202091010078 )
1
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas limpahan
rahmat dan karunianya kepada penulis, sehingga penulis dapat menyelesaikan makalah yang
berjudul ” Uji -T Untuk Sample Saling Bebas ( Independet-Samples T-Test)” ini dengan
lancar. Penulisan makalah ini bertujuan untuk memenuhi salah satu tugas yang diberikan oleh
dosen.
Makalah ini ditulis dari hasil penyusunan data-data skunder yang penulis peroleh dari buku
panduan yang berkaitan dengan materi pembelajaran serta informasi dari media masa yang
berhubungan dengan materi.
Tak lupa penyusun ucapkan terima kasih kepada dosen pengajar.Atas bimbingan dan
arahan dalam penulisan makalah ini. Juga kepada rekan-rakan mahasiswa yang telah
mendukung sehingga dapat diselesaikannya makalah ini. Penulis berharap, dengan membaca
makalah ini dapat memberi manfaat bagi kita semua, dalam hal ini dapat menambah
wawasan kita mengenai ” ” Uji -T Untuk Sample Saling Bebas ( Independet-Samples T-
Test)” khususnya bagi penulis. Akhirnya penulis menyadari bahwa makalah ini memang jauh
dari sempurna, untuk itu kami dengan senang hati menerima kritik dan saran yang
dimaksudkan untuk penyempurnaan makalah ini.
2
DAFTAR ISI
Kata Pengantar.......................................................................................................................I
DAFTAR ISI..............................................................................................................................II
BAB I PENDAHULUAN
A. Latar belakang…................................................................................................................1
B. Rumusan masalah…..........................................................................................................1
C. Tujuan masalah…..............................................................................................................2
BAB II PEMBAHASAN
A. Kesimpulan…....................................................................................................................6
B. lampiran…........................................................................................................................6
DAFTAR PUSTAKA
3
1.1 Latar
Belakang.
BAB I
PENDAHULUA
N
5
2. bagaimana cara pendistribusian data
3. bagaimana cara pengaplikasian Uji -t untuk sample saling bebas
Tujuan Penelitian
1. Tujuan Umum Tujuan umum penelitian untuk mengevaluasi dan menganalisis data hasil
nilai ulangan pada siswa untuk jumlah rata rata hasil akhir dari setiap siswa
2. Tujuan Khusus Tujuan khusus untuk melihat pemahan siswa pada setiap pelajaran yang
sudah di pelajari, sehingga dari uji T saling bebas ini bisa terlihat dimana letak kekurangan
meraka dan kelebihan mereka setiap pembelajaran.
Manfaat Penelitian
Penelitian tindakan ini mempunyai manfaat bagi pemangku kepentingan proses
bbm yang ada di perusahaan
6
BAB II
PEMBAHASAN
1. PENGERTIAN
Uji -t untuk sample saling bebas ( independet-samples T-test) merupakan prosedur uji t untuk
sample bebas dengan membandingkan rata rata dua kelompok kasus , dan kasus ( data) yang di uji
bersifat acak sera dengan 1 kali proses pengukuran .
Uji -t untuk sampel saling bebas itu menguji kemampuan generalisasi rata rata dua sampel
yang tidak berkorelasi . pada sampel sampel yang berkorelasi biasanya terdapat pada
rancangan penelitian eksperiment. Sedangkan pada penelitian survei, biasanya sampai
sampel yang dikomparasikan adalah sampel independent .
Perhitungan statistik dilakukan untuk masing nmasing variabel dan selesih antara
keduanya , yaitu :
Untuk setiap variabel akan dihitung rata rata , ukuran sampel , standar deviasi dan
standar error rata rata.
Untuk selisih rata rata dua variabel akan dihitung rata rata , standar error ,
dan selang kepercayaan.
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.
2
2. Hipotesis Arah Kiri
Hipotesis dua arah digunakan untuk melihat apakah nilai rata-rata sampel tunggal sama
dengan ( = ) nilai acuan atau tidak ( ≠ ).
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.
Hipotesis
3
Statistik Uji
Contoh:
1. Contoh Manual
Nilai
No
Ujia
.
n
1 154
2 140
3 138
4 134
5 141
6 140
7 144
4
8 139
9 149
10 141
11 141
12 143
13 140
14 138
15 137
16 145
17 132
Nilai
No
Ujia
.
n
18 143
19 141
20 141
21 135
22 145
23 138
24 144
25 143
26 147
27 146
5
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
41 136
42 148
43 141
44 139
45 141
46 135
47 135
6
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.
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.
7
Pengujian hipotesis dengan 1-sampel t-test.
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 setidak-
tidaknya sama dengan 140.
2.Contoh SPSS
Hipotesis kalimat :
1. Tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan (uji pihak kiri /
1-tailed)
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
8
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
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
9
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
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.
10
Artinya Ha yaitu tingkat keberhasilan siswa paling rendah 70% dari yang diharapkan diterima.
Sedangkan Ho yang menyatakan bahwa keberhasilan belajar paling tinggi 70% ditolak.
————————————————————————————————-
1. HIPOTESIS :
Ho : δ = 0 (Tidak ada perbedaan tekanan darah sistolik pria antara sebelum dibandingkan sesudah
dengan pemberian Catopril)
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.
11
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
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
12
Abaikan yang lain, klik OK
HASIL
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
13
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
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.
14
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 :
Sebagai contoh, kita asumsikan peneliti mempunyai 2 (dua) kelompok sampel yang masing-
masing terdiri dari 10 responden sebagai berikut :
15
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 :
Setelah semua nilai diketahi, masukkan kedalam rumus yang telah ditentukan di atas, maka
diperoleh nilai sebagai berikut :
16
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:
17
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.
18
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:
19
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.
20
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:
O
utput Independen T Test
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.
21
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.
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.
22
A. KESIMPULAN
Dalam mini riset ini kami membahas tentang uji t sample saling bebas dimana uji t
sample saling bebas untuk menguji kemampuan generalisasi rata rata data dua sample yang
tidak berkorelasi, pada sample sample berkorelasi biasanya terdapat pada rancangan penelitian
eksperimen .sedangkan pada penelitian survei biasanya sample sample yang di komparasikan
adalah sample independent.
Tujuan kami dengan adanya uji t sample saling bebas kami ingin mengetahui tentang
apakan ada perbedaan antara santri yang mengikuti tambahan dan yang tidak mengikuti
tambahan. Yaitu memperoleh hasil data bahwa tidak terdapat perbedaan antara santri yang
mengikuti tambahan dan yang tidak mengikuti tambahan. Dengan memperhatikan perbedaan
rata rata yang mengikuti tambahan dapat disimpulkan bahwa santri yang mengikuti tambahan
tidak lebih tinggi dibandingkan dengan yang tidak mengikuti tambahan.
4. LAMPIRAN
b) Isikan nama variabel pada kolom Name (misal: Nilai, dan Kelas), maksimal 8 karakter,
setelah itu tekan Tab dan secara otomatis akan muncul dikolom Type (Numerik), pada
kolom Widt isikan angka 8 dan pada Decimal isikan angka 2 (dengan kondisi default).
c) Kolom label dapat di isikan keterangan untuk melengkapi kolom Name (misal: Nilai=
untuk menamai orientasi mengikuti tambahan ; kelas = untuk menamai kelas yang
2
mengikuti tambahan). Karena variabel Nilai memuat 2 kelompok yaitu mengikuti
dan tidak mengikuti tambahan, maka klik pada kolom Value pada baris kelas.
d) setelah pengisian selesai klik data view , untuk mengisikan data , isikan data empat (
data santri yang mengikuti tanbahan) tersebut diatas pada kolom nilai dan kelas
dengan mengetikannya kebawah . pada kolom nilai isikan data santri yang mengikuti
tambahan ( data 4 ) dan pada kolom kelas ketik angka satu sebanyak 25 menurun dan
ketik angka 2 sebanyak 25 menurun. ) klik File Save atau Ctrl C kemudian berilah
nama yang anda inginkan (misalkan: data 4). Data SPSS akan tersimpan dalam file
ekstente.sav
g) setelah dipindahkan kemudian klik Devine Group, pada grup satu isikan angka
1 dan pada group dua isikan angka 2 dan gambar dapat dilihat dibawah ini,
setelah selesai mengisikan data kemudian klik continue dan klik ok.