DISTRIBUSI T STUDENTS
DISUSUN OLEH:
DOSEN PENGAMPU:
2023
KATA PENGANTAR
Segala puji bagi Allah SWT yang telah memberikan kami kemudahan
sehingga kami dapat menyelesaikan makalah ini dengan tepat waktu. Tanpa
pertolongan-Nya tentunya kami tidak akan sanggup untuk menyelesaikan makalah ini
dengan baik. Shalawat serta salam semoga terlimpah curahkan kepada baginda
tercinta kita yaitu Nabi Muhammad SAW yang kita nanti-natikan syafa’atnya di
akhirat nanti.
Penulis mengucapkan syukur kepada Allah SWT atas limpahan rahmat dan
nikmat sehat-Nya, baik itu berupa sehat fisik maupun akal pikiran, sehingga penulis
mampu untuk menyelesaikan pembuatan makalah yang berjudul ‘’Distribusi
Students t ‘‘ sebagai tugas dari mata kuliah “Statistika”.
Saya tentu menyadari bahwa makalah ini masih jauh dari kata sempurna dan
masih banyak terdapat kesalahan serta kekurangan di dalamnya. Untuk itu, penulis
mengharapkan kritik serta saran dari pembaca untuk makalah ini, supaya makalah ini
nantinya dapat menjadi makalah yang lebih baik lagi. Demikian, dan apabila terdapat
banyak kesalahan pada makalah ini penulis mohon maaf yang sebesar-besarnya.
Saya juga mengucapkan terima kasih kepada semua pihak khususnya kepada
Ibu Silvi Rosiva Rosdiana M.Pd yang telah membimbing kami dalam menulis
makalah ini.
Penyusun
1
DAFTAR ISI
DAFTAR ISI............................................................................................................................. 2
BAB I: PENDAHULUAN........................................................................................................ 3
3.1 Kesimpulan................................................................................................................ 17
2
BAB I
PENDAHULUAN
3
1.1 Rumusan Masalah
4
BAB II
PEMBAHASAN
Penelitian Gosset tidak di publikasikan atas nama dirinya, melainkan dengan nama
penanya, yakni student. Salah seorang teman Gosset yang bernama Ronald Fisher
melanjutkan penelitian Gosset. Ronald mengembangkan konsep t-statistik kemudian
distribusi penelitian Gosset diubah Namanya menjadi distrbusi t – Student atau Student’s
Distribution. Misalkan, kita akan melakukan penelitian menggunakan sampel secara
random berdasarkan populasi yang memiliki distribusi normal.Salah satu masalah yang
sering muncul adalah kita tidak mengetahui parameter atau nilai sebenarnya dari standar
deviasi populasi tersebut. Oleh karena itu, kita tidak bisa melakukan perhitungan statistik
menggunakan distribusi normal.
Pertanyaan utamanya, apakah data yang kita gunakan masih layak untuk diuji jika
tidak memiliki standar deviasi dari populasi. Dalam kondisi seperti ini, terlebih jika
sampel penelitian kita tergolong kecil, apa solusi yang mungkin kita gunakan sehingga
prosedur pengujian statistik tetap bisa dilaksanakan.
5
parameter yang tidak diketahui (seperti standar populasi) dengan cara ,menggunakan
distribusi sampel untuk mengubah standar deviasi populasi.
Adapun risiko dengan menggunakan distribusi sampel tersebut yaitu Karena sampel
terdiri atas kelompok nilai yang berbeda, nilai standar deviasi juga cenderung selalu
berubah dan semakin bervariasi antar satu kelompok sampel dengan sampel lainnya. Jika
standar deviasi standar populasi diketahui, peneliti akan cenderung menggunakan
distribusi normal sebagai pendekatan pengujian statistic yang lebih valid.
Distribusi student adalah model distribusi variable acak kontinu sama seperti distribusi
normal. Distribusi t-Student juga merupakan hasil penurunan distribusi normal baku dan
berkaiatan dengan distribusi chi-kuadrat. Pendapat lain mendefinisikan distribusi student
sebagai salah satu terobosan terbesar terbesar dibidang statistika, distribusi ini menjadikan
inferensi menggunakan smapel yang jumlahnya sedikit bisa dilakukan tanpa perlu
mengetahui nilai Variansidari populasi. Bentuk kurva yang menampilkan Distribusi student
mirip dengan distribusi normal, Cuma ekor pada kurva distribusi t-student lebih tinggi.
Distribusi-t (atau yang sering dikenal dengan distribusi t-student) adalah distribusi
sampling yang cukup populer yang memungkinkan kita melakukan berbagai pengujian
statistik dalam kondisi sampel yang kecil. Distribusi student juga merupakan hasil
penurunan distribusi normal baku dan berkaitan dengan distribusi chi-kuadrat. Adapun
rumus dari distribusi student yaitu :
Keterangan :
Z = Distribusi normal baku
t = Distribusi student
x2 = Distribusi chi -kuadrat
dk = Derajat kebebasan
6
probabilitas normal baku, dalam bentuk yang berkaiatan dengan distribusi probabilitas khi-
kuadrat. Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang
menggunakan distribusi t sebagai uji statistik, pada distribusi t terdapat tabel pengujian yang
disebut dengan tabel t student.
2.2 Pengertian Derajat Kebebasan ( Degree Fo Freedom )
Derajat kebebasan (Degree Fo Freedom) adalah total pengamatan bebas dari seluruh
pengamatan yang dilakukan. Degree fo Freedom atau dalam bahasa Indonesia dapat kita
sebutkan sebagai Derajat Kebebasan adalah jumlah nilai yang terlibat dalam perhitungan
yang memiliki kebebasan untuk bervariasi.
Rumus yang digunakan untuk menghitung Derajat Kebebasan ini sangat sederhana
dan sama dengan jumlah nilai dalam kumpulan yang dikurangi 1 (satu). Secara matematis
dapat dilihat seperti berikut ini :
df = n – 1
Keterangan:
7
Contoh Perhitungan Degree of Freedom (df)
Contoh 1 :
Sebagai contoh, terdapat sekumpulan data Y yang masing-masing terdiri dari 100,
200, 300dan 400. Kita coba hitungkan MEAN atau Rata-rata dari kumpulan data tersebut
seperti berikut ini :
(100+200+300+400)/4 = 250
Setelah MEAN dihitung, selanjutnya adalah hitung Derajat Kebebasan dari rumus yang
disebutkan diatas.
df = 4 – 1 = 3
Catatan : Karena jumlah nilai dalam kumpulan data atau ukuran sampel pada contoh diatas
adalah 4, maka nilai n adalah 4. Dengan demikian, hal ini menunjukkan bahwa ada tiga
nilai dalam kumpulan data Y yang memiliki kebebasan untuk berubah selama meannya
adalah 25.
Contoh 2 :
Sebagai ilustrasi, Di sebuah ruangan kelas terdapat 30 kursi, 29 orang pertama memiliki
pilihan atau dapat memilih tempat duduknya, namun orang terakhir yaitu orang yang ke-30
yang masuk ke kelas tersebut hanya dapat duduk di satu kursi yang tersisa. Demikian pula,
Jika kita menghitung rata-rata sampel dari angka 30 angka, 29 angka pertama bebas untuk
bervariasi tetapi angka yang ke-30 akan ditentukan sebagai nilai yang diperlukan untuk
mencapai rata-rata sampel yang diberikan. Oleh karena itu, saat memperkirakan rata-rata
populasi tunggal, Derajat Kebebasannya adalah 29.
Derajat kebebasan penting untuk menemukan nilai batas kritis untuk uji statistik
inferensial. Bergantung pada jenis analisis yang kita gunakan, derajat kebebasan biasanya
(tetapi tidak selalu) berkaitan dengan ukuran sampel. Karena derajat kebebasan yang lebih
tinggi umumnya berarti ukuran sampel yang lebih besar, derajat kebebasan yang lebih
tinggi berarti lebih banyak kekuatan untuk menolak hipotesis nol palsu dan menemukan
hasil yang signifikan.
8
2.3 Bentuk Kurva dan Tabel Distribusi Student t
Bentuk kurva suatu sebaran nilai dari data sampel akan membentuk Distribusi
Normal, asalkan kita punya jumlah sampel yang cukup banyak. Terus, kalau kita tahu nilai
Standar Deviasi dari populasi, kita bisa menghitung nilai z-score. Itu disebut dengan konsep
Teorema Limit Pusat.
Ketika suatu sampel diperoleh dari populasi dengan bentuk Distribusi Normal, nilai
Mean dari sampel dapat membentuk t-Score. Bentuk kurva yang menampilkan Distribusi t-
Student mirip dengan Distribusi Normal, cuma ekor pada kurva Distribusi t-Student lebih
tinggi. Berikut gambar kurvanya ;
Seperti halnya Distribusi Normal yang ada z-table, Distribusi t-Student juga punya t-
table. Baris di t-table menunjukkan Derajat Kebebasan, kolomnya menunjukkan �. Pada t-
table, nilai pada baris ke-50 dan seterusnya sama dengan nilai pada z-table. Maka dari itu,
jika kita memiliki lebih dari 50 sampel, kita menggunakan z-table saja. Bentuk kurva – t
identik dengan bentuk kurva normal, tetapi kurtosisnya ditentukan oleh besar kecilnya
derajat kebebasan df. Untuk n 30 pola distribusi t mendekati pola distribusi normal.
Dalam tabel distribusi – t kolom paling kiri berisikan derajat kebebasan (dk), baris teratas
berisikan nilai peluang. Gambar dibawah ini merupakan grafik distribusi-t dengan dk =
(n=1). Luas bagian yang diarsir = p dan dibatasi paling kanan oleh tp. Harga tp inilah yang
dicari dari daftar untuk pasangan dk dan p yang diberikan.
9
Adapun bentuk tabel dalam distribusi t student, Tabel t biasanya digunakan ketika
varian populasi σ2 tidak diketahui dan ukuran sampel kurang dari 30. Pada proses
penghitungan, nilai rata-rata dan varian diperkirakan dari sampel. Penentuan nilai pada
tabel- t dapat menggunakan tingkat signifikansi (α) dan derajat bebas (v).
Pada kondisi ukuran sampel lebih besar dari 30, distribusi t-student akan
mendekati distribusi normal. Oleh karena itu jika kita tidak mempunyai tabel t yang
menyediakan derajat bebas lebih dari 30, maka tabel z distribusi normal bisa digunakan.
Di bawah ini disajikan tabel t untuk derajat bebas (v) 1 sampai dengan 30 dengan tingkat
signifikansi (α) 0.005, 0.01, 0.025, 0.05 dan 0.1. Tabel tersebut disajikan dalam bentuk
gambar:
P-value adalah nilai peluang terjadinya hasil statistik uji. Setiap distribusi memiliki nilai
dan rentang p-value yang berbeda. Statistik uji yang sama mungkin memiliki nilai p-value
yang lebih besar dalam kasus distribusi-t daripada distribusi-Z. Hal ini disebabkan luas tail
area distribusi-t lebih gemuk daripada distribusi Z. Hal ini merupakan risiko dari
penggunaan sampel dengan jumlah kecil. P-value dapat ditemukan menggunakan tabel
distribusi-t yang sudah baku dan tersebar di banyak tempat. Ingat, gunakan n-1 untuk
derajat kebebasan.
Ini adalah tabel distribusi-t.
10
Misalnya, Anda menggunakan 20 sampel dan tingkat signifikansi 5%. Jika menggunakan
uji dua sisi, nilai t = t (0,025,19) = 2,0932 Terkadang p-value dalam distribusi t disebut t-
value. Keduanya memiliki pengertian yang sama. Sama seperti pengujian hipotesis,
distribusi t juga memiliki nilai atau area kritis. Jika p-value atau statistik uji masuk dalam
area kritis, berarti hipotesis nol berhasil ditolak. Jika tidak, bisa disimpulkan bahwa kita
gagal menolak hipotesis nol. Ini bukan berarti bahwa hipotesis nol itu benar. Hanya saja
kita tidak memiliki bukti atau jumlah sampel yang digunakan belum cukup untuk menolah
hipotesis nol.
2.4 Karakteristik Distribusi t Student
Distribusi-t merupakan distribusi sampling yang mirip dengan distribusi-Z (distribusi
normal). Bila anda sudah pernah melihat bentuk distribusi normal, maka distribusi t
memiliki bentuk yang sedikit berbeda. Distribusi t memiliki bentuk lonceng dengan puncak
yang datar dengan luas wilayah total Seperti distribusi normal standar, nilai rata-ratanya
adalah nol dengan standar deviasi yang lebih besar dibandingkan dengan distribusi z.
11
Semakin besar jumlah sampel pada distribusi t, bentuk distribusi ini akan semakin
mendekati distribusi normal. Kita bisa menemukan nilai pastinya dengan melihat setiap
titik pengamatan. Sama seperti saat kita mengubah skor-Z menjadi nilai-Z. Tapi, bentuknya
berbeda. Ini memiliki bentuk lonceng dasar dengan luas 1 di bawahnya. Seperti distribusi
normal standar, nilai rata-ratanya adalah nol, tetapi standar deviasinya secara proporsional
lebih besar dibandingkan dengan distribusi-Z.
Setiap distribusi t mempunyai rata-rata hitung sama dengan nol, tetapi dengan standar
deviasi yang berbeda-beda, sesuai dengan besarnya sampel (n). Ada distribusi t untuk
sampel berukuran 2, yang berbeda dengan distribusi untuk sampel sebanyak 15, 25 dan
sebagainya. Apabila sampel semakin besar maka distribusi t akan mendekati normal.
Ada juga pendapat lain terkait ukuran jumlah sampel statistik kecil ini. Namun, jumlah
30 ini lah yang paling sering digunakan sebagai batas untuk menggunakan distribusi-t.
Dengan segala keterbatasannya, distribusi ini sangat menarik karena mampu menjelaskan
fenomena ilmiah secara sistematis dengan menggunakan sampel kecil. Distribusi-t adalah
kelompok distribusi normal lain yang terlihat mirip tetapi lebih pendek dan datar. Ukuran
sampel yang lebih kecil berarti kurva yang lebih datar dan semakin besar ukuran sampel,
semakin terlihat distribusi-t seperti distribusi normal standar (distribusi-Z). Selang
kepercayaan dan pengujian hipotesis adalah dua jenis analisis statistik yang paling sering
digunakan dalam menggunakan distribusi-t.
Menurut Sumargo ( 1984 : 152 ), untuk sampel besar ( n Pengujian dilakukan
dengan pendekatan yaitu distribusinya dianggap normal asimtotis. Untuk sampel kecil
12
pendekatan ini kurang tepat, maka pengujian dengan sampel kecil umumnya di pakai uji ‘’t’’.
Ciri -ciri dari distribusi t yaitu sampel yang di uji berukuran kecil ( n dan penentuan
nilai tabel di lihat dari besarnya tingkat signifikan ( ) dan besarnya derajat bebas (db).
2. Jika standar deviasi tidak diketahui, dengan menggunakan asumsi bahwa sampel yang
kita gunakan memiliki distribusi standar normal dimana nilai rata-rata=0 dan nilai
varians=1, maka:
Dalam kasus standar deviasi tidak diketahui, kita bisa menggunakan standar deviasi
sampel seperti yang sudah saya jelaskan sebelum-sebelumnya. Tentu saja, risikonya
adalah distribusi yang kita gunakan memiliki nilai varians yang besar. Adapun
Penggunaan uji hipotesis pada distribusi-t Secara umum prosedur pengujian hipotesis
untuk distribusi-t dan distribusi normal hampir sama. Bila distribusi normal digunakan saat
data memiliki distribusi normal atau jumlah sampel relative besar, distribusi t digunakan
khusus untuk jumlah sampel yang kurang dari 30 unit.
13
2. Tentukan taraf signifikansi (alpha). Nilai taraf signifikansi yang biasa digunakan
adalah 10 persen, 5 persen, dan 1 persen. Tentukan nilai kritis di table-t.
3. Cari uji statistik dengan menggunakan rumus uji-t.
4. Temukan p-value dan tentukan apakah nilai-p termasuk dalam area penolakan atau
tidak
5. Buat keputusan berdasarkan hasil pengujian, apakah anda menolak hipotesis nol atau
gagal menolak hipotesis. Lalu, buat kesimpulannya.
Contoh penggunaan uji-t
Kriteria pengujian:
5. Buat kesimpulan
15
Karena t0 berada di luar area penolakan, artinya kita gagal untuk menolak H0. Bisa
disimpulkan bahwa hipoteses rata-rata nilai matematika siswa yang berada di sekolah
unggulan adalah 90 adalah benar.
16
BAB III
PENUTUP
3.1 Kesimpulan
Dari pembahasan yang telah diuraikan pada makalah ini dapat ditarik beberapa
kesimpulan bahwa Distribusi-t (distribusi t-student) merupakan distribusi sampling
yang digunakan untuk pengujian statistik dengan kondisi ukuran sampel yang relatif
kecil. Dengan menggunakan distribusi-t, kita bisa melakukan pengujian statistik untuk
memperkirakan parameter yang tidak diketahui (seperti standar populasi) dengan cara
,menggunakan distribusi sampel untuk mengubah standar deviasi populasi.
Keterangan :
Z = Distribusi normal baku
t = Distribusi student
x2 = Distribusi chi -kuadrat
dk = Derajat kebebasan
3.2 Saran
Dalam penulisan makalah ini kami buat dengan sungguh-sungguh namun
masih memiliki banyak kekurangan sehingga kami mengharapkan sumbangan kritik
dan saran dari pembaca demi kesempurnaan makalah kami selanjutnya.
17
DAFTAR PUSTAKA
18