BAB II

UJI HIPOTESIS KOMPARASI

Uji hipotesis komparasi digunakan untuk membandingkan rata-rata antara dua atau lebih
kelompok data. Asumsi mendasar dalam uji komparasi ini adalah bahwa variabel data yang akan
dibandingkan harus mengikuti fungsi distribusi normal. Langkah pertama untuk uji komparasi
ini adalah mengumpulkan data (sampel) dari setiap objek per kelompok variabel. Pengukuran
data bersifat kuantitatif atau minimal berskala interval. Selanjutnya kita akan mengenal apa yang
disebut dengan statistik uji t dan analisis varians (ANOVA). Statistik uji t dan ANOVA
digunakan sebagai statistik uji untuk perbandingan dua atau lebih kelompok sampel data.
Perbedaan penggunaan uji t dan analisis varians (ANOVA) adalah jumlah kelompok yang akan
dibandingkan. Bila hanya ada dua kelompok sampel data yang akan dibandingkan, maka kita
menggunakan statistik uji t dan sebaliknya jika perbandingan lebih dari dua kelompok sampel
data, maka digunakan analisis varians (ANOVA).
Suatu metode baru dikatakan lebih baik bila memiliki rata-rata nilai perbedaan yang
lebih baik dari nilai rata-rata sebelumnya. Nilai perbedaan yang lebih baik itu bisa dikatakan
dengan istilah perbedaan yang signifikan (berbeda nyata). Ukuran statistik yang digunakan
dalam bab ini adalah mean (rata-rata).

2.1 Uji t Satu Kelompok (One-Sample t Test)

Uji t satu kelompok (One-Sample t Test) digunakan untuk membandingkan apakah
terdapat perbedaan atau kesamaan rata-rata suatu kelompok sampel data dengan nilai rata-rata
tertentu. Statistik uji yang digunakan adalah:
x̄−μ0
thitung = s/ √ n
dimana: x̄ = rata-rata sampel
μ0 = taksiran awal nilai rata-rata populasi
s = standar deviasi sampel
n = jumlah sampel
Daerah penolakan dan penerimaan H0 untuk uji 2 sisi dan uji 1 sisi adalah sebagai
berikut:
1. Pengujian 2 sisi
H0 diterima bila -tα/2 df (n-1) ≤ thitung ≤ tα/2 df (n-1)
H0 ditolak bila thitung > tα/2 df (n-1) atau thitung < -tα/2 df (n-1)
2. Pengujian 1 sisi
 Jika H1 : μ > μ0
H0 diterima bila thitung < tα df (n-1) dan H0 ditolak bila thitung > tα df (n-1)

9
  Jika H1 : μ < μ0
H0 diterima bila thitung > -tα df (n-1) dan H0 ditolak bila thitung < -tα df (n-1)

Contoh:
Suatu perusahaan minuman jus merek “A” akan memutuskan untuk meluncurkan suatu produk
minuman kaleng baru bila hasil rata-rata preferensi setiap orang terhadap minuman ini skornya
lebih dari 5. Diambil sampel 50 orang dan diminta keterangannya tentang rasa minuman kaleng
ini. Kepada masing-masing responden diajukan pertanyaan dalam bentuk kuesioner, “Seberapa
suka Bapak/Ibu/Saudara terhadap rasa minuman kaleng merek A?”

Sangat Sangat
tidak suka suka
1 2 3 4 5 6 7

Data hasil kuisioner adalah sebagai berikut:

7 7 6 7 5 7 4 7 7 7
4 7 5 7 6 7 4 6 4 4
5 7 5 4 5 6 5 5 4 6
6 7 7 7 7 5 7 4 5 6
7 6 4 7 4 5 6 4 6 4

Langkah-langkah dengan menggunakan SPSS:

a. Masukkan data ke dalam Data Editor dan beri nama variabelnya “Tingkat Preferensi”
b. Klik Analyze \ Compare Means \ One-Sample T Test
c. Masukkan variabel Tingkat Preferensi ke dalam Kolom Test Variabel(s)
d. Beri nilai 5 pada kolom Test Value

e. Lalu klik OK.

10
Hasil output SPSS:

T-Test

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Tingkat Preferensi 50 5,68 1,203 ,170

One-Sample Test

Test Value = 5

t df Sig. (2-tailed) Mean 95% Confidence Interval of the

Difference Difference

Lower Upper

Tingkat Preferensi 3,998 49 ,000 ,680 ,34 1,02

Langkah-langkah pengujian hipotesis:

I. H0 : Rata-rata preferensi responden terhadap minuman kaleng tidak berbeda signifikan
dari 5 (μ = 5)

H1 : Rata-rata preferensi responden terhadap minuman kaleng berbeda signifikan dari 5

(μ ≠ 5)

II. α = 5% tα/2 df (n-1) = t0,025 df (50-1) = 2,012

III. H0 diterima bila -2,012 ≤ thitung ≤ 2,012

H0 ditolak bila thitung < -2,012 atau thitung > 2,012
IV. Test Statistik
x̄−μ0 5 , 68−5
=
thitung = s/ √ n 1 , 203/ √ 50 = 3,998

V. Keputusan : Tolak H0 , karena thitung > 2,012 atau 3,998 > 2,012
VI. Kesimpulan : Rata-rata preferensi responden terhadap minuman kaleng menunjukkan
perbedaan yang nyata dengan preferensi yang ditetapkan oleh departemen
pemasaran yaitu 5.

2.2 Uji t Antar Kelompok yang Saling Independen (Independent-Sample T Test)

Uji t antar kelompok yang saling independen (Independent-Sample T Test)
digunakan untuk membandingkan rata-rata dari dua kelompok sampel data independen. Statistik
uji yang digunakan adalah:

11
 x̄ 1 − x̄ 2

t hitung = √ ( n1−1 ) s12 +( n 2−1 ) s 22

n1 +n 2−2 √ 1 1
+
n1 n2

Daerah penerimaan dan penolakan Ho untuk pengujian 2 sisi dan pengujian 1 sisi adalah sebagai
berikut:

1. Pengujian 2 sisi
H0 diterima bila -tα/2 df (n1 + n2 -2) ≤ thitung ≤ tα/2 df (n1 + n2 -2)

H0 ditolak bila thitung > tα/2 df (n1 + n2 -2) atau thitung < -tα/2 df (n1 + n2 -2)

2. Pengujian 1 sisi
H1 : μ1 > μ2 H0 diterima bila thitung < tα df (n1 + n2 -2)

H0 ditolak bila thitung > tα df (n1 + n2 -2)

H1 : μ1 < μ2 H0 diterima bila thitung > - tα df (n1 + n2 -2)

H0 ditolak bila thitung < -tα df (n1 + n2 -2)

Contoh:
Manajer riset stasiun TV “A” ingin mengetahui apakah terdapat perbedaan frekuensi menonton
televisi pada stasiun TV “A” untuk kelompok usia 13-19 tahun di kota Jakarta dan Bogor.
Diambil sampel 60 orang secara acak dan diminta keterangan tentang frekuensi menonton TV
“A” (dalam jam) selama seminggu. Data yang didapatkan adalah sebagai berikut:

No Frekuens Frekuens
. Frekuensi Kota No. Frekuensi Kota No. i Kota No. i Kota
Jakart
1 12 a 16 26 Jakarta 31 24 Bogor 46 26 Bogor
Jakart
2 15 a 17 20 Jakarta 32 26 Bogor 47 24 Bogor
Jakart
3 13 a 18 24 Jakarta 33 32 Bogor 48 25 Bogor
Jakart
4 18 a 19 30 Jakarta 34 31 Bogor 49 18 Bogor
Jakart
5 25 a 20 29 Jakarta 35 25 Bogor 50 19 Bogor
Jakart
6 24 a 21 24 Jakarta 36 26 Bogor 51 23 Bogor
Jakart
7 23 a 22 22 Jakarta 37 25 Bogor 52 32 Bogor
Jakart
8 21 a 23 23 Jakarta 38 24 Bogor 53 36 Bogor
Jakart
9 26 a 24 24 Jakarta 39 29 Bogor 54 34 Bogor
Jakart
10 22 a 25 23 Jakarta 40 28 Bogor 55 32 Bogor
Jakart
11 29 a 26 22 Jakarta 41 26 Bogor 56 28 Bogor
Jakart
12 32 a 27 21 Jakarta 42 23 Bogor 57 27 Bogor
13 16 Jakart 28 18 Jakarta 43 25 Bogor 58 26 Bogor

12
 a
Jakart
14 24 a 29 25 Jakarta 44 27 Bogor 59 25 Bogor
Jakart
15 28 a 30 23 Jakarta 45 21 Bogor 60 23 Bogor

Langkah-langkah dengan menggunakan SPSS:

a. Masukkan data ke dalam Data Editor dan beri nama variabelnya “Frekuensi” dan “Kota”
b. Klik Analyze \ Compare Means \ Independent-Sample T Test
c. Masukkan variabel Frekuensi ke dalam Test Variabel(s)
d. Masukkan variabel Kota ke dalam Grouping Variabel
e. Klik tombol Difene Group, isikan 1 dan 2, kemudian klik Continue

f. Klik OK

Hasil output SPSS:

T-Test

13
 Group Statistics

kota N Mean Std. Deviation Std. Error Mean

Jakarta 30 22,73 4,770 ,871

frekuensi
Bogor 30 26,33 4,130 ,754

Independent Samples Test

Levene's Test for t-test for Equality of Means

Equality of Variances

F Sig. t df Sig. (2- Mean Std. Error 95% Confidence

tailed) Difference Difference Interval of the

Difference

Lower Upper

Equal variances
,326 ,570 -3,125 58 ,003 -3,600 1,152 -5,906 -1,294
frekuen assumed

si Equal variances
-3,125 56,836 ,003 -3,600 1,152 -5,907 -1,293
not assumed

I. H0 : Tidak terdapat perbedaan yang nyata antara rata-rata frekuensi menonton TV “A” dari
responden yang berusia 13-19 tahun yang berdomisili di kota Jakarta dan Bogor
(μJakarta = μBogor)

H1 : Terdapat perbedaan yang nyata antara rata-rata frekuensi menonton TV “A” dari
responden yang berusia 13-19 tahun yang berdomisili di kota Jakarta dan Bogor (μ Jakarta
≠ μBogor)

II. Bila α = 5%, maka nilai kritis adalah tα/2 df (n1 + n2 -2) = t0,05/2 df (30 + 30 -2)
= t0,025 df (58) = 2,002

III. H0 diterima bila -2,002 ≤ thitung ≤ 2,002

H0 ditolak bila thitung > 2,002 atau thitung < -2,002

IV. Test Statistik

x̄ 1 − x̄ 2
22 , 73−26 , 33

t hitung = √ ( n1−1 ) s12 +( n 2−1 ) s 22

n1 +n 2−2 √ 1 1
+
√
(30−1)4 ,77 2 +(30−1)4 ,13 2 1 1
n1 n2 = 30+30−2 +
√
30 30 = - 3,125

V. Keputusan : Tolak H0, karena thitung < -2,002 atau -3,125 < -2,002
VI. Kesimpulan : terdapat perbedaan yang signifikan antara rata-rata frekuensi menonton TV
“A” dari responden yang berusia 13-19 tahun yang berdomisili di kota Jakarta
dan Bogor.

14
2.3 Uji t Berpasangan (Pair-Sample T Test)
Uji t berpasangan (Pair-Sample T Test) digunakan untuk membandingkan apakah
terdapat perbedaan atau kesamaan rata-rata antara dua kelompok sampel data yang saling
berkaitan/berpasangan. Statistik uji yang digunakan adalah sebagai berikut:
d̄−μ0
thitung = s d̄

Dimana: d̄ = rata-rata perbedaan hasil sebelum dan sesudah training

d̄ =
∑d
n

s
sd̄ =
sd̄ = standar deviasi dapat dicari melalui : √n

s = √ ∑ d 2− (
n−1
∑ d2
n )
Daerah penolakan dan penerimaan H0 untuk uji 2 sisi dan uji 1 sisi adalah sebagai berikut:
1. Pengujian 2 sisi
H1 : μ1 ≠ μ2
H0 diterima bila -tα/2 df (n-1) ≤ thitung ≤ tα/2 df (n-1)
H0 ditolak bila thitung > tα/2 df (n-1) atau thitung < -tα/2 df (n-1)
2. Pengujian 1 sisi
 Jika H1 : μ 1 > μ2
H0 diterima bila thitung < tα df (n-1) dan H0 ditolak bila thitung > tα df (n-1)
 Jika H1 : μ 1 < μ2
H0 diterima bila thitung > -tα df (n-1) dan H0 ditolak bila thitung < -tα df (n-1)

Contoh:
Manager HRD sebuah perusahaan ingin mengetahui ada tidaknya perbedaan yang signifikan
terhadap 30 orang karyawan mengenai hasil ujian yang mereka capai pada waktu sebelum dan

15
sesudah dilakukan training kepada karyawan tersebut. Data di berikut ini menunjukkan hasil
ujian mereka pada waktu sebelum dan sesudah training.

Nilai Sebelum Nilai Sesudah Nilai Sebelum Nilai Sesudah

Training Training Training Training
No. No.
(X1) (X2) (X1) (X2)

1 68 65 16 71 78

2 75 76 17 69 75
3 80 88 18 71 76
4 73 79 19 82 93
5 69 78 20 87 79
6 90 94 21 82 89
7 75 75 22 87 95
8 70 72 23 69 65
9 73 69 24 71 82
10 87 89 25 86 86
11 84 89 26 75 86
12 90 92 27 72 79
13 72 69 28 74 80
14 71 73 29 73 81
15 74 75 30 79 86

Langkah-langkah dengan menggunakan SPSS:

a. Masukkan data ke dalam Data Editor dan beri nama variabelnya “Sebelum Training” dan
“Setelah Training”
b. Klik Analyze \ Compare Means \ Pair-Sample T Test
c. Masukkan kedua variabel ke dalam Paired Variabels

d. Klik OK

16
Hasil output SPSS:

T-Test

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Sebelum Training 76,63 30 7,000 1,278

Pair 1
Sesudah Training 80,43 30 8,451 1,543

Paired Samples Correlations

N Correlation Sig.

Sebelum Training & Sesudah

Pair 1 30 ,812 ,000
Training

Paired Samples Test

Paired Differences t df Sig. (2-

Mean Std. Std. Error 95% Confidence Interval tailed)

Deviation Mean of the Difference

Lower Upper

Pair Sebelum Training -

-3,800 4,930 ,900 -5,641 -1,959 -4,222 29 ,000
1 Sesudah Training

Langkah-langkah pengujian hipotesis:

I. H0 : μ1 = μ2 artinya hasil yang diperoleh sebelum dan sesudah training sama saja (tidak
terdapat perbedaan yang signifikan)

H1 : μ1 ≠ μ2 artinya hasil yang diperoleh sebelum dan sesudah adanya training berbeda
(terdapat perbedaan yang signifikan)

II. Bila α = 5%, maka nilai t tabel adalah tα/2 df (n-1) = t0,025 df (30-1) = 2,045
III. H0 diterima bila -2,045≤ thitung ≤ 2,045
H0 ditolak bila thitung > 2,045 atau thitung < -2,045

IV. Test statistik

d̄−0 −3 , 80−0
=
thitung = s d̄ 0 , 9 = - 4,222

17
V. Keputusan : Tolak H0, karena thitung < -2,045 atau – 4,222 < - 2,045
VI. Kesimpulan : Terdapat perbedaan yang signifikan hasil yang diperoleh sebelum dan sesudah
training.

2.4 Analysis of Variance (ANOVA)

ANOVA digunakan untuk membandingkan perbedaan atau kesamaan rata-rata antara tiga
atau lebih kelompok data untuk suatu kategori tertentu. Untuk menggunakan ANOVA asumsi
yang digunakan adalah variabel data berdistribusi Normal dan homogenitas varians antara
kelompok data. Statistik uji yang digunakan adalah sebagai berikut:
Mean Square Between Groups Sum of Square Between Groups /(k −1)
=
Fhitung = Mean Square Within Groups Sum of Square Within Groups /(n−k )
Dimana:
Sum of Square Between Groups = Sum of Square Total – Sum of Square Within Groups

= ∑ ( X− X̄ G )
2
Sum of Square Total

Sum of Square within Groups= ∑ ( X− X̄ C )

2

X = pengamatan dalam kelompok/grup

X̄ G = rata-rata keseluruhan
X̄ C = rata-rata untuk kelompok/grup c

Daerah penerimaan dan penolakan H0 adalah sebagai berikut:

H0 ditolak jika Fhitung > F(α;v1 = k-1; v2 = n-k)
H0 diterima jika Fhitung ≤ F(α;v1 = k-1; v2 = n-k)
k = jumlah perlakuan

Contoh:
Suatu perusahaan ingin membandingkan rata-rata penjualan minuman kaleng merek A di tiga
daerah penjualan, yaitu Bandung, Bogor dan Jakarta. Apakah terdapat perbedaan yang signifikan
terhadap rata-rata penjualan di tiga daerah penjualan tersebut? Data yang diperoleh adalah
sebagai berikut:
Bandun
No. g Bogor Jakarta
1 225 135 182
2 233 154 222
3 223 169 238
4 245 221 132
5 223 198 169
6 198 146 178
7 199 187 189

18
 8 234 135 188
9 236 166 228
10 215 187 175
11 217 220 210
12 208 201 194

Langkah-langkah dengan menggunakan SPSS:

a. Klik Analyze \ Compare Means \ One-Way ANOVA
b. Masukkan variabel Penjualan ke Dependent List
c. Masukkan variabel Kota ke Factor List

d. Klik Option, pilih Descriptive dan Homogeneity of Variance Test

e. Klik Continue, kemudian klik OK

Hasil output SPSS:

Descriptives
Penjualan

N Mean Std. Deviation Std. Error 95% Confidence Interval for Minimum Maximum
Mean

19
 Lower Bound Upper Bound

Bandung 12 221,33 14,680 4,238 212,01 230,66 198 245

Bogor 12 176,58 30,456 8,792 157,23 195,93 135 221
Jakarta 12 192,08 29,200 8,429 173,53 210,64 132 238
Total 36 196,67 31,326 5,221 186,07 207,27 132 245

Test of Homogeneity of Variances

Penjualan

Levene Statistic df1 df2 Sig.

3,207 2 33 ,053

ANOVA
Penjualan

Sum of Squares df Mean Square F Sig.

Between Groups 12393,500 2 6196,750 9,315 ,001

Within Groups 21952,500 33 665,227
Total 34346,000 35

Langkah-langkah pengujian hipotesis:

 Uji homogenitas varian

Asumsi yang harus dipenuhi dalam ANOVA adalah homogenitas varian. Levene statistic
digunakan untuk menguji asumsi ini, dimana hipotesisnya adalah:

H0 : Variasi data penjualan di tiga kota homogen

H1 : Variasi data penjualan di tiga kota heterogen
Kriteria uji:
Tolak H0 jika nilai p-value pengujian statistik Levene statistic lebih kecil dari α = 0,05.
Keputusan:
Terima H0 karena p-value > 0,05 atau 0,053 > 0,05 (Lihat p-value pada tabel Test of
Homogeneity of Variances)
Kesimpulan:
Ketiga kota mempunyai variansi penjualan yang sama atau variannya homogen.

 Uji perbandingan penjualan ke tiga kota menggunakan ANOVA

Setelah asumsi homogenitas varian sudah terpenuhi, selanjutnya melakukan uji perbandingan
penjualan ke tiga kota tersebut dengan menggunakan ANOVA. Langkah-langkah
pengujiannya adalah sebagai berikut:

20
I. H0 : Tidak terdapat perbedaan yang signifikan antara rata-rata penjualan minuman kaleng
merek A di antara kota Bandung, Bogor dan Jakarta.
H1 : Terdapat perbedaan yang signifikan antara rata-rata penjualan minuman kaleng me-
rek A di antara kota Bandung, Bogor dan Jakarta.
II. Bila α = 5%, maka nilai F tabel adalah F(0,05;v 1 = 3-1; v2 = 36-3)= F(0,05;v1 = 2; v2 =
33) = 3,29057
III. H0 diterima bila Fhitung ≤ 3,29057
H0 ditolak bila Fhitung > 3,29057

IV. Test statistik

Fhitung = 9,315

V. Keputusan : Tolak H0, karena Fhitung > 3,29057 atau 9,315 > 3,29057
VI. Kesimpulan : Terdapat perbedaan yang signifikan antara rata-rata penjualan minuman
kaleng merek A di antara kota Bandung, Bogor dan Jakarta.

21
22