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).
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
10
Hasil output SPSS:
T-Test
One-Sample Statistics
One-Sample Test
Test Value = 5
Lower Upper
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.
11
x̄ 1 − x̄ 2
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)
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
f. Klik OK
T-Test
13
Group Statistics
Equality of Variances
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
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
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.
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
d. Klik OK
16
Hasil output SPSS:
T-Test
N Correlation Sig.
Lower Upper
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
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.
= ∑ ( X− X̄ G )
2
Sum of Square Total
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
Descriptives
Penjualan
N Mean Std. Deviation Std. Error 95% Confidence Interval for Minimum Maximum
Mean
19
Lower Bound Upper Bound
3,207 2 33 ,053
ANOVA
Penjualan
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
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