UJI HIPOTESIS

1. Contoh Pengujian Beda rata-rata (one sampel t-test)

One sampel t-test digunakan untuk membandingkan rata-rata sampel
dengan nilai hipotesis mean populasi untuk menentukan apakah kedua
rata-rata tersebut berbeda secara signifikan
Contoh kasus
Seorang pakar diet berharap untuk mengurangi kadar kolestrol seseorang
dengan menggunakan diet khusus dilengkapi dengan kombinasi pil
vitamin. Rata-rata berat badan dua minggu sebelumnya adalah 209,8.
Setelah periode dua minggu hasilnya ditunjukkan dibwah ini
subject 1 2 3 4 5 6

190 170 210 188 173 228

Berat badan

Kita akan melakukan uji apakah data yang kita dapatkan berbeda dengan
rata-rata sebelumnya, menurut informasi rata-rata berat badan dua minggu
lalu sebesar 209,8.
➢ Langkah pengujian
1. Pengujian hipotesis
H0 = 𝜇 = 209,8
H1= 𝜇 ≠ 209,8
2. Dasar pengambilan Keputusan
H0 ditolak jika p-value < 0,05
H0 diterima jika p-value > 0,05
Langkah -langkah spss = analyze-compare means-one sampel t-test-
masukan bb ke variable test-isi rata-rata sebelumnya di kolom tast value

Kesimpulan :
 Sig (2-tailed) diperoleh nilai value =0,127 dan pada kolom sig(2-tailed)
>0,05 maka H0 diterima. Maka tidak terdapat berbedaan yang signifikan
antara berat badan dua minggu lalu dengan minggu ini.

2. Contoh Soal Uji Hipotesis Mean 2 Populasi Independen (independent

sampel t-test)

Terdapat data tentang tinggi siswa kelas 1, diambil sampel 10 siswa dan
10 siswi. Dengan anggapan data diambil dari populasi normal,ujilah
apakah bisa dikatakan rata-rata tinggi siswa dan siswi kelas 1 tersebut
sama?

Siswa: 120, 122, 120, 138, 130, 128, 132, 125, 127, 130

Siswi: 115, 120, 118, 130, 135, 126, 127, 126, 125, 129

Pembahasan

melakukan Uji Independen t test

LANGKAH KEPUTUSAN:

1. uji normalitas
2. uji homogen
Levene’s Test → lihat dulu nilai signifikansinya, p < 0,05 = data tidak
homogen; p > 0,05 = data homogen.
Misal: p value / sig: 0,960 > 0,05 → berarti data homogen

3. Setelah itu lihat kolom uji t:

✓ Jika data tidak homogen --> maka menggunakan asumsi bahwa varians
tidak sama (lihat kolom Equal variance not assumed).
 ✓ Jika data homogen --> maka menggunakan asumsi bahwa varians sama
(lihat kolom Equal variance assumed).

3. Kemudian Lihat level signifikannya dengan rule: p-value (sig 2-tailed)

> 0,05 → H0 diterima, Ha ditolak p value (sig 2-tailed) < 0,05, H0
ditolak, Ha diterima;

Mis: 0,431 > 0,05 → H0 diterima, Ha ditolak

Langkah-langkah spss : analyze-compare means-independent sampel t

test- test variable masukkan tinggi- jenis kelamin masuk di group-define
group-isi grup 1 dan 2-ok

1. Hipotesis
H0 : 𝜇1 = 𝜇2 (Rata-rata tinggi siswa dan siswi kelas 1 sama)
H1 : 𝜇1 ≠ 𝜇2 (Rata-rata tinggi siswa dan siswi kelas 1 tidak sama)

2. Tingkat signifikansi, 𝛼 = 5% = 0.05

3. Statistik uji, P_value

Dari output di atas diperoleh nilai p_value = 0.431

4. Daerah kritis
H0 ditolak jika p_value < 𝛼

5. Kesimpulan
Karena p_value = 0.431> 𝛼 = 0.05 maka H0 diterima. Hal ini
berarti rata-rata tinggi siswa dan siswi kelas 1 sama.

3. Contoh Uji One Way ANOVA

➢ Uji one way anova (analysis of varians) adalah uji anova satu faktor
➢ Uji anova berguna untuk menguji perbedaan rata-rata data lebih dari
dua kelompok
➢ Persyaratan penggunaan uji anova
1. Sampel berasal dari kelompok yang independent (tidak
saling berhubungan)
2. Variable faktor bersifat non metrik (kategori tidak bernilai)
3. Data masing-masing kelompok berdistribusi normal
4. Varians antar kelompok harus homogen
➢ Contoh kasus
Seorang peneliti ingin membandingkan penjualan handphone dengan
merek Samsung, oppo, vivo, dan Lenovo. Akan diteliti apakah
terdapat perbedaan rata-rata dalam penjualan keempat handphone
tersebut.

➢ Langkah-langkah one way anova

1. Melakukan uji normalitas = analyze-descriptive-explore-
dependen masukkan penjualan -plots-centang normality-ok
Jika nilai sig > 0,05 maka data berdistribusi normal
Jika nilai sig < 0,05 maka data berdistribusi tidak normal (jika
menghasilkan data tidak berdistribusi normal maka melakukan
transformasi data),,jika tetap tidak berdistribusi normal maka
tidak boleh dilakukan.
Misal : empat merk hp nilai sig> 0,05 maka berdistribusi
normal

2. Melakukan uji homogenitas = langsung dgn uji anova

Jika nilia sig > 0,05 maka data penjualan ke empat merk yang
dibandingkan adalah sama atau homogen
Jika nilai sig < 0,05 maka data penjualan ke empat merk yang
dibandingkan Adalah tidak sama
3. Melakukan uji one way anova = analyze=compare means-one
way anova-penjualan masukan ke dependent list-post hop-
centang turkey-continu-options-centang descriptive dan
homogeneity-continu-ok .

Uji hipotesis
H0 : terdapat perbedaan rata-rata dalam penjualan keempat
handphone tersebut.
H1 : tidak terdapat perbedaan rata-rata penjualan keempat
handphone tersebut
Jika nilai sig > 0,05 maka H0 diterima
Jika nilai sig <0,05 maka H0 ditolak atau H1 diterima

Misal : nilai sig 0,009

0,009 < 0,05 maka H0 ditolak dan H1 diterima

Kesimpulan = tidak terdapat perbedaan rata-rata dalam

penjualan keempat handphone tersebut.