UJI STATISTIC DALAM ANALISIS DATA

Sri Laela
Macam-macam uji statistik adalah beragam teknik analisis statistik yang digunakan
untuk menguji hipotesis, membandingkan dua atau lebih sampel, serta menentukan
hubungan antara dua variabel atau lebih.

Ada beberapa jenis uji statistik yang digunakan dalam analisis data, seperti uji t-test,
uji chi-square, ANOVA, regresi linier, dan sebagainya. Setiap jenis uji statistik
memiliki asumsi dan syarat tertentu yang harus dipenuhi sebelum dapat diterapkan
pada data. Pemilihan jenis uji statistik yang tepat sangat penting untuk memastikan
hasil analisis data yang akurat dan dapat diandalkan
 Uji t
• Salah satu macam uji statistik yang sering
digunakan adalah uji t.
• Teknik uji t digunakan untuk membandingkan
dua sampel atau rata-rata populasi.
• Jenis uji t ini berguna untuk menentukan
apakah perbedaan antara dua sampel atau
rata-rata populasi tersebut signifikan atau
tidak.
• Uji t dapat digunakan pada sampel kecil
dengan asumsi bahwa data tersebut berasal
dari distribusi normal.
• Misalkan ada dua kelompok siswa
yang diuji kemampuan
matematikanya. Kelompok pertama
terdiri dari 30 siswa dan kelompok
kedua terdiri dari 25 siswa. Rata-rata
skor matematika kelompok pertama
adalah 75 dan rata-rata skor
matematika kelompok kedua adalah
80. Selain itu, deviasi standar untuk
kelompok pertama adalah 5 dan
untuk kelompok kedua adalah 6.
Langkah-langkah untuk melakukan uji t :
1. Tentukan hipotesis nol (H0) dan hipotesis alternatif (Ha). Misalnya :
H0: tidak ada perbedaan antara dua kelompok dalam kemampuan
matematika mereka
Ha: ada perbedaan antara dua kelompok dalam kemampuan matematika
mereka.
2. Tentukan level signifikansi (α) yang digunakan dalam uji t. Misalkan kita
menggunakan α = 0,05.
3. Hitung nilai t menggunakan rumus:
t = (x1 - x2) / (s_p * sqrt(1/n1 + 1/n2))
• dimana x1 dan x2 adalah rata-rata skor matematika untuk masing-masing kelompok, s_p
adalah estimasi deviasi standar gabungan untuk kedua kelompok dan dihitung dengan rumus:
s_p = sqrt(((n1-1)*s1^2 + (n2-1)*s2^2) / (n1+n2-2))
n1 dan n2 adalah ukuran sampel untuk masing-masing kelompok, s1 dan s2 adalah deviasi
standar untuk masing-masing kelompok.
4. Tentukan derajat kebebasan (df) dengan menggunakan rumus:
df = n1 + n2 – 2
5. Tentukan nilai kritis t dengan menggunakan tabel distribusi t-Student atau perangkat lunak
statistik yang tersedia. Misalnya, pada derajat kebebasan 53 dan level signifikansi 0,05,
nilai kritis t adalah ± 2,007.
6. Tentukan apakah nilai t yang dihitung berada di daerah kritis atau tidak. Jika nilai t yang
dihitung lebih besar dari nilai kritis t positif atau lebih kecil dari nilai kritis t negatif, maka
hipotesis nol ditolak dan hipotesis alternatif diterima. Jika nilai t yang dihitung tidak berada di
daerah kritis, maka hipotesis nol diterima.
•
 UJI ANOVA
• Selain uji t, terdapat juga uji ANOVA (Analysis
of Variance) yang digunakan untuk
membandingkan tiga atau lebih rata-rata
populasi. Teknik uji ANOVA ini berguna untuk
menentukan apakah terdapat perbedaan yang
signifikan antara rata-rata populasi tersebut.
Statistik ANOVA dapat dilakukan dengan
menggunakan satu arah (one-way ANOVA)
atau dua arah (two-way ANOVA) tergantung
pada jumlah faktor yang diteliti.
• Misalnya, kita ingin membandingkan hasil ujian
matematika dari tiga kelompok siswa yang
berbeda di sebuah sekolah. Kelompok pertama
terdiri dari 10 siswa dari kelas 10A, kelompok
kedua terdiri dari 12 siswa dari kelas 10B, dan
kelompok ketiga terdiri dari 8 siswa dari kelas
10C. Data hasil ujian matematika dari masing-
masing kelompok adalah sebagai berikut:
• Kelompok 1: 70, 80, 75, 85, 90, 95, 80, 85, 80, 75
• Kelompok 2: 65, 75, 70, 80, 85, 90, 85, 75, 80, 75, 70,
80
• Kelompok 3: 60, 70, 65, 75, 80, 85, 75, 70
 LANGKAH 1:
MENGHITUNG RATA-RATA
MASING-MASING KELOMPOK

• rata-rata kelompok 1 = (70 + 80 + 75 +

85 + 90 + 95 + 80 + 85 + 80 + 75) / 10
= 81
• rata-rata kelompok 2 = (65 + 75 + 70 +
80 + 85 + 90 + 85 + 75 + 80 + 75 + 70
+ 80) / 12 = 77.5
• rata-rata kelompok 3 = (60 + 70 + 65 +
75 + 80 + 85 + 75 + 70) / 8 = 72.5
 LANGKAH 2:
MENGHITUNG VARIANS DALAM KELOMPOK
(WITHIN-GROUP VARIANCE)

• Untuk menghitung varians dalam kelompok (within-group

variance), kita perlu menghitung selisih antara setiap nilai dalam
kelompok dengan rata-rata kelompok, kuadratkan selisih tersebut,
dan jumlahkan semua nilai tersebut untuk setiap kelompok.
Kemudian, bagi jumlah tersebut dengan derajat kebebasan yang
sesuai.
• Variance kelompok 1 = [(70 - 81)² + (80 - 81)² + (75 - 81)² + (85 - 81)² +
(90 - 81)² + (95 - 81)² + (80 - 81)² + (85 - 81)² + (80 - 81)² + (75 - 81)²] /
(10 - 3) = 95.6
• Variance kelompok 2 = [(65 - 77.5)² + (75 - 77.5)² + (70 - 77.5)² + (80 -
77.5)² + (85 - 77.5)² + (90 - 77.5)² + (85 - 77.5)² + (75 - 77.5)² + (80 - 77.5)²
+ (75 - 77.5)² + (70 - 77.5)² + (80 - 77.5)²] / (12 - 3) = 79.54
• Variance kelompok 3 = [(60 - 72.5)² + (70 - 72.5)² + (65 - 72.5)² + (75 -
72.5)² + (80 - 72.5)² + (85 - 72.5)² + (75 - 72.5)² + (70 - 72.5)²] / (8 - 3) =
66.5
 LANGKAH 3:
MENGHITUNG VARIANS ANTARA KELOMPOK
(BETWEEN-GROUP VARIANCE)

• Untuk menghitung varians antara kelompok

(between-group variance), kita perlu menghitung
selisih antara rata-rata semua kelompok dengan
rata-rata total, kuadratkan selisih tersebut, dan
jumlahkan semua nilai tersebut. Kemudian, bagi
jumlah tersebut dengan derajat kebebasan yang
sesuai.
• Rata-rata total = (81 + 77.5 + 72.5) / 3 = 77
• Variance antara kelompok
= [(81 - 77)² + (77.5 - 77)² + (72.5 - 77)²] / (3 - 1) = 45.33
 LANGKAH 4:
MENGHITUNG F-RATIO

• F-ratio adalah perbandingan

antara varians antara
kelompok dan varians dalam
kelompok.
• F-ratio = Variance antara
kelompok / Varians dalam
kelompok
= 45.33 / ((95.6 + 79.54 + 66.5)
/ (10 + 12 + 8 - 3)) = 5.28
LANGKAH 5: MENGHITUNG NILAI P
Untuk menghitung nilai p, kita perlu menggunakan tabel distribusi F. Dalam
contoh ini, dengan derajat kebebasan antara kelompok = 3 – 1 = 2, dan derajat
kebebasan dalam kelompok = 30, maka nilai kritis F pada taraf signifikansi 0.05
adalah 3.12.
Karena F-ratio (5.28) lebih besar dari nilai kritis F (3.12), maka hasil uji ANOVA
menunjukkan adanya perbedaan yang signifikan antara rata-rata hasil ujian
matematika dari ketiga kelompok siswa di sekolah tersebut.

Nilai p dapat dihitung sebagai probabilitas untuk mendapatkan F-ratio yang lebih
besar dari nilai yang diamati. Dalam contoh ini, nilai p kurang dari 0.05, yang
menunjukkan bahwa hasil ujian matematika dari ketiga kelompok siswa tersebut
berbeda secara signifikan.
 REGRESI

• Selanjutnya, ada juga uji regresi yang digunakan untuk mengetahui

hubungan antara dua variabel atau lebih. Uji regresi berguna untuk
membuat model yang dapat dipakai untuk memprediksi nilai
variabel yang tidak diketahui berdasarkan nilai variabel yang
diketahui. Ada beberapa jenis uji regresi, seperti regresi linier
sederhana, regresi linier berganda, dan regresi logistik.

r = kovarians / (sqrt(variansi x) * sqrt(variansi y)

CHI-SQUARE

Selain itu, terdapat juga uji chi-square yang digunakan untuk Chi-square adalah sebuah metode statistik yang digunakan
membandingkan frekuensi observasi dengan frekuensi yang untuk menentukan apakah terdapat hubungan antara dua
diharapkan. Uji chi-square ini berguna untuk menentukan variabel kategorikal.
apakah terdapat perbedaan signifikan antara frekuensi
observasi dan frekuensi yang diharapkan. Uji chi-square
sering digunakan dalam analisis data kategorikal atau
nonparametric
χ2 = Σ [(Oi - Ei)2 / Ei]
 UJI NO NP ARAM ETRI K

Dalam pemilihan uji statistik yang tepat,

Terakhir, ada juga uji nonparametrik yang
perlu dipertimbangkan asumsi yang harus
digunakan untuk menguji hipotesis pada
dipenuhi oleh data. Selain itu, perlu juga
data non-normal atau data yang tidak
dipertimbangkan jumlah variabel yang
memenuhi asumsi distribusi normal.
diteliti dan jenis data yang digunakan.
Statistik uji nonparametrik seperti uji
Dengan memilih uji statistik yang tepat,
Mann-Whitney dan uji Kruskal-Wallis analisis data yang dilakukan dapat
sering digunakan dalam analisis data
menghasilkan informasi yang akurat dan
nonparametrik.
relevan bagi pengambil keputusan.
 FUNGSI DAN KELEBIHAN DARI
BEBERAPA MACAM UJI STATISTIK

• Uji t
• Uji t adalah salah satu dari macam-macam uji statistik yang umum
digunakan untuk membandingkan dua sampel atau rata-rata
populasi. Teknik uji t memiliki beberapa kelebihan, seperti
kemampuan untuk menguji hipotesis pada sampel yang relatif kecil,
asumsi yang sederhana, dan mudah dilakukan. Asumsi yang harus
dipenuhi oleh uji t adalah data yang digunakan berasal dari distribusi
normal dan memiliki variansi yang sama antara kedua sampel atau
populasi yang dibandingkan.
• Namun, terdapat juga kelemahan dari uji t, yaitu tidak dapat
digunakan pada data yang tidak memenuhi asumsi distribusi normal.
Selain itu, uji t juga hanya dapat digunakan untuk membandingkan
dua sampel atau populasi. Jika terdapat lebih dari dua sampel atau
populasi yang akan dibandingkan, maka diperlukan uji yang lebih
kompleks seperti uji ANOVA.
• Uji ANOVA
• Uji ANOVA adalah salah satu macam-macam uji statistik yang digunakan untuk
membandingkan tiga atau lebih rata-rata populasi. ANOVA memiliki kelebihan,
yaitu dapat digunakan untuk membandingkan banyak sampel atau populasi
secara bersamaan dan dapat digunakan untuk mengidentifikasi variabel yang
signifikan dalam suatu pengamatan.
• Akan tetapi, uji ANOVA juga memiliki beberapa kelemahan, seperti asumsi
bahwa data yang digunakan berasal dari distribusi normal dan memiliki variansi
yang sama antara populasi yang dibandingkan. Selain itu, uji ANOVA juga hanya
dapat digunakan untuk data yang bersifat kuantitatif dan tidak dapat digunakan
untuk data yang bersifat kualitatif.
• Uji Regresi
• Uji regresi adalah salah satu macam-macam uji statistik
yang digunakan untuk mengetahui hubungan antara dua
variabel atau lebih. Regresi memiliki kelebihan, yaitu
dapat digunakan untuk memprediksi nilai variabel yang
tidak diketahui berdasarkan nilai variabel yang diketahui.
Uji regresi juga dapat digunakan untuk menentukan
hubungan antara variabel-variabel yang diteliti.
• Namun, uji regresi juga memiliki beberapa kelemahan,
seperti asumsi bahwa data yang digunakan berasal dari
distribusi normal dan tidak adanya hubungan kausalitas
antara variabel yang diteliti. Selain itu, uji regresi juga
hanya dapat digunakan untuk data yang bersifat
kuantitatif dan tidak dapat digunakan untuk data yang
bersifat kualitatif.
•
• Uji Chi-Square
• Uji chi-square adalah salah satu dari macam-macam uji statistik yang digunakan
untuk membandingkan frekuensi observasi dengan frekuensi yang
diharapkan.Chi-square memiliki kelebihan, yaitu dapat digunakan untuk menguji
hubungan antara variabel-variabel kualitatif. Selain itu, uji chi-square juga dapat
digunakan untuk membandingkan frekuensi observasi dengan frekuensi yang
diharapkan.
• Namun, uji chi-square juga memiliki beberapa kelemahan, seperti tidak dapat
digunakan untuk data yang bersifat kuantitatif, asumsi bahwa data yang
digunakan berasal dari distribusi multinomial atau binomial, dan sensitivitas
terhadunagnya pada ukuran sampel yang kecil.
• Uji Nonparametrik
• Uji nonparametrik adalah salah satu macam uji statistik yang
digunakan untuk menguji hipotesis pada data non-normal atau
data yang tidak memenuhi asumsi distribusi normal.
Nonparametrik seperti uji Mann-Whitney dan uji Kruskal-Wallis
sering digunakan dalam analisis data nonparametrik.
• Kelebihan dari uji nonparametrik adalah dapat digunakan pada
data yang tidak memenuhi asumsi distribusi normal dan tidak
terpengaruh oleh pencilan pada data/ penyimpangan data.
• Namun, uji nonparametrik juga memiliki beberapa kelemahan,
seperti tidak dapat digunakan untuk data yang bersifat
kuantitatif, tidak memiliki asumsi yang sederhana, dan
kekurangan dalam memberikan estimasi parameter yang
akurat. Selain itu, uji nonparametrik juga memerlukan ukuran
sampel yang lebih besar dibandingkan dengan uji parametrik.
 SIMPULAN
• Dalam memilih jenis uji statistik yang
tepat, perlu dipertimbangkan jenis
data yang digunakan, asumsi yang
harus dipenuhi oleh data, serta tujuan
analisis data yang dilakukan. Selain
itu, perlu juga diperhatikan kelebihan
dan kelemahan dari masing-masing
macam uji statistik sehingga hasil
analisis data yang diperoleh dapat
lebih akurat dan relevan bagi
pengambil keputusan