Test “t” adalah salah satu tes statisik yang dipergunakan untuk menguji kebenaran atau
kepalsuan hipotesis nihil yang menyatakan bahwa diantara dua buah mean sampel diambil
secara random dari populasi yang sama tidak terdapat perbedaan yang signifikan. Sebagai
salah satu tes statistic parametric, Tes “t” mula pertama dikembangkan oleh William Seely
Gosset pada tahun 1915. Test t sering juga disebut dengan istilah student t (Sudijono:2011).
Tujuan utama kegiatan penelitian antara lain adalah menemukan prinsip yang dapat
diberlakukan secara umum atau bersifat universal. Untuk dapat menemukan prinsip yang
universal itu secara ideal teoritis seorang peneliti seharusnya meneliti keseluruhan objek yang
ia hadapi, dengan kata lain meneliti populasinya. Dengan meneliti populasi, generalisasi yang
diungkapkan oleh seorang peneliti tidak akan terlalu berbeda dengan kenyataan sebenarnya.
Akan tetapi, peneliti akan mengalami kesusahan ketika meneliti seluruh populasi, karena
tidak praktis dan peneliti tidak mungkin melakukan penelitian terhadap karaketristiknya.
Itulah sebabnya sebelum dilakukan pengukuran, populasi perlu diubah terlebih dahulu ke
dalam populasi yang lebih kecil, yang kemudian kita sebut dengan sampel. Sampel sebagai
miniatur population diperoleh dengan cara melakukan reduksi terhadap populasi dan dengan
mereduksi populasi ke dalam bentuk sampel.
Sampel adalah proporsi kecil dari populasi yang seharusnya diteliti, yang dipilh,
ditetapkan untuk keperluasan analisis. Dengan meneliti sampel saja diharapkan peneliti
mampu menarik kesimpulan yang akan dikenakan terhadap populasinya. Agar penarikan
kesimpulan tidak terlalu jauh menyimpang dari populasinya, maka proses pengambilan
sampel dilakukan secara cermat.Salah satu tugas statistik inferensial adalah memperkirakan
atau membuat perkiraan seberapa jauh kiranya hasil pengukuran yang dilakukan terhadap
sampel menyimpang dari pengukuran yang dilakukan terhadap populasi.
2. Kegunaan Uji t
Uji t dilakukan dengan tujuan sebagai berikut:
a. Digunakan untuk menguji hipotesa komparatif (uji perbedaan)
SD (Sudjana)
Jika data dari sampel telah di susun dalam daftar distribusi frekuensi, maka menentukan
standar deviasi dipakai rumus:
SD = (Sudjana)
Dimana: xi = tanda kelas, fi = frekuensi pada kelas tertentu, n = banyak frekuensi
(Riduwan)
Jika berarti data tidak homogen dan jika berarti data
homogen.
5. Penggolongan Uji t
Uji t dapat digolongkan menjadi dua bagian:
1. Uji t untuk Satu Sampel
Uji t untuk sampel ini digunakan untuk satu sampel.Uji t satu sampel digunakan untuk
menguji apakah suatu nilai berbeda secara nyata.Prinsipnya menguji apakah suatu nilai
tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan
rata-rata sebuah sampel. Nilai yang dimaksud pada umumnya adalah nilai parameter untuk
mengukur suatu populasi.
(Irianto)
Keterangan:
t = Nilai t hitung
= Rata-rata sample
= Nilai parameter
SD =Standar deviasi sample
n = Jumlah sample Rumus one sample t-test
√ ∑ x2 d
N ( N−1)
Dengan:
Md=
∑d (Suharsimi)
N
Keterangan:
d = Perbedaan pretes dengan postes (postes – pretes)
Md = Mean dari perbedaan pretes dengan postes
xd = Deviasi masing-masing subjek (d-Md )
∑x2d= Jumlah kuadrat deviasi
N = Subjek pada sampel
Keterangan:
t = Nilai t hitung
X1 = Rata-rata kelompok 1
X 2 =¿Rata-rata kelompok 2
S X −X = Standard error kedua kelompok
Contoh: Seorang dosen Statistik melakukan eksperimen tentang metode mengajar A dan
metode mengajar B terhadap mahasiswa dari beberapa perguruan tinggi. Untuk itu dosen
tersebut mengambil dua kelas sebagai kelas eksperimen dan control. Kelas A ada 9 orang
siswa dan kelas B ada 13 orang siswa, dengan data sebagai berikut:
Kelas A: 70,60, 80, 75, 76, 75, 71, 65, 85
Kelas B: 63, 60, 70, 80, 74, 75, 85, 64, 65, 60, 90, 75, 75
Sebelum kita melakukan perhitungan lebih lanjut maka sebaiknya kita menyusun data
tersebut dalam suatu table;
XA X A −X A 2
(X A− X A ) XB X B− X B (X B− X B )
2
85 12 144 90 18 324
80 7 49 85 13 169
76 3 9 80 8 64
75 2 4 75 3 9
75 2 4 75 3 9
71 -2 4 75 3 9
70 -3 9 74 2 4
65 -8 64 70 -2 4
60 -3 169 65 -7 49
64 -8 64
63 -9 81
60 -12 144
60 -12 144
657 0 456 936 0 1074
X A =657 : 9=73
X B=936: 13=72
Langkah-langkah pengujian hipotesis yang dpat kita lakukan;
Pertama: Penyusunan Hipotesis Matematika
H0 : μ A −μB =0
H1 : μ A −μB ≠ 0
Apabila untuk pengujian ini digunakan alpha sebesar 0,05 dan derajat kebebasan
adalah 9+13-2= 20
Kedua : Menghitung Standar Eror dengan nilai sebagai berikut
2
S=
∑ ( X A −X A ) + ∑ ( X B −X B )
2 2
p
N A + N B−2
2 456+1074
S p= =76 ,5
9+13−2
SX A −XB =
√ S 2p S2p
+
N A NB
SX A −XB =
√ 765 765
9
+
13
=3,79
1. Pengujian Hipotesis
Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk hal
tertentu yang sering dituntut untuk dilakukan pengecekkanya (Sudjana, 2002). Kalau dalam
bidang hukum kita sering mendengar ada istilah praduga tak bersalah, di mana seseorang
dalam pengaduan sebagai tersangka akan diasumsikan tak bersalah sampai hakim
membuktikan ia bersalah. Dalam statistika kita juga menggunakan suatu penduga terhadap
populasi dan kemudian kita perlu membuktikan kebenarannya. Setiap hipotesis bisa benar
atau tidak dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima atau
ditolak. Langkah atau prosedur untuk menentukan apakah hipotesis itu dapat diterima atau
ditolak dinamakan pengujian hipotesis.
Sebelum mengadakan pengujian hipotesis kita harus memahami dahulu asumsi yang
diperlukan dalam pengujian hipotesis. Asumsi ini penting sebab dalam pengujian hipotesis,
perbedaan asumsi akan membedakan alat uji yang digunakan. Dalam pengujian hipotesis
tahap–tahap yang harus dilakukan adalah (Nugraheni, 2011):
e. Pengambilan Keputusan
Tahap terakhir adalah pengambilan keputusan untuk menolak atau tidak menolak
hipotesis null.
Nugraheni (2011) menjelaskan bahwa penggunaan uji Z dapat dilakukan secara uji satu
arah atau uji dua arah. Seperti pada Gambar 1, terlihat bahwa bahwa kita menggunakan uji
satu arah, karena area penolakan hanya di sebelah kanan arah dari kurva.
Titik Kritis
Gambar 1. Daerah Penolakan dan Penerimaan H0
Pengujian satu arah atau dua arah akan sangat ditentukan oleh hipotesis yang akan kita
uji. Pada contoh uji tentang mean yang menyatakan bahwa Ho: µ ¿ 3,02, yang dibaca bahwa
rata-rata populasi adalah sama dengan atau kurang dari 3,02, sehingga hipotesis alternatifnya
adalah Ha: µ > 3,02. Uji ini adalah uji satu arah sehingga apabila kita gambarkan dalam
bentuk grafik adalah seperti Gambar 2.
Apabila kita ingin menguji suatu hipotesis yang menyatakan bahwa rata-rata keluarga
memiliki anak kurang dari 4 orang maka bentuk uji hipotesisnya adalah sebagai berikut:
Ho: µ ¿ 4
Ho: µ < 4
Pada hipotesis di atas dalam pengujiannya menggunakan uji satu arah di mana aturan
pengambilan keputusannya bisa kita gambarkan sebagai berikut:
Uji satu arah digunakan jika dalam pernyataan hipotesis ada tanda lebih besar atau lebih kecil
(>/<).
Apabila dalam pernyataan hipotesis tidak ada petunjuk lebih besar atau lebih kecil
maka uji dua arah digunakan. Sebagai contoh adalah apabila kita ingin menguji suatu
hipotesis yang menyatakan bahwa tidak ada perbedaan antara rata-rata pendapatan daerah A
dengan daerah B, maka hipotesis yang kita gunakan rumus sebagai berikut:
Ho: µA = µB
Ho: µA ¿ µB
Untuk menguji hipotesis di atas maka uji yang digunakan adalah uji dua arah, sehingga
kurva uji adalah seperti pada Gambar 4.
Dalam uji hipotesis tentang rata-rata populasi dengan sampel besar, deviasi standar populasi
harus diketahui.
Pada uji ini kita ingin mengetahui tentang apakah rata-rata populasi semua dengan nilai
tertentu. Sebagai contoh adalah rata-rata return on equity perusahaan publik di Indonesia
adalah 0,46 dengan jumlah populasi adalah 700 dan deviasi standart adalah 0,05 maka nilai Z
hitung bisa dicari dengan rumus :
x−μ
σ
Z = √n
dimana:
μ adalah rata-rata populasi; n adalah jumlah sampel
x adalah rata-rata sampel; σ adalah deviasi standar populasi
Ho: µA = 0,46
Ho: µA ¿ 0,46.
x−μ
σ
Maka nilai Z = √n
0 , 47−0 , 46
= 0 ,05 / √30
0, 00913¿
0, 01¿ ¿
= ¿
= 1,095
Apabila dengan tingkat kepercayaan 95% maka nilai kritis Z dengan uji 2 arah,
setengah dari 0,05 adalah 0,025, sehingga luas kurva adalah 0,475 dengan mencari pada
nilai tabel Z didapatkan nilai Z tabel +1,96 sehingga bentuk kurvanya adalah:
Nilai Z hitung tersebut akan terletak pada daerah penerimaan Ho. Dari sini kita bisa
menyimpulkan bahwa kita tidak membuktikan bahwa Ho benar tetapi kita telah gagal untuk
menyangkal Ho, yang berarti kesimpulannya rata-rata return on investment perusahaan di
Indonesia adalah 0,46.
Apabila kita ingin menguji satu arah maka nilai Z hitung akan berubah menjadi 0,5 –
0,05 = 0,45 sehingga titik kritisnya adalah 1,65. Dalam bentuk kurva nilai pengujian satu arah
adalah sebagai berikut:
Nilai P adalah probabilitas sampel observasi mempunyai perbedaan yang besar dari
nilai observasi di mana hipotesis null benar. Nilai P yang sangat kecil menunjukkan bahwa
kecil kemungkinan Ho benar, sebaliknya jika P-value besar maka kecil kemungkinan bahwa
Ho salah.
Untuk mendapatkan nilai P kita mengurangi luas area ½ kurva dengan luas area z dari
z . Pada contoh rata-rata pendapatan uji hipotesis tentang return on investment dengan
hitung
dua arah diatas, diperoleh luas area z hitung = 0,3621. Dengan 0,5 – 0,3621 = 0,1375. Dikali
dua untuk uji dua arah = 0,275. Karena nilai P sebesar 0,275 lebih besar dari pada 0,05 maka
kita tidak menolak Ho.
Dalam aplikasi software yang lain mungkin bukan nilai P sebagai indikator penerimaan
atau penolakan hipotesis,tetapi menggunakan nilai Signifikansi. Contoh yang ada adalah pada
aplikasi software SPSS, keputusan penerimaan atau penolakan hipotesis bisa dengan melihat
nilai Sig(Significant). Jika nilai Sig lebih kecil dari alpha maka kita bisa menyimpulkan untuk
menolak H0, sebaliknya jika nilai Sig lebih besar dari alpha maka kesimpulan yang dibuat
adalah kita menerima H0. Penerimaan dan penolakan H0 terlihat seperti Gambar 7.
Gambar 7. Daerah Penerimaan & Penolakan H0
Apabila dalam uji hipotesis di atas σ tidak diketahui, maka kita menggunakan deviasi
standar sampel sebagai penggantinya, sehingga z hitung adalah
x−μ
s
Z = √n
di mana:
μ = adalah rata-rata populasi s = adalah deviasi standar sampel
x = adalah rata-rata sampel n = adalah jumlah sampel
Selanjutnya kita akan membahas mengenai uji hipotesis untuk perbandingan dua mean
yang masih menggunakan uji Z. Untuk menguji perbedaan dua mean digunakan rumus uji
sebagai berikut:
x 1 −x 2
√
s s
12 22
+
Z= n1 n2
di mana:
x 1 adalah rata-rata sampel pertama;
x 2 adalah rata-rata sampel kedua;
s21 adalah varians sampel pertama;
s22 adalah varians sampel kedua;
Jawab:
Untuk menjawab pertanyaan tersebut kita menggunakan uji Z tentang perbedaan mean
atau rata-rata. Langkah-langkah pengujiannya adalah sebagai berikut:
a. Menyatakan hipotesis null dan hipotesis alternatif. Hipotesis null dan alternatifnya
dinyatakan sebagai berikut:
Ho: µA = µB
Ho: µA ¿ µB
b. Menentukan level signifikansi. Untuk level signifikansi dipilih tingkat kepercayaan 95%.
c. Menentukan uji statistik yang digunakan. Untuk menguji hipotesis tersebut kita
menghitung nilai Z
x 1 −x 2
√
s s
12 22
+
Z= n n
5 , 12−5 , 13
√
( 0 , 05 )2 ( 0 , 06 )2
= 100
+
100
−0 ,01
√
( 0 , 0025 ) ( 0 ,0036 )
= 100
+
100
−0 , 01
= 0 , 0078
= 1,28
d. Memformulasi Keputusan.
Dengan memilih level signifikansi 95% uji dua arah kita mendapatkan nilai Z tabel
sebesar 1,96. Dengan membandingkan nilai z hitung dengan z tabel di mana z hitung lebih kecil
dari pada Z tabel maka dapat kita simpulkan bahwa z hitung terletak pada daerah penerimaan
H0, sehingga bisa disimpulkan bahwa rata-rata kandungan susu kedua produk adalah
sama. Selengkapnya dapat kita gambarkan dalam Gambar 5.8 sebagai berikut:
Kita juga bisa menghitung nilai P untuk mengambil keputusan. Pada contoh tersebut
terlihat bahwa luas area 1,28 adalah 0,3849. Jadi luas area di sebelah kanan 1,2 adalah
0,5 – 0,3849 = 0,1003. Dengan uji dua arah maka nilai P adalah 2 x 0,1151 = 0,20026
Karena nilai P lebih besar dari 0,05 maka kita tidak menolak Ho.
Dalam menguji proporsi sampel populasi ada beberapa asumsi yang perlu dipenuhi
yaitu:
P−π
Z=
σp
dimana:
p : proporsi sampel;
: proporsi populasi;
n : jumlah sampel;
Contoh:
Suatu survei tentang merek kacang garing yang dibeli oleh konsumen menyatakan
bahwa proporsi kacang garing merek A dikonsumsi 60% konsumen yang menjadi responden.
Dengan menggunakan uji hipotesis proporsi, nilailah peluang bahwa kacang merek A dipilih
oleh para konsumen jika dari hasil penelitian selanjutnya yang dilakukan terhadap 1000
orang, sebanyak 500 orang menyatakan memilih merek A, ujilah apakah perbedaan hasil
penelitian tersebut sesuai dengan survei sebelumnya?
Jawab:
Untuk menguji hipotesis di atas kita menggunakan uji proporsi dengan tahap-tahap
sebagai berikut:
H1 : < 0,6
d. Menentukan titik kritis penolakan atau penerimaan hipotesis. Dari level kepercayaan 95
% kita dapat melihat bahwa nilai Z adalah 0,5 – 0,05 = 0,45. Nilai Z kita cari pada tabel
Z dengan uji satu arah didapat nilai Z adalah 1,65. Aturan keputusan dapat kita
gambarkan sebagai berikut.
√
580
π ( 1−π )
n
−0 ,6
1000
=
√ 0 ,6 ( 1−0 , 6 )
1000
0,58−0,6
=
0,00024
−0 , 02
=
0 , 01549
=−1,29
Dari hasil penghitungan tersebut terlihat bahwa nilai z hitung sebesar -1,29 terletak pada
daerah penerimaan H0. Dengan demikian perbedaan sebesar 2 % dari penjualan yang
menyatakan bahwa pangsa pasar kadang merek A adalah 60 % adalah hasil dari variasi
fungsinya, dalam arti pangsa pasar kacang garing merek A adalah 60%. Kita bisa juga
menghitung nilai p dengan cara mencari luas area nilai Z yang sebesar -1,29 yaitu sebesar
0,04015. Sehingga nilai p adalah 0,05 – 0,4015 = 0,09. Karena nilai p lebih besar dari pada
level kepercayaan 95% (α = 5%) maka kita tidak menolak H0.
6. Uji Hipotesis Perbedaan Proporsi Dua Populasi
Dalam dunia bisnis banyak kedudukan dengan dua variasi suatu populasi misalnya
adalah apakah ada perbedaan antara populasi perempuan usia muda yang menyukai parfum
merek A dengan perempuan usia setengah baya yang menyukai parfum merek A. untuk
menguji hal tersebut kita perlu menguji perbedaan antara populasi tersebut. Rumus uji
statistik untuk menguji proporsi dua populasi adalah sebagai berikut:
P1 −P2
Z=
√ Pc(1−Pc ) Pc−(1−Pc )
n1
+
n2
di mana
P1 : proporsi populasi pembaca laki-laki
P2 : proporsi populasi pembaca perempuan
N1 : jumlah sampel laki-laki
N2 : jumlah sampel perempuan
P1 : rata-rata tertimbang dari dua proporsi sampel yang dihitung dengan
jumlah sukses x 1 + x 2
Pi = :
jumlah sampel n1 +n 2
di mana:
H1 : P1 P2 : 1 2
√ Pc(1−Pc ) Pc−(1−Pc )
n1
+
n2
di mana
P1 : proporsi populasi pembaca laki-laki
P2 : proporsi populasi pembaca perempuan
n1 : jumlah sampel laki-laki
n2 : jumlah sampel perempuan
Pc : rata-rata tertimbang dari dua proporsi sampel yang dihitung dengan
jumlah sukses x 1 + x 2
Pc = :
jumlah sampel n1 + n2
di mana:
x1 : jumlah sampel laki-laki yang membaca majalah ekonomi
x2 : jumlah sampel perempuan yang membaca majalah ekonomi
e. Pengambilan keputusan
69
X1 : 69 p1 : 150
= 0,46
N1 : 150
95
X2 : 95 P2 : 200
N2 : 200 = 0,475
X 1+ X 2
Pc= n1 + n2
69+ 95
= 150+200
= 0,47
Jadi
x 1+ x 2
Z=
√ Pc (1−P c ) P c (1−Pc )
n1
+
n2
0 , 46−0 , 475
=
√ 0 ,249 0 ,249
150
+
200
−0 , 015
=
√ 0 , 00166+0 , 001245
−0 , 015
=
√ 0 , 0029
Z =−0,278
Berdasar hasil penghitungan nilai z hitung terlihat bahwa nilai z hitung berada pada daerah
penerimaan H0 sehingga kita dapat membuat keputusan untuk menerima hipotesis null.