Uji Statistik Beda 2 Mean

(t-test)

Nurhalina, SKM,M.Epid

Analisis Kesehatan UMP

 Uji Beda 2 Mean
Contoh kasus:
1. Seorang peneliti ingin melihat apakah ada perbedaan rata-
rata kadar nikotine rokok merek A (23.1mg + 1.15) dengan
rokok merek B (20.0mg + 1.7)
2. Seorang peneliti ingin melihat apakah ada perbedaan rata-
rata kadar kolesterol penduduk desa dengan kota
3. Apakah ada pengaruh ‘program diet’ terhadap penurunan
berat badan.
Dari 10 peserta program, rata-rata berat badan sebelum
melakukan program diet 95.5 kg dan sesudah 3 bulan
melakukan program diet 90.5 kg.
 Uji Beda 2 Mean
Alternatif penyelesaian kasus:
• Dalam uji statistik untuk melihat perbedaan rata-rata
antara 2 kelompok (uji-t), ada 2 hal pokok yang harus
diperhatikan:
1. Apakah ke-2 kelompok tersebut Independent atau berpasangan
(paired)
2. Jika Independent, apakah varians ke dua kelompok sama atau tidak

Sehingga dikenal 2 jenis uji-t yaitu:

1. Berpasangan/dependent atau paired t-test
2. Independent t-test: 2.1. Varian sama
2.2. Varian berbeda
 Uji-t Berpasangan (Paired t-test)
Menguji perbedaan nilai rata-rata dari 2 pengukuran pada orang yang
sama, pada waktu yang berbeda
(Untuk kemudahan perhitungan, data ditampilkan sbb:)

No Data 1 Data 2 Data-2 – Data-1

responden (Sebelum) (Sesudah) (d):deviasi

1 11 12

2 21 22

3 31 32

Mean d = ..
SD d = ..
Prosedur Uji-t Berpasangan (Paired t-test)
1. Ho  1 - 2 = 0 atau d = 0
(Rata-rata perbedaan sama dengan nol)
2. Ha  1 - 2  0 atau d  0 (2-tailed)
1 - 2 > 0 atau d > 0 (1-tailed)
1 - 2 < 0 atau d < 0 (1-tailed)
3. Uji statistik  t-test
4. Ho ditolak, jika:
Ha Critical Region nilai-p
(2-tailed) 1 - 2  0 | t | hitung > t tabel (/2; df=n-1) atau p-value < /2

(1-tailed) 1 - 2 > 0 t hitung > t tabel (; df=n-1) atau p-value < 

(1-tailed) 1 - 2 < 0 t hitung < t tabel (; df=n-1) atau p-value < 
Prosedur Uji-t Berpasangan (Paired t-test)
5. Perhitungan:
a. Hitung perbedaan masing-masing pasangan (di = xi2 – xi1)
b. Hitung Mean (d) dan Standar Deviasi (Sd) dari perbedaan tersebut

d
n
i  (d i  d )2
d  i 1 Sd  i 1
c. Hitung nilai t-test n n 1

d
t
Sd
6. Keputusan: a. Bandingkan t hitung dg t tabel
n
b. Bandingkan p-value dg  atau /2
 Ho ditolak atau gagal ditolak?
7. Kesimpulan: Ada penurunan? Ada perbedaan atau tidak?
Aplikasi Uji-t Berpasangan (Paired t-test)
Contoh kasus: Dilakukan penelitian untuk melihat apakah ada perbedaan
tekanan darah sistolik pada mahasiswa sebelum dan sesudah ujian
biostatistik

Mhs sebelum sesudah beda (d)

1 110 120 10
2 90 105 15
3 100 95 5
4 120 140 20
5 95 100 5
Mean 103 112 11
SD beda =15.5mmHg
Aplikasi Uji-t Berpasangan (Paired t-test)
Jawab
• Ho  1 - 2 = 0 atau d = 0
(Rata-rata perbedaan sama dengan nol)
• Ha  1 - 2  0 atau d  0 (2-tailed)
• Uji statistik  t-test dengan  = 0.05
• Critical region (Ho ditolak, jika:
t hitung > t tabel (0.05/2; df=5-1)
t hitung >
11 11
• a. Hitung perbedaan t 5.5
  ,4.48
b. Hitung Mean dan Standar Deviasi perbedaan: 2.45
c. Hitung nilai t: 5

• Keputusan: Ho gagal ditolak

• Kesimpulan: Secara statistik tdk ada perbedaan tekanan darah sistolik pada
mahasiswa sebelum dan sesudah ujian biostatistik
Uji-t Independen (Independent t-test)
Menguji perbedaan nilai rata-rata dari 2 pengukuran yang
sama pada orang/kelompok yang berbeda (tidak
terkait satu sama lain)

Kelompok-I Kelompok-II
11 12
21 22
31 32
Mean1 = … Mean2 = …
SD1 = … SD2 = …
 Uji-t independen (Independent t-test)
Prosedur:
1. Uji kesamaan varian
2. Uji-t independen
2.1. Jika variannya sama, maka:
Lakukan Uji-t independen dengan asumsi
varian sama
2.2. Jika variannya tidak sama,
Lakukan Uji-t independen dengan asumsi
varian tidak sama

Pada MA ini diasumsikan varianya sama (Var beda tdk diajarkan)

 Uji Kesamaan Varian pada
Independen t-test
1. Ho  12 = 22 atau 12 / 22 = 1
(Varian populasi-1 sama dengan varian pop-2) atau
(Rasio kedua varian sama dengan satu)
2. Ha  12  22 atau 12 / 22  1
(Varian ke dua populasi adalah tidak sama)
3. Uji statistik  F-test (syaratnya, varians yg lbh besar jd
pembilang)
F hitung = s12 / s22 (dimana s1 = varian yang lebih besar)
4. Critical region: Ho ditolak, jika (Lihat tabel F)
F hitung > F tabel (n1 – 1, n2 – 1; )
(n1 – 1 = numerator), (n2 – 1 = denominator)
5. Keputusan  Ho ditolak atau gagal ditolak?
6. Kesimpulan  Varian berbeda atau varian sama?
 Prosedur Uji-t Independen
1. Ho  1 = 2 (Nilia rata2 populasi-1 sama dengan populasi-2)
2. Ha  (2-tailed: 1  2) atau (1-tailed: 1 > 2 , 1 < 2)
3. Uji kesamaan varians: (uji-F)
4. Uji statistik: 4.a. Uji-t dengan asumsi varian sama
( x1  x2 ) 2
(n1  1) S1  (n2  1) S 2
2
t Sp
2

2
S p ( n11  n12 ) n1  n2  2

5.a. Ho ditolak jika: (critical region)

Ha Critical Region p-value
(2-tailed) 1  2 | t | hitung > t tabel (/2; df=n1 + n2 - 2) atau p-value < /2
(1-tailed) 1 > 2 t hitung > t tabel (; df=n1 + n2 – 2) atau p-value < 
(1-tailed) 1 < 2 t hitung < t tabel (; df=n1 + n2 – 2) atau p-value < 
 Prosedur Uji-t Independen
4. b. Uji-t dengan asumsi varian tidak sama
( x1  x2 )
t
2 2
( S1 / n1 )  ( S 2 / n2 )
5.b. Critical region (Ho ditolak, jika:)

Ha Critical Region
(2-tailed) 1  2 | t | hitung > t tabel (/2; df=v) atau p-value < /2
(1-tailed) 1 > 2 t hitung > t tabel (; df=v) atau p-value < 
(1-tailed) 1 < 2 t hitung < t tabel (; df=v) atau p-value < 
Dimana df adalah:
df  v 
( S 1
2
/ n1 )  ( S 2
2
/ n )
2 .
2

2 2 2 2
( S1 / n1 ). ( S 2 / n2 ).

(n1  1) (n2  1)
 Aplikasi Uji-t Independen
Contoh kasus: Sebuah penelitian bertujuan melihat apakah rata-rata kadar nikotin
rokok jarum lebih tinggi dibandingkan rokok wismilak. Dari ambil sampel
secara random, 10 batang rokok jarum dan 8 batang wismilak. Dilaporkan
rata-rata kadar nikotin rokok jarum 23,1 mg dengan standar deviasi 1,5 mg
sedangkan rokok wismilak 20,0 mg dengan standar deviasi 1,7 mg. Ujilah
pernyataan tsb, dengan alpha 5%.
A. Uji kesamaan varian
Diketahui: n1 = 10 n2 = 8
x1 = 23,1 x2 = 20,0
s1 = 1,5 s2 = 1.7
Nomerator adalah varians yg lebih besar, dan n mengikuti
• Ho  12 = 22 (varian kadar nikotin rokok jarum sama dengan
rokok wismilak)
• Ha  12  22 (varian kadar nikotin rokok jarum sama dengan rokok
wismila)
• Derajat kemaknaan dengan =0.05
 Aplikasi Uji-t Independen
4. Uji statistik  F-test
F = s12 / s22 , dimana s1 > s2
= (1,7)2 / (1,5)2 = 1,28
5. Critical region: Ho ditolak, jika F hitung > F, (n1 – 1, n2 – 1 ; ) tabel
F tabel  numerator (8 – 1) = 7
denominator (10-1) = 9
=0.05
F tabel = 2.51, p = 0,10, p > Alpha,
6. Keputusan: Ho gagal ditolak (artinya tdk ada perbedaan
varian), maka uji t yg dilakukan ad uji t dgn varian sama.
7. Kesimpulan: Varian ke dua populasi adalah sama

 Lakukan uji-t dengan asumsi varian sama

 Aplikasi Uji-t independen
B. Uji-t independen dengan asumsi varian sama
1. Ho  1 = 2 (rata-rata kadar nikotin rokok jarum sama dengan rokok
wismilak)

Ha  1 >2 (rata-rata kadar nikotin rokok jarum lebih tinggi dari

rokok wismilak)

2. Uji statistik  t-test dengan =0.05

3. Critical region: Ho ditolak, jika: t hitung >t tabel (0.05; df=10 + 8 - 2)

2 2
> 1,746
2 (n1  1) S1  (n2  1) S 2
4. Perhitungan: Sp 
n1  n2  2
( x1  x2 )
t
2
S p [(1 / n1 )  (1 / n2 )]
 Aplikasi Uji-t independen
B. Uji-t independen dengam asumsi varian sama
5. Perhitungan: 2 2
2 (10  1)1.5.  (8  1)1.7.
Sp   2,53
10  8  2

(23,1  20)
t  4,1
2,53[(1 / 10)  (1 / 8)]
6. Keputusan: Ho ditolak, karena t hitung (4,1) > t tabel (1,746)
atau karena nilai-p < 0,005
7. Kesimpulan: Rata-rata kadar nikotin rokok jarum lebih tinggi dari rokok
wismilak
 Aplikasi Paired t-test*
Contoh kasus: Suatu penelitian dilakukan untuk melihat pengaruh dari
chlormethiazole terhadap kadar serum prolaktin pada pria peminum
alkohol. 15 orang subjek diukur kadar serum prolaktinnya sebelum
intervensi dan 7 hari sesudahnya. Apakah ada pengaruh
chlormethiazole dalam menurunkan kadar serum prolaktin?

Subjek Serum Prolaktin (mV/L)

Subjek Sebelum Sesudah
  Sebelum Sesudah 8 210 230
1 250 200 9 160 130
2 300 260 10 320 260
3 250 120 11 240 170
4 270 150 12 180 200
13 280 150
5 180 150
14 260 220
6 280 270
15 300 190
7 330 250
 Aplikasi Paired t-test*
Jawab
• Ho  1 - 2 = 0 atau d = 0
(Rata-rata perbedaan sama dengan nol)
• Ha  1 - 2 > 0 atau d > 0 (1-tailed)
• Uji statistik  t-test dengan =0.05
• Critical region (Ho ditolak, jika:
t hitung > t tabel (0.05; df=15-1)
t hitung > 1.761
• a. Hitung perbedaan
b. Hitung Mean dan Standar Deviasi perbedaan: (57.33 + 49.49)
c. Hitung nilai t:
57.33
• Keputusan: Ho ditolak t   4.48
49.49
• 15
Kesimpulan: Kadar serum prolaktin setelah intervensi lebih rendah dari
sebelumnya
 *Aplikasi Uji-t independen
Contoh kasus: Sebuah penelitian bertujuan melihat perbedaan force expiratory
volume (FEV) antara perokok dengan bukan perokok. Dari 15 orang bukan
perokok dilaporkan mean dan standar deviasi FEV adalah 3.42 L + 0.48 L.
Sementara itu, 10 orang perokok dilaporkan mean 2.81 L dan standar
deviasi 0.45 L. Lakukanlah uji statistik apakah ada perbedaan yang
bermakna FEV perokok dengan bukan perokok.
Jawab:
A. Uji kesamaan varian
Diketahui: n1 = 15 n2 = 10
x1 = 3.42 x2 = 2.81
s1 = 0.48 s2 = 0.45
• Ho  12 = 22 (Varian FEV pada populasi perokok sama dengan varian
FEV pada pop bukan perokok)
• Ha  12  22 (Varian FEV di dua populasi adalah tidak sama)
• Derajat kemaknaan dengan =0.05
 *Aplikasi Uji-t independen
4. Uji statistik  F-test
F = s12 / s22 , dimana s1 > s2
= (0.48)2 / (0.45)2 = 1.14
5. Critical region: Ho ditolak, jika F hitung > F (n1 – 1, n2 – 1; ) tabel
F tabel  denominator (15 – 1) = 9
nominator (10-1) = 14
=0.05
F tabel = 2,28. p = 0,10 . P > alpha
6. Keputusan  Ho gagal ditolak
7. Kesimpulan  Varian ke dua populasi adalah sama

 Lakukan uji-t dengan asumsi varian sama

 *Aplikasi Uji-t independen
B. Uji-t independen dengam asumsi varian sama
1. Ho  1 = 2 (Rata-rata FEV pada populasi perokok sama dengan rata-rata FEV pada
populasi bukan perokok)
Ha  1  2 (2-tailed)
2. Uji statistik  t-test dengan =0.05
3. Critical region: Ho ditolak, jika: | t | hitung > t tabel (0.025; df=15 + 10 - 2)
> 2.807= 0,005

4. Perhitungan:

2 2
2 (15  1)0.48.  (10  1)0.45.
5. Keputusan: Ho ditolak
Sp   0.219
15  10  2
6. Kesimpulan: Rata FEV perokok berbeda(dg
2
 2perokok
bukan
3.42 .81)  (0)
t  3.19
0.219.[(1 / 15)  (1 / 10)]
• Untuk uji 2 mean, independennya kategori
dan dependenya numerik..
• Independent t tes, uji independennya 2 kali,
uji homogenitas dulu trus uji independen t
tes