Uji T Independen

Uji ini untuk mengetahui perbedaan rata-rata dua populasi/kelompok data yang independen.
Contoh kasus suatu penelitian ingin mengetahui hubungan status merokok ibu hamil dengan
berat badan bayi yang dilahirkan. Respondan terbagi dalam dua kelompok, yauti mereka yang
merokok dan yang tidak merokok.
Uji T independen ini memiliki asumsi/syarat yang mesti dipenuhi, yaitu :
1. Datanya berdistribusi normal.
2. Kedua kelompok data independen (bebas)
3. variabel yang dihubungkan berbentuk numerik dan kategorik (dengan hanya 2 kelompok)
Secara perhitungan manual ada dua formula (rumus) uji T independen, yaitu uji T yang
variannya sama dan uji T yang variannya tidak sama.
Untuk varian sama gunakan formulasi berikut :

Dimana Sp :

KETERANGAN :
Xa = rata-rata kelompok a
Xb = rata-rata kelompok b
Sp = Standar Deviasi gabungan
Sa = Standar deviasi kelompok a
Sb = Standar deviasi kelompok b
na = banyaknya sampel di kelompok a

nb = banyaknya sampel di kelompok b

DF = na + nb -2
Sedangkan untuk varian yang tidak sama gunakan formulasi berikut :

Untuk DF (degrre of freedom) uji T independen yang variannya tidak sama itu berbeda dengan
yang di atas (DF= Na + Nb -2), tetapi menggunakan rumus :

Nah... untuk menentukan apakah varian sama atau beda, maka menggunaka rumus :

Bila nilai P > , maka variannya sama, namun bila nilai P <= , berati variannya berbeda.
Contoh perhitungan secara manual, saya tidak akan berikan disini...capek...hehe. Mungkin akan
saya berikan dalam aplikasi di SPSS atau STATA (lebih mudah tidak perlu pake kalkulator).

Uji T Independen dengan SPSS

Kesempatan ini akan saya gunakan untuk memberikan contoh penerapan Uji T (T-test)
independen di SPSS. Sebagaimana diketahui bahwa uji ini digunakan, bila kita memiliki data
kategorik dan numerik.
Sebagai contoh misalnya kita ingin mengetahui apakah ada pengaruh ibu yang merokok dan ibu
yang tidak merokok (status merokok merupakan data kateorik) terhadap berat bayi yang
dilahirkan (berat bayi lahir merupakan data numerik).Kebetulan saya memiliki filenya, jadi file
ini akan saya gunakan untuk tutorial kali ini.
Langkahnya sebagi berikut :
Buka/aktifkan SPSS anda. Kemudian pada menu utama klik File --> Open --> Data, sampai
muncul layar seperti di bawah ini :

Pilih file "bbay.sav" dan klik open, akan muncul layar di bawah ini :

Yang perlu diperhatikan pada layar di atas adalah variabel "rokok" dan "bbayi". Karena kedua
variabel ini yang akan kita uji.
Selanjutnya klik pada menu utama SPSS anda Analyze --> Compare Means-->IndependentSamples-T Test :

Lalu akan muncul layar seperti ini :

Pilih variabel "bbayi" dengan cara mengklik variabel tersebut.

Kemudian klik tanda segitiga paling atas untuk memasukan variabel tersebut ke kotak Test
variable(s).

Klik variabel "rokok' dan masukan ke kotak Grouping variable.

Kemudian klik tombol Define Group, dan isi angka "0" pada kotak Group 1 dan angka "1" pada
kotak Group 2. Lalu klik Continue.

Klik OK untuk menjalankan prosedur. Pada layar output akan nampak hasil seperti berikut :

Dari tabel Group Statistics, terlihat bahwa rata-rata berat bayi yang dilahirkan oleh ibu yang
tidak merokok adalah 3054,96 gram, sedangkan berat bayi yang dilahirkan oleh ibu yang
perokok sebesar 2773,24 gram. Namun apakah perbedaan ini berbeda juga secara statistik ?

Untuk melihat perbedaan ini kita lihat pada tabel Independent Samples Test. Pada tabel tersebut
ada dua baris (sel), sel pertama dengan asumsi bahwa varian kedua kelompok tersebut sama,
sedangkan pada sel kedua dengan asumsi bahwa varians kedua kelompok tersebut tidak sama.
Untuk memilih sel mana yang akan kita gunakan sebagai uji, maka kita lihat pada kolom uji F,
jika Signifikansinya > 0,05 maka asumsinya varian sama sebaliknya jika Sig. <=0,05 maka
variannya tidak sama. Dari uji F menunjukan kalau varian kedua kelompok tersebut sama (Pvalue = 0,221), sehingga sel akan dibaca adlah sel pertama.
Dari kolom uji T menunjukan bahwa nilai P = 0,009 untuk uji 2-sisi . Karena P-value lebih kecil
dari
= 0,05 yang berarti Ho ditolak, sehingga dapat kita simpulkan bahwa secara statistik ada
perbedaan yang bermakna rata-rata berat bayi yang dilahirkan oleh ibu yang merokok dengan ibu
yang tidak merokok dengan kata lain ada pengaruh merokok terhadap berat bayi lahir.
Uji tersebut di atas adalah uji 2-sisi, bagaimana kalau uji 1-sisi ? Bila uji yang kita lakukan
adalah uji 1-sisi maka nilai P harus dibagi 2 sehingga menjadi P-value = 0,0045.

UJI F

4.1 Pengujian Hipotesis Beda Tiga Rata Rata atau Lebih

ANOVA lebih dikenal dengan Uji-F (Fisher Test). Uji F digunakan
untuk mengevaluasi pengaruh semua variabel independen terhadap
variabel dependen. Artinya, data sampel dianggap dapat wewakili
populasi. Persyaratan penggunaan uji-f sama dengan persyaratan uji-t,
yaitu sampel diambil secara random dari populasi yang berdistribusi
normal, datanya harus berskala interval atau rasio. Bedanya iji-t atau ujiz hanya dapat melihat perbandingan dua kelompok data saja sedangkan
uji-f lebih dari kelompok data. Uji F ini bisa dijelaskan dengan
menggunakan analisis varians (analysis of variance = ANOVA). Ada dua
macam analisis varian, yaitu analisis varian satu arah dan analisis varian
dua arah. Arti variasi atau varians itu asal usulnya dari pengertian konsep
Mean Square atau Kuadrat Rerata (KR), dapat dirumuskan :
Keterangan :

JK
KR=
df

JK = Jumlah Kuadrat (sum of square)

df = Derajat Bebas (degree of freedom)

Menghitung nilai ANOVA atau F(Fhitung) dengan rumus :

Fhitung =

V A KR A JK A
Varian Antar Group
=
=
=
V D KR D JK D Varian Dalam Kelompok

ANALISIS VARIAN (ANOVA)

Sumber

Jumlah Kuadrat

Deraj

Kuadr

Fhitung

Taraf

Varian

(JK)

(SV)
Antar
Group (A)
Dalam
Group (D)

( X A i )

at

Beba

Rerat

s (df)
K1

a (KR)
JK A
df A

KR A
KR D

Ftabel

NK

JK D
df D

N1

nA i

at

( X T )
N
2

X T
2

( X A i )
nAi

Signifik
an ()

Total

XT

( X T )
N

Keterangan :

X Ai
nA i

XT
N

= Mean Group

= Mean Total

K = Jumlah Keseluruhan Group Sampel

N = Jumlah Keseluruhan Sampel (jumlah kasus dalam penelitian)
KRA

= Kuadrat Rerata Antar Group

KRD

= Kuadrat Rerata Dalam Group

JKA

= Jumlah Kuadrat Antar Group

JKD

= Jumlah Kuadrat Dalam Group

dfA

= Derajat Bebas Antar Group

dfD

= Derajat Bebas Dalam Group

Pengujian hipotesis beda tiga rata-rata atau lebih dengan teknik

ANOVA dapat dibedakan atas tiga jenis, yaitu pengujian klasifikasi satu
arah, pengujian klasifikasi dua arah tanpa interaksi, dan pengujian
klasifikasi dua arah dengan interaksi.

4.2 Pengujian klasifikasi satu arah

Langkah Langkah UJI-F :
1). Menentukan informasi hipotesis :

Buatlah hipotesis (Ha dan Ho) dalam bentuk kalimat.

Buatlah hipotesis (Ha dan Ho) dalam bentuk statistik.

Ho = 1 = 2 = 3 = .... = n
Ha = 1 2 3 .... n

2). Uji statistik :

Hitunglah jumlah kuadrat antar group (JKA)

Hitunglah derajat bebas antar group (dfA)

Hitunglah kuadrat rerata antar gruop (KRA)

Hitunglah jumlah kuadrat dalam group (JKD)

Hitunglah derajat bebas dalam group (dfD)

Hitunglah kuadrat rerata dalam gruop (KRD)

3). Menentukan taraf signifikasi (misalnya = 0,05 atau = 0,01), F hitung

dan Ftabel. (Ftabel = F() (dfA, dfD))
4). Buat Tabel Perhitungan Uji F
5). Menentukan kriteria pengujian :

jika Fhitung Ftabel, maka Ho ditolak berarti variabel independen

mempengaruhi variabel dependen.

jika Fhitung < Ftabel maka Ho diterima, berarti semua variabel

independen tidak mempengaruhi variabel dependen.

6). Buat Kesimpulan

4.3 Pengujian Klasifikasi Dua Arah Tanpa Interaksi

langkah-langkah pengujian klasifikasi dua arah tanpa interaksi sebagai
berikut :
1. Menentukan Formulasi hipotesis
a)

H 0 : 1= 2= 3==0 (pengaruh baris nol)

H1:

b)

1 0

sekurang-kurangnya satu

H 0 : 1= 2= 3 ==0 (pengaruh baris nol)

H1:

1 0

sekurang-kurangnya satu

2. Menentukan taraf nyata (

Taraf nyata

( )

dan F tabelnya

dan F tabel ditentukan derajat pembilang dan

penyebut masing-masing :

Untuk baris :

Untuk kolom :

v 1=b1 dan v 2 =( k1 ) ( b1)

v 1=k1 dan v 2 =( k1 ) (b1)

3. Menentukan kriteria pengujian

H0

diterima apabila

H0

ditolak apabila

F0 F (v : v )
1

F0 > F (v

: v2 )

H0

diterima apabila

H0

ditolak apabila

F0 F (v : v )
1

F0 > F (v

: v2 )

4. Membuat analisis varians dalam bentuk tabel ANOVA

Sumber

Jumlah

Derajat

Rata-Rata

Varians

Kuadra

Bebas

Kuadrat

Fo

t
Rata-Rata

JKB

b1

Baris

Rata-Rata

JKK

k1

Kolom

Total

JKE

(k 1) (b

JKT

1)
kb - 1

T2
JKT = x
kb
i=1 j=1
2
ij

T 2i
i =1

T2
kb

T2
kb

JKK=

s2

Eror

JKB=

s1

T 2j
j=1

JKK = JKT JKB JKK

s3

JKB
db

s1 2
f 1= 2
s3

JKK
db

s
f 2= 2 2
s3

JKE
db

5. Membuat Kesimpulan
Menyimpulkan

H0

diterima atau ditolak dengan membandingkan

antara langka ke-4 dengan kriteria pada langkah ke-5.

4.4 Pengujian Klasifikasi Dua Arah dengan Interaksi

Langkah-langkah pengujian klasifikasi du arah dengan interaksi
sebagai berikut :
1. Menentukan Formulasi hipotesis
a . H 0 : 1= 2= 3==0
H1:

sekurang-kurangnya satu

b . H 0 : 1= 2= 3==Bk =0
H1:

sekurang-kurangnya satu

j 0

H 0 :( )11=( )12=( )13==

c.

H1:

sekurang-kurangnya satu

2. Menentukan taraf nyata (

Taraf nyata
penyebut

( )

dan F tabelnya

dan F tabel ditentukan derajat pembilang dan

masing-masing :
v 1=b1 dan v 2 =kb( n1)

Untuk baris :

Untuk kolom :

Untuk interaksi :

v 1=k1 dan v 2 =kb( n1)

v 1= ( k1 ) ( b1)dan v 2=kb (n1)

3. Menentukan kriteria pengujian

a. Untuk baris :

H0

diterima apabila

H0

ditolak apabila

F0 F (v : v )
1

F0 > F (v

: v2 )

b. Untuk kolom :

H0

diterima apabila

H0

ditolak apabila

F0 F (v : v )
1

F0 > F (v

: v2 )

c. Untuk interaksi :

H0

diterima apabila

H0

ditolak apabila

F0 F (v : v )
1

F0 > F (v

: v2 )

4. Membuat analisis varians dalam bentuk tabel ANOVA

Sumber

Jumlah

Derajat

Rata-Rata

Varians

Kuadra

Bebas

Kuadrat

Fo

t
Rata-Rata
Baris

JKB

b1

s1

JKB
db

f 1=

s 1 2
s 4 2

Rata-Rata

JKK

k1

JKI

(b 1) (k

Kolom
Interaksi

1)
Eror

JKE

bk(n 1)

JKK
s2
db

s3

s4

Total

JKT

JKT = x 2ijc
i=1 j=1 c=1

JKI
db

s 2 2
f 2= 2
s 4
s 3 2
f 3= 2
s 4

JKE
db

bkn - 1

T2
b.k .n

JKB=

T 2i
i =1

k .n

T2
b . k .n

T2
b . k .n

JKK=

T 2j
j=1

b.n
b

JKI =

T 2ij
i =1 j=1

b.n

T 2i

T 2j

T 2
i =1 j=1
k .n
b . n b . k .n

JKK = JKT JKB JKK-JKI

b = baris,

k = kolom, n = ulangan percobaan

5. Membuat Kesimpulan
Menyimpulkan

H0

diterima atau ditolak dengan membandingkan

antara langka ke-4 dengan kriteria pada langkah ke-3.

4.5 Pengujian Hipotesis Beda Dua Varians

Masing-masing populasi diambil sampel random, kemudian dihitung

2
variansinya. S 1

S 22 merupakan penduga dari

dan

2
1
dan

22

Rumus Varians :

X 1 2

X 21

S=

2
1

n11
Keterangan :
2
S 1 = varians dari sampel 1 dengan individu
2

S2

= varians dari sampel 2 dengan individu

Langkah-langkah pengujian hipotesis tentang dua varians ialah sebagai

berikut :
1. Menentukan Formulasi hipotesis
2

a . H 0 : 1= 2
H1:

1 > 2

b . H 0 : 21= 22
H1:

21 < 22

c . H 0 : 21= 22
H1:

21 22

2. Menentukan taraf nyata (

Taraf nyata

( )

penyebut masing-masing :

dan F tabelnya

dan F tabel ditentukan derajat pembilang dan

n1=n11

dan

n2=n21

3. Menentukan kriteria pengujian

a.

H0

diterima apabila

H0

ditolak apabila

b . H0

diterima apabila

H0
c . H0

ditolak apabila

diterima apabila

H0

ditolak apabila

F0 < F (v

: v2 )

F0 F (v : v )
1

( v 1 : v 2)
( 1 )
F0 > F
F0 F (1)(v : v )
1

1
1 (v 1 : v 2)
2

1
1 (v 1 : v 2)
2

F0< F1
2

(v1 : v 2)

atau F 0< F 1

4. Uji Statistik
F0 =

S21
S22

5. Kesimpulan
Menyimpulkan

H0

diterima atau ditolak

(v 1 : v2 )

UJI CHI- KUADRAT

a. Nilai

x2

x2

= Nilai chi- kuadrat tidak ada yang negatif karena nilai chi-

kuadrat itu bersifat kuadrat sehingga selalu bernilai positif.

Contoh : Beberapa nilai

x2

untuk db = 5 dengan

=0,010

Jawab = 15,09
Nilai

x2

untuk db = 7 dengan

0,001

Jawab = 24,32
b. Penggunaan Uji chi-kuadrat

x2

Menguji proporsi untuk data multinom.

Menguji kesamaan rata-rata distribusi poisson.
Menguji independen antara dua faktor didalam daftar kontingensi B x
K.
Menguji kesesuaian antara data hasil pengamatan dengan model
distribusi dari mana data itu diduga diambil.
Menguji model distribusi berdasarkan data hasil pengamatan.
c. Penerapa hipotesis awal dan hipotesis alternatif
c.1 Penerapan Hipotesis Awal
1. Cih-kuadrat dengan tabel kontingensi 2x2
Langkah-langkahnya :
a. Tulis H a dan H 0 dalam bentuk kalimat yaitu :

Ha

: Tidak terdapat hubungan yang signifikan antara kedua

variabel tersebut.
H 0 : Terdapat hubungan yang signifikan antara kedua variabel
tersebut.
b. Tulis H a dan
H a : x2 0
H0

H0

dalam bentuk statistik :

2
: x =0

c. Buatlah tabel kontingensi 2x2

TABEL . 1
2X2

A
B

I
NA
a1

a2

b1

b2

N1

II
NB

N2

Jika tabelnya 2x3, maka gambar tabelnya sebagai berikut :

TABEL . 2
2X3
I
II
A NA

III

a1

a2

a3

b1

b2

b3

N1

B NB

N2

d. Cari chi-kuadrat hitung untuk tabel 2x2 rumus :

N3

x 2hitung =

N (a 1 b2 a2 b1 )
(a1 +b 1)(a 2+ b2)( a1+ a2 )(b1 +b2 )

Jika tabelnya 2x3, maka rumusnya :

x 2hitung =

2
2
2
b2 b2 b2
N a1 a2 a3
N
+ + + +
+ 1 + 2 + 3 N
N A N1 N2 N3 N B N1 N2 N 3

e. Tetapkan taraf signifikansinya

f. Tentukan kriteria pengujian
diterima.
2
g. Cari x tabel

( ) .

x 2hitung

yaitu : Jika

x 2hitung x2tabel , maka

H0

dengan rumus :

dk =( B1 )( K 1 )
Dimana : B = Banyak Baris
K = Banyak Kolom
Dan dengan menggunakan tabel
h. Bandingkan

x 2hitung dengan

langkah f.
i. Buatlah kesimpulannya.

x 2tabel

x2

didapat nilai

x 2tabel .

dan konsultasikan dengan kriteria