4/23/2015

SITUASI MENGAPLIKASI
UJIAN-T TIDAK BERSANDAR
Ujian statistik yang paling meluas digunakan dalam
kajian perbandingan.

Ujian-t dua sampel tidak bersandar

Digunakan untuk membanding perbezaan min di

antara dua kumpulan tidak bersandar/berkaitan.

(2-sample independent t-test)

Contoh: Kumpulan kajian yang dibina secara pembahagian

responden kepada dua kumpulan berbeza secara rawak
(Intervensi A vs Intervensi B ).
Kumpulan juga boleh dibina melalui ciri-ciri perbezaan
sedia ada (causal comparative); sbg cth jantina.
1

MENGUJI ANDAIAN-ANDAIAN

ANDAIAN STATISTIK

Data mematuhi sifat taburan normal

Jika reka bentuk kajian bersesuaian, ujian-t dua

sampel tidak bersandar boleh diaplikasi apabila:

Nilai min dan nilai median berada

dalam julat yang kecil.

Ciri-ciri data mematuhi sifat taburan normal.

(data conformity to normal distribution)

Saiz sampel yang besar (bermaksud,

andaian ini boleh utk tidak dipatuhi).

Skor atau pemerhatian yang bebas.

(independence of scores)

Ujian taburan normal.

Tesis pascasiswazah amat digalakkan melapor ujian
yang dijalankan bagi menentukan data mematuhi
taburan normal.

Varians yang mempamer sifat homogen.

(homogeneity of variance)
3

MENGUJI ANDAIAN-ANDAIAN (samb.)

LANGKAH-LANGKAH UJIAN via SPSS

Dua jenis ujian yang dicadangkan:

Ujian Kolmogorov-Smirnov; kaedah utama
bagi menguji sifat taburan normal &
keseragaman set data yang dianalisis.
Ujian Shapiro-Wilk; ujian yang lebih baik
untuk kes n < 50.

4/23/2015

LANGKAH-LANGKAH UJIAN via SPSS (samb.)

LANGKAH 1: Pilih Analyze > Descriptive Statistics > Explore

LANGKAH-LANGKAH UJIAN via SPSS (samb.)

Jadual berikut akan tertera:

LANGKAH 2: Pilih Data dan masukkan ke Dependent List

LANGKAH-LANGKAH UJIAN via SPSS (samb.)

LANGKAH-LANGKAH UJIAN via SPSS (samb.)

Akan muncul jadual berikut

Klik [Plots] dan seterusnya klik butang OK

LANGKAH-LANGKAH UJIAN via SPSS (samb.)

Akan muncul jadual berikut

Pastikan check [None] pada Boxplots; dan

Check [Normality Plots with tests]

LANGKAH-LANGKAH UJIAN via SPSS (samb.)

LANGKAH 3: Keputusan

LANGKAH 3: Keputusan

Tidak signifikan = taburan normal

4/23/2015

MENGUJI ANDAIAN-ANDAIAN (samb.)

MENGUJI ANDAIAN-ANDAIAN (samb.)

Skor atau pemerhatian yang bebas.

Varians yang bersifat homogen

[andaian yang MESTI dipatuhi]

Kaedah pensampelan rawak.

Perlaksanaan protokol kajian yang konsisten ke
atas semua peserta kajian.

Ujian Levene (Levenes Test of Homogeneity) yang

menghasilkan keputusan TIDAK SIGNIFIKAN.
Ujian Hartley Fmax yg menghasilkan keputusan < 3
(perbezaan nilai sisihan piawai tertinggi dengan nilai
sisihan piawai terendah).
INFO: Terdpt ujian-ujian lain spt. Ujian Brown-Forsythe, Ujian Dunnet,
Ujian Bartlett

BEBERAPA KONSEP DALAM UJIAN t

DUA SAMPEL TIDAK BERSANDAR

BEBERAPA KONSEP DALAM UJIAN t

DUA SAMPEL TIDAK BERSANDAR

Rumus:

TABURAN PERBEZAAN DI ANTARA MIN:

[Distribution of Differences between means]

H0: 1 = 2
H1 : 1 = 2
Variance Sum Law: The variance of the sum or

difference of two independent variables is equal

to the sum of their variances di mana:

15

16

BEBERAPA KONSEP DALAM UJIAN t

DUA SAMPEL TIDAK BERSANDAR

BEBERAPA KONSEP DALAM UJIAN t

DUA SAMPEL TIDAK BERSANDAR

Statistik t:
DARJAH KEBEBASAN
Degrees of freedom (df)

Penentuan darjah kebebasan untuk ujian-t:

df = (n1 1) + (n2 1)

18
17

4/23/2015

CONTOH APLIKASI

CONTOH APLIKASI samb.

Dua kumpulan dgn 2 jenis set sarapan

yang berbeza:
Set Nasi Lemak
[700kcal]
Set Roti Bakar Kopitiam [700kcal]
Peserta kajian diagihkan secara rawak
kepada kumpulan masing-masing untuk
satu minggu.
Berat badan sebelum dan selepas
intervensi set sarapan direkodkan.
Pemboleh ubah bersandar ialah kadar
peningkatan berat badan.

Pengujian hipotesis:
Set sarapan yang manakah menyebabkan
peningkatan berat badan yang lebih?

Maka, hipotesis nol ialah:

Ho: 1 = 2
[kadar peningkatan berat badan kump. nasi lemak = kadar
peningkatan berat badan kump. roti bakar]

Tidak terdapat perbezaan yang signifikan pada kadar peningkatan

berat badan di antara kump nasi lemak dengan kump roti bakar.

Imbas Kembali....

Imbas Kembali....

Bagaimana kita menguji H0?

Bagaimana kita menguji H0?

ENAM Langkah Ujian Hipotesis:

1.
2.
3.
4.
5.
6.

1. Nyatakan hipotesis:
Ho: 1 = 2
Tidak terdapat perbezaan yang signifikan pada kadar
peningkatan berat badan di antara kump nasi lemak dengan
kump roti bakar.

Nyatakan hipotesis.
Tetapkan alpha ().
Lakukan pengiraan.
Dapatkan nilai kritikal (critical value).
Lakarkan kawasan penolakan hipotesis nol.
Laporkan keputusan dan buat kesimpulan.

2. Tetapkan alpha (
):
Amalan biasa penyelidikan sains sosial; paras keyakinan 95%,
jadi = 0.05
p < .05
21

22

Imbas Kembali....

KAEDAH PENGIRAAN

Bagaimana kita menguji H0?

3. Lakukan pengiraan:

Contoh Data:

Rumus untuk ujian t dua sampel tidak bersandar:

X 1 : Nasi Lemak

X 2 : Roti Bakar

Langkah pertama:
Kira varians dan min utk setiap kumpulan.

[Oleh kerana, kedua-dua kumpulan itu tidak berkaitan, sampel

dikenali sebagai independent/tidak bersandar antara satu dengan
lain; maka sama dengan nama ujian statistik ini]

df = (n
(n1-1) + (n2-1)
23

24

4/23/2015

KAEDAH PENGIRAAN samb.

Ruang 3
X1 : Nasi Lemak

1 =

( 1 1 )

X2 : Roti Bakar

1
2

KAEDAH PENGIRAAN samb.

Ruang 4

( 2 2 )

3
4

1
0

1
0
0

2 = 4
0.5

0.5

s x2 =

( )
n 1

df = (5(5-1) + (5(5-1) = 8
Selepas mendapat nilai t kiraan, bolehkah kita membuat
keputusan MENOLAK atau GAGAL MENOLAK hipotesis nol?

Daripada pengiraan, masukkan nilai-nilai berkaitan ke rumus

bagi mendapatkan nilai t kiraan (observed t value)

25
25

26

Imbas Kembali....

2-tailed ???

Bagaimana kita menguji H0?

Andaikan persoalan kajian tidak menyatakan

kumpulan mana yang akan mengalami kadar
peningkatan berat badan yang lebih tinggi, maka,
ujian t begini bersifat ujian t dua hala [two-tailed test]

4. Dapatkan nilai kritikal (critical value).

Perlu dapatkan nilai t kritikal untuk kita bandingkan
dengan nilai t kiraan.
Rujuk Jadual t kritikal yang telah dimuat naik dalam
ifolio.

Nilai t kritikal untuk ujian ini adalah:

C.V. t(8), 2-tailed = 2.306

Apakah keputusan pengujian hipotesis anda?
27

28

Imbas Kembali....

Imbas Kembali....

Bagaimana kita menguji H0?

Bagaimana kita menguji H0?

6. Laporkan keputusan dan buat kesimpulan.

5. Lakarkan kawasan penolakan hipotesis nol.

Nilai nombor t kiraan (t = 4.47) adalah lebih
besar berbanding nilai t kritikal (t0.05 = 2.31).
Maka, hipotesis nol ditolak.

KAWASAN KRITIKAL
UNTUK PENOLAKAN Ho

t KRITIKAL

Contoh penulisan dapatan pengujian hipotesis adalah

seperti yang berikut:
Kumpulan Roti Bakar telah mengalami peningkatan
berat badan [min = 4.00 ( 0.5)] yang lebih
berbanding Kumpulan Nasi Lemak [min = 2.00 ( 0.5)]
pada akhir tempoh kajian; t(8) = -4.47; p < 0.05

KAWASAN KRITIKAL
UNTUK PENOLAKAN Ho

95% Selang Keyakinan [Confidence Interval]

t KRITIKAL
29

30

4/23/2015

Imbas Kembali....

PENJELASAN TAMBAHAN

Bagaimana kita menguji H0?

6. Laporkan keputusan dan buat kesimpulan (samb.)

Ujian t dijalankan sentiasa untuk menguji

hipothesis nol

95% Selang Keyakinan [Confidence Interval]

Sekiranya Ho diterima, maknanya tiada perbezaan kadar

kenaikan berat badan yang signifikan di antara kedua-dua

kumpulan yang dikaji.
Sekiranya Ho ditolak?

= (2 - 4) + t0.05 ( 0.5/5 + 0.5/5 )

= -2 + 2.306 (0.447)

Kumpulan Roti Bakar menunjukkan perbezaan kadar

peningkatan berat badan [min = 4.00 ( 0.5)] yang
lebih signifikan berbanding Kumpulan Nasi Lemak [min
= 2.00 ( 0.5)] pada akhir tempoh kajian; t(8) = -4.47;
p < 0.05 [95%CI = -3.031 hingga -0.969]
31

PENJELASAN TAMBAHAN

Jika keadaan di atas adalah benar, dan kita

mengambil 100 orang sampel dan menjalankan
kajian yang sama berkali-kali, kita akan
peroleh dapatan yang sama; dengan nilai t
menjurus kepada nilai sifar.
Mengapakah kita boleh andaikan demikian?

32

PENJELASAN TAMBAHAN
Jika kajian dilakukan berkali-kali, mungkin ada sampel
kumpulan nasi lemak yang mempamer kadar
peningkatan lebih tinggi, menghasilkan nilai t yang
positif.
Mungkin ada sampel kumpulan roti bakar mempamer
kadar peningkatan lebih tinggi, menghasilkan nilai t
yang negatif.

Rujuk kepada rumus:

Ini adalah kerana pengangka

adalah 0, kerana min kedua-dua kumpulan
adalah sama berdasarkan hipotesis nol; iaitu
tiada perbezaan dalam kadar peningkatan
berat badan di antara dua kumpulan.

[Keadaan begini disebabkan ralat pensampelan (sampling error)]

INFO PENTING ialah bahawa berdasarkan

hipotesis nol, kita akan menjangkakan nilai t
yang menjurus kepada nilai sifar.
33

34

PENJELASAN TAMBAHAN

Contoh 2

Dalam contoh yang digunakan, nilai t kiraan bukan 0,

di mana t(8) = -4.47.

Anda ingin menguji andaian bahawa perempuan

mempunyai perasaan empati (kebolehan untuk
menyelami dan memahami perasaan atau emosi
orang lain) yang lebih tinggi berbanding lelaki.
Dengan itu, anda telah mendapatkan (secara rawak)
15 pelajar perempuan dan 15 pelajar lelaki dan
mengukur empati mereka. Berikut adalah data yang
anda perolehi.

Apakah implikasi nilai t yang negatif?

Contoh yang digunakan merujuk kepada dua
kumpulan dengan saiz sampel yang sama.
Bagaimana jika saiz sampel tidak sama utk keduadua kumpulan?
35
BERSAMBUNG PADA KULIAH AKAN DATANG

4/23/2015

Skor Empati
ID

Lelaki

Perempuan

10

12

14

13

12

10

12

15

13

10

14

11

10

12

10

12

13

11

10

12

12

14

13

13

12

14

10

15

12

Output SPSS

38

Output SPSS
END.

39

40