Statistik Inferensi

Min Populasi (µ1-µ2):Dua Sampel Bebas

Ujian-T Dua Sampel Tidak Bersandar
SEMESTER 2 SESI 2021/2022
 Objektif pembelajaran
1. Menjelaskan konsep pengujian T tidak bersandar.
2. Menjelaskan andaian untuk menjalankan pengujian T tidak bersandar.
3. Menjelaskan pengiraan pengujian T tidak bersandar secara manual
bagi saiz sampel sama.
4. Menjelaskan pengujian T tidak bersandar menggunakan perisian
Statistical Package Social Science (SPSS).
5. Menjelaskan pengiraan pengujian T tidak bersandar untuk bilangan
sampel berbeza.
6. Menjelaskan pengujian nan-parametrik (Wilcoxon rank sum test)
Konsep pengujian T tidak bersandar
Ujian T digunakan untuk membanding perbezaan min dua (2) kumpulan tidak bersandar
(independent).
CONTOH:

Kumpulan kajian dibina secara pembahagian responden kepada 2 kumpulan

secara rawak (Intervensi A VS Intervensi B)
ATAU
Kumpulan kajian dibina melalui ciri-ciri perbezaan sedia ada (causal
comparative) seperti demografi Jantina, Lokasi dan lain-lain.
Ujian t tidak bersandar: saiz sampel sama
Di mana:

Skor min Skor min

kumpulan 1 kumpulan 2

Varians kumpulan Varians kumpulan

1 2

Bilangan subjek Bilangan subjek

kumpulan 1 kumpulan 2
 Andaian statistik untuk menjalankan
pengujian T tidak bersandar
1. Skala data sela atau nisbah
2. Data dalam populasi bertaburan NORMAL UJIAN NORMALITI
3. Skor atau pemerhatian yang bebas 1. Kolmogorov-Smirnov: set data
4. Varian yang mempamer sifat homogen (n ≥ 50)
2. Shapiro-Wilk: set data (n ≤ 50)
 Normality test
1. Buka halaman SPSS yang sudah
dilengkapi data.
2. Pilih Analyze > Descriptive Statistics
> Explore (Kotak explore akan
muncul)
3. Masukkan variabel ke kotak
“Dependent list” dan klik “Plots”
4. Halaman kotak plots pastikan
tandakan “none” pada Boxplots dan Sig. = 0.32, (P > 0.05) : Taburan normal
tandakan “Normality plot with test”
dan klik “Continue”
Contoh situasi 1: Pengiraan ujian T tidak bersandar

Satu kajian dijalankan untuk mengenal pasti kesan pengambilan sarapan

set nasi lemak dan set roti bakar terhadap kadar kenaikan berat badan.
Set nasi lemak (700 kcal)
Set roti bakar (700 kcal)
Peserta kajian diagihkan secara rawak kepada kumpulan masing-
masing untuk tempoh satu minggu.
Berat badan sebelum dan selepas intervensi set sarapan direkodkan.
Pemboleh ubah bersandar ialah kadar peningkatan berat badan.
Data kajian yang direkodkan
X1 : Nasi lemak X2 : Roti bakar

1 3

2 4

2 4

2 4

3 5
 Langkah pengiraan
1. Kirakan 2
nilai min
2. Kirakan
nilai
varians

Min =

1 2
Langkah-langkah pengujian hipotesis:
Langkah 1
Apakah persoalan kajian yang sesuai untuk kajian ini?

Apakah terdapat berbezaan kadar peningkatan berat

badan di antara kumpulan nasi lemak dengan kumpulan
roti bakar?
Langkah 2
Langkah 3:
Cari nilai t kiraan berdasarkan rumus di bawah:
 Langkah 4
Cari nilai t kritikal.
Langkah 5: Lakaran kawasan penolakan hipotesis nol

Kawasan bukan
Kawasan Kawasan
penolakan
penolakan penolakan

-4.47 -2.306 2.306

Nilai t kiraan Nilai t kritikal

Pada paras 95% selang keyakinan (Confident interval [CI])

= -3.031 sehingga -0.969

 Langkah 6: Laporan keputusan dan membuat kesimpulan
.

Ujian t dua sampel tidak bersandar dilakukan bagi menguji berbezaan kadar
peningkatan berat badan di antara kumpulan nasi lemak dengan kumpulan
roti bakar.
Hasil dapatan mendapati bahawa terdapat perbezaan yang signifikan antara
kumpulan roti bakar dengan kumpulan nasi lemak di mana nilai t kiraan (-
4.47) lebih besar daripada nilai t kritikal (-2.31), maka hipotesis nul ditolak.
Hasil dapatan mendapati, kumpulan roti bakar mengalami peningkatan berat
badan [min= 4.00 (± 0.5)] yang lebih berbanding kumpulan nasi lemak [min =
2.00 (± 0.5)] pada akhir tempoh kajian, di mana t(8) = -4.47 (p < 0.05), (95%
CI = -3.031 sehingga -0.969).
PENGIRAAN MENGGUNAKAN
PERISIAN SPSS
Langkah 1: Buka SPSS dan
buka halaman “Variabel
view”
Proses kod variabel makanan
di lajur “Value”
Value = 1
Label = Nasi lemak

Dan Klik “Add”

Value = 2
Label = Roti bakar
Klik “Add” dan “Ok”
 Perisian SPSS
Langkah 2: Masukkan data
Berdasarkan kod 1 (Nasi lemak) & kod
2(Roti bakar)
Langkah 3: Pemilihan pengujian dalam SPSS

Pilih Analyze >

Compare
Means >
Independent-
Samples
T Test
Langkah 4: Pemilihan variabel

Pilih ‘Berat’ dan

masukkan ke ‘Test
Variable(s)’
Pilih ‘Makanan’ dan
masukkan ke “Grouping
Variable”
Kemudian Klik “Define
Groups”
Letakkan nilai ‘1’ pada
‘Group 1’
Letakkan nilai ‘2’ pada
‘Group 2’
Klik ‘Continue’
Klik “OK” & Proses analisis dijanakan.
Keputusan analisis ujian t tidak
bersandar
 Cara melapornya.
1. Lihat pengujian Levene.
Nilai ‘’Sig.” > 0.05, Maka
variens adalah homogen
(Baris Equal variances
assumes dirujuk.
Nilai “Sig.” < 0.05, Maka
variens adalah tidak homogen
(Baris Equal variences not
assume dirujuk)

Sig = 1.0, (p> 0.05)

Kesan saiz untuk ujian t bebas

To measure the magnitude of mean difference

This is usually calculated after rejecting the
null hypothesis in statistical test.
If the null hypothesis is not rejected, effect
size has a little meaning.
Ujian t dua sampel tidak bersandar dilakukan bagi menguji
berbezaan kadar peningkatan berat badan di antara
kumpulan nasi lemak dengan kumpulan roti bakar.
Hasil dapatan mendapati bahawa terdapat perbezaan yang
signifikan antara kumpulan roti bakar dengan kumpulan
nasi lemak di mana nilai t (8) = -4.47; Sig = 0.002 (p < 0.05).
Hasil dapatan mendapati, terdapat perbezaan yang
besar antara kumpulan nasi lemak dengan roti
bakar, iaitu kumpulan roti bakar mengalami
peningkatan berat badan [min= 4.00] yang lebih
berbanding kumpulan nasi lemak [min = 2.00] pada
akhir tempoh kajian, di mana (95% CI = -3.031
sehingga -0.969). Oleh itu, hipotesis nul ditolak.
Contoh situasi 2
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.
Ujian t tidak bersandar: saiz sampel
tidak sama
POOLING VARIANCES
• Rumus sebelum ini adalah sesuai untuk saiz sampel yang sama,
tetapi perlu penambahbaikan untuk saiz sampel yang tidak sama.
• Rumus yang baru ini dapat memberikan anggaran
varians populasi dengan lebih tepat.
• Jika kita hanya inginkan anggaran yang lebih tepat, adalah
logik untuk mengambil purata varians kumpulan 1 dan varians
kumpulan 2.
• Tetapi purata biasa tidak sesuai dalam keadaan saiz sampel tidak
sama kerana ia memberikan pemberatan kepada kedua-dua
variance sama rata.
Rumus berikut memberikan Rumus berikut memberikan
pemberatan variance berasaskan pemberatan variance berasaskan
saiz sampel masing-masing. purata.
Rumus t tidak bersandar yang baharu
Contoh situasi 3
Langkah 1: Nyatakan hipotesis
Ho: μ1 = μ2
Tidak terdapat perbezaan yang signifikan skor matematik antara pelajar lelaki dengan
perempuan.

Langkah 2: Tetapkan nilai alpha:

Amalan biasa penyelidikan sains sosial; paras keyakinan 95%, jadi a = 0.05
p < .05
Langkah 3: Buat kiraan
1. Dapatkan nilai variance

2. Dapatkan nilai darjah kebebasan (df)

df = (n1-1) + (n2-1)
= (35 – 1) + (29 – 1)
= 34 + 28
= 62
Dapatkan nilai t kiraan
Langkah 4: Dapatkan nilai t kritikal (t jadual)

Langkah 5: Lukiskan kawasan penolakan

Pada paras 95% selang keyakinan (Confident interval [CI])
Langkah 6: Melaporkan dapatan dan kesimpulan
Cuba anda laporkan dapatan yang diperoleh melalui pengiraan yang
telah dibuat.
Pelajar lelaki menunjukkan min skor IQ [min = 24.00 (± 12.2)] yang
lebih tinggi berbanding pelajar perempuan [min = 16.5 (± 11.8)];
t(62) = 2.48; p < 0.05 [95%CI = 1.47 hingga -13.53]
Ujian alternatif: Wilcoxon Rank Sum
Test
A Wilcoxon Rank Sum Test is most often used for three types of study design as an alternative
for the independence t-test:
- Determining if there are differences between two independent groups
- Determining if there are differences between interventions
- Determining if there are differences in change scores

T-test relies on several conditions :

1) independent samples
2) normality
3) equal variances

• We can use the Wilcoxon Rank Sum Test as an alternative when the distribution is not normal
Assumptions
1. The dependent variable should be measured at the ordinal or
continuous level. The independent variable should consists of two
categorical, independent groups
2. The underlying distribution is not normal
3. The observations are chosen randomly and independent
4. The distribution of scores for both groups of the independent variable
have the same shape (identical)
Contoh situasi 4
Membandingkan masa larian pelajar tahun 1 mengikut jantina lelaki (L) dan perempuan (P).
Data yang direkodkan seperti berikut:
Masa 20 24 29 33 57 35 10 17 23 19 22 21
(saat)
Jantina P P P P P P L L L L L L

Adakah terdapat perbezaan masa larian antara pelajar lelaki dan perempuan?
Hipotesis Ho:
Tidak terdapat perbezaan masa larian antara pelajar lelaki dan perempuan.
Jom lakukan pengiraan.
W statistic = 24 < W critical = 28 : Reject Ho

Terdapat perbezaan masa larian antara pelajar lelaki dan perempuan.

Wilcoxon Rank Sum Test: Perisian
SPSS
Langkah 1: Input dalam SPSS
Langkah 2 : Pemilihan
ujian

Pilih Analyze >

Nonparametric
Tests >
Legacy Dialogs > 2
Independent
Samples
Langkah 3 : Masukkan variabel
Letakkan
pembolehubah time ke
Test
Variable List
Letakkan pembolehubah
gender
ke Grouping Variable
Klik Define Groups.
Langkah 4 : Kelaskan variabel

Input angka 1 pada

Group 1
Input angka 2 pada
Group 2
Langkah 5:
Klik OK dan output SPSS dijanakan.
 Langkah 6: Interpretasi hasil output SPSS

Sig.= 0.02 (P < 0.05) : Ho ditolak.

Terdapat perbezaan masa larian antara pelajar

lelaki dan perempuan.
Sekian, terima kasih