BAB I

PENDAHULUAN
1.1 Latar Belakang
Istilah hipotesis berasal dari bahasa yunani, yaitu dari kata hupo dan thesis. Hupo
artinya sementara, atau kurang kebenarannya atau masih lemah kebenarannya. Sedangkan
thesis artinya pernyataan atau teori. Karena hipotesis artinya pernyataan sementara yang
masih lemah kebenarannya, maka perlu diuji kebenarannya, sehingga istilah hipotesis ialah
pernyataan sementara yang perlu diuji kebenarannya.
Dalam kehidupan sehari-hari, sering kita jumpai banyak hal yang dapat kita
deskripsikan dalam bentuk data. Informasi data yang di peroleh tentunya harus diolah terlebih
dahulu menjadi sebuah data yang mudah dibaca dan dianalisis. Statistika adalah ilmu yang
mempelajari tentang cara-cara mengolah data.
Untuk memperoleh data tersebut, diperlukan adanya sebuah penelitian. Penelitian
ini didapatkan melalui berbagai cara, dan juga berbagai langkah-langkah pengujian dari para
pengumpul data. Sebelum melakukan penelitian, kita akan menduga-duga terlebih dahulu
terhadap apa yang kita ingin teliti. Pernyataan dugaan atau pernyataan sementara kita ini
disebut hipotesis. Terkadang dalam penelitian pun banyak sekali permasalahan dan juga
kesalahan dalam melakukan penelitian.
Uji hipotesis adalah prosedur yang memungkinkan untuk menentukan apakah
menerima atau menolak hipotessis. Dengan mempelajari uji hipotesis mahasiswa diharapkan
bisa melakukan atau mengambil keputusan yang tepat. Karena pada dasarnya uji hipotesis
merupakan suatu proposisi atau anggapan yang mungkin benar dan sering digunakan sebagai
dasar pembuatan keputusan. Pembuatan keputusan ini didasari dengan hasil uji terlebih
dahulu mengunakan data hasil observasi.
Pengujian/analisis data mengacu kepada tujuan penelitian. Dengan demikian,
analisis data adalah sebuah upaya menggunakan statistik untuk menjawab tujuan penelitian.
Ada beberapa langkah melakukan pengujian data yang mengacu kepada tujuan penelitian
pada uji beda rataan. Langkah-langkah pengujian ini disusun oleh penulis untuk memperkuat
pemahaman bahwa statistik hanyalah sebuat alat bantu untuk mengambil keputusan atau
kesimpulan. Artinya, tanpa statistik sebenarnya kesimpulan bisa diambil. Akan tetapi untuk
lebih meyakinkan atau apabila secara visuals sulit mengambil kesimpulan, maka
digunakanlah statistik (uji). Dengan kata lain pemilihan jenis uji statistik disesuaikan dengan
bentuk data, bukan sebaliknya data yang menyesuaikan dengan uji yang akan digunakan.

1
1.2 Rumusan Masalah
1. Apa definisi uji hipotesis?
2. Apa fungsi hipotesis?
3. Sebutkan jenis kesalahan dalam hipotesis?
4. Apa saja jenis pengujian dalam hipotesis?
5. Apa definisi uji t berpasangan?
6. Jelaskan bagaimana contoh penerapan uji hipotesis?
1.3 Tujuan
1. Untuk mengetahui definisi uji hipotesis.
2. Untuk mengetahui fungsi dari hipotesis.
3. Untuk mengetahui jenis kesalahan dalam hipotesis.
4. Untuk memahami jenis pengujian dalam hipotesis.
5. Untuk mengetahui definisis dari uji t berpasangan.
6. Untuk mengetahui contoh penerapan uji hipotesis..

2
 BAB II
PEMBAHASAN
2.1 Definisi Uji Hipotesis
Uji Hipotesis adalah cabang Ilmu Statistika Inferensial yang dipergunakan untuk menguji
kebenaran suatu pernyataan secara statistik dan menarik kesimpulan apakah menerima atau
menolak pernyataan tersebut. Pernyataan ataupun asumsi sementara yang dibuat untuk diuji
kebenarannya tersebut dinamakan dengan Hipotesis (Hypothesis) atau Hipotesa. Tujuan dari
Uji Hipotesis adalah untuk menetapkan suatu dasar sehingga dapat mengumpulkan bukti
yang berupa data-data dalam menentukan keputusan apakah menolak atau menerima
kebenaran dari pernyataan atau asumsi yang telah dibuat. Uji Hipotesis juga dapat
memberikan kepercayaan diri dalam pengambilan keputusan yang bersifat Objektif. Apabila
kita menolak sebuah hipotesis, padahal seharusnya kita menerima hipotesis tersebut, maka
dikatakan telah terjadi kesalahan jenis I dan jika menerima sebuah hipotesis padahal
seharusnya ditolak, dikatakan bahwa telah terjadi kesalahan jenis II.
Banyak pendapat yang menjelaskan arti dari pengujian hipotesis tersebut. Berikut akan
dijabarkan beberapa pengertian dari berbagai refrensi yang ada.
Sutrisno Hadi, dalam bukunya yang berjudul “Statistika” istilah hipotesa sebenarnya
adalah kata majemuk, terdiri dari kata-kata hipo dan tesa. Hipo besrasal dari bahasa yunani
hupo, yang berarti dibawah, kurang atau lemah. Tesa berasal dari bahasa yunani thesis, yang
berarti teori atau proposisi yang disajikan sebagai bukti. Jadi hipotesa adalah pernyataan yang
masih lemah kebenarannya dan masih perlu dibuktikan kenyataannya.
J. Supranto, hipotesa pada dasarnya merupakan suatu proposisi atau anggapan yang
mungkin benar dan sering dipergunakan untuk dasar pembuatan keputusan atau
pemecahan persoalan atau untuk dasar penelitian yang lebih lanjut.
Soegyono Mangkuatmojo, hipotesis (atau lengkapnya hipotesis statistik) merupakan
suatu anggapan atau suatu dugaan mengenai populasi.
Sebelum menerima atau menolak sebuah hipotesis, seorang peneliti harus menguji
keabsahan hipotesis tersebut untuk menentukan apakah hipotesis itu benar atau salah.
Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan
memutuskan apakah menerima atau menolak hipotesis mengenai parameter populasi .
Ciri-ciri Hipotesis yang baik adalah (1) Hipotesis harus menyatakan hubungan ; (2)
Hipotesis harus sesuai dengan fakta ; (3) Hipotesis harus sesuai dengan ilmu ; (4)
Hipotesis harus dapat diuji ; (5) Hipotesis harus sederhana ; (6) Hipotesis harus dapat
menerangkan fakta.

3
2.2 Fungsi Hipotesis
1. Menguji teori, artinya berfungsi untuk menguji kesahihan teori. Pernyataan teori
dalam bentuk yang teruji disebut hipotesis. Teori adalah satu satu prinsip yang
dirumuskan untuk menerangkan sekelompok gejala/peristiwa yang saling
berkaitan. Teori menunjukkan adanya hubungan antara fakta yang satu dengan fakta
yang lain.
2. Menyarankan teori baru, apabila hasil pengujian hipotesis dapat membentuk
proposisi, asumsi atau penjelasan tentang suatu peristiwa.
3. Mendeskripsikan fenomena sosial, artinya hipotesis memberikan informasi kepada
peneliti tentang apa yang nyata-nyata terjadi secara empirik.
2.3 Jenis Kesalahan (Type of Error)
Ada dua jenis kesalahan yang bisa terjadi di dalam pengujian hipotesa. Kesalahan itu
bisa terjadi karena kita menolak hipotesa padahal hipotesa itu benar atau kita menerima
hipotesa padahal hipotesa itu salah. Kesalahan yang disebabkan karena kita menolak
hipotesa padahal hipotesa tersebut benar, disebut kesalahan jenis I, sebaliknya kesalahan
yang disebabkan karena kita menerima hipotesa padahal hipotesa itu salah disebut
kesalahan jenis II.
2.4 Jenis Pengujian
2.4.1 Berdasarkan Jenis Parameter
Pengujian hipotesis tentang rata-rata, pendapat anggapan yang merupakan
hipotesa, apabila dipergunakan untuk membuat keputusan atau untuk menentukan
langkah-langkah selanjutnya, harus diuji terlebih dahulu. Setiap keputusan
seyogyanya didasar atas hasil pengujian hipotesa.
Dalam pengujian hipotesis rata-rata ada tiga model pengujian hipotesis tentang
rata-rata, yaitu pengujian hipotesis satu rata-rata, pengujian hipotesis beda dua rata-
rata dan pengujian hipotesis beda tiga rata-rata. Sesuai dengan tugas yang diminta
oleh dosen, kami hanya membahas pengujian hipotesis beda dua rata-rata. Berikut
penjelasan dari pengujian hipotesis beda dua rata-rata:

4
a. Pengujian hipotesis beda dua rata-rata
1. Sampel besar ( n > 30 )
Untuk pengujian hipotesis beda dua rata-rata dengan sampel besar (n > 30).
Prosedur pengujian hipotesisnya adalah
1) Formula hipotesis
a) H0 : μ1 = μ2
H1 : μ1 > μ2
b) H0 : μ1 = μ2
H1 : μ1 < μ2
c) H0 : μ1 = μ2
H1 : μ1 ≠ μ2
2) Penentuan nilai α dan nilai Z tabel (Z α)
Mengambil nilai α sesuai soal ( kebijakan ), kemudian menentukan nilai
Z α atau Z α/2 dari tabel.
3) Kriteria pengujian
a) Untuk H0 : μ1 = μ2 dan H1 : μ1 > μ2 :
1. H0 diterima jika Z0 ≤ Zα
2. H0 ditolak jika Z0 > Zα
b) Untuk H0 : μ1 = μ2 dan H1 : μ1 < μ2 :
1. H0 diterima jika Z0 ≥- Zα
2. H0 ditolak jika Z0 < -Zα
c) Untuk H0 : μ1 = μ2 dan H1 : μ1 ≠ μ2 :
1. H0 diterima jika - Z α/2 ≤ Z0 ≤ Z α/2
2. H0 ditolak jika Z0 > Zα/2 atau Z0 < -Zα/2
4) Uji Statistik
a) Jika simpangan baku populasi diketahui:
𝑋̅ − 𝑋̅2 𝜎2 𝜎22
𝑍0 = 𝜎 1 𝑑𝑒𝑛𝑔𝑎𝑛 𝜎𝑥̅1 − 𝑥̅ 2 = √𝑛1 +
̅ 1− 𝑋
𝑋 ̅2 1 𝑛2

b) Jika simpangan baku populasi tidak diketahui:

𝑋̅ − 𝑋̅2 𝑠2 𝑠22
𝑍0 = 𝑠 1 𝑑𝑒𝑛𝑔𝑎𝑛 𝜎𝑥̅ 1 − 𝑥̅2 = √𝑛1 +
̅ 1− 𝑋
𝑋 ̅2 1 𝑛2

5) Kesimpulan
Kesimpulan pengujian merupakan penerimaan atau penolakan H0.
a) Jika H0 diterima maka H1 ditolak,

5
 b) Jika H0 ditolak maka H1 diterima.
Contoh soal 1 :
Seseorang berependapat bahwa rata-rata jam kerja guru di Negara A dan Negara
B sama dengan alternative A lebih besar daripada B. Untuk itu, diambil sampel di
kedua Negara, masing-masing 100 dan 70 dengan rata-rata dan simpangan baku
38 dan 9 jam per minggu serta 35 dan 7 jam per minggu. Ujilah pendapat tersebut
dengan taraf nyata 5% ( Varians/ simpangan baku kedua populasi sama besar).
Penyelesaian :
n1 = 100 𝑋̅1 = 38 s1 = 9
n2 = 70 𝑋̅2 = 35 s2 = 7
1. Formulasi hipotesisnya:
H0 : μ1 = μ2
H1 : μ1 > μ2
2. Taraf nyata dan nilai Z tabelnya:
α = 5% = 0,05
Z0,05 = 1,64
3. Kriteria Pengujian:
H0 diterima apabila Z0 ≤ 1,64
H0 ditolak apabila Z0 > 1,64
4. Uji statistik:

𝑠12 𝑠22
𝑠𝑥̅1 − 𝑥̅ 2 = √ +
𝑛1 𝑛2

92 72
𝑠𝑥̅1 − 𝑥̅ 2 = √ +
100 70

= 1,23
𝑋̅1 − 𝑋̅2
𝑍0 =
𝑠𝑋̅1 − 𝑋̅2
38 − 35
𝑍0 = = 2,44
1,23
5. Kesimpulan :
Karena Z0 = 2,44 > Z0,05= 1,64 maka H0 ditolak. Jadi, rata- rata jam kerja
guru di negara A dan negara B adalah tidak sama.

6
Contoh soal 2:
Diasumsikan bahawa kemampuan mahasiswa STAIN Bukittingi lebih tinggi dari
pada mahaiswa STAIN Batusangkar dengan alternatif lain sama, kemudian
diambil sampel dari kedua lembaga tersebut masing-masing 80 orang STAIN
Bukittinggi dan 100 orang Mahasiswa STAIN Batusangkar. Rata-rata
kemampuan MHS STAIN Bukittinggi di ketahui 88 dengan standar deviasi atau
simpangan baku 2,75, sementara rata-rata kemampuan Mahasiswa STAIN
Batusangkar rata-rata 80 dengan standar deviasi 175,5. Ujilah asumsi tersebut
dengan taraf nyata 0,05 (5%).
Penyelesaian:
Diketahui:
n1 = 80 𝑋̅1 = 88 s1= 2,75
n2 = 100 𝑋̅2 = 80 s2= 7,55
1. Formulasi hipotesisnya:
H0 : µ1 = µ2
H1 : µ1 > µ2
2. Taraf nyata dan nilai Z tabelnya:
α = 5% = 0,05
Z0,05 = 1,64
3. Kriteria pengujian:
H0 diterima apabila Z0 ≤ 1,64
H0 ditolak apabila Z0 > 1,64
4. Uji statistik:
𝑋̅1 − 𝑋̅ 2
Z0 =
𝑠 2𝑠 2
√ 1+ 2
𝑛1 𝑛2

88 − 80
Z0 = 2 2
√2,75 + 7,55
80 100

88 − 80
Z0 =
7,5625 57,0025
√ +
80 100

8
Z0 =
√0,095+ 0,570025
8
Z0 =
√0,665025

7
 8
Z0 =
0,82

Z0 = 9,76
5. Kesimpulan:
Karena Z0 = 9,76 > Z0,05= 1,64 maka H0 ditolak. Jadi, kemampuan
Mahasiswa STAIN Bukittinggi lebih tinggi dari pada kemampuan
Mahasiswa STAIN Batusangkar.
Contoh soal 3:
Berikut adalah data nilai ujian siswa kelas 10 SMU yang mengikuti kursus
dengan yang tidak mengikuti.
Dg kursus Tanpa kursus
Rata-rata nilai prestasi 𝑋̅1 = 300 𝑋̅2 = 302
Ragam 𝑠12 = 4 𝑠22 = 4,5
Ukuran sampel 𝑛1 = 40 𝑛2 = 30

Dengan taraf nyata 5% ujilah:

Apakah rata – rata nilau ujian siswa kelas 10 SMU yang mengikuti kursus lebih
besar dibanding dengan yang tidak mengikuti kursus?
Jawab: ∝ = 5%
1. H0 : |𝜇1 = 𝜇2 |
H1 : |𝜇1 > 𝜇2 |
2. Statistik uji : z → karena contoh besar
3. Arah pengujian : pihak kanan
4. Taraf nyata pengujian = 𝛼 = 5%, 𝑧5% = 1. 645
5. Kriteria pengujian : H0 diterima jika z ≤ 1,645
H0 ditolak jika z > 1,645
6. Statistik hitung
|𝑋̅1 −𝑋̅2 | |300−302|
z= =
√(𝑠12 / 𝑛1 ) + (𝑠22 / 𝑛2 ) √(4/ 40) + (4,5/ 30)

2 2 2
= = = =4
√0,1 + 0,15 √0,25 0,5

7. Kesimpulan : z hitung = 4 ada didaerah penolakan H0

H0 ditolak, H1 diterima

8
 Jadi, nilai ujian siswa kelas 10 SMU ynag mengikuti kursus lebih besar dibanding
dengan yang tidak mengikuti kursus.
2. Sampel kecil ( n ≤ 30)
Untuk pengujian hipotesis beda dua rata-rat dengan sampel kecil ( n ≤ 30 ), uji
statistiknya menggunakan distribusi t (Hasan, M. Iqbal : 2001:153). Prosedur pengujian
hipotesisnya adalah:
1) Formulasi hipotesis
a) H0 : μ1 = μ2
H1 : μ1 > μ2
b) H0 : μ1 = μ2
H1 : μ1 < μ2
c) H0 : μ1 = μ2
H1 : μ1 ≠ μ2
2) Penentuan nilai α dan nilai t tabel (t α)
Mengambil nilai α sesuai soal ( kebijakan ), kemudian menentukan nilai t α atau t
α/2 dari tabel.
3) Kriteria Pengujian
a) Untuk 𝐻0 : 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 ∶ 𝜇1 > 𝜇2 ∶
1) 𝐻0 diterima jika 𝑡0 ≤ 𝑡𝛼 ,
2) 𝐻0 ditolak jika 𝑡0 > 𝑡𝛼 .
b) Untuk 𝐻0 ∶ 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 : 𝜇1 < 𝜇2 ∶
1) 𝐻0 diterima jika 𝑡0 ≥ 𝑡𝛼
2) 𝐻0 dtolak jika 𝑡0 < −𝑡𝛼
c) Untuk 𝐻0 ∶ 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 : 𝜇1 ≠ 𝜇2 ∶
1) 𝐻0 diterima jika −𝑡𝛼/2 ≤ 𝑡0 ≤ 𝑡𝛼/2 ,
2) 𝐻0 diterima jika 𝑡0 > 𝑡𝛼 𝑎𝑡𝑎𝑢 𝑡0 < −𝑡𝛼
2 2

4) Uji Statistik
a) Untuk pengamatan tidak berpasangan :

𝑥̅1 − 𝑥̅2
𝑡0 =
(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22 1 1
√ ( 𝑛1 𝑛2 )
+
𝑛1 + 𝑛2 − 2

9
 t0 memiliki distribusi dengan db = n1 + n2 −2

b) Untuk pengamatan berpasangan :

𝑑̅
𝑡0 = 𝑠
𝑑
√𝑛
Keterangan :
𝑑̅ = rata –rata dari nilai d
𝑠𝑑 = simpangan baku dari nilai d
𝑛 = banyaknya pasangan
𝑡0 memiliki distribusi dengan db = n −1
5) Kesimpulan
Kesimpulan pengujian merupakan penerimaan atau penolakan H0.
a) Jika H0 diterima maka H1 ditolak.
b) Jika H0 ditolak maka H1 diterima.
Contoh soal 1:
Sebuah instansi pendidikan mengadakan pelatihan calon pendidik. Sampel sebanyak 15 orang
dengan metode biasa dan 12 orang dengan metode terprogram. Pada akhir pelatihan diberikan
evaluasi dengan materi yang sama. Kelas pertama mencapai nilai rata-rata 80 dengan
simpangan baku 4 dan kelas kedua nilai rata-rata 75 dengan simpangan baku 4,5. Ujilah
hipotesis kedua metode pelatihan, dengan alternative keduanya tidak sama! Gunakanlah taraf
nyata 5% ! Asumsikan kedua populasi menghampiri distribusi normal dengan varians yang
sama!
Penyelesaian :
n1 = 15 s1 = 4 𝑋̅1 = 80
n2 = 12 s2 = 4,5 𝑋̅2 = 75

1. Formulasi hipotesisnya :
𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2
2. Taraf nyata dan nilai t tabelnya :
𝛼 = 5% = 0,05
𝛼
= 0,025
2

10
 db = 15 +12 – 2 = 25
t0,025;25 = 2,060
3. Kriteria pengujian :
𝐻0 diterima jika −2,060 ≤ 𝑡0 ≤ 2,060
𝐻0 diterima jika 𝑡0 > 2,060 𝑎𝑡𝑎𝑢 𝑡0 ≤ −2,060
4. Uji statistik
80 − 75
𝑡0 =
2 2
√(15 − 1)4 + (15 − 1)4,5 ( 1 + 1 )
15 + 12 − 2 15 12
= 38,0625
5. Kesimpulan
Karena t0 = 38,0625 > t0,025;25 = 2,060 maka H0 ditolak. Jadi kedua metode yang
digunakan dalam pelatihan tidak sama hasilnya
Contoh soal 2:
Seorang dosen dalam pembelajarannya menggunakan dua jenis model pembelajaran, yaitu
model cooperative learning dan model pembelajaran direct instruction. Dosen tersebut ingin
mengetahui apakah kedua model pembelajaran tersebut memiliki pengaruh yang sama.
Sample diambil 12 orang untuk model cooperative learning dan 10 orang untuk model
pembelarajan direct insturction. Pada akhir pembelajaran diberikan diberikan evaluasi dengan
materi yang sama. Kelas cooperative learning memperoleh nilai rata-rata 80 dengan
simpangan baku 4, dan kelas direct instrution memperoleh nilai rata-rata 75 dengan
simpangan baku 4,5. Asumsi dosen tersebut bahwa kedua kelas berdistribusi normal dengan
varian hampir sama.
Penyelesaian:
Diketahui:
n1 = 12 𝑋̅1 = 80 s1 = 4
n2 = 10 𝑋̅2= 75 s2= 4,5
1. Formulasi hipotesisnya:
Ho : µ1 = µ2
H1 : µ1 ≠ µ2
2. Taraf nyata dan nilai t tabelnya:
𝛼 = 5% = 0,05
𝛼
= 0,025
2

11
 db = 12 +10 – 2 = 20
t0,025;20 = 2,086.
3. Kriteria pengujian:
𝐻0 diterima jika −2,086 ≤ 𝑡0 ≤ 2,086
𝐻0 diterima jika 𝑡0 > 2,086 𝑎𝑡𝑎𝑢 𝑡0 ≤ −2,086
4. Uji statistik:

5. Kesimpulan:
Karena harga t hitung besar dari harga t, maka dapat disimpulkan bahwa terdapat
perbedaan pengaruh penggunaan model cooperative dengan model direct instruction
pada taraf nyata 0,05 (5%).

12
Contoh soal 3:
Berikut adalah data nilai test guru berprestasi yang lulus dari universitas negeri dengan guru
yang lulus dari universitas swasta

Dengan taraf nyata 1 % ujilah : Apakah rata-rata nilai test guru berprestasi yang lulus dari
universitas negeri dengan guru yang lulus dari universitas swasta tidak sama?
Jawab :

13
2.5 Uji T Berpasangan
Uji-t berpasangan (paired t-test) adalah salah satu metode pengujian hipotesis dimana
data yang digunakan tidak bebas (berpasangan). Ciri-ciri yang paling sering ditemui pada
kasus yang berpasangan adalah satu individu (objek penelitian) dikenai 2 buah perlakuan
yang berbeda. Walaupun menggunakan individu yang sama, peneliti tetap memperoleh 2
macam data sampel, yaitu data dari perlakuan pertama dan data dari perlakuan kedua.
Perlakuan pertama mungkin saja berupa kontrol, yaitu tidak memberikan perlakuan sama
sekali terhadap objek penelitian.
Uji t dikembangkan oleh William Sealy Gosset pada Tahun 1915. Dalam artikel
publikasinya, ia menggunakan nama samaran Student, sehingga kemudian metode
pengujiannya dikenal dengan uji t-student. William Sealy Gosset menganggap bahwa untuk
sampel kecil, nilai Z dari distribusi normal tidak begitu cocok. Oleh karenanya, ia kemudian
mengembangkan distribusi lain yang mirip dengan distribusi normal, yang dikenal dengan
distribusi t-student. Distribusi student ini berlaku baik untuk sampel kecil maupun sampel
besar. Pada n ≥ 30, distribusi t ini mendekati distribusi normal dan pada n yang sangat besar,
misalnya n=10000, nilai distribusi t sama persis dengan nilai distribusi normal (lihat tabel t
pada df 10000 dan bandingkan dengan nilai Z). Pemakaian uji t ini bervariasi. Uji ini bisa
digunakan untuk objek studi yang berpasangan dan juga bisa untuk objek studi yang tidak
berpasangan.
Contoh kasus:
Suatu obat baru yang dapat membantu masalah gangguan tidur (soporific drug) telah
ditemukan. Untuk mengetahui efektivitas obat tersebut, penelitian yang melibatkan 10 pasien
kemudian diadakan. Lamanya waktu tidur (dalam jam) pasien sebelum dan sesudah
diberikan.
1. uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan
sesudah
2. digunakan pada uji parametrik dimana syaratnya sebagai berikut:
o satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
o merupakan data kuantitatif (rasio-interval)

14
 o berasal dari populasi dgn distribusi normal (di populasi terdapat distribusi
difference = d yang berdistribusi normal dengan mean μd=0 dan variance =1)
Contoh Kasus uji t sampel/kelompok berpasangan:
1. Apakah terdapat perbedaan berat badan (kg) antara sebelum puasa dan sesudah puasa
selama satu bulan?
2. Apakah terdapat perubahan skor pengetahuan tentang gizi antara sebelum dan
sesudah penyuluhan gizi?
3. Apakah terdapat perbedaan kadar kolesterol dalam darah (mg%) yg diperiksa oleh
dua alat yang berbeda?
Pada contoh no 1 dan 2 diatas terlihat bahwa yang diuji satu individu tapi dengan dua
perlakuan yang berbeda yaitu sebelum dan sesudah. pada contoh no3 juga hampir sama yaitu
menguji perbandingan kadar kolesterol dengan dua alat yang berbeda.
Hipotesis dalam Uji T Dua Sampel/Kelompok
1. Uji dua arah. pada hipotesis awal tidak terdapat perbedaan yang signifikan antara rata-
rata1 dan rata-rata 2. Sedangkan pada hipotesis alternatif sebaliknya yaitu terdapat
perbedaan rata-rata 1 dan rata-rata 2.
H0 : 𝜇1 = 𝜇2
H1 : 𝜇1 ≠ 𝜇2
2. Uji satu arah dimana pada hipotesis awal kelompok/sampel 1 memiliki rata-rata sama
dengan atau lebih besar dengan rata-rata kelompok 2. sedangakan hipotesis alternatif
rata-rata kelompok 1 lebih kecil dibandingkan dengan rata-rata kelompok 2.
H0 : 𝜇1 ≥ 𝜇2
H1 : 𝜇1 < 𝜇2
3. Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada hipotesis awal
kelompok/sampel 1 memiliki rata-rata sama dengan atau lebih kecil dengan rata-rata
kelompok 2. sedangakan hipotesis alternatif rata-rata kelompok 1 lebih besar
dibandingkan dengan rata-rata kelompok 2.
H0 : 𝜇1 ≤ 𝜇2
H1 : 𝜇1 > 𝜇2
Hitpotesis awal ditolak, bila:
|t hitung| > t tabel
Atau:
Hipotesis awal diterima, bila:

15
|t hitung| <= t tabel
Statistik Hitung (T Hitung)
𝑥̅𝐷 − 𝜇0
t=
𝒔𝑫 / √ 𝒏

Dimana:
∑𝐷
𝑥̅𝐷 =
𝑛
1 2
(∑ 𝐷)2
𝑠𝐷 = √ {∑ 𝐷 − }
𝑛−1 𝑛

Keterangan
D = selisih x1 dan x2 (x1 – x2)
n = jumlah sampel
X = bar = rata-rata
Sd = standar deviasi dari d.

Langkah-langkah pengujian signifikansi (hipotesis) dalam Pengujian Perbedaan Rata‐rata

Dua kelompok berpasangan:
1. Tetapkan H0 dan H1
2. Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat kepercayaan 99 %) yang
terdapat pada tabel “t”.
3. Tentukan daerah kritis, dengan db = n -1.
4. Tentukan t hitung dengan menggunakan rumus.
5. Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung dengan “t”
tabel.
Contoh Kasus dalam pengerjaan pengujian signifikansi (hipotesis)
Suatu kegiatan penelitian eksperimental, telah berhasil menemukan metode “ABG”
sebagai metode baru untuk mengajarkan mata kuliah Statistika II. Dalam rangka uji coba
terhadap efektifitas atau keampuhan metode baru itu, dilaksanakan penelitian lanjutan dengan
mengajukan Hipotesis Nol (Nihil) yang mengatakan : Tidak terdapat perbedaan yang
signifikan nilai Statistika II antara sebelum dan sesudah di terapkannya metode “ABG”
sebagai metode mengajar mahasiswa UIB sem 6. Dalam rangka pengujian ini diambil sampel
sebanyak 20 mahasiswa. Gunakan taraf kepercayaan 95 % (alfa=5% ) untuk menguji
pernyataan (Hipotesis) tersebut.

16
Datanya Sebagai berikut:
Nama Nilai Statistika II
Sebelum Sesudah
A 78 75
B 60 68
C 55 59
D 70 71
E 57 63
F 49 54
G 68 66
H 70 74
I 81 89
J 30 33
K 55 51
L 40 50
M 63 68
N 85 83
O 70 77
P 62 69
Q 58 73
R 65 65
S 75 76
T 69 86
Maka Langkah -langkah yang perlu dilakukan:
H0 : 𝜇1 = 𝜇2
H1 : 𝜇1 ≠ 𝜇2
1. Menentukan Hipotesis yang digunakan, yaitu:
(Tidak terdapat perbedaan yang signifikan antara hasil belajar sebelum dan sesudah)
(Terdapat perbedaan yang signifikan hasil belajar sebelum dan sesudah)
2. Tetapkan titik kritis yaitu alfa 5%
3. Tentukan daerah kritis, dengan db = n -1=20-1=19
4. Tentukan t hitung

17
 o Memulai dengan menghitung D(selisih).
o Menghitung Standar Deviasi:
1 (∑ 𝐷)2
S = √𝑛−1 {∑ 𝐷2 − }
𝑛

1 (− 90 )2
= √19 {1002 − }
20

= √31,4211 = 5,6054
o Menghitung t hitung:
−90
20 −4,50
t= 5.6054 = 1.2534 = -3,5902
√20

5. Lakukan uji signifikansi

Diketahui t tabel = 2,093. Sehingga |t hitung| > t tabel Sehingga dapat
disimpulkan: Ho ditolak , sehingga disimpulkan bahwa terdapat perbedaan yang
signifikan antara hasil belajar statistika II sebelum dan sesudah diterapkannya Metode
“ABG”.
Latihan soal dan jawaban!
Terhadap 10 orang murid SD dari suatu kelas diberikan suplemen tablet Fe + Asam Folat
serta dilakukan pengamatan terhadap peningkatan prestasi belajarnya. Peningkatan prestasi
belajar memiliki skala pengukuran interval. Sebagai pembanding diambil 10 orang murid SD
yang lain tetapi tidak diberikan suplemen Fe dan asam folat. Hasil pengamatan peningkatan
prestasi belajar kedua kelompok murid SD sebagai berikut:

18
Suplemen
Fe + Folat
+ 140 150 157 135 148 135 162 147 139 139
- 120 132 143 114 129 115 123 110 137 130
Apakah peningkatan prestasi belajar murid yang mendapat suplemen Fe dan asam folat lebih
baik dibandingkan dengan yang tidak mendapat suplemen Fe dan asam folat (Gunakan
=0,05)?
Rumusan Masalah:
Apakah peningkatan prestasi belajar murid yang mendapat suplemen Fe dan asam folat lebih
baik dibandingkan dengan yang tidak mendapat suplemen Fe dan asam folat?
Hipotesis Penelitian:
Hipotesis yang dipilih adalah hipotesis kerja (alternatif) satu arah (satu ekor)
Peningkatan skor prestasi belajar murid yang mendapat suplemen Fe dan asam folat lebih
baik dibandingkan dengan yang tidak mendapat suplemen Fe dan asam folat
Uji Hipotesis: menggunakan uji t tak berpasangan
𝑑 |𝐴̅− 𝐵̅| 𝑠2 2
𝑠𝐵
thitung = 𝑠 =𝑠 dimana 𝑠〈𝐴̅ −𝐵̅〉 =√𝑠𝐴2̿ + 𝑠𝐵2̅ = √ 𝑛𝐴 +
̅̅̅−𝐵
〈𝐴 ̅〉 ̅̅̅−𝐵
〈𝐴 ̅〉 𝐴 𝑛𝐵

〈∑ 𝑋𝐴 〉2 〈1452〉2
∑ 𝑋𝐴2 − 211598− 211598 −210830,4 767,6
𝑠𝐴2 = 𝑛
= 10
= = = 85,28888889
𝑛−1 9 9 9

Atau langsung SHIFT 2  3  tekan 𝑥 2 = akan menunjukkkan angka yang sama. Sedangkan 𝑋̅𝐴 =
145,2
2 〈∑ 𝑋𝐵 〉2 〈1253〉2
∑ 𝑋𝐵 − 158033 − 158033 −157000,9 1032,1
𝑠𝐵2 = 𝑛
= 10
= = = 114,6777778
𝑛−1 9 9 9

Sedangkan 𝑋̅𝐵 = 125,3 - masukkan

𝑠2 2
𝑠𝐵 85,28888889 114,6777778 199,9666667
𝑠〈𝐴̅ −𝐵̅〉 = √ 𝑛𝐴 + =√ + =√ = √19,99666667
𝐴 𝑛𝐵 10 10 10

𝑠〈𝐴̅ −𝐵̅〉 = 4,471763262

|145,2−125,3| 19,9
thitung = = 4,471763262 = 4,450146136
4,471763262

Rujukan dengan t-tabel 0,05 db = (nA-1) + (nB-1) = 9 + 9 = 18 t0,05 (db=18 1 arah) hal 5 = 1,7341
thitung = 4,38647001 lebih besar daripada 1,7341, H0 ditolak hipotesis penelitian diterima
berarti peningkatan skor prestasi belajar murid yang mendapat suplemen Fe dan asam folat
lebih baik dibandingkan dengan yang tidak mendapat suplemen Fe dan asam folat
Kesimpulan Penelitian:

19
Peningkatan skor prestasi belajar murid yang mendapat suplemen Fe dan asam folat (145,5)
lebih baik dibandingkan dengan yang tidak mendapat suplemen Fe dan asam folat (125,3).
2.6 Pemanfaatan Excel dalam Menyelesaikan Masalah yang Berkaitan dengan Uji
Hipotesis

20