T Test Independent Sample

Seorang peneliti ingin mengetahui apakah ada beda antara nilai siswa pria dibandingkan dengan nilai siswa wanita. Untuk spreadsheet nya bisa di download disini.

Karena objek nya berbeda maka kita menggunakan T Test Independent Sample. (Catatan: untuk T Test jika objeknya sama, misalkan orang yang sama diukur di 2 waktu berbeda, dibandingkan hasilnya, maka ini menggunakan T Test Paired Sample).

Jenis uji	Rumus Excel	t-tabel α = 0,05 df = 18
Dua arah — batas kanan	=T.INV.2T(0.05,df)	2,101
Dua arah — batas kiri	=-T.INV.2T(0.05,df)	-2,101
Satu arah kanan	=T.INV(1-0.05,df)	1,734
Satu arah kiri	=T.INV(0.05,df)	-1,734

T Test 2 Tail

-------------

H0 nilai siswa pria dan wanita tidak ada beda

H1 nilai siswa pria dan wanita ada beda

jika t hitung > t-table kanan --> H1 diterima (H0 ditolak)

atau

jika t hitung < t-table kiri --> H1 diterima (H0 ditolak)

t-hitung 2.198

t-tabel 2T 2.101

karena t-hitung > t table-kanan --> H1 diterima (H0 ditolak)

T Test 1 Tail Kanan

--------------------

H0 nilai siswa pria <= wanita

H1 nilai siswa pria > wanita

jika t hitung > t-table --> H1 diterima (H0 ditolak)

jika t hitung < t-table --> H1 ditolak (H0 diterima)

t-hitung 2.198

t-tabel 1T kanan 1.734

kerena t-hitung > t-tabel kanan --> H1 diterima (H0 ditolak)

T Test 1 Tail Kiri

------------------

H0 nilai siswa pria >= wanita

H1 nilai siswa pria < wanita

jika t hitung < t-table --> H1 diterima (H0 ditolak)

jika t hitung > t-table --> H1 ditolak (H0 diterima)

t-hitung 2.198

t-tabel 1T kiri -1.734

karena t-hitung > t-table kiri --> H1 ditolak (H0 diterima)

LANDASAN TEORI

Apa beda T test dengan Z Test? Pada dasarnya sama. Namun T Test dilakukan jika rata-rata polulasi tidak diketahui. Jadi umumnya pada sample yang lebih kecil digunakan T Test. Namun jika sample sudah banyak maka hasilnya akan sama dengan Z test.

Berikut adalah simulasi dari n terhadap kurva T dan Z.

https://share.gemini.google/qulI9f23N0BB

Terlihat bahwa jika n makin membesar, maka kurva T akan semakin berhimpit dengan kurva Z.

Pada dasarnya kurva T ini akan menentukan t kritis (t tabel). Jika t hitung > dari t kritis (untuk uji 1 arah kanan) maka H1 diterima (H0 ditolak).

Berikut adalah rumus t-table (t-kritis), dimana terlihat bahwa t-kritis fungsi dari degree of freedom, dimana df=n1+n2-2.

Jenis uji	t-table / t kritis	Hasil untuk α = 0,05 dan df = 18
Dua arah — batas kanan	=T.INV.2T(0.05,df)	2,101
Dua arah — batas kiri	=-T.INV.2T(0.05,df)	-2,101
Satu arah kanan	=T.INV(1-0.05,df)	1,734
Satu arah kiri	=T.INV(0.05,df)	-1,734

Filosofi H0: yaitu status quo, artinya semua dianggap sama, tidak ada beda. Oleh karena itu H0 wajib mengandung unsur = (misalkan =, atau >=, atau <=).

Contoh: Data 10 tinggi badan siswa pria dan 10 tinggi badan siswa wanita di SMA 48.

Pertanyaan penelitian 1: Apakah ada beda antara tinggi badan siswa pria dan wanita?

Penyusunan H0: tidak ada beda tinggi siswa pria vs wanita

artinya H0 : u1 = u2 

dan H1 : u1 |= u2 

H1 diterima (H0 ditolak) jika t hitung > t tabel kanan

Pertanyaan penelitian 2: Apakah tinggi badan siswa pria > wanita?

Penyusunan H0: tidak ada beda tinggi siswa pria vs wanita atau tinggi pria > wanita

artinya H0 : u1 >= u2 

dan H1 : u1 < u2 

H1 diterima (H0 ditolak) jika t hitung > t tabel kanan

Pertanyaan penelitian 3: Apakah tinggi badan siswa pria < wanita?

Penyusunan H0: tidak ada beda tinggi siswa pria vs wanita atau tinggi pria < wanita

artinya H0 : u1 <= u2 

dan H1 : u1 > u2 

H1 diterima (H0 ditolak) jika t hitung < t tabel kiri

<eof>