SlideShare une entreprise Scribd logo
1  sur  25
STATISTIKA
“Uji Perbedaan”
Dosen Pengampu : Sri Lestari Handayani,
M.Pd
Kelas 5 G
Disusun Oleh:
Ayda Fitriani
Tri Hidayah Laila
Valentini
Virdya Namira Rochaira
Uji t digunakan untuk
menguji perbedaan dua
rata-rata populasi yang
datanya berbentuk
interval. Ada 2 macam uji t:
1. Sampel
independent
2. Sampel
korelasi
1. UJI t SAMPEL
INDEPENDEN
Dalam analisis perbedaan dengan tehnik uji t sampel
independen digunakan untuk mengetahui apakah dua buah
rata-rata berasal dari populasi yang sama. Adanya
perbedaan dua kelompok sampel bebas, secara statistika
belum dapat dipastikan merupakan perbedaan yang
signifikan.
Misalnya, peneliti ingin mengetahui apakah terdapat perbedaan hasil belajar matematika
antara kelompok siswa yang diberikan penugasan kelompok (kelompok eksperimen) dengan
penugasan individual.
Asumsi dalam analisis perbedaan harus dipatuhi, yaitu sampel dari kedua kelompok diambil
secara acak dan data yang diperoleh berdistribusi normal. Pengukuran dari hasil belajar
matematika siswa setelah dianalisis didapatkan adanya perbedaan rata-rata bahwa rata-rata
kelompok yang diberikan penugasan kelompok lebih tinggi dari rata-rata kelompok yang
diberikan penugasan individu.
Perbedaan nilai rata-rata tersebut harus diuji apakah signifikan atau tidaknya perbedaan dari kedua rata-rata tersebut
salah satunya dapat menggunakan uji t ( t test). Rumus uji t yang digunakan untuk sampel independen sebagai berikut.
Keterangan :
t = koefisisen t
𝑋1 = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑎𝑚𝑝𝑒𝑙 1
𝑋2 = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑎𝑚𝑝𝑒𝑙 2
𝑆1 = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑎𝑚𝑝𝑒𝑙 1
𝑆2 = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑎𝑚𝑝𝑒𝑙 2
𝑛1 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑠𝑎𝑚𝑝𝑒𝑙 1
𝑛2 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑠𝑎𝑚𝑝𝑒𝑙 2
Langkah-langkah
Uji t sampel independen
1. Data dipilih secara acak
2. Data bersifat independen satu sama lain
3. Data berdistribusi normal ( uji normallitas)
4. Kedua varians homogen ( uji homogenitas)
5. Tulis hipotesis penelitian dalam bentuk kalimat
6. Tulis hipotesis dalam bentuk statistik
7. Hitung besarnya nilai t
8. Terapkan taraf signifikansi (α) dan cari besarnya t tabel dengan
derajat kebebasan (dk)= n1 + n2 – 2 serta bandingkan t hitung
dengan t tabel. Apabila nilai t hitung lebih besar dari t tabel
maka H0 ditolak atau dengan mencari nilai probabilitas ( P –
Value) dengan membandingkan dengan taraf signifikansi
9. Membuat kesimpulan
Soal:
Seorang peneliti ingin mengetahui adakah perbedaan konsep diri antara siswa
laki-laki dan siswa perempuan. Dari hasil pengukuran diperoleh data berikut.
No Siswa laki-
laki (X1)
No Siswa perempuan (X2)
1 70 1 60
2 85 2 65
3 75 3 70
4 92 4 75
5 88 5 80
6 69 6 83
7 76 7 72
8 82 8 73
9 90 9 80
10 85 10 78
No
Siswa Laki-
Laki (X1)
Siswa
Perempuan
(X2)
𝑿 𝟏 − 𝑿 𝟏 (𝑿 𝟏 − 𝑿 𝟏)2 𝑿 𝟐 − 𝑿 𝟐
(𝑿 𝟐 − 𝑿 𝟐)2
1 70 60 -11,2 125,44 -13,6 184,96
2 85 65 3,8 14,44 -8,6 73,96
3 75 70 -6,2 38,44 -3,6 12,96
4 92 75 10,8 116,64 1,4 1,96
5 88 80 6,8 46,24 6,4 40,96
6 69 83 -12,2 148,84 9,4 88,36
7 76 72 -5,2 27,04 -1,6 2,56
8 82 73 0,8 0,64 -0,6 0,36
9 90 80 8,8 77,44 6,4 40,96
10 85 78 3,8 14,44 4,4 19,36
812 736 609,6 466,4
TABEL PENOLONG
Sedangkan untuk varian diperoleh dengan rumus :
n1=10 n2=10
𝑋1=812 𝑋2=736
𝑋1=81,2 𝑋2=73,6
Penyelesaian
Hipotesis statistik
H0 : 𝜇1 = 𝜇2
H1 : 𝜇1 ≠ 𝜇2
Mencari besarnya t hitung:
Hipotesis penelitian
H0 = Tidak terdapat perbedaan konsep diri antara siswa laki-
laki dengan siswa perempuan.
H1 = Terdapat perbedaan konsep diri antara siswa laki-laki
dengan siswa perempuan.
5. Membandingkan t htung dengan t tabel atau t kriteria.
Untuk menentukan besarnya nilai kriteria dengan terlebih dahulu
menentukan derajat kebebasan (dk). Untuk menentukan dua rata-rata
sampel independen besarnya dk dicari dengan menggunakan rumus: n1 +
n2 – 2, maka dk = 10 + 10 – 2 = 18.
Besarnya tkriteria dengan dk = 18 pada taraf signifikansi 0,05 sebesar 2,101
dan pada taraf signifikansi 0,01 sebesar 2,878 (lihat tabel distribusi t pada
uji dua pihak), karena thitung lebih besar dari tkriteria pada taraf signifikansi
0,05 (2,198 > 2,101) maka H0 ditolak yang berarti bahwa terdapat
perbedaan konsep diri antara siswa laki-laki dengan siswa perempuan.
Berdasarkan nilai rata-rata disimpulkan bahwa konsep diri siswa laki-laki
lebih positif dibandingkan konsep diri siswa perempuan. Hal ini
ditunjukkan dengan nilai rata-rata sebesar 81,2 untuk konsep diri siswa
laki-laki dan untuk konsep diri siswa perempuan sebesar 73,6
2. UJI t SAMPEL
BERKORELASI
bertujuan untuk mengkaji apakah
suatu perubahan terjadi sebagai
akibat dari perlakuan dengan
membandingkan sebelum dan
sesudah diberi perlakuan.
Rumus uji t yang dapat digunakan untuk sampel berkorelasi (N< 30) yaitu sebagai berikut.
𝑡 =
𝑀 𝐷
𝑆𝐸 𝑀𝐷
,
𝑀 𝐷=
𝐷
𝑁
SEMD diperoleh dari rumus:
𝑆𝐸 𝑀𝐷=
𝑆𝐷 𝐷
𝑁−1
SDD diperoleh dari rumus:
SDD =
𝐷
2
𝑁
−
𝐷
𝑁
2
MD=Nilai rata-rata hitung dari beda / selisih antara skor variabel I dan Skor Variabel II
SEMD= Standard Error dari Mean of Difference
MD diperoleh dari rumus:
𝐷 = Jumlah Beda/ selisih antara variabel I dan II , D=X-Y
N = Jumlah subjek yang diteliti
SDD =Standar Deviasi perbedaan antara skor Variabel I dan II
Atau rumus lainnya
Memberikan interpretasi terhadap t hitung
1. Merumuskan hipotesis alternatif (Ha)dan hipotesis nihilnya(H0).
2. Menguji signifikansi t hitung dengan cara membandingkan t hitung dengan
t tabel, dengan terlebih dahulu menetapkan derajat kebebasan (dk) = n – 1
3. Mencari kritik “t” yang tercantum pada tabel dengan berpgang pada dk
atau db, baik pada taraf signifikansi 5% ataupun 1%.
Membandingkan t hitung dengan t tabel dengan patokan:
1. Jika 𝑡0 ≥ 𝑡𝑡𝑎𝑏𝑒𝑙, 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘, 𝑠𝑒𝑏𝑎𝑙𝑖𝑘𝑛𝑦𝑎 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝐻 𝑎 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎.
Berarti antara kedua variabel yang kita selidiki, secara signifikan terdapat
perbedaan.
2. Jika 𝑡0 < 𝑡𝑡𝑎𝑏𝑒𝑙, 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎, 𝑠𝑒𝑏𝑎𝑙𝑖𝑘𝑛𝑦𝑎 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝐻 𝑎 𝑑𝑖𝑡𝑜𝑙𝑎𝑘.
Berarti bahwa perbedaan antara variabel I dan variabel II itu bukanlah
perbedaan yang berarti atau bukan perbedaan yang signifikan
Memberikan kesimpulan.
Soal:
Seorang peneliti ingin mengetahui adakah perbedaan kinerja karyawan sebelum diberikan insentif
dengan sesudah diberikan insentif. Dari hasil pengukuran diperoleh data sebagai berikut.
Tabel. Skor Data Kinerja Karyawan Sebelum dan sesudah diberikan Insentif
No Sebelum
di berikan
insentif
Sesudah
diberikan
insentif
1 60 70
2 65 85
3 70 75
4 75 92
5 80 88
6 83 69
7 72 76
8 73 82
9 80 90
10 78 85
TABEL PENOLONG
No
Sesudah
diberikan
insentif
Sebelum di berikan
insentif
D D2
(X-Y) (X-Y)2
1 70 60 10 100
2 85 65 20 400
3 75 70 5 25
4 92 75 17 289
5 88 80 8 64
6 69 83 -14 196
7 76 72 4 16
8 82 73 9 81
9 90 80 10 100
10 85 78 7 49
76 1320
Hipotesis penelitian :
H0= Tidak Terdapat Perbedaan kinerja karyawan yang signifikan, antara sebelum
dan sesudah diberikan insentif
Ha=Terdapat Perbedaan kinerja karyawan yang signifikan, antara sebelum dan
sesudah diberikan insentif
insentif.
Hipotesis statistik
H0 : 𝜇1 = 𝜇2
Ha : 𝜇1 ≠ 𝜇2
Mencari besarnya t hitung:
𝑡 =
𝑀 𝐷
𝑆𝐸 𝑀𝐷
,
𝑀 𝐷=
𝐷
𝑁
=
76
10
= 7,6
𝑆𝐸 𝑀𝐷=
𝑆𝐷 𝐷
𝑁−1
SDD =
𝐷
2
𝑁
−
𝐷
𝑁
2
=
1320
10
−
76
10
2
= 132 − (7,6)2= 132 − 57,76= 74,24=8,616
𝑆𝐸 𝑀𝐷=
8,616
10−1
=
8,616
9
=
8,616
3
= 2,872
𝑡 =
7,6
2,872
= 2, 646
Penyelesaian
Menghitung t dengan rumus lain
5. Membandingkan t htung dengan t tabel atau t kriteria.
Untuk menentukan besarnya nilai kriteria dengan terlebih dahulu
menentukan derajat kebebasan (dk). Untuk menentukan dua rata-rata
sampel berkorelasi besarnya dk dicari dengan menggunakan rumus: N-1 ,
maka dk = 10-1=9.
Besarnya t kriteria dengan dk = 9 pada taraf signifikansi 0,05 sebesar 2,26 (lihat tabel
distribusi t).
Oleh karena thitung lebih besar dari ttabel pada taraf signifikansi 0,05 (2, 646 > 2,26), maka H0
ditolak yang berarti bahwa terdapat perbedaan kinerja karyawan yang signifikan antara
sebelum diberikan insentif dengan setelah diberikan insentif.
Nilai rata-rata kinerja karyawan setelah diberikan insentif lebih tinggi dibandingkan dengan
nilai rata-rata karyawan sebelum diberikan insentif (81,20 > 73,6).
DAFTAR PUSTAKA
Sudijono, Anas. 2005. pengantar Statistik Pendidikan.Jakarta: PT RajaGrafindo
Persada
Widiyanto, Mikha Agus. 2013. Statistika Terapan: Konsep dan Aplikasi SPSS
dalam Penelitian Bidang Pendidikan, Psikologi dan Ilmu Sosial Lainnya.
Jakarta: PT Elex Media Komputindo.
Uji perbedaan ayda tri_valen_virdya

Contenu connexe

Tendances

Contoh soal penerapan taksonomi bloom revisi
Contoh soal penerapan taksonomi bloom revisiContoh soal penerapan taksonomi bloom revisi
Contoh soal penerapan taksonomi bloom revisiazrin10
 
PEMBAHASAN SOAL2 NON RUTIN
PEMBAHASAN SOAL2 NON RUTINPEMBAHASAN SOAL2 NON RUTIN
PEMBAHASAN SOAL2 NON RUTINHiriza Hiriza
 
Soal dan jawaban uci chi kuadrat dan regresi
Soal dan jawaban uci chi kuadrat dan regresiSoal dan jawaban uci chi kuadrat dan regresi
Soal dan jawaban uci chi kuadrat dan regresiVivin Dolpin
 
Statistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 BerpasanganStatistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 BerpasanganSiti Sahati
 
Sub grup normal dan grup fakto
Sub grup normal dan grup faktoSub grup normal dan grup fakto
Sub grup normal dan grup faktoYadi Pura
 
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2Arvina Frida Karela
 
Model-model Penelitian Pengembangan
Model-model Penelitian PengembanganModel-model Penelitian Pengembangan
Model-model Penelitian PengembanganYamanto Isa
 
Pertemuan 3 turunan dan aturan rantai
Pertemuan 3   turunan dan aturan rantaiPertemuan 3   turunan dan aturan rantai
Pertemuan 3 turunan dan aturan rantaiSenat Mahasiswa STIS
 
Teori Peluang | Pengantar Statistik Matematis
Teori Peluang | Pengantar Statistik MatematisTeori Peluang | Pengantar Statistik Matematis
Teori Peluang | Pengantar Statistik MatematisJujun Muhamad Jubaerudin
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangArif Windiargo
 
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)EDI RIADI
 

Tendances (20)

Grup permutasi
Grup permutasiGrup permutasi
Grup permutasi
 
Contoh soal penerapan taksonomi bloom revisi
Contoh soal penerapan taksonomi bloom revisiContoh soal penerapan taksonomi bloom revisi
Contoh soal penerapan taksonomi bloom revisi
 
Chi Kuadrat
Chi KuadratChi Kuadrat
Chi Kuadrat
 
PEMBAHASAN SOAL2 NON RUTIN
PEMBAHASAN SOAL2 NON RUTINPEMBAHASAN SOAL2 NON RUTIN
PEMBAHASAN SOAL2 NON RUTIN
 
Grup siklik
Grup siklikGrup siklik
Grup siklik
 
UJI Z dan UJI T
UJI Z dan UJI TUJI Z dan UJI T
UJI Z dan UJI T
 
uji homogenitas varians
uji homogenitas variansuji homogenitas varians
uji homogenitas varians
 
Ring
RingRing
Ring
 
Soal dan jawaban uci chi kuadrat dan regresi
Soal dan jawaban uci chi kuadrat dan regresiSoal dan jawaban uci chi kuadrat dan regresi
Soal dan jawaban uci chi kuadrat dan regresi
 
Statistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 BerpasanganStatistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 Berpasangan
 
Sub grup normal dan grup fakto
Sub grup normal dan grup faktoSub grup normal dan grup fakto
Sub grup normal dan grup fakto
 
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2
 
Model-model Penelitian Pengembangan
Model-model Penelitian PengembanganModel-model Penelitian Pengembangan
Model-model Penelitian Pengembangan
 
Pertemuan 3 turunan dan aturan rantai
Pertemuan 3   turunan dan aturan rantaiPertemuan 3   turunan dan aturan rantai
Pertemuan 3 turunan dan aturan rantai
 
Teori Peluang | Pengantar Statistik Matematis
Teori Peluang | Pengantar Statistik MatematisTeori Peluang | Pengantar Statistik Matematis
Teori Peluang | Pengantar Statistik Matematis
 
Bilangan kompleks
Bilangan kompleksBilangan kompleks
Bilangan kompleks
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
 
Grup siklik
Grup siklikGrup siklik
Grup siklik
 
Struktur aljabar-2
Struktur aljabar-2Struktur aljabar-2
Struktur aljabar-2
 
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
 

En vedette

Statistika Dasar (15) statistika non_parametrik
Statistika Dasar (15) statistika non_parametrikStatistika Dasar (15) statistika non_parametrik
Statistika Dasar (15) statistika non_parametrikjayamartha
 
PDU 214 Methods of Observation & Interviewing: Observation - Methods & Record...
PDU 214 Methods of Observation & Interviewing: Observation - Methods & Record...PDU 214 Methods of Observation & Interviewing: Observation - Methods & Record...
PDU 214 Methods of Observation & Interviewing: Observation - Methods & Record...Agatha N. Ardhiati
 
Statistika Uji Homogenitas (Uji Fmax, Uji Barlett, dan Uji Runs)
Statistika Uji Homogenitas (Uji Fmax, Uji Barlett, dan Uji Runs)Statistika Uji Homogenitas (Uji Fmax, Uji Barlett, dan Uji Runs)
Statistika Uji Homogenitas (Uji Fmax, Uji Barlett, dan Uji Runs)Awal Akbar Jamaluddin
 
Uccu 打造自己的綿羊牆
Uccu 打造自己的綿羊牆Uccu 打造自己的綿羊牆
Uccu 打造自己的綿羊牆SHANG-DE JIANG
 
Classificatori icf pradal 2016
Classificatori icf pradal 2016Classificatori icf pradal 2016
Classificatori icf pradal 2016CTI_Area_Ulss7
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasPutri Handayani
 
A Bootstrap Approach to Error-Reduction of Nonlinear Regression Parameters Es...
A Bootstrap Approach to Error-Reduction of Nonlinear Regression Parameters Es...A Bootstrap Approach to Error-Reduction of Nonlinear Regression Parameters Es...
A Bootstrap Approach to Error-Reduction of Nonlinear Regression Parameters Es...IOSR Journals
 
проект QR СМАРТС
проект QR СМАРТСпроект QR СМАРТС
проект QR СМАРТСMM2B
 
Emilia wati semester 3 akuntansi_bab 4
Emilia wati semester 3 akuntansi_bab 4Emilia wati semester 3 akuntansi_bab 4
Emilia wati semester 3 akuntansi_bab 4Emilia Wati
 
Mapping presentation THAG big data from space
Mapping presentation THAG big data from spaceMapping presentation THAG big data from space
Mapping presentation THAG big data from spaceBartosz Szkudlarek
 
роза Microsoft word
роза  Microsoft wordроза  Microsoft word
роза Microsoft wordoquzaman
 
4H2012 508 nonLinear Regression
4H2012 508 nonLinear Regression4H2012 508 nonLinear Regression
4H2012 508 nonLinear RegressionA Jorge Garcia
 
Benefícios e desafios que Big Data & Analytics traz para as empresas na jorna...
Benefícios e desafios que Big Data & Analytics traz para as empresas na jorna...Benefícios e desafios que Big Data & Analytics traz para as empresas na jorna...
Benefícios e desafios que Big Data & Analytics traz para as empresas na jorna...Flávio Secchieri Mariotti
 
Regresi nonlinear&amp;ganda
Regresi nonlinear&amp;gandaRegresi nonlinear&amp;ganda
Regresi nonlinear&amp;gandalennygoru
 
Burimet ujore me komunitet. Menyrat e perdirimit te ujit te tyre. Kursimi i u...
Burimet ujore me komunitet. Menyrat e perdirimit te ujit te tyre. Kursimi i u...Burimet ujore me komunitet. Menyrat e perdirimit te ujit te tyre. Kursimi i u...
Burimet ujore me komunitet. Menyrat e perdirimit te ujit te tyre. Kursimi i u...Egla Mërzheku
 
Mustafa (English CV + Arabic CV + Exp. Certificate)
Mustafa (English CV + Arabic CV + Exp. Certificate)Mustafa (English CV + Arabic CV + Exp. Certificate)
Mustafa (English CV + Arabic CV + Exp. Certificate)Mustafam Abdul Aziz
 

En vedette (20)

Statistika Dasar (15) statistika non_parametrik
Statistika Dasar (15) statistika non_parametrikStatistika Dasar (15) statistika non_parametrik
Statistika Dasar (15) statistika non_parametrik
 
Uji Hipotesis
Uji HipotesisUji Hipotesis
Uji Hipotesis
 
Analisa data &amp; uji statistik
Analisa data &amp; uji statistikAnalisa data &amp; uji statistik
Analisa data &amp; uji statistik
 
PDU 214 Methods of Observation & Interviewing: Observation - Methods & Record...
PDU 214 Methods of Observation & Interviewing: Observation - Methods & Record...PDU 214 Methods of Observation & Interviewing: Observation - Methods & Record...
PDU 214 Methods of Observation & Interviewing: Observation - Methods & Record...
 
Statistika Uji Homogenitas (Uji Fmax, Uji Barlett, dan Uji Runs)
Statistika Uji Homogenitas (Uji Fmax, Uji Barlett, dan Uji Runs)Statistika Uji Homogenitas (Uji Fmax, Uji Barlett, dan Uji Runs)
Statistika Uji Homogenitas (Uji Fmax, Uji Barlett, dan Uji Runs)
 
We are survivor
We are survivorWe are survivor
We are survivor
 
Uccu 打造自己的綿羊牆
Uccu 打造自己的綿羊牆Uccu 打造自己的綿羊牆
Uccu 打造自己的綿羊牆
 
Clases sociales
Clases socialesClases sociales
Clases sociales
 
Classificatori icf pradal 2016
Classificatori icf pradal 2016Classificatori icf pradal 2016
Classificatori icf pradal 2016
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitas
 
A Bootstrap Approach to Error-Reduction of Nonlinear Regression Parameters Es...
A Bootstrap Approach to Error-Reduction of Nonlinear Regression Parameters Es...A Bootstrap Approach to Error-Reduction of Nonlinear Regression Parameters Es...
A Bootstrap Approach to Error-Reduction of Nonlinear Regression Parameters Es...
 
проект QR СМАРТС
проект QR СМАРТСпроект QR СМАРТС
проект QR СМАРТС
 
Emilia wati semester 3 akuntansi_bab 4
Emilia wati semester 3 akuntansi_bab 4Emilia wati semester 3 akuntansi_bab 4
Emilia wati semester 3 akuntansi_bab 4
 
Mapping presentation THAG big data from space
Mapping presentation THAG big data from spaceMapping presentation THAG big data from space
Mapping presentation THAG big data from space
 
роза Microsoft word
роза  Microsoft wordроза  Microsoft word
роза Microsoft word
 
4H2012 508 nonLinear Regression
4H2012 508 nonLinear Regression4H2012 508 nonLinear Regression
4H2012 508 nonLinear Regression
 
Benefícios e desafios que Big Data & Analytics traz para as empresas na jorna...
Benefícios e desafios que Big Data & Analytics traz para as empresas na jorna...Benefícios e desafios que Big Data & Analytics traz para as empresas na jorna...
Benefícios e desafios que Big Data & Analytics traz para as empresas na jorna...
 
Regresi nonlinear&amp;ganda
Regresi nonlinear&amp;gandaRegresi nonlinear&amp;ganda
Regresi nonlinear&amp;ganda
 
Burimet ujore me komunitet. Menyrat e perdirimit te ujit te tyre. Kursimi i u...
Burimet ujore me komunitet. Menyrat e perdirimit te ujit te tyre. Kursimi i u...Burimet ujore me komunitet. Menyrat e perdirimit te ujit te tyre. Kursimi i u...
Burimet ujore me komunitet. Menyrat e perdirimit te ujit te tyre. Kursimi i u...
 
Mustafa (English CV + Arabic CV + Exp. Certificate)
Mustafa (English CV + Arabic CV + Exp. Certificate)Mustafa (English CV + Arabic CV + Exp. Certificate)
Mustafa (English CV + Arabic CV + Exp. Certificate)
 

Similaire à Uji perbedaan ayda tri_valen_virdya

statistik-inferensi-dengan-spss
statistik-inferensi-dengan-spssstatistik-inferensi-dengan-spss
statistik-inferensi-dengan-spssFajar Istiqomah
 
Uji Beda (T – Test).pptx
Uji Beda (T – Test).pptxUji Beda (T – Test).pptx
Uji Beda (T – Test).pptxBagusSetyawan30
 
Statistika parametrik_teknik analisis komparasi (uji-t)
Statistika parametrik_teknik analisis komparasi (uji-t)Statistika parametrik_teknik analisis komparasi (uji-t)
Statistika parametrik_teknik analisis komparasi (uji-t)M. Jainuri, S.Pd., M.Pd
 
Bab xi uji hipotesis dua rata rata
Bab xi uji hipotesis dua rata rataBab xi uji hipotesis dua rata rata
Bab xi uji hipotesis dua rata ratalinda_rosalina
 
prosedure penelitian
prosedure penelitianprosedure penelitian
prosedure penelitianSiti Romlah
 
Andri zumain uji friedman m.
Andri zumain  uji friedman m.Andri zumain  uji friedman m.
Andri zumain uji friedman m.aditya kusuma
 
uji hipotesis satu rata rata
uji hipotesis satu rata   ratauji hipotesis satu rata   rata
uji hipotesis satu rata rataRatih Ramadhani
 
Aplikasi Statistik.ppt
Aplikasi Statistik.pptAplikasi Statistik.ppt
Aplikasi Statistik.pptfadillahtria
 
Uji hipotesis dua rata
Uji hipotesis dua rataUji hipotesis dua rata
Uji hipotesis dua rataastiariani14
 
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptxazkhaka123
 

Similaire à Uji perbedaan ayda tri_valen_virdya (20)

statistik-inferensi-dengan-spss
statistik-inferensi-dengan-spssstatistik-inferensi-dengan-spss
statistik-inferensi-dengan-spss
 
Uji statisitk
Uji statisitk Uji statisitk
Uji statisitk
 
Uji Beda (T – Test).pptx
Uji Beda (T – Test).pptxUji Beda (T – Test).pptx
Uji Beda (T – Test).pptx
 
Statistika parametrik_teknik analisis komparasi (uji-t)
Statistika parametrik_teknik analisis komparasi (uji-t)Statistika parametrik_teknik analisis komparasi (uji-t)
Statistika parametrik_teknik analisis komparasi (uji-t)
 
uji-t-berpasangan
uji-t-berpasanganuji-t-berpasangan
uji-t-berpasangan
 
Bab xi uji hipotesis dua rata rata
Bab xi uji hipotesis dua rata rataBab xi uji hipotesis dua rata rata
Bab xi uji hipotesis dua rata rata
 
prosedure penelitian
prosedure penelitianprosedure penelitian
prosedure penelitian
 
Andri zumain uji friedman m.
Andri zumain  uji friedman m.Andri zumain  uji friedman m.
Andri zumain uji friedman m.
 
uji hipotesis satu rata rata
uji hipotesis satu rata   ratauji hipotesis satu rata   rata
uji hipotesis satu rata rata
 
Aplikasi Statistik.ppt
Aplikasi Statistik.pptAplikasi Statistik.ppt
Aplikasi Statistik.ppt
 
KEL.12-UJI BEDA DUA RERATA.docx
KEL.12-UJI BEDA DUA RERATA.docxKEL.12-UJI BEDA DUA RERATA.docx
KEL.12-UJI BEDA DUA RERATA.docx
 
Uji hipotesis dua rata
Uji hipotesis dua rataUji hipotesis dua rata
Uji hipotesis dua rata
 
Uji perbedaan uji t
Uji perbedaan uji tUji perbedaan uji t
Uji perbedaan uji t
 
teknik analisis korelasi sampel kecil
teknik analisis korelasi sampel kecilteknik analisis korelasi sampel kecil
teknik analisis korelasi sampel kecil
 
teknik analisis korelasi sampel kecil
teknik analisis korelasi sampel kecilteknik analisis korelasi sampel kecil
teknik analisis korelasi sampel kecil
 
02 klp snp
02 klp snp02 klp snp
02 klp snp
 
Minggu 11_Teknik Analisis Komparasi
Minggu 11_Teknik Analisis KomparasiMinggu 11_Teknik Analisis Komparasi
Minggu 11_Teknik Analisis Komparasi
 
Bab iii part 1
Bab iii part 1Bab iii part 1
Bab iii part 1
 
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
 
Uji Beda Mean
Uji Beda MeanUji Beda Mean
Uji Beda Mean
 

Dernier

PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTPERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTYudaPerwira5
 
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshKISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshDosenBernard
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFFPMJ604FIKRIRIANDRA
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfPemdes Wonoyoso
 
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptSIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptEndangNingsih7
 
DATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGDATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGYudaPerwira5
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningSamFChaerul
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAmasqiqu340
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Shary Armonitha
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfjeffrisovana999
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANDevonneDillaElFachri
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesiasdn4mangkujayan
 
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptDATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptmuhammadarsyad77
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptxAbidinMaulana
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksdanzztzy405
 

Dernier (17)

PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTPERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
 
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshKISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
 
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
 
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptSIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
 
DATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGDATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MINING
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data mining
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdf
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesia
 
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptDATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
 
Abortion pills in Jeddah+966543202731/ buy cytotec
Abortion pills in Jeddah+966543202731/ buy cytotecAbortion pills in Jeddah+966543202731/ buy cytotec
Abortion pills in Jeddah+966543202731/ buy cytotec
 

Uji perbedaan ayda tri_valen_virdya

  • 1. STATISTIKA “Uji Perbedaan” Dosen Pengampu : Sri Lestari Handayani, M.Pd
  • 2. Kelas 5 G Disusun Oleh: Ayda Fitriani Tri Hidayah Laila Valentini Virdya Namira Rochaira
  • 3. Uji t digunakan untuk menguji perbedaan dua rata-rata populasi yang datanya berbentuk interval. Ada 2 macam uji t: 1. Sampel independent 2. Sampel korelasi
  • 4. 1. UJI t SAMPEL INDEPENDEN Dalam analisis perbedaan dengan tehnik uji t sampel independen digunakan untuk mengetahui apakah dua buah rata-rata berasal dari populasi yang sama. Adanya perbedaan dua kelompok sampel bebas, secara statistika belum dapat dipastikan merupakan perbedaan yang signifikan. Misalnya, peneliti ingin mengetahui apakah terdapat perbedaan hasil belajar matematika antara kelompok siswa yang diberikan penugasan kelompok (kelompok eksperimen) dengan penugasan individual. Asumsi dalam analisis perbedaan harus dipatuhi, yaitu sampel dari kedua kelompok diambil secara acak dan data yang diperoleh berdistribusi normal. Pengukuran dari hasil belajar matematika siswa setelah dianalisis didapatkan adanya perbedaan rata-rata bahwa rata-rata kelompok yang diberikan penugasan kelompok lebih tinggi dari rata-rata kelompok yang diberikan penugasan individu.
  • 5. Perbedaan nilai rata-rata tersebut harus diuji apakah signifikan atau tidaknya perbedaan dari kedua rata-rata tersebut salah satunya dapat menggunakan uji t ( t test). Rumus uji t yang digunakan untuk sampel independen sebagai berikut. Keterangan : t = koefisisen t 𝑋1 = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑎𝑚𝑝𝑒𝑙 1 𝑋2 = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑎𝑚𝑝𝑒𝑙 2 𝑆1 = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑎𝑚𝑝𝑒𝑙 1 𝑆2 = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑎𝑚𝑝𝑒𝑙 2 𝑛1 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑠𝑎𝑚𝑝𝑒𝑙 1 𝑛2 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑠𝑎𝑚𝑝𝑒𝑙 2
  • 6. Langkah-langkah Uji t sampel independen 1. Data dipilih secara acak 2. Data bersifat independen satu sama lain 3. Data berdistribusi normal ( uji normallitas) 4. Kedua varians homogen ( uji homogenitas) 5. Tulis hipotesis penelitian dalam bentuk kalimat 6. Tulis hipotesis dalam bentuk statistik 7. Hitung besarnya nilai t 8. Terapkan taraf signifikansi (α) dan cari besarnya t tabel dengan derajat kebebasan (dk)= n1 + n2 – 2 serta bandingkan t hitung dengan t tabel. Apabila nilai t hitung lebih besar dari t tabel maka H0 ditolak atau dengan mencari nilai probabilitas ( P – Value) dengan membandingkan dengan taraf signifikansi 9. Membuat kesimpulan
  • 7. Soal: Seorang peneliti ingin mengetahui adakah perbedaan konsep diri antara siswa laki-laki dan siswa perempuan. Dari hasil pengukuran diperoleh data berikut. No Siswa laki- laki (X1) No Siswa perempuan (X2) 1 70 1 60 2 85 2 65 3 75 3 70 4 92 4 75 5 88 5 80 6 69 6 83 7 76 7 72 8 82 8 73 9 90 9 80 10 85 10 78
  • 8. No Siswa Laki- Laki (X1) Siswa Perempuan (X2) 𝑿 𝟏 − 𝑿 𝟏 (𝑿 𝟏 − 𝑿 𝟏)2 𝑿 𝟐 − 𝑿 𝟐 (𝑿 𝟐 − 𝑿 𝟐)2 1 70 60 -11,2 125,44 -13,6 184,96 2 85 65 3,8 14,44 -8,6 73,96 3 75 70 -6,2 38,44 -3,6 12,96 4 92 75 10,8 116,64 1,4 1,96 5 88 80 6,8 46,24 6,4 40,96 6 69 83 -12,2 148,84 9,4 88,36 7 76 72 -5,2 27,04 -1,6 2,56 8 82 73 0,8 0,64 -0,6 0,36 9 90 80 8,8 77,44 6,4 40,96 10 85 78 3,8 14,44 4,4 19,36 812 736 609,6 466,4 TABEL PENOLONG
  • 9. Sedangkan untuk varian diperoleh dengan rumus : n1=10 n2=10 𝑋1=812 𝑋2=736 𝑋1=81,2 𝑋2=73,6
  • 10. Penyelesaian Hipotesis statistik H0 : 𝜇1 = 𝜇2 H1 : 𝜇1 ≠ 𝜇2 Mencari besarnya t hitung: Hipotesis penelitian H0 = Tidak terdapat perbedaan konsep diri antara siswa laki- laki dengan siswa perempuan. H1 = Terdapat perbedaan konsep diri antara siswa laki-laki dengan siswa perempuan.
  • 11. 5. Membandingkan t htung dengan t tabel atau t kriteria. Untuk menentukan besarnya nilai kriteria dengan terlebih dahulu menentukan derajat kebebasan (dk). Untuk menentukan dua rata-rata sampel independen besarnya dk dicari dengan menggunakan rumus: n1 + n2 – 2, maka dk = 10 + 10 – 2 = 18.
  • 12. Besarnya tkriteria dengan dk = 18 pada taraf signifikansi 0,05 sebesar 2,101 dan pada taraf signifikansi 0,01 sebesar 2,878 (lihat tabel distribusi t pada uji dua pihak), karena thitung lebih besar dari tkriteria pada taraf signifikansi 0,05 (2,198 > 2,101) maka H0 ditolak yang berarti bahwa terdapat perbedaan konsep diri antara siswa laki-laki dengan siswa perempuan. Berdasarkan nilai rata-rata disimpulkan bahwa konsep diri siswa laki-laki lebih positif dibandingkan konsep diri siswa perempuan. Hal ini ditunjukkan dengan nilai rata-rata sebesar 81,2 untuk konsep diri siswa laki-laki dan untuk konsep diri siswa perempuan sebesar 73,6
  • 13. 2. UJI t SAMPEL BERKORELASI bertujuan untuk mengkaji apakah suatu perubahan terjadi sebagai akibat dari perlakuan dengan membandingkan sebelum dan sesudah diberi perlakuan.
  • 14. Rumus uji t yang dapat digunakan untuk sampel berkorelasi (N< 30) yaitu sebagai berikut. 𝑡 = 𝑀 𝐷 𝑆𝐸 𝑀𝐷 , 𝑀 𝐷= 𝐷 𝑁 SEMD diperoleh dari rumus: 𝑆𝐸 𝑀𝐷= 𝑆𝐷 𝐷 𝑁−1 SDD diperoleh dari rumus: SDD = 𝐷 2 𝑁 − 𝐷 𝑁 2 MD=Nilai rata-rata hitung dari beda / selisih antara skor variabel I dan Skor Variabel II SEMD= Standard Error dari Mean of Difference MD diperoleh dari rumus: 𝐷 = Jumlah Beda/ selisih antara variabel I dan II , D=X-Y N = Jumlah subjek yang diteliti SDD =Standar Deviasi perbedaan antara skor Variabel I dan II
  • 16. Memberikan interpretasi terhadap t hitung 1. Merumuskan hipotesis alternatif (Ha)dan hipotesis nihilnya(H0). 2. Menguji signifikansi t hitung dengan cara membandingkan t hitung dengan t tabel, dengan terlebih dahulu menetapkan derajat kebebasan (dk) = n – 1 3. Mencari kritik “t” yang tercantum pada tabel dengan berpgang pada dk atau db, baik pada taraf signifikansi 5% ataupun 1%. Membandingkan t hitung dengan t tabel dengan patokan: 1. Jika 𝑡0 ≥ 𝑡𝑡𝑎𝑏𝑒𝑙, 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘, 𝑠𝑒𝑏𝑎𝑙𝑖𝑘𝑛𝑦𝑎 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝐻 𝑎 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎. Berarti antara kedua variabel yang kita selidiki, secara signifikan terdapat perbedaan. 2. Jika 𝑡0 < 𝑡𝑡𝑎𝑏𝑒𝑙, 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎, 𝑠𝑒𝑏𝑎𝑙𝑖𝑘𝑛𝑦𝑎 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝐻 𝑎 𝑑𝑖𝑡𝑜𝑙𝑎𝑘. Berarti bahwa perbedaan antara variabel I dan variabel II itu bukanlah perbedaan yang berarti atau bukan perbedaan yang signifikan Memberikan kesimpulan.
  • 17. Soal: Seorang peneliti ingin mengetahui adakah perbedaan kinerja karyawan sebelum diberikan insentif dengan sesudah diberikan insentif. Dari hasil pengukuran diperoleh data sebagai berikut. Tabel. Skor Data Kinerja Karyawan Sebelum dan sesudah diberikan Insentif No Sebelum di berikan insentif Sesudah diberikan insentif 1 60 70 2 65 85 3 70 75 4 75 92 5 80 88 6 83 69 7 72 76 8 73 82 9 80 90 10 78 85
  • 18. TABEL PENOLONG No Sesudah diberikan insentif Sebelum di berikan insentif D D2 (X-Y) (X-Y)2 1 70 60 10 100 2 85 65 20 400 3 75 70 5 25 4 92 75 17 289 5 88 80 8 64 6 69 83 -14 196 7 76 72 4 16 8 82 73 9 81 9 90 80 10 100 10 85 78 7 49 76 1320
  • 19. Hipotesis penelitian : H0= Tidak Terdapat Perbedaan kinerja karyawan yang signifikan, antara sebelum dan sesudah diberikan insentif Ha=Terdapat Perbedaan kinerja karyawan yang signifikan, antara sebelum dan sesudah diberikan insentif insentif. Hipotesis statistik H0 : 𝜇1 = 𝜇2 Ha : 𝜇1 ≠ 𝜇2
  • 20. Mencari besarnya t hitung: 𝑡 = 𝑀 𝐷 𝑆𝐸 𝑀𝐷 , 𝑀 𝐷= 𝐷 𝑁 = 76 10 = 7,6 𝑆𝐸 𝑀𝐷= 𝑆𝐷 𝐷 𝑁−1 SDD = 𝐷 2 𝑁 − 𝐷 𝑁 2 = 1320 10 − 76 10 2 = 132 − (7,6)2= 132 − 57,76= 74,24=8,616 𝑆𝐸 𝑀𝐷= 8,616 10−1 = 8,616 9 = 8,616 3 = 2,872 𝑡 = 7,6 2,872 = 2, 646 Penyelesaian
  • 21. Menghitung t dengan rumus lain
  • 22. 5. Membandingkan t htung dengan t tabel atau t kriteria. Untuk menentukan besarnya nilai kriteria dengan terlebih dahulu menentukan derajat kebebasan (dk). Untuk menentukan dua rata-rata sampel berkorelasi besarnya dk dicari dengan menggunakan rumus: N-1 , maka dk = 10-1=9.
  • 23. Besarnya t kriteria dengan dk = 9 pada taraf signifikansi 0,05 sebesar 2,26 (lihat tabel distribusi t). Oleh karena thitung lebih besar dari ttabel pada taraf signifikansi 0,05 (2, 646 > 2,26), maka H0 ditolak yang berarti bahwa terdapat perbedaan kinerja karyawan yang signifikan antara sebelum diberikan insentif dengan setelah diberikan insentif. Nilai rata-rata kinerja karyawan setelah diberikan insentif lebih tinggi dibandingkan dengan nilai rata-rata karyawan sebelum diberikan insentif (81,20 > 73,6).
  • 24. DAFTAR PUSTAKA Sudijono, Anas. 2005. pengantar Statistik Pendidikan.Jakarta: PT RajaGrafindo Persada Widiyanto, Mikha Agus. 2013. Statistika Terapan: Konsep dan Aplikasi SPSS dalam Penelitian Bidang Pendidikan, Psikologi dan Ilmu Sosial Lainnya. Jakarta: PT Elex Media Komputindo.