MAKALAH

UJI PAIRED T TEST

Makalah ini disusun untuk memenuhi nilai Assesment mata kuliah Biostatistik

Dosen Assesment : Nur Khafidhoh, S.SiT, M.Kes

Disusun oleh:

Maya Kurnia Putri (P1337424420175)

PRODI SARJANA TERAPAN DAN PROFESI KEBIDANAN SEMARANG

POLITEKNIK KESEHATAN KEMENKES SEMARANG

TAHUN PELAJARAN 2020/2021

 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT yang telah memberikan
rahmat serta karunia-Nya kepada saya sehingga saya berhasil menyelesaikan
Makalah dengan judul “Uji Paired T Test” sebagai bentuk pemenuhan tugas
Assesment mata kuliah Biostatistik dengan baik dan tepat waktu.
Saya berharap makalah ini dapat bermanfaat dan digunakan dengan
sebaik-baiknya. Saya menyadari bahwa dalam proses pembuatan makalah ini
masih banyak kekurangan dan masih belum sempurna, oleh karena itu kritik dan
saran dari semua pihak yang bersifat membangun selalu saya harapkan demi
kesempurnaan makalah ini.
Saya sampaikan terima kasih kepada semua pihak yang telah berperan
serta dalam penyusunan makalah ini dari awal sampai akhir.

Semarang, 08 November 2020

Penulis
 DAFTAR ISI

KATA PENGANTAR................................................................................... ii

DAFTAR ISI................................................................................................ iii

BAB I PENDAHULUAN

A. Latar Belakang................................................................................1
B. Rumusan Masalah...........................................................................2
C. Tujuan..............................................................................................2

BAB II PEMBAHASAN

A. Pengertian Uji T..............................................................................3

B. Analisis Uji T terhadap 2 Perlakuan...............................................5
C. Uji T berpasangan.........................................................................22
D. Uji T tidak berpasangan................................................................31

BAB III PENUTUP

A. Kesimpulan....................................................................................39
B. Saran..............................................................................................39

DAFTAR PUSTAKA...................................................................................40

iii
 BAB I
PENDAHULUAN

A. Latar Belakang

Dalam uji statistik parametrik terdapat beberapa uji yang

dapat digunakan untuk mengambil kesimpulan tentang populasi dari
sampel tersebut yang diambil.Seandainyasampel yang diambil
merupakan sampel yang saling berhubungan, m a k a a k a n t i m b u l
s u a t u p e r m a s a l a h a n b a g a i m a n a c a r a ( m e t o d e ) menganalisisnya
dan uji statistik apa yang digunakan. Salah satu uji statistik parametrik
digunakan adalah uji T-test dependent.T - test atau uji t adalah uji statistik
yang digunakan untuk menguji kebenaran atau kepalsuan hipotesis nol.
Uji t pertama kali dikembangkan oleh William Seely Gosset padatahun
1915.

Uji t dapat dibagi menjadi 2 , yaitu uji t yang digunakan untuk

pengujianhipotesis 1 sampel dan uji t yang digunakan untuk
pengujian hipotesis 2 sempel. Bila duhubungkan dengan kebebasan
(independency) sampel yang digunakan (khusus bagi uji tdengan 2 sampel),
maka uji t dibagi lagi menjadi 2, yaitu uji t untuk sampel
bebas(independent) dan uji t untuk sampel berpasangan (paired).U ji t - tes t
dependent adalah pengujian yang mana tidak adanya perbedaan
yang signifikan antara nilai variabel dari dua sampel yang berpasangan atau
berkolerasi.Fungsidari t-test dependent adalah untuk
membandingkan rata-rata dua grup yang saling berpasangan. Sampel
berpasangan dapat diartikan sebagai sebuah sampel dengan subjeky a n g
sama namun mengalami 2 perlakuan atau pengukuran yang
b e r b e d a , y a i t u pengukuran sebelum dan sesudah dilakukan sebuah
perlakuan. Syarat jenis uji t – testdependent adalah: (a) data berdistribusi
normal; (b) kedua kelompok data adalah dependen(saling

1
 berhubungan/berpasangan); dan (c) jenis data yang digunakan adalah
numeric dankategorik (dua kelompok

B. Rumusan Masalah
1. Apa definisi Uji t-Test?
2. Bagaimana analisis Uji t-Test terhadap 2 perlakuan?
3. Bagaimana Uji t-Test berpasangan?
4. Bagaimana Uji t-Test tidak berpasangan?

C. Tujuan
Tujuan dari penulisan Makalah ini adalah untuk :
1. Membahas Pengertian Uji t-Test
2. Mengetahui analisis Uji t-Test terhadap 2 perlakuan
3. Mengetahui Uji t-Test berpasangan
4. Mengetahui Uji t-Test tidak berpasangan

2
 BAB II
PEMBAHASAN

A. Pengertian UJI T

Sebagai salah satu tes statistik parametrik, Tes “t” mula pertama
dikembangkan oleh William Seely Gosset pada 1915. Pada waktu itu ia menggunakan
nama samaran Student, dan huruf “t” yang terdapat dalam istilah Tes “t” itu
diambilkan huruf terakhir dari nama beliau. Itu pula sebabnya mengapa Tes “t” sering
juga disebut dengan nama atau istilah Student t.
Tes “t” atau “t” Test, adalah salah satu tes statistik yamg dipergunakan untuk
menguji kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa diantara
dua buah Mean Sampel yang diambil secara random dari populasi yang sama, tidak
terdapat perbedaan yang signifikan. Uji Paired T test adalah uji beda parametris pada
dua data yang berpasangan. Itulah pengertian uji paired t test oleh statistikian.
Sampel adalah suatu proporsi kecil dari populasi yang seharusnya diteliti, yang
dipilih atau ditetapkan untuk keperluan analisis. Dengan meneliti sampelnya saja
peneliti berharap akan dapat menarik kesimpulan tertentu yang akan dikenakan
terhadap populasinya. Menarik kesimpulan secara umum terhadap populasi dengan
hanya menggunakan sampel inilah yang kita kenal dengan istilah: generalisasi. Sudah
barang tentu agar penarikan kesimpulan (inferensi) itu tidak terlalu jauh menyimpang
dari populasinya, pengambilan sampel tidak boleh dilakukan secara sembrono,
melainkan dengan kecermatan dan kesengajaan serta keyakinan tertentu, sehingga
pengaruh faktor “kebetulan saja” (by chance) dapat diestimasikan (dapat
diperkirakan). Salah satu tugas statistik inferensial adalah memperkirakan atau
membuat estimasi seberapa jauhkan kiranya hasil pengukuran yang dilakukan
terhadap sampel menyimpang dari hasil pengukuran yang dilakukan terhadap populasi
(jika seandainya terhadap populasi itu dilakukan pengukuran).
Pemakaian uji t ini bervariasi. Uji ini bisa digunakan untuk objek studi yang
berpasangan dan juga bisa untuk objek studi yang tidak berpasangan. Namun sebelum
menghitung uji – t terlebih dahulu kita analisis dengan Uji Normalitas dan Uji

3
Hogenitas. Dalam Uji – t terdapat istilah uji satu arah ( one tail ) dan uji dua arah ( two
tail )

1. Uji dua arah. pada hipotesis awal tidak terdapat perbedaan yang signifikan
antara rata-rata1 dan rata-rata2.sedangkan pada hipotesis alternatif sebaliknya
yaitu terdapat perbedaan rata-rata 1 dan rata-rata 2.

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.

Atau

Contoh perbedaan satu arah dan dua arah:

Misal, ingin diketahui rata-rata IQ mahasiswa univ. X. Untuk itu dilakukan

penelitian dengan mengambil beberapa sampel mahasiswa univ.X.

Nah, apabila peneliti memiliki asumsi bahwa rata-rata IQ mahasiswa univ. X

lebih dari 140, maka uji hipotesis yang digunakan adalah uji 1-pihak.

4
 Namun, apabila asumsi ini tidak dimiliki, dengan kata lain, peneliti tidak tahu
apakah rata-rata IQ mahasiswa univ.X lebih dari atau kurang dari 140, maka akan
tepat jika menggunakan uji 2-pihak.

Ciri khas dari uji 1-pihak atau 2-pihak adalah tanda pertidaksamaan yang
digunakan dalam penulisan HIPOTESIS 1. Dari kasus di atas, maka

 uji 1-pihak memiliki hipotesis:

H0 : µ = 140

H1 : µ > 140

Hal ini berarti, rata-rata IQ mahasiswa univ.X lebih besar dari 140

 uji 2-pihak memiliki hipotesis:

H0 : µ = 140

H1 : µ ≠ 140

Hal ini berarti, rata-rata IQ mahasiswa univ.X tidak sama dengan 140, entah itu lebih
besar atau lebih kecil dari 140.

Keterangan :
Hipotesis awal ditolak, bila:
t hitung| > t tabel
atau:
Hipotesis awal diterima, bila:
t hitung| ≤ t tabel 

5
B. Analisis Uji – t Terhadap 2 Perlakuan

Penggunaan uji t test yang termasuk dalam uji parametric, sehingga menganut
pada asumsi-asumsi data berdistribusi normal, sebaran data homogeny dan sampel
diambil secara acak. Penggunaan uji t test independent, sering digunakan dalam
pengujian rancangan eksperimen, yang bertujuan untuk membandingkan nilai rata-rata
dari dua perlakuan yang ada. Data yang digunakan dal pengujian t test adalah data
interval maupun data rasio.

Uji t termasuk dalam golongan statistika parametrik yang digunakan dalam

pengujian hipotesis dan  untuk mengetahui ada atau tidaknya perbedaan yang
signifikan dari dua dua buah variabel yang dikomparasikan. Salah satu bentuk uji t
adalah paired sample t test. Paired sampel T Test merupakan analisis dengan
melibatkan dua pengukuran pada subjek yang sama terhadap suatu pengaruh atau
perlakuan tertentu. Pada uji beda  Paired sampl t test, peneliti menggunakan sampel
yang sama, tetapi pengujian terhadap sampel dilakukan sebanyak dua kali.

Dalam penelitian biasanya test yang diberikan disebut dengan pretest (test
sebelum mengadakan perlakuan) dan posttest (setelah sampel diberi perlakuan).
Perlakuan pertama mungkin saja berupa kontrol, yaitu   tidak  memberikan  
perlakuan   sama   sekali   terhadap   objek   penelitian. Dalam melakukan pemilihan
uji, seorang peneliti harus memeperhatikan beberapa aspek yang menjadi syarat
sebuah uji itu digunakan. Peneliti tidak boleh sembarangan dalam memilih uji,
sehingga sesuai dengan tujuan penelitian yang diinginkan. Adapun dasar penggunaan
paired sample t test adalah satu sampel yang diberikan dua perlakuan yang berbeda,
merupakan data kuantitatif (interval-rasio), dan sample yang digunakan  harus dalam
kondisi yang sama atau homogen dan berasal dari popoulasi yaang telah terdistribusi
secara normal. Hal ini dapat diketahui setelah melakukan uji asumsi yaitu uji
normalitas dan uji homogenetas pada data tersebut.

Setelah data yang dimiliki memenuhi syarat diatas, maka pemilihan uji statistik
harus memperhatikan pertanyaan dari penelitian. Setelah melihat pertanyaan peneltian

6
seorang peneliti kemudian melakukan pemilihan uji yang tepat untuk menganalisis
data yang dimiliki untuk menjawab pertanyaan penelitian yang disusun.

Contoh data yang dapat diuji menggunakan Paired sampleT Test  adalah
Pengaruh Media iMainMapping pada Materi Sistem Pernafasan terhadap Hasil Belajar
Siswa Kelas XI SMAN 1 Makassar. Maka, sebelum peneliti menggunakan media
iMainMapping di dalam kelas, peneliti terlebih dahulu memberikan test awal (pretest)
untuk melihat pengetahuan awal dari siswa terkait dengan materi sistem pernafasan.
Setelah memperoleh data pretest, peneliti akan memberikan perlakuan kepada
kelompok siswa yang telah mengisi prestest dengan menggunakan media iMainMap
dalam pembelajaran. Adapun hipotesis dari penelitian ini adalah:

H0 =  tidak ada pengaruh penggunaan Media iMainMapping pada Materi Sistem

Pernafasan terhadap Hasil Belajar Siswa Kelas XI SMAN 1 Makassar

H1 = ada pengaruh penggunaan Media iMainMapping pada Materi Sistem Pernafasan

terhadap Hasil Belajar Siswa Kelas XI SMAN 1 Makassar

Setelah proses belajar-mengajar selesai, maka kelompok siswa tersebut akan

diberikan test berupa posttest. Posttest harus dikerjakan oleh sejumlah siswa yang
sama yang telah mengerjakan pretest. Jumlah siswa tidak boleh ditambah atau pun
dikurangi. Apabila terdapat beberapa siswa yang tidak mampu bisa mengikuti posttest,
maka hasil dari pretest siswa tersebut juga tidak dapat dimasukkan dalam analisis data
peneliti, sebab data yang ada harus berpasangan. Data hasil pretest dan posttest yang
telah melalui uji asumsi kemudian akan dianalisis secara Paired sample T Test 
menggunakan aplikasi SPSS. 

Adapun contoh data hasil belajar siswa pada aplikasi Microsoft Excell

Sampel sebelum sesudah

1 75 80
2 60 70
3 65 70
4 50 70

7
5 70 75
6 60 70
7 70 75
8 70 75
9 80 80
10 75 80

Data di atas merupakan data telah dinyatakan homogen

a. Uji Normalitas

Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki
distribusi normal sehingga dapat dipakai dalam statistik parametrik ( statistik
inferensial ). Uji normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal. Uji kenormalan data, sebelum
menggunakan statistik uji parametrik, perlu dilakukan. Hal ini disebabkan karena
statistik-statistik uji parametrik diturunkan dari sebaran normal. Tentu saja, data yang
akan dianalisis juga harus menyebar normal agar data yang dianalisis relevan dengan
alatnya (statistik uji parametrik). Namun, apabila menggunakan statistik uji
nonparametrik, TIDAK PERLU mempertimbangkan mengenai kenormalan data sama
sekali.

Uji statistik normalitas yang dapat digunakan adalah Chi Square dan Metode
Lilliefors

1) Chi Square
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal)
- Data tersusun berkelompok atau dikelompokkan dalam tabel distribus
frekuensi.
- Cocok untuk data dengan banyaknya angka besar ( n > 30 )
Signifikansi
- Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-
Square).
- Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.

8
 - Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.

Langkah – langkah Uji Normalitas Chi Square:

1. Menyusun data tersebut ke dalam distribusi frekuensi, dan menentukan nilai rat-
rata serta standar deviasi :
ΣO i X i
Rata – rata = ΣOi

ΣOi ( X i− X )2

Standar Deviasi = √
2. Menentukan nilai Chi Square
ΣO i

2
k
( Oi−E i )
X 2= Σ Z=
X i−X
i=1 Ei SD
Dapat dilakukan dengan menyusun data ke dalam tabel seperti berikut ini

2
Batas Interval X −X P-value Pi Oi Ei = Pi x ∑Oi (Oi – Ei)2 ( Oi−E i )
Z= i Ei
Kelas SD

Jumlah

Keterangan :

X2 = Nilai Chi-Square

SD = Standar deviasi

9
Z = Nilai Z dengan tabel z

Oi = Frekuensi hasil pengamatan pada klasifikasi ke-i

Ei = Frekuensi yang diharapkan pada klasifikasi ke-i ( Pi x N )

Pi = p-value batas bawah – p-value batas atas

3. Pengujian Normalitas data :

Hipotesis Uji :
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
4. Derajat Bebas
Df = N – 1
5. Nilai Tabel ( Lihat tabel Chi-Square)
6. Keputusan dan Kesimpulan : 
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.

Contoh 1 :

Berikut data yang akan diuji berdistribusi normal atau tidak

Interval Kelas Frekuensi Oi
11 – 14 2
15 – 18 1
19 – 22 9
23 – 26 20
27 – 30 6
31 – 34 2

Penyelesaian :
1. Menyusun data tersebut ke dalam distribusi frekuensi, dan menentukan nilai rat-
rata serta standar deviasi :
ΣO i X i
Rata – rata = ΣOi

10
 ΣOi ( X i− X )2
Standar Deviasi = √ ΣO i

Interval Kelas Tanda Kelas (Xi) Oi Oi Xi 2 2

( X i−X ) Oi ( X i −X )
11 – 14 12,5 2 25 127,69 255,38
15 – 18 16,5 1 16,5 53,29 53,29
19 – 22 20,5 9 184,5 10,89 98,01
23 – 26 24,5 20 490 0,49 9,80
27 – 30 28,5 6 171 22,09 132,54
31 – 34 32,5 2 65 75,69 151,38
Jumlah 135 40 952 290,14 700,4

Diperoleh nilai rata-rata = 23,8 dan standar deviasi = 4,184

2. Menentukan Chi – Square

Dapat dilakukan dengan menyusun kedalam tabel

2
Batas Interval X −X P-value Pi Oi Ei = Pi x ∑O (Oi – Ei) ( Oi−E i )
Z= i Ei
Kelas SD
10,5 – 14,5 -3,1784 – -2,22250,4993 – 0,48680,0125 2 0,5000 2,2500 4,500
14,5 – 18,5 -2,2225 – -1,26660,4868 – 0,39800,0888 1 3,5520 6,5127 1,8335
18,5 – 22,5 -1,2666 – -0,31070,3980 – 0,12170,2763 9 11,0520 4,2107 0,3810
22,5 – 26,5 -0,3107 – 0,6452 0,1217 – 0,24220,3639 20 14,5560 29,6371 2,0361
26,5 – 30,5 0,6452 – 1,6011 0,2422 – 0,44520,2030 6 8,1200 4,4944 0,5535
30,5– 34,5 1,6011 – 2,5571 0,4452 – 0,49480,0439 2 1,9840 0,0003 0,0001
Jumlah 40 9,3042

3. Pengujian Normalitas data :

Hipotesis Uji :
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
4. Nilai tabel dan Derajat Bebas
Pilih alpha 5% = 0,05. Dengan derajat kebebasan df = 6-1 = 5, sehingga diperoleh
nilai Chi-Square tabel = 11,07
5. Keputusan

11
 Nilai Chi-Square hitung = 9,3042 < Nilai Chi-Square tabel = 11,070, berarti Ho
diterima.
6. Kesimpulan : 
Data berdistribusi normal.

Note : Penolakan Ho jika Nilai Chi-Square Hitung > Nilai Chi-Square tabel dan
sebaliknya Ho diterima.

Contoh 2 :
Diambil tinggi badan mahasiswa di suatu perguruan tinggi tahun 1990
Tinggi Badan Jumlah
140 – 144 7
145 – 149 10
150 – 154 16
155 – 159 23
160 – 164 21
165 – 169 17
170 – 174 6
Jumlah 100

Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi normal? ( Mean=
157.8; Standar deviasi = 8.09 )
Penyelesaian :
1. Hipotesis :
Ho : Populasi tinggi badan mahasiswa berdistribusi normal
H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05
3. Rumus Statistik penguji
2
k
( Oi−E i )
X 2= Σ
i=1 Ei

12
 2
Batas Interval X −X P-value Pi Oi Ei = Pi x ∑O (Oi – Ei) ( Oi−E i )
Z= i Ei
Kelas SD
139,5 – 144,5 -2,26 – -1,64 0,4881 – 0,44950,0386 7 3,86 9,85 2,55
144,5 – 149,5 -1,64 – -1,03 0,4495 – 0,34850,1010 10 10,1 0,01 0,00099
149,5 – 154,5 -1,03 – -0,41 0,3485 – 0,15910,1894 16 18,94 8,64 0,45
154,5 – 159,5 -0,41 – 0,21 0,1591 – 0,08320,0759 23 7,59 237,4 31,28
159,5 – 164,5 0,21 – 0,83 0,0832 – 0,29670,2135 21 21,35 0,12 0,005
164,5 – 169,5 0,83 – 1,45 0,2967 – 0,42650,1298 17 12,98 16,16 1,24
169,5 – 174,5 1,45 – 2,06 0,4265 – 0,48030,0538 6 5,38 0,38 0,07
Jumlah 100 80,2 35,59

2
2
k
( Oi−E i )
X =Σ
i=1 Ei
( 7−3 ,86 )2 ( 10−10 ,1 )2 ( 16−18 ,94 )2 (23−7 , 59 )2 ( 21−21 ,35 )2 ( 17−12 ,98 )2 ( 6−5 , 38 )2
= + + + + + +
3 , 86 10 ,1 18 , 94 24 , 23 21 ,35 12 , 98 5 ,38
( 3 .14 )2 (−0. 1 )2 (−2, 94 )2 ( 15 , 41 )2 (−0 , 35 )2 ( 4 , 02 )2 ( 0 , 62 )2
= + + + + + +
3 , 86 10 ,1 18 , 94 7 , 59 21 , 35 12 , 98 5 , 38
9, 85 0 . 01 8, 64 237, 46 0 ,12 16,16 0 ,38
= + + + + + +
3, 86 10 ,1 18, 94 24 , 23 21,35 12, 98 5 ,38
=35,59

4. Derajat Bebas
Df = N - 1 = ( 7 - 1 ) = 6
5. Nilai tabel
Nilai tabel X2 ; α = 0,05 ; df = 6 ; = 12.59. (Lihat Tabel X2 (Chi-Square))
35,59| ˃ |12,59| ; berarti Ho ditolak, Ha diterima
Kesimpulan : Populasi tinggi badan mahasiswa tidak berdistribusi normal α =
0,05.

2) Metode Lilliefors

13
 Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel
distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan
kurva normal sebagai probabilitas komulatif normal.

Persyaratan
•Data berskala interval atau ratio (kuantitatif)
•Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
•Dapat untuk n besar maupun n kecil.

Signifikansi
Signifikansi uji, nilai | F (x) - S (x) | terbesar dibandingkan dengan nilai tabel
Lilliefors.
Jika nilai | F (x) - S (x) | terbesar < nilai tabel Lilliefors, maka Ho diterima ; Ha
ditolak.
Jika nilai | F(x) - S(x) | terbesar > dari nilai tabel Lilliefors, maka Ho ditolak ; Ha
diterima.

No. Xi X i− X́ F(x) S(x) | F (x) - S (x) |

Z=
SD
1.
2.
3.
dst

SD=√ ∑ ¿ ¿ ¿

Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
Sd = Standar Deviasi
F(x) = Probabilitas komulatif normal (lihat dari tabel distribusi normal kumulatif Z)

14
S(x) = Probabilitas komulatif empiris
Rumus S(x):
¿
S(x) = banyaknya angka sampai angka ke ∋ banyaknya seluruh angka pada data ¿

Contoh 1:
Berdasarkan data ujian statistik dari 18 mahasiswa didapatkan data sebagai berikut;
46, 57, 52, 63, 70, 48, 52, 52, 54, 46, 65, 45, 68, 71, 69, 61, 65, 68. Selidikilah dengan
α = 5% dan standar deviasi 9,22, apakah data tersebut di atas diambil dari populasi
yang berdistribusi normal ?
Penyelesaian :
1. Hipotesis
Ho : Populasi nilai ujian statistik berdistribusi normal
H1 : Populasi nilai ujian statistik tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05
3. Statistik Penguji

X́ =
∑ Xi = 1052 =58,44
n 18
No. Xi X i− X́ F(x) S(x) | F (x) - S (x) |
Z=
SD
1. 45 -1,4577 0,0721 0,0556 0,0165
2. 46 -1,3492 0,0885 0,1667 0,0782
3. 46 -1,3492
4. 48 -1,1323 0,1292 0,2222 0,0930
5. 52 -0,6985 0,242 0,3889 0,1469
6. 52 -0,6985
7. 52 -0,6985
8. 54 -0,4816 0,3156 0,4444 0,1288
9. 57 -0,1562 0,4364 0,5000 0,0636
10. 61 0,27766 0,6103 0,5556 0,0547
11. 63 0,49458 0,6879 0,6111 0,0768
12. 65 0,7115 0,7611 0,7222 0,0389
13. 65 0,7115
14. 68 1,03688 0,8485 0,8333 0,0152
15. 68 1,03688
16. 69 1,14534 0,8749 0,8889 0,0140

15
 17. 70 1,2538 0,8944 0,9444 0,0500
18. 71 1,36226 0,9131 1,0000 0,0869
Nilai | F (x) - S (x) | tertinggi sebagai penguji normalitas, yaitu 0,1469.
6. Derajat Bebas
Df tidak diperlukan
7. Nilai tabel
Nilai Kuantil Penguji Lilliefors, α = 0,05 ; N = 18 yaitu 0,200. (Lihat Tabel
Lilliefors)
| 0,1469 | < | 0,200| ; berarti Ho diterima; Ha di tolak.
8. Kesimpulan
Populasi nilai ujian statistik berdistribusi normal.

Contoh 2:
Selidikilah dengan α = 10% pada data ujian pemecahan masalah matematika dari 10
mahasiswa. Didapatkan data sebagai berikut; 50, 60, 70, 70, 35, 41, 35, 45, 41, 45, 45.
Apakah data tersebut di atas diambil dari populasi yang berdistribusi normal ?
Penyelesaian :
1. Hipotesis
Ho : Populasi nilai ujian pemecahan masalah matematika berdistribusi normal
H1 : Populasi nilai ujian pemecahan masalah matematika tidak berdistribusi
normal
2. Nilai α
Nilai α = level signifikansi = 10% = 0,01
3. Statistik Penguji

X́ =
∑ x = 762 =76,2
n 10
Mencari SD :
Xi ( Xi− X́) ¿
35 -41,2 1697,44
35 -41,2 1697,44
41 -35,2 1239,04
45 -31,2 973,44

16
 45 -31,2 973,44
45 -31,2 973,44
50 -26,2 686,44
60 -16,2 262,44
70 -6,2 38,44
70 -6,2 38,44
Jumlah 8580,4

SD=√ ∑ ¿ ¿ ¿
8580,4
¿
√ 10−1
8580,4
¿
√ 9
¿ √ 953,3778
=30,876

No. Xi X i− X́ F(x) S(x) | F (x) - S (x) |

Z=
SD
1. 35 -1,3343 0,0918 0,2 0,1082
2. 35
3. 41 -1,1400 0,1271 0,3 0,1729
4. 45 -1.0104 0,1562 0,6 0,4438
5. 45
6. 45
7. 50 -0.8485 0,1977 0,7 0,5023
8. 60 -0,5246 0,3015 0,8 0,4985
9. 70 -0,2008 0,5793 1 0,4207
10. 70
Nilai | F (x) - S (x) | tertinggi sebagai penguji normalitas, yaitu 0,4985
4. Derajat Bebas
Df tidak diperlukan
5. Nilai tabel
Nilai Kuantil Penguji Lilliefors, α = 0,01 ; N = 10 yaitu 0,. (Lihat Tabel Lilliefors)
| 0,498 | > | 0,239| ; berarti Ha diterima; Ho di tolak.
6. Kesimpulan
Populasi nilai ujian pemecahan masalah matematika bukan berdistribusi normal.

17
 b. Uji Homogenitas Variansi
Pengujian homogenitas adalah pengujian mengenai sama tidaknya
variansi-variansi dua buah distribusi atau lebih. Uji homogenitas dilakukan untuk
mengetahui apakah data dalam variabel X dan Y bersifat homogen atau tidak.

Langkah-langkah menghitung uji homogenitas :

1. Mencari Varians/Standar deviasi Variabel X danY, dengan rumus :
2 2
√ √
Sx ²= n . ∑ X −¿ ¿ ¿ Sy ²= n . ∑ y −¿ ¿ ¿
2. Mencari F hitung dengan dari varians X danY, dengan rumus :
S besar
F=
S kecil
Catatan: 
Pembilang:
S besar artinya Variance dari kelompok dengan variance terbesar (lebih banyak)
Penyebut:
S kecil artinya Variance dari kelompok dengan variance terkecil (lebih sedikit)
Jika variance sama pada kedua kelompok, maka bebas tentukan pembilang dan
penyebut.

3. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan:

 Untuk varians dari kelompok dengan variance terbesar adalah df pembilang n-

1
 Untuk varians dari kelompok dengan  variance terkecil adalah df penyebut n-1
 Jika F hitung < F tabel, berarti homogen
 Jika F hitung > F tabel, berarti tidak homogen

Contoh 1 :
Data tentang Pengukuran Penguasaan kosakata(X) dan kemampuan membaca (Y):

X Y
75 68

18
 78 72
38 63
94 74
83 68
91 81
87 72
91 74
38 58
68 58
Jumlah 743 688

Apakah Kedua pengukuran ini mempunyai Varian Yang Homogen ?

Penyelesaian :
1. Mencari Varians/Standar deviasi Variabel X danY

X Y X² Y² XY
75 68 5625 4624 5100
78 72 6084 5184 5616
38 63 1444 3969 2394
94 74 8836 5476 6956
83 68 6889 4624 5644
91 81 8281 6561 7371
87 72 7569 5184 6264
91 74 8281 5476 6734
38 58 1444 3364 2204
68 58 4624 3364 3944
Jumlah 743 688 59077 47826 52227

2
√
SD x 2= n . ∑ X −¿¿ ¿

19
 10 ×59077−743²
¿√ =√ 430,23 = 20,74
10 ( 10−1 )

2
√
S Dy2= n . ∑ y −¿ ¿ ¿
10 × 47826−688²
¿√ =√ 54,62 = 7,39
10 ( 10−1 )

3. Mencari F hitung dengan dari varians X dan Y

S Dbesar 20,74
F= = =2,81
S Dkecil 7,39

3. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan:

 Untuk varians dari kelompok dengan variance terbesar adalah df pembilang n-

1, 10 – 1 = 9
 Untuk varians dari kelompok dengan  variance terkecil adalah df penyebut n-1,
10 – 1 = 9
 Kita tentukan α = 5 % = 0.05
 Dengan df pembilang 9 dan df penyebut 9 dan α = 5 % = 0.05 maka F tabel =
3.18

Kesimpulan : Fhitung ( 2.81 ) < Ftabel ( 3.18 ), hal ini berartidata variabel X dan Y
Homogen

Contoh 2 :

Terdapat Dua Macam Pengukuran Prosedur Kerja Di Sebuah Kantor. Prosedur

Pertama Dilakukan Sebanyak 10 Kali Yang Menghasilkan Varians Sebesar 37.2 Dan
Prosedur Kedua Dilakukan Sebanyak 13 Kali Dan Menghasilkan Varians Sebesar 24.7
Dan α = 0.05. Apakah Kedua Prosedur Kerja Tersebut Mempunyai Varian Yang
Homogen ?

20
Penyelesaian

1. H0 = Tidak Terdapat Perbedaan Varian 1 Dan Varian 2

          Ha = Terdapat Perbedaan Varian 1 Dan Varian 2

Ho : µ1 = µ 2 

          Ha : µ 1 ≠ µ 2

2. Cari Fhitung :

VariansTerbesar
Fhitung =
Varians Terkecil

37.2
=
24,7

= 1.506

3. α = 0.05

df Varians Terbesar - 1, df Varians Terkecil - 1 ), ( 10 - 1 = 9 (penyebut), 13 -

1 = 12(pembilang) )

           Dengan Menggunakan Tabel F Didapat Ftabel = 3.07

4. Kriteria :
Jika F hitung < F tabel, berarti homogen

Jika F hitung > F tabel, berarti tidak homogen

Maka,

Pengujian Fhitung < Ftabel, 1.506 < 3.07 Maka H0 Diterima. Sehingga H0 Diterima
( Homogen )

21
 5. Kesimpulan : Ha Yang Berbunyi Bahwa Terdapat Perbedaan Varians 1 Dengan
Varians 2 ( Ditolak ( Tidak Homogen ) ). Sebaliknya H 0 Berbunyi Bahwa
Tidak Terdapat Perbedaan Varians 1 Dengan Varians 2 ( Diterima
( Homogen ) )

c. Uji – T Berpasangan ( Dependen / Terikat )

Uji t berpasangan tentu saja digunakan apabila dua kelompok tersebut
saling berhubungan. Dua sampel berpasangan artinya sampel dengan subjek yang
sama namun mengalami dua perlakuan atau pengukuran yang berbeda.
Contoh yang umum ditemui adalah desain pra uji–pasca uji (pre-test–post-
test design), dimana untuk mengkaji perubahan yang terjadi akibat suatu
perlakuan, kita sudah membandingkan perilaku atas kemampuan subjek penelitian
sebelum dan sesudah perlakuan diberikan. Uji – t berpasangan digunakan jika uji
komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan
sesudah dan digunakan pada uji p

Langkah – langkah uji – t berpasangan adalah sebagai berikut :

1. Buatlah Ha dan Ho dalam bentuk kalimat

Ha : Terdapat perbedaan antara ................. dengan ..................

Ho : Tidak terdapat perbedaan antara .............. dengan ..............

2. Buatlah Ha dan Ho dalam bentuk hipotesis statistik

Ho : µ1 = µ 2
H1 : µ1 ≠ µ2

3. Tentukan besarnya D dan D2 ( dalam kolom tabel distribusi ) serta X setiap

kelompok
D = X-Y

22
 D = Differences

∑X
❑❑=
N
∑Y
❑❑=
N

4. Hitung besarnya SD ( standar deviasi )

∑ D 2−[ ( ∑ D )2 ] / np
SD=
√ np−1
Keterangan :
SD = standar deviasi
D = differences
np = n populasi
1 = nilai konstan

5. Hitung besarnya / kesalahan baku distribusi sampling SE

( Standard error of the sampling distribution of differences )
SD
SE=
√ np

6. Uji perbedaan dengan menggunakan rumus uji t dependen

uji t= −¿ ¿
SE
Keterangan :
X 1 = mean kelompok 1
X 2 = mean kelompok 2
SD = kesalahan baku distribusi sampling perbedaan

23
7. Menguji taraf nyata dan Db / Df

Taraf nyata (α) = 5% atau 1 %, misalnya 5 % = 0,05

Db / df = N - 1

8. Bandingkan hasil t hitung dengan t tabel

( dengan terlebih dahulu menentukan two tail / one tail )
Bila:
t hitung > t tabel signifikan; Ha diterima Ho ditolak
t hitung < t tabel non signifikan; Ha ditolak, Ho diterima

9. Berikan kesimpulan dalam bentuk kalimat.

Contoh kasus 1 :

Data sampel terdiri atas 10 pasien pria mendapat obat captopril dengan dosis 6,25 mg.
pasien diukur dengan tekanan darah sistolik sebelum pemberian obat dan 60 menit
sesudah pemberian obat. Peneliti ingin mengetahui apakah pengobatan tersebut efektif
untuk menurunkan tekanan darah pasien-pasien tersebut. Dengan α = 0,05. Adapun
hasil pengukuran sebagai berikut:
Sebelum : 175 179 165 170 162 180 177 178 140 176
Sesudah : 140 143 135 133 162 150 182 150 175 155

Penyelesaian :
1. H0 = Tidak ada perbedaan tekanan
darah sistolik setelah diberikan obat dibanding sebelum diberi obat
Ha = Ada perbedaan tekanan darah sistolik setelah diberikan obat dibanding
sebelum diberi obat

24
2. H0 : µ1 = µ2
Ha : µ1 ≠ µ2

3. Tabel distribusi dan penghitungan

D, D 2 serta X setiap kelompok

No X Y D D2

1 175 140 35 1225

2 179 143 36 1296

3 165 135 30 900

4 170 133 37 1369

5 162 162 0 0

6 180 150 30 900

7 177 182 -5 25

8 178 150 28 784

9 140 175 -35 1225

10 176 155 21 441

∑ 1702 1525 177 8065

∑ X 1702
❑❑= = =170,2
N 10
∑ Y 1525
❑❑= = =152,5
N 10

4. Standar Deviasi

∑ D 2−[ ( ∑ D )2 ] / np
SD=
√ np−1

25
 8065−[ ( 177 )2 /10 ]
SD=
√ 10−1

8065−31329/10
SD=
√ 9

8065−3132,9
SD=
√ 9

4932,1
SD=
√ 9

SD=√ 548,0111

SD=23,40

5. Menghitung besar SE

23,40
SE=
√ 10
=1,529

6. Rumus uji t dependen

uji t= −¿ ¿
SE

170,2−152,5
uji t= =11,576
1,529

7. α = 5% = 0,05

Db = 10 - 1 =10 – 1 = 9

Maka ttabel two tail = 2,262

8. t hitung = 11,576 ; t tabel = 2,262

26
 Jadi t hitung > t tabel ; Ha diterima Ho ditolak; signifikan

9. Kesimpulan :

Ada perbedaan tekanan darah sistolik setelah diberikan obat dibanding sebelum diberi
obat

Contoh kasus 2 :

Seorang guru ingin menguji efektifitas model pembelajaran statistik dengan studi kasus.
Maka dilakukan pre test dan post test dari 10 siswanya. Berikut datanya:

No subjek Pre test Post test

1 76 79
2 83 89
3 75 70
4 76 75
5 60 79
6 66 80
7 77 89
8 90 90
9 75 83
10 75 70
N =10 753 804

Ha : Metode studi kasus efektif untuk diterapkan pada pembelajaran statistika.

Ujilah Hipotesa alternatif tersebut!

Penyelesaian :

1. Hipotesis :
H0 : Tidak efektif metode studi kasus untuk diterapkan pada pembelajaran
sattistik.
Ha : efektif metode studi kasus untuk diterapkan pada pembelajaran statistika.

27
2. Hipotesis statistik
H0 : M 1 = M 2
Ha : M 1 ≠M 2

3. Tabel distribusi dan penghitungan D, D 2

Pre test Post test
Nomor Subjek D D2
(X1) (X2)
1 76 79 -3 9

2 83 89 -6 36

3 75 70 5 25

4 76 75 1 1

5 60 79 -19 361

6 66 80 -14 196

7 77 89 -12 144

8 90 90 0 0

9 75 83 -8 64

10 75 70 5 25

N = 10 753 804 -51 861

∑ X 753
❑❑= = =75,3
N 10
∑Y 804
❑❑= = =80,4
N 10

4. Standar Deviasi

( ∑ D )2

√
2
∑ D −[ ]
np
SD=
np−1

(−51 )2

√ [ ] 2601
SD=
861−

10−1
10
=
861−

√9
[ ]
10
=¿
861−260,1 = √ 66,77=8,17
9 √ ¿

28
 SD=8,17

5. besar SE
8,17
SE=
√ 10
=0,817

6. rumus uji t dependen

uji t= −¿ ¿
SE
75,3−80,4
uji t= =−6,243
0,817

7. db = n -1
db = 10 -1 = 9
t tabel 5%, = 2,26
t tabel 1% = 3,25

8. t hitung = 6,243( -6,243) ; t tabel = 2, 145

2,26<6,243>3,25
jadi t hitung > t tabel ; Ha diterima Ho ditolak ; Signifikan

10. Kesimpulan :

Metode studi kasus efektif untuk diterapkan pada pembelajaran statistika.

d. Uji – T Tidak Berpasangan ( Independen / Bebas )

Ciri dari sampel independen adalah sampel diambil dari kelompok-
kelompok yang berlainan, dengan tujuan melihat perbedaan 2 kelompok sampel
yang tidak ada hubungannya atau berasal dari populasi yang berbeda. Uji rata-rata
untuk dua kelompok dimana data antar kelompok tersebut tidak saling

29
berhubungan. Contoh jika kita akan membandingkan perbedaan tinggi rata-rata
antara perempuan dan laki-laki . 
Sampling secara random, sampel diambil dari populasi yang berdistribusi
normal, menganut prinsip homogenitas (varian populasi sama), observasi
dilakukan secara independen (skor dalam tiap sampel tidak terikat satu sama
lainnya).
Langkah – Langkah Uji T tidak berpasangan :

1. Buatlah Ha dan Ho dalam bentuk kalimat

Ho : Tidak terdapat perbedaan antara .............. dengan ..............
Ha : Terdapat perbedaan antara ................. dengan ..................
2. Buatlah Ha dan Ho dalam bentuk hipotesis statistik

3. Masukkan angka-angka statistik dari tabel distribusi. Hitunglah skor X 12 dan

X22
4. Tentukan besarnya ❑1, ❑2 dan Jk 1, Jk 2 (Jk = jumlah kwadrat)
∑ X1 ∑ X2
❑1= ❑2=
N N
Jika distribusi tunggal :
( ∑ X )2
Jk=∑ X 2−
N
Jika distribusi bergolong :
( ∑ fX )2
Jk=∑ fX 2 −
N

Keterangan :
❑1 = rata-rata skor kelompok 1
❑2 = rata-rata skor kelompok 2
Jk1 = jumlah deviasi kuadrat kelompok 1
Jk2 = jumlah deviasi kuadrat kelompok 2

30
 N1 = jumlah subjek penelitian pada kelompok 1
N2 = jumlah subjek penelitian pada kelompok 2
F = frekuensi

5. Uji perbedaan dengan menggunakan rumus uji t independen

❑1−❑2
Uji t ind=
Jk 1+Jk 2 1 1
√[ ( N 1+ N 2 )−2 ][ +
N1 N2 ]
6. Menentukan taraf nyata dan Db / Df
Taraf nyata (α) = 5% atau 1 %, misalnya 5 % = 0,05
Db / df = (N1 + N2) – 2
7. Bandingkan hasil t hitung dengan t tabel
(dengan terlebih dahulu menentukan two tail/one tail)
Bila:
T hitung > t tabel maka signifikan; Ha diterima Ho ditolak
T hitung < t tabel maka non signifikan; Ha ditolak, Ho diterima
8. Berikan kesimpulan

Contoh soal 1:

1. Misalnya Anda ingin meneliti apakah siswa usia 8 sampai 10 tahun yang
diajarkan menghitung dengan sistem sempoa lebih memiliki kecepatan
menghitung matematis dibandingkan dengan siswa usia 8 sampai 10 tahun
yang tidak diajarkan menghitung dengan sistem sempoa. Nah, setelah
pengumpulan data dilakukan didapat hasil sebagai berikut
No 1 2 3 4 5 6
X1 10 6 8 4 9 7
X2 7 3 2 4 1 2
a. Rumuskan hipotesis
b. Ujilah dengan taraf nyata 5%
c. Berikan kesimpulan berdasarkan hasil analisis tersebut

31
Penyelesaian :

1. Hipotesis :
H0 : Siswa usia 8 sampai 10 tahun yang tidak diajarkan menghitung sistem sempoa
tidak lebih cepat menghitung matematis
Ha : Siswa usia 8 sampai 10 tahun yang diajarkan menghitung sistem sempoa lebih
memiliki kecepatan menghitung matematis
2. Hipotesis statistik

H0 : µ1 ≤ µ2

H1 : µ1 > µ2

3. Tabel distribusi frekuensi

X1 X2 X12 X22
10 7 100 49
6 3 36 9
8 2 64 4
4 4 16 16
9 1 81 1
7 2 49 4
∑X1 = 44 ∑X2 = 19 ∑X12 = 346 ∑X22 = 83

4. Menghitung jumlah rata-rata dan jumlah kuadrat

∑ X 1 44
❑1= = =7,33
N 6
2( ∑ X )2 44 2
Jk 1=∑ X − =346− =23,3333
N 6
∑ X 2 19
❑2= = =3 ,167
N 6
( ∑ X )2 192
Jk 2=∑ X 2− =38− =23,8333
N 6
5. Jika sudah menemukan hasil rerata dan jumlah kwadrat, langkah selanjutnya
adalah menghitung nilai uji t ind

32
 X́ 1− X́ 2
Ujit ind=
Jk 1 + Jk 2
√[ ( N 1+ N 2) −2 ][
7,333−3,167
1
+
1
N1 N2 ]
¿
23,333+23,833 1 1
√[ ( 6+ 6 )−2 ][ ]
+
6 6
4,166
= 47,166
√[ 10 ]
[ 0,33 ]

4,166
=
√ [ 4,7166 ][ 0,33 ]
4,166
=
√1,556
4,166
=
1,247
= 3,339
6. Menentukan taraf nyata dan Db / Df
Taraf nyata (α) = 5% = 0,05
Db / df = (N1 + N2) – 2 = (6 + 6) – 2 = 10
Maka ttabel = 1,833
7. Jadi t hitung = 3,358 ; ttabel = 1,833
t hitung > t tabel, H0 ditolak Ha diterima => Signifikan
8. Kesimpulan.
Terdapat perbedaan kecepatan berhitung matematis siswa usia 8 sampai 10 tahun
yang diajarkan menghitung dengan sistem sempoa dangan yang tidak diajarkan
menghitung dengan sistem sempoa, yaitu Siswa usia 8 sampai 10 tahun yang
diajarkan menghitung sistem sempoa lebih memiliki kecepatan menghitung
matematis

Contoh soal 2 :

33
2. Menjelang tahun ajaran baru ook buku Saputra menjual berbagai macam merk
buku tulis. Dari berbagai merk yang ada, ada 2 merk yang sangat laris, yaitu merk
Cerdas dan Ganteng. Pemilik toko ingin menguji apakah antara kedua merk
tersebut sama larisnya atau salah satu lebih laris dari yang lain. Dari catatan
penjualan yang ada selama sebulan diperoleh data jumlah buku yang terjual
sebagai berikut :

Hari ke Merk Cerdas ( X1) Merk Cantik ( X2)

1 255 250

2 240 248

3 238 240

4 225 215

5 195 200

6 200 205

7 203 198

8 208 190

9 214 199

10 216 225

Penyelesaian :

1. Hipotesis :
H0 : Kedua merk sama laris
Ha : Kedua merk tidak sama laris
2. Hipotesis statistik

H0 : µ1 = µ2

H1 : µ1 ≠ µ2

34
 3. Tabel distribusi frekuensi
Hari ke Merk Cerdas ( X1) Merk Cantik ( X2) X12 X22

1 255 250 65025 62500

2 240 248 57600 61504

3 238 240 56644 57600

4 225 215 50625 46225

5 195 200 38025 40000

6 200 205 40000 42025

7 203 198 41209 39204

8 208 190 43264 36100

9 214 199 45796 39601

10 216 225 46656 50625

∑ 2194 2170 484844 475384

4. Menghitung jumlah rata-rata dan jumlah kuadrat

∑ X 1 2194
❑1= = =219.4
N 10
( ∑ X )2 2194 2
Jk 1=∑ X 2 − =484844− =3480,4
N 10

∑ X 2 2170
❑2= = =217
N 10
( ∑ X )2
2 2170 2
Jk 2=∑ X − =475384− =4494
N 10

5. Jika sudah menemukan hasil rerata dan jumlah kwadrat, langkah selanjutnya
adalah menghitung nilai uji t ind

35
 ❑1−❑2
Uji t ind=
Jk 1+Jk 2 1 1
√[ ( N 1+ N 2 )−2 ][ +
N1 N2 ]
219,4−217
¿
3480,4+ 4494 1 1
√[ ( 10+10 ) −2 ][ +
10 10 ]
¿ 0,25
6. Menentukan taraf nyata dan Db / Df
Taraf nyata (α) = 5% = 0,05
Db / df = (N1 + N2) – 2 = (10 + 10) – 2 = 18
Maka ttabel = 2,101
7. Jadi t hitung = 0,25 ; ttabel = 2,101
T hitung < t tabel maka non signifikan; Ha ditolak, Ho diterima
8. Kesimpulan.
Penjualan kedua merk tersebut sama larisnya

BAB III
PENUTUP

36
 A. Kesimpulan
Uji T atau T test adalah salah satu tes statistik yang
dipergunakanuntuk menguji kebenaran atau kepalsuan hipotesis nihil yang
menyetakan bahwa di antara dua buah mean sampel yang diambil secara ra
ndom dari populasi yang sama, tidak terdapat perbedaan signifikan (dalam 
Sudijono,2009: 278).Sampel berpasangan ialah dua kelompok sampel
yang karena duakelompok itu memiliki sifat-sifat serupa, dalam penelitian,
kedua kelompok itu dipasangkan. Pemasangan itu dilakukan mungkin
karena usianya sama,kecerdasannya sama, keturunan sama, dan lain-
lain.Dengan uji T ini, kita dapat menguji rerata dua sampel bebas
danvariasi populasinya kedua-duanya diketahui, pengujian rerata dua
sampel bebas dan kedua variasi populasinya tidak diketahui, tetapi diasum
sikansama, dan pengujian dua sampel bebas dan kedua variasi populasinya
tidak diketahui.

B. Saran
1. Saran Bagi Mahasiswa
 
Diharapkan agar mahasiswa dapat menambah wawasan dan
ilmu pengetahuan yang ada, serta mampu memahami mengenai konsep
dasar teori tentang uji T test
  
2. Saran Bagi Pendidikan
a. Diharapkan agar pendidikan atau institusi dapat meningkatkanmutu
sumber daya manusia atau mahasiswa maupun mahasiswiSTIKes
Yarsi Mataram
b. Diharapkan agar pendidikan atau institusi dapat
meningkatkan pengalaman didalam pembelajaran keperawatan ata
u kesehatanyang lebih luas dan lebih baik 

 
DAFTAR PUSTAKA

37
Herrhyanto, Nar., Hamid, Akib. 2009. Statistik Dasar. Jakarta: Universitas Terbuka.

Subana. 2000. Statistik Pendidikan. Bandung: CV Pustaka Setia.

Prodi Pendidikan Matematika FKIP Palembang. 2012. Metode Statistik. Palembang:

FKIP Universitas PGRI Palembang.

http://clickyhun.blogspot.co.id/2013/08/tabel-statistik-product-momen.html diakses
pada tanggal 24 Oktober 2015.

http://www.statistikian.com/2013/01/uji-normalitas.html diakses pada tanggal 24

Oktober 2015.

http://www.statistikian.com/2013/01/uji-homogenitas.html diakses pada tanggal 24

Oktober 2015.

http://www.statistikian.com/2014/07/independen-t-test-dengan-minitab.html diakses
pada tanggal 24 Oktober 2015.

38