devlore.files.wordpress.com · web viewspss berdasarkan kasus yang diambil. untuk melakukan...
TRANSCRIPT
BAB I
PENDAHULUAN
1. DEFINISI DAN KONSEP
1.1. PENGERTIAN UJI-T
Uji-t menilai apakah mean dan keragaman dari dua kelompok berbeda secara statistik satu sama lain. Analisis ini digunakan apabila praktikan ingin membandingkan mean dan keragaman dari dua kelompok data, dan cocok sebagai analisis dua kelompok rancangan percobaan acak.
1.2. JENIS UJI-T
A. ONE SAMPLE T TEST / UJI T SATU SAMPEL
Digunakan untuk satu sample. Prinsipnya menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel. Nilai yang dimaksud pada umumnya adalah nilai parameter untuk mengukur suatu populasi.
1) Contoh kasus:
Diduga rata-rata konsumsi sabun pada rumah tangga di Kel. Airlangga adalah 3 buah/bulan. Jika Kel. Airlangga dianggap populasi maka angka 3 merupakan nilai parameter. Kemudian diambil beberapa sample dan dihitung rata-ratanya. One sample t-test digunakan untuk membandingkan nilai parameter dengan nilai rata-rata dari sampel.
2) Rumus One Sample T-test:
Keterangan:
t = nilai t hitung
= rata-rata sampel
= nilai parameter
SD = standar deviasi
n = jumlah sampel
3) Interpretasi
Untuk mengintepretasikan t-test terlebih dahulu harus ditentukan:
a. Nilai α
b. df (degree of freedom) = N-k
c. Untuk one sample t-test, nilai df=N-1
d. Bandingkan nilai t-hitung dengan nilai t-tabel
Apabila :
a. t-hitung > t-tabel = Berbeda secara signifikan (H0 Ditolak)
b. t-hitung < t-tabel = Tidak berbeda secara signifikan(H0 Diterima)
B. PAIRED SAMPLE T-TEST
Digunakan untuk membandingkan mean dari suatu sampel yang berpasangan (paired). Sampel berpasangan adalah sebuah kelompok sampel dengan subyek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda.
1) Contoh soal:
Produsen obat diet ingin mengetahui efektivitas pengaruh obatnya terhadap penurunan berat badan. Maka diambil sampel sebanyak 10 orang dan dilakukan penimbangan berat badan sebelum dan sesudah minum obat diet selama 1 bulan.
Tabel 1.1 Data pemakai obat diet
2) Rumus Paired T-test:
Keterangan:
t = nilai t hitung
= Rata-rata selisih pengukuran data 1 & 2
SD = Standar deviasi selisih pengukuran data 1 & 2
n = Jumlah sampel
3) Interpretasi
Untuk mengintepretasikan t-test terlebih dahulu harus ditentukan :
a. Nilai α
b. df (degree of freedom) = N-k
c. Untuk paired sample t-test nilai df=N-1
d. Bandingkan nilai t-hitung dengan nilai t-tabel
Apabila :
a. t-hitung > t-tabel = Berbeda secara signifikan (H0 Ditolak)
b. t-hitung < t-tabel = Tidak berbeda secara signifikan(H0 Diterima)
C. INDEPENDENT SAMPLE T-TEST
Digunakan untuk membandingkan dua kelompok mean dari dua sampel yang berbeda (independent). Prinsipnya ingin mengetahui apakah ada perbedaan mean antara dua populasi, dengan membandingkan dua mean sample-nya.
1) Contoh kasus:
Produsen obat diet ingin mengetahui efektivitas pengaruh obatnya terhadap penurunan berat badan. Maka diambil sampel sebanyak 20 orang dengan berat badan 80 kg. 20 orang tersebut dibagi dalam dua kelompok secara random dan mendapat perlakuan yang sama kecuali satu kelompok diberi obat diet dan kelompok satunya tidak. Setelah satu bulan, berat badan sample ditimbang.
Tabel 1.2 Perbandingan pemakaian obat diet
2) Rumus Independent-Sample T-Test:
Keterangan:
t = nilai t hitung
= rata-rata data pertama
= rata-rata data kedua
µ1= parameter data pertama
µ2= parameter data kedua
= variansi data pertama
= variansi data kedua
n1= jumlah sampel data pertama
n2= jumlah sampel data kedua
3) Interpretasi
Untuk mengintepretasikan t-test terlebih dahulu harus ditentukan :
a. Nilai α
b. df (degree of freedom) = N-k
c. Untuk independent sample t-test df=N-2
d. Bandingkan nilai t-hitung dengan nilai t-tabel
Apabila :
a. t-hitung > t-tabel = Berbeda secara signifikan (H0 Ditolak)
b. t-hitung < t-tabel = Tidak berbeda secara signifikan(H0 Diterima)
BAB II
DESKRIPSI KERJA
2.1. STUDI KASUS
1. Kasus Pertama
Negara Indonesia dalam konsep pembangunan ekonominya pengangguran merupakan masalah yang rumit dan masalah ini lebih serius daripada masalah perubahan dalam distribusi pendapatan yang sering kali banyak menguntungkan orang-orang yang berpendapatan tinggi dan semakin merugikan bagi penduduk yang berpendapatan rendah.
Perlu diketahui bahwa disamping masalah pengangguran, masalah lain yang kita hadapi saat ini adalah masih rendahnya kualitas angkatan kerja serta informasi pasar kerja yang relative masih terbatas, permasalahan menyangkut pengupahan pekerja yang masih rendah baik yang diakibatkan produktifitas pekerja yang masih rendah maupun akibat penerapan upah yang diterapkan oleh perusahaan. Demikian juga menyangkut keselamatan dan kesehatan kerja yang rendah, penempatan yang kurang sesuai kompetensi, sehingga permasalahan ketenagakerjaan bersifat multi dimensional antara berbagai faktor ekonomi, sosial dan lainnya. Berikut disajikan sebuah tabel yang berisi angka jumlah pengangguran terbuka di Pulau Jawa dari tahun 1986-2016.
TAHUN
JUMLAH PENGGANGURAN TERBUKA
1986
1817672
1987
1819507
1988
2040718
1989
1038158
1990
1911800
1991
1992115
1992
2136021
1993
2199210
1994
3636932
1996
4275414
1997
4183971
1998
5045260
1999
6030319
2000
5813231
2001
8005031
2002
9132104
2003
9939301
2004
10251351
2005
11376760
2006
11018347
2007
10279530
2008
9411053
2009
9110791
2010
8456135
2011
8530637
2012
7551349
2013
7325914
2014
7195987
2015
7507795
2016
7024172
Tabel 2.1.1 Data jumlah pengangguran terbuka di pulau Jawa tahun 1986-2016
Apabila diketahui rata-rata jumlah pengangguran terbuka di Indonesia adalah μ= 10.000.000 jiwa. Apakah rata-rata populasi tersebut berbeda secara nyata secara signifikan dengan rata-rata sampel yang terambil?.
2. Kasus Kedua
Sebanyak 20 sampel penelitian di Unit Boiler Batubara dilakukan pengukuran tekanan darah sistol sebelum dan sesudah terpapar kebisingan melebihi NAB. Berikut adalah hasil pengukurannya,
KELOMPOK
NAMA
TEKANAN DARAH
SISTOL
SEBELUM
SESUDAH
A
Adila
95
110
Havidz
122
140
Farida
120
145
Nahla
110
126
Indah
100
115
Faton
120
120
Faris
110
120
Diana
110
125
Diana
100
120
Bayu
100
130
B
Dina
100
120
Septinia
120
140
Elva
120
125
Nia
130
110
Ummu
110
120
Firli
125
130
Denisha
110
115
Erma
110
115
Linda
130
130
Heni
120
140
Tabel 2.1.2 Tabel hasil pengukurant tekanan darah sistol tenaga kerja sebelum dan sesudah terpapar kebisingan melebihi NAB
Dari tabel di atas lakukan analisis menggunakan Paired Samples T-Test, apabila diketahui data tekanan darah sistol dari 20 sampel tenaga kerja dengan dua pengukuran yakni sebelum terpapar kebisingan dan yang kedua sesudah terpapar kebisingan. Apakah rata-rata tekanan darah sistol ketika sebelum dan sesudah terpapar kebisingan adalah tidak sama atau berbeda secara nyata?
Dari tabel di atas lakukan juga analisis menggunakan Independent Samples T-Test :
Apabila diketahui data tekanan darah sistol sesudah terpapar kebisingan dari 20 sampel tenaga kerja berdasarkan kelompok nya yaitu (A=10 sampel pertama, B=10 sampel berikutnya) memiliki varian sama dan data dianggap berdistribusi normal. Apakah ada perbedaan rata-rata tekanan darah sistol sesudah terpapar kebisingan antara kelompok A dengan kelompok B.
2.2. Langkah Kerja
Pada laporan kali ini, praktikan akan menjelaskan langkah-langkah pengolahan data menggunakan SPSS berdasarkan kasus yang diambil. Untuk melakukan analisis data menggunakan uji t dalam SPSS, praktikan dapat melakukan langkah-langkah sebagai berikut:
Pada praktik kali ini praktikan menggunakan SPSS 17. Dimana untuk memulai penggunaan program SPSS 17, praktikan dapat mencari shortcut pada layar desktop atau klik Start SPSS Statistics 17.0 Enter. Maka program akan muncul.
1. Kasus Pertama
Lalu klik Variable View, Pada baris pertama, isikan kolom “Tahun” dengan “Jumlah_Pengangguran_Terbuka”, atur decimal dan
Gambar 2.2.1.1 Tampilan Variable View
Selanjutnya klik Data View, masukkan data yang dibutuhkan praktikan. Tampilan tampak seperti pada gambar berikut:
Gambar 2.2.1.2 Tampilan Sheet Data View
Pada kasus pertama, diketahui jumlah penggangguran terbuka dipulau jawa pada tahun 1986 sampai 2016, dan apabila diketahui rata-rata jumlah pengangguran terbuka di Indonesia adalah μ= 10.000.000 jiwa. Apakah rata-rata populasi tersebut berbeda secara nyata secara signifikan dengan rata-rata sampel yang terambil melakukan analisis mean terhadap data. Maka untuk penyelesaian kasus tersebut praktikan menggunakan uji one samples- T test dengan cara klik Analyze Compare Means One Sample T test. Seperti pada gambar di bawah ini,
Gambar 2.2.1.3 Langkah Dalam Prosedur Means
Setelah itu akan muncul kotak dialog one sample T test, seperti pada gambar berikut,
Gambar 2.2.1.4 Kotak pengaturan one sample T test
lalu klik pada “Jumlah_Pengangguran_Terbuka” kemudian klik tanda untuk test variable. Lalu pada kolom test value diisi dengan nilai rata-rata yang telah diketahui pada soal, disini paraktikan mengetikkan 10000000, tampilan akan tampak seperti pada gambar berikut, selanjutnya klik continue dan pilih OK, maka akan muncul tampilan hasil output.
2. Kasus Kedua
Pada kasus kedua ini terdapat 2 persolan, persoalan pertama yakni menggunakan uji kasus Paired-sample T test dan Independent- samples T test.
a. Paired-Sample T test
Kemudian praktikan meng-input-kan data untuk kasus kedua. Dimana terdapat dua variabel. Praktikan mengetikkan untuk kolom pertama “Nama” , kolom kedua “Kelompok”, kedua variabel tersebut menggunakan tipe data string, lalu pada kolom ketiga dan keempat praktikan membuat variabel “Sebelum” dan “Sesudah” menggunakan tipe data numeric kemudian atur decimal-nya menjadi”0” , dan pengaturan lainnya dibiarkan tetap. Tampilan akan tampak seperti pada gambar berikut,
Gambar 2.2.2.1 Tampilan variable view
Selanjutnya klik Data View, masukkan data yang dibutuhkan praktikan. Tampilan tampak seperti pada gambar berikut:
Gambar 2.2.2.2 Tampilan Sheet Data View
Pada kasus kedua, diketahui mengenai data tekanan darah sistol dari 20 sampel tenaga kerja dengan dua pengukuran yakni sebelum terpapar kebisingan dan yang kedua sesudah terpapar kebisingan. Apakah rata-rata tekanan darah sistol ketika sebelum dan sesudah terpapar kebisingan adalah tidak sama atau berbeda secara nyata. Untuk menguji ada tidaknya perbedaan rata-rata untuk dua sampel bebas (independen) yang berpasangan. Maksud berpasangan adalah sebuah sampel dengan subjek sama mengalami dua perlakuan (sebelum dan sesudah). Maka praktikan dapat meng-klik Analyze Compare Means Paired lalu akan muncul kotak pengaturan paired-samples T test, kemudian praktikan memindahkan variabel “Sebelum” dan “Sesudah” dengan menekan tanda untuk dipindahkan kedalam kolom variabel1 dan variabel2 seperti pada gambar di bawah ini,
Gambar 2.2.2.3 Pengaturan paired-sample T test
Setelah itu options tetap 95% sebab tingkat signifikansi tidak diketahui atau ditetapkan pada soal, maka otomatis menggunakan tingkat signifikanasi 5%. Kemudian klik OK maka akan muncul tampilan hasil output.
b. Independent-Sample T test
Selanjutnya untuk soal kedua kasus kedua, praktikan diminta untuk menguji apabila diketahui data tekanan darah sistol sesudah terpapar kebisingan dari 20 sampel tenaga kerja berdasarkan kelompok nya yaitu (A=10 sampel pertama, B=10 sampel berikutnya) memiliki varian sama dan data dianggap berdistribusi normal. Apakah ada perbedaan rata-rata tekanan darah sistol sesudah terpapar kebisingan antara kelompok A dengan kelompok B. Maka untuk menyelesaikan kasus tersebut, digunakan uji independent- sample T test dengan cara meng-klik Analyze Compare Means independent-Sample T test. Maka akan muncul kotak pengaturan independent-Sample T test. Lalu praktikan memindahkan variabel “Penjualan” kedalam kolom Test variables dan “Majalah” kedalam kolom Grouping Variables. Tampilan akan seperti pada gambar di bawah ini,
Gambar 2.2.2.4 Kotak pengaturan independent-sample T test
Setelah itu klik define groups. Lalu pilih option values dan pada kolom group 1 isi dengan huruf “A” dan group 2 isi dengan huruf “B”. Tampilan akan tampak seperti pada gambar berikut,
Gambar 2.2.2.5 Kotak pengaturan define groups
Setelah itu klik continue dan kemudian OK, maka output akan tertampil.
BAB III
PEMBAHASAN
Pada kasus yang telah dipaparkan sebelumnya, praktikan diminta untuk menyelesaikan kasus tersebut dengan menggunakan program aplikasi SPSS kemudian menginterpretasikan hasil outputnya. Berikut rangkaian kasus beserta pembahasannya.
1. Kasus Pertama
Berdasarkan penyelesaian kasus pertama menggunakan uji one sample T test , didapatkan hasil output seperti berikut,
One-Sample Statistics
N
Mean
Std. Deviation
Std. Error Mean
Jumlah_Pengangguran_Terbuka
30
6201886.17
3277375.043
598364.080
Gambar 3.1.1 Tampilan Output One-Sample Statistics
Dari output penyelesaian kasus diatas, variabel yang dituju ialah “Jumlah Pengangguran Terbuka” dengan N total sebesar 30. Rata-rata keseluruhan untuk variabel “Jumlah Penggangguran Terbuka” ialah sebesar 6201886,17. Dan memiliki standar deviasi 3277375,043 dan standard error mean sebesar 598364,080.
One-Sample Test
Test Value = 10000000
t
df
Sig. (2-tailed)
Mean Difference
95% Confidence Interval of the Difference
Lower
Upper
Jumlah_Pengangguran_Terbuka
-6.347
29
.000
-3798113.833
-5021905.79
-2574321.88
Gambar 3.1.2 Tampilan Output One-Sample Test
Pada hasil output diatas menggunakan one sample T-test dapat dilihat nilai hitung uji T sebesar -6,347. Untuk melakukan analisis data menggunakan uji T untuk 1 sampel adalah seperti berikut:
1. Hipotesis
H0 : μ = 10000000 (rata-rata populasi tersebut sama secara nyata secara signifikan dengan rata-rata sampel yang terambil)
H1 : μ ≠ 10000000 (rata-rata populasi tersebut berbeda secara nyata secara signifikan dengan rata-rata sampel yang terambil )
2. Tingkat signifikansi sebesar α= 5% atau tingkat kepercayaan 95% karena pada soal tidak diketahui.
3. Daerah kritis
Jika t hitung > t tabel atau t hitung < -t tabel maka tolak H0
Berdasarkan nilai probabilitasnya :
Jika : P-value (sig.2 tailed) < α maka H0 ditolak
P-value (sig.2 tailed) > α maka H0 gagal ditolak
4. Statistik uji – Uji T
T hitung = -6,347 dan t tabel (29, α/2) = 2,045
α = 0,05 dan p-value (sig.2 tailed)= 0
5. Keputusan
Berdasarkan nilai statistik uji di atas:
Karena t hitung = -6,347 < - t tabel = - 2,045 dan p value (sig.2 tailed) < α yaitu 0 < 0,05 maka keputusannya tolak H0.
6. Kesimpulan
Berdasarkan dari data jumlah pengangguran terbuka di pulau jawa dengan menggunakan tingkat kepercayaan 95% maka dapat ditarik kesimpulan bahwa rata-rata populasi tersebut benar berbeda secara nyata secara signifikan dengan rata-rata sampel yang terambil yakni sebesar 10.000.000.
2. Kasus Kedua
Berdasarkan penyelesaian kasus kedua soal pertaama ini menggunakan uji Paired- samples T test , didapatkan hasil output seperti berikut,
Paired Samples Statistics
Mean
N
Std. Deviation
Std. Error Mean
Pair 1
Sebelum
113.10
20
10.518
2.352
Sesudah
124.80
20
10.324
2.309
Gambar 3.1.1 Tampilan Output One-Sample Statistics
Dari output pada bagian pertama diatas, disajikan deskriptif dari pasangan variabel yang dianalisis, yang meliputi rata-rata variabel sebelum terpapar kebisingan yakni 113,10, lalu jumlah data terbaca dengan perlakuan sebelum terpapar kebisingan sebesar 20, standar deviasi sebesar 10,518, dan standar error mean sebesar 2,352. Sedangkan deskriptif dari variabel sesudah terpapar kebisingan memiliki rata-rata sebesar 124,80 , jumlah data terbaca 20, standar deviasi sebesar 10,324, dan standar error mean sebesar 2,309.
Paired Samples Correlations
N
Correlation
Sig.
Pair 1
Sebelum & Sesudah
20
.433
.057
Gambar 3.1.1 Tampilan Output One-Sample Statistics
Output diatas memberikan informasi terkait hubungan antara kedua variabel yang dibandingkan. Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai hubungan, jika angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai hubungan semakin kuat, jika angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin lemah, jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan linier sempurna positif, dan jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier sempurna negatif.
Pada hasil output kedua penyelesaian kasus kedua tersebut diperoleh hasil korelasi antara kedua variabel yang bernilai 0,433 dengan nilai probabilitas (sig.) 0,057. Hal ini menyatakan bahwa korelasi antara data tekanan darah pada saat sebelum dan sesudah terpapar kebisingan ialah berhubungan secara nyata, karena nilai korelasinya mendekati 1. probabilitas (sig.) < α yaitu 0,057 < 0,05.
Paired Samples Test
Paired Differences
t
df
Sig. (2-tailed)
Mean
Std. Deviation
Std. Error Mean
95% Confidence Interval of the Difference
Lower
Upper
Pair 1
Sebelum - Sesudah
-11.700
11.103
2.483
-16.896
-6.504
-4.713
19
.000
Berdasarkan output ketiga diatas, menggunakan paired- samples T test didapatkan informasi untuk melakukan analisis datanya adalah seperti berikut:
1. Hipotesis
H0 : m1 = m2 kedua rata-rata sampel adalah sama ( rata-rata tekanan darah ketika sebelum terpapar kebisingan dan sesudah terpapar kebisingan adalah sama atau tidak berbeda secara nyata )
H1 : m1 =/ m2 kedua rata-rata sampel tidak sama ( rata-rata tekanan darah ketika sebelum terpapar kebisingan dengan sesudah terpapar kebisingan adalah tidak sama atau berbeda secara nyata )
2. Tingkat Signifikansi
α = 5%
3. Daerah Kritis
Jika t hitung > t tabel dan t hitung < - t tabel maka tolak H0
Berdasarkan nilai probabilitasnya :
Jika p value (sig. 2 tailed) < α maka tolak H0
4. Statistik Uji
T hitung = -4,713 dan t tabel (19, α/2) = 2,09
α = 0,05 dan p-value (sig.2 tailed)= 0
5. Keputusan
Berdasarkan nilai statistik uji di atas:
Karena t hitung = -4,713 < - t tabel = -2,09 dan p value (sig.2 tailed) < α yaitu 0 < 0,05 maka keputusannya tolak H0.
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% didapatkan keputusan yaitu tolak H0, maka dapat disimpulkan bahwa rata-rata tekanan darah sebelum terpapar kebisingan dengan sesudah terpapar kebisingan adalah tidak sama atau berbeda secara nyata dimana terlihat pada output pertama yakni tabel paired samples statistics rata-rata kedua variabel tersebut berbeda secara signifikan.
Selanjutnya adalah pembahasan soal kedua pada kasus kedua, berdasarkan penyelesaian kasus kedua soal kedua yang menggunakan uji Independent- samples T test , didapatkan hasil output seperti berikut,
Group Statistics
Kelompok
N
Mean
Std. Deviation
Std. Error Mean
Sesudah
A
10
125.10
10.806
3.417
B
10
124.50
10.395
3.287
Gambar 3.2.3 Tampilan output group statistics
Dari gambar di atas dapat dijelaskan bahwa data terbagi menjadi 2 grup yaitu data kelompok A saat setelah terpapar kebisingan dan kelompok B saat setelah terpapar kebisingan. Data kelompok A dan B sama-sama berjumlah 10 , mean dari kelompok A sesudah terpapar kebisingan ialah 125,10, sedangkan mean kelompok B setelah terpapar kebisingan ialah sebesar 124,50. Standar deviasi kelompok A yaitu 10,806 dan standar deviasi kelompok B yaitu 10,395. Standard error mean dari kelompok A sebesar 3,417 sedangkan kelompok B ialah sebesar 3,287. Selanjutnya terdapat output kedua seperti berikut,
Gambar 3.2.4 Tampilan Output Group Statistics
Untuk menganalisis data menggunakan independent sample t-test, ada 2 cara yaitu: uji F dan uji T. Praktikan terlebih dahulu melakukan uji levene ( uji kesamaan varian atau homogenitas) dengan uji F, artinya jika variansi sama maka akan melakukan uji T menggunakan equal variances assumed. Tetapi jika variansi berbeda gunakan equal variances not assumed. Karena pada soal telah diketahui bahwa diasumsikan variansinya sama, maka gunakan informasi data dari equal variances assumed.
Berikut analisis hipotesis menggunakan uji T sebagai berikut :
1. Hipotesis
H0 : Tidak ada perbedaan rata-rata tekanan darah sistol sesudah terpapar kebisingan antara kelompok A dengan kelompok B
H1 : Ada perbedaan rata-rata tekanan darah sistol sesudah terpapar kebisingan antara kelompok A dengan kelompok B
2. Tingkat signifikansi α= 5% atau tingkat kepercayaan 95%
3. Daerah kritis
Jika t hitung > t tabel dan t hitung < - t tabel , maka tolak H0
Jika P-value < α , maka tolak H0
P-value > α maka gagal tolak H0
4. Statistik uji
T hitung = 0,127 dan t tabel (18, α/2) = 2,10
α = 0,05 dan p-value (sig.2 tailed)= 0,901
5. Keputusan
Berdasarkan nilai statistik uji di atas:
Karena t hitung = 0,127 < t tabel = 2,10 dan p value (sig.2 tailed) > α yakni 0,901 > 0,05 maka keputusannya gagal tolak H0.
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% didapatkan keputusan yaitu gagal tolak H0, maka dapat disimpulkan bahwa tidak ada perbedaan rata-rata tekanan darah sistol sesudah terpapar kebisingan antara kelompok A dengan kelompok B.
BAB IV
PENUTUP
Berdasarkan pembahasan yang telah dijelaskan langkah-langkah kerjanya. Praktikan dapat menarik beberapa kesimpulan sebagai berikut:
1. Uji-t untuk means digunakan untuk mencari analisis deskriptif suatu data dilihat dari nilai dependen serta nilai independen nya.
2. Uji-t untuk satu sampel digunakan apabila pengujian dilakukan terhadap satu sampel dengan perlakuan yang sama.
3. Uji-t untuk dua sampel independent digunakan apabila pengujian dilakukan terhadap dua sampel yang berbeda dengan perlakuan yang berbeda pula.
4. Uji Paired T-Test digunakan apabila pengujian dilakukan terhadap dua sampel yang sama dengan dua perlakuan. Biasanya ditandai dengan kata “pre” dan “post” atau “pra” dan “pasca”.
5. Pada kasus pertama, rata-rata populasi jumlah pengangguran terbuka di Pulau Jawa dari tahun 1986-2016 benar berbeda secara nyata secara signifikan dengan rata-rata sampel yang terambil yakni sebesar 10.000.000 jiwa.
6. Pada kasus kedua soal pertama, rata-rata tekanan darah sebelum terpapar kebisingan dengan sesudah terpapar kebisingan adalah tidak sama atau berbeda secara nyata sebab pada tabel paired samples statistics rata-rata kedua variabel tersebut berbeda secara signifikan.
7. Pada kasus kedua soal kedua, tidak ada perbedaan rata-rata tekanan darah sistol sesudah terpapar kebisingan antara kelompok A dengan kelompok B.
DAFTAR PUSTAKA
Nugraha, Jaka. 2014. Modul Praktikum Analisis Data Eksplorasi. Universitas
Islam Indonesia:Yogyakarta
Jejen. 2012. Pengertian Uji T. http://jejen-cute.blogspot.com/2012/12/pengertian-contoh-kasus-dan.html (Diakses pada tanggal 03 30 November 2015 pukul 02.11 WIB)