BAB 11 STATISTIK INDUKTIF Uji t

Pada bagian awal dari buku ini telah disebutkan pembagian metode statistik, yakni deskriptif dan induktif. Beberapa bab sebelumnya telah membahas penggunaan metode statistik deskriptif, seperti mencari rata-rata data, variasi data, atau menguji distribusi data. Pada banyak kasus, deskripsi data dilengkapi dengan grafik atau tabel statistik. Lalu apa kaitan antara statistik dekriptif dengan statistik induktif? Kaitan tersebut ada pada penggunaan sampel dan populasi dalam kegiatan pengolahan data. Seperti diketahui, sampel adalah bagian dari populasi, yang dianggap mewakili ciri-ciri dari populasi tersebut dan diambil dengan pertimbangan efisiensi. Jika populasi yang akan ditaksir begitu besar, seperti jumlah penduduk di sebuah daerah, akan ditemui kesulitan untuk melakukan penggambaran yang jelas tentang populasi dan berbagai pengambilan keputusan sehubungan dengan ciri-ciri populasi. Sebagai contoh, seorang Manajer Pemasaran ingin mengetahui apakah konsumen remaja putri di Indonesia dengan usia 17 tahun ke atas (sebagai sebuah populasi yang dijadikan target market) mengonsumsi produk kosmetik yang dipasarkannya. Survei terhadap seluruh remaja putri di Indonesia akan sangat sulit dilakukan karena akan menghabiskan banyak waktu dan biaya. Untuk itu, Manajer tersebut melakukan pengambilan sampel sejumlah tertentu dari populasi tersebut, misal survei terhadap 1000 remaja putri. Dengan gambaran yang ada pada sampel tersebut, yang dapat dilakukan lewat statistik deskriptif, dapat dilakukan berbagai keputusan (inferensi) terhadap populasi, yaitu: o Melakukan perkiraan (estimasi) terhadap populasi. Misal berapa rata-rata penggunaan kosmetik para remaja putri di Indonesia? Berapa deviasi standarnya? o Melakukan test hipotesis terhadap parameter populasi. Misal: jika diduga penggunaan kosmetik di kalangan remaja putri adalah dua kali dalam sehari, apakah hasil sampel yang diperoleh dapat membenarkan dugaan tersebut? 201

Dengan kata lain, dari informasi sampel yang telah ada, akan dilakukan berbagai penggambaran dan kesimpulan terhadap isi populasi. Kegiatan tersebut dinamakan statistik induktif atau statistik inferensi.

11.1 STATISTIK INDUKTIF (INFERENSI)
Metode statistik inferensi dalam praktek cukup beragam, dan salah satu kriteria penting dalam pemilihan metode statistik yang akan digunakan adalah melihat distribusi sebuah data. Jika data yang diuji berdistribusi normal atau mendekati distribusi normal, maka selanjutnya dengan data-data tersebut bisa dilakukan berbagai inferensi atau pengambilan keputusan dengan metode statistik parametrik. Namun, jika terbukti data tidak berdistribusi normal atau jauh dari kriteria distribusi normal, maka metode parametrik tidak bisa digunakan; untuk kegiatan inferensi sebaiknya digunakan metode statistik nonparametrik. Gambar: DISTRIBUSI DATA normal Tidak normal

STATISTIK PARAMETRIK

STATISTIK NONPARAMETRIK

Kegiatan inferensi bisa dibedakan menjadi: o o Pengujian beda rata-rata, yang meliputi uji t dan uji F (Anova). Pengujian asosiasi (hubungan) dua variabel atau lebih; alat uji yang digunakan seperti Chi-Square (lihat bab sebelumnya), korelasi dan regresi.

Nb: untuk uji statistik nonparametrik (kecuali Chi-Square), lihat CD KERJA.

202

metode parametrik apakah yang dipakai. 203 . apakah varians populasi diketahui.1. C. tergantung dari metode yang dipakai dan jumlah sampel yang diperoleh. ANOVA. Menentukan H0 dan Hi. Namun. Derajat Kebebasan (df). Menentukan Uji (Prosedur) Statistik yang digunakan. Sebagai contoh. dan lainnya. seperti akan dibahas berikut ini. o Jumlah sampel yang didapat. Menentukan statistik tabel.Bab ini akan membahas uji beda rata-rata. dan seterusnya. Derajat kebebasan atau degree of fredom sangat bervariasi tergantung dari metode yang dipakai dan jumlah sampel yang diperoleh. seperti apakah sampel yang diambil berjumlah banyak atau hanya sedikit. uji t hanyalah sebuah alat yang digunakan dalam kegiatan yang disebut dengan uji hipotesis.1 Uji Hipotesis Salah satu kegiatan statistik induktif adalah menguji sebuah hipotesis (dugaan sementara). maka Hi menyatakan alternatifnya. ada banyak faktor yang menentukan. apakah akan digunakan uji t. Dalam melakukan uji hipotesis. 11. uji z. Nilai Statistik tabel/nilai kritis biasanya dipengaruhi oleh: o o Tingkat Kepercayaan. Berikut proses pengujian sebuah hipotesis. Omset diduga bisa lebih dari Rp20 juta atau kurang dari Rp20 juta. Pernyataan pada H0 dan Hi selalu berlawanan. yaitu rata-rata omset bukan Rp20 juta. khususnya penggunaan uji t. Hi adalah ALTERNATIVE HYPOTHESIS. PROSEDUR UJI HIPOTESIS A. jika H0 menyatakan bahwa rata-rata populasi (Omset penjualan pedagang kain di suatu pasar seperti contoh di atas) adalah Rp20 juta per bulan. Derajat kebebasan atau degree of fredom sangat bervariasi. o o H0 adalah NULL HYPOTHESIS. B. apakah standar deviasi populasi diketahui.

bisa juga dikatakan ingin menguji apakah rata-rata sebuah sampel sudah bisa mewakili populasinya. Salah satu langkah dari prosedur di atas adalah menentukan alat statistik yang relevan. Sedangkan keputusan untuk menolak atau menerima sebuah hipotesis tidak diberikan pada output SPSS. Menentukan statistik hitung.D. nilai statistik hitung langsung ditampilkan nilai akhirnya. E. apakah termasuk sampel besar ataukah sampel kecil. Pada pengerjaan dengan SPSS. atau dengan bantuan software spreadsheet seperti Excel. apakah pada sebuah kasus akan diuji dengan uji t. A. bisa dilakukan dengan cara manual. INFERENSI TERHADAP SEBUAH RATA-RATA POPULASI Tujuan pengujian ini adalah ingin mengetahui apakah sebuah sampel berasal dari sebuah populasi yang mempunyai rata-rata (mean) yang sudah diketahui. Keputusan terhadap hipotesis di atas ditentukan dengan membandingkan nilai statistik hitung dengan nilai kritis/statistik tabel.2 Berbagai Metode Statistik Parametrik Berikut sistematika penggunaan metode-metode statistik parametrik untuk diterapkan pada berbagai kasus. Buku ini membantu untuk melakukan prosedur statistik inferensi yang benar dan mengambil keputusan yang tepat berdasarkan ouput SPSS. 204 . sedangkan proses perhitungannya sampai pada nilai akhir tersebut tidak diperlihatkan. termasuk angka-angka statistik tabel. Untuk mengetahui proses perhitungan sampai dengan output tersebut. 11. Nilai statistik hitung tergantung pada metode parametrik yang digunakan. Sebelum menjelaskan cara pengujian. maka apakah bisa disimpulkan bahwa rata-rata berat badan semua orang di kota tersebut (sebagai populasi) juga 50 kilogram? Pada inferensi ini. SPSS hanya memberikan informasi mengenai ringkasan data dan nilai statistik hitung. Mengambil keputusan.1. Atau. perlu diperhatikan ukuran sampel. uji F (ANOVA) atau yang lain. Seperti jika diketahui rata-rata berat badan sekelompok orang di sebuah kota adalah 50 kilogram. akan dibahas terlebih dahulu cara memilih alat statistik yang relevan untuk statistik parametrik.

Sebagai contoh. inferensi dua rata-rata juga dimungkinkan ada hubungan antara kedua sampel. maka bisa dipakai rumus (uji) z. t test yang dimodifikasi Di sini sampel bisa saling berhubungan (dependen) maupun kedua sampel tidak ada hubungannya (independen). F test 205 . o SAMPEL KECIL Jika sampel kecil (<30) dan varians populasi tidak diketahui. dan sebagainya. Sebagai contoh. nilai test sebelum diberi kursus dengan setelah diberi kursus. sebenarnya tidak ada ketentuan yang tepat batas besar kecilnya suatu sampel. ingin diketahui apakah ada perbedaan antara rata-rata berat badan semua orang di kota A dengan rata-rata berat badan semua orang di kota B? Oleh karena tidak mungkin atau sulit untuk menghitung semua berat badan orang di dua kota tersebut. dari kedua sampel tersebut akan diuji dengan beberapa metode statistik. penggunaan obat sebelum promosi dan sesudah promosi. yang disebut dengan sampel yang dependen satu dengan lainnya. o o SAMPEL BESAR Metode yang digunakan adalah z test yang dimodifikasi. Selain menguji dua rata-rata populasi yang independen. ii. Namun. jumlah sampel di atas 30 sudah bisa dianggap sampel yang besar. sedangkan di bawahnya dianggap sampel kecil. tujuan utama adalah ingin mengetahui apakah ada perbedaan antara dua rata-rata populasi. sebagai sebuah pedoman. metode parametrik yang digunakan adalah uji t (student). SAMPEL KECIL Metode yang digunakan adalah: i.o SAMPEL BESAR Dalam kasus di mana jumlah sampel yang diambil cukup besar atau varians populasi diketahui. B. seperti contoh kota A dan kota B. maka akan diambil sampel sejumlah tertentu orang di kota A dan kota B. INFERENSI TERHADAP DUA RATA-RATA POPULASI Dalam inferensi dua populasi. Yang dimaksud dengan Sampel “besar”.

Beberapa alat statistik untuk mengetahui hubungan antarvariabel: o o Hubungan antardua variabel. empat jenis sampel dan seterusnya. yang bisa terdiri atas: o o o ANOVA satu faktor ANOVA dua faktor dengan replacement ANOVA dua faktor tanpa replacement D. dipakai analisis ANOVA. Oleh karena luasnya cakupan parametrik.3 Menu Statistik Inferensi dalam SPSS SPSS menyediakan berbagai metode parametrik untuk melakukan inferensi terhadap data statistik. promosi suatu produk dengan penjualan produk tersebut. INFERENSI TERHADAP LEBIH DARI DUA RATA-RATA POPULASI Untuk lebih dari dua populasi. GENERAL LINEAR MODEL (GLM). menggunakan metode korelasi dan regresi berganda. dan REGRESSION. seperti apakah ada hubungan antara jumlah gizi yang diserap tubuh dengan nilai ujian seseorang. menggunakan metode korelasi dan regresi sederhana.1. misal tiga jenis sampel. INFERENSI UNTUK MENGETAHUI HUBUNGAN ANTARA VARIABEL Inferensi ini bertujuan untuk mengetahui apakah ada hubungan yang signifikan antara dua variabel. baik penggunaannya maupun penafsirannya. Hubungan antara lebih dari dua variabel (tiga. yaitu menu COMPARE MEANS. CORRELATE. maka inferensi dengan parametrik akan dibagi dalam beberapa menu pada SPSS. Dalam bab-bab selanjutnya (sebagian diakses lewat CD KERJA) akan dijelaskan secara terperinci. 11.C. dengan penyajian subgrup dan ditambah dengan uji linearitas. 206 . dan seterusnya). dan sebagainya. Sistematika dan metode-metode statistik di atas bersifat garis besar. COMPARE MEANS Pembahasan pada COMPARE MEANS meliputi: ⇒ MEANS Bagian ini membahas hal yang sama pada statistik deskriptif. empat.

Uji t untuk dua sampel independen (INDEPENDENT SAMPLES T-TEST). Uji t untuk dua sampel berpasangan (PAIRED SAMPLES T-TEST). 11. maka ANOVA digunakan untuk menguji lebih dari dua sampel. Tidak semua menu tersebut akan dibahas pada buku ini. ⇒ ONE WAY ANOVA Jika uji t untuk dua sampel. seperti analisis faktor. GENERAL LINEAR MODEL GLM merupakan kelanjutan dari ANOVA. dan sebagainya. ada pula sejumlah menu yang membahas berbagai alat statistik multivariat. Nilai tertentu di sini pada umumnya adalah sebuah nilai parameter untuk mengukur suatu populasi. 207 . di mana pada GLM dibahas satu variabel dependen namun mempunyai satu atau lebih faktor. analisis diskriminan. REGRESSION Membahas pembuatan model regresi untuk menggambarkan hubungan dua variabel atau lebih. Bab ini akan membahas penggunaan uji t dan means.⇒ UJI t Bagian ini meliputi: o o o Uji t satu sampel (ONE SAMPLE T-TEST). Selain menu-menu di atas. Beberapa menu lain akan dibahas pada bab-bab di belakang. dengan masing-masing pembahasan akan disertai kasus dan penyelesaiannya. CORRELATE Membahas uji hubungan antara dua variabel.2 ONE SAMPLE t TEST Pengujian satu sampel pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel.

selama ini diduga rata-rata konsumsi sabun pada rumah tangga di desa Telogo Sari adalah 3 batang per bulan. dan karena sampel sedikit. Dengan data di atas. Klik mouse pada pilihan tersebut. Pengolahan Data dengan SPSS Langkah-langkah: o o Buka lembar file uji_t_paired. Di sini populasi diketahui berdistribusi normal. yakni sejumlah penduduk Telogo Sari yang dipilih dengan metode sampling tertentu.Sebagai contoh. Untuk membuktikan hal tersebut. 2. maka tampak di layar: 208 . yaitu 90 kg. lakukan tahap pengolahan data. Jika seluruh penduduk Telogo Sari dianggap populasi. maka angka tersebut adalah suatu parameter. Pemasukan Data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu. dan pada sampel tersebut dihitung rata-rata penggunaan sabun mandi selama sebulan. Kemudian dilakukan proses pembandingan.51 kilogram? Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis. Menu Analyze Æ Compare-Means Æ One Sample T test…. 1. Kasus: Kasus menggunakan data berat badan konsumen yang meminum obat penurun berat badan. dan mereka mempunyai rata-rata berat badan 90 kilogram. yang disebut sebagai uji satu sampel (one sample test). Kemudian akan dibuktikan secara statistik apakah konsumsi tersebut memang benar demikian. dipakai uji t untuk dua sampel yang berpasangan (paired). dibuat dugaan bahwa populasi rata-rata berat sebelum minum obat adalah 84. Penggunaan uji t karena jumlah sampel yang diambil pada uji semacam itu di bawah 30 buah. sekelompok anak muda ditimbang. Sebagai contoh.51 kilogram. Jika data sudah diinput. Untuk itu diambil sejumlah sampel. apakah dapat disimpulkan bahwa berat populasi rata-rata memang 84. Sekarang akan diberikan contoh kasus untuk menjelaskan proses uji t.

7405 SEBELUM t -2.615 df 9 209 .5100 Std. Kemudian tekan OK untuk proses data. Output Bagian Kedua (One Sample Test) One-Sample Test Test Value = 90 Sig. Error Mean 2. Oleh karena tidak ada data missing (hilang) dan tingkat kepercayaan tetap 95%. abaikan pengisian pilihan OPTIONS.6393 Std. Output SPSS dan Analisis: Output Bagian Pertama (Group Statistics) T-Test One-Sample Statistics N SEBELUM 10 Mean 84. Kotak Dialog One Sample t test Pengisian: ⇒ Test Variable(s) atau Variabel yang akan diuji.1.2395 -.5100 kilogram. karena akan diuji nilai hipotesis 90kg.Gambar 11. (2-tailed) . konsumen mempunyai berat ratarata 84.4900 -10. maka ketik 90. ⇒ Test Value atau nilai yang akan diuji. Deviation 6. Untuk berat badan sebelum minum obat.028 95% Confidence Interval of the Difference Mean Lower Upper Difference -5.0995 Pada bagian pertama terlihat ringkasan statistik dari variabel SEBELUM. Masukkan variabel sebelum.

bisa lebih besar atau lebih kecil. Untuk statistik tabel bisa dihitung pada tabel t: o o o Tingkat signifikansi (α) adalah 5%.2.615.262 210 + 2.5%. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). Hi = Berat kelompok anak muda berbeda dengan rata-rata berat populasi.025. untuk uji dua sisi.2. karenanya dipakai uji dua sisi. Pengambilan Keputusan: Dasar Pengambilan Keputusan. Jadi. Gambar: Ho ditolak Ho diterima Ho ditolak . maka Ho ditolak.615 . didapat t(0. Berdasar perbandingan t hitung dengan t tabel: o o Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t). Ho= Berat kelompok anak muda tidak berbeda dengan rata-rata berat populasi. menjadi 5% / 2 = 2. t hitung dari output adalah – 2.262.9) adalah 2. Dari tabel t. a.262 .Hipotesis: Hipotesis untuk kasus ini. df atau derajat kebebasan adalah n – 1 atau jumlah data – 1 sehingga df adalah 10 – 1 = 9 Uji dilakukan DUA SISI karena akan diketahui apakah rata-rata SEBELUM sama dengan BERAT ANAK MUDA ataukah tidak. maka Ho diterima.

tujuan uji dua sampel adalah ingin mengetahui apakah ada perbedaan rata-rata (mean) antara dua populasi. Perhatikan kata ‘independen’ atau ‘bebas’. atau tidak mungkin seseorang secara sekaligus menjadi orang desa dan orang kota.014. 211 .028/2 = 0.025.025. Keputusan: Terlihat bahwa t hitung adalah . maka Ho ditolak.2. Angka probabilitas menjadi = 0. maka Ho diterima. di mana justru satu kasus diobservasi lebih dari sekali. dan dari data dua sampel tersebut akan ditarik kesimpulan untuk populasi (semua orang kota dan orang desa). Alternatif terbaik adalah mengambil sampel di kedua kelompok tersebut. tentu tidak bisa semua orang desa dan orang kota diobservasi karena akan memakan biaya dan waktu. Untuk menguji hal tersebut. yang berarti tidak ada hubungan antara dua sampel yang akan diuji. contoh yang lain. atau berat rata-rata populasi sebelum minum obat bukanlah 84. satu kasus hanya didata sekali saja.025.3 INDEPENDENT SAMPLE t TEST Jika pada pembahasan sebelumnya diuraikan uji satu sampel. b. maka sekarang uji akan diperluas dengan dua sampel. Berdasar nilai Probabilitas Æ untuk uji DUA SISI o Jika probabilitas/2 > 0.Oleh karena t hitung terletak pada daerah Ho ditolak. dalam uji independen. Dalam contoh. Nb: simpan output di atas dengan nama uji_t_one. o Jika probabilitas/2 < 0.028. Hal ini berbeda dengan uji berpasangan. Mungkin orang desa lebih banyak menghabiskan waktu dengan menonton televisi daripada orang kota. karena tidak bisa seseorang menjadi pria dan wanita sekaligus. dengan melihat rata-rata dua sampelnya.014 <0.615 dengan probabilitas 0. maka Ho ditolak. maka bisa disimpulkan rata-rata berat badan kelompok anak muda tersebut memang berbeda dengan rata-rata berat badan populasi. jelas orang kota akan berbeda dengan orang desa. Sebagai contoh. diduga ada perbedaan antara orang di desa dengan orang di kota dalam hal lamanya mereka menonton televisi setiap harinya.15 kilogram. 11. Pada prinsipnya. jenis kelamin seseorang juga variabel yang independen. Oleh karena 0.

Untuk itu. Kasus: Seorang peneliti ingin mengetahui apakah ada perbedaan antara Tinggi dan Berat badan seorang pria dan seorang wanita.7 154.8 58.8 67.7 Berat 65.8 168.7 45.7 Gender Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Nb: pada baris 1.5 178. Demikian untuk data yang lain.2 43.7 152. seorang pria dengan Tinggi Badan 174.6 170.8 157.8 65.4 68.8 kilogram. 212 .2 159.7 49.Berikut akan dijelaskan proses pengujian sampel independen menggunakan kasus.5 154. Berikut hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat). Tinggi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 174.8 165.7 155.9 67.8 156.8 48.7 167.8 154.1 54.7 46.8 62. 7 pria dan 7 wanita masing-masing diukur tinggi dan berat badannya.5 cm dan Berat Badan 65.7 66.

Penyusunan data yang benar adalah seperti contoh di atas. ⇒ Width.7 Inputing data (Tinggi Badan) dengan membuat variabel PRIA dan WANITA justru salah. Penyelesaian: Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain.8 156.7 152. ketik 8. Di sini populasi diketahui berdistribusi normal. dan karena sampel sedikit. Pengisian variabel TINGGI ⇒ Name.8 157. Untuk keseragaman. Pengisian variabel BERAT ⇒ Name. ketik 1.8 168. di mana ada tiga kolom.8 154.2 159.5 Wanita 154. ⇒ Decimals. pilih menu New. Untuk keseragaman. ketik berat. Untuk keseragaman.7 167. lalu klik mouse pada Data. ⇒ Width. 1.7 154. yaitu sampel bergender pria tentu berbeda dengan sampel bergender wanita.5 178. ⇒ Decimals. ketik 1. Kemudian klik mouse pada sheet tab Variable View.6 170.7 155. 213 . ketik 8. Sesuai kasus. dipakai uji t untuk dua sampel. ketik tinggi.8 165. dengan variabel gender dikode dengan angka 1 dan 2. Pemasukan Data ke SPSS Pemasukan Data ke SPSS (secara ringkas) o Dari menu utama File. Untuk keseragaman.PERHATIKAN PENYUSUNAN DATA DI SPSS BUKAN SEPERTI INI: Pria 1 2 3 4 5 6 7 174. Sesuai kasus. Variabel gender harus dikodekan dalam inputing data.

maka terlihat data seperti pada awal Kasus. ketik gender. Pilihan ini untuk proses pemberian kode. 2. Setelah variabel telah didefinisikan. dengan isian: KODE 1 2 LABEL pria wanita Setelah selesai. Menu Analyze Æ Compare-Means Æ test…. berat badan dan gender. klik ganda pada sel tersebut. Untuk keseragaman. Simpan data dengan nama uji_t_1. Buka lembar file uji_t_1. klik OK untuk kembali ke kotak dialog utama. untuk gender. Untuk keseragaman. masukkan angka sesuai kode gender yang telah dibuat sebelumnya. ⇒ Label. tekan CTRL+T untuk kembali ke DATA VIEW hingga pengisian data berikut dimungkinkan. Tampak di layar: Independent-Samples T Langkah-langkah: Gambar 11. Mengisi Data: Input data ke dalam SPSS DATA EDITOR untuk tinggi badan. Kotak Dialog Independent Sample t test 214 . 3.Pengisian variabel GENDER ⇒ Name. ⇒ Values. Jika pengisian benar. dan ketik gender konsumen. ⇒ Width. Sesuai kasus. o o Pengolahan Data dengan SPSS. Ketik 0. ketik 1. ⇒ Decimals.2.

300 155.314 66. Untuk Group2.023 5.3.Pengisian: ⇒ Test Variable(s). maka masukkan variabel gender.765 1.319 . Setelah pengisian selesai.643 2. tekan Continue untuk kembali ke menu sebelumnya. Error Mean 2. ANALISIS: Output Bagian Pertama (Group Statistics) Group Statistics gender konsumen pria wanita pria wanita N 7 7 7 7 Mean 169.135 1. masukkan variabel tinggi.949 TINGGI BERAT 215 . Output SPSS dan Analisis: Simpan output dengan nama uji_t_independen. Deviation 6. yang berarti Grup 1 berisi tanda 1 atau “pria”.156 Std.457 49. Pengisian grup: • Klik mouse pada Define Group… Tampak di layar: Gambar 11. Kotak Dialog Define Groups • • Untuk Group1.557 Std.621 . isi dengan 1. yang berarti Grup 2 berisi tanda 2 atau “wanita”. Oleh karena variabel pengelompokkan ada pada variabel gender. Kemudian tekan OK untuk mengakhiri pengisian prosedur analisis dan memulai proses data. isi dengan 2. kemudian masukkan juga variabel berat. ⇒ Grouping Variable atau variabel grup.

Pada dasarnya. Untuk berat badan. jika asumsi tersebut tidak terpenuhi.059 8.216 19.401 2.557 kilogram.001 . maka SPSS akan menyediakan alternatif jawaban uji t yang lain. Dari data tersebut.805 Sig.000 Mean Difference 13. tahapan pertama adalah menguji apakah varians dari dua populasi bisa dianggap sama? Setelah itu baru dilakukan pengujian untuk melihat ada tidaknya perbedaan rata-rata populasi. yaitu 49.686 21.074 8. Tinggi Badan Pertama dilakukan pengujian apakah ada kesamaan varians pada data pria dan wanita.037 t 5.475 Sig. Pengambilan Keputusan: Dasar Pengambilan Keputusan (uji varians menggunakan uji satu sisi): 216 .900 Std. (2-tailed) .339 12. uji t mensyaratkan adanya kesamaan varians dari dua populasi yang diuji.074 Uji t dua sampel dilakukan dalam dua tahapan.052 19.457 kilogram. Output Bagian Kedua (Independent Sample Test) Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Difference Lower Upper 8.856 12 7.3 cm yang juga lebih tinggi dari rata-rata wanita yang hanya 155.748 F TINGGI Equal variances assumed Equal variances not assumed Equal variances assumed Equal variances not assumed 5.314 cm.986 16. gender pria (tanda 1) mempunyai berat rata-rata 66.000 .093 2. Error Difference 2.093 BERAT 4. sedangkan tinggi rata-rata pria adalah 169.461 21. yang jauh di atas rata-rata berat badan wanita.900 16. apakah ada perbedaan yang signifikan (jelas dan nyata) antara berat badan pria dan wanita? Untuk itu analisis dilanjutkan pada bagian kedua output.Pada bagian pertama terlihat ringkasan statistik dari kedua sampel.755 8. Hi = Kedua varians Populasi adalah tidak identik (varians populasi tinggi badan pria dan wanita adalah berbeda). Hipotesis: Hipotesis untuk pengujian varians.986 13. .401 2.826 5. pengujian asumsi kesamaan varians dilakukan lewat uji F.000 .285 12.345 . Ho = Kedua varians Populasi adalah identik (varians populasi tinggi badan pria dan wanita adalah sama).826 df 12 6.

Rata-rata tinggi badan pria benar-benar berbeda dengan rata-rata tinggi badan wanita.037. Keputusan: Terlihat bahwa t hitung untuk Tinggi Badan dengan Equal variance not assumed adalah 5. atau kedua varians benar-benar berbeda. Setelah uji asumsi kesamaan varians selesai. maka dilakukan uji dua sisi. Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan). Oleh karena tidak ada kalimat ”lebih tinggi” atau ”kurang tinggi”.05. Oleh karena probabilitas < 0. maka Ho diterima. Jika probabilitas < 0. Oleh karena 0. jika dilihat dari rata-rata kedua kelompok. Keputusan: Terlihat bahwa F hitung untuk Tinggi Badan dengan Equal variance assumed (diasumsi kedua varians sama atau menggunakan pooled variance t test) adalah 5. yaitu dari 12 menjadi 6.05.001. selanjutnya dilakukan analisis dengan memakai t test untuk mengetahui apakah rata-rata tinggi badan pria dan wanita adalah berbeda secara signifikan? Hipotesis: Hipotesis untuk kasus ini. Perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan rata-rata populasi dengan t test sebaiknya menggunakan dasar Equal variance not assumed (diasumsi kedua varians tidak sama). Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi tinggi badan pria dan wanita adalah berbeda).0005. Untuk uji dua sisi.856 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! 217 .826 dengan probabilitas 0.025. maka Ho ditolak. Nb: berbeda dengan asumsi sebelumnya yang menggunakan varians. maka Ho ditolak.0005 < 0.o o Jika probabilitas > 0. sekarang dipakai mean atau rata-rata hitung. Pria lebih tinggi dari wanita.05. Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi tinggi badan pria dan wanita adalah sama).001/2 = 0. probabilitas menjadi 0.475 dengan probabilitas 0. maka Ho ditolak.

bisa juga dikatakan. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat badan pria dan wanita adalah berbeda). analisis dengan memakai t test untuk asumsi varians sama. tidak ada bukti statistik yang bisa menyatakan bahwa rata-rata berat badan populasi pria sama dengan rata-rata berat badan populasi wanita.475 dengan probabilitas 0.0185) < 0. Hi = Kedua varians Populasi adalah tidak identik (varians populasi berat badan pria dan wanita adalah berbeda). Kedua rata-rata (mean) berat badan pria dan wanita benar-benar berbeda. Ho = Kedua varians Populasi adalah identik (varians populasi berat badan pria dan wanita adalah sama).05. maka Ho ditolak.345 dengan probabilitas 0.Berat Badan Pertama.059. Hipotesis: Hipotesis untuk kasus ini. Kedua. Oleh karena probabilitas > 0.025. Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat badan pria dan wanita adalah sama). Oleh karena probabilitas uji dua sisi (0. Hipotesis: Hipotesis untuk kasus ini. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi. Keputusan: Terlihat bahwa t hitung untuk Berat Badan dengan Equal variance assumed adalah 5.037.037/2= 0. Oleh karena tidak ada perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan Rata-rata populasi (atau test untuk Equality of Means) menggunakan t test dengan dasar Equal variance assumed (diasumsi kedua varians sama). Keputusan: Terlihat bahwa F hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians sama atau nantinya akan menggunakan pooled variance t test) adalah 4. atau kedua varians sama. 218 . maka Ho diterima.

dan diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.900 cm. Jika varians dua populasi secara signifikan berbeda. test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed. Oleh karena itu. Upper (perbedaan rata-rata bagian atas) adalah 19. maka sekarang lihat pada keterangan “95% Confidence Interval of Means” dan kolom Equal variance not assumed. Uji F test (Levene test) untuk menguji kesamaan varians dua populasi. Berat Badan Dari output terlihat pada baris “mean difference” untuk Berat Badan adalah 16. Pada baris tersebut. kemudian diketahui penggunaan Equal variance assumed dan Equal variance not assumed.986 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed.986 cm.686 cm.300 cm – 155. Tinggi Badan Dari output terlihat pada baris “mean difference” untuk Tinggi Badan adalah 13. maka secara otomatis pada output SPSS tidak ada angka untuk t test Equal variance not assumed. MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test. Angka ini berasal dari: Rata-rata Berat Badan Pria .986 cm.Rata-rata Berat Badan Wanita 219 .Rata-rata Tinggi Badan Wanita Atau 169. Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 8.Catatan: Ringkasan prosedur pengujian UJI t DUA SAMPEL. dengan perbedaan rata-rata adalah 13. maka untuk membandingkan Means digunakan t test dengan asumsi varians tidak sama.686 cm.285 cm sampai 19. b. Angka ini berasal dari: Rata-rata Tinggi Badan Pria .285 cm. a. Jika varians dua populasi tersebut sama. c.314 cm = 13. didapat angka: o o Lower (perbedaan rata-rata bagian bawah) adalah 8.

339 kg. dengan perbedaan rata-rata adalah 16. Hal ini berarti perbedaan Berat Badan Pria dan Wanita berkisar antara 12. akan dipakai lagi data kasus di atas.557 kg = 16. Di sini populasi diketahui berdistribusi normal. akan mempunyai Rata-Rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg? Penyelesaian: Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain.339 kg sampai 21. 220 .900 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed. yaitu suatu angka/data numerik yang berfungsi sebagai “batas”. maka sekarang faktor gender tidak digunakan. Pada baris tersebut. dipakai uji t untuk dua sampel. akan dilihat apakah mereka yang berbobot lebih dari 50 kg mempunyai Rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg.457 kg – 49. Namun.461 kg. yaitu mereka (tidak peduli pria atau wanita) yang mempunyai Berat Badan di atas 50 kg dan mereka yang mempunyai berat badan di bawah 50 kg. Demikian urutan pengerjaan analisis perbedaan rata-rata yang dilakukan dengan uji t dua sampel. Kasus: Seorang peneliti ingin mengetahui apakah ada perbedaan antara mereka yang berbobot lebih dari 50 kg. yaitu Berat dan Tinggi Badan Pria dan Wanita. 11.4 UJI t DENGAN CUT POINT (Titik Potong) Jika pada kasus terdahulu dasar pengujian pada gender (pria dan wanita). di sini data akan dibagi dua grup.900 kg. didapat angka: o o Lower (perbedaan rata-rata bagian bawah) adalah 12. Upper (perbedaan rata-rata bagian atas) adalah 21.461 kg. dan karena sampel sedikit. variabel gender digantikan oleh cut point ‘titik potong’. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg.Atau 66. maka sekarang lihat pada keterangan “95% Confidence Interval of Means” dan kolom Equal variance assumed. Untuk lebih jelasnya. Dari dua grup tersebut.

maka masukkan variabel berat. Setelah pengisian selesai. Kemudian klik mouse pada Define Group…. Oleh karena variabel pengelompokan ada pada variabel Berat Badan. Kotak Dialog Independent Sample t test Pengisian: ⇒ Test Variable(s).1. Tampak di layar: Independent-Samples T Pemasukan data sama dengan pemasukan data pada kasus pertama. o o Pemasukan Data ke SPSS Pengolahan Data dengan SPSS Buka file uji_t_1. Tampak di layar kotak dialog DEFINE GROUP. Menu Analyze Æ Compare-Means Æ test…. 221 . Output SPSS dan Analisis: Output Bagian Pertama (Group Statistics). Di sini akan dipakai Cut point.4. Kemudian tekan OK untuk proses data. Masukkan variabel tinggi. Langkah-langkah: Gambar 11. ⇒ Grouping Variable. kemudian ketik 50 untuk menyatakan bahwa variabel berat dibagi dengan batas/cut point adalah 50 (50 kg). 2. maka klik mouse pada pilihan Cut point. tekan Continue untuk kembali ke menu sebelumnya.

506 .734 Sig.T-Test Group Statistics BERAT >= 50. (2-tailed) 12 . 222 . Pengambilan Keputusan: Terlihat bahwa F hitung untuk Tinggi Badan dengan Equal variance assumed (diasumsi kedua varians sama atau menggunakan pooled variance t test) adalah 7.579 19.519 1.904 Langkah pertama menguji kesamaan varians menggunakan F test. Hi = varians populasi tinggi badan untuk orang yang mempunyai berat di atas 50 kg berbeda secara nyata dengan varians populasi tinggi badan untuk orang yang mempunyai berat di bawah 50 kg.05.726 8.622 cm. digunakan Equal variance not assumed. Error Difference 3.54 cm. Hipotesis: Hipotesis untuk kasus ini. .557 6.633 . Output Bagian Kedua (Independent Sample Test) Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means Sig. Ho = varians populasi tinggi badan untuk orang yang mempunyai berat di atas 50 kg adalah sama dengan varians populasi tinggi badan untuk orang yang mempunyai berat di bawah 50 kg. Error Mean 2.001 12.540 Std. maka Ho ditolak. Untuk sampel dengan berat badan di atas 50 kg ada 9 orang (tidak perlu dirinci pria atau wanita).017.004 Mean Difference 12.082 2.509 df 4.585 F TINGGI Equal variances assumed Equal variances not assumed 7.261 17. atau kedua varians benar-benar berbeda. yang mempunyai tinggi rata-rata 154. Oleh karena probabilitas < 0. Deviation 7.128 Std.0 < 50.082 Std.444 95% Confidence Interval of the Mean Lower Upper 4. Untuk itu. Untuk sampel dengan berat badan di bawah 50 kg ada 5 orang (tidak perlu dirinci pria atau wanita).734 dengan probabilitas 0.622 154. yang mempunyai tinggi rata-rata 166.0 N 9 5 Mean 166.017 t 3.505 TINGGI Pada bagian pertama terlihat ringkasan statistik dari kedua sampel.

001/2=0.89 6 7 sebelum 88.15 92. seperti subjek A akan mendapat perlakukan I kemudian perlakuan II.726 dengan probabilitas 0. Berikut hasilnya (angka dalam kilogram). kembali diukur berat badannya. namun mengalami dua perlakuan atau pengukuran yang berbeda.025. sebuah sampel yang terdiri atas 10 orang masing-masing diukur berat badannya.0005) < 0.Hipotesis: Ho = rata-rata tinggi badan orang yang mempunyai berat di atas 50 kg adalah sama dengan rata-rata tinggi badan orang yang mempunyai berat di bawah 50 kg.22 77. Oleh karena probabilitas uji dua sisi (0. Sampel yang berpasangan diartikan sebagai sebuah sampel dengan subjek yang sama.56 223 .53 92. Keputusan: Terlihat bahwa t hitung untuk Tinggi Badan dengan Equal variance not assumed adalah 4. Dengan kata lain. di antara mereka yang berbobot lebih dari 50 kg mempunyai Rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg. Simpan output dengan nama uji_t_independen2. Untuk itu.85 77. Kasus Produsen Obat Diet (penurun berat badan) ingin mengetahui apakah obat yang diproduksinya benar-benar mempunyai efek terhadap penurunan berat badan konsumen.95 sesudah 76.001. kemudian setelah sebulan meminum obat tersebut. Contoh berikut akan menjelaskan hal di atas.54 sesudah 82. sebelum 1 2 76. Hi = rata-rata tinggi badan orang yang mempunyai berat di atas 50 kg berbeda secara nyata dengan rata-rata tinggi badan orang yang mempunyai berat di bawah 50 kg. Dapat disimpulkan ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg. maka Ho ditolak.5 PAIRED SAMPLE T TEST Uji ini dilakukan terhadap dua sampel yang berpasangan (paired). 11.

lalu klik mouse pada Data. dari tampilan VARIABLE VIEW. yaitu sampel sebelum makan obat dan sampel sesudah makan obat. Setelah sebulan dan teratur mengonsumsi obat.33 85. kepada setiap orang tersebut diberikan dua kali perlakuan. yang dalam kasus ini adalah efektivitas sebuah obat.65 79.02 80. dan karena anggota sampel sedikit (hanya sepuluh orang. Pengisian Variabel SESUDAH Pada kotak Name.25 84. Pengisian Variabel SEBELUM Pada kotak Name. o Pemasukan Data ke SPSS Dari menu utama File.25 82. dan tekan CTRL+T untuk kembali ke DATA VIEW. yakni subyeknya tetap sepuluh orang. dipakai uji t untuk dua sampel yang berpasangan.56 88. Kemudian isi dengan data yang ada.25 92. tekan CTRL+T untuk berpindah editor ke DATA VIEW hingga tampak dua nama variabel tersebut di dua kolom pertama SPSS.85 kilogram. Data di atas bisa disimpan. Mengisi Data: Untuk mengisi data.65 79. Demikian untuk data yang lain.56 Nb: pada baris 1. ketik sebelum.12 84.3 4 5 78.22 kilogram. . Perhatikan ciri dari sampel berpasangan. beratnya menjadi 76. Penyelesaian Kasus di atas terdiri atas dua sampel yang berhubungan atau berpasangan satu dengan yang lain. seorang yang sebelum mengonsumsi obat diet mempunyai berat 76. 224 Pemasukan Data ke SPSS (secara ringkas). Sesuai kasus. pilih menu New. Abaikan bagian yang lain. Di sini populasi diketahui berdistribusi normal. ketik sesudah. 2. 1. Kemudian klik mouse pada sheet tab Variable View.65 8 9 10 96.21 82. Sesuai kasus. yang berarti jauh di bawah 30). dengan nama uji_t_paired.

Kotak Dialog Options 225 .3. Oleh karena di sini akan diuji data “sebelum” dan “sesudah”. o o Pengolahan Data dengan SPSS Buka file uji_t_paired. sesudah. Kotak Dialog Paired t test Pengisian: ⇒ Paired Variable(s) atau Variabel yang akan diuji. Nb: variabel sebelum dan sesudah harus dipilih berbarengan. kemudian klik mouse sekali lagi pada variabel sesudah. maka pada Paired variables terlihat tanda sebelum . Æ Paired-Samples T test…. ⇒ Untuk kolom option atau pilihan yang lain. maka terlihat pada kolom Current Selection di bawah.6. dengan tanda tidak aktifnya ikon . Tampak di layar: Langkah-langkah: Gambar 11..5. SPSS tidak bisa menginput dalam kolom Paired Variables. tampak di layar: Gambar 11. Jika tidak. Menu Analyze Æ Compare-Means. maka klik mouse pada variabel sebelum. dengan mengklik mouse. Kemudian klik mouse pada tanda ‘>‘ (yang sebelah atas). terdapat keterangan untuk variable 1 dan 2.

7653 Pair 1 SEBELUM SESUDAH Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. yaitu Exclude cases analysis by analysis). Sebagai default.Pengisian: • Untuk Confidence Interval atau tingkat kepercayaan.3090 kilogram. Karena dalam kasus semua pasangan data komplit (tidak ada yang kosong). Kemudian Tekan OK untuk mengakhiri pengisian prosedur analisis dan memulai proses data. Deviation 6. .5100 83.943 dengan nilai probabilitas jauh di bawah 0.0995 1.5100 kilogram. sekarang SPSS akan kembali pada kotak dialog utama uji t paired.6393 5. SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100%-95% = 5%.5824 Std. Error Mean 2. yang menghasilkan angka 0. Untuk berat badan sebelum minum obat.05 (lihat nilai 226 . sedangkan setelah minum obat. konsumen mempunyai berat rata-rata 83.3090 N 10 10 Std. maka abaikan saja bagian ini (tetap pada default dari SPSS. • Tekan tombol Continue jika pengisian dianggap selesai.943 Sig. Untuk Missing Values atau data yang hilang. Output Bagian Kedua Paired Samples Correlations N Pair 1 SEBELUM & SESUDAH 10 Correlation . NB: simpan output diatas dengan nama uji_t_paired Output SPSS dan Analisis ANALISIS: Output Bagian Pertama (Group Statistics) T-Test Paired Samples Statistics Mean 84. konsumen mempunyai berat rata-rata 84.000 Bagian kedua output adalah hasil korelasi antara kedua variabel.

000). (2-tailed) 9 .134 Mean Pair 1 SEBELUM SESUDAH 1. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat sebelum minum obat dan sesudah minum obat adalah memang berbeda secara nyata). Error Mean . dengan cara: o o Tingkat signifikansi (α) adalah 10% untuk uji DUA SISI sehingga masing-masing sisi menjadi 5%. Berdasar perbandingan t hitung dengan t tabel: o o Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t).646 df Hipotesis: Hipotesis untuk kasus ini.8516 Sig. t hitung dari output adalah 1. Deviation 2. Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata. Untuk statistik tabel bisa dicari pada tabel t. Output Bagian Ketiga (Paired Sample Test) Paired Samples Test Paired Differences Std.signifikansi output yang 0.2010 t 1.646.3074 Std. Pengambilan Keputusan: Dasar Pengambilan Keputusan. a. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t).7297 95% Confidence Interval of the Difference Lower Upper -. df (degree of freedom) atau derajat kebebasan dicari dengan rumus jumlah data – 1 atau 10 – 1 = 9 227 . maka Ho ditolak.4496 2. maka Ho diterima. Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat sebelum minum obat dan sesudah minum obat adalah tidak berbeda secara nyata).

maka Ho diterima. Angka probabilitas/2 > 0. Jadi. didapat t(0.646 + 1. maka bisa disimpulkan obat tersebut tidak efektif dalam upaya menurunkan berat badan. Jika probabilitas < 0. maka Ho diterima.025.134/2=0. maka Ho ditolak. 228 .1.646 dengan probabilitas 0. Pada prinsipnya. maka Ho ditolak.05.067. angka probabilitas adalah 0.o Uji dilakukan DUA SISI karena akan diketahui apakah rata-rata SEBELUM sama dengan SESUDAH ataukah tidak. Perlunya Uji dua sisi bisa diketahui pula dari output SPSS yang menyebut adanya two tailed test. Untuk uji dua sisi.833 Oleh karena t hitung terletak pada daerah Ho diterima. Dari tabel t. Atau. karenanya dipakai uji dua sisi.025.067 > 0. pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas.134. Dapat disimpulkan bahwa berat badan sebelum dan sesudah minum obat relatif sama. setiap sisi dibagi 2 hingga menjadi: Keputusan: Terlihat bahwa t hitung adalah 1. Untuk uji dua sisi.025.833 + 1. Gambar: Ho ditolak Ho diterima Ho ditolak . Oleh karena 0. Untuk kepraktisan.833. maka Ho diterima.025.05. Angka probabilitas/2 < 0. Berdasar nilai Probabilitas o o o o Jika probabilitas > 0. b.9) adalah 1. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi. obat penurun berat tersebut tidak efektif dalam menurunkan berat badan secara nyata. bisa lebih besar atau lebih kecil.

2010 (lihat output SPSS). Kemudian pada menu Pivot pilih submenu Transpose Rows and Columns. 11. dibahas menu MEANS dari SPSS.8516 kg.6 TIPS DAN TRIK Pada folder BAGIAN KEDUA Æ TIPS DAN TRIK BAB 11 UJI t. lalu klik ganda pada kotak tersebut hingga muncul menu PIVOT.2010 kg dengan range > 0kg. Akan terlihat isi kolom menjadi isian baris dan isi baris menjadi isian kolom.3090 kg = 1. Namun perubahan layout TIDAK MENGUBAH ISI OUTPUT. 229 . Jika dirasa output SPSS terlalu ‘memanjang’ ke kanan. tampilan output dapat diubah dengan cara: klik mouse sekali pada sembarang tempat di output yang akan diubah layout-nya. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 84. bisa juga dinyatakan bahwa terdapat perbedaan Mean sebesar 1. dari uji t terbukti bahwa perbedaan 1. Menu ini tidak melakukan kegiatan inferensi.Catatan: Dalam kasus ini.2010 kg Perbedaan sebesar 1.2010 kg tersebut mempunyai range antara lower/ batas bawah sebesar – 0.5100 kg – 83. Namun.8516 kg tersebut tidak cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan. -2. hanya membandingkan means dari beberapa variabel.4496 kg (tanda negatif berarti berat sebelum minum obat lebih kecil dari sesudah minum obat) sampai upper/batas atas 2.