Apa yang dimaksud dengan one sample test jelaskan dengan contoh

Selain pada analisis regresi, Uji T juga sering muncul dalam statistik komparasi. Uji T Sampel Tunggal atau Onel Sample T Test adalah uji untuk melihat apakah suatu distribusi data pada sampel tunggal mempunyai perbedaan atau tidak terhadap suatu nilai tertentu. Sebagai ilustrasi, berikut beberapa kasus atau contoh yang dapat dipergunakan untuk mengaplikasikan one sample t test:

Sebuah perusahaana ingin melihat apakah hasil produksi penggaris sesuai dengan standar 30 atau tidak.
Sebuah peneliti ingin melihat apakah kebijakan stock split memicu reaksi investor atau tidak dengan melihat adanya abnormal return
Apakah lampu yang dihasilkan suatu perusahaan mampu menyala 1000 jam atau tidak.

Contoh-contoh kasus di atas dapat diselesaikan dengan one sample t test. Sebagai contoh, berikut adalah data hasil pengukuran produksi penggaris 30 cm oleh Quality Control:

Gambar 1 Tabulasi Data Ukuran Penggaris

Tabel di atas memuat data 50 ukuran penggaris yang diambil secara acak. Untuk melihat apakah distribusi data tersebut berbeda atau tidak dengan 30, kita lihat dulu normalitasnya.

Gambar 2 Menu Uji Normalitas dengan Kolmogorov-Smirnov

Klik Analyze lalu pilih Nonparametric Tests, pilih Legacy Dialogs dan klik pada 1_Sample K-S sehingga akan diarahkan ke menu Uji KS sebagai berikut:

Gambar 3 Menu Uji Normalitas dengan KS

Masukkan Variabel Ukuran, lalu klik OK sehingga akan keluar output sebagai berikut:

Gambar 4 Hasil Uji Normalitas

Tampak bahwa nilai Signifikansi adalah sebesar 0,071 > 0,05 yang menunjukkan bahwa distribusi data normal, sehingga dapat dikenakan statistik parametrik one sample t test. Pilih Analyze, Plih Compare Means lalu klik pad One Sample T Test seperti pada gambar di bawah:

Gambar 5 Menu One Sample T Test

Setelah masuk ke menu One Sample T Test, masukkan varibel ukuran ke box, lalu masukkan angka 30 yaitu angka yang diharapkan yaitu sebesar 30 cm.

Gambar 6 Memasukkan Variabel dan Parameter Test Value

Setelah itu klik OK sehingga akan keluar outputnya yaitu sebagai berikut:

Gambar 7 Output One Sample T Test

Gambar di atas menunjukan bahwa nilai T hitung adalah sebesar 1,248 dengan taraf signifikansi sebesar 0,218 > 0,05 yang menunjukkan bahwa distribusi data pada sampel tidak berbeda dengan nilai 30 cm. Inilah yang diharapkan oleh pelaku uji ini karena jika signifikan berarti hasil produksi tidak dapat dijual karena berbeda dengan ukuran yang diharapkan yaitu sebesar 30 cm. Penelitian atau uji adalah mencari kebenaran, bukan mencari signifikan atau tidak. Pengujian yang memberikan hasil yang tidak signifikan tidak serta merta dikatakan jelek dan harus diulang. Ini sangat tergantung dari tujuan pengujian itu sendiri.

Ilustrasi lain adalah untuk uji Abnormal return di sekitar peristiwa stock split. Ada teori yang menyatakan bahwa kebijakan stock split berarti kinerja perusahaan bagus sehingga minat membeli investor meningkat dan akan terjadi abnormal return di sekitar terjadinya stock split. Ini akan didukung jika terjadi signifikansi return pada sekitar tanggal stock split dengan 0 sebagai parameter value. Akan tetapi, ada juga teori yang menyatakan bahwa Stock split hanyalah agar saham lebih likuid, jadi tidak terkait langsung dengan return. Abnormal akan terjadi di masa mendatang, bukan di sekitar tanggal stock split. Teori ini akan didukung jika tidak terjadi signifikansi di sekitar tanggal stock split dengan parameter value 0.

Page 2

Uji ini digunakan untuk mengetahui perbedaan nilai rata-rata populasi yang digunakan sebagai pembanding dengan rata-rata sebuah sampel. Dari hasi uji ini akan diketahui apakah rata-rata populasi yang digunakan sebagai pembanding berbeda secara signifikan dengan rata-rata sebuah sampel, jika ada perbedaan, rata-rata manakah yang lebih tinggi.

Contoh kasus:

Seorang mahasiswi bernama Ana dalam penelitiannya ingin mengetahui apakah rata-rata nilai matematika pada kelas 6 SD Harapan Mulia berbeda dengan rata-rata nilai matematika pada SD di Yogyakarta. Setelah dilakukan penelitian dengan menggunakan sampel sebanyak 10 responden diketahui rata-rata nilai matematika SD di Yogyakarta adalah 7,47. Sedangkan rata-rata nilai matematika kelas 6 SD Harapan Mulia diketahui adalah 6,48. Data-data yang didapat sebagai berikut:

Tabel. Tabulasi Data (Data Fiktif)

Subjek	Nilai SD	Nilai SD
Di Yogyakarta	Harapan Mulia
1	8.00	7.10
2	8.23	6.32
3	7.56	5.45
4	7.34	5.84
5	8.24	6.28
6	6.85	7.15
7	7.65	8.62
8	6.15	6.28
9	7.21	5.00
10	7.48	6.76

Langkah-langkah uji dengan program SPSS

Ø Masuk program SPSS

Ø Klik variable view pada SPSS data editor

Ø Pada kolom Name ketik x, dan kolom Name pada baris kedua ketik y.

Ø Pada kolom Label, untuk kolom pada baris pertama ketik SD Yogya, untuk kolom pada baris kedua ketik SD Harapan Mulia.

Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default)

Ø Buka data view pada SPSS data editor, maka didapat kolom variabel x dan y.

Ø Ketikkan data sesuai dengan variabelnya

Ø Klik Analyze - Compare Means - One Sample T Test

Ø Klik variabel SD Yogya dan masukkan ke kotak Test Variable, pada Test Value ketik angka 6,48.

Ø Klik OK, maka hasil output yang didapat adalah sebagai berikut:

Tabel. Hasil One Sample T Test

Langkah-langkah pengujian sebagai berikut:

1. Menentukan Hipotesis

Ho : Rata-rata nilai matematika kelas 6 SD Harapan Mulia tidak berbeda dengan rata-rata nilai matematika SD di Yogyakarta

Ha : Rata-rata nilai matematika kelas 6 SD Harapan Mulia berbeda dengan rata-rata nilai matematika SD di Yogyakarta

2. Menentukan tingkat signifikansi

Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%.

Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)

3. Menentukan t hitung

Dari tabel di atas didapat nilai t hitung adalah 4,885

4. Menentukan t tabel

Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-1 atau 10-1 = 9. Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,262 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,9) lalu enter.

5. Kriteria Pengujian

Ho diterima dan Ha ditolak jika -t tabel < t hitung < t tabel

Ho ditolak dan Ha diterima jika -t hitung < -t tabel atau t hitung > t tabel

Berdasar probabilitas:

Ho diterima jika P value > 0,05

Ho ditolak jika P value < 0,05

6. Membandingkan t hitung dengan t tabel dan probabilitas

Nilai t hitung > t tabel (4,885 > 2,262) dan P value (0,001 < 0,05) maka Ho ditolak

7. Kesimpulan

Oleh karena nilai t hitung > t tabel (4,885 > 2,262) dan P value (0,001 < 0,05) maka Ho ditolak, artinya bahwa rata-rata nilai matematika kelas 6 SD Harapan Mulia berbeda dengan rata-rata nilai matematika SD di Yogyakarta. Hasil t hitung positif menunjukkan bahwa rata-rata nilai matematika SD di Yogyakarta lebih tinggi dari SD Harapan Mulia.