Christian Freddy Naa, M.Si., M.Sc.

Video ini membahas tentang uji hipotesis paired t-test, yang digunakan untuk membandingkan rata-rata dua sampel yang dipasangkan, seperti sebelum dan sesudah treatment pada objek yang sama. Dalam social science, contohnya adalah mengukur performa sekelompok orang sebelum dan setelah diberikan treatment. Proses penghitungan melibatkan selisih data, pencarian rata-rata dan standar deviasi, serta penentuan nilai t. Tujuan utamanya adalah membuktikan signifikansi perbedaan antara sampel sebelum dan sesudah treatment dengan membandingkan nilai p dan alpha. Metode ini sering digunakan untuk mengevaluasi efektivitas suatu treatment dalam disiplin ilmu sosial dan fisik.

Oke, nah kita akan belajar salah satu dari uji T tapi menggunakan dua buah sampel dan ini paling banyak dilakukan di social science ya, itu yang dinamakan paired t-test.

Jadi t-test untuk dua sampel ini terdapat dua jenis, pertama adalah paired yang memang berpasangan nanti akan saya jelaskan, lalu ada yang two sample.

Saya jelaskan yang paired t-test dulu dan itu yang nanti akan coba kita latih menggunakan spreadsheet ya.

Jadi paired t-test itu adalah uji hipotesis untuk membandingkan rata-rata dua sampel ketika pengamatan pada salah satu sampel dapat dipasangkan dengan sampel lainnya.

Artinya data yang pertama itu dipasangkan dengan yang kedua dan biasanya itu adalah before and after ya.

Jadi misalkan di social science itu biasanya ada satu grup yang diukur dulu performanya atau apapun yang mau diukur, kemudian diberikan treatment,

kemudian orang yang sama atau objek yang sama itu dinilai data sampelnya, nah itu dalam kaitan dengan paired t-test.

Jadi sekali lagi ini harus berpasangan dan menggunakan objek atau menggunakan orang yang sama.

Misalkan nanti kita akan lihat contohnya ada nilai mahasiswa kemudian mahasiswa yang sama diberikan treatment, entah itu lewat belajar online ataupun apapun.

Kemudian dilihat lagi performanya, pertanyaannya adalah apakah treatment tersebut berpengaruh terhadap performa mereka.

Jadi kata kuncinya adalah objek atau manusianya atau orangnya itu adalah yang sama dan biasanya ketika diberikan treatment yang berbeda.

Jadi apa yang harus kita lakukan oleh karena itu berdasarkan definisi ini kita jadi punya dua sampel walaupun objeknya sama before dan after.

Nah yang harus kita hitung adalah nilai t dari paired t-testnya walaupun kalau dilihat-lihat masih mirip.

Jadi yang pertama itu adalah x bar divnya jadi kita selisihkan before after atau after kurang before itu tergantung dari one tailed atau two tailed test.

Biasanya two tailed test dibagi dengan standar deviasinya.

Jadi pertama kita selisihkan dulu, kemudian kita cari rata-ratanya dari selisih ini, kemudian kita cari standar deviasi dari selisihnya.

Nah ini H0-nya itu adalah mu1 tidak sama dengan mu2.

Jadi H0-nya adalah tidak sama karena itu defaultnya kan.

Jadi kalau misalkan saya punya nilai mahasiswa diberikan treatment ya defaultnya tidak memberikan perbedaan.

Artinya begitu diberikan treatment maka ada perbedaan ketika setelah treatment.

Jadi null hypothesisnya selalu oke kalau saya punya satu objek atau orang-orang diberikan treatment tidak ada perbedaan.

Dan riset harus membuktikan kalau memang satu treatment itu adalah treatment yang memang ampuh atau baik.

Pertanyaannya nanti adalah seberapa signifikan perbedaannya.

Nah tentu saja itu ditentukan oleh nilai alpha dan nilai p dari nilai t ini.

Jadi cara menghitungnya adalah karena nanti datanya cukup banyak di bawah 30 ada sekitar 20 data maka kita nanti akan kerjakan dengan menggunakan spreadsheet.

Tapi prinsipnya adalah sample before, sample after dan mereka berpasangan artinya orang yang sama.

Dia diukur sebelum treatment, diukur setelah treatment, dicari perbedaannya, diukur dihitung rata-ratanya dari perbedaan tersebut.

Kemudian dihitung standar deviasi dari perbedaan tersebut kemudian kita masukkan ke relasi ini.

Nah tentu saja nilai n-nya pasti sama karena orangnya sama.

Kemudian nanti kita akan lihat dengan menggunakan nilai p dari nilai t yang bersangkutan.

Yang by the way agak sulit untuk dicari di tabel maka kita harus menggunakan kalkulator.

Kemudian h-0 dan h-a nya punya kriteria yang demikian.

Tidak ada perbedaan maka alternatifnya adalah ada perbedaan.

Karena kita ingin mencabar bahwa treatment itu memang misalnya memberikan perbedaan.

Jadi itu yang terkadang atau seringkali dilakukan oleh teman-teman di social science ketika ada satu grup diukur dulu sebelum kemudian diberikan sesuatu.

Kalau dalam segi fisik misalkan obat atau kemakanan dan sebagainya.

Kemudian kita ingin melihat apakah perbedaannya signifikan.

Pasti berbeda tapi pertanyaannya signifikan atau tidak.

Tentu saja dari relasi antara nilai p dan nilai alfa.

Selanjutnya kita akan melihat bagaimana PRT tes ini kita lihat dalam kasus yang nyata.