1

BAB 5 : PERBANDINGAN DUA MIN MENGGUNAKAN

UJIAN- T
Setelah tamat bab ini, anda akan dapat :
terangkan apakah t- Test dan penggunaannya dalam
ujian hipotesis
menunjukkan menggunakan t- Test untuk MIN BEBAS
(INDEPENDENT MENS)
mengenal pasti andaian untuk menggunakan ujian- t
menunjukkan penggunaan t- Test untuk MIN
BERSANDAR (DEPENDENT MEANS )

Bab ini memperkenalkan anda kepada ujian- t yang

merupakan alat statistik yang digunakan untuk menguji
perbezaan yang signifikan di antara min dua kumpulan.
Ujian-t bebas digunakan apabila min dua kumpulan
apabila sampel diambil dari dua sampel berbeza atau
bebas. Ujian-t bersandar atau berpasangan digunakan
apabila sampel diuji dua kali cara yang dibandingkan.

Ujian-t dibangunkan oleh perangkaan , W.S. Gossett (18781937) yang bekerja di kilang bir di Dublin , Ireland. Nama pena beliau
adalah ' pelajar ' dan dengan itu pelajar ujian-t ' yang telah diterbitkan
dalam jurnal saintifik, Biometrika pada tahun 1908. Ujian-t adalah alat
statistik yang digunakan untuk membuat kesimpulan perbezaan antara
sampel kecil berdasarkan min dan sisihan piawai (standard deviation).
Dalam banyak kajian pendidikan , penyelidik berminat untuk
menguji perbezaan antara cara pada beberapa pembolehubah .
Penyelidik berminat untuk menentukan sama ada perbezaan yang
diperhatikan di antara dua sampel mewakili perbezaan sebenar antara
populasi dari mana sampel telah disediakan . Dalam erti kata lain ,
adakah perbezaan yang diperhatikan hanya berlaku secara kebetulan
apabila, pada hakikatnya , kedua-dua populasi tidak berbeza sama
sekali dalam kajian berubah-ubah.
atau

Apakah T- Test ?
Atau contoh, seorang guru ingin mengetahui sama ada kaedah
Penemuan pengajaran sains kepada kanak-kanak sekolah rendah

adalah lebih berkesan daripada kaedah Kuliah . Beliau telah

menjalankan satu eksperimen di kalangan 70 kanak-kanak sekolah
rendah di mana 35 pelajar diajar menggunakan kaedah Discovery dan
35 kanak-kanak diajar menggunakan kaedah Kuliah . Keputusan kajian
menunjukkan bahawa mata pelajaran dalam kumpulan Discovery
menjaringkan 43.0 markah manakala mata pelajaran dalam kumpulan
Kaedah Kuliah menjaringkan 38.0 markah pada ujian sains. Ya ,
kumpulan Discovery melakukan lebih baik daripada kumpulan
Kuliah . Adakah perbezaan di antara kedua-dua kumpulan mewakili
perbezaan sebenar atau telah ia disebabkan kebetulan? Untuk
menjawab soalan ini, ujian- t sering digunakan oleh penyelidik.

Lebih biasa hipotesis nol boleh dinyatakan seperti berikut :

a) Ho : U1 = U2 yang diterjemahkan ke dalam 43.0 = 38.0
b ) Ho : U1 U2 = 0
yang menghasilkan
43.0 38.0 = 0
Jika anda menolak hipotesis null , ia bermakna bahawa perbezaan
antara kedua-dua min
mempunyai kepentingan statistik
Jika anda tidak menolak hipotesis null , ia bermakna bahawa
perbezaan antara kedua-dua
min TIDAK statistik yang signifikan dan perbezaan itu adalah
disebabkan oleh kebetulan.

Hipotesis Diuji Menggunakan Ujuan T

Bagaimana kita pergi tentang menentukan sama ada perbezaan
dalam kedua-dua cara adalah statistik yang signifikan atau kerana
kebetulan? Anda bermula dengan merangka hipotesis tentang
perbezaan . Hipotesis ini menyatakan bahawa kedua-dua cara adalah
sama atau perbezaan di antara kedua-dua cara adalah sifar dan
dipanggil hipotesis null.
Dengan menggunakan hipotesis nol , anda mula menguji
kepentingan dengan mengatakan :
"Tidak ada perbezaan markah yang diperoleh dalam sains
antara mata pelajaran dalam kumpulan Penemuan dan kumpulan
Syarahan/Kuliah" .

Nota:
Untuk hipotesis nol diterima , perbezaan di antara kedua-dua cara tidak
semestinya sama dengan sifar sejak pensampelan boleh menyumbang
berlepas dari sifar. Oleh itu, anda boleh menerima hipotesis nol
walaupun perbezaan di antara kedua-dua cara bukan sifar disediakan
perbezaan itu mungkin disebabkan oleh kebetulan. Walau
bagaimanapun, jika perbezaan antara kedua-dua cara kelihatan terlalu
besar untuk dibawa secara kebetulan , anda menolak hipotesis null dan
membuat kesimpulan bahawa perbezaan sebenar wujud.

AKTIVITI PEMBELAJARAN
a) Nyatakan DUA hipotesis null di kawasan anda di
mana kepentingan itu boleh diuji

menggunakan ujian- t .
b ) Apakah yang anda maksudkan apabila anda
menolak atau
tidak menolak hipotesis null ?
Menggunakan T- Test untuk MIN BEBAS (TIDAK
BERSANDAR) (INDEPENDENT MEANS )

sampel 35 wanita telah diambil daripada populasi kanak

berusia sepuluh tahun perempuan di Malaysia.

Ujian T- adalah statistik yang kuat yang

membolehkan anda untuk menentukan bahawa
perbezaan yang diperoleh antara dua kumpulan adalah
statistik yang signifikan . Apabila kedua-dua kumpulan
adalah BEBAS antara satu sama lain ; ia bermakna
bahawa sampel yang diambil datang dari dua populasi .
Kata-kata lain yang digunakan untuk membawa maksud
bahawa kedua-dua kumpulan adalah bebas adalah "
kumpulan tidak berpasangan dan " kumpulan
unpooled .

Penduduk sepuluh tahun

LELAKI di Malaysia
PEREMPUAN di Malaysia

a) Apakah yang dimaksudkan dengan Min Bebas

atau Min Berpasangan ?
Misalnya anda menjalankan kajian untuk
menentukan keupayaan penaakulan ruang 70 kanakkanak berumur sepuluh tahun di Malaysia. Sampel
kajian terdiri daripada 35 lelaki dan 35 perempuan.
Lihat rajah 5.1. Sampel 35 lelaki telah diambil daripada
populasi lelaki berusia sepuluh tahun di Malaysia dan

Ambil perhatian bahawa mereka adalah sampel

bebas kerana mereka datang dari dua populasi
yang berbeza.

Sampel = 35 Lelaki

Penduduk sepuluhtahun

Sampel = 35
perempuan

Rajah 5.1 Sampel diambil daripada dua

populasi bebas

Soalan penyelidikan:

" Adakah terdapat perbezaan yang signifikan dalam

penaakulan spatial antara kanak-kanak berusia sepuluh
tahun lelaki dan perempuan ? "

merupakan
ukuran
kebolehubahan
penyebaran skor .

Hipotesis nol atau Ho :

"Tidak ada perbezaan yang signifikan dalam penaakulan
spatial di antara lelaki dan perempuan kanak-kanak
berumur sepuluh tahun"

b ) Formula untuk Ujian T Bersandar

Perhatikan bahawa formula untuk ujian- t yang
ditunjukkan di bawah adalah nisbah. Ia adalah
Kumpulan 1 min (iaitu lelaki) tolak Kumpulan 2 min
(iaitu perempuan) dibahagikan dengan ralat piawai
didarab dengan Kumpulan 1 bermakna tolak Kumpulan
2 min .
Bahagian atas

Pengiraan Ralat Piawai

Menggunakan formula di bawah. Untuk mengira ralat
piawai (SE ), anda mengambil varians (iaitu kuasa dua
sisihan piawai ) bagi Kumpulan 1 dan dibahagikan
dengan jumlah mata pelajaran dalam kumpulan yang
tolak " 1". Lakukan perkara yang sama untuk Kumpulan
2. Daripada menambah kedua-dua nilai dan mengambil
punca kuasa dua .

Ini adalah formula untuk Ralat Standard :

persamaan
perbezaan
antara min dua
Bahagian
bawah persamaan
adalah Ralat
Piawai (SE) yang

Menggabungkan kedua-dua formula dan anda

mendapat versi ini formula ujian-T :

Nilai -T akan menjadi positif jika min bagi Kumpulan I

adalah lebih besar atau lebih daripada (> ) min
Kumpulan 2 dan negatif jika ia adalah lebih kecil atau
kurang daripada (< ) .

b ) Contoh:
Hasil kajian ini adalah seperti berikut :

c ) Apakah yang anda lakukan selepas pengiraan

t- nilai ?

Mari kita cuba menggunakan formula:

Sebaik sahaja anda mengira nilai t- ( iaitu 4,124 )

anda mencari nilai t- dalam Kebarangkalian Ujian tPelajar atau Daftar Nilai Kritikal untuk Pelajar T- Test
yang memberitahu kita sama ada nisbah yang cukup
besar untuk mengatakan bahawa perbezaan di antara
kumpulan adalah penting. Dalam erti kata lain
perbezaan yang diperhatikan tidak mungkin disebabkan
oleh kebetulan atau kesilapan persampelan.

Nota:

Tahap Alpha : Seperti sebarang ujian yang

penting , anda perlu untuk menetapkan tahap
alfa. Dalam penyelidikan pendidikan dan sosial
yang paling , "peraturan ibu jari " adalah untuk
menetapkan tahap alfa di 0,05 . Ini bermakna
bahawa 5 % daripada masa (lima kali daripada
seratus ) anda akan mendapati perbezaan statistik

yang signifikan antara cara walaupun tidak ada

seorang pun (" kebetulan" ) .

Darjah Kebebasan: ujian-t juga memerlukan kita

menentukan darjah kebebasan ( df ) untuk ujian.
Dalam ujian- t, darjah kebebasan adalah jumlah
mata pelajaran atau orang-orang di kedua-dua
kumpulan tolak 2. Memandangkan tahap alfa , df ,
dan t- nilai, anda melihat penggunaan di Jadual
(tersedia sebagai lampiran dalam belakang paling
statistik teks ) untuk menentukan sama ada tnilai cukup besar untuk menjadi penting .

Walau bagaimanapun , anda tidak perlu melalui

proses yang rumit ini, program komputer statistik
seperti SPSS, untuk mendapatkan keputusan ujian
bererti , menjimatkan dari melihat mereka di dalam
Jadual Nilai Kritikal.
Jadual 5. 1 : Isi Nilai kritikal bagi ujian-t
Pelajar

d ) Cari di dalam Jadual Nilai kritikal bagi ujian-t

Pelajar
ditunjukkan di sebelah kanan :
Df ialah 70 tolak 2 = 68. Anda mengambil df yang
terdekat yang merupakan 70 dan membaca ruangan
untuk alfa dua ekor daripada 0,050 . Lihat Jadual 5.1.
T- nilai yang anda perolehi adalah 4,124 . Nilai
kritikal yang ditunjukkan ialah 1,677 . Sejak itu, tnilai adalah lebih besar daripada nilai kritikal 1,677 ,
anda Tolak Ho dan membuat kesimpulan bahawa
perbezaan di antara cara-cara untuk kedua-dua
kumpulan adalah berbeza. Dalam erti kata lain ,
lelaki
menjaringkan
lebih
tinggi
berbanding
perempuan pada ujian penaakulan spatial.

AKTIVITI PEMBELAJARAN

a) Adakah anda menolak Ho jika anda telah

menetapkan alfa pada 0.01 untuk ujian
dua hujung ?
b ) Apabila anda menggunakan ujian satu
hujung dan dua
hujung ujian-t ?

Andaian yang Mesti dipatuhi apabila

menggunakan T-Test
Walaupun ujian-t telah digambarkan sebagai
alat statistik yang mantap, ia adalah berdasarkan model
yang membuat beberapa andaian mengenai data yang
mesti dipenuhi sebelum analisis. Malangnya, pelajar
menjalankan penyelidikan tidak cenderung untuk
melaporkan sama ada data mereka memenuhi andaian
daripada ujian-t. Andaian yang perlu diperhatikan,
kerana ketepatan tafsiran anda data bergantung kepada
sama ada andaian dicabuli. Berikut adalah tiga andaian
utama yang generik untuk semua t-ujian.

Instrumentasi (Skala Pengukuran)

Data yang anda kumpul untuk pembolehubah bersandar
harus berdasarkan alat atau skala yang berterusan atau

ordinal. Sebagai contoh, markah yang anda perolehi

daripada skala Likert 5 mata; 1,2,3,4,5 atau markah
yang diperolehi dalam ujian matematik, markah yang
diperoleh pada ujian IQ atau markah yang diperoleh
pada ujian bakat.
Persampelan Rawak
Sampel subjek perlu disampel secara rawak daripada
populasi faedah.
Normal
Data yang datang daripada taburan yang mempunyai
salah satu daripada orang-orang yang baik keluk
berbentuk loceng dikenali sebagai taburan normal . Sila
rujuk Bab 3: Taburan Normal yang menyediakan keduadua kaedah grafik dan statistik untuk menilai keadaan
normal bagi sampel atau sampel.
Saiz Sampel
Mujurlah , ia telah menunjukkan bahawa jika saiz
sampel adalah agak besar , berlepas agak teruk
daripada keadaan normal seolah-olah tidak memberi
kesan ke kesimpulan yang dicapai . Kemudian lagi apa
yang saiz sampel yang munasabah ? Ia telah berhujah
bahawa selama anda mempunyai orang-orang yang
cukup dalam setiap kumpulan (biasanya lebih besar
atau sama dengan 30 kes) dan kumpulan yang dekat

dengan yang sama dalam saiz, anda boleh yakin

bahawa ujian- t akan, alat yang kuat yang baik untuk
mendapatkan
kesimpulan
yang
betul.
Statistik
mengatakan bahawa ujian- t adalah " teguh " ujian .
Berlepas dari normal adalah yang paling serius apabila
saiz sampel adalah kecil. Sebagai sampel saiz
peningkatan,
taburan
pensampelan
bagi
min
menghampiri taburan normal tanpa mengira bentuk
penduduk asal.
Kehomogenan varians .
Ia sering dicadangkan oleh beberapa penyelidik yang
kehomogenan varians atau kesamaan varians
sebenarnya lebih penting daripada andaian
kenormalan . Dalam erti kata lain , adalah sisihan piawai
daripada dua kumpulan yang cukup dekat dengan itu
sama? Kebanyakan pakej perisian statistik menyediakan
" ujian persamaan varians " bersama-sama dengan
keputusan ujian- t dan menjadi ujian Levene ini yang
paling biasa kehomogenan varians ( lihat Jadual 5.2) .

Jadual 5.2 Ujian Levene tentang persamaan

varians
Mulakan dengan meletakkan ke hadapan hipotesis nol
bahawa:
"Tidak ada perbezaan yang signifikan di antara
perbezaan kedua-dua kumpulan " dan anda
menetapkan tahap signifikan pada 0,05 .

Jika statistik Levene adalah signifikan, iaitu kurang

daripada tahap .05 (p < .05 ) , maka hipotesis nol ialah:

DITOLAK dan satu menerima hipotesis

alternatif dan membuat kesimpulan bahawa
perubahan akan tidak sama rata. [ Perbezaan
yang tidak sama rata dalam output SPSS
digunakan ]

Mewujudkan kepentingan statistik daripada satu

Jika statistik Levene yang tidak penting , iaitu

tahap LEBIH daripada .05 (p> .05 ) , maka
anda TIDAK MENOLAK (atau Terima ) hipotesis
nol dan membuat kesimpulan bahawa varians
adalah sama. [ Perbezaan yang sama dalam
output SPSS digunakan ]

Ujian Levene adalah teguh dalam menghadapi berlepas

dari normal . Ujian Levene adalah berdasarkan sisihan
daripada min kumpulan.

SPSS menyediakan dua pilihan ; iaitu "

kehomogenan varians dianggap " dan "
kehomogenan varians tidak dianggap " ( lihat
Jadual di bawah).
Ujian Levene adalah lebih mantap dalam
menghadapi tidak normal - lebih daripada ujian
tradisional seperti ujian Bartlett ini .
Mari kita meneliti CONTOH :
Dalam Projek polis, satu skala Taakulan induktif
yang terdiri daripada 11 item telah diedarkan
kepada 946 lapan belas tahun. Salah satu
persoalan kajian yang dikemukakan ialah:
" Adakah terdapat perbezaan yang signifikan di
antara dalam penaakulan induktif antara subjek
lelaki dan perempuan "?

cara yang kedua-dua kumpulan ini, ujian- t telah

digunakan. Menggunakan SPSS.

PROSEDUR SPSS untuk kumpulan bebas t- ujian :

1. Pilih menu Analisis .
2. Klik pada Bandingkan Min dan kemudian
IndependentSampel
LANGLAH-LANGKAH
T Test .... untuk membuka
SPSSSampel
untuk Bebas
menjawab
T kotak
dialog Soalan
Ujian . Penyelidikan .
3. Pilih pembolehubah ujian ( s) . [ iaitu Taakulan induktif
] dan
kemudian klik pada butang untuk bergerak ke dalam
pembolehubah yang Pembolehubah Test ( s): kotak
4. Pilih pembolehubah perkumpulan [ iaitu jantina ] dan
klik pada butang untuk bergerak ke dalam
pembolehubah Pembolehubah perkumpulan itu :
kotak
5. Klik pada Tentukan Kumpulan .... arahan punat untuk
membuka Tentukan Kumpulan sub- kotak dialog.
6. Dalam Kumpulan 1 : kotak , taip nilai yang paling
rendah bagi pemboleh ubah [ iaitu 1 untuk ' lelaki ' ],
kemudian tab. Masukkan nilai kedua untuk
pembolehubah [ iaitu 2 untuk ' perempuan '] dalam

10

INDUKTIF
SISIHAN PIAWAI
PIAWAI
JANTINA
2.345

PEREMPUAN
LELAKI

SPSS OUTPUT :
Output # 1 :

N
MIN RALAT

451
495

MIN

7.9512

3.4618

8.9980

Persoalannya : Apakah perbezaan sampel ini dalam

penaakulan induktif cukup besar untuk meyakinkan kita
bahawa ia adalah satu perbezaan yang nyata yang
ketara dalam keupayaan penaakulan
induktif antara penduduk 18 perempuan berusia tahun
dan penduduk lelaki berusia 18 tahun ?

Jadual perangkaan Kumpulan di atas melaporkan

bahawa nilai min di ubah ( penaakulan induktif ) bagi
kedua-dua kumpulan yang berbeza ( lelaki dan

Output # 2 :

perempuan ) . Di sini, kita melihat bahawa 495 orang

Mari kita meneliti output ini dalam dua bahagian:

perempuan dalam sampel menjaringkan 8,99 manakala

451 lelaki mempunyai skor min 7.95 pada penaakulan
induktif . Sisihan piawai bagi lelaki adalah 3.46
manakala bagi perempuan adalah 3.14 . Markah untuk
perempuan kurang tersebar berbanding dengan lelaki.
KUMPULAN STATISTIK

Pertama adalah untuk menentukan bahawa data

memenuhi " kehomogenan varians " andaian anda
boleh menggunakan Ujian Levene dan menetapkan alfa
pada 0.05 . The alpha yang diperolehi adalah 0,054
yang lebih besar (> ) dari 0.05 dan anda tidak Tolak Ho :
dan menyimpulkan bahawa perbezaan adalah sama.
Oleh itu, anda tidak melanggar " kehomogenan varians
" andaian .

3.1427

11

Tafsiran:
nilai tIni "t" nilai memberitahu anda berapa jauh dari 0, dari
segi bilangan kesilapan standard, perbezaan yang
diperhatikan antara dua sampel bermakna terjatuh. The
"t" nilai diperolehi dengan membahagikan perbezaan
dalam Bermakna (- 1,0468) oleh Std. Ralat (-.2147)
yang sama dengan - 4,875
nilai -p

KEDUA adalah untuk mengkaji yang berikut:

Output SPSS bawah memaparkan keputusan ujian-t
untuk menguji sama ada atau tidak perbezaan antara
kedua-dua sampel bermakna ketara berbeza daripada
sifar.

Jika p-nilai seperti yang ditunjukkan di dalam "sig (2

tailed) ruang lebih kecil daripada tahap alfa yang anda
pilih anda tidak menolak hipotesis null dan berhujah
bahawa terdapat perbezaan yang nyata antara
penduduk. Dalam erti kata lain, kita boleh membuat
kesimpulan, bahawa perbezaan yang diperhatikan
antara sampel adalah statistik yang signifikan.

Ingat hipotesis null yang menyatakan bahawa tidak

terdapat perbezaan yang nyata antara cara (Ho: X1 =
X2).

Perbezaan Min

Sebarang perbezaan yang diperhatikan hanya berlaku

secara kebetulan.

Menggunakan Ujian T untuk Min Bersandar

Ini adalah perbezaan di antara MIN (dilabel "Min

Perbezaan"); iaitu 7,9512-8,9980 = - 1,0468.

Cara Tanggungan t-ujian atau berpasangan t-ujian atau

langkah-langkah yang berulang ujian-t digunakan
apabila anda mempunyai data daripada hanya satu

12

kumpulan subjek. iaitu setiap subjek mendapat dua

markah di bawah keadaan yang berbeza. Sebagai
contoh, apabila anda memberikan pra-ujian dan selepas
rawatan atau campur tangan tertentu anda memberikan
subjek yang sama bedah ujian. Dalam bentuk ini reka
bentuk, subjek yang sama mendapatkan skor pada ujian
pra dan, selepas beberapa campur tangan atau
manipulasi mendapatkan skor pada pos ini. Objektif
anda adalah untuk menentukan sama ada perbezaan
antara cara untuk dua set skor adalah sama atau
berbeza.
Anda ingin mencari jawapan kepada yang berikut:

Rawatan: Pelajar diajar dengan menggunakan teknik

Visualisasi

Nota: ujian pra dan pos hendaklah serupa atau

yang setaraf

Soalan Kajian:
Adakah terdapat perbezaan yang signifikan dalam
skor ujian pra dan pos dalam matematik bagi mata
pelajaran yang diajar dengan menggunakan teknik
visualisasi?
Hipotesis Null:
Tidak ada perbezaan yang signifikan di antara ujian
pra dan skor pasca dalam matematik bagi mata
pelajaran yang diajar dengan menggunakan teknik
visualisasi.

FORMULA BAGI UJIAN T BERSANDAR

Bahagian atas persamaan

adalah jumlah perbezaan di
antara kedua-dua cara
dibahagikan dengan ' n' atau
beberapa mata pelajaran

13

Mari kita lihat satu contoh di mana formula yang

digunakan :
Bahagian
bawahsama
persamaan
Seorang penyelidik ingin
menentukan
ada
ialah
sisihan
piawai
(sd
)
yang
pengajaran 12 tahun teknik ingatan kanak-kanak
merupakan
bertambah baik prestasi
mereka ukuran
dalam bidang sains .
kebolehubahan
penyebaran
skor
Dipilih secara rawak berusia 12 tahun
telah dilatih
kuasa
dalam teknik memoridibahagikan
selama duadengan
minggupunca
dan hasil
dua dalam
'n ' atau
jumlah
mata :
kajian yang ditunjukkan
jadual
di bawah

Sisihan Piawai= 0.443

d = 38
d = 162

perbezaan sebagai perbezaan berpasangan kerana ia

adalah perbezaan sepasang pemerhatian. Sebagai
contoh , pelajar # 1 mendapat 12 pada ujian pra dan 18
pada pos , memberikan perbezaan berpasangan d = 1812 = 6 markah, peningkatan 6 markah sebagai hasil
daripada latihan teknik ingatan.
Jika hipotesis nol benar , perbezaan berpasangan
antara ujian pra dan ujian pos bagi 10 pelajar sampel
perlu purata kira-kira 0 ( sifar) .

14

Jika perbezaan berpasangan adalah lebih besar

daripada sifar, hipotesis nol adalah palsu.

Langkah 3 :
Menggunakan ujian- t untuk Formula Min Bersandar :

LANGKAH-LANGKAH DALAM PENGIRAAN YANG

NILAI -T
Langkah 1 :
Anda bermula dengan mengira d
Petikan daripada Jadual Nilai kritikal bagi ujian-t Pelajar

Langkah 2 :
Seterusnya kira nila sd

15

Langkah 4:
Setelah mengira-nilai t (iaitu 8,589) anda
mencari t-nilai dalam
Daftar Nilai kritikal bagi ujian-t Pelajar atau Daftar
Kepentingan yang memberitahu kita sama ada nisbah
yang cukup besar untuk mengatakan bahawa
perbezaan antara kumpulan adalah penting. Dalam erti
kata lain perbezaan yang diperhatikan tidak mungkin
disebabkan oleh kebetulan atau kesilapan persampelan.
Tahap Alpha:
Penyelidik menetapkan tahap alfa pada 0.05. Ini
bermakna bahawa 5% daripada masa (lima daripada
seratus) anda akan mendapati perbezaan statistik yang
signifikan antara cara walaupun tidak ada seorang pun
("kebetulan").
Darjah Kebebasan:
T-ujian juga memerlukan kita menentukan darjah
kebebasan (df) untuk ujian. Dalam ujian-t, darjah
kebebasan adalah jumlah mata pelajaran atau orang
yang merupakan 10 tolak 1 = 9. Memandangkan tahap
alfa, df, dan t-nilai, anda melihat penggunaan di Jadual
(tersedia sebagai lampiran di belakang kebanyakan
statistik teks) untuk menentukan sama ada t-nilai cukup
besar untuk menjadi penting.

Langkah 5:
T-nilai yang diperolehi ialah 8,589 yang lebih besar
daripada nilai kritikal ditunjukkan iaitu 1,833 (satu ekor).
Oleh itu, hipotesis nol [Ho:] adalah Ditolak dan Ha:
Diterima yang menyatakan Min 1 > daripada Min 2. Ia
boleh membuat kesimpulan bahawa perbezaan di
antara cara-cara yang berbeza . Dalam erti kata lain ,
terdapat bukti kukuh bahawa satu "keuntungan " telah
berlaku pada pasca sains hasil daripada latihan pelajar
kepada teknik ingatan.
Sekali lagi, anda tidak perlu melalui proses yang
rumit ini, program komputer statistik seperti
SPSS, untuk mendapatkan keputusan ujian
bererti , menjimatkan dari melihat mereka di
dalam jadual.
Nota: Menyalahgunakan Formula
Ralat biasa yang dibuat oleh beberapa pelajar
penyelidikan adalah salah guna formula. Penyelidik
yang mempunyai Sampel Tanggungan gagal untuk
mengiktiraf hakikat ini, dan tidak sesuai menggunakan
ujian-t untuk Kumpulan Bebas untuk menguji hipotesis
bahawa X = X = 0. Jika tidak sesuai Kumpulan Bebas tujian dilakukan dengan Kumpulan Tanggungan ralat
piawai akan sangat remeh dan perbezaan yang ketara
antara kedua-dua cara yang dianggap "tidak penting"
(Jenis 1 Ralat).

16

Kesilapan bertentangan, tersilap perbezaan tidak

ketara untuk orang penting (Jenis 2 Ralat), boleh dibuat
jika Kumpulan Bebas ujian-t digunakan untuk Kumpulan
Tanggungan ujian-t. Oleh itu, apabila menggunakan
ujian-t, anda perlu mengenali dan membezakan sampel
Bebas dan Tanggungan.

Menggunakan SPSS: T-Test untuk Bermakna

Tanggungan
CONTOH:
Dalam satu kajian, penyelidik berminat untuk
menentukan sama ada teknik pengajaran nota
pengambilan meningkat pencapaian dalam sejarah.
Sampel kajian terdiri daripada 22 pelajar yang terpilih
untuk kajian dan mengajar teknik nota pengambilan
selama 4 minggu. Persoalan kajian meletakkan hadapan
ialah:

Mewujudkan kepentingan statistik daripada satu cara

yang diperolehi pada ujian pra dan pos, bersandarsampel atau berpasangan ujian-t telah digunakan.
Data dikumpulkan dari kumpulan yang sama pada
kedua-dua mata pelajaran syarat dan setiap mata
pelajaran mendapat skor pada ujian pra dan selepas
rawatan (atau campur tangan atau manipulasi ), skor
pada pos ini.
Ho: U1 = U2

atau

Ha: U1 = U2

PROSEDUR SPSS untuk kumpulan ujian- t bersandar:

1. Pilih menu Analisis .
2. Klik pada Bermakna Bandingkan dan kemudian berpasang T Sampel Ujian
.... untuk membuka berpasang - Contoh kotak dialog T Test.

"Adakah terdapat perbezaan yang signifikan

dalam prestasi dalam sejarah sebelum dan
selepas rawatan?" iaitu Anda ingin menentukan sama
ada perbezaan di antara cara-cara untuk dua set skor
adalah sama atau berbeza.

3. Pilih pembolehubah ujian ( s) . [ iaitu Sejarah Ujian ] dan

kemudian tekan butang untuk bergerak ke dalam
pembolehubah
Pembolehubah yang berpasang : kotak

17

Anda akan melihat bahawa sintaks untuk Kumpulan

Bebas ujian-t adalah berbeza daripada kumpulan
Tanggungan ujian-t . Dalam kes Kumpulan Bebas t- ujian
anda mempunyai pembolehubah kumpulan supaya
anda boleh membezakan antara Kumpulan 1 dan
Kumpulan 2 sedangkan ini tidak didapati dengan
kumpulan ujian - t Bersandar.

Jadual di ' sampel statistik berpasangan ' di atas

melaporkan bahawa nilai min di ubah (ujian sejarah )
bagi ujian pra dan pos . The pos bermakna lebih tinggi
( 63,98 ) daripada min pos ( 43,15 ) menunjukkan
prestasi yang lebih baik dalam ujian sejarah selepas
rawatan. Sisihan piawai bagi ujian pra 2.05 dan sangat
dekat dengan sisihan piawai untuk pos iaitu 2.08 .
Persoalannya : Apakah perbezaan min ini cukup besar
untuk meyakinkan kita bahawa ia adalah satu
perbezaan yang signifikan dalam prestasi sebenar
dalam sejarah akibat daripada nota pengajaran
mengambil teknik ) ?

Berikut adalah OUTPUT SPSS :

Contoh Statistik berpasangan
UJIAN SEJARAH
BERPASANGAN Pretest
Posttest

N
40
40

Perbezaan berpasangan

Min

Sisihan Piawai

43.15
63.98

12.97
13.16

Min
Ralat
Piawai
2.05
2.08

18

Nilai -t
Ini " t " nilai memberitahu anda berapa jauh dari 0, dari
segi bilangan kesilapan standard , perbezaan yang
diperhatikan antara dua sampel bermakna terjatuh. The
" t " nilai diperolehi dengan membahagikan perbezaan
Min (- 20,83 ) oleh Std . Ralat ( 2.47 ) yang sama
dengan - 8.43 .

Nilai -p
P - nilai yang ditunjukkan di dalam " sig ( 2 tailed )
ruang lebih kecil daripada tahap alfa dipilih anda ( 0.05 )
dan supaya anda Tolak hipotesis nol dan berhujah
bahawa terdapat perbezaan yang nyata di antara ujian
pra dan pos .
Dalam erti kata lain, kita boleh membuat kesimpulan ,
bahawa perbezaan
yang diperhatikan antara kedua-dua
AKTIVITI
PEMBELAJARAN
cara adalah statistik yang signifikan .
t-Perbezaan
Test untuk Min
MinBersandar atau Kumpulan
Ini adalah perbezaan di antara cara-cara 43,15-63,98 =
ujian
-T mana pelajar melakukan jauh lebih baik pada
- 20,83
pos ini.
KAJIAN KES 1 :
Dalam satu kajian, penyelidik berminat untuk
mengetahui sama ada sikap terhadap sains akan
dapat ditingkatkan apabila pelajar diajar sains
menggunakan Kaedah Inkuiri . Sampel kajian terdiri
daripada 22 orang pelajar telah diberikan satu sikap
terhadap skala sains sebelum percubaan. Rawatan ini
telah dijalankan selama satu semester dan selepas
itu skala sikap yang sama telah diberikan kepada

JAWAB SOALAN BERIKUT :

1. Negeri hipotesis null untuk kajian di atas.
2. Nyatakan satu hipotesis alternatif untuk kajian di
atas.
3. Terangkan secara ringkas jadual ' berpasang Contoh
Statistik ' yang berkaitan dengan

19

cara dan kepelbagaian skor.

4. Apakah kesimpulan hipotesis nol yang dinyatakan
dalam ( 1).
5. Apakah kesimpulan hipotesis alternatif yang
dinyatakan dalam ( 2).

AKTIVITI PEMBELAJARAN
t- Test untuk Bermakna Bebas atau Kumpulan
T- ujian
KAJIAN KES 2 :
Seorang penyelidik berminat untuk mengetahui tentang
kemahiran berfikir kreatif pelajar sekolah menengah.
Beliau mentadbir pemikiran kreatif 10 item untuk
sampel 4400 pelajar enam belas tahun yang diambil
dari seluruh Malaysia

JAWAB SOALAN BERIKUT :

1. Negeri hipotesis null untuk kajian di atas.
2. Nyatakan satu hipotesis alternatif untuk kajian di
atas.
3. Terangkan secara ringkas ' Statistik Kumpulan jadual
berkaitan
cara dan kepelbagaian skor.
4. Adakah terdapat bukti untuk kehomogenan varians ?
Terangkan .
5. Apa yang akan anda lakukan jika aras keertian adalah
0,053 ?

20

6. Apakah kesimpulan hipotesis nol yang dinyatakan

dalam ( 1).

bebas adalah " berpasangan " kumpulan dan " unpooled

" kumpulan ..

7. Apakah kesimpulan hipotesis alternatif yang

dinyatakan dalam ( 2).

Dalam penyelidikan pendidikan dan sosial yang

paling , "peraturan ibu jari " adalah untuk menetapkan
tahap alfa pada 0,05 . Ini bermakna bahawa 5 %
daripada masa (lima kali daripada seratus ) anda akan
mendapati perbezaan statistik yang signifikan antara
cara walaupun tidak ada seorang pun (" kebetulan" ) .Ini
" t " nilai memberitahu anda berapa jauh dari 0, dari
segi bilangan kesilapan standard , perbezaan yang
diperhatikan antara dua sampel bermakna terjatuh.

RINGKASAN
T- ujian dibangunkan oleh perangkaan , W.S. Gossett
(1878-1937) yang bekerja di kilang bir di Dublin ,
Ireland.
Penyelidik berminat untuk menentukan sama ada
perbezaan yang diperhatikan di antara dua sampel
mewakili perbezaan sebenar antara populasi dari mana
sampel telah disediakan .
t - ujian adalah statistik yang kuat yang membolehkan
anda untuk menentukan bahawa perbezaan yang
diperoleh antara dua kumpulan adalah statistik yang
signifikan .
Apabila dua kumpulan adalah BEBAS antara satu sama
lain ; ia bermakna bahawa sampel yang diambil datang
dari dua populasi . Kata-kata lain yang digunakan untuk
membawa maksud bahawa kedua-dua kumpulan adalah

Cara Tanggungan t- ujian atau berpasangan t- ujian

atau langkah-langkah yang berulang kali ujian-t
digunakan apabila anda mempunyai data daripada
hanya satu kumpulan subjek. iaitu setiap subjek
mendapat dua markah di bawah keadaan yang berbeza.

21

Kata kunci:

Ujian-t
kumpulan Bebas
kumpulan Tanggungan
kumpulan berpasangan

t- nilai
ujian Levene ini
Nilai Kritikal
tahap Alpha
darjah kebebasan
Satu ekor
Dua ekor
hipotesis Null
Hipotesis Alternatif