3.

SKOR T
Ujian-t merupakan ujian statistik inferensi yang digunakan untuk
membandingkandua atau lebih daripada dua kumpulan data selang atau nisbah.
Syarat-syarat Ujian-t termasuk :
1.Skala pengukuran selang atau nisbah skala data selanjar yang merupakan skorskor dan nilai-nilai, yang jarak antara satu sama lain, sama jauh.
2.Persampelan rawak subjek-subjek dalam sampel harus dipilih daripada populasi
nya secara rawak.
3.Normaliti data dalam populasi perlulah bertaburan normal.
Ujian-t digunakan untuk menentukan sama ada satu set atau set-set
skor adalah berasal dari populasi yang sama.
Terdapat empat jenis ujian-t, iaitu :
A Ujian-t Untuk Sampel-sampel Bebas (Independent-Samples T Test)
B Ujian-t Untuk Pengukuran Berulangan (Paired-Samples T Test)
C Ujian-t Untuk Sampel-sampel Padanan (Matched-Samples T Test)
D Ujian-t Untuk Satu Sampel (One-Sample T Test)
Ujian-t digunakan dalam kes-kes di mana :
1.Saiz sampel mengandungi 10 subjek dan ke atas.
2.Variabel bersandar diukur dalam skala selang atau nisbah.
3.Taburan populasi dari mana sampel dipilih secara rawak.
4.Kajian-kajian dilakukan untuk menentukan sama ada terdapat
perbezaan yangsignifikan secara statistik di antara dua kumpulan data.
A Ujian-t Untuk Sampel-sampel Bebas
Bagi contoh kajian di atas, skor-skor idea asli yang praktikal bagi kumpulan pelajar
berpengkhususan seni halus dan kumpulan pelajar seni grafik disenaraikan
dalamJadual 7.1 di bawah. Oleh kerana kedua-dua kumpulan pelajar tersebut adalah
berasingan, sampel-sampel tersebut dinamakan sebagai sampel bebas.Jadual 7.1 :
Skor-skor idea asli yang praktikal bagi kumpulan pelajar Seni
Tampak Skor PengkhususanSeni GrafikSeni Halus1.92872.87693.88764.78745.9787
6.88907.81728.97569.926710.867111.838012.907513.718214.767215.796316.837
415

a.Pengiraan Ujian-t satu simple

Pengiraan Ujian t satu simple boleh dilakukan dengan menggunakan dua
contohkajian di bawah.
Contoh 1
Seorang fasilitator kursus ingin mengetahui samada peserta kursus motivasi
(N=75)yang datang dari Sekolah Menengah Taman Universiti Indah mewakili tahap
umur semua pelajar sekolah tersebut. Diberitahu bahawa umur purata bagi para
pelajar sekolah tersebut ialah 14.50 tahun.Umur bagi peserta-peserta kursus
motivasi ditunjukkan dalam jadual 7.6 di bawah
T-Test (Kuliah GB6323 Minggu ke-7)
Posted on 31/10/2011
T-tests are used when you have two groups (e.g. males and females) or two sets of
data (before and after), and you wish to compare the mean score on some
continuous variable. There are two main types of t-tests. Paired sample t-tests (also
called repeated measures) are used when you are interested in changes in scores
for participants tested at Time 1, and then again at Time 2 (often after some
intervention or event). The samples are related because they are the same people
tested each time. Independent sample t-tests are used when you have two different
(independent) groups of people (males and females), and you are interested in
comparing their scores. In this case, you collect information on only one occasion
but from two different sets of people. (Pallant 2011)

<><><><><><><><><><><>

Jenis-jenis Data

1. Nominal

Aras paling rendah

Bertujuan untuk pengkelasan, pengenalan
Jantina, nombor KP, jenis sekolah, kod buku
3. Sela

Nombor menunjukkan kuantiti

Jarak sekata antara nombor.
Suhu, markah ujian, IQ
Nilai sifar arbitrari
2. Ordinal

Pengkelasan mengikut pemeringkatan

Nombor menunjukkan kuantiti; jarak tidak sekata
Kedudukan dalam kelas, penarafan, kemahiran bertutur, ranking
4. Nisbah

Nombor menunjukkan kuantiti

Jarak sekata antara nombor.
Berat, tinggi, pendapatan
Nilai sifar menunjukkan tiada
<><><><><><><><><><><>

UJIAN-T

analisis inferensi
Menguji/melaporkan perbezaan min
Ujian-t terbahagi kepada 2 iaitu: i) Ujian-t sampel tak bersandar, dan ii) Ujian-t
sampel bersandar
Contoh 1: Perbandingan skor min Pencapaian (IV) pelajar lelaki dan perempuan
(Catatan: sampel tak bersandar kerana lelaki dan perempuan adalah berbeza).
Contoh 2: Perbandingan skor min pencapaian pelajar sebelum rawatan/intervensi
(pre-test) dan selepas rawatan/intervensi (post-test) (Catatan: contoh ini adalah
sampel bersandar kerana individu yang sama diuji/member skor secara pre-post
test).
Bagi ujian-t sampel tak bersandar, Ujian-F(Levene Test) dijalankan bagi menguji
kehomogenan varians
F = S2 Besar/ S2 Kesil ; jika didapati nilai F (Ujian Levene Test) tidak signifikan
(p>0.05), maka Hipotesis Nul diterima, data tersebut dikatakan homogen. Dan,
varians adalah Homogen. Ujian-t bagi varians yang disatukan (pooled).Bagi Varians
Heterogenus, ujian-t varians berasingan digunakan(Separate). (Catatan: Dalam
Kaedah Penyelidikan 2, perkara ini telah disentuh dgn pjg lebar. Sila rujuk nota2
berkaitan untuk mengimbas kembali pengetahuan lepas.)

independent-samples t-test, used when you want to compare the mean scores of
two different groups of people or conditions

paired-samples t-test, used when you want to compare the mean scores for the
same group of people on two different occasions, or when you have matched
pairs

~Pallant 2011~

Dalam satu lengkungan normal, terdapat 3 s.d (standard deviation).

Merujuk kepada ujian-t, pengiraan min adalah mengambil kira varians dan saiz
sampel.
Semakin besar nilai t, peluang menolak hipotesis semakin besar.
Terdapat 3 faktor mempengaruhi nilai-t (untuk menyatakan perbezaan/Menolak Ho):
Perbezaan min yang besar
Saiz sampel (n); sampel yang besar, maka nilai t adalah besar (peluang menolak
hipotesis turut besar). n yang besar juga turut memungkinkan penyelidik melakukan
type 1 error (menolak hipotesis yang benar).
Varians; varians yang besar, t akan menjadi kecil (kemungkinan menolak hipotesis
adalah sangat rendah). Dan, bagi varians yang kecil pula, t akan menjadi besar
(kemungkinan menolak Ho adalah tinggi).
Type I error (Ralat Jenis I): Berlaku apabila seorang penyelidik menyatakan bahawa
hubungan/perbezaan wujud, meskipun ia tidak wujud; Ia bermaksud tidak betul
menolak sesuatu hipotesis nul meskipun hipotesis tersebut betul.
Type II error (Ralat jenis II): Berlaku apabila seorang penyeldik menyatakan bahawa
hubungan/perbezaan tidak wujud, meskipun sebenarnya ia wujud!; Ia bermaksud
menerima hipotesis nul meskipun hipotesis tersebut salah .
Andaian ujian-t;

Data (IV) mestilah continuous bersifat interval

Taburan data adalah normal
Cerapan yang dilakukan adalah bebas
Kehomogenan varians
CONTOH: Adakah terdapat perbezaan yang signifikan kualiti peribadi pengetua
kanan mengikut jantina?

untuk mengukur kualiti peribadi tersebut, pastikan data bagi soalan kajian tersebut
telah d compute [ (b01+b02+bn)/n ].
Dalam aplikasi SPSS tersebut, klik/ikut langkah berikut:
Analyze>Compare Means>Independent-Samples T Test

Pilih minkualitiperibadi utk dimasukan ke dalam Test Variable(s); dan Jantina

Pengetua diletakkan dalam Grouping Variable.

Pada output SPSS, perhatikan jadual seperti di bawah,

<><><><><><><><><><><>

Catatan:

Std.Error Mean yg besar = ralat besar

Perhatikan keputusan Levenes Test
= 0.05 lazim digunakan dalam kajian sains sosial. Ini bermakna RISIKO untuk silap
melakukan Type 1 Error (menolak Ho yang benar) adalah 5%.
<><><><><><><><><><><>

Jadual di atas (Levenes test) menunjukkan, p=0.66; >0.05, maka Ho diterima (tidak
signifikan). Ini membuktikan bahawa data adalah homogenus.

Oleh yang demikian, baca nilai t bagi Equal variances assumed (pooled).

[CARA mudah utk baca nilai t yang mana satu!nilai Levenes Test p>0.05(p besar),
baca nilai ATAS. Nilai p<0.05 (p kecil), baca BAWAH]

If your Sig. value for Levenes test is larger than .05 (e.g. .07, .10) you should use
the first line in the table, which refers to Equal variances assumed. If the
significance level of Levenes test is p=.05 or less (e.g. .01, .001), this means that
the variances for the two groups (males/females) are not the same. Therefore your
data violate the assumption of equal variance. Dont panicSPSS is very kind and
provides you with an alternative t-value which compensates for the fact that your

variances are not the same. You should use the information in the second line of the
t-test table, which refers to Equal variances not assumed (Pallant 2011).

F=ujian varians 2 kumpulan

T=perbandingan mean 2 kumpulan
***Keputusan ujian-t di atas menunjukkan tidak terdapat perbezaan yang signifikan
kualiti peribadi antara pengetua lelaki dan perempuan.

Daripada output spss, terjemahkan dalam bentuk jadual untuk dilaporkan dalam
laporan kajian. Contohnya seperti berikut:

Persoalan Kajian: Adakah terdapat perbezaan tahap kualiti peribadi pengetua

cemerlang antara pengetua lelaki dan perempuan?

Ho: Tidak terdapat perbezaan yang signifikan tahap kualiti peribadi pengetua
cemerlang antara pengetua lelaki dan perempuan.

Jadual 1. Tahap kualiti peribadi pengetua cemerlang mengikut jantina

Jantina
Lelaki

Bil.

Min

Sisihan Piawai

Nilai-t Tahap Signifikan

549 4.264 0.581 0.801 0.423

Perempuan 662

4.290 0.554

Laporan 1: Berdasarkan Jadual 1 didapati nilai-t bagi perbandingan tahap kualiti

peribadi pengetua cemerlang bagi pengetua lelaki dan pengetua perempuan ialah
t=0.801 dan tahap signifikan p=0.423. Tahap signifikan ini lebih besar daripada
0.05(p>0.05). Oleh itu, hipotesis nul (Ho1) diterima. Jadi, tidak terdapat perbezaan
yang signifikan kualiti peribadi pengetua cemerlang antara pengetua lelaki dan
pengetua perempuan.

Skor min tahap kualiti peribadi pengetua cemerlang lelaki (min=4.264) adalah lebih
kecil daripada pengetua perempuan (min=4.290). Ini bermakna tahap kualiti
peribadi pengetua cemerlang lelaki dan perempuan adalah sama.

Laporan 2: Berdasarkan Jadual 1 didapati tidak terdapat perbezaan yang signifikan

tahap kualiti peribadi pengetua cemerlang (t=0.801; p>0.05). Tahap kualiti peribadi
pengetua lelaki (min=4.264) adalah sama dengan tahap kualiti peribadi pengetua
perempuan (min=4.290).

<><><><><><><><><>
Menurut Dr.Jamil, cara pelaporan yang pertama adalah mengulang semula apa yang
ada pada jadual dan hanya untuk menebalkan tesis. Manakala, Laporan 2 adalah
padat dan ringkas. Cara yang kedua adalah dicadangkan untuk penulisan laporan
kajian. Yang pasti, kedua-dua contoh laporan di atas boleh diaplikasikan dalam
penulisan laporan kajian.

<><><><><><><><><>

Contoh pelaporan dalam Pallant (2011):

An independent-samples t-test was conducted to compare the self-esteem scores

for males and females. There was no significant difference in scores for males (M =
34.02, SD = 4.91) and females (M = 33.17, SD = 5.71; t (434) = 1.62, p = .11, twotailed). The magnitude of the differences in the means (mean difference = .85, 95%
CI: 1.80 to 1.87) was very small (eta squared = .006).

One Sample t-Test (Jump to: Lecture | Video )

Let's perform a one sample t-test: In the population, the average IQ is 100. A team
of scientists wants to test a new medication to see if it has either a positive or
negative effect on intelligence, or no effect at all. A sample of 30 participants who
have taken the medication has a mean of 140 with a standard deviation of 20. Did
the medication affect intelligence? Use alpha = 0.05.
Steps for One-Sample t-Test
1. Define Null and Alternative Hypotheses
2. State Alpha
3. Calculate Degrees of Freedom
4. State Decision Rule
5. Calculate Test Statistic
6. State Results
7. State Conclusion
Let's begin.
1. Define Null and Alternative Hypotheses

Figure 1.
2. State Alpha
Alpha = 0.05
3. Calculate Degrees of Freedom
df = n - 1 = 30 - 1 = 29
4. State Decision Rule
Using an alpha of 0.05 with a two-tailed test with 29 degrees of freedom, we would
expect our distribution to look something like this:

Figure 2.
Use the t-table to look up a two-tailed test with 29 degrees of freedom and an alpha
of 0.05. We find a critical value of 2.0452. Thus, our decision rule for this two-tailed
test is:
If t is less than -2.0452, or greater than 2.0452, reject the null hypothesis.

5. Calculate Test Statistic

Figure 3.
6. State Results
t = 10.96
Result: Reject the null hypothesis.
7. State Conclusion
Medication significantly affected intelligence, t = 10.96, p < 0.05.