Uji T dan F dalam Kimia Analisis Industri Farmasi

Uji T(Student’s t-Test)

Uji t dapat digunakan untuk membandingkan:

• Rata-rata kumpulan data dengan suatu nilai tunggal (one-sample test)
• Rata-rata dari dua kumpulan data independen
• Efek dua perlakuan yang diterapkan pada salah satu objek test yang berbeda(disebut juga uji t pasangan)

1. Rata-rata kumpulan data dengan suatu nilai tunggal (one-sample test)

Tes ini digunakan untuk menentukan apakah rata-rata sampel dari kumpulan data berbeda signifikan dari nilai target atau batas yang ditentukan(nilai tunggal). Biasanya ini digunakan pada kimia analisis untuk menentukan apakah rata-rata dari kumpulan data yang didapat dari analisis material yang didapat dari suplier berbeda signifikan dengan nilai standar yang seharusnya. Uji t ini digunakan untuk suatu kumpulan data dibandingkan dengan suatu  nilai tunggal.

Contoh:

Seorang analis sedang melakukan validasi metoda analisis untuk menentukan kadar kolesterol dalam susu. Sebagai bagian dari uji, 10 CRM(Certified Reference Material) dianalisis. Hasilnya sebagai berikut: 271,4   266,3    267,8    269,6    268,7   272,5     269,5

270,1 269,7 268,6. Konsentrasi CRM standar yang tertera pada label sebesar 274,7 mg per 100 g. Analis ingin mengetahui apakah rata-rata hasil yang didapat berbeda signifikan dengan nilai standar yang tertera pada label?.

Nilai t dapat dihitung dengan :

Nilai kritis dua ekor untuk t dengan signifikansi α=0,05 dan derajat kebebasan 9 (didapat dari 10-1) adalah 2,262(lihat tabel t). Nilai kritis juga dapat dilihat dengan Microsoft Excel melalui rumus:

=TINV(probabilitas,derajat  kebebasan)  untuk  beberapa  komputer  menggunakan  rumus

=TINV(probabilitas;derajat kebebasan)

misal ingin diketahui nilai kritis t dengan signifikansi 0,05(taraf kepercayaan 95%) dan derajat kebebasan 24 maka

=TINV(0.05,24)

=2,063898562

Dari contoh terlihat bahwa terdapat kumpulan data sebanyak 10 data CRM dibandingkan dengan satu nilai tunggal(nilai standar), oleh karena itu uji t yang tepat adalah uji t one sample test.

T hitung yang didapat dari perhitungan data hasil percobaan ternyata lebih besar dibanding nilai kritis sehingga dapat disimpulkan metode tes yang digunakan berbeda signifikan dengan nilai sebenarnya.

Uji t ada dua macam, satu arah(sering disebut satu ekor) atau dua arah(disebut juga dua ekor) memilih. Bagaimana menentukan satu arah atau dua arah?tergantung dari uji yang kita lakukan, bila ingin mengetahui apakah rata-rata dua kumpulan data mempunyai perbedaan yang signifikan maka digunakan uji t dua arah. Bila ingin megetahui rata-rata data kumpulan pertama lebih besar atau lebih kecil dibanding rata-rata kumpulan data kedua maka digunakan uji t satu arah. Perbedaan uji antara satu dan dua ekor sangat penting yang akan pengaruh pada nilai kritis pengujian.

Membandingkan nilai t hasil perhitungan dengan t tabel

Biasanya, jika nilai t hasil perhitungan melebihi uji t tabel(t kritis) pada tingkat  kepercayaan tertentu maka hipotesis nol ditolak, dengan kata lain ada perbedaan signifikan. Nilai t dapat dilihat dari tabel t atau melalui software seperti Excel dan OpenOffice.

1. Rata-rata dari dua kumpulan data independen (Two-sample test)

Two-sample test digunakan untuk memutuskan apakah dua perlakuan berbeda, dengan membandingkan     rata-rata                               tiap            kumpulan             data.                               Sebagai    contoh,                               membandingkan

konsentrasi bahan aktif pada dua produk yang satu asli dan yang kedua palsu atau memeriksa efek perubahan konsentrasi solven pada pengulangan analisis.

Contoh:

Persyaratan BPOM untuk pengujian bahan harus sesuai dengan kompedia/farmakope sedangkan metode pengujian produk Levofloxacin HCl pada suatu industri menggunakan metode spektrofotometri. Untuk menguji apakah metode spektrofotometri yang digunakan tidak berbeda signifikan dengan hasil menggunakan metode HPLC maka dilakukan uji menggunakan spektrofotometri dan HPLC pada bahan yang sama hasilnya sebagai berikut:

Nilai hasil diatas dalam satuan persen Apakah hasil uji menggunakan metode spektrofotometri tidak berbeda secara signifikan dengan hasil uji menggunakan metode HPLC?

Untuk membuktikan bahwa kedua metode tidak berbeda signifikan dalam pengujian kadar levofloxacin HCl maka dilakukan uji t

sedangkan t hitung dapat dengan rumus:

Derajat kebebasan=n1+n2-2=6+6-2=10
sedangkan t tabel untuk taraf kepercayaan 95%(probabilitas 0,05) dan derajat kebebasan
10 didapat dengan formula pada Excell
=TINV(probabilitas,derajat kebebasan)
=TINV(0,05;10)=2,228
untuk langkah penggunaan Microsoft Excell 2007 sebagai berikut:
Install analysis toolpak dengan memencet tombol Alt-T + i sehingga akan muncul jendela
seperti ini:

centang bagian Analysis ToolPak dan Analysis ToolPak-VBA sehingga pada bagian menu
data akan terdapat tombol Data Analysis seperti pada gambar berikut:

Untuk memulai analysis klik tombol Data Analysis sehingga akan muncul jendela seperti ini
Kemudian pilih t-test:Two-sample Assuming
Unequal Variances kemudian pencet tombol OK

Pada jendela yang muncul pilih data yang akan diuji t

Pada variable 1 Range dipilih data hasil pengujian dengan spektrofotometri

Pada Variable 2 range dipilih data hasil pengujian dengan HPLC

Kemudian pada bagian Alpha diisi 0,05 untuk taraf kepercayaan 95%

Kemudian pilih OK sehingga akan didapat tabel sebagai berikut:

nilai t hitung(t Stat) sebesar 0,403815 kemudian nilai t hitung dibandingkan dengan nilai tabel. T tabel untuk derajat kepercayaan 95% dan derajat kebebasan 10 adalah 2,228.
Karena t hitung<t tabel maka hasil pengujian dengan spektrofotometri tidak berbeda signifikan dengan HPLC pada taraf kepercayaan 95%. Sehingga metode spektrofotometri bisa digunakan untuk pengujian rutin karena tidak berbeda dengan pengujian menggunakan HPLC.

Menggunakan Minitab
Ketik data yang akan diuji

Kemudian pilih menu Stat-> Basic Statistic->2t 2-sample t

Akan mucul jendela sperti ini kemudian pilih Sample in different columns pada kolom first
pilih kolom untuk data 1(data spektrofotometri) dan pada Second pilih kolom yang berisi
data 2 (data HPLC)

Kemudian untuk menentukan tingkat kepercayaan klik tombol Option sehingga akan
muncul jendela sebagai berikut:

Pada kolom Confidence level diisi tingkat kepercayaan 95.0 dan test difference 0.0
Untuk kolom Alternative pilih pilihan not equal kemudian klik tombol OK.

Kemudian klik OK lagi pada jendela 2-Sample t(Test and Confidence Interval) sehingga
akan didapat hasil seperti ini:

didapat t hitung(T-value) sebesar 0,40. T tabel untuk derajat kepercayaan 95% dan derajat kebebasan 10 sebesar 2,228, karena t hitung<t tabel sehingga dapat disimpulkan metode pengujian dengan spektrofotometri tidak berbeda signifikan dengan metode HPLC pada taraf kepercayaan 95 %.

Pada uji t diatas menggunakan uji two-sample test equal variance t-test. Mengapa dilakukan dengan jenis uji two-sample test equal variance t-test?karena  dalam  kasus diatas standar deviasi dari data hasil spektrofotomer dengan data hasil HPLC mempunyai nilai yang tidak signifikan(untuk mengetahui signifikan tidaknya dapat dicek dengan uji f). Alasan kedua karena pada kasus diatas jumlah data pengujian spektrofotometri dan HPLC sama yaitu 10 data. Karena pilihan tes bergantung pada dua standar deviasi yang sangat berbeda, maka sangat disarankan membandingkan dua standar deviasi dari dua kumpulan data menggunakan uji f sebelum melakukan uji t two-sample test.

1. Uji t pasangan (Paired Comparisons)

Ketika membandingkan kinerja dari dua metode, tidak mungkin untuk menghasilkan dua replikasi set data dan menerapkan uji-t. Misalnya, mungkin tidak praktis untuk  mendapatkan lebih dari satu hasil dari setiap metode pada setiap uji satu item. Dalam kasus tersebut, uji perbandingan berpasangan sangat berguna. Hal ini membutuhkan pasang hasil yang diperoleh dari analisis tes bahan yang berbeda.

Contoh:

Dua metode digunakan untuk menentukan konsentrasi Vitamin C pada buah. Seorang analis ingin mengetahui apakah ada perbedaan signifikan antara hasil pengujian yang dihasilkan dari kedua metode. Delapan bahan yang berbeda dianalisi menggunakan 2 metode. Hasil tertera pada tabel dibawah:

Perbedaan diplot tidak menunjukkan keberangkatan kuat dari normalitas dan perbedaan mutlak tidak menunjukkan hubungan dengan mean untuk setiap materi tes. Uji t pasangan karena itu tepat.

T hitung dihitung menggunakan rumus:

Terdapat delapan pasangan sehingga derajat kebebasan 8-1=7. Nilai kritis two-tailed untuk derajat kepercayaan α=0,05 dan derajat kebebasan v=7 adalah 2,365. Hasil t hitung lebih kecil dibandingkan nilai kritis, sehingga dapat disimpulkan tidak ada perbedaan signifikan antara hasil yang didapat dari kedua metode.

Pada kasus diatas menggunakan uji t pasangan karena pada analisis vitamin C pada buah diatas tiap bahan dilakukan 2 uji yang berbeda(metode A dan B) dan bahan antar  pengujian juga berbeda. Perbedaan bahan antar pengujian berbeda ini ditunjukkan dengan selisih antar bahan yang besar. Misal selisih antar bahan 1 pada metode A dan B  mencapai 19. Perbedaan yang besar juga dapat dilihat antar bahan ditunjukkan dengan nilai standar deviasi yang relatif besar 10,8. Kasus diatas terdapat 8 bahan buah dan buah satu dengan yang lain berbeda, seperti yang kita ketahui variasi vitamin C pada bahan dari alam(dalam hal ini buah) sangat besar oleh karena itu cocok dilakukan uji t pasangan. Bila kasus vitamin c diatas diakukan uji t two-sample test kurang tepat karena tidak tepat menghitung rata-rata tiap metode kemudian membandingkannya karena pasti hasil variasi metode A dan B sangat besar akibat variasi bahan dalam 8 sample sangat besar. Dapat dilihat diatas bahwa tiap bahan dirata-rata dan tidak dilakukan rata-rata tiap metode agar penilaian uji t tepat.

Berbeda dengan pengujian levofloxacin HCl spektrofotometri vs HPLC diatas, variasi antar pengujian tidak terlalu besar karena bahan levofloxacin HCl yang diuji merupakan hasil proses manufactur yang konsisten sehingga menghasilkan levofloxacin HCl yang relatif sama(ditunjukkan dengan rata-rata yang mirip).

UJI F Membandingkan dua Standar Deviasi atau Varian

Uji f digunakan untuk membandingkan dua variasi yang dihasilkan dari dua kumpulan data. Uji ini sangat berguna untuk membandingkan presisi metode analisis untuk melihat apakah salah satu metode lebih baik signifikan dibandingkan dengan yang lain.

Hipotesis

Hipotesis uji F adalah membandingkan dua varian αA2 dan αB2. Hipotesis nullnya adalah αA2 =  αB2. Untuk uji dua ekor, sebagai contoh ketika menguji satu metode dengan metode lain untuk melihat kinerja apakah sama, hipotesis alternatifnya adalah αA2 ≠αB2. Ketika untuk menguji apakah varian A lebih besar dibanding dengan Varian B, hipotesis alternatifnya adalah αA2 > αB2, dan sebaliknya. Uji hipotesis satu arah sangat tepat bila dalam pengujian ada situasi dimana

variasi diketahui dan kemudian ada data yang dimasukkan lagi sehingga mengubah variannya. Perubahan itu biasanya waktu analisis dilakukan untuk meningkatkan presisinya.

Mengecek distribusinya

Seperti uji t, uji f bergantung pada asumsi normalitas(kurva normal). Untuk data jumlah sedikit mengecek normalitas paling mudah menggunakan diagram plot.

Contoh:

Dua metode digunakan untuk menentukan konsentrasi Vitamin C pada buah. Seorang analis ingin mengetahui apakah ada perbedaan signifikan antara hasil pengujian yang dihasilkan dari kedua metode. Delapan bahan yang berbeda dianalisi menggunakan 2 metode. Hasil tertera pada tabel dibawah:

Data diatas bila dibuat diagram akan membentuk kurva normal, sehingga uji f bisa dilakukan. Karena kita akan membuktikan apakah dari dua metode diatas mempunyai varian yang berbeda maka digunakan uji f dua ekor. Hipotesisnya adalah:

Perlu diingat bahwa varian dengan nilai yang lebih tinggi ditempatkan sebagai pembilang dan varian yang lebih kecil ditempatkan sebagai penyebut. Level signifikansi untuk uji adalah α=0,05, akan tetapi karena ini uji dua ekor maka nilai kritis menjadi α/2=0,025. Nilai kritis untuk Vmax=Vmin=7(n-1=8-1=7) adalah 4,995. Nilai t hitung F kurang dari nilai F tabel sehingga hipotesis null diterima dan kesimpulanya adalah tidak ada perbedaan signifikan antara dua variasi kedua kumpulan data.

Artikel ini juga dapat diperoleh dalam tulisan saya yang berbentuk PDF disini :