1. Pengertian 2-Sample T-Test

2-Sample T-Test atau Independent Sample T-Test adalah metode statistik yang digunakan untuk menentukan apakah terdapat perbedaan rata-rata yang signifikan antara dua kelompok yang saling independen atau tidak berhubungan. Uji ini merupakan salah satu teknik statistik inferensial yang paling banyak digunakan dalam penelitian, Lean Six Sigma, pengendalian kualitas, dan pengambilan keputusan berbasis data.

Dalam dunia industri, perusahaan sering kali perlu membandingkan performa dua mesin, dua pemasok, dua metode produksi, atau dua shift kerja. Meskipun secara visual terlihat adanya perbedaan rata-rata, belum tentu perbedaan tersebut benar-benar signifikan secara statistik. Oleh karena itu, 2-Sample T-Test digunakan untuk membuktikan apakah perbedaan yang terjadi memang disebabkan oleh faktor yang diuji atau hanya akibat variasi acak.

Dengan menggunakan 2-Sample T-Test, perusahaan dapat mengambil keputusan yang lebih objektif, misalnya menentukan mesin yang lebih produktif, memilih pemasok terbaik, atau mengevaluasi efektivitas metode produksi baru.

2. Konsep Dasar dan Hipotesis

Prinsip dasar 2-Sample T-Test adalah membandingkan rata-rata dua kelompok independen. Kedua kelompok harus berasal dari populasi yang berbeda dan tidak memiliki hubungan satu sama lain.

Pengujian dimulai dengan menyusun dua hipotesis.

Hipotesis Nol (H₀)

Rata-rata kedua kelompok sama.

Artinya tidak terdapat perbedaan yang signifikan.

Hipotesis Alternatif (H₁)

Rata-rata kedua kelompok berbeda.

Artinya terdapat perbedaan yang signifikan.

Setelah data dianalisis, keputusan diambil menggunakan p-value.

Jika p-value < 0,05, maka H₀ ditolak sehingga terdapat perbedaan yang signifikan.
Jika p-value ≥ 0,05, maka H₀ gagal ditolak sehingga kedua kelompok dianggap memiliki rata-rata yang tidak berbeda secara signifikan.

3. Asumsi dan Langkah-Langkah 2-Sample T-Test

Sebelum melakukan analisis, terdapat beberapa asumsi yang harus dipenuhi.

Data berupa data numerik (interval atau rasio).
Kedua kelompok bersifat independen.
Data masing-masing kelompok berdistribusi normal.
Varians kedua kelompok relatif sama (untuk Equal Variance T-Test).

Langkah-langkah pelaksanaan adalah sebagai berikut.

Menentukan tujuan pengujian.
Menyusun Hipotesis Nol dan Hipotesis Alternatif.
Mengumpulkan data dari kedua kelompok.
Melakukan uji normalitas dan homogenitas varians apabila diperlukan.
Melakukan analisis menggunakan perangkat lunak seperti Minitab, SPSS, R, atau Excel.
Menginterpretasikan nilai t-value, p-value, dan interval kepercayaan.
Menyusun kesimpulan dan rekomendasi.

4. Manfaat 2-Sample T-Test dalam Lean Six Sigma

Dalam Lean Six Sigma, 2-Sample T-Test menjadi alat yang sangat penting untuk memvalidasi penyebab masalah (root cause) maupun mengevaluasi efektivitas suatu perubahan proses.

Beberapa contoh penggunaannya antara lain:

Membandingkan produktivitas Mesin A dan Mesin B.
Membandingkan kualitas produk dari Supplier A dan Supplier B.
Membandingkan waktu proses Shift Pagi dan Shift Malam.
Membandingkan konsumsi bahan bakar dua jenis alat berat.
Membandingkan tingkat cacat sebelum memilih mesin baru.

Melalui analisis statistik ini, perusahaan dapat menghindari keputusan yang hanya berdasarkan persepsi atau pengalaman sehingga investasi maupun tindakan perbaikan menjadi lebih tepat sasaran.

5. Contoh Penerapan 2-Sample T-Test

Sebuah perusahaan manufaktur baut memiliki dua mesin forging yang memproduksi produk yang sama. Manajemen ingin mengetahui apakah terdapat perbedaan Cycle Time antara kedua mesin sehingga dapat menentukan mesin yang paling efisien.

Selama satu minggu, bagian Industrial Engineering mengambil masing-masing 30 sampel waktu proses.

Mesin A

Jumlah sampel = 30
Rata-rata Cycle Time = 18,5 detik
Standar deviasi = 1,4 detik

Mesin B

Jumlah sampel = 30
Rata-rata Cycle Time = 20,2 detik
Standar deviasi = 1,6 detik

Hipotesis yang digunakan adalah:

H₀: Tidak terdapat perbedaan rata-rata Cycle Time antara Mesin A dan Mesin B.

H₁: Terdapat perbedaan rata-rata Cycle Time antara Mesin A dan Mesin B.

Data dianalisis menggunakan 2-Sample T-Test pada Minitab. Hasil pengujian menunjukkan:

t-value = -4,37
p-value = 0,000

Karena p-value < 0,05, maka Hipotesis Nol ditolak. Hal ini menunjukkan bahwa terdapat perbedaan yang signifikan antara Cycle Time Mesin A dan Mesin B.

Berdasarkan hasil tersebut, perusahaan menyimpulkan bahwa Mesin A secara statistik memiliki waktu proses yang lebih cepat dibandingkan Mesin B. Tim Continuous Improvement kemudian melakukan investigasi terhadap Mesin B menggunakan metode 5 Why dan Fishbone Diagram. Hasil analisis menunjukkan bahwa keausan dies dan tekanan hidrolik yang kurang stabil menyebabkan waktu proses menjadi lebih lama.

Setelah dilakukan penggantian dies, kalibrasi sistem hidrolik, dan preventive maintenance, Cycle Time Mesin B menurun mendekati Mesin A. Hasil ini menunjukkan bahwa 2-Sample T-Test tidak hanya digunakan untuk membandingkan dua kelompok, tetapi juga menjadi alat yang sangat efektif dalam memvalidasi root cause dan mengevaluasi keberhasilan program perbaikan dalam Lean Six Sigma. Dengan pendekatan berbasis data ini, perusahaan dapat meningkatkan produktivitas, mengurangi variasi proses, dan mengambil keputusan secara lebih akurat.

6. Contoh Penerapan 2-Sample T-Test di Industri Jasa (Restoran Cepat Saji)

Sebuah jaringan restoran cepat saji ingin mengetahui apakah terdapat perbedaan waktu pelayanan (service time) antara Shift Pagi dan Shift Malam. Manajemen menerima beberapa keluhan bahwa pelanggan yang datang pada malam hari harus menunggu lebih lama dibandingkan pada pagi hari. Untuk memastikan apakah perbedaan tersebut benar-benar signifikan, tim Quality Improvement melakukan pengumpulan data.

Selama satu minggu, dilakukan pengukuran waktu pelayanan mulai dari pelanggan melakukan pemesanan hingga makanan diterima.

Shift Pagi

Jumlah sampel = 40 pelanggan

Rata-rata waktu pelayanan = 3,8 menit

Standar deviasi = 0,6 menit

Shift Malam

Jumlah sampel = 40 pelanggan

Rata-rata waktu pelayanan = 4,6 menit

Standar deviasi = 0,8 menit

Hipotesis yang digunakan adalah:

H₀: Tidak terdapat perbedaan rata-rata waktu pelayanan antara Shift Pagi dan Shift Malam.

H₁: Terdapat perbedaan rata-rata waktu pelayanan antara Shift Pagi dan Shift Malam.

Data dianalisis menggunakan 2-Sample T-Test pada Minitab. Hasil pengujian menunjukkan:

t-value = -5,12

p-value = 0,000

Karena p-value < 0,05, maka Hipotesis Nol ditolak. Hasil ini menunjukkan bahwa terdapat perbedaan waktu pelayanan yang signifikan antara Shift Pagi dan Shift Malam. Shift Malam memiliki waktu pelayanan yang lebih lama dibandingkan Shift Pagi.

Tim kemudian melakukan observasi langsung (Gemba Walk) dan analisis akar penyebab menggunakan Fishbone Diagram dan 5 Why. Ditemukan beberapa penyebab utama, yaitu jumlah karyawan pada Shift Malam lebih sedikit, antrean pelanggan lebih panjang pada jam makan malam, proses persiapan bahan belum optimal, dan koordinasi antarstaf kurang efektif saat jam sibuk.

Sebagai tindak lanjut, manajemen menambah satu orang kasir pada jam puncak, menerapkan sistem work cell di area dapur, menyiapkan bahan makanan sebelum jam ramai (pre-preparation), serta menggunakan visual order display untuk mempercepat komunikasi antara kasir dan dapur.

Satu bulan setelah perbaikan, dilakukan pengukuran ulang dan diperoleh rata-rata waktu pelayanan Shift Malam turun menjadi 3,9 menit. Analisis menggunakan 2-Sample T-Test menunjukkan p-value = 0,428, sehingga tidak terdapat lagi perbedaan yang signifikan antara Shift Pagi dan Shift Malam. Hasil tersebut membuktikan bahwa program perbaikan berhasil meningkatkan kecepatan pelayanan, mengurangi waktu tunggu pelanggan, serta meningkatkan kepuasan pelanggan. Contoh ini menunjukkan bahwa 2-Sample T-Test tidak hanya bermanfaat di industri manufaktur, tetapi juga sangat efektif digunakan dalam industri jasa untuk mengevaluasi dan meningkatkan kualitas layanan berdasarkan data statistik.