Uji T Independen dengan SPSS

Written By Malonda Gaib on Minggu, 27 Maret 2011 |

27.3.11
Kesempatan ini akan saya gunakan untuk memberikan contoh penerapan Uji T (T-test)
independen di SPSS. Sebagaimana diketahui bahwa uji ini digunakan, bila kita memiliki data
kategorik dan numerik.
Sebagai contoh misalnya kita ingin mengetahui apakah ada pengaruh ibu yang merokok dan ibu
yang tidak merokok (status merokok merupakan data kateorik) terhadap berat bayi yang
dilahirkan (berat bayi lahir merupakan data numerik).Kebetulan saya memiliki filenya, jadi file
ini akan saya gunakan untuk tutorial kali ini.
Langkahnya sebagi berikut :
Buka/aktifkan SPSS anda. Kemudian pada menu utama klik File --> Open --> Data, sampai
muncul layar seperti di bawah ini :

Pilih file "bbay.sav" dan klik open, akan muncul layar di bawah ini :

Yang perlu diperhatikan pada layar di atas adalah variabel "rokok" dan "bbayi". Karena kedua
variabel ini yang akan kita uji.
Selanjutnya klik pada menu utama SPSS anda Analyze --> Compare Means-->IndependentSamples-T Test :

Lalu akan muncul layar seperti ini :

Pilih variabel "bbayi" dengan cara mengklik variabel tersebut.

Kemudian klik tanda segitiga paling atas untuk memasukan variabel tersebut ke kotak Test
variable(s).

Klik variabel "rokok' dan masukan ke kotak Grouping variable.

Kemudian klik tombol Define Group, dan isi angka "0" pada kotak Group 1 dan angka "1" pada
kotak Group 2. Lalu klik Continue.

Klik OK untuk menjalankan prosedur. Pada layar output akan nampak hasil seperti berikut :

Dari tabel Group Statistics, terlihat bahwa rata-rata berat bayi yang dilahirkan oleh ibu yang
tidak merokok adalah 3054,96 gram, sedangkan berat bayi yang dilahirkan oleh ibu yang
perokok sebesar 2773,24 gram. Namun apakah perbedaan ini berbeda juga secara statistik ?

Untuk melihat perbedaan ini kita lihat pada tabel Independent Samples Test. Pada tabel tersebut
ada dua baris (sel), sel pertama dengan asumsi bahwa varian kedua kelompok tersebut sama,
sedangkan pada sel kedua dengan asumsi bahwa varians kedua kelompok tersebut tidak sama.
Untuk memilih sel mana yang akan kita gunakan sebagai uji, maka kita lihat pada kolom uji F,
jika Signifikansinya > 0,05 maka asumsinya varian sama sebaliknya jika Sig. <=0,05 maka
variannya tidak sama. Dari uji F menunjukan kalau varian kedua kelompok tersebut sama (Pvalue = 0,221), sehingga sel akan dibaca adlah sel pertama.
Dari kolom uji T menunjukan bahwa nilai P = 0,009 untuk uji 2-sisi . Karena P-value lebih kecil
dari
= 0,05 yang berarti Ho ditolak, sehingga dapat kita simpulkan bahwa secara statistik ada
perbedaan yang bermakna rata-rata berat bayi yang dilahirkan oleh ibu yang merokok dengan ibu
yang tidak merokok dengan kata lain ada pengaruh merokok terhadap berat bayi lahir.
Uji tersebut di atas adalah uji 2-sisi, bagaimana kalau uji 1-sisi ? Bila uji yang kita lakukan
adalah uji 1-sisi maka nilai P harus dibagi 2 sehingga menjadi P-value = 0,0045
- See more at: http://statistik-kesehatan.blogspot.com/2011/03/uji-t-independen-denganspss.html#sthash.AFiJpB1m.dpuf

Uji T Paired dengan SPSS

Paired T Test
Paired T Test digunakan sebagai uji komparatif atau perbedaan apabila skala data
kedua variabel adalah kuantitatif (Interval atau Rasio).
Syarat Uji T Paired adalah perbedaan dua kelompok data berdistribusi normal. Maka
harus dilakukan terlebih dahulu dengan uji normalitas pada perbedaan kedua
kelompok tersebut.
Anda dapat menggunakan uji normalitas antara lain:
Shapiro Wilk
Lilliefors
Kolmogorov Smirnov
Untuk Uji T Paired dengan menggunakan Excel, Baca Artikel kami yang berjudul: "T
Paired dalam Excel".
Kita Mulai Saja:
Cara melakukan uji T Paired di SPSS (Uji Beda Berpasangan Kuantitatif).

Buat Variabel seperti di atas!

Pindah ke Data View

Isi dengan Data (contoh: Berat Badan Sebelum dan Sesudah Minum Suplemen)

Klik pada menu, Analyze, Compare Means, Paired Sample T Test

Tampil jendela:

Masukkan ke dua variabe:

Klik Options; tentukan tingkat kepercayaan (Contoh: 95 % / Alfa 0,05)

Klik Continue:

Klik OK

Akan Muncul Jendela Output

Baca Output:

Correlation: Nilai Korelasi antara 2 variabel tersebut: Hasil 0,991 artinya hubungan
kuat dan positif.

Sig.: tingkat signifikansi hubungan: Hasil 0,000 artinya signifikan pada level 0,01.

Df: degree of freedom (derajat kebebasan) : Untuk uji T Paired selalu N- 1. Di mana
N adalah jumlah sampel.

T = nilai t hitung: hasil 1,000: Harus dibandingkan dengan t tabel pada DF 19.
Apabila t hitung > t tabel: signifikan.

Sig. (2-tailed): Nilai probabilitas/p value uji T Paired: Hasil = 0,330. Artinya: Tidak
ada perbedaan antara sebelum dan sesudah perlakuan. Sebab: Nilai p value > 0,05
(95 % kepercayaan).

Mean: 0,250. Bernilai Positif: Artinya terjadi kecenderungan penurunan berat badan
sesudah perlakuan. Rata-rata penurunannya adalah 0,250.