Macam-Macam Uji t dan Perbedaannya

17.23
Dalam melakukan uji t kita sering mengalami kebingungan uji mana yang akan kita guanakan.
Berikut akan dijelaskan mengenai Macam-Macam Uji t dan Perbedaannya. semoga bermanfaat.
Salah satu cabang ilmu statistik yang digunakan untuk membuat keputusan adalah uji hipotesis.
Hipotesis adalah suatu anggapan atau pernyataan yang mungkin benar dan mungkin juga tidak
benar tentang suatu populasi. Dengan menggunakan uji hipotesis, peneliti dapat menguji
berbagai teori yang berhubungan dengan masalah-masalah yang sedang diteliti.
Salah satu metode untuk menguji hipotesis adalah sample t-Test, dimana metode sample t-Test
dibagi menjadi tiga, yaitu one sample t-Test, paired sample t-Test dan independent sample tTest. Uji hipotesis t-Test adalah uji hipotesis yang digunakan untuk mengetahui apakah ada
perbedaan rata-rata dari sampel yang diambil.

Uji T

Berikut adalah macam-macam Uji T

One Sample t-Test

One sample t test merupakan teknik analisis untuk membandingkan satu variabel bebas. Teknik
ini digunakan untuk menguji apakah nilai tertentu berbeda secara signifikan atau tidak dengan
rata-rata sebuah sampel. Pada uji hipotesis ini, diambil satu sampel yang kemudian dianalisis
apakah ada perbedaan rata-rata dari sampel tersebut. Prosedur yang umum dan harus diikuti
untuk melakukan uji hipotesis ini adalah sebagai berikut :

1. Mencari hipotesis nol dan hipotesis alternatifnya.

2. Pilih tingkat kepercayaan tertentu dan tentukan besarnya sampel yang diambil.1. Pilih statistik
uji yang sesuai sebagai dasar bagi prosedur pengujian.
2. Tentukan daerah kritisnya.
3.

Kumpulkan data sampel dan hitung statistik sampelnya, kemudian ubah ke dalam variable
normal standar (Z) atau t (tergantung banyaknya sampel).

4. Nyatakan menolak atau menerima H0.

Paired-sample t-Test
Analisis Paired-sample t-Test merupakan prosedur yang digunakan untuk membandingkan rata-rata
dua variabel dalam satu group. Artinya analisis ini berguna untuk melakukan pengujian terhadap
satu sampel yang mendapatkan sutau treatment yang kemudian akan dibandingkan rata-rata dari
sampel tersebut antara sebelum dan sesudah treatment.

Independent sample t-Test

Independent sample t-Test adalah uji yang digunakan untuk menentukan apakah dua sampel yang
tidak berhubungan memiliki rata-rata yang berbeda. Jadi tujuan metode statistik ini adalah
membandingkan rata-rata dua grup yang tidak berhubungan satu sama lain. Pertanyaan yang
coba dijawab adalah apakah kedua grup tersebut mempunyai nilai rata-rata yang sama ataukah
tidak sama secara signifikan.

Cara Melakukan Uji Normalitas Kolmogorov Smirnov Menggunakan IBM SPSS

Statistic 21
15.35
Salah

satu

uji

prasyarat

sebelum

kita

meengolah

data

hasil

penelitian

menggunakan statistic parametric adalah uji normalitas. Tujuan uji normalitas

adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati
distribusi normal atau tidak dan dapat digunakan untuk statistik parametrik. Uji
Normalitas dapat dilakukan secara manual dan dapat pula menggunakan SPSS.
Berikut akan kita bahas langkah langkah CaraMelakukan Uji Normalitas
Kolmogorov Smirnov Menggunakan IBM SPSS Statistic 21.

Untuk mempermudah kita dalam memahami cara melakukan uji normalitas ini kita
akan mengambil contoh kasus penelitian tentang keevektifan suatu metode
pembelajaran di dalam kelas.

Misalkan data yang dimiliki adalah sebagai berikut :

Responden

Nilai

65

70

68

69

73

69

69

84

77

10

82

11

70

12

84

13

71

14

67

15

75

16

63

17

77

18

77

19

74

20

80

Langkah langkah yang perlu kita jalankan adalah sebagi berikut :

1. Buka lembar kerja baru IBM SPSS Statistic 21.

Lembar Kerja Baru IBM SPSS Statistic 21

2. Selanjutnya klik tab variable view

Variable View
3. Pada kolom name tuliskan responden ( pada bagian ini nantinya akan menjadi
tempat untuk menuliskan nama responden atau nomor urut dari responden)
tuliskan juga pada baris kedua nilai

4. Selanjutnya ubah tipe data pada baris responden menjadi string. Hal ini
dilakukan dengan cara klik tombol seperti gambar yang dilingkari berikut.

Mengganti Type Data IBM SPSS 21

5. Selanjutnya klik string kemudian klik OK.

Tipe Data String IBM SPSS 21

6. Agar data nantinya tidak menggunakan koma pada bagian belakangnya, maka
pada kolom decimals ubah angka 2 menjadi nol.

Mengganti Desimal Pada IBM SPSS 21

7. Selanjutnya kembali ke tab data view dan masukkan data pada kolom responden
(diisi nama atau nomor urut peserta) dan pada kolom nilai (diisi dengan nilai dari
peserta).

Input Data pada IBM SPSS Statistic 21

8. Untuk memulai menganalisis klik Analyze - Kemudian pilih Non parametric TestPilih Legacy DIalogs- Kemudian Pilih 1-Sample K-S

Uji Normalitas dengan IBM SPSS Statistic21

9. Maka akan muncul kotak dialog seperti berikut :
Kemudian Klik tanda panah seperti pada gambar yang dilingkari.

10. Selanjutnya klik option- kemudian akan muncul kotak dialog seperti gambar
berikut. Piih dan beri tanda centang pada Descriptive dan klik Continue. Kemudian
klik OK

11. Maka hasil perhitungan SPSS 21 akan langsung keluar sebagai berikut,

Hasil Uji Normalitas dengan IBM SPSS Statistic 21

12. Cara membaca hasil Uji Normalitas Kolmogorov Smirnov Menggunakan IBM
SPSS Statistic 21 adalah sebagai berikut :
Pertama kita tentukan dulu hipotesis yang akan kita gunakan.
1. Hipotesis yang digunakan :
H0 : Data berasal dari populasi yang berdistribusi normal
H1 : Data berasala dari populasi yang berdistribusi normal
2. Taraf signifikasi = 0,05
3. Kesimpulan
Selanjutnya cara menyimpulkannya adalah dengan memperhatikan nilai Asymp.Sig.
(2-tailed), jika nilainya lebih besar dari alpha = 0.05 maka H0 diterima sedangkan
jika kurang dari 0.05 maka H0 ditolak.
Pada kasus ini karena nilai Sig. lebih besar dari 0.05 maka H0 diterima. Artinya data
berasal dari populasi yang berdistribusi normal.

Selain uji normalitas masih terdapat dua macam lagi uji asumsi lainnya yang sering
digunakan sebelum kita menggunakan uji statistic parametric. Uji itu adalah uji

homogenitas dan Uji Normalitas. Silakan klik pada masing-masing link untuk
mempelajarinya.

Cara Melakukan Uji Homogenitas Levine

Menggunakan IBM SPSS Statistic 21
15.12
Salah satu uji persepsi yang harus dipenuhi sebelum kita menggunakan statistic parametric
adalah uji Homogenitas. Uji Homogenitas bertujuan untuk mengetahui apakah data berasal dari
populasi yang homogen atau tidak. Jika data berasal dari populasi yang homogen maka kita bisa
menggunakan satistik parametric untuk melakukan analisis data. Pada kesempatan ini akan
dipaparkan bagaimana Cara Melakukan Uji Homogenitas Levine Menggunakan IBM SPSS
Statistic 21.
Berikut merupakan langkah-langkah yang akan kita lalui sebelum menarik kesimpulan apakah
data berasal dari kelompok yang homogen ataukah tidak.

Untuk mempermudah kita memahami cara melakukan uji Homogenitas Levine kita mengambil
contoh kasus uji keefektivan suatu metode pembelajaran dari dua kelas yang mendapatkan
perlakuan berbeda. Data hasil penelitian disajikan sebagai berikut :
Data A
Responden
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Nilai
65
70
68
69
73
69
69
84
77
82
70
84
71
67
75
63
77
77
74
80

Data B
Responden
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Nilai
64
80
73
91
54
82
76
67
78
82
88
86
73
76

15
16
17
18
19
20

76
78
86
67
76
93

Langkah- langkah yang kita lakukan :

Masukkan data yang ada di atas pada SPSS. Kita mulai dengan klik Data View pada bagian
bawah. (untuk lebih jelasnya bisa merujuk pada cara memasukkan data saat Uji Normalitas).
Kemudian pada bagian kolom name baris pertama isi dengan Nilai dan Baris kedua dengan
factor. Jangan lupa juga untuk mengubah nilai decimal menjadi nol.

Data View

Selanjunya copy nilai Data A terlebih dahulu. Kemudian pada kolom factor isi dengan angka 1
(artinya kita mengelompokkan nilai pada data A sebagai kelompok 1) dan Nilai Data B pada
baris ke 21 setelah Nilai pada Data A kemudian beri angka 2 pada kolom factor. Perhatikanlah
gambar berikut

Cara Memasukkan Data Uji Homogenitas

Langkah selanjutnya pilih Analyze - Compare Means - One way ANOVA.

Maka akan muncul kotak dialog seperti gambar di bawah ini. Pada kotak Dependent list isi
dengan "nilai" dengan cara pilih nilai kemudian klik tanda panah. Lakukan hal yang sama untuk
"faktor" masukkan pada kotak factor.

One Way ANOVA

Langkah berikutnya klik pada kotak option, seperti pada gambar di bawah, kemudian klik
Homogenity of variance test lalu klik continue lalu OK.

Uji Homogenitas
Kemudian akan muncul data sebagai berikut

Hasil Uji Homogenitas dengan SPSS

Cara membuat kesimpulan dari data di atas adalah dengan melihat nilai signifikan (perhatikan
nilai yang diberi tanda pada gambar di atas). Jika nilainya lebih dari 0.05 artinya data berasal dari
kelompok yang memiliki varians homogen.
Sehingga karena nilai sig = 0.210 dan lebih besar dari 0.05 maka data di atas homogen.
Selain uji homogenitas masih terdapat dua macam lagi uji asumsi lainnya yang sering digunakan
sebelum kita menggunakan uji statistic parametric. Uji itu adalah uji normalitas dan Uji
kesamaan rata-rata. Silakan klik pada masing-masing link untuk mempelajarinya

Uji T Dependen (Berpasangan) Manual dan Menggunakan SPSS (Paired)

21.14

Uji T Dependen (Berpasangan) - Uji ini untuk menguji perbedaan ratarata antara dua kelompok data yang dependen. Misalnya untuk mengetahui apakah
ada perbedaan berat badan sebelum mengikuti proram diet dan berat badan
setelah
mengikuti
program
diet.
Sama seperti uji T independen, uji T dependen memiliki asumsi yang harus
dipenuhi, yaitu :
1. Datanya berdistribusi normal.
2. Kedua kelompok data dependen (berpasangan)
3. variabel yang dihubungkan berbentuk numerik dan kategorik (dengan hanya
2 kelompok).
Rumus yang digunakan, sebagai berikut :

KETERANGAN :
= rata-rata deviasi (selisih sampel sebelum dan sampel sesudah)
SD = Standar deviasi dari (selisih sampel sebelum dan sampel sesudah)

n = banyaknya sampel
DF = n-1

Contoh :
Data sampel terdiri atas 10 pasien pria mendapat obat captoril dengan dosis 6,25
mg. Pasien diukur
tekanan darah sistolik sebelum pemberian obat dan 60 menit sesudah pemberian
obat. Peneliti ingin mengetahui apakah pengobatan tersebut efektif untuk
menurunkan tekanan darah pasien-pasien tersebut dengan alpha 5%. Adapun data
hasil pengukuran adalah sebagai berikut.

Sebelum : 175 179 165 170 162 180 177 178 140 176
Sesudah : 140 143 135 133 162 150 182 150 175

1. HIPOTESIS :
Ho : = 0 (Tidak ada perbedaan tekanan darah sistolik pria antara sebelum
dibandingkan sesudah dengan pemberian Catopril)
Ha : 0 (Ada perbedaan tekanan darah sistolik setelah diberikan Catopril
dibanding sebelum diberikan obat)

2. STATISTIK UJI
Uji T dua sampel berpasangan (Uji T Dependen)
Perhitungan :
Diperoleh :
: -35 -36 -30 - 37 0 -30 5 - 28 35 -16
rata-rata = -17,2
S = 23,62

n = 10

t=

S/n

- 17,2
23,62/10

- 17,2
23,62/3,162

-17,2
7,469

-2,302

Df = n - 1 = 10-1 = 9
Dilihat pada tabel t pada df = 19, t = 2,302 diperoleh Pvalue < 0,0253.
3. KEPUTUSAN
Dengan = 0,05, maka Pvalue < , sehingga Ho ditolak
4. KESIMPULAN
Tekanan Darah sistolik setelah pemberian Catopril terbukti bermakna atau signifikan
berbeda dibandingkan sebelum pemberian catropil.

Uji T Dependen (Berpasangan) dengan SPSS

Uji-t untuk data berpasangan berarti setiap subjek diukur dua kali. Misalnya
sebelum dan sesudah dilakukannya suatu intervensi atau pengukuran yang
dilakukan terhadap pasangan orang kembar. Dalam contoh ini akan
membandingkan
data
sebelum
dengan
sesudah
intervensi.
Contoh
Kasus
:
Suatu studi ingin mengetahui pengaruh suatu metode diet, lalu diambil 28 ibu
sebagai sampel untuk menjalani program diet tersebut. Pengukuran berat badan
yang pertama (BBIBU_1) dilakukan sebelum kegiatan penyesuaian diet dilakukan,
dan pengukuran berat badan yang kedua (BBIBU_2) dilakukan setelah dua bulan
menjalani
penyesuaian
diet.
Buka SPSS, dan masukan datanya seperti ini :

Kita akan melakukan uji hipotesis untuk menilai apakah ada perbedaan berat
badan ibu antara sebelum dengan sesudah mengikuti program diet, langkahlangkahnya sebagai berikut.

Dari menu utama, pilihlah: Analyze-->Compare Mean-->Paired-Sample Ttest.

Pilih variabel BBIBU_1 dan BBIBU_2 dengan cara mengklik masing-masing variable
tersebut.
Kemudian klik tanda segitiga untuk memasukkannya ke dalam kotak PairedVariables. Seperti nampak di bawah ini :

Selanjutnya klik OK untuk menjalankan prosedur. Pada layar Output tampak hasil
seperti berikut:

Dari 28 subjek yang diamati terlihat bahwa rata-rata (mean) berat badan dari ibu
sebelum intervensi (BBIBU_1) adalah 57.54, dan rata-rata berat badan sesudah
intervensi (BBIBU_2) adalah 56,21. Uji t yang dilakukan terlihat pada tabel berikut:

Dari hasil uji-t berpasangan tersebut terlihat bahwa rata-rata perbedaan antara
BBIBU_1 dengan BBIBU_2 adalah sebesar 1.321. Artinya ada penurunan berat
badan sesudah intervensi dengan rata-rata penurunan sebesar 1.32 kg.
Hasil perhitungan nilai t adalah sebesar 5,133 dengan p-value 0.000 dapat ditulis
0,001 (uji 2-arah). Hal ini berarti kita menolak Ho dan menyimpulkan bahwa secara
statistik ada perbedaan yang bermakna antara rata-rata berat badan sebelum
dengan
sudah
intervensi.
Dari hasil di atas kita bisa menilai bahwa program diet tersebut berhasil.