BAB

UJI Hipotesis Komparatif (Uji-t)

Tabel berikut ini menunjukkan peta uji perbandingan dalam statistika.
No.
1.

Jenis Uji Statistik

Parametrik

2.

Non Parametrik

Jenis Data
2 Sampel Independen
2 Sampel Berhubungan
2< Sampel
2 Sampel Independen
2 Sampel Berhubungan
2< Sampel Independen
2< Sampel Berhubungan

Jenis Statistik
Independent sample t-test
Paired sample t-test
Anava
Mann Whitney U test
Wilcoxon Sign Rank test
Anava ranking Friedman

A. PENGANTAR
Beberapa persyaratan yang dibutuhkan untuk melakukan uji perbandingan adalah:
1. Variabel dependen berbentuk interval atau rasio sedangkan variabel independenya berbentuk data
nominal atau ordinal (data bersifat kategori). Jika variabel independen anda adalah interval, maka
data harus dikategorikan. Misalnya IQ, karena skor IQ bersifat interval maka data yang ada harus
dikategorikan menjadi dua, misalnya kategori tinggi dan rendah.
2. Untuk memakai uji t (parametrik) Data variabel dependen terdistribusi secara normal atau memiliki
jumlah subjek yang sangat besar. Jika persyaratan ini tidak terpenuhi maka anda diharapkan
memakai uji non parametrik.
3. Perbandingan jumlah sampel antar di dalam kategori variabel dependen selisihnya tidak terlalu
timpang. Misal, seorang peneliti hendak meneliti perbedaan kecemasan antara laki-laki dan
perempuan. Jumlah laki-laki dan perempuan setidak-tidaknya adalah setara. Jika peneliti tidak dapat
menemukan jumlah yang setara setidak-tidaknya skor dari kedua jenis kelamin tersebut adalah
homogen.

B. JENIS UJI-t
1. Jenis Uji Perbandingan
Uji perbandingan terdiri dari tiga bagian yaitu uji t satu sampel, uji t sampel independen dan uji t sampel
berhubungan. Berikut ini akan saya jelaskan satu persatu.
1. One Sample t test
Untuk menguji apakah sebuah skor yang kita tentukan sendiri memiliki perbedaan secara signifikan
dengan rerata skor keseluruhan. Contoh, saya ingin mengetahui apakah skor IQ Budi yaitu110 memiliki
perbedaan dengan IQ siswa-siswa di kelasnya.
2. Sampel Independen (between subjects)
Sampel independen adalah sampel yang didapatkan dari data yang berasal dari subjek yang berbeda.
Misalkan perbandingan antar jenis kelamin (laki-laki vs perempuan), lokasi (desa vs kota), tingkat
pendidikan (SMA vs S1). Contoh hipotesis yang diajukan:
1. Terdapat perbedaan antara kecenderungan depresi (variabel dependen) antar laki-laki dan
perempuan (variabel independen)
2. Dalam eksperimen, anda ingin mencari perbedaan penyesuaian diri (variabel dependen) antara skor
pre-test antara kelompok kontrol dan kelompok eksperimen yang dieberikan pelatihan AMT (variabel
independen).

Statistika Inferensial - Wahyu Widhiarso

Fakultas Psikologi UGM

3. Sampel Berhubungan (between treatment)

Sampel berkorelasi adalah sampel yang didapatkan dari data yang berasal dari subjek yang sama.
Misalnya:
1. Anda ingin mencari perbedaan kinerja pegawai antara sebelum dan sesudah diberi kenaikan gaji.
2. Dalam eksperimen anda ingin membandingkan skor pre-test dan post-test sebuah kelompok
eksperimen.

B. MENGOLAH T-TES SAMPLE INDEPENDEN

Hipotesis
Variabel Dependen
Variabel Independen

: Terdapat perbedaan Locus Of Control (LOC) antara laki-laki dan perempuan

: Locus Of Control (LOC)
: Jenis kelamin

1. Menyiapkan Data
Sajikan data anda seperti pada contoh di bawah ini. Pada variabel gender ada dua jenis yaitu pria (dikode
dengan nomor 1) dan wanita (dikode dengan nomor 2). Letakkan dengan menyusun ke bawah Tidak
harus berurutan ya tidak apa-apa, nggak ada yang melarang jika kode 1 dan 2 tidak berurutan seperti
contoh yang saya berikan di bawah ini.

2. Menganalisis Data
Tekan Menu analyze, compare means, t-test independent samples. Lalu muncul kotak menu.
Masukkan variabel dependen pada test variables (boleh diisi lebih dari 2) dan variabel independen pada
grouping variables. Pada menu grup, tekan define grup. Lalu muncul menu kotak kecil. Karena tadi
jenis kelamin dikode dengan nomor 1 dan 2 bukan 8 dan 10 maka tulislah 1 dan 2. Tekan continue,
kemudian OK. Display out akan muncul.

Statistika Inferensial - Wahyu Widhiarso

Fakultas Psikologi UGM

Masukkan kode data

pada variabel anda

Cut Point
Jika data yang dibandingkan, bukan data kategorik 1 dan 2. Melainkan data kategorik yaitu 1 (SD), 2 (SMP) dan 3 (SMA)
anda dapat menekan cut point dan menulis angka tengahnya yaitu 2. jadi yang dibedakan adalah 1 (SD) dan 3 (SMA)

3. Membaca Hasil Analisis

Output uji-t terdiri dari output uji homogenitas dan uji-t seperti yang tertera pada tabel dibawah ini.
Independent Samples Test

Levene's Test for

Equality of Variances
t-test for Equality of
Means

Group Statistics

LOC

gender
pria
wanita

N
48
19

Mean
60.7083
56.8947

Std. Deviation
10.7386
12.4584

Std. Error
Mean
1.5500
2.8581

LOC
Equal variances
Equal variances
assumed
not assumed
1.641
.205
1.252
1.173
65
29.178
.215
.250

F
Sig.
t
df
Sig. (2-tailed)
Mean Difference

3.8136

Std. Error Difference

95% Confidence Interval
of the Difference

Lower
Upper

3.8136

3.0469

3.2514

-2.2714
9.8986

-2.8344
10.4616

Langkah I. Baca dulu Levenes test untuk uji homogenitas (perbedaan varians). Disana tampak bahwa
F=1,641 (p=0,205). Karena p diatas 0,05, maka dapat dikatakan bahwa tidak ada perbedaan varians
antara skor LOC pria dan wanita. Dengan kata lain data LOC antara pria dan wanita homogen.
Tabel 2.1 Aturan Uji Homogenitas
Output (F)
Sig: p< 0,05
Sig: p>0,05

Interpretasi
data tidak homogen
data homogen

Langkah II. Jika data anda homogen, maka baca lajur kiri (equal variance assumed) , jika data tidak
homogen, baca lajur kanan (equal variance not assumed).
Output (t)
Sig: p< 0,01
Sig: p< 0,05
Sig: p>0,05

Interpretasi
ada perbedaan pada taraf sig. 1%
ada perbedaan pada taraf sig. 5%
tidak ada perbedaan

Karena data kita homogen, maka yang kita lihat adalah lajur equal variance assumed (data diasumsikan
homogen). Di sana tampak bahwa nilai t kita 1,252, df=65, (p>0,05). Dapat disimpulkan bahwa tidak ada
perbedaan LOC antara pria dan wanita. Terlihat bahwa nilai t hitung= 1,252 (positif) artinya bahwa LOC
pria lebih tinggi dibanding wanita. Kita juga dapat melihat melalui deskriptif statistik bahwa rerata (mean)
LOC pria lebih tinggi dibanding wanita. Rerata LOC pria =60,70 sedangkan rerata LOC wanita 56,89.
Pria kelihatan bodohnya ketika mereka diam,
sedangkan ketika wanita diam, mereka kelihatan cerdas (Henry Delacroix )
Statistika Inferensial - Wahyu Widhiarso
Fakultas Psikologi UGM

Levene Tes Homogenitas.

Adalah uji homogenitas, yaitu uji perbedaan varians pada data
kita. Aturannya seperti yang tertulis pada tabel sebelumya. Jika
data homogen, baca lajur kiri, jika tidak, baca lajur kanan.

Independent Samples Test

Levene's Test for

Equality of Variances
t-test for Equality of
Means

kecerdasan
Equal variances
Equal variances
assumed
not assumed
,054
,819
-3,265
-3,265
18
17,998
,004
,004

F
Sig.
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval
of the Difference

Lower
Upper

Nilai t Anda.
Jika tak bisa mengalahkan t tabel (lebih besar dari t tabel),
jangan mengharap ada beda signifikan. Dari Sig. -nya terlihat
bahwa ia lebih besar dari t tabel (p<0,05.

-4,4000

-4,4000

1,34743

1,34743

-7,23084
-1,56916

-7,23086
-1,56914

Mean Difference.
Selisih Mean. Adalah selisih dua mean data kita.
Lihat tabel dibawah ini. Seperti kita ketahui dari
data ini, bahwa rerata kecerdasan pria= 25,50
kecerdasan wanita= 29,90. Selisihnya adalah 4,400. Perempuan lebih cerdas daripada pria

Std
. Eror Difference. Adalah selisih
standar deviasi dua data kita.
3,02765 - 2,99815 = 1,34743.

95 % Confidence
Interval of the difference.
Adalah rentang nilai perbedaan yang
ditoleransi. Pada kasus kita, toleransi
ini menggunakan taraf kepercayaan
95%.
adi dengan menggunakan taraf
kepercayaan 95 %, rentang selisih
kecerdasan pria dan wanita dari 1,57
sampai 7,23.

(-1,56916)------------------ (-4,4) ------------------ (-7,23084)

upper
mean difference
lower

Visualisasi t-tes

Nomor-nomor yang besar dan sangat meyakinkan pastilah mengandung kesalahan

(Wentworth Dillon)

Statistika Inferensial - Wahyu Widhiarso

Fakultas Psikologi UGM