OLEH
Kelompok : 1
DENPASAR
2020
1
BAB I
PENDAHULUAN
1
BAB II
PEMBAHASAN
2
yaitu digunakan untuk menguji hipotesa komparatif (uji perbedaan), digunakan untuk sampel
kecil dan varian populasi tidak diketahui, dan membedakan mean kelompok.
3
Contoh Kasus
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai
ujian antara kelas A dan kelas B pada fakultas Psikologi suatu universitas. Penelitian
dengan menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas
B. Dalam uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya
kelas A sebanyak 8 orang dan kelas B sebanyak 12 orang. Data-data yang didapat sebagai
berikut:
4
5. Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom pada
baris kedua ketik Kelas.
6. Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None).
Untuk kolom pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label
ketik kelas A, lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label
ketik kelas B, lalu klik Add. Kemudian klik OK.
7. Untuk kolom-kolom lainnya boleh dihiraukan (isian default).
8. Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan kelas.
9. Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1 dan 2
(1 menunjukkan kelas A dan 2 menunjukkan kelas B).
10. Klik Analyze - Compare Means - Independent Sample T Test.
11. Klik variabel Nilai Ujian dan masukkan ke kotak Test Variable, kemudian klik variabel
Kelas dan masukkan ke kotak Grouping Variable, kemudia klik Define Groups, pada
Group 1 ketik 1 dan pada Group 2 ketik 2, lalu klik Continue.
12. Klik OK, maka hasil output yang didapat adalah sebagai berikut:
Sebelum dilakukan uji t test sebelumnya dilakukan uji kesamaan varian (homogenitas)
dengan F test (Levene,s Test), artinya jika varian sama maka uji t menggunakan Equal Variance
Assumed (diasumsikan varian sama) dan jika varian berbeda menggunakan Equal Variance Not
Assumed (diasumsikan varian berbeda). Langkah-langkah uji F sebagai berikut:
1. Menentukan Hipotesis
Ho : Kedua varian adalah sama (varian kelompok kelas A dan kelas B adalah sama)
Ha : Kedua varian adalah berbeda (varian kelompok kelas A dan kelas B adalah berbeda).
2. Kriteria Pengujian (berdasar probabilitas atau signifikansi)
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
3. Membandingkan probabilitas atau signifikansi
Nilai P value (0,613 > 0,05) maka Ho diterima.
4. Kesimpulan
Oleh karena nilai probabilitas (signifikansi) dengan equal variance assumed (diasumsikan
kedua varian sama) adalah 0,603 lebih besar dari 0,05 maka Ho diterima, jadi dapat
5
disimpulkan bahwa kedua varian sama (varian kelompok kelas A dan kelas B adalah
sama). Dengan ini penggunaan uji t menggunakan equal variance assumed (diasumsikan
kedua varian sama).
2.2.2. Pengujian Independen Sample T Test
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian
kelas B
Ha : Ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian kelas B
6
7. Kesimpulan
Oleh karena nilai t hitung > t tabel (3,490 > 2,101) dan P value (0,003 < 0,05) maka
Ho ditolak, artinya bahwa ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-
rata nilai ujian kelas B. Pada tabel Group Statistics terlihat rata-rata (mean) untuk kelas A
adalah 40,30 dan untuk kelas B adalah 32,80, artinya bahwa rata-rata nilai ujian kelas A
lebih tinggi daripada rata-rata nilai ujian kelas B.
Nilai t hitung positif, berarti rata-rata group1 (kelas A) lebih tinggi daripada group2
(kelas B) dan sebaliknya jika t hitung negatif berarti rata-rata group1 (kelas A) lebih
rendah dari pada rata-rata group2 (kelas B). Perbedaan rata-rata (mean diference) sebesar
7,50 (40,30-32,80), dan perbedaan berkisar antara 2,98 sampai 12,02 (lihat pada lower dan
upper).
7
Contoh II:
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). Langkahnya sebagai berikut :
1. Buka atau aktifkan SPSS anda. Kemudian pada menu utama klik File --> Open -->
Data, sampai muncul layar.
8
9
2. Pilih file "bbay.sav" dan klik open, akan muncul layar di bawah ini :
3. Yang perlu diperhatikan pada layar di atas adalah variabel "rokok" dan "bbayi". Karena
kedua variabel ini yang akan kita uji.
10
4. Klik Menu Analyze Compare Means independent Sample T-Test
11
7. Kemudian klik tanda segitiga paling atas untuk memasukan variabel tersebut ke kotak
Test variable(s).
10. Klik OK untuk menjalankan prosedur. Pada layar output akan nampak hasil seperti
berikut :
12
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.
Untuk melihat perbedaan ini 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
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 (P-value = 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 α = 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
13
BAB III
PENUTUP
3.1 Simpulan
Uji beda t-test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan
memiliki nilai rata-rata yang berbeda. Uji beda t-test dilakukan dengan cara membandingkan
perbedaan antara dua nilai rata-rata. Dalam kasus tertentu, juga bisa mencari perbedaan
antara suatu sampel dengan nilai tertentu.
Independen Sample t-Test, Uji ini digunakan untuk mengetahui ada atau tidaknya
perbedaan rata-rata antara dua kelompok sampel yang tidak berhubungan. prinsipnya ingin
mengetahui apakah ada perbedaan mean antara dua populasi, dengan membandingkan
samplenya. jika ada perbedaan, rata-rata manakah yang lebih tinggi. Data yang digunakan
biasanya berskala interval atau rasio.
3.2 Saran
Diharapkan pembaca mampu memahami dan mengaplikasikan Analitik Parametrik Uji
Beda Independen Sample t-Tesdi dalam penelitian nantinya dengan menggunakan rumus-
rumus yang telah ditetapkan sehingga menghasilkan data yang akurat
14
DAFTAR PUSTAKA
Martono, N. 2010. Statistika Sosial : Teori dan Aplikasi Program SPSS. Yogyakarta : Gaya
Media
Riwidikdo, H. 2009. Statistik Kesehatan. Yogyakarta: Mitra Cendikia
15