Uji-t tes digunakan untuk melihat perbedaan rata-rata dari dua kelompok data.
Bandingkan dengan nilai pretest dan posttest pada kelas A, di mana nilai pretest dan posttest berasal dari
subjek yang sama atau disebut dengan data berpasangan. Apabila menemui kasus yang data berpasangan,
maka uji beda yang tepat adalah uji paired t test/ uji dependen t tes .
Klik Continue.
T-Test
Group Statistics
Std. Error
KERJA N Mean Std. Deviation Mean
BBBAYI bekerja 14 3.486 .6049 .1617
tidak bekerja 36 3.081 .6533 .1089
Mean Independen T Test
Tabel di atas menunjukkan Mean atau rerata tiap kelompok, yaitu pada kelompok bekerja nilai rata-rata pada
kelompok bekerja 3,486 lebih tinggi dari kelompok tidak bekerja yaitu 3.081 ( terdapat selisih 0,405). Apakah
perbedaan ini bermakna? lihat di bawah ini:
Independent Samples Test
an SMA. Kita akan melakukan uji hipotesis apakah ada perbedaan rata-rata berat bayi yang lahir dari ibu dari
jenis pendidikan yang berbeda, dengan langkah-langkah sebagai berikut.
1. Bukalah file data
2. Dari menu utama, pilihlah
Analyze
Compare Means
One-way ANOVA ...
3. Klik variabel BBAYI dan klik tanda untuk memasukkannnya ke kotak Depedent List.
4. Klik variabel DIDIK dan klik tanda untuk memasukkannnya kotak Factor.
5. Pada menu Options.. klik Deskriptive dan Homegeneity of varians.
6. Klik Continue dan Anda akan kembali ke kotak dialog awal dengan isian lengkap
BBBAYI
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
SD 8 2.350 .1773 .0627 2.202 2.498 2.1 2.7
SMP 13 2.908 .3968 .1100 2.668 3.147 2.4 3.8
SMA 17 3.335 .6363 .1543 3.008 3.662 2.3 4.0
PT 12 3.867 .1435 .0414 3.775 3.958 3.6 4.1
Total 50 3.194 .6601 .0933 3.006 3.382 2.1 4.1
Oneway
Descriptives
Pada hasil di atas terlihat bahwa rata-rata berat bayi pada ibu dengan pendidikan SD adalah 2,350 gram, pada
ibu dengan pendidikan SMP adalah 2,908 gram, dan pada ibu berpendidikan SMA adalah 3,335 gram dan PT
3,367 gram. Standar deviasi, nilai minimum-maximun, dan interval 95% tingkat kepercayaan juga diperlihatkan
BBBAYI
Levene
Statistic df1 df2 Sig.
14.851 3 46 .000
Salah satu asumsi dari uji Anova adalah varians masing-masing kelompok harus sama. Untuk itu dilakukan uji
homogenitas varians yang hasilnya memperlihatkan bahwa p-value (sig.) lebih besar dari nilai=0.05, berarti
varians antar kelompok adalah sama. Jika varians tidak sama, uji Anova tidak valid untuk dipakai. Catatan:
dalam hal ini kita tidak melakukan uji normalitas
Hasil uji Anova, sebagai berikut:
ANOVA
BBBAYI
Sum of
Squares df Mean Square F Sig.
Between Groups 12.533 3 4.178 21.802 .000
Within Groups 8.815 46 .192
Total 21.348 49
Pada hasil di atas diperoleh nilai ANOVA F = 21,802 dengan p-value<0.000 (dalam keadaan ini boleh juga
ditulis p < 0.001). artinya ada perbedaan rata-rata berat bayi antara kelompok ibu dengan pendidikan SD, SMP,
dan SMA. Sehingga kita menyimpulkan ada perbedaan berat badan bayi dari ke tiga kelompok ibu tersebut
(setidaknya salah satu nilai mean berbeda dengan lainnya). Namun, kita belum tahu kelompok mana yang
berbeda antara satu dengan yang lainnya.
Dengan uji ANOVA saja kita belum tahu kelompok mana yang berbeda, apakah antara pendidikan SD dengan
SMP, SD dengan SMA, atau SMP dengan SMA. Untuk menjawab pertanyaan ini kita harus melakukan uji
banding ganda. Untuk melakukan uji banding ganda, kita harus klik menu Post Hoc… pada kotak dialog
ANOVA.
Hasil output SPSS adalah sama dengan hasil uji ANOVA sebelumnya dan ditambah dengan tampilan berikut:
Multiple Comparisons
Mean
Difference 95% Confidence Interval
(I) DIDIK (J) DIDIK (I-J) Std. Error Sig. Lower Bound Upper Bound
SD SMP -.5577* .1967 .041 -1.100 -.015
SMA -.9853* .1877 .000 -1.503 -.468
PT -1.5167* .1998 .000 -2.068 -.966
SMP SD .5577* .1967 .041 .015 1.100
SMA -.4276 .1613 .066 -.872 .017
PT -.9590* .1752 .000 -1.442 -.476
SMA SD .9853* .1877 .000 .468 1.503
SMP .4276 .1613 .066 -.017 .872
PT -.5314* .1650 .014 -.986 -.076
PT SD 1.5167* .1998 .000 .966 2.068
SMP .9590* .1752 .000 .476 1.442
SMA .5314* .1650 .014 .076 .986
*. The mean difference is significant at the .05 level.
3. UJI T Berpasangan (T dependen/ t paired)
Contoh lain:
Masukkan variable yang diuji (hb1 dan hb2) ke kotak paired variable.
klik OK
Std. Error
Mean N Std. Deviation Mean
Pair 1 HBI 10.622 50 1.2819 .1813
HB2 11.758 50 1.0270 .1452
Dari hasil uji kadar Hb ibu sebelum diberi intervensi 10,622 gr%, dan setelah intervensi meningkat menjadi 11,758 gr%, hasil ui
statistic sebagai berikut:
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 HBI - HB2 -1.1360 1.6049 .2270 -1.5921 -.6799 -5.005 49 .000
Dari out put data diperoleh t 5,005 dengan nilai p= 0,000 (ditulis 0,001) p<0,005 dapat disimpulkan ada perbedaan yang
signifikan kadar hb ibu sebelum dan setelah mendapat intervensi/ perlakuan.
4.UJI KAI KUADRAT
6. Klik “Continue”
7. Klik option “Cells”, bawa bagian “Percentages” dan klik “Row”
8. Klik “Continue”
9. Klik “OK” hasilnya tampak sbb:
Out Put hasil Analisis:
Chi-Square Tests
Risk Estimate
95% Confidence
Interval
Value Lower Upper
Odds Ratio for status
pekerjaan ibu (TIDAK 5.464 1.627 18.357
KERJA / KERJA)
For cohort status
menyusui asi = YA 2.250 1.209 4.189
EKSKLUSIVE
For cohort status
menyusui asi = .412 .208 .816
TIDAK EKSKLUS
N of Valid Cases 50
Ada sebanyak 18 (72,0%) ibu yang tidak bekerja
menyusui bayi secara eksklusif. Sedangkan diantara ibu yang
bekerja, ada 8 (32,0%) yang menyusui secara eksklusif.
Dengan demikian kita menggunakan uji Chi Square yang
sudah dilakukan koreksi (Continuity Correction) dengan p
value dapat dilihat pada kolom “Asymp. Sig” dan terlihat p
valuenya = 0,011. berarti kesimpulannya ada perbedaan
perilaku menyusui eksklusif antara ibu yang bekerja dengan
ibu yang tidak bekerja. Dengan kata lain dapat disimpulkan
bahwa ada hubungan status pekerjaan dengan perilaku
menyusui eksklusif.