STATISTIKA PARAMETRIK

Uji T Berpasangan

Uji T Tidak Berpasangan

One Way Anova

Two Way Anova

Paired T-Test (Uji T Berpasangan)
TUTORIAL UJI-T DEPENDEN (BERPASANGAN)
Pada tutorial ini dianalisis data terkait "Peningkatan Kekuatan Otot Kelompok Perlakuan
dengan Pelatihan Angkat Dumbell".
Data di atas adalah data hasil tes awal (point sebelum pelatihan angkat dumbell) dan test akhir
(point sesudah melakukan pelatihan angkat dumbell). Data ini terdiri dari 15 sampel yang
berdistribusi normal.

Berikut langkah-langkah melakukan uji Paired Sample T Test:

2. Memasukkan variabel dari sampel berpasangan

Setelah kita melakukan langkah di atas, akan terbuka jendela Paired Samples T Test.
Masukkan variabel dari sampel berpasangan pada kotak Paired Variable. Pada kolom
Variable 1 masukkan variabel pada kondisi pertama (Contoh: Test Awal) dan Variable 2
masukkan variable pada kondisi kedua (Contoh: Test Akhir).

3. Klik OK
MEMBACA HASIL UJI T BERPASANGAN

Tabel Paired Samples Statistics menunjukkan nilai deskriptif masing-masing variabel pada
sampel berpasangan.

 Tes Awal mempunyai nilai rata-rata (mean) 25.47 dari 15 data. Sebaran data (Std.
Deviation) yang diperoleh adalah 2.588 dengan standar error 0.668.
 Tes Akhir mempunyai nilai rata-rata (mean) 29.87 dari 15 data. Sebaran data
(Std.Deviation) yang diperoleh 3.777 dengan standar error 0.975.

Hal ini menunjukkan tes akhir pada data lebih tinggi dari pada tes awal. Namun rentang sebaran
data tes akhir juga menjadi semakin lebar dan dengan standar error yang semakin tinggi.

Tabel Paired Samples Correlations menunjukkan nilai korelasi yang menunjukkan hubungan
kedua variabel pada sampel berpasangan. Hal ini diperoleh dari koefisien korelasi Pearson
bivariat (dengan uji signifikansi dua sisi) untuk setiap pasangan variabel yang dimasukkan.

Tabel Paired Samples Test merupakan tabel utama dari output yang menunjukkan hasil uji yang
dilakukan. Hal ini dapat diketahui dari nilai signifikansi (2-tailed) pada tabel.
Nilai signifikansi (2-tailed) dari contoh kasus ini adalah 0.001 (p < 0.05). Sehingga hasil test
awal dan test akhir mengalami perubahan yang signifikan (berarti). Berdasarkan statistika
deskriptif tes awal dan tes akhir terbukti test akhir lebih tinggi. Dapat disimpulkan pelatihan
angkat dumbell dapat meningkatkan kekuatan otot.

D4. Penjelasan Kolom tabel Paired Samples Test

1. Kolom pertama menunjukkan pengujian pasangan, pada contoh pada baris 1 berisi data
Pair 1, jika kita melakukan pengujian dengan banyak pasangan maka baris yang
dihasilkan akan lebih banyak.
2. Mean menunjukkan rata-rata perbedaan nilai dari 2 variabel yang diuji yang merupakan
selisih mean test awal dan test akhir.
3. Std. Deviation menunjukkan standar deviasi dari skor perbedaan.
4. Std. Error Mean menunjukkan standar error dari perbedaan nilai digunakan dalam
menghitung statistik uji dan interval kepercayaan (Lower dan Upper bound).
5. t menunjukkan statistik uji (dilambangkan dengan t) untuk uji berpasangan (paired test)
6. df menunjukkan derajat kebebasan dari pengujian.
7. sig (2-tailed) menunjukkan p-value atau signifikansi hasil pengujian yang bersesuaian
dengan statistik uji (t) dan derajat kebebasan (df).
Unpaired T-Test (Uji T tidak
Berpasangan
TUTORIAL UJI-T INDEPENDEN (TIDAK BERPASANGAN)
Pada tutorial ini dianalisis data terkait "Peningkatan Kekuatan Otot Kelompok Kontrol
Tanpa Pelatihan dan Kelompok Perlakuan dengan Pelatihan Angkat Dumbell"
Berikut langkah-langkah melakukan uji Independent T Test menggunakan SPSS:

Setelah kita melakukan langkah ini, jendela Independent-Samples T Test akan terbuka
5. Klik OK
MEMBACA HASIL UJI INDEPENDENT SAMPLES T TEST

Tabel berikut merupakan tabel utama dari analisis independent sample t test. Terlihat nilai
signifikansi 2 arah (t-tailed) 0.000 < 0.05. Sehingga terdapat perbedaan skor point yang berarti
antara kelompok kontrol dan perlakuan. Berdasarkan nilai deskriptifnya terbukti kelompok
perlakuan dengan pelatihan angkat dumbell mendapat skor lebih tinggi.
 ANALYSIS OF VARIANCE (ANOVA)

Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan dalam penelitian
eksperimen. metode analisis ini dikembangkan oleh R.A Fisher. Uji Anova juga adalah bentuk
uji hipotesis statistik dimana kita mengambil kesimpulan berdasarkan data atau kelompok
statistik inferentif. Hipotesis nol dari uji Anova adalah bahwa data adalah simple random dari
populasi yang sama sehingga memiliki ekspektasi mean dan varians yang sama. Sebagai contoh
penelitian perbedaan perlakuan terhadap sampel pasien yang sama. Hipotesis nol nya adalah
semua perlakuan akan memiliki efek yang sama.

Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t dibatasi untuk menguji
hipotesis dua kelompok. Uji Anova atau Analisis varians (ANOVA) dikembangkan untuk
memungkinkan peneliti untuk menguji hipotesis perbandingan lebih dari dua kelompok.
Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik untuk perbandingan.
Yang membedakan keduanya adalah hanya jumlah kelompok yang dibandingkan.

LANDASAN KONSEPTUAL ANOVA

Seperti halnya Uji T, dalam uji Anova pun Anda harus menghitung statistik uji (dalam hal ini
adalah F- rasio) untuk menguji pernyataan bahwa apakah kelompok yang dibandingkan memiliki
kesamaan atau tidak. Bahasa statistik hipotesis uji Anova dapat dituliskan sebagai berikut: H0 :
M1 = M2 = M3 = 0 , biasanya dengan harapan bahwa Anda akan dapat menolak H0 untuk
memberikan bukti bahwa hipotesis alternatif ( H1 : Tidak H0 ) . Untuk menguji H0, Anda
mengambil sampel secara acak kelompok peserta/sampel/responden dan menetapkan ukuran-
ukuran (variabel dependen). Kemudian melihat apakah ukuran-ukuran tersebut berbeda berarti
untuk berbagai kondisi. Jika berbeda maka Anda akan dituntun untuk menolak H0. Seperti pada
uji statistik yang lain, kita menolak H0 ketika mendapati statistik uji yang diukur melalui F-
statistik yang melebihi F tabel dengan tingkat kepercayaan tertentu. Cara lain dapat dilakukan
dengnan melihat p-value (nilai probabilitas) yang mana lebih rendah dari 5%, misalnya kita
menggunakan tingkat kepercayaan 95%.

Prinsip uji Anova adalah kita membandingkan variansi tiga kelompok sampel atau lebih. Lebih
dari sekedar membandingkan nilai mean (rata-rata), uji anova juga mempertimbangkan
keragaman data yang dimanifestasikan dalam nilai varians.

Asumsi yang harus dipenuhi dalam uji Anova sebagai bentuk dari model linier adalah sebagai
berikut:

1. Independensi observasi, setiap observasi dalam analisis anova harus bersifat independen.
 2. Normalitas, Residual atau error harus mengikuti distribusi normal.
3. Homogenitas varians, varians antara kelompok yang dibandingkan harus homogen.

Mengingat uji Anova ini banyak digunakan dalam penelitian eksperimen, maka uji anova dapat
dibagi berdasarkan desainnya.

1. Anova satu arah, digunakan untuk menguji perbedaan diantara dua atau lebih kelompok
dimana hanya terdapat satu faktor yang dipertimbangkan. sebagai contoh
membandingkan efek dosis obat yang berbeda terhadap kesembuhan pasien.

2. Anova faktorial, merupakan pengembangan dari anova satu arah dimana ada lebih dari
satu faktor dan interaksinya yang dipertimbangkan. Misalnya bukan hanya faktor dosis
obat tetapi juga frekuensi pemberian obat. pada anova faktorial, interaksi atau kombinasi
diantara faktor juga dipertimbangkan. Pada contoh ini, interaksi antara dosis obat dan
frekuensi pemberian obat dapat dihitung pengaruhnya terhadap kesembuhan pasien.
Anova dua arah (two way anova) termasuk dalam Anova faktorial.

3. Anova reapeted measures, digunakan ketika dalam desain eksperimen mengijinkan

subjek penelitian diikutsertakan pada perlakuan yang berbeda. terkait contoh di atas,
misalnya pasien yang sama diberikan obat dengan dosis yang berbeda.

4. Multivariat Anova, berbeda dengan uji Anova yang hanya mengukur satu respon,
Manova mengukur lebih dari satu respon dalam satu kali eksperimen. misalnya kita
meneliti dampak obat pada beberapa dosis. Respon yang diteliti lebih dari satu misalnya
kadar Trigleserida , LDL dan HDL pada pasien.
 ONE WAY ANOVA

Tutorial Uji ANOVA

Sebagai bahan uji coba, maka kita gunakan contoh sebuah penelitian yang berjudul “Perbedaan
Pendapatan Berdasarkan Pekerjaan”.

Di mana pendapatan sebagai variabel terikat bertipe data kuantitatif atau numerik. Sedangkan
pekerjaan sebagai variabel bebas berskala data kualitatif atau kategorik. Yaitu dengan 3 kategori:
Tani, Buruh dan Lainnya. (Ingat bahwa uji One Way Anova dilakukan apabila variabel terikat
adalah interval dan variabel bebas adalah kategorik)

 Buka SPSS.
 Buka Tab Variable View, buat 2 variabel: Pekerjaan dan Pendapatan.
 Ubah Type Pekerjaan ke “Numeric”, Decimals “0”, beri label “Pekerjaan”, ubah measure
menjadi “Nominal” dan isi value dengan kategori: 1 = Tani, 2 = Buruh dan 3 = Lainnya.
 Ubah Type Pendapatan ke “Numeric”, Decimals “0”, beri label “Pendapatan”, ubah measure
menjadi “Scale”.

Contoh Data Uji ANOVA

 Buka Data View dan isikan data sebanyak 24 responden sebagai berikut:
 Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai muncul jendela One-
Way ANOVA seperti di bawah ini:

 Pilih variabel “Pendapatan” lalu masukkan ke kotak “Dependent List:” Kemudian pilih
variabel “Pekerjaan” lalu masukkan ke kotak “Factor:” Sehingga nampak seperti di bawah ini:
 Klik tombol Options, akan muncul jendela ini: Centang “Descriptive” dan “Homogenity of
variance test“

 Klik Continue
 Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul jendela ini:
Centang Bonferroni dan Games-Howell serta biarkan significance level = 0,05.

 Klik Continue.
 Lalu Klik OK dan Lihatlah hasil!
Hasil terilhat sebagai berikut:

Interprestasi Uji ANOVA

Interprestasi Baca adalah sebagai berikut:

 Dari tabel Descriptives nampak bahwa responden yang bekerja sebagai Tani rata-rata
berpendapatan sebesar 195497,50, Buruh rata-rata berpendapatan sebesar 265080,75 dan
Lainnya rata-rata berpendapatan 326423,25. Selanjutnya untuk melihat uji kita lihat di
tabel ANOVA.
 Sebelum melanjutkan uji perlu diingat bahwa salah satu asumsi Anova adalah variansnya
sama. Dari tabel Test of Homegeneity of Variances terlihat bahwa hasil uji menunjukan
bahwa varian ketiga kelompok tersebut sama (P-value = 0,357), sehingga uji Anova valid
untuk menguji hubungan ini.
 Selanjutnya untuk melihat apakah ada perbedaan pendapatan dari ketiga kelompok pekerja
tersebut. Kita lihat tabel ANOVA , dari tabel itu pada kolom Sig. diperoleh nilai P (P-value)
= 0,037. Dengan demikian pada taraf nyata = 0,05 kita menolak Ho, sehingga kesimpulan
yang didapatkan adalah ada perbedaan yang bermakna rata-rata pendapatan berdasarkan
ketiga kelompok pekerjaan tersebut.

Interprestasi Uji ANOVA: Post Hoc

 Jika hasil uji menunjukan Ho gagal ditolak (tidak ada perbedaan), maka uji lanjut (Post Hoc
Test) tidak dilakukan. Sebaliknya jika hasil uji menunjukan Ho ditolak (ada perbedaan), maka
uji lanjut (Post Hoc Test) harus dilakukan.
 Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna, maka uji selanjutnya
adalah melihat kelompok mana saja yang berbeda.
 Untuk menentukan uji lanjut mana yang digunakan, maka kembali kita lihat tabel Test of
Homogeneity of Variances, bila hasil tes menunjukan varian sama, maka uji lanjut yang
digunakan adalah uji Bonferroni. Namun bilai hasil tes menunjukan varian tidak sama, maka
uji lanjut yang digunakan adalah uji Games-Howell.
 Dari Test of Homogeneity menghasilkan bahwa varian ketiga kelompok tersebut sama, maka
uji lanjut (Post Hoc Test) yang digunakan adalah Uji Bonferroni.
 Dari tabel Post Hoc Test di atas memperlihatkan bahwa kelompok yang menunjukan adanya
perbedaan rata-rata pendapatan (ditandai dengan tanda bintang “*”) adalah Kelompok “Tani”
dan “Lainnya”.
 TWO WAY ANOVA

Two Way Anova merupak uji Dua Faktor, dimana ada satu variabel terikat bertipe data
kuantitatif atau numerik dan dua variabel bebas berskala data kualitatif atau kategorik.

Kita ambil contoh penelitian yang berjudul “Pengaruh Gender dan Pendidikan Terhadap Nilai
Ujian Fisika”.

Langkah pertama adalah siapkan dulu data sebagai berikut:

Two Way Anova Dataset Excel

Buka Aplikasi SPSS For Windows:

 Buka Tab Variable View: Buat 3 variabel dengan ketentuan sebagai berikut:

 Variabel independen: 1. “Gender” dengan kategori Pria dan Wanita.

Measure Nominal, Decimals=0, Type Numeric dan isi value: 1= Pria, 2=Wanita.

 Variabel independen: 2. “Pendidikan” dengan kategori SLTP, SLTA dan PT.

Measure Nominal, Decimals=0, Type Numeric dan isi value: 1= SLTP, 2=SLTA, 3=PT.
 Variabel dependen: “Ujian”, Decimals=0, Measure Scale, Type Numeric.

Dataview

Buka Tab Data View: Isi data seperti di bawah ini:

Two Way Anova Dataset

 Setelah data terisi, pada menu, Klik Analyze, General Linear Model, Univariate. Maka akan
mucul jendela sbb: Masukkan Ujian ke kotak Dependent Variable, masukkan Gender dan
 Pendidikan ke kotak Fixed factor(s). (Kotak Random factor (s) dan Covariate(s) tidak akan
kita gunakan dalam Two Ways Anova, kotak tersebut akan digunakan pada “Uji Ancova“).

SPSS Proses

 Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan Gender ke kotak
Horizontal Axis dan Pendidikan ke kotak Separate Lines.

SPSS Plot

 Klik Add, maka akan tampak sbb:

 SPSS Plot Continue

 Klik Continue.
 Klik Post Hoc, maka muncul jendela sbb: Masukkan Pendidikan ke kotak Post Hoc Test for.
Centang Tukey

Two Way Anova SPSS Post Hoc

 Klik Continue
 Klik Options, maka akan muncul jendela sbb: Masukkan Gender, Pendidikan, dan
Gender*Pendidikan ke dalam kotak Display Means for. Pada Display centang Descriptive
statistics dan Homogentity test.
 Two Way Anova SPSS Homogenity

 Klik Continue
 Klik OK

INTERPRETASI TWO WAY ANOVA

Dengan menggunakan data pada artikel sebelumnya tersebut, maka kita lihat output di bawah ini:

Output Deskriptive Pasca ANOVA SPSS

Dari tabel di atas, kita bisa menilai rata-rata nilai ujian berdasarkan gender dan pendidikan.
sebagai contoh: nilai rata-rata ujian pria dengan pendidikan SLTP sebesar 32,43 sedangkan nilai
ujian wanita yang berpendidikan SLTA sebesar 65,13 dan begitu seterusnya.

Asumsi Homogenitas: Levene Test

Di bawah ini adalah Tabel Levene’s Test. Digunakan untuk menilai homogenitas tiap variabel.

Levene Test ANOVA dengan SPSS

Di atas menunjukkan nilai (Signifikansi) Sig. 0,527 di mana > 0,05 sehingga bisa dikatakan
varian antar group berbeda secara signifikan.

Output Two Way ANOVA dengan SPSS

Tabel di bawah ini menunjukkan hasil dari uji Two Way Anova:

Interprestasi Output Two Way ANOVA dengan SPSS

Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan sebagai berikut:
Corrected Model:
Pengaruh Semua Variabel independen (Gender, Pendidikan dan Interaksi gender dengan
pendidikan atau “Gender*Pendidikan”) secara bersama-sama terhadap variabel dependen (Nilai
Ujian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti model
valid.

Intercept:
Nilai perubahan variabel dependen tanpa perlu dipengaruhi keberadaan variabel independen,
artinya tanpa ada pengaruh variabel independen, variabel dependen dapat berubah
nilainya. Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti
intercept signifikan.

Gender:
Pengaruh gender terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) < 0,05 (Alfa)=
Signifikan. Contoh di atas 0,005 berarti gender berpengaruh signifikan.

Pendidikan:
Pengaruh pendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05
(Alfa)= Signifikan. Contoh di atas 0,000 berarti Pendidikan berpengaruh signifikan.

Gender*Pendidikan:
Pengaruh Genderpendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.)
<0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti
genderpendidikan berpengaruh signifikan.

Error:
Nilai Error model, semakin kecil maka model semakin baik.

R Squared:
Nilai determinasi berganda semua variabel independen dengan dependen. Contoh di atas 0,668 di
mana mendekati 1, berarti korelasi kuat.

Kesimpulan Hipotesis Two Way ANOVA

Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin 1, 3, 4 dan 5 adalah yang terpenting
(tanpa mengabaikan yang lain). Oleh karena hasil uji F menunjukkan bahwa signifikan ada
perbedaan atau menerima H1, maka selayaknya Uji ANOVA ini dilanjutkan ke tahap
selanjutnya, yaitu Uji Post Hoc.

Post Hoc Test

Dalam rangka Interprestasi Output Two Way ANOVA dengan SPSS, maka anda harus pahami
tentang uji post hoc berikut. Sedikit review saja, bahwa uji post hoc adalah uji lanjut atau uji
yang menilai adanya perbedaan signifikan antar kelompok.

Tabel Tukey Post Hoc

Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai kategori manakah dari
variabel pendidikan yang memiliki perbedaan signifikan:

Post Hoc Output Two Way ANOVA dengan SPSS

Yang ada perbedaan signifikan ditandai dengan tanda bintang (*). Dari tabel di atas, semuanya
ditandai dengan bintang, berarti semuanya ada perbedaan yang signifikan.

Diagram Plot

Diagram Plot di bawah ini berguna untuk menilai apakah ada interaksi efek antar variabel.
Namun diagram ini tidak bisa dijadikan bahan acuan yang valid. Tetapi hanya sekedar
memberikan gambaran saja. Apabila garis-garis tidak menunjukkan kesejajaran, maka dicurigai
ada efek interaksi.
 Diagram Plot Mean Pasca Uji ANOVA

Diagram di atas menunjukkan ada ketidak sejajaran garis, maka dicurigai ada efek interaksi.