MAKALAH

UJI -T UNTUK SAMPLE SALING BEBAS ( INDEPENDET-SAMPLES T-TEST)

Diajukan Untuk Memenuhi Tugas Mata Kuliah “Statistika

Pendidikan” Dosen Pengampu: Dr. Suheri SPd.I, M.Pd.I

Di susun oleh :
Hofiatun Nisa ( 202091010078 )

SEKOLAH TINGGI AGAMA ISLAM AT TAQWA

BONDOWOSO PROGRAM STUDI PENDIDIKAN AGAMA
ISLAM (PAI) TAHUN AKADEMIK 2022-2023

1
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas limpahan
rahmat dan karunianya kepada penulis, sehingga penulis dapat menyelesaikan makalah yang
berjudul ” Uji -T Untuk Sample Saling Bebas ( Independet-Samples T-Test)” ini dengan
lancar. Penulisan makalah ini bertujuan untuk memenuhi salah satu tugas yang diberikan oleh
dosen.
Makalah ini ditulis dari hasil penyusunan data-data skunder yang penulis peroleh dari buku
panduan yang berkaitan dengan materi pembelajaran serta informasi dari media masa yang
berhubungan dengan materi.
Tak lupa penyusun ucapkan terima kasih kepada dosen pengajar.Atas bimbingan dan
arahan dalam penulisan makalah ini. Juga kepada rekan-rakan mahasiswa yang telah
mendukung sehingga dapat diselesaikannya makalah ini. Penulis berharap, dengan membaca
makalah ini dapat memberi manfaat bagi kita semua, dalam hal ini dapat menambah
wawasan kita mengenai ” ” Uji -T Untuk Sample Saling Bebas ( Independet-Samples T-
Test)” khususnya bagi penulis. Akhirnya penulis menyadari bahwa makalah ini memang jauh
dari sempurna, untuk itu kami dengan senang hati menerima kritik dan saran yang
dimaksudkan untuk penyempurnaan makalah ini.

Bondowoso, 15 Desember 2022

2
 DAFTAR ISI

Kata Pengantar.......................................................................................................................I
DAFTAR ISI..............................................................................................................................II

BAB I PENDAHULUAN

A. Latar belakang…................................................................................................................1
B. Rumusan masalah…..........................................................................................................1
C. Tujuan masalah…..............................................................................................................2
BAB II PEMBAHASAN

A. Pengertian Uji T Saling Bebas”.........................................................................................3

B. Pendistribusian Data”......................................................................................................3
C. Hasil pembahasan….........................................................................................................4
BAB III PENUTUP

A. Kesimpulan…....................................................................................................................6
B. lampiran…........................................................................................................................6
DAFTAR PUSTAKA

3
1.1 Latar
Belakang.
BAB I
PENDAHULUA
N

Salah satu tujuan digunakannya suatu analisis statistika adalah membuat

kesimpulan tentang satu atau beberapa karakteristik tertentu dari satu atau beberapa
populasi, baik dengan cara penaksiran ataupun pengujian hipotesis mengenai karakteristik
tersebut. Salah satu analisis statistika tersebut adalah pengujian kesamaan dua rata-rata dari
dua populasi yang saling bebas, yang sering disebut sebagai masalah dua sampel saling
bebas. Dalam pengujian untuk masalah dua sampel saling bebas tersebut, masing-masing
sampel harus diambil secara acak dari populasinya dan setiap pengamatan harus saling
bebas satu sama lain. Metode pengujian untuk masalah dua sampel saling bebas yang paling
umum digunakan adalah uji t untuk kasus dua sampel saling bebas, dimana asumsi yang
harus dipenuhi adalah data berasal dari populasi yang berdistribusi normal dan varians
homogen. Akan tetapi dalam praktek data tidak selalu berasal dari populasi yang
berdistribusi normal, misalnya data nilai kelas XI dan kelas dan kelas XII Agama baik nilai
ulangan tengah semester ataupun akhir semester pada siswa.
Berdasarkan uraian di atas dibutuhkan suatu metode pengujian untuk masalah dua
sampel saling bebas jika data yang dianalisisnya tidak berdistribusi normal. Ada metode
yang mengemukakan suatu metode untuk masalah dua sampel saling bebas jika datanya
tidak berdistribusi normal. Metode tersebut dikenal sebagai uji Wilcoxon-Mann-Whitney.
Kelemahan uji Wilcoxon-Mann-Whitney adalah analisisnya tidak berdasarkan pada nilai
datanya langsung tetapi pada peringkat dari datanya. Jika analisisnya didasarkan pada
peringkat dari datanya bukan dari nilai datanya langsung, maka ada informasi yang
dikandung oleh data yang tidak dilibatkan dalam analisis.
Berdasarkan uraian di atas, dapat diidentifikasi masalah yaitu dibutuhkannya
suatu pengujian untuk masalah dua sampel saling bebas jika datanya tidak berdistribusi
normal yang analisisnya didasarkan pada nilai datanya langsung. Adapun tujuan dari
penulisan makalah ini adalah memperkenalkan metode pengujian untuk masalah dua
sampel saling bebas jika datanya tidak berdistribusi normal yang analisisnya didasarkan
pada nilai datanya langsung.
4
 Rumusan masalah
1. apa yang dimaksud Uji -t untuk sample saling bebas

5
 2. bagaimana cara pendistribusian data
3. bagaimana cara pengaplikasian Uji -t untuk sample saling bebas
Tujuan Penelitian
1. Tujuan Umum Tujuan umum penelitian untuk mengevaluasi dan menganalisis data hasil
nilai ulangan pada siswa untuk jumlah rata rata hasil akhir dari setiap siswa
2. Tujuan Khusus Tujuan khusus untuk melihat pemahan siswa pada setiap pelajaran yang
sudah di pelajari, sehingga dari uji T saling bebas ini bisa terlihat dimana letak kekurangan
meraka dan kelebihan mereka setiap pembelajaran.
Manfaat Penelitian
Penelitian tindakan ini mempunyai manfaat bagi pemangku kepentingan proses
bbm yang ada di perusahaan

6
 BAB II
PEMBAHASAN

1. PENGERTIAN

Uji -t untuk sample saling bebas ( independet-samples T-test) merupakan prosedur uji t untuk
sample bebas dengan membandingkan rata rata dua kelompok kasus , dan kasus ( data) yang di uji
bersifat acak sera dengan 1 kali proses pengukuran .

Uji -t untuk sampel saling bebas itu menguji kemampuan generalisasi rata rata dua sampel
yang tidak berkorelasi . pada sampel sampel yang berkorelasi biasanya terdapat pada
rancangan penelitian eksperiment. Sedangkan pada penelitian survei, biasanya sampai
sampel yang dikomparasikan adalah sampel independent .

Perhitungan statistik dilakukan untuk masing nmasing variabel dan selesih antara
keduanya , yaitu :

 Untuk setiap variabel akan dihitung rata rata , ukuran sampel , standar deviasi dan
standar error rata rata.
 Untuk selisih rata rata dua variabel akan dihitung rata rata , standar error ,
dan selang kepercayaan.

Uji t untuk sampel saling bebas ini menghasilkan :

 Statistik deskriptif untuk tiap variabel yang di uji

 Uji kesamaan varian
 Nilai signifikansinya
Kriteria data yang dapat di uji dengan menggunakan uji t sampel saling bebas , yaitu:
 Data yang digunakan adalah data kuantitatif ( interval dan rasio ), namun
dalam proses peng aplikasian dalam program SPSS , salah satu variabel
harus berbentuk kategori.
 Data harus saling bebas dari sampel acak dan berdistribusi normal.

2.2 ASUMSI INDEPENDET T TEST

Asumsi yang harus dipenuhi pada independen t test antara lain:

1. Skala data interval/rasio.
2. Kelompok data saling bebas atau tidak berpasangan.
3. Data per kelompok berdistribusi normal.
4. Data per kelompok tidak terdapat outlier.

Berikut adalah macam-macam Uji T, yaitu

1. 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

diambil1 .   Pilih statistik uji yang sesuai sebagai dasar bagi prosedur pengujian.

3.      Tentukan daerah kritisnya.

4.      Kumpulkan data sampel dan hitung statistik sampelnya, kemudian ubah ke

dalam variable normal standar (Z) atau t (tergantung banyaknya sampel).

5. Nyatakan menolak atau menerima H0.

Uji T satu sampel digunakan untuk menguji nilai rata-rata dari suatu sampel tunggal
dengan suatu nilai acuan. Dalam uji T Satu Sampel terdapat asumsi yang harus dipenuhi
sebelum masuk keanalisis, yaitu data sampel berdistribusi normal.

ada dua macam hipotesis dalam uji-t, yaitu

1. Hipotesis Satu Arah (One-Tailed)

Hipotesis satu arah biasanya digunakan untuk melihat apakah nilai purata dari sampel lebih
dari (>), kurang dari (<) atau sama dengan (=) dari nilai acuan. Hipotesis satu arah terbagi
dalam dua bentuk, yaitu hipotesis arah kanan dan hipotesis arah kiri.

1. Hipotesis Arah kanan

          H0 : μ ≤ μ0    (Rata-rata sampel ≤ Nilai acuan)

          Ha : μ > μ0    (Rata-rata sampel >  Nilai acuan)

2
 2. Hipotesis Arah Kiri

          H0 : μ ≥ μ0    (Rata-rata sampel ≥ Nilai acuan)

          Ha : μ < μ0    (Rata-rata sampel < Nilai acuan)

2. Hipotesis Dua Arah (Two-Tailed)

Hipotesis dua arah digunakan untuk melihat apakah nilai rata-rata sampel tunggal sama
dengan ( = ) nilai acuan atau tidak ( ≠ ).

H0 : μ = μ0    (Rata-rata sampel = nilai acuan)

Ha : μ ≠ μ0    (Rata-rata sampel ≠ nilai acuan)

Dalam pengujian hipotesis, criteria penolakan atau penerimaan H0 adalah berdasarkan nilai
P-Value atau nilai T-tabel, criteria-kriteria tersebut adalah sebagai berikut :

Jika nilai P-value (Sig.) < ∝ (biasanya 5%), maka H0 ditolak,

Jika nilai P-value (Sig.) > ∝ (biasanya 5%), maka H0 diterima.

Dan

Jika nilai t-hitung > t-tabel, maka H0 ditolak

Jika nilai t-hitung < t-tabel maka H0 diterima.

Uji t untuk satu sampel dalam istilah lain biasanya disebut dengan One Sample t-test Method,
merupakan prosedur uji t untuk sampel tunggal jika rata-rata suatu variabel tunggal dibandingkan
dengan suatu nilai konstanta tertentu. Uji t dipakai jika jumlah data sampel di bawah 30.

Syarat uji t satu sampel :

 Data merupakan data kuantitatif

 Memenuhi asumsi berdistribusi normal

Hipotesis

3
Statistik Uji

Contoh:

1. Contoh Manual

Studi Kasus universitas X mengadakan penelitian mengenai ratarata IQ mahasiswanya. Menurut

isu yang berkembang, IQ para mahasiswa yang menuntut ilmu di Universitas tersebut kurang dari
140. Untuk membuktikan kebenaran isu tersebut, tim riset ingin mengambil sampel secara acak
sebanyak 50 orang mahasiswa, kemudian melakukan test IQ kepada mereka. Data hasil tes IQ
mahasiswa tersebut diperoleh data sebagai berikut:

Nilai
No
Ujia
.
n

1 154

2 140

3 138

4 134

5 141

6 140

7 144

4
8 139

9 149

10 141

11 141

12 143

13 140

14 138

15 137

16 145

17 132

Nilai
No
Ujia
.
n

18 143

19 141

20 141

21 135

22 145

23 138

24 144

25 143

26 147

27 146

5
28 144

29 143

30 138

31 135

32 139

33 140

34 145

No. Nilai Ujian

35 134

36 136

37 142

38 138

39 148

40 142

41 136

42 148

43 141

44 139

45 141

46 135

47 135

6
 48 149

49 143

50 140

Analisis Kasus

Penelitian ini bertujuan untuk menguji hipotesis ratarata IQ para mahasiswa Universitas X. Dalam kasus ini,
tidak ada informasi apapun mengenai nilai ragam populasi dari IQ mahasiswa di Universitas X. Oleh karena
itu, statistik uji yang paling tepat adalah uji t satu sampel. Perlu diketahui bahwa uji t mengasumsikan bahwa
sampel yang diambil berasal dari populasi yang terdistribusi atau menyebar normal (memiliki sebaran
normal). Maka, harus dilakukan pengujian mengenai asumsi kenormalan. Statistik uji untuk kenormalan
data yang paling sering digunakan untuk kasus ini adalah menggunakan uji Kolmogorov-Smirnov atau juga
disebut Lilliefors Test.

Uji Kenormalan Data

H0: Data menyebar normal v.s.

H1: Data tidak menyebar normal.
α = 0.05

Hasil analisis:
Lilliefors ( Kolmogorov-Smirnov) normality test
data: IQ
D = 0.1, p-value = 0.2416

Kesimpulan:
TERIMA H0, karena pvalue > 0.05. Hal ini menunjukkan bahwa data menyebar normal. Dengan demikian,
ujit dapat dilakukan untuk melakukan pengujian hipotesis bagi data IQ mahasiswa Universitas X.

7
Pengujian hipotesis dengan 1-sampel t-test.

H0: ≥ 135 v.s.

H1: < 135 (Uji 1 arah)
α = 0.05

Hasil analisis:
One Sample t-test data: IQ
t = 1.5621, df = 49, p-value = 0.9377
alternative hypothesis: true mean is less than 140
95 percent confidence interval: -Inf 142.0732
sample estimates: mean of x 141

Kesimpulan:
TERIMA H0, karena pvalue > 0.05. Dengan demikian, dapat dikatakan bahwa isu yang
berkembang selama ini yang menyatakan bahwa ratarata IQ mahasiswa Universitas X kurang
dari 140 adalah tidak benar. Justru, ratarata IQ mahasiswa Universitas X lebih besar atau setidak-
tidaknya sama dengan 140.

2.Contoh SPSS

Contoh Rumusan Masalah : Bagaimana tingkat keberhasilan belajar siswa

Hipotesis kalimat :

1. Tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan (uji pihak kiri /
1-tailed)
2. Tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan (uji pihak
kanan / 1-tailed)
3. Tingkat keberhasilan belajar siswa tidak sama dengan 70% dari yang diharapkan (uji 2
pihak / 2-tailed)

————————————————————————————————-

Pengujian Hipotesis : Rumusan masalah Satu

Hipotesis kalimat

Ha : tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan

Ho : tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan

Hipotesis statistik

8
Ha : µ 0 < 70%
Ho : µ 0 ≥ 70%

Parameter uji : –

Jika – t tabel ≤ t hitung maka Ho diterima, dan Ha di tolak

Jika – t tabel > t hitung maka Ho ditolak, dan Ha diterima

Penyelesaian Kasus 1 (uji t pihak kiri)

Klik Analyze – Pilih Compare Means, lalu pilih One Sample T Test

Masukkan variabel nilai ke dalam Test Variable Box, abaikan yang lain kemudian klik OK

Selanjutnya

Uji Normalitas data : Klik Analyze, Pilih Non Parametrics Test – pilih 1 Sampel K-S,

masukkan variabel nilai ke dalam Test Variable List, kemudian Klik OK

Hasil

Hasil uji di atas menunjukkan bahwa t hitung = 61.488. T tabel diperoleh dengan df = 36, sig 5%
(1 tailed) = 1.684. Karena – t tabel < dari t hitung (-1.684 < 61.488), maka Ho diterima, artinya
tingkat keberhasilan belajar siswa paling tinggi 70% tidak terbukti, bahkan lebih dari yang diduga
yaitu sebesar 74.3489

9
Hasil uji normalitas data menunjukkan nilai Kol-Smirnov sebesar 0.600 dan Asymp. Sig tidak
signifikan yaitu sebesar 0.864 (> 0.05), sehingga dapat disimpulkan data berdistribusi normal

————————————————————————————————-

Pengujian Hipotesis : Rumusan masalah Dua

Hipotesis kalimat

Ha : tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan

Ho : tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan

Hipotesis statistik

Ha : µ 0 > 70%
Ho : µ 0 < 70%

Parameter uji :

Jika + t tabel > t hitung maka Ho diterima, dan Ha di tolak

Jika + t tabel < t hitung maka Ho ditolak, dan Ha diterima

Penyelesaian Kasus 2 (uji t pihak kanan)

Data yang hasil ulangan matematika siswa sebanyak 37 siswa sama seperti data di atas

Klik Analyze – Pilih Compare Means, lalu pilih One Sample T Test

Masukkan variabel nilai ke dalam Test Variable Box, abaikan yang lain kemudian klik OK

Selanjutnya

Uji Normalitas data : Klik Analyze, Pilih Non Parametrics Test – pilih 1 Sampel K-S,

masukkan variabel nilai ke dalam Test Variable List, kemudian Klik OK

Masih menggunakan hasil analisis di atas, maka diperoleh t hitung sebesar 61.488, dan t tabel =
1.684. Karena + t tabel < dari t hitung (1.684 < 61.488), maka Ho ditolak, dan Ha diterima.

10
Artinya Ha yaitu tingkat keberhasilan siswa paling rendah 70% dari yang diharapkan diterima.
Sedangkan Ho yang menyatakan bahwa keberhasilan belajar paling tinggi 70% ditolak.

————————————————————————————————-

1. HIPOTESIS :

Ho : δ = 0 (Tidak ada perbedaan tekanan darah sistolik pria antara sebelum dibandingkan sesudah
dengan pemberian Catopril)

Ha : δ ≠ 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 :

δ : -35 -36 -30 - 37 0 -30 5 - 28 35 -16

δrata-rata = -17,2
S = 23,62

n = 10

t =    δ    =       - 17,2         =       - 17,2          =       -17,2     

     S/√n         23,62/√10          23,62/3,162               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 α = 0,05, maka Pvalue < α, sehingga Ho ditolak

4. KESIMPULAN
Tekanan Darah sistolik setelah pemberian Catopril terbukti bermakna atau signifikan berbeda
dibandingkan sebelum pemberian catropil.

11
 Contoh SPSS:

Akan diteliti mengenai perbedaan penjualan sepeda motor merk A disebuah Kabupaten sebelum
dan sesudah kenaikan harga BBM. Data diambil dari 15 dealer.

Data yang diperoleh adalah sebagai berikut :

N Sebelu Sesuda
o m h

1 67 68

2 75 76

3 81 80

4 60 63

5 80 82

6 75 74

7 71 70

8 68 71

9 80 82

10 78 79

11 71 78

12 80 77

13 65 69

14 57 67

15 78 68

PENYELESAIAN

Klik ANALYZE > COMPARE MEANS > PAIRED SAMPLES t Test

Masukkan jual_1 dan Jual_2 pada kolom “Paired variables” seperti gambar di bawah ini

12
Abaikan yang lain, klik OK

HASIL

Bagian pertama. Paired Samples Statistic

Menunjukkan bahwa rata-rata penjualan pada sebelum dan sesudah kenaikan BBM. Sebelum
kenaikan BBM rata-rata penjualan dari 15 dealer adalah sebanyak 72.4, sementara setelah
kenaikan BBM jumlah penjualan rata-rata adalah sebesar 73.6 unit

Bagian Dua. Paired samples Correlatian

Hasil uji menunjukkan bahwa korelasi antara dua variabel adalah sebesar 0.809 dengan sig sebesar
0.000. Hal ini menunjukkan bahwa korelasi antara dua rata-rata penjualan sebelum dan sesudah
kenaikan adalah kuat dan signifikan. 

Hipotesis

Hipotesis yang diajukan adalah :

Ho  : rata-rata penjualan adalah sama

H1  : rata-rata penjualan adalah berbeda

Hasil uji Hipotesis

13
Nilai t hitung adalah sebesar -1.031 degan sig 0.320. Karena sig > 0.05 maka dapat disimpulkan
bahwa Ho diterima, artinya rata-rata penjualan sebelum dan sesudah kenaikan BBM adalah sama
(tidak berbeda). dengan demikian dapat dinyatakan bahwa kenaikan harga BBM tidak
mempengaruhi jumlah penjualan sepeda motor di kabupaten A

6. 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.

14
Contoh:

Cara mencari nilai uji-t dengan langkah-langkah secara manual. berikut rumus uji independent
sample t-test ( Uji-t) :

Berdasarkan rumus tersebut dapat diketahui, ada 3 jenis nilai yang harus terlebih dahulu kita
persiapkan, yaitu :

 Xi : adalah rata-rata skor / nilai kelompok i.

 ni : adalah jumlah responden kelompok i
 si2 : adalah variance skor kelompok i.

Sebagai contoh, kita asumsikan peneliti mempunyai 2 (dua) kelompok sampel yang masing-
masing terdiri dari 10 responden sebagai berikut :

15
langkah pertama cari nilai rata-rata dari setiap kelompok sampel, jika dengan cara manual bisa
dengan menggunakan cara jumlah skor kelompok i / jumlah responden, dan jika
berbantuan software micorsoft excel  bisa menggunakan rumus average.  berdasarkan langkah
tersebut diperoleh :

 skor rata-rata kelompok eksperimen = 69,2000

 skor rata-rata kelompok kontrol = 69,6000

selanjutnya cari nilai standart variance / simpangan baku, jika menggunakan software micorosft

excel  gunakan rumus function  stdev. berdasarkan perhitungan dengan microsoft excel diperolehh
nilai standart variance / simpangan baku sebagai berikut :

 standar variance kelompok eksperimen = 16,17236

 standart variance kelompok kontrol = 11,72083

Setelah semua nilai diketahi, masukkan kedalam rumus yang telah ditentukan di atas, maka
diperoleh nilai sebagai berikut :

Setelah disederhakankan lagi, maka akan diperoleh nilai sebagai berikut :

16
Berdasarkan nilai tersebut, maka diperoleh nilai t hitung sebesar = -0.5669. untuk mengetahui
apakah nilai t hitung signifikan atau tidak, konsultasikan dengan tabel t,  dengan df = n-2. jika nilai
t hitung > t tabel maka signifikan, dan sebaliknya jika nilai t hitung < t tabel maka tidak signifikan.

Tutorial Independen T Test dengan SPSS

Langsung saja kita buat data sebagai berikut: Data di bawah ini menunjukkan bahwa ada 2
kelompok yaitu 1 dan 2, di mana tiap kelompok terdapat 10 responden/observasi.

Dataset Independen T Test

Uji Normalitas Dalam Independen T Test

Langkah pertama adalah menguji asumsi normalitas, outlier dan homogenitas. Yaitu pada
menu SPSS, klik Analyze, Descriptive Statistics, Explore. Maka akan muncul jendela seperti
berikut:

17
 Explore Independen T Test

Klik tombol Plots, setelah muncul jendela, centang Factor levels together, Stem-and-leaf,

Histogram, Normality plots with tests dan Power estimation. Kemudian Klik Continue.

Plot Independen T Test

Kemudian klik OK pada jendela utama. Lihat output!

Normalitas Independen T Test

Tabel di atas menunjukkan hasil uji Shapiro Wilk dan Lilliefors. Nilai p value (Sig) lilliefors
0,200 pada 2 kelompok di mana > 0,05 maka berdasarkan uji lilliefors, data tiap kelompok
berdistribusi normal. P value uji Shapiro wilk pada kelompok 1 sebesar 0,884 > 0,05 dan pada
kelompok 2 sebesar 0,778 > 0,05. Karena semua > 0,05 maka kedua kelompok sama-sama
berdistribusi normal berdasarkan uji Shapiro wilk.

18
 Homogenitas Independen T Test

Uji Homogenitas dalam Independen T Test

Tabel di atas menunjukkan hasil uji homogenitas dengan metode Levene’s Test. Nilai Levene
ditunjukkan pada baris Nilai based on Mean, yaitu 0,001 dengan p value (sig) sebesar 0,979 di
mana > 0,05 yang berarti terdapat kesamaan varians antar kelompok atau yang berarti homogen.

Diagram di atas adalah diagram stem-leaf yang berfungsi untuk mendeteksi adanya outlier. Ada
outlier apabila terdapat nilai Extrem di atas dan di bawah stem-leaf. Pada data anda tidak terdapat
nilai exkstrem, maka tidak terdapat outlier. Deteksi outlier juga bisa dinilai dengan Box-plot
seperti di bawah ini:

19
 Boxplot Independen T Test

Box-Plot di atas tidak menunjukkan terdapat plot-plot di atas dan/atau  di bawah boxplot yang
berarti tidak terdapat outlier.

Oleh karena semua asumsi terpenuhi, maka dapat dilanjutkan ke uji selanjutnya yaitu uji
Independen T Test.

Langkah Independen T Test dengan SPSS

Pada menu SPSS, klik Analyze, Compare Means, Independen Samples T Test. Maka akan muncul jendela
sebagai berikut: Kemudian masukkan variabel terikat anda yaitu Nilai ke kotak Test Variable(s) dan
masukkan variabel bebas anda yaitu Kelompok ke kotak Grouping Variables.

Cara Uji T Independen

Klik tombol Define Groups kemudian masukkan kode 1 dan 2.

20
 Grouping Independen T Test

Klik Continue. Dan pada jendela utama klik OK kemudian lihat Output!

Mean Independen T Test

Tabel di atas menunjukkan Mean atau rerata tiap kelompok, yaitu pada kelompok 1 nilainya 56 di
mana lebih rendah dari kelompok 2 yaitu 73,1. Apakah perbedaan ini bermakna? lihat di bawah
ini:

O
utput Independen T Test

Levene Test dalam Uji T Independen

Nilai hasil uji levene test untuk homogenitas sama dengan bahasan di atas, yaitu homogen. Karena
homogen, maka gunakan baris pertama yaitu nilai t hitung -2,577 pada DF 18. DF pada uji t
adalah N-2, yaitu pada kasus ini 20-2=18. Nilai t hitung ini anda bandingkan dengan t tabel pada
DF 18 dan probabilitas 0,05.

Untuk menjawab hipotesis ada 2 cara:

Dengan membandingkan antara t hitung dengan t tabel:

Apabila nilai t hitung positif: Ada perbedaan bermakna apabila t hitung > t tabel.

Apabila nilai t hitung negatif: ada perbedaan bermakna apabila t hitung < t tabel.

21
Cara kedua adalah dengan melihat nilai Sig (2 tailed) atau p value. Pada kasus di atas nilai p value
sebesar 0,019 di mana < 0,05. Karena < 0,05 maka perbedaan bermakna secara statistik atau
signifikan pada probabilitas 0,05.

Besarnya perbedaan rerata atau mean kedua kelompok ditunjukkan pada kolom Mean Difference,
yaitu -17,1. Karena bernilai negatif, maka berarti kelompok pertama memiliki Mean lebih rendah
dari pada kelompok kedua.

22
 A. KESIMPULAN

Dalam mini riset ini kami membahas tentang uji t sample saling bebas dimana uji t
sample saling bebas untuk menguji kemampuan generalisasi rata rata data dua sample yang
tidak berkorelasi, pada sample sample berkorelasi biasanya terdapat pada rancangan penelitian
eksperimen .sedangkan pada penelitian survei biasanya sample sample yang di komparasikan
adalah sample independent.

Tujuan kami dengan adanya uji t sample saling bebas kami ingin mengetahui tentang
apakan ada perbedaan antara santri yang mengikuti tambahan dan yang tidak mengikuti
tambahan. Yaitu memperoleh hasil data bahwa tidak terdapat perbedaan antara santri yang
mengikuti tambahan dan yang tidak mengikuti tambahan. Dengan memperhatikan perbedaan
rata rata yang mengikuti tambahan dapat disimpulkan bahwa santri yang mengikuti tambahan
tidak lebih tinggi dibandingkan dengan yang tidak mengikuti tambahan.
4. LAMPIRAN

a) Membuka Aplikasi SPSS

b) Isikan nama variabel pada kolom Name (misal: Nilai, dan Kelas), maksimal 8 karakter,
setelah itu tekan Tab dan secara otomatis akan muncul dikolom Type (Numerik), pada
kolom Widt isikan angka 8 dan pada Decimal isikan angka 2 (dengan kondisi default).

c) Kolom label dapat di isikan keterangan untuk melengkapi kolom Name (misal: Nilai=
untuk menamai orientasi mengikuti tambahan ; kelas = untuk menamai kelas yang

2
mengikuti tambahan). Karena variabel Nilai memuat 2 kelompok yaitu mengikuti
dan tidak mengikuti tambahan, maka klik pada kolom Value pada baris kelas.

d) setelah pengisian selesai klik data view , untuk mengisikan data , isikan data empat (
data santri yang mengikuti tanbahan) tersebut diatas pada kolom nilai dan kelas
dengan mengetikannya kebawah . pada kolom nilai isikan data santri yang mengikuti
tambahan ( data 4 ) dan pada kolom kelas ketik angka satu sebanyak 25 menurun dan
ketik angka 2 sebanyak 25 menurun. ) klik File Save atau Ctrl C kemudian berilah
nama yang anda inginkan (misalkan: data 4). Data SPSS akan tersimpan dalam file
ekstente.sav

e) Klik Analyze – Compare Means – Independet Sample T Test

3
f) Setelah keluar gambar seperti dibawah ini klik variabel perolehan nilai dan
dipindahkan pada kotak test variabel dan klik variabel santri yang mengikuti
tambahan kemudian pindahkan pada kotak Grouping Variabel.

g) setelah dipindahkan kemudian klik Devine Group, pada grup satu isikan angka
1 dan pada group dua isikan angka 2 dan gambar dapat dilihat dibawah ini,
setelah selesai mengisikan data kemudian klik continue dan klik ok.