BAB II

SPSS UNTUK UJI PARAMETRIK

Uji parametrik yang dimaksudkan dalam modul ini merupakan suatu uji statistik inferensi
yang mengasumsikan sampel berasal dari populasi yang berdistribusi tertentu yang memiliki
parameter tetap.

1. One Sample Test

One Sample Test ini biasa juga disebut sebagai Single Sample Test. Banyak juga orang
yang menyebut ini sebagai uji t satu sampel. Uji ini digunakan untuk mengevaluasi hipotesis
tentang rata-rata dari suatu populasi.
Uji ini dapat digunakan jika data berskala interval atau rasio dan data berdistribusi normal.
Jika kedua syarat ini tidak dipenuhi maka dapat menggunakan uji alternatif yaitu uji
nonparametrik. Salah satu uji nonparametrik untuk kasus one sample atau single sample adalah
Wilcoxon Sign-Rank Test dan Chi-Square Goodness of Fit test, yang akan dijelaskan dalam Bab
III.

Contoh Kasus:
Seorang dokter menyatakan bahwa rata-rata setiap pasiennya datang menemuinya (Untuk
keperluan kesehatan) dalam satu tahun adalah sebanyak 5 kali. Untuk memvalidasi pernyataan
tersebut, dokter tersebut mengambil sampel sebanyak 10 pasiennya, dan mencatat jumlah
kunjungan mereka dalam satu tahun. Dari observasi tersebut didapatkan data: 9, 10, 8, 4, 8, 3, 0,
10, 15, 9. Apakah data tersebut mendukung pernyataan dari sang dokter?
Langkah Penyelesaian:
a. Hipotesis
: =5
: ≠5
b. Taraf Signifikansi
Diambil = 5%
c. Perhitungan dengan SPSS
 1. Klik Analyze -> Compare Means -> One-Sample T Test, maka akan tampil gambar
sebagai berikut.

2. Terlihat ada beberapa variabel di kolom kiri, klik Visit lalu klik arah panah ke kanan
sehingga variabel Visit berpindah ke kolom kanan. Sehingga akan tampil gambar sebagai
berikut.

3. Klik OK
d. Hasil
Dari hasil perhitungan menggunakan SPSS maka akan didapat hasil sebagai berikut.
 One-Sample Test

Test Value = 0

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

Difference

Lower Upper

Visit 5,658 9 ,000 7,600 4,56 10,64

Tampak dari table hasil bahwa didapatkan nilai Sig. (2-tailed) sebesar 0,000, nilai tersebut
kurang dari nilai alpha kita yaitu 0,05.
e. Keputusan
Karena nilai Sig. yang kta dapatkan lebih kecil dari alpha, maka keputusannya adalah Ho
ditolak.
f. Kesimpulan
Karena kepurusannya adalah menolak Ho maka kesimpulannya adalah: data kurang
mendukung pernyataan yang dibuat oleh dokter.

2. Paired Sample T Test

Paired sample t test biasa juga disebut sebagai two dependent samples t test atau uji t dua
sampel berpasangan atau uji beda untuk sample berpasangan. Uji ini digunakan untuk
mengevaluasi hipotesis tentang rata-rata dua populasi yang tidak saling bebas.
Uji ini dapat digunakan jika data berskala interval atau rasio, kedua populasi berdistribusi
normal, sample diambil secara random, dan variansi dari kedua populasi identik. Jika syarat-syarat
tersebut tidak dipenuhi, maka dapat digunakan uji nonparametrik, salah satunya adalah Wilcoxon
Rank Sum Test, yang akan dijelaskan dalam Bab III.

Contoh Kasus:
Suatu penelitian dilakukan untuk mengetahui perbedaan tekanan darah pasien sebelum
mengonsumsi obat A dan setelah mengonsumsi obat A. Diambil 10 pasien, dilakukan pengukuran
sebelum dan sesudah mengonsumsi obat A. Berikut ini adalah hasil dari observasi yang dilakukan.
Pasien Ke- 1 2 3 4 5 6 7 8 9 10
Sebelum 180 160 150 200 120 120 210 170 165 190
Sesudah 140 140 130 150 120 120 180 130 120 170

Apakah dari data tersebut menunjukkan perbedaan yang nyata antara sebelum dan sesudah
mengonsumsi obat A?
Langkah Penyelesaian:
a. Hipotesis
: =
: ≠
b. Taraf Signifikansi
Diambil = 5%
c. Perhitungan dengan SPSS
1. Klik Analyze -> Compare Means -> Paired-Samples T Test, maka akan tampil
gambar sebagai berikut.

2. Klik variabel TekananDarahSebelum di bagian kolom kiri, lalu pindahkan ke kolom

bagian kanan. Klik lagi TekananDarahSesudah di bagian kolom kiri lalu pindahkan ke
kolom bagian kanan. Maka akan seperti gambar berikut tampilannya.
 3. Klik OK
d. Analisis dan Hasil
Paired Samples Test

Paired Differences t df Sig. (2-

tailed)
95% Confidence
Interval of the
Difference

Upper

TekananDarahSebelum - 39,123 4,749 9 ,001

Pair 1
TekananDarahSesudah

Didapatkan nilai Sig. (2-tailed) adalah 0,001

e. Keputusan
Karena nilai Sig. kurang dari alpha maka keputusan yang diambil adalah Ho ditolak.
f. Kesimpulan
Karena Ho ditolak, maka dapat disimpulkan bahwa tidak terdapat perbadaan yang antara
sebelum meminum obat dengan setelah meminum obat.
3. Independent Sample T Test
Independent sample t test biasa juga disebut sebagai two independent samples t test atau uji
t untuk dua sampel saling bebas atau uji beda untuk sample saling bebas. Uji ini digunakan untuk
mengevaluasi hipotesis mengenai rata-rata dua populasi yang saling bebas. Kondisi saling bebas
ini akan dipenuhi jika setiap sampel diambil dari subjek yang berbeda.
Uji ini dapat digunakan jika data berskala interval atau rasio, kedua populasi berdistribusi
normal, sample diambil secara random, dan variansi dari kedua populasi identik. Jika syarat-syarat
tersebut tidak dipenuhi, maka dapat digunakan uji nonparametrik, salah satunya adalah Mann-
Whitney U Test, yang akan dijelaskan dalam Bab III.

Contoh Kasus:
Untuk melakukan asesmen terhadap kemanjuran obat antidepresan yang baru, 10 pasien
pederita depresi diambil secara acak. 5 pasien dimasukkan dalam grup 1 (mendapatkan treatment
obat antidepresan yang baru selama 6 bulan), dan 5 sisanya dimasukkan dalam grup 2
(mendapatkan treatment placebo selama 6 bulan). Diasumsikan bahwa level depresi semua subjek
adalah sama. Setelah 6 bulan berlalu, seorang psikiater menilai level depresi kedua grup. Dari hasil
penilaian tersebut didapatkan data sebagai berikut.

Pasien Ke- 1 2 3 4 5
Grup 1 11 1 0 2 0
Grup 2 11 11 5 8 4

Apakah dapat disimpulkan bahwa obat antridepresan yang baru tersebut cukup efektif?
Langkah Penyelesaian:
a. Hipotesis
: =
: ≠
b. Taraf Signifikansi
Diambil = 5%
c. Perhitungan dengan SPSS
1. Klik Analyze -> Compare Means -> Independent-Samples T Test, Sehingga akan
didapatkan tampilan seperti gambar berikut ini.
2. Lalu letakkan variabel Leveldepresi ke kolom Test Variabe(s) dan variabel obat ke
Grouping Variable. Selanjutnya klik Define Groups, definisikan 1 untuk grup 1 dan 2
untuk grup 2, sehingga akan terlihat gambar sebagai berikut.

3. Klik OK
d. Hasil
Independent Samples Test

Levene's Test for Equality of t-test for Equality of

Variances Means

F Sig. t df

Equal variances assumed ,200 ,667 -1,964 8

Leveldepresi
Equal variances not -1,964 7,173
assumed

Dari tabel di atas pada bagian Levene’s test for equality of variances didapatkan nilai
Sig. adalah 0,667 yang artinya lebih dari alpha, sehingga Ho untuk perbandingan variansi ditolak,
yang artinya variansi kedua grup tidak identik, sehingga dijadikan acuan dalam mengiterpretasi
tabel berikut.

Independent Samples Test

t-test for Equality of Means

Sig. (2-tailed) Mean Difference Std. Error

Difference

Equal variances assumed ,085 -5,000 2,546

Leveldepresi
Equal variances not assumed ,089 -5,000 2,546

Karena kedua variansi tidak identik, maka kita perhatikan bagian Equal variances not
assumed, yang disitu tampak nilai Sig. adalah 0,089 dan melebihi nilai alpha sehingga Ho tidak
ditolak.
e. Kesimpulan
Karena Ho tidak ditolak maka disimpulkan bahwa kedua grup memiliki perbedaan yang
nyata.
4. Pearson Product-Moment Correlation Coefficient
Uji ini digunakan untuk mengetahui korelasi atau hubungan antara dua variabel. Koefisien
korelasi PPM ini dinotasikan dengan , sementara untuk notasi koefisien korelasi PPM untuk
populasi adalah (rho). Range nilai r adalah dalam interval −1,1 . Sehingga dapat dikatakan
bahwa −1 < < 1.
Jika nilai r bertanda positif maka korelasi kedua variabel adalah searah. Artinya, naiknya
nilai sebuah variable akan terakit dengan naiknya nilai variabel lain. Jika nilai r bertanda negative
maka korelasi kedua variabel adalah berlawanan arah. Artinya, naiknya nilai sebuah variabel akan
terkait dengan turunnya nilai variabel lain. Semakin dekat nilai r dengan 1 atau -1 maka semakin
kuat korelasi antara kedua variabel. Semakin dekat nilai r dengan 0 maka semakin lemah hubungan
antara kedua variabel.
Syarat dari penggunaan uji ini adalah, bahwa data harus berskala interval/rasio, data harus
diambil secara acak, kedua data berdistribusi normal, homoskedastisitas dan autokorelasi. Jika data
berskala ordinal/ nominal, maka kita dapat menggunakan uji Spearman’s Rank Order Correlation
Coefficient yang akan dibahas dalam bagian B.

Contoh kasus:
Seorang dokter mengadakan studi untuk menentukan hubungan antara banyaknya gula yang
dikonsumsi per minggu oleh anak berusia 10 tahun (ons) dengan banyaknya cavities dalam mulut
anak. Diambil sampel 5 anak dan didapatkan data sebagai berikut.

Anak ke- 1 2 3 4 5
Gula (ons/mgu) 20 0 1 12 3
Cavities 7 0 2 5 3

Apakah ada korelasi yang signifikan antara konsumsi gula dengan banyaknya cavities?
Langkah Penyelesaian:
a. Hipotesis
: =0
: ≠0
b. Taraf Signifikansi
Diambil = 5%
c. Perhitungan dengan SPSS
1. Klik Analyze -> Correlate -> Bivariate, maka akan didapatkan tampilan sebagai
berikut

2. Klik variabel Gula di kolom sebelah kiri kemudian pindahkan ke kanan. Lakukan juga
untuk variabel Cavities. Pada kolom Correlation Coefficients, pilih Pearson, pada
kolom Test of Significance pilih Two-tailed, dan aktifkan Flag significant
correlations. Maka akan didapatkan tampilan sebagai berikut.
 3. Klik OK
d. Hasil
Correlations

Gula Cavities

Pearson Correlation 1 ,955*

Gula Sig. (2-tailed) ,011

N 5 5

Pearson Correlation ,955* 1

Cavities Sig. (2-tailed) ,011

N 5 5

*. Correlation is significant at the 0.05 level (2-tailed).

 Terlihat bahwa nilai Sig. antara Gula dan Cavities yang didapat adalah 0,011 dan nilai
tersebut lebih kecil dari nilai alpha. Selain itu kita juga dapat melihat koefisien korelasi antara
variabel Gula dengan variabel Cavities. Korelasi kedua variabel adalah sebesar 0,955. Nilai
tersebut cukup dekat dengan 1, artinya korelasi yang terjadi cukup erat.
e. Keputusan
Karena nilai Sig. yang didapat 0,011 < 0,05, maka keputusannya adalah Ho ditolak
f. Kesimpulan
Karena Ho Ditolak maka dapat dikatakan bahwa memang terjadi korelasi atau hubungan
yang cukup nyata antara konsumsi gula dengan banyaknya cavities yang terjadi.