UJI T

A. Pengertian Uji T

Pengertian Test “t” atau “t” Test adalah salah satu statistik yang digunakan untuk menguji
kebenaran atau kepalsuan hipotesis yang menyatakn bahwa diantara dua buah mean sample
yang diambil secara random dari populasi yang sama, tidak terdapat perbedaan signifikan. Uji
t pertama kali dikembangkan oleh William Seely Gosset pada 1915.Awalnya ia
menggunakan nama samaran Student, dan huruf t yang terdapat dalam istilah Uji “t “ dari
huruf terakhir nama beliau. Uji t ini memiliki nama lain yaitu Student's ttest.
Uji t (t-test) merupakan prosedur pengujian parametrik rata-rata dua kelompok data,
baik untuk kelompok data terkait maupun dua kelompok bebas.
Uji-t bertujuan untuk mengkomparasi atau membandingkan, apakah rata-rata sebuah populasi ataupun
2 populasi, memiliki perbedaan secara signifikan. Tes t atau Uji t adalah uji statistik yang
digunakan untuk menguji kebenaran atau kepalsuan hipotesis nol .

B. Jenis-jenis Uji T

Uji t

Satu Sampel Dua Sampel

Berpasangan Terpisah
(Dependen) (Independen)

C. Uji T Satu Sampel (One Sample T-Test)

1. Pengertian
Uji-t satu sampel (one sample t-test) merupakan prosedur pengujian untuk sampel tunggal dengan
mekanisme kerja yaitu rata-rata suatu variabel tunggal dibandingkan dengan suatu nilai konstanta
tertentu. Dengan kata lain, Uji-t satu sampel digunakan untuk mengetahui apakah terdapat perbedaan
rata-rata (mean) pada populasi sampel yang akan diteliti dengan penelitian terdahulu atau yang sudah
ada. Alat uji ini umumnya dipakai jika jumlah data sampel di bawah 30. Syarat uji menggunakan
adalah data yang digunakan memiliki skala nominal atau interval, distribusi data harus normal, sampel
yang digunakan dipilih secara random.
2. Langkah-Langkah Uji-T Satu Sampel (One Sample T-Test)
Contoh kasus: Seorang peneliti membuat dugaan bahwa rata-rata nilai Akademik siswa
yang mengikuti pramuka sama dengan nilai standard kelulusan minimum (SKM). Untuk
membuktikan hipotesis penelitian tersebut maka peneliti memilih 15 siswa secara acak.
Berikut adalah nilai akademik 15 siswa tersebut:
Nilai Akademik Siswa
No. Nilai Akademik
1 78
2 75
3 81
4 84
5 74
6 78
7 77
8 84
9 79
10 74
11 82
12 77
13 74
14 75
15 83

Setelah kita mendapatkan data maka terlebih dahulu kita rumuskan hipotesisnya.
H0 = Tidak Ada perbedaan yang bermakna antara rata-rata sampel dengan rata-rata SKM
Artinya bahwa nilai rata-rata akademik siswa tidak sama dengan 75.

Ha = Ada perbedaan yang bermakna antara rata-rata sampel dengan rata-rata SKM
Artinya bahwa nilai rata-rata akademik siswa tidak sama dengan 75.
* Catatan:
Hipotesis Alternatif (Ha). Hipotesis alternatif disebut juga hipotesis kerja. Hipotesis ini menyatakan adanya
perbedaan satu variabel dengan variabel yang lainnya atau menyatakan adanya hubungan di antara satu variabel
dengan variabel yang lainnya atau bisa juga menyatakan adanya pengaruh satu variabel dengan treatment
terhadap variabel yang lainnya. Sedangkan Hipotesis nol (H0). Hipotesis nol adalah hipotesis yang
menyatakan tidak adanya hubungan di antara variabel penelitian atau menyatakan tidak adanya perbedaan di
antara variabel penelitian atau bisa juga menyatakan pengaruh satu variabel atau treatment terhadap variabel
lainnya.
Sebelum melakukan langkah-langkah Uji-T Satu Sampel (One Sample T-Test), maka terlebih
dahulu harus melakukan uji normalitas terlebih dahulu.
a. Buka program SPSS selanjutnya isiskan data pada sheet data view, kemudian klik
variabel view dan isikan data.
Name : Tulis nama variabel (nilai Akademik siswa)
Type: Pilih Numeric
Width: Pilih 8 (menyesuaikan)
Decimal: pilih 2 (menyesuaikan)
Label: tulis variabel (nilai Akademik)
Value: pilih none
Measure: pilih Scale
b. Klik Analyze
c. Deskriptive Statistik
d. Klik Eksplore (muncul dialog Exsplore kemudian masukan variabel Hasil Belajar ke
kotak Dependent List, klik Plots.
e. Muncul kotak dialog Explore: plots, lalu berikan centang pada Normality with tests, klik
continue
f. Ok.

Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
NILAIAKADEMIK .151 15 .200 .899 15 .092
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Dari hasil uji tersebut kita perhatikan pada kolom sig. pada Shapiro-wilk karena masing-
masing data berjumlah 15 berarti kurang dari 50 (jika lebih dari 50 sampel pengambilan
keputusan melihat sig. Kolmogorov-Smirnov). Nilainya sig pada table Shapiro-wilk pada
nilai akademik siswa 0,09 > 0,05 berarti data tersebut berdistribusi normal, oleh karena itu
syarat nya sudah terpenuhi, selanjutnya lakukan Uji-T Satu Sampel (One Sample T-Test).
Langkah Uji-T Satu Sampel (One Sample T-Test) menggunakan SPSS
a. Klik Analyze----Compare means----One-Sample T-Test
b. Muncul Kotak dialog (one-Sample T Test)
c. Masukan variabel nilai akademik ke kotak Test Variable, pada bagaian test Value
ketikan 75 (sesuai dengan keinginan peneliti dengan membandingkan nilai
hipotesisnya dengan rata-rata nilai akademik siswa)
d. Ok
3. Interpretasi output SPSS Uji-T Satu Sampel (One Sample T-Test)
a. Intepretasi output pertama One-Sample Statistics

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

NILAIAKADEMIK 15 78.3333 3.67747 .94952

Pada tebel ini menunjukan nilai statistic deskriptif. N= 15 artinya jumlah sampel berjumlah
15 siswa. Mean = 78,1083 Menunjukan nilai rata-rata hitung std deviasi atau simbangan baku
sebesar 3.67747.
b. Intepretasi Output ke dua.
One-Sample Test

Test Value = 75

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

Difference

Lower Upper

NILAIAKADEMIK 3.511 14 .003 3.33333 1.2968 5.3699

 Kolom nilai t
Bedasarkan tabel One-Sample Test diatas pada kolom t (nilai t hitung) adalah sebesar
3,511. Pengambilan keputusan jika melihat dari nilai tersebut dengan membandingkan
t hitung dengan t tabel (untuk melihat t tabel menyesuaikan dengan nilai df, nilai df
selalu N-1, “karena jumlah sampel dalam contoh ini adalah 15 maka nilai df adalah
14).
*catatan: menggunakan tabel pada bagian (two tail) karena menggunakan uji yang tidak terarah karena
belum diketahui bagaimana hubungan yang akan terjadi.
Dasar pengambilan keputusan adalah jika nilai thitung > t tabel, maka H0 ditolak dan Ha
Diterima. jika nilai t hitung < t tabel, maka H0 diterima dan Ha Ditolak. Dari output diatas
diketahui nilai t hitung 3,511 > t hitung 2,145, maka H0 ditolak dan Ha Diterima.
Sehingga dapat disimpulkan bahwa Terdapat perbedaan yang bermakna antara nilai rata-
rata akademik siswa dengan nilai SKM. Hal ini berarti nilai rata-rata akademik siswa
tidak sama dengan 75.
 Kolom Sig (two tail)
Cara lain untuk menjawab hipotesis adalah dengan melihat nilai p value (ditunjukan
dengan nilai Sig (2-tailed)). Pengambilan keputusan pada nilai ini adalah jika nilai Sig
(2-tailed) < 0,05, maka H0 ditolak dan Ha diterima sebaliknya jika nilai Sig (2-tailed) >
0,05 maka H0 Diterima dan Ha Ditolak. Pada tabel diatas nilai Sig (2-tailed) yaitu sebesar
0,003 < 0,05 maka kesimpulannya adalah Ha diterima dan H0 Ditolak. Sehingga dapat
disimpulkan bahwa Terdapat perbedaan yang bermakna antara nilai rata-rata akademik
siswa dengan nilai SKM. Hal ini berarti nilai rata-rata akademik siswa tidak sama
dengan 75.
  Kolom Df dan Mean Diference
Output di atas menunjukkan selisih perbedaan antara mean sampel (78,3) dengan
mean spesifik (75) yaitu Mean Differences = 78,3333 – 75 = 3,3333. degree of
freedom (DF) yaitu N – 1 = 15 – 1 = 14.

D. Uji T Dua Sampel Berpasangan (Paired Sampel T-Test)

1. Pengertian Uji T Dua Sampel Berpasangan (Paired Sampel T-Test)

Uji paired sampel t test merupakan bagian dari uji hipotesis komparatif/perbandingan. Uji
paired sampel t test adalah jenis uji statistika yang bertujuan untuk membandingkan rata-rata
dua grup yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai sebuah
sampel dengan subjek yang sama namun mengalami 2 perlakuan atau pengukuran yang
berbeda, yaitu pengukuran sebelum dan sesudah dilakukan sebuah treatment. jika penelitian
yang dilakukan bertujuan untuk mengetahui perbedaan rata-rata dua sampel yang tidak
berpasangan, maka pengujian hipotesis menggunakan uji independent sampel t test.
Syarat dari dari data yang dapat diuji menggunakan Uji paired sampel t test adalah
sebagai berikut:
a. Level pengukuran data yaitu interval dan rasio;
b. Jumlah data kurang dari 30 (jika lebih dapat menggunakan Uji z)
c. Berasal dari 1 buah populasi yang sama diberi 2 perlakuan yang berbeda dan
mempunyai hubungan;
d. Data berdistribusi normal.
2. Langkah-Langkah Uji T Dua Sampel Berpasangan (Paired Sampel T-Test)

Contoh kasus: seorang guru ingin mengetahui apakah ada pengaruh penggunaan teknik
role play untuk meingkatkan sikap respect siswa? Untuk mengetahui hal tersebut maka
dilakukan 2 test yaitu sbelum diberikan treatment teknik role play (pre-test) dan sesudah
diberikan treatment teknik role play (post test). Untuk mengetahui apakah teknik tersebut
berpengaruh atau tidak terhadap sikap respect siswa maka dilakukanlah uji T dua sampel
berpasangan (paired sampel T-test).
Berikut adalah hasil pretest dan post test yang di dapat sebelum dan setelah perlakuan dengan
teknik role play.

Skor Sikap Respect

Siswa
No Pre-test Post-test
1 40 90
2 60 85
3 50 80
4 40 70
5 75 85
6 50 55
7 45 55
8 55 60
9 50 55
10 70 70
11 65 60
12 55 85
13 60 70
14 50 65
15 45 70

Setelah kita mendapatkan data maka terlebih dahulu kita rumuskan hipotesisnya.
H0 = Tidak ada perbedaan rata-rata yang signifikan antara nilai sikap pada pre-test dengan
post-test
Artinya tidak ada pengaruh penggunaan teknik role play terhadap perilaku respect
Ha = Ada perbedaan rata-rata yang signifikan antara nilai sikap pada pre-test dengan post-test
Ada pengaruh penggunaan teknik role play terhadap perilaku respect
Sebelum melakukan langkah-langkah uji T dua sampel berpasangan (paired sampel T-test),
maka terlebih dahulu harus melakukan uji normalitas terlebih dahulu.

Tests of Normality
a
KATEGORI Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
PRE-TEST .183 15 .187 .944 15 .440
RESPECT *
POST-TEST .167 15 .200 .919 15 .185
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Dari hasil uji tersebut kita perhatikan pada kolom sig. pada Shapiro-wilk karena masing-
masing data berjumlah 15 berarti kurang dari 50 (jika lebih dari 50 sampel pengambilan
keputusan melihat sig. Kolmogorov-Smirnov). Nilainya sig pada table Shapiro-wilk baik pre
test maupun post test lebih dari 0,05 berarti data tersebut berdistribusi normal, oleh karena itu
syarat nya sudah terpenuhi, selanjutnya lakukan uji T dua sampel berpasangan (paired sampel
T-test).

 Langkah-Langkah Uji Spss Uji Dua Sampel Berpasangan

a. Buka lembar kerja SPSS.

b. Analyze
c. Compare means
d. Paired-samples T test
e. Masukan data Pre-test pada kolom paired variabel sebelah kiri selanjutnya data post
test pada kolom paired varibel kolom sebelah kanan
f. Klik options…maka muncul dialog “paired samples T test: options”,. Pada
Confidence Interval Percentage tulis 95 (artinya kita menggunakan tingkat
kepercayaan 95% atau signifikansi 5%/0,05) lalu klik continue
g. Ok

3. Intepretasi Hasil Uji Dua Sampel Berpasangan (Paired Sampel T-Test)

a. Output 1 Paired Samples Statistics

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
PRETEST 54.0000 15 10.38543 2.68151
Pair 1
POSTEST 70.3333 15 12.16944 3.14214

Dari tabel ini kita dapat melihat perbedaan rata-rata secara deskriptif yang dapat dilihat dari
tabel kolom mean. Karena mean Pre-test 54 < Post-test 70,33, maka artinya secara deskriptif
ada perbedaan rata-rata perilaku respect antara pre-test dan post-test. Tetapi hasil ini ganya
menunjukan makna secara deskriptif, untuk mengetahui apakah perbedaan tersebut benar-
benar nyata (signifikan) maka perlu penafsiran pada tabel “paired sampel test”.
b. Output 2 “Paired samples Corelation”

Paired Samples Correlations

N Correlation Sig.
Pair 1 PRETEST & POSTEST 15 .144 .608

Dari tabel diatas diketahui nilai Sig. 0,608 > 0,05, maka dapat di simpulkan bahwa tida ada
hubungan yang signifikan antara variabel pre-test dan post test. (penjelasan lengkap terdapat
pada materi uji korelasi)
c. Output 3 tabel Paired Samples Test

Paired Samples Test

Paired Differences
95% Confidence
Std. Std. Interval of the
Deviati Error Difference
Mean on Mean Lower Upper t df Sig. (2-tailed)
Pair 1 PRETEST -16.33333 14.816 3.82556 -24.53835 -8.12832 -4.270 14 .001
- 34
POSTEST

Output ini adalah output utama dari uji T dua sampel berpasangan, karena pada tabel ini
jawaban dari kasus adanya pengaruh teknik role play terhadapa perilaku respect siswa.
Berikut adalah intepretasi pada beberapa kolom tabel diatas, kolom yang paling penting
dalam tabel ini adalah kolom “t” dan kolom “sig. (2tailed)” karena dari dua kolom ini kita
dapat menjawab hipotesis yang telah kita buat :

 Df: degree of freedom (derajat kebebasan) : Untuk analisis T Paired selalu N- 1. Di mana
N adalah jumlah sampel, sebesar 14 artinya jumlah sampel ada 15.
 T = nilai t hitung berniali negatif yaitu -4,270, niali negative disebabkan karena nilai
rata-rata hasil perilaku respect pre-test lebih rendah daripada post test dalam konteks
seperti ini maka nilai t hitung negative dapat bermakna positif sehingga nilai t hitung
senilai 4,270. Selanjutnya nilai t hitung harus dibandingkan dengan t tabel pada DF 14.
Apabila t hitung > t tabel maka dapat diartikan terdapat perbedaan rata-rata yang
signifikan.
 Karena nilai t hitung 4,270 > daripada t tabel 2,145 maka H0 ditolak dan Ha diterima.
Artinya terdapat perbedaan rata-rata yang signifikan antara nilai perilaku respect pre-test
dengan psot test.

 Pada kolom Sig. (2-tailed) diketahui memiliki nilai 0,01 < 0,05, maka H0 ditolak dan Ha
diterima. Artinya: Terdapat perbedaan perilaku respect antara sebelum dan sesudah
perlakuan menggunakan teknik role play. Sebab: Nilai p value < 0,05 (95 %
kepercayaan).
 Mean: -16,33. Bernilai Negatif: Artinya terjadi kecenderungan peningkatan perilaku
respect sesudah perlakuan. Rata-rata penurunannya adalah 16,33.
 Pertanyaan selanjutnya adalah seberapa besar efektifitas penggunaan strategi role play
untuk perilaku respect dapat dilakukan dengan cara menghitung N-gain score.
E. Uji T Dua Sampel Terpisah/Tidak Berpasangan/Sampel Bebas (Independent
Sample T-Test)

1. Pengertian
Independent Sample T-Test adalah analisis statistic parametric uji komparatif yang
bertujuan untuk membandingkan dua sampel yang tidak saling berpasangan agar diketahui
perbedaan meannya. Syarat data yang dapat dianalisis menggunakan uji Independent Sample
T-Test adalah:
a) Kedua sampel tidak berpasangan (jika berpasasangan/saling berhubungan, menggunakan
Menggunakan Uji paired Sample T-test)
b) Jumlah data untuk masing-masing sampel kurang dari 30 (jika sampel lebih dari 30 maka
menggunakan uji z)
c) Data berskala rasio atau interval
d) Berdistribusi Normal (jika data tidak normal dapat menggunakan Uji mann Whitney)
e) Data memiliki kesamaan varian (homogen). Namun syarat ini tidak bersifat mutlak, jika
data tidak homogen tetap dapat dilakukan uji Independent Sample T-Test namun
pengambilan keputusan di dasarkan pada output SPSS “Equal Variance not assumed”.

2. Langkah-Langkah Uji T Dua Sampel Terpisah dengan SPSS (Independent Sample

T-Test)

Contoh kasus: seorang peneliti ingin melakukan uji hipotesis komparatif dengan tujuan
mengetahui apakah terdapat perbedaan resiliensi (kemampuan beradaptasi) mahasiswa yang
berasal dari perkotaan dalam menghadapi tugas akademik. Selanjutnya peneliti mengambil
sampel 15 mahasiswa yang berasal dari kota dan 15 mahasiswa yang berasal dari desa dan
mengukur resiliensi mereka menggunakan skala psikologis resiliensi. Setelah dilakuka
mengukur resiliensi mereka didapatkan nilai resiliensi sebagai berikut:
 Resiliensi Mahasiswa
Mahasiswa Mahasiswa
No
dari kota dari Desa
1 240 280
2 258 275
3 249 270
4 240 260
5 275 275
6 250 245
7 245 245
8 255 250
9 249 245
10 270 260
11 265 250
12 255 275
13 258 260
14 250 255
15 245 260

Setelah kita mendapatkan data maka terlebih dahulu kita rumuskan hipotesisnya.
H0 = Tidak ada perbedaan rata-rata yang signifikan antara nilai resiliensi mahasiswa yang
berasal dari desa dengan resiliensi mahasiswa yang berasal dari kota.
Artinya tidak ada perbedaan resiliensi mahasiswa baik dari kota maupun desa
Ha = Ada perbedaan rata-rata yang signifikan antara nilai resiliensi mahasiswa yang berasal
dari desa dengan resiliensi mahasiswa yang berasal dari kota.
Ada perbedaan resiliensi mahasiswa dari desa dan dari kota
Selanjutnya sebelum dilakukan uji Independent Sample T-Test maka dilakukan uji normalitas
terlebih dahulu.
Tests of Normality
a
KOTADESA Kolmogorov-Smirnov Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

*
KOTA .170 15 .200 .938 15 .363
RESILIENSI *
DESA .178 15 .200 .903 15 .106

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Dari hasil uji tersebut kita perhatikan pada kolom sig. pada Shapiro-wilk karena masing-
masing data berjumlah 15 berarti kurang dari 50 (jika lebih dari 50 sampel pengambilan
keputusan melihat sig. Kolmogorov-Smirnov). Nilainya sig pada table Shapiro-wilk baik
mahasiswa dari kota maupun dari desa lebih dari 0,05 berarti data tersebut berdistribusi
normal, oleh karena itu syarat nya sudah terpenuhi, selanjutnya lakukan uji Independent
Sample T-Test.

 Langkah-langkah Uji SPSS uji Independent Sample T-Test.

1. Masukan hasil uji resiliensi pada satu kolam dan berikan kode (misal kode 1 untuk
pada kolom selanjutnya sehingga nampak seperti ini:

Resiliensi Mahasiswa
No Resiliensi Kode
1 240 1
2 258 1
3 249 1
4 240 1
5 275 1
6 250 1
7 245 1
8 255 1
9 249 1
10 270 1
11 265 1
12 255 1
13 258 1
14 250 1
15 245 1
16 280 2
17 275 2
18 270 2
19 260 2
20 275 2
21 245 2
22 245 2
23 250 2
24 245 2
25 260 2
26 250 2
27 275 2
28 260 2
29 255 2
30 260 2

2. Buka Aplikasi SPSS selanjutnya copykan data pada sheet data view
3. Klik sheer variabel view pada SPSS, Berikan nama masing-masing kolom pada “name”.
Kolom 1 dengan nama resiliensi dan kolom ke dua dengan nama “kode” atau boleh
dengan istilah lainnya. Kemudian isikan pada “value” untuk kolom resiliensi isikan none.
 Untuk kolom kode klik none maka akan muncul dialog value labels. Selanjutnya pada
kotak value isikan 1 dan pada kotak label isikan resiliensi mahasiswa kota kemudian klik
add. Isikan 2 dan pada kotak label isikan resiliensi mahasiswa desa kemudian klik add
selanjutnya klik oke. Pada kolom “measure” pilih scale (data termasuk data interval)
untuk variabel resiliensi dan nominal untuk variabel kode.
4. Kembali ke sheet data view, klik analyze pilih compare means pilih independent T-test.
5. Muncul dialog “independent Sample T-test”, kemudian masukan variabel resiliensi pada
kotak Test Variable(s) dan masukan variabel kode pada kotak grouping Variabel.
6. Selanjutnya klik define Groups. Kemudian muncul dialog “define Groups” groups 1
isikan 1 dan groups 2 isikan 2, klik continue.
7. Klik OK

3. Intepretasi Hasil Uji Dua Sampel Bebas (Independent Sample T-Test)

a) Output 1 Group Statistik

Group Statistics

KODE N Mean Std. Deviation Std. Error Mean

KOTA 15 253.6000 10.30118 2.65975

RESILIENSI
DESA 15 260.3333 12.16944 3.14214

Berdasarkan tabel output diatas N menunjukan jumlah sampel masing-masing

kelompok dan kolom mean menunjukan rata-rata masing-masing kelompok mahasiswa kota
memiliki rata-rata resiliensi 253,6000 sedangkan untuk mahasiswa desa memiliki rata-rata
resiliensi 260.3333.

b) Output 2 “Independent Samples Test”

Independent Samples Test

Levene's Test
for Equality of
Variances t-test for Equality of Means
95% Confidence
Sig. Std.
Interval of the
(2- Mean Error
Difference
tailed Differenc Differenc
F Sig. t df ) e e Lower Upper
RESILIE Equal .515 .479 -1.636 28 .113 -6.73333 4.11671 - 1.699
NSI variances 15.16603 36
assumed
Equal -1.636 27.2 .113 -6.73333 4.11671 - 1.709
variances 57 15.17640 74
not
assumed
Sebelum dilakukan menginteptetasikan hasil sebelumnya dilakukan uji homogenitas dengan
F test (Levene,s Test), artinya jika varian sama atau homogen maka tabel yang dilihat uji
Independent Samples Test menggunakan kolom Equal Variance Assumed (diasumsikan
varian sama) sedangkan jika varian berbeda menggunakan Equal Variance Not
Assumed (diasumsikan varian berbeda). Untuk melihat varian data perhatikan nilai
Signifikansi (Sig) pada kolom Levene's Test for Equality of Variances. Berdasarkan output
diatas diketahui nilai Signifikansi (Sig) pada Levene’s Test for Equality of Variances adalah
0, 479. Dasar keputusan: jika nilai Signifikansi (Sig.) > 0,05 maka varians dikatakan
homogen sebaliknya jika nilai Signifikansi (Sig.) > 0,05 maka varians dikatakan tidak
homogeny. Data diatas menunjukan nilai Sig. 0,479 > dari 0,05 jadi dapat disimpulkan bahwa
varian kelompok mahasiswa dari kota dan mahasiswa dari desa adalah sama atau homogen.

Karena data yang diolah adalah data yang homogen maka yang diperhatikan adalah
kolom Equal Variance Assumed. Perhatikan kolom t-test for Equality of Means pada bagian
Sig (2-tailed).

Kolom Sig (2-tailed) Dasar pengambilan keputusan Jika nilai Sig (2-tailed) > 0,05 maka
H0 diterima dan Ha ditolak, dan sebaliknya Jika nilai Sig (2-tailed) < 0,05 maka H0 ditolak dan
Ha diterima. Dari output diatas didapatkan nilai Sig (2-tailed) 113 > 0,05 maka H0 diterima
dan Ha ditolak, sehingga dapat disimpulkan bahwa Tidak ada perbedaan rata-rata yang
signifikan antara nilai resiliensi mahasiswa yang berasal dari desa dengan resiliensi
mahasiswa yang berasal dari kota.

Kolom Mean diference menunjukan nilai -6,73333, yang berarti bahawa perbedaan mean
kedua sampel sebesar 6,73333 tanda negative menunjukan nilai rata-rata kelompok pertama
(mahasiswa kota) lebih rendah daripada kelompok kedua.

Kolom t menunjukan nilai -1,636 dasar pengambilan keputusan jika t hitung < dari t tabel
maka H0 diterima dan Ha ditolak, dan sebaliknya Jika nilait hitung > dari t tabel maka maka
H0 ditolak dan Ha diterima. (Nilai menunjukan nilai rata-rata kelompok pertama (mahasiswa
kota) lebih rendah daripada kelompok kedua) maka tinggal membandingkan nilai t mutlak
dengan t tabel. Df = 28
 Karena nilai t hitung 1,636 < daripada t tabel, 2,048 maka H0 diterima dan Ha ditolak.
Artinya bahwa bahwa Tidak ada perbedaan rata-rata yang signifikan antara nilai resiliensi
mahasiswa yang berasal dari desa dengan resiliensi mahasiswa yang berasal dari kota.