OUTLINE

“
1 UJI T INDEPENDEN
Tujuan
Syarat
Langkah-langkah Aplikasi Uji
Interpretasi Hasil

2 UJI T DEPENDEN
Tujuan Langkah-langkah Aplikasi Uji
Syarat Interpretasi Hasil

1
1
UJI T INDEPENDEN

2
APA ITU UJI T INDEPENDEN ?

TUJUAN LANGKAH-LANGKAH
Untuk mengetahui perbedaan mean 1. Uji Normalitas
dua kelompok data independen. 2. T-test Independen

SYARAT APLIKASI UJI T INDEPENDEN

▰ Data berdistribusi normal/simetris
▰ Kedua kelompok data independen
▰ Variabel : Numerik
Kategorik (dua kelompok)
Hipotesis :
“Apakah terdapat perbedaan berat badan bayi antara ibu
yang bekerja dengan ibu yang tidak bekerja.”
Menggunakan data set “DATA SET BBLR-1.sav”

3
APLIKASI UJI T INDEPENDEN

1 . U J I N O R M A L I TA S

Uji Skewness
Uji Normalitas
Uji
Kolmogorov-
Smirnov
Pada prinsipnya, uji normalitas (uji skewness dan uji kolmogorov-smirnov) pada Uji T Independen
maupun Uji T Dependen memiliki langkah-langkah yang sama. Kami akan menampilkan contoh
pada Uji T Independen. Dalam contoh ini, kita akan menggunakan dataset “DATA SET BBLR” dan
akan menguji normalitas variabel Berat Badan Bayi (BeratBayi). Berikut langkah-langkahnya:
4
U J I N O R M A L I TA S

A. Uji Skewness
1. Pilih menu Analyze  sorot Descriptive
Statistics  klik Frequencies.

5
U J I N O R M A L I TA S

2. Pilih variabel Berat Badan Bayi (BeratBayi), kemudian klik simbol panah untuk
memindahkannya ke kotak Variable(s) di sebelah kanan. Lalu, klik Statistics.

6
U J I N O R M A L I TA S

3. Lihat bagian Distribution yang terletak di pojok bawah 4. Klik OK.

kanan, centang Skewness dan Kurtosis. Setelah itu, klik
Continue.

7
U J I N O R M A L I TA S

5. Lihat jendela Output, maka akan muncul tabel dibawah ini:

Statistics Bagi angka pada Skewness dengan angka

berat badan bayi
N Valid 50 pada Std. Error of Skewness dengan
Missing 0 keputusan:
Skewness -.018 - Jika hasilnya ≤ 2, maka data berdistribusi
Std. Error of Skewness .337
normal dan dapat dilanjutkan ke Uji T.
Kurtosis -1.007
Std. Error of Kurtosis .662 - Jika hasilnya > 2, maka data tidak
berdistribusi normal dan tidak dapat
Berdasarkan contoh diatas, maka: dilanjutkan ke Uji T.

Karena hasilnya ≤ 2, maka dapat disimpulkan bahwa variabel Berat Badan Bayi
(BeratBayi) berdistribusi normal dan dapat dilanjutkan ke Uji T Independen.

8
U J I N O R M A L I TA S

A. Uji Kolmogorov-Smirnov
1. Pilih menu Analyze  sorot Nonparametric
Tests  sorot Legacy Dialogs  klik 1-Sample
K-S.

9
U J I N O R M A L I TA S

2. Pilih variabel Berat Badan Bayi (BeratBayi), kemudian klik simbol panah untuk
memindahkannya ke kotak Test Variable List di sebelah kanan. Lalu, klik OK.

10
U J I N O R M A L I TA S

3. Lihat jendela Output, maka akan muncul tabel dibawah ini:

One-Sample Kolmogorov-Smirnov Test
berat badan bayi
N 50
Normal Parametersa,b Mean 3170.00
Std. Deviation 584.232
Most Extreme Differences Absolute.114 Lihat angka pada Asymp. Sig. (2-tailed), dengan keputusan:
Positive .114
Negative-.094 - Jika hasilnya > 0,05, maka data berdistribusi normal dan
Test Statistic .114
Asymp. Sig. (2-tailed) .099c bisa dilanjutkan ke Uji T.
a Test distribution is Normal.
b Calculated from data. - Jika hasilnya < 0,05, maka data tidak berdistribusi normal
c Lilliefors Significance Correction.
dan tidak bisa dilanjutkan ke Uji T.

Berdasarkan contoh diatas, karena 0,867 > 0,05, maka dapat disimpulkan bahwa variabel Berat
Badan Bayi (BeratBayi) berdistribusi normal dan bisa dilanjutkan ke Uji T Independen.

11
Penggunaan SPPS
▰ Klik Analyze, Compare Means (untuk
melihat perbandingan rata-rata) dan
Independent-Samples T-Test (uji t
indenpenden)
▰ Selanjutnya akan muncul tampilan seperti di bawah
ini :
2. UJI T INDEPENDEN

1. Pilih menu “Analyze”, pilih sub menu “Compare Means”,

lalu pilih “Independent-Samples T Test”.

2. Pada layar tampak kotak yang di dalamnya ada

kotak ‘Test variable (s)’ dan ‘Grouping Variable’ Ket:
kotak test variables tempat memasukkan variabel
numeriknya, sedangkan kotak grouping variable
untuk memasukkan variabel kategoriknya. Masukkan
variabel ‘Merokok’ ke kotak ‘Test variabel’ dan
variabel ‘Berat Bayi’ ke kotak ‘Grouping Variable’.

14
3. Klik ‘Define Groups’, kemudian di layar nampak kotak isian. Anda diminta mengisi kode variabel
‘Berat Bayi’ ke dalam kedua kotak. Pada contoh ini, kita tahu bahwa ‘1’ kode untuk yang merokok dan
kode ‘2’ untuk yang tidak merokok. Jadi ketiklah 1 pada “Group 1” dan 2 pada “Group 2”.

4. Klik “Continue”

15
16
Pada tampilan di atas dapat dilihat nilai rata-rata berat badan bayi untuk masing-masing
kelompok. Rata-rata berat badan bayi dari ibu yang bekerja adalah 3148, Sedangkan
untuk ibu yang tidak bekerja rata-rata berat badan bayi-nya adalah 3192

17
SPSS akan menampilkan dua uji T, yaitu uji T dengan
asumsi varian kedua kelompok sama (equal variances
assumed) dan uji T dengan asumsi varian kedua
kelompok tidak sama (equal variances not assumed).
Untuk memilih uji mana yang kita pakai, dapat dilihat uji
kesamaan varian melalui uji Levene’s.
Lihat nilai p (Sig.) pada Levene’s test:
1. Jika nilai p < α (0,05) maka lihat angka Sig. (2-tailed)
pada equal variances not assumed (varian berbeda).
2. Jika nilai p > α (0,05) maka lihat angka Sig. (2-tailed)
pada equal variances assumed (varian sama).
Pada uji Levene’s menghasilkan nilai
p=0,985 sehingga dicari p value uji t pada
bagian varian sama (equal variances
assumed) di kolom Sig. (2-tailed), yaitu
sebesar p=0,793. Artinya, tidak ada
perbedaan yang signifikan rata-rata berat
badan bayi antara ibu yang bekerja dengan
ibu yang tidak bekerja.
18
 P E N YA J I A N H A S I L U J I T I N D E P E N D E N

Tabel 1. Distribusi Berat Badan Bayi Menurut Perilaku Merokok di Daerah X Tahun 2020

Variabel Mean SD SE P value N

Bekerja 3148 609,043 121,809 25
0,793
Tidak
3192 570,029 570,029   25
Bekerja

Berdasarkan tabel diatas, didapatkan hasil bahwa rata-rata berat badan bayi yang dilahirkan
oleh ibu yang bekerja adalah 3148 gr dengan standar deviasi 609,043 sedangkan rata-rata berat
badan bayi yang dilahirkan oleh ibu yang tidak bekerja adalah 3192 gr dengan standar deviasi
570,029. Hasil uji statistik didapatkan nilai p=0,793, berarti pada alpha 5% tidak terdapat perbedaan
yang signifikan rata-rata berat badan bayi antara ibu yang bekerja dengan ibu yang tidak bekerja

19
2
UJI T DEPENDEN

20
APA ITU UJI T DEPENDEN ?

TUJUAN LANGKAH-LANGKAH
Menguji perbedaan antara dua kelompok 1. Uji Normalitas
data dependen, disebut dependen bila 2. T-test Independen
responden diukur/diteliti dua kali atau
juga disebut penelitian pre dan post.

SYARAT APLIKASI UJI T DEPENDEN

▰ Data berdistribusi normal/simetris Hipotesis :
▰ Kedua kelompok data dependen/pair “Perbedaan rata-rata HB mengenai BBLR pada Ibu hamil
▰ Variabel : Numerik
Kategorik (dua kelompok)

21
▰ Pilih Analyze, Compare Mean (untuk melihat
perbandingan rata-rata) dan Taired-T-Test (uji t
dependen)
23
U J I N O R M A L I TA S

A. Uji Skewness
1. Pilih menu Analyze  sorot Descriptive
Statistics  klik Frequencies.

24
One-Sample Kolmogorov-Smirnov Test
kadar hb 1 kadar hb2
N 50 50
Normal Parametersa,b Mean9.25210.860
Std. Deviation 1.9446 1.0558
Most Extreme Differences Absolute .210 .214
Positive .118 .214
Negative -.210 -.120
Test Statistic .210 .214
Asymp. Sig. (2-tailed) .000c .000c
a Test distribution is Normal.
b Calculated from data.
c Lilliefors Significance Correction.

25
26
27
28
29
30
2. UJI T DEPENDEN
1. Pilih menu “Analyze”, kemudian pilih sub
menu “Compare Means”, lalu pilih “Paired-
Samples T Test”.

2. Masukkan variabel “hb1” ke dalam kotak

Paired Variabels kolom Variabel1 dan variabel
“hb2” ke kolom Variabel2.

3. Klik OK.

31
 Output SPSS

Pada tabel diatas terlihat statistik deskriptif berupa rata-rata PerilakuPre2018 dan PerilakuPost2020.
Rata-rata PerilakuPre2018 adalah 10,71 dengan standar deviasi 2,215, sedangkan rata-rata
PerilakuPost2020 adalah 8,29 dengan standar deviasi 2,289.

32
Uji T berpasangan dapat dilihat pada tabel Paired Samples Test, terlihat nilai mean perbedaan antara
PerilakuPre2018 dan PerilakuPost2020 adalah 2,429 dengan standar deviasi 3,994. Perbedaan ini
diuji dengan uji T berpasangan menghasilkan nilai p yang dapat dilihat pada kolom “Sig (2-tailed)”.
Pada contoh di atas didapatkan nilai p=0,159, maka dapat disimpulkan tidak ada perbedaan yang
signifikan antara perilaku ibu tahun 2018 dengan perilaku ibu tahun 2020.

33
 P E N YA J I A N H A S I L U J I T D E P E N D E N

Tabel 1. Distribusi Rata-Rata Perilaku Ibu Mengenai Stunting Pada Balita di Desa Muara
Batun Tahun 2018 dan 2020

Perilaku Mean SD SE P value N

Perilaku Pre
10,71 2,215 0,837 7
test 2018
0,159
Perilaku Post
8,29 2,289 0,865 7
test 2020

Berdasarkan tabel diatas, didapatkan hasil bahwa rata-rata perilaku pada pre test 2018 adalah
10,71 dengan standar deviasi 2,215. Pada post test 2020 didapat rata-rata perilaku adalah 8,29
dengan standar deviasi 2,289. Terlihat nilai mean perbedaan anatara perilaku pre test 2018 dan
perilaku post test 2020 adalah 2,429 dengan standar deviasi 3,994. Hasil uji statistik didapatkan nilai
p=0,159, maka dapat disimpulkan bahwa tidak ada perbedaan yang signifikan antara perilaku ibu
tahun 2018 dengan perilaku ibu tahun 2020 (p-value > 0,05).

34
THANK YOU
35