INDEPENDENT SAMPLES T TEST
9.10.2017
Uji ini digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata antara dua kelompok sampel yang tidak berhubungan. Jika ada perbedaan, rata-rata manakah yang lebih tinggi. Data yang digunakan biasanya berskala interval atau rasio.
Contoh kasus:
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas Psikologi suatu universitas. Penelitian dengan menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas B. Dalam uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya kelas A sebanyak 8 orang dan kelas B sebanyak 12 orang. Data-data yang didapat sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
| No | Nilai Ujian | Kelas |
| 1 | 32 | Kelas A |
| 2 | 35 | Kelas A |
| 3 | 41 | Kelas A |
| 4 | 39 | Kelas A |
| 5 | 45 | Kelas A |
| 6 | 43 | Kelas A |
| 7 | 42 | Kelas A |
| 8 | 47 | Kelas A |
| 9 | 42 | Kelas A |
| 10 | 37 | Kelas A |
| 11 | 35 | Kelas B |
| 12 | 36 | Kelas B |
| 13 | 30 | Kelas B |
| 14 | 28 | Kelas B |
| 15 | 26 | Kelas B |
| 16 | 27 | Kelas B |
| 17 | 32 | Kelas B |
| 18 | 35 | Kelas B |
| 19 | 38 | Kelas B |
| 20 | 41 | Kelas B |
Langkah-langkah pada jadwal SPSS
Ø Masuk jadwal SPSS
Ø Klik variable view pada SPSS data editor
Ø Pada kolom Name ketik nilaiujn, dan kolom Name pada baris kedua ketik kelas.
Ø Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.
Ø Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom pada baris kedua ketik Kelas.
Ø Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None). Untuk kolom pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label ketik kelas A, lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label ketik kelas B, lalu klik Add. Kemudian klik OK.
Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Ø Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan kelas.
Ø Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1 dan 2 (1 menyampaikan kelas A dan 2 menyampaikan kelas B)
Ø Klik Analyze - Compare Means - Independent Sample T Test
Ø Klik variabel Nilai Ujian dan masukkan ke kotak Test Variable, kemudian klik variabel Kelas dan masukkan ke kotak Grouping Variable, kemudia klik Define Groups, pada Group 1 ketik 1 dan pada Group 2 ketik 2, lalu klik Continue.
Ø Klik OK, maka hasil output yang didapat yaitu sebagai berikut:
Tabel. Hasil Independent Sample T Test
Keterangan: Tabel di atas telah dirubah kedalam bentuk baris (double klik pada output independen sample t test, kemudian pada menu kafe klik pivot, kemudian klik Transpose Rows and Columns)
Sebelum dilakukan uji t test sebelumnya dilakukan uji kesamaan varian (homogenitas) dengan F test (Levene,s Test), artinya jikalau varian sama maka uji t menggunakan Equal Variance Assumed (diasumsikan varian sama) dan jikalau varian berbeda menggunakan Equal Variance Not Assumed (diasumsikan varian berbeda).
Langkah-langkah uji F sebagai berikut:
1. Menentukan Hipotesis
Ho : Kedua varian yaitu sama (varian kelompok kelas A dan kelas B yaitu sama)
Ha : Kedua varian yaitu berbeda (varian kelompok kelas A dan kelas B yaitu berbeda).
2. Kriteria Pengujian (berdasar probabilitas / signifikansi)
Ho diterima jikalau P value > 0,05
Ho ditolak jikalau P value < 0,05
3. Membandingkan probabilitas / signifikansi
Nilai P value (0,613 > 0,05) maka Ho diterima.
4. Kesimpulan
Oleh alasannya yaitu nilai probabilitas (signifikansi) dengan equal variance assumed (diasumsikan kedua varian sama) yaitu 0,603 lebih besar dari 0,05 maka Ho diterima, jadi dapat disimpulkan bahwa kedua varian sama (varian kelompok kelas A dan kelas B yaitu sama). Dengan ini penggunaan uji t menggunakan equal variance assumed (diasumsikan kedua varian sama).
Pengujian independen sample t test
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian kelas B
Ha : Ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian kelas B
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%.
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 yaitu ukuran standar yang sering digunakan dalam penelitian)
3. Menentukan t hitung
Dari tabel di atas didapat nilai t hitung (equal variance assumed) yaitu 3,490
4. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-2 atau 20-2 = 18. Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,101 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,18) lalu enter.
5. Kriteria Pengujian
Ho diterima jikalau -t tabel < t hitung < t tabel
Ho ditolak jikalau -t hitung < -t tabel atau t hitung > t tabel
Berdasar probabilitas:
Ho diterima jikalau P value > 0,05
Ho ditolak jikalau P value < 0,05
6. Membandingkan t hitung dengan t tabel dan probabilitas
Nilai t hitung > t tabel (3,490 > 2,101) dan P value (0,003 < 0,05) maka Ho ditolak.
7. Kesimpulan
Oleh alasannya yaitu nilai t hitung > t tabel (3,490 > 2,101) dan P value (0,003 < 0,05) maka Ho ditolak, artinya bahwa ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian kelas B. Pada tabel Group Statistics terlihat rata-rata (mean) untuk kelas A yaitu 40,30 dan untuk kelas B yaitu 32,80, artinya bahwa rata-rata nilai ujian kelas A lebih tinggi daripada rata-rata nilai ujian kelas B.
Nilai t hitung positif, berarti rata-rata group1 (kelas A) lebih tinggi daripada group2 (kelas B) dan sebaliknya jikalau t hitung negatif berarti rata-rata group1 (kelas A) lebih rendah dari pada rata-rata group2 (kelas B)
Perbedaan rata-rata (mean diference) sebesar 7,50 (40,30-32,80), dan perbedaan berkisar antara 2,98 hingga 12,02 (lihat pada lower dan upper).
Related Posts