Upload
adisedana93
View
214
Download
1
Embed Size (px)
Citation preview
BAB I
PENDAHULUAN
A. Latar Belakang
Uji beda independent sample t-test digunakan untuk mengetahui ada atau tidaknya
perbedaan rata-rata antara dua kelompok sampel yang tidak berhubungan. prinsipnya
ingin mengetahui apakah ada perbedaan mean antara dua populasi, dengan
membandingkan samplenya. jika ada perbedaan, rata-rata manakah yang lebih tinggi.
Data yang digunakan biasanya berskala interval atau rasio.
B. Rumusan Masalah
1. Apa yang dimaksud dengan uji beda independent sample t-test ?
C. Tujuan
1. Untuk mengetahui pengertian uji beda independent sample t-test.
1
BAB II
PEMBAHASAN
A. Independent Sample t-test
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 I :
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
2
17 32 Kelas B
18 35 Kelas B
19 38 Kelas B
20 41 Kelas B
Langkah-langkah pada program SPSS :
1. Masuk program SPSS
2. Klik variable view pada SPSS data editor
3. Pada kolom Name ketik nilaiujn, dan kolom Name pada baris kedua ketik kelas.
4. Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.
5. Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom
pada baris kedua ketik Kelas.
6. 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.
7. Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
8. Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan
kelas.
9. Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1
dan 2 (1 menunjukkan kelas A dan 2 menunjukkan kelas B)
10. Klik Analyze - Compare Means - Independent Sample T Test
11. 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.
12. Klik OK, maka hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Independent Sample T Test3
Keterangan:
Tabel di atas telah dirubah kedalam bentuk baris (double klik pada output independen
sample t test, kemudian pada menu bar 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 jika varian sama maka uji t
menggunakan Equal Variance Assumed (diasumsikan varian sama) dan jika varian
berbeda menggunakan Equal Variance Not Assumed (diasumsikan varian berbeda).
Langkah-langkah uji F sebagai berikut:
1. Menentukan Hipotesis
Ho : Kedua varian adalah sama (varian kelompok kelas A dan kelas B adalah sama)
Ha :Kedua varian adalah berbeda (varian kelompok kelas A dan kelas B adalah
berbeda).
2. Kriteria Pengujian (berdasar probabilitas / signifikansi)
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
3. Membandingkan probabilitas / signifikansi
4
` Nilai P value (0,613 > 0,05) maka Ho diterima.
4. Kesimpulan
Oleh karena nilai probabilitas (signifikansi) dengan equal variance assumed
(diasumsikan kedua varian sama) adalah 0,603 lebih besar dari 0,05 maka Ho
diterima, jadi dapat disimpulkan bahwa kedua varian sama (varian kelompok kelas A
dan kelas B adalah 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 adalah ukuran standar yang sering digunakan dalam penelitian).
3. Menentukan t hitung
Dari tabel di atas didapat nilai t hitung (equal variance assumed) adalah 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 jika -t tabel < t hitung < t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
Berdasar probabilitas:
5
Ho diterima jika P value > 0,05
Ho ditolak jika 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 karena 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 adalah 40,30 dan untuk kelas B adalah 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 jika 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 sampai 12,02 (lihat pada lower dan
upper).
Contoh II:
Kita ingin mengetahui apakah ada pengaruh ibu yang merokok dan ibu yang tidak
merokok (status merokok merupakan data kateorik) terhadap berat bayi yang dilahirkan
(berat bayi lahir merupakan data numerik).
Langkahnya sebagi berikut :
Buka/aktifkan SPSS anda. Kemudian pada menu utama klik File --> Open --> Data,
sampai muncul layar seperti di bawah ini :
6
Pilih file "bbay.sav" dan klik open, akan muncul layar di bawah ini :
Yang perlu diperhatikan pada layar di atas adalah variabel "rokok" dan "bbayi". Karena
kedua variabel ini yang akan kita uji.
Selanjutnya klik pada menu utama SPSS anda Analyze --> Compare Means--
>Independent-Samples-T Test :
7
Lalu akan muncul layar seperti ini :
Pilih variabel "bbayi" dengan cara mengklik variabel tersebut.
Kemudian klik tanda segitiga paling atas untuk memasukan variabel tersebut ke kotak
Test variable(s).
Klik variabel "rokok' dan masukan ke kotak Grouping variable. Kemudian klik tombol
Define Group, dan isi angka "0" pada kotak Group 1 dan angka "1" pada kotak Group 2.
Lalu klik Continue.
8
Klik OK untuk menjalankan prosedur. Pada layar output akan nampak hasil seperti
berikut :
Dari tabel Group Statistics, terlihat bahwa rata-rata berat bayi yang dilahirkan oleh ibu
yang tidak merokok adalah 3054,96 gram, sedangkan berat bayi yang dilahirkan oleh ibu
yang perokok sebesar 2773,24 gram.
Untuk melihat perbedaan ini lihat pada tabel Independent Samples Test. Pada tabel
tersebut ada dua baris (sel), sel pertama dengan asumsi bahwa varian kedua kelompok
tersebut sama, sedangkan pada sel kedua dengan asumsi bahwa varians kedua kelompok
tersebut tidak sama. Untuk memilih sel mana yang akan kita gunakan sebagai uji, maka
lihat pada kolom uji F, jika Signifikansinya > 0,05 maka asumsinya varian sama
sebaliknya jika Sig. <=0,05 maka variannya tidak sama. Dari uji F menunjukan kalau
varian kedua kelompok tersebut sama (P-value = 0,221), sehingga sel akan dibaca adlah
sel pertama.
Dari kolom uji T menunjukan bahwa nilai P = 0,009 untuk uji 2-sisi . Karena P-value
lebih kecil dari α = 0,05 yang berarti Ho ditolak, sehingga dapat kita simpulkan bahwa
secara statistik ada perbedaan yang bermakna rata-rata berat bayi yang dilahirkan oleh ibu
9
yang merokok dengan ibu yang tidak merokok dengan kata lain ada pengaruh merokok
terhadap berat bayi lahir.
Uji tersebut di atas adalah uji 2-sisi, bagaimana kalau uji 1-sisi ? Bila uji yang kita
lakukan adalah uji 1-sisi maka nilai P harus dibagi 2 sehingga menjadi P-value = 0,0045
10
BAB III
PENUTUP
A. Kesimpulan
Uji beda independent sample t-test digunakan untuk mengetahui ada atau tidaknya
perbedaan rata-rata antara dua kelompok sampel yang tidak berhubungan. prinsipnya
ingin mengetahui apakah ada perbedaan mean antara dua populasi, dengan
membandingkan samplenya. jika ada perbedaan, rata-rata manakah yang lebih tinggi.
Data yang digunakan biasanya berskala interval atau rasio.
B. Saran
Dari hasil pembahasan diatas, maka disarankan agar mahasiswa dapat memanfaatkan
informasi yang diberikan secara baik.
11
DAFTAR PUSTAKA
Sukawana I Wayan. 2008. Pengantar Statistik Untuk Perawat. Jurusan Keperawatan Poltekes
Denpasar
12