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