Cara Uji Independent Sample T Test Menggunakan SPSS

Setelah melakukan Uji Normalitas Shapiro Wilk dan Homogenitas sebagai Syarat Uji Independent Sample T Test, sekarang kita lanjutkan untuk mengolah data (komparasi) menggunakan SPSS.

Note: Cara uji Independent-Samples T Test berbeda dengan Paired Samples T Test. Oleh karena itu, Panduan ini Saya pisah dari Panduan Paired Samples

Uji Independent Sample T Test Dengan SPSS

Untuk melakukan uji Independent Sample T Test dengan SPSS, persiapkan terlebih dahulu Template Data seperti gambar berikut:

Pada SUB-BAB sebelumnya, kita sudah membuat template olah data tersebut. Saya melanjutkan dan menggunakan template tersebut pada Panduan ini.

Jadi Saya menggunakan contoh uji beda yang sama yaitu dengan Judul Perbedaan Hasil Belajar Siswa Kelas 5A dan 5B di SD M Jurnal Com.

Penting! Pastikan Anda Sudah membaca Panduan Sebelumnya tentang Uji Normalitas Independent Sample T Test. Jika belum, silahkan lihat di Pintasan Panduan.

Selanjutnya, silahkan ikuti Cara Uji Independent Sample T Test menggunakan SPSS berikut:

1. Pertama, Klik Tab Analyze
2. Kedua, Klik Compare Means
3. Ketiga, Klik Independent-Samples T Test…
4. Keempat, masukkan Variabel “Hasil” ke kolom Test Variable(s). Caranya klik “Hasil”, kemudian klik Icon Panah ke kanan (seperti gambar).
5. Kelima, masukkan variabel “Kelas” ke kolom Grouping Variable.
6. Keenam, klik Define Group
7. Ketujuh, pada Window Define Groups, masukkan nilai 1 dan 2 pada Group Use Specified Values
8. Terakhir, Klik Continue pada Window Define Group dan Klik Ok pada Window Independent-Sample T Test. Berikut hasilnya:

Proses olah data sudah selesai. Selanjutnya tugas Anda adalah membaca hasil analisis tersebut seperti penjelasan berikut:

Interpretasi Hasil Uji Independent Sample T Test

Dari hasil uji diatas, Anda hanya perlu fokus pada 2 tabel yaitu Tabel Group statistics dan Independent-Samples T Test. Hasil pada gambar di atas akan tampil pada Window ke 2 SPSS yaitu Window Output.

Silahkan pahami baik-baik cara membaca hasil Uji Beda Independent tersebut:

#1 Table Group Statistics

Table Group Statistics berisi data Mean (rata-rata) untuk setiap kelompok. Silahkan masukkan hasil ini ke bagian Pembahasan Penelitian Anda.

Dari Tabel terlihat bahwa jumlah data Kelas 5A sebanyak 6 dengan Mean = 77,8167, Standar Deviasi = 7,22092 dan Std Error Mean = 2,94793.

Sedangkan jumlah data Kelas 5B sebanyak 5 dengan Mean = 87,2400, Standar Deviasi = 5,28422 dan Std Error Mean = 2,36318.

Yang perlu Anda ketahui, Tabel Group Statistics hanya bertujuan untuk memberikan seperti apa gambaran data yang digunakan. Bukan untuk mengambil keputusan apa lagi untuk menjawab hipotesis.

Anda hanya perlu menjelaskan isi tabel tersebut seperti penjelasan yang Saya berikan di atas. Silahkan rangkai kata-kata yang lebih bagus.

#2 Table Independent Sample T Test

Dari Table Independent-Sample T Test ini lah Anda bisa mengambil keputusan apakah menolak atau menerima H0 atau mengetahui apakah terdapat perbedaan rata-rata signifikan antara kedua kelompok data.

Pertama, silahkan fokus terlebih dahulu ke kolom Levene’s Test for Equality of Variances.

Hasil test Levene’s ini berhubungan dengan hasil Uji Homogenitas yang sudah kita lakukan pada SUB-BAB sebelumnya.

Karena pada Contoh panduan ini varians data yang Saya gunakan adalah Homogen, maka gunakan hasil test Levene’s pada baris pertama (Equal Variances Assumed).

Note: Pastikan Data yang Anda gunakan adalah Homogen. Jika Anda mengikuti Panduan Saya dari SUB-BAB sebelumnya, Saya yakin Anda sudah mengerti.

Kedua, ambil keputusan dari kolom t, df, dan Sig. (2-tailed) pada baris pertama saja. Sementara untuk kolom lainnya secara garis besar tidak wajib Anda masukkan ke dalam pembahasan penelitian.

Untuk pengambilan keputusan apakah menolak atau menerima H₀, Anda bisa menggunakan salah satu dari 2 metode berikut:

Metode 1: Membandingkan Sig. (2-tailed) dengan Alpha

Pengambilan keputusan menggunakan metode 1 ini dapat dilakukan dengan membandingkan hasil pada kolom Sig. (2-tailed) dengan Alpha penelitian.

Dasar Pengambilan keputusan Independent Sample T-Test sebagai berikut:

1. Jika nilai Sig. (2-tailed) < Alpha Penelitian (0,05), maka H₀ ditolak dan H_a diterima.
2. Jika nilai Sig. (2-tailed) > Alpha Penelitian (0,05), maka H₀ diterima dan H_a ditolak.

Untuk mengingatkan kembali, hipotesis pada contoh penelitian ini sebagai berikut:

• H₀: Tidak terdapat perbedaan rata-rata signifikan antara Kelas 5A dan Kelas 5B
• H_a: Terdapat perbedaan rata-rata signifikan antara Kelas 5A dan Kelas 5B

Sekarang, lihat Nilai Sig. (2-tailed) pada tabel Independent Samples Test seperti gambar berikut:

Pada contoh ini, nilai Sig. (2-tailed) = 0,039. Sedangkan alpha penelitian = 5% atau 0,05. Artinya, (0,039 < 0,05) dapat disimpulkan bahwa contoh penelitian ini menerima H₀ dan menolak H_a ditolak.

Dengan kata lain, terdapat perbedaan signifikan antara Hasil Belajar Siswa Kelas 5A dan %B di SD M Jurnal Com.

Metode 2: Membandingkan t-hitung dengan t-table

Jika Anda menggunakan metode ke 2 ini, Anda perlu fokus ke kolom t dan df. Serta Anda perlu mempersiapkan tabel t (biasanya ada di lampiran buku statistik).

Selain itu, yang perlu Anda ketahui bahwa dasar pengambilan keputusan metode 2 ini tidak sama dengan metode 1 seperti berikut:

1. Jika nilai t-hitung > t-table, maka H₀ ditolak dan H_a diterima.
2. Jika nilai t-hitung < t-table, maka H₀ diterima dan H_a ditolak.

Pada metode 1, untuk menerima H_a, nilai Sig. (2-tailed) harus lebih kecil dari Alpha. Sementara pada metode 2 untuk menerima H_a, maka nilai t-hitung harus lebih besar dari nilai t-table.

Selanjutnya, tentukan berapa nilai t-table untuk penelitian Anda berdasarkan nilai df pada tabel Independent Samples Test serta alpha dibagi 2. Perhatikan gambar berikut:

Nilai df (degree of freedom) pada contoh ini = 9. Sementara alpha penelitian adalah 5%/2 = 2,5% atau 0,025

Selanjutnya, lihat nilai t-tabel dari df=9 dan Tail Probability 0,025. Caranya seperti berikut:

Nilai t-tabel pada contoh penelitian ini adalah 2,262. Sedangkan nilai t-hitung = -2,419 (lihat kolom t pada gambar Independent Samples Test)

Note: Untuk membandingkan t-hitung dan t-tabel, abaikan tanda negatif ataupun positif dari nilai t-hitung. Saya akan jelaskan alasannya di bawah.

Jadi pada contoh penelitian ini, t-tabel > t-hitung (2,419 > 2,262). Artinya H₀ ditolak dan H_a diterima yaitu Terdapat Perbedaan rata-rata Signifikan antara Hasil Belajar Siswa Kelas 5A dan 5B di SD M Jurnal Com

Sejauh ini, Saya yakin Anda sudah paham kenapa Anda boleh menggunakan metode 1 atau 2 untuk pengambilan keputusan hipotesis. Karena hasil dari kedua metode tersebut akan sama saja.

Bonus: Tentang Alpha/2 dan t-hitung Negatif

Pada metode 2 untuk menentukan nilai t-table, kenapa nilai Alpha harus di bagi 2 ? Karena, uji Independent Sample T Test pada contoh ini menggunakan 2-tailed (uji 2 sisi).

Sementara itu, Alpha penelitian adalah kemungkinan kesalahan yang terjadi dalam pengambilan keputusan untuk uji 1 sisi (one-tailed).

Karena kita menggunakan 2-tailed, maka nilai alpha harus dibagi 2.

Tapi apa benar contoh ini menggunakan uji 2 sisi ? Coba Anda lihat Independent Samples Test. Disana tertera kolom Sig. (2-tailed)

Yang kedua tentang t-hitung bernilai negatif. Kenapa tanda negatif dan positif pada t-hitung harus di abaikan ?

Karena pada Uji Independent Sample T Test, nilai negatif / positif pada hasil t-hitung bukan digunakan untuk pengambilan keputusan hipotesis ataupun sebuah kesalahan.

Tapi untuk menunjukkan selisih antara rata-rata hasil belajar siswa kelas 5A dengan kelas 5B.

Dalam contoh ini, coba Anda lihat kolom Mean pada Tabel Group Statistics. Kelas 5A memiliki nilai rata-rata hasil belajar sebesar 77,8167. Sedangkan rata-rata kelas 5B sebesar 87,2400. Jadi 77,8167 – 87,2400 = -9,4233.

Sejauh ini apakah Anda sudah jauh lebih mengerti ? Jika sudah, silahkan gunakan data Anda untuk Uji Independent Sample T Test.