See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/333995288
Langkah SPSS : Uji Hipotesis Perbedaan Rata-Rata atau Uji t
Method · June 2019
CITATIONS
0
READS
31,177
1 author:
Fathi Ikhwatun Hasanah Universitas Gadjah Mada 1PUBLICATION 0CITATIONS
SEE PROFILE
All content following this page was uploaded by Fathi Ikhwatun Hasanah on 25 June 2019.
The user has requested enhancement of the downloaded file.
Langkah SPSS : Uji Hipotesis Perbedaan Rata- Rata atau Uji t
Chika Lyundzira | Winda Afrita
Sari | Fathi Ikhwatun Hasanah 2019 UNIVERSITAS GADJAH MADA
1
KATA PENGANTAR
Puji syukur penulis haturkan pada Tuhan Ynag Maha Esa yang telah memberi kenikmatan kepada penulis sehingga mampu menyusun modul “Langkah SPSS : Uji Hipotesis Perbedaan Rata-Rata atau Uji t”. Selain itu ucapan terima kasih kepada Ibu Nurisqi Amalia, S.Pd, M.Sc. selaku dosen pembimbing mata kuliah Statistika Indukstif. Tak lupa terima kasih kepada pihak-pihak yang telah membantu kelancaran penyusnan modul ini.
Penyususnan modul ini merupakan upaya penulis untuk membagikan langkah-langkah yang digunakan dalam aplikasi SPSS guna menguji hipotesis perbedaan dua rata-rata atau dikenal dengan uji t. Statistika merupakan salah satu ilmu yang digunakan untuk mengolah menganalisis data-data untuk keperluan panalitian dan lain-lain. Diharapkan dengan langkah- langkah menguji hipotesis beda dua rata-rata ini, dapat membantu bagi siapa saja yang hendak menlakukan uji tersebut dengan aplikasi SPSS. Semoga modul ini bermafaat baik bagi penulis maupun pembaca.
Yogyakarta, Juni 2019
Penulis
2 DAFTAR ISI
KATA PENGANTAR ... 1
DAFTAR ISI ... 2
PENGERTIAN ... 3
A. Uji t ... 3
B. Level of Significiance (α) ... 3
ONE SAMPLE T-TEST ... 4
INDEPENDENT SAMPLE T-TEST ... 9
PAIRED SAMPLE T-TEST ... 14
DAFTAR PUSTAKA ... 18
3
PENGERTIAN A. Uji t
Hipotesis merupakan suatu anggapan yang memiliki kemungkinanan benar dan salah.
Adanya hipotesis ini dapat digunakan sebagai dasar pembuatan keputusan suatu permasalahan dalam penelitian. Anggapan atau asumsi dalam hipotesis ini harus diuji dahulu menggunakan data hasil observasi.
Terdapat penelitian yang mempunyai pendapat menganai rata-rata suatu populasi atau lebih dari satu populasi. Alat yang digunakan untuk menguji perbedaan rata-rata disebut juga uji t. Uji hipotesis dua perbedaan merupakan salah satu teknik statistik parametrik (salah satu ciri-ciri data parametrik adalah terdistribusi normal). Uji ini digunakan untuk menguji hipotesis perbedaan suatu populasi dengan sampel yang kecil dan varian populasi yang tidak diketahui dengan membedaan rata-rata suatu kelompok. Uji hipoteis dua perbedan atau uji t digolongkan sebagai berikut :
B. Level of Significiance (α)
Level of Significiance berarti mempercayai sebesar (1-α) untuk membuat suatu keputusan yang benar. Sebagai contoh, probabilitas membuat keputusan yang benar adalah 95% yang berarti percaya bahwa 95% dapat membuat keputusan yang tepat atau membuat keputusan yang salah dengan probabilitas 5%. (1-α) disebut juga derajat kepercayaan.
Uji t
Satu Populasi
One Sample t-test
Dua Populasi
Berhubungan (Dependen)
Paired sample t-test
Terpisah (Independen)
Independet sample t-test
4
ONE SAMPLE T-TEST
One Sample T-Test merupakan teknik analisis untuk membandingkan satu variabel bebas. Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sampel. Contoh :
Berikut merupakan Data Tinggi Badan Mahasiswa ET : No Tinggi
Badan 1 158
2 158
3 163
4 155
5 156
6 160
7 150
8 165
9 160
10 150
11 149
12 150
13 165
Langkah-langkah dengan SPSS :
1. Buka SPSS, kemudian klik variabel view, isikan nama variabel, kemudian measure isikan scale.
No Tinggi Badan
14 167
15 160
16 158
17 153
18 160
19 169
20 152
21 168
22 166
23 165
24 170
25 168
5 2. Masukkan data ke dalam SPSS.
3. Langkah pertama, melakukan uji normalitas.
Caranya dengan klik Analyze ->
Descriptive Statistics ->
Explore...
4. Kemudian akan muncul kotak dialog “explore”
Variabel “tinggi badan” dimasukkan ke dalam Dependent list, dan display dipilih “both”
6 5. Kemudian masuk ke bagian “plots’ pada
kotak dialog explore Pada kotak “normality plots with test”, berikan tanda centang (v) kemjudian klik “continue”
6. Kemudian muncul output seperti dibawah ini
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
TinggiBadan ,143 25 ,200* ,937 25 ,125
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Test of normality digunakan untuk menguji apakah data tersebut berdistribusi normal.
Berdasarkan tabel test of normality dapat disimpulkan bahwa data tersebut berdistribusi normal karena nilai signifikansi lebih besar dari alpha, yaitu 0,125 > 0,005.
7. Langkah selanjutnya adalah melakukan uji One Sample T-Test dengan klik Analyze -> compare
means -> One Sample T-Test
8. Kemudian akan muncul kotak dialog seperti dibawah ini
7 Masukkan variabel “tinggi badan”
ke dalam kotak dialog Test Variable seperti pada gambar disamping.
Kemudian untuk test value diisikan 160 karena ingin membandingkan rata-rata tinggi badan mahasiswa ET dengan tinggi badan 160 cm.
Kemudian klik Ok.
9. Setelah itu akan muncul output dari uji One Sample T-Test One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
TinggiBadan 25 159,80 6,658 1,332
Hasil One Sample Statistik tersebut menunjukkan nilai statistik deskriptif, yaitu N=25 artinya jumlah sampel yang dipakai adalah 25 orang. Mean=159,80 artinya nilai rata-rata hitung adalah 159,80. Std. Deviation atau simpangan baku adalah sebesar 6,658 dan Std. Error adalah sebesar 1,332.
One-Sample Test Test Value = 160
t Df Sig. (2-
tailed)
Mean Difference
95% Confidence Interval of he Difference
Lower Upper
TinggiBadan -,150 24 ,882 -,200 -2,95 2,55
Dari hasil One Sample Test diketahui nilai t (t hitung ) sebesar -0,150. Nilai df(degree of freedom) atau derajat kebebasan adalah sebesar 24. Nilai signifikansi(2- tailed) atau nilai signifikansi dengan uji dua sisi adalah sebesar 0,882.
Hipotesis :
Ho : Nilai rata-rata tinggi badan Mahaiswa Ekonomika terapan sama dengan 160 cm.
Hi : Nilai rata-rata tinggi badan Mahasiswa Ekonomika terapan tidak sama dengan 160cm.
Pengambilan Keputusan :
1. Jika nilai Sig.(2-tailed) < 0,05, maka HO ditolak.
8
2. Jika nilai Sig.(2-tailed) > 0,05, maka HO diterima.
Kesimpulan :
Berdasarkan output tabel One Sample T-Test, diketahui nilai Sig.(2-tailed) sebesar 0,0882> 0,05, maka sesuai dengan dasar pengambilan keputusan bahwa Ho diterima dan menolak Hi. Dengan demikian, dapat diartikan jika nilai rata-rata tinggi badan Mahasiswa Ekonomika Terapan sama dengan 160 Cm.
Pengambilan keputusan dengan membandingkan nilai T : 1. Jika nilai t hitung > t tabel, maka Ho ditolak
2. Jika nilai t hitung < t tabel, maka Ho diterima.
T tabel = 2,06390 T hitung = -0,150
Nilai t tabel> t hitung, maka Ho diterima artinya nilai rata-rata tinggi badan Mahasiswa Ekonomika Terapan sama dengan 160 cm.
9
INDEPENDENT SAMPLE T-TEST
Independent sample t-test digunakan untuk menguji data tidak berpasangan atau 2 data yang berbeda (tidak saling berhubungan).
Contoh :
Data ukuran sepatu mahasiswa ET 12 angkatan 2017 dan mahasiswa Akuntansi 43
ET 12 (Angkt 2017) AKT 43
40 40
39 38
40 39
37 38
40 40
40 38
40 38
40 40
36 43
39 43
38 41
40 40
37 40
40 37
41 38
37 40
39 40
40 40
40 37
40 38
40 39
41 39
39 36
37 36
39 40
Dilakukan dengan menggunakan uji Independent Sample T-Test untuk mengetahui apakah ada perbedaan rata-rata ukuran sepatu mahasiswa ET 12 angkatan 2017 dan mahasiswa Akuntansi 43.
Langkah-langkah dengan SPSS :
1. Buka SPSS, kemudian isikan variabel view seperti pada gambare dibawah ini
10
2. Kemudian pada “Values” kolom “kelompok” isikan seperti pada gambar dibawah ini
3. Kemudian isikan data pada SPSS seperti pada gambar dibawah ini
Pada kolom kelompok isikan angka “1” pada data pertama dan isikan “2” pada data kedua. Kemudian jika klik pada maka angka “1” dan “2” tersebut akan berubah menjadi nama kelompok.
4. Langkah selanjutnya adalah dengan menguji Independent Sample T-Test
11
Caranya dengan klik Analyze -> Compare Means -> Independent Sample T Test
5. Kemudian akan muncul kotak dialog “Independent Sample T- Test”. Masukkan variabel
“Ukuran Sepatu” pada kotak dialog “Test Variable” dan masukkan variabel “kelompok”
pada kotak dialog “Group Variable”.
6. Kemudian klik “Define Groups” maka akan muncul kotak dialog seperti pada gambar dibawah ini.
Isikan 1 pada kotak group 1 dan isikan 2 pada kotak group 2. Kemudian klik “continue”.
7. Maka akan muncul output seperti di bawah ini.
Group Statistics
Kelompok N Mean Std. Deviation Std. Error Mean
UkuranSepatu
ET 12 Angkatan 2017 25 39,16 1,375 ,275
Akuntansi 43 25 39,12 1,787 ,357
Interpretasi :
Diketahui jika rata-rata ukuran sepatu Mahasiswa Ekonomika Terapan 1.2 adalah 39,16 dengan standar deviasi 1,375 dan rata-rata ukuran sepatu Mahasiswa Akuntansi 4.3 adalah 39,12 dengan standar deviasi 1,787.
12
Independent Samples Test Levene's Test for
Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Differe nce
Std.
Error Differe nce
95%
Confidence Interval of the
Difference Lower Upp
er
Ukuran Sepatu
Equal variances assumed
1,309 ,258 ,089 48 ,930 ,040 ,451 -,867 ,947
Equal variances not assumed
,089 45,039 ,930 ,040 ,451 -,868 ,948
• UJI F Hipotesis :
H0 : Tidak terdapat perbedaan yang signifikan antara ukuran sepatu mahasiswa Ekonomika Terapan 1.2 dan mahasiswa Akuntansi 4.3
H1 : Terdapat perbedaan yang signifikan antara ukuran sepatu mahasiswa Ekonomika Terapan 1.2 dan mahasiswa Akuntansi 4.3
Jika nilai signifikansi atau Sig.(2-tailed) > 0,05 maka Ho diterima dan Hi ditolak.
Jika nilai signifikansi atau Sig.(2-tailed) < 0,05 maka Ho ditolak dan Hi diterima.
Keputusan :
Dari hasil output independent sample T-test diperoleh nilai signifikansi sebesar 0,258 yang berarti lebih besar dari 0,05 maka dapat disimpulkan bahwa H0 diterima dan H1 ditolak, artinya TIDAK TERDAPAT PERBEDAAN yang signifikan antara ukuran sepatu mahasiswa Ekonomika Terapan 1.2 angkatan 2017 dan mahasiswa Akuntansi 4.3.
• Pengujian Independent Sample T-Test : Hipotesis :
13
H0 : Tidak terdapat perbedaan yang signifikan antara ukuran sepatu mahasiswa Ekonomika Terapan 1.2 dan mahasiswa Akuntansi 4.3.
H1 : Terdapat perbedaan yang signifikan antara ukuran sepatu mahasiswa Ekonomika Terapan 1.2 dan mahasiswa Akuntansi 4.3.
T Hitung : 0,089 α = 5% : 2 =0,025 df =(n-2) = 48 Tabel t = 2,01063 Kriteria Pengujian :
H0 : diterima jika t tabel < t hitung H0 : ditolak jika t tabel > t hitung Kesimpulan :
Karena nilai t hitung lebih kecil dari nilai tabel t, H0 diterima dan menolak H1, artinya TIDAK TERDAPAT PERBEDAAN yang signifikan antara ukuran sepatu mahasiswa Ekonomika Terapan 1.2 dan mahasiswa Akuntansi 4.3.
14
PAIRED SAMPLE T-TEST
Paired sample t test digunakan untuk menguji data berpasangan atau data yang saling berhubungan. Contoh: :
Data jumlah jam belajar mahasiswa ET 12 Angkatan 2017 ketika ujian dan ketika tidak ujian.
Ketika Ujian Ketika Tidak Ujian
4 2
3 1
6 1
3 1
2 1
3 2
4 3
3 1
5 2
4 2
8 3
6 1,5
4 3
5 1
3 1
3 2
2,5 1
1 1
1 5
1,5 4
5 1
5 1
5 1
5 1
5 2
Dari data diatas peneliti ingin menguji apakah pada jumlah jam belajar mahasiswa Ekonomi Terapan 1.2 angkatan 2017 terdapat perbedaan yang signifikan antara jumlah jam belajar ketika ujian dan ketika tidak ujian.
Langkah-langkah dengan SPSS :
1. Buka SPSS, kemudian pada variabel view isikan data seperti pada gambar dibawah ini.
15
2. Kemudian isikan data pada lembar kerja SPSS seperti pada gambar di bawah ini.
3. Selanjutnya melakukan uji paired sample t test.
Caranya dengan klik Analyze ->
Compare Means -> Paired Sample T Test
4. Kemudian akan muncul kotak dialog “Paired Sample T Test”
Isikan variabel “ketika ujian” pada kolom variabel 1 dan variabel “ketika tidak ujian” pada variabel 2. Kemudian klik Options.
5. Pada menu “options” isikan data seperti berikut.
Pada Confidence Interval Percentage menggunakan 95% karena untuk tingkat kepercayaan menggunakan 95% atau nilai signifikansi sebesar 5%. Selanjutnya klik “continue”, kemudian Ok.
16
6. Setelah itu akan muncul output seperti di bawah ini.
Interpretasi :
Dari tabel Paired Samples Statistic di atas, dapat diketahui rata-rata jumlah jam belajar ketika ujian adalah 3,88 dengan standar deviasi 1,673. Dan rata-rata jumlah jam belajar ketika tidak ujian adalah 1,78 dengan standar deviasi 1,081.
Tabel hasil korelasi atau hubungan antara kedua data atau variabel adalah sebagai berikut :
Paired Samples Correlations
N Correlation Sig.
Pair 1 KetikaUjian & TidakUjian 25 -,188 ,368
Interpretasi :
Dari hasil Paired Samples Correlation menunjukkan bahwa korelasi antara dua variabel sebesar -0,188. Dengan signifikansi sebesar 0,368 hal ini menunjukkan bahwa TIDAK ADA KORELASI antara jumlah jam belajar ketika ujian dan ketika tidak ujian.
Paired Samples Test
Paired Differences t df Sig. (2-
tailed) Mean Std.
Deviation
Std. Error Mean
95% Confidence Interval of the
Difference Lower Upper Pair
1
KetikaUjian -
TidakUjian 2,100 2,155 ,431 1,210 2,990 4,871 24 ,000
Hipotesis :
H0 : terdapat perbedaan yang signifikan antara jumlah jam belajar ketika ujian dan ketika tidak ujian
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean Pair 1
KetikaUjian 3,88 25 1,673 ,335
TidakUjian 1,78 25 1,081 ,216
17
H1 : tidak terdapat perbedaan yang signifikan antara jumlah jam belajar ketika ujian dan ketika tidak ujian
Dari tabel hasil Paired Samples Test diatas diketahui jika nilai t hitung 4,871 dan probabilitas atau signifikansi < 0,05 maka terdapat perbedaan yang signifikan antara jumlah jam belajar ketika ujian dan ketika tidak ujian. Maka dapat disimpulkan jika Ho diterima, artinya TERDAPAT PERBEDAAN yang signifikan pada jumlah jam belajar mahasiswa Ekonomika Terapan 1.2 ketika ujian dan ketika tidak ujian.
18
DAFTAR PUSTAKA
Saleh, S. (2001). Statistik Induktif. Yogyakarta: UPP AMP YKPN.
Supratno, J. (2015). Statistik Teori & Aplikasi Edisi 8 Jilid 2. Jakarta: Erlangga.
View publication stats
