INDEPENDENT SAMPLES T TEST

23.18 Duwi Consultant

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 program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik nilaiujn, dan kolom Name pada baris kedua ketik kelas.
Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.
Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk
kolom pada baris kedua ketik Kelas.
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.
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan
kelas.
Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka
1 dan 2 (1 menunjukkan kelas A dan 2 menunjukkan kelas B)
Klik Analyze - Compare Means - Independent Sample T Test
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.
Klik OK, maka hasil output yang didapat adalah 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 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
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 = 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 = 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:
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).




Rumus Chi Square

Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji komparatif non
parametris yang dilakukan pada dua variabel, di mana skala data kedua variabel adalah nominal.
(Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan
merujuk bahwa harus digunakan uji pada derajat yang terendah).

Uji chi-square merupakan uji non parametris yang paling banyak digunakan. Namun perlu diketahui
syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar, sebab ada beberapa
syarat di mana chi square dapat digunakan yaitu:
1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0) sebesar 0
(Nol).
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki frekuensi
harapan atau disebut juga expected count ("Fh") kurang dari 5.
3. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2, maka rumus
yang digunakan adalah "koreksi yates". Untuk rumus koreksi yates, sudah kami bahas dalam artikel
sebelumnya yang berjudul "Koreksi Yates".

Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas, yaitu ada
cell dengan frekuensi harapan kurang dari 5, maka rumus harus diganti dengan rumus "Fisher Exact
Test".

Pada artikel ini, akan fokus pada rumus untuk tabel kontingensi lebih dari 2 x 2, yaitu rumus yang
digunakan adalah "Pearson Chi-Square".

Rumus Tersebut adalah:




Untuk memahami apa itu "cell", lihat tabel di bawah ini:

Pendidikan
Pekerjaan
Total
1 2
1 a b a+b
2 c d c+d
3 e f e+f
Total a+c+e b+d+f N

Tabel di atas, terdiri dari 6 cell, yaitu cell a, b, c, d, e dan f.


Sebagai contoh kita gunakan penelitian dengan judul "Perbedaan Pekerjaan Berdasarkan Pendidikan".
Maka kita coba gunakan data sebagai berikut:

Responden Pendidikan Pekerjaan
1 1 1
2 2 2
3 1 2
4 2 2
5 1 2
6 3 2
7 2 2
8 1 2
9 2 2
10 1 2
11 1 2
12 3 1
13 3 1
14 2 1
15 1 2
16 3 2
17 2 2
18 2 2
19 1 1
20 2 2
21 3 1
22 1 1
23 3 2
24 1 2
25 3 1
26 2 2
27 1 2
28 1 2
29 2 2
30 1 1
31 2 2
32 2 1
33 2 1
34 1 1
35 2 2
36 1 1
37 3 2
38 2 2
39 2 1
40 3 2
41 1 1
42 3 2
43 1 1
44 2 2
45 1 1
46 3 1
47 3 2
48 2 1
49 3 2
50 2 1
51 2 1
52 2 2
53 3 2
54 1 1
55 2 2
56 2 2
57 1 1
58 3 1
59 2 1
60 3 1


Dari data di atas, kita kelompokkan ke dalam tabel kontingensi. Karena variabel pendidikan memiliki 3
kategori dan variabel pekerjaan memiliki 2 kategori, maka tabel kontingensi yang dipakai adalah tabel 3
x 2. Maka akan kita lihat hasilnya sebagai berikut:

Pendidikan
Pekerjaan
Total
1 2
1 11 9 20
2 8 16 24
3 7 9 16
Total 26 34 60

Dari tabel di atas, kita inventarisir per cell untuk mendapatkan nilai frekuensi kenyataan, sebagai
berikut:

Cell F0
a 11
b 9
c 8
d 16
e 7
f 9

Langkah berikutnya kita hitung nilai frekuensi harapan per cell, rumus menghitung frekuensi harapan
adalah sebagai berikut:

Fh= (Jumlah Baris/Jumlah Semua) x Jumlah Kolom
1. Fh cell a = (20/60) x 26 = 8,667
2. Fh cell b = (20/60) x 34 = 11,333
3. Fh cell c = (24/60) x 26 = 10,400
4. Fh cell d = (24/60) x 34 = 13,600
5. Fh cell e = (16/60) x 26 = 6,933
6. Fh cell f = (16/60) x 34 = 9,067
Maka kita masukkan ke dalam tabel sebagai berikut:

Cell F0 Fh
a 11 8,667
b 9 11,333
c 8 10,400
d 16 13,600
e 7 6,933
f 9 9,067

Langkah berikutnya adalah menghitung Kuadrat dari Frekuensi Kenyataan dikurangi Frekuensi Harapan
per cell.
1. Fh cell a = (11 - 8,667)2 = 5,444
2. Fh cell b = (9 - 11,333)2 = 5,444
3. Fh cell c = (8 - 10,400)2 = 5,760
4. Fh cell d = (16 - 13,600)2 = 5,760
5. Fh cell e = (7 - 6,933)2 = 0,004
6. Fh cell f = (9 - 9,067)2 = 0,004
Lihat hasilya pada tabel di bawah ini:

Cell F0 Fh F0 - Fh (F0 - Fh)2
a 11 8,667 2,333 5,444
b 9 11,333 -2,333 5,444
c 8 10,400 -2,400 5,760
d 16 13,600 2,400 5,760
e 7 6,933 0,067 0,004
f 9 9,067 -0,067 0,004

Kuadrat dari Frekuensi Kenyataan dikurangi Frekuensi Harapan per cell kemudian dibagi frekuensi
harapannya:
1. Fh cell a = 5,444/8,667 = 0,628
2. Fh cell b = 5,444/11,333 = 0,480
3. Fh cell c = 5,760/10,400 = 0,554
4. Fh cell d = 5,760/13,600 = 0,424
5. Fh cell e = 0,004/6,933 = 0,001
6. Fh cell f = 0,004/9,067 = 0,000
Kemudian dari nilai di atas, semua ditambahkan, maka itulah nilai chi-square hitung. Lihat Tabel di
bawah ini:

Cell F0 Fh F0 - Fh (F0 - Fh)2 (F0 - Fh)2/Fh
a 11 8,667 2,333 5,444 0,628
b 9 11,333 -2,333 5,444 0,480
c 8 10,400 -2,400 5,760 0,554
d 16 13,600 2,400 5,760 0,424
e 7 6,933 0,067 0,004 0,001
f 9 9,067 -0,067 0,004 0,000
Chi-Square Hitung = 2,087

Maka Nilai Chi-Square Hitung adalah sebesar: 2,087.

Untuk menjawab hipotesis, bandingkan chi-square hitung dengan chi-square tabel pada derajat
kebebasan atau degree of freedom (DF) tertentu dan taraf signifikansi tertentu. Apabila chi-square
hitung >= chi-square tabel, maka perbedaan bersifat signifikan, artinya H0 ditolak atau H1 diterima.

DF pada contoh di atas adalah 2. Di dapat dari rumus -> DF = (r - 1) x (c-1)
di mana: r = baris. c = kolom.
Pada contoh di atas, baris ada 3 dan kolom ada 2, sehingga DF = (2 - 1) x (3 -1) = 2.

Apabila taraf signifikansi yang digunakan adalah 95% maka batas kritis 0,05 pada DF 2, nilai chi-square
tabel sebesar = 5,991.

Karena 2,087 < 5,991 maka perbedaan tidak signifikan, artinya H0 diterima atau H1 ditolak.