Kamis, 15 November 2012

uji beda T-test


Uji Beda T-Test

Uji beda t-test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki nilai rata-rata yang berbeda. Uji beda t-test dilakukan dengan cara membandingkan perbedaan antara dua nilai rata-rata dengan standart error dari perbedaan rata-rata dua sampel atau dapat ditulis dengan rumus sebagai berikut :
Standar error perbedaan dalam nilai rata-rata terdistribusi secara normal. Dapat disimpulkan bahwa uji beda t-test adalah membandingkan rata-rata dua grup yang tidak berhubungan satu dengan yang lainnya.
Uji beda untuk statistik parametrik terdiri dari :
1.  T test
a.   Paired sample test (variabel yang berhubungan)
Uji t berpasangan merupakan salah satu metode pengujian hipotesis dimana data yang digunakan tidak bebas atau berpasangan.
Contoh kasus:
Seorang peneliti ingin mengetahui ada tidaknya pengaruh terhadap obat tidur baru terhadap 10 pasien penderita gangguan tidur.
Berikut datanya:
Responden
Sebelum
Menggunakan
Sesudah
Menggunakan
1
5.1
7
2
6.2
7
3
4.7
5.8
4
5.7
5.8
5
6.2
6.1
6
4.3
8.7
7
3.7
9.2
8
6.5
8.1
9
3.4
8
10
3.8
7.2
Sebelum melakukan analisis data dengan uji t berpasangan, terlebih dahulu data tersebut diuji data tersebut berdistribusi normal atau tidak.
Langkah-langkahnya sebagai berikut:
  1. Buka program SPSS
  2. Masukkan variable “sebelum†dan “sesudah†pada sheet variable view.
  3. Masukkan data tabel di atas ke dalam sheet data view.
  4. Klik Analyze > Descriptive Statistics > Explore. Kemudian masukkan variable yang akan diuji ke dalam kotak dependent list. Klik OK.
  5. Maka akan muncul outputnya, seperti gambar berikut:
Dari tabel di atas dapat diketahui bahwa K-S Z = 0.160 dengan sig = 0.200. Tingkat signifikan (? = 5%) maka 0.200 > 0.05. Sehingga data tersebut dapat dikatan sebagai data dengan distribusi normal.
Langkah- langkah melakukan uji t berpasangan (paired sample test), sebagai berikut:
  1. Klik Analyze > Compare Means > Paired Sample T-Test
  2. Masukkan kedua variable (sesudah dan sebelum) ke dalam kotak di sebelah kanan dengan klik tanda panah yang terdapat diantara kedua kotak tersebut.
  3. Klik OK. Maka akan muncul output dari perintah tadi.
Paired Samples Statistics


Mean
N
Std. Deviation
Std. Error Mean
Pair 1
sebelum
4.9600
10
1.14911
.36338
sesudah
7.2900
10
1.19392
.37755
Dari tabel output Paired Samples Statistics tersebut di atas dapat kita ketahui bahwa waktu tidur pasien mengalami kenaikan. Yakni dari 4.96 jam bertambah menjadi 7.29 jam.
Paired Samples Correlations


N
Correlation
Sig.
Pair 1
sebelum & sesudah
10
.460
.181
Dari tabel output Paired Samples Correlations tersebut di atas dapat kita ketahui bahwa korelasi antara sebelum dan sesudah menggunakan obat tidur sebesar 0.460 sehingga terdapat hubungan signifikan.
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
sebelum – sesudah
2.33000
2.00225
.63317
3.76232
.89768
3.680
9
.005
Dari tabel Paired Samples Test di atas dapat kita ketahui bahwa sig. (2-tailed) adalah 0.005. Hal ini berarti nilainya lebih kecil dari 0.05 (? = 5%). Sehingga dapat kita simpulkan bahwa selisih waktu tidur sebelum dan sesudah di beri obat untuk setiap responden tidak sama dengan nol, jadi obat tersebut terbukti dapat membantu penderita gangguan tidur.
Dari tabel tersebut dapat kita ketahui pula lama waktu tambahan tidur dengan mengkonsumsi obat tersebut antara 0.897 sampai 3.76 jam dengan tingkat kepercayaan 95%.
 b.  Independen sample   test (variable yang tidak berhubungan)
Analisis dengan metode ini bertujuan untuk membandingkan dua rata-rata dua grup yang tidak berhubungan.
Contoh kasus :
Seorang peneliti ingin membandingkan nilai suatu mata pelajaran antara dua kelas dengan menggunakan dua metode yang berbeda, yakni diskusi dan ceramah.
Berikut ini adalah datanya
Kelas
Metode
Nilai
A
Diskusi
37
A
Diskusi
53
A
Diskusi
68
A
Diskusi
44
A
Diskusi
39
A
Diskusi
48
A
Diskusi
62
A
Diskusi
57
A
Diskusi
55
B
Ceramah
52
B
Ceramah
87
B
Ceramah
76
B
Ceramah
62
B
Ceramah
81
B
Ceramah
71
B
Ceramah
55
B
Ceramah
67
Langkah-langkahnya adalah sebagai berikut:
  • Buka program SPSS
  • Masukkan variabel  “metode  dan  nilai  pada sheet variable view
 Tentukan value untuk variable medote yakni:
 1 = diskusi
  2 = ceramah
  • Masukkan angka-angka sesuai dengan tabel nilai tersebut di atas.
  • Klik Analyze > Compare Means > Independent Sample T-Test. Maka akan muncul kotak dialog baru.
  • Masukkan variable metode ke kotak grouping variable.
  Klik Define group. Ketikkan angka 1 untuk Group 1 dan angka 2 untuk  group 2.
 Klik Continue.
  • Masukkan variabel nilai pada kotak test variable(s).
  • Klik Option. Ketikkan angka 95 pada kotak Confidence Interval.
  Klik Continue.
  • Klik OK. Maka secara otomatis akan keluar output perintah tersebut.
Group Statistics

metode
N
Mean
Std. Deviation
Std. Error Mean
nilai
diskusi
9
51.4444
10.38161
3.46054
ceramah
8
68.8750
12.29910
4.34839

Independent Samples Test


Levene’s Test for Equality of Variances
t-test for Equality of Means


F
Sig.
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference


Lower
Upper
nilai
Equal variances assumed
.275
.608
-3.170
15
.006
-17.43056
5.49904
-29.15149
-5.70962
Equal variances not assumed


-3.137
13.823
.007
-17.43056
5.55732
-29.36416
-5.49695
Dari hasil uji independent sample t test terdapat dua output yakni tabel group statistics dan independent sample tests.  Pada tabel group statistics dijabarkan hasil perhitungan tentang jumlah data, nilai rata-rata, standar deviasi dan standar error rata-rata pada masing-masing metode.
Pada tabel Independent Sample T test memaparkan uji apakah kedua kelompok memiliki varian yang sama. Karena nilai sig (0.608) > ? (0.05) maka dapat kita simpulkan bahwa kedua kelompok memiliki varian yang sama. Berdasarkan hasil perhitungan tersebut terlihat bahwa t hitung = – 3.170 dengan df = 15 maka dapat kita simpulkan bahwa terdapat perbedaan antara metode diskusi dan metode ceramah. Selain itu dapat menggunakan perbandingan sig. (2-tailed) yang memiliki nilai lebih besar daripada ? (0.05)

uji banding independent samples T test

May 18th, 2012 admin 0 Comments
uji banding independent samples T test, merupakan lanjutan atau bagian dari uji banding dengan spss. Dari kata membandingkan ini berarti ada dua sampel yang sama variabelnya yang akan kita bandingkan. Tujuan dari penggunaan independen samples T test adalah untuk membandingkan kualitas dari dua buah sampel, manakah yang terbaik atau lebih baik diantara kedua sampel tersebut. Dengan menggunakan analisisi data statistik akan dapat terlihat kualitas dari sebuah sampel secara detail. Langkah yang perlu anda lakukan sebelum melakukan uji banding anda harus melakukan uji homogenitas terlebih dahulu, karena nantinya akan kita gunakan sebagai sebuah acuan kita untuk melihat tabel manakah yang akan kita gunakan nantinya apakah LSD atau tamhane. Para peneliti biasanya menggunakan uji ini untuk suatu penelitian mengenai kefektifan suatu metode seperti metode pembelajaran, metode pengolahan barang, motode produksi serta metode metode lainya.

contoh uji banding independent samples T test

contoh: Dari hasil pembelajaran di tiga kelas dengan metode yang berbeda.Ingin diketahui apakah ada perbedaan prestasi belajar yang dihasilkan berdasar metode pembelajaran yang digunakan . Data hasil penelitian diberikan sebagai berikut:
siswa
Kelas A
Kelas B
Kelas C
1
68
80
73
2
64
80
75
3
60
78
80
4
68
76
77
5
68
96
69
6
68
84
82
7
68
80
74
8
60
92
75
9
56
88
78
10
64
80
79
11
60
88
75
12
76
76
75
13
64
76
78
14
60
76
79
a. Apakah berbeda prestasi belajar antara kelas A & kelas B?
Penyelesaian .
masukan data clas A pada spss, dan beri nama group 1, dan beri kode class B dengan group 2, seperti dibawah ini

Class A
group
68
1
64
1
60
1
68
1
68
1
68
1
68
1
60
1
56
1
64
1
60
1
76
1
64
1
60
1
80
1
80
2
78
2
76
2
96
2
84
2
80
2
92
2
88
2
80
2
88
2
76
2
76
2




lalu pilih analyze, pilih compare means, pilih independen sampel T test, dan masukan variabel class pada kolom test variabel, dan group pada grouping variabel, dan selanjutnya pilih menu define groups, dan masukan angka 1 pada group 1, dan angka 2 pada group 2,pilih continu, dan pilih ok. Maka akan muncul tabel hasil uji. Pertama kita harus menentukan jenis datanya dengan melihat perbandingan antara sig pada distribusi F. ternyata sig pada F = 0,311 > 0,05. hal ini menuunjukan bahwa H0 ditolak , dan data bersifat heterogen. dan kita melihat tabel bawah yaitu equal variances not assumed. Selanjutnya kita melihat sig pada daftar distribusi t, dan ternyata sig = 0,00 < 5 %, hal ini menunjukan h0 diterima, dan tidak ada perbedaan antara class A dan class B. Namun tetap dapat kita lihat , dominan mana antara keduanya dengan melihat  mean antara keduanya, dalam tabel kita dapati group 1 sebesar 64,57, dan group 2 sebesar 82,57, hal ini menunjukan group B lebih dominan
Dari perhitungan diatas, jelas bahwa kita dapat menentukan lebih baik mana antara class A dengan class B atau group B, dengan  data diatas dapat disimpulkan bahwa group B itu lebih unggul jika dibandingkan dengan class A atau group A

Membaca t tes — Document Transcript

BAB II UJI HIPOTESIS KOMPARATIF
1. Parametrik 2 Sampel Independen Independent sample t-test 2 Sampel Berhubungan Paired sample t-test 2< Sampel Anava
2. Non Parametrik 2 Sampel Independen Mann Whitney U test 2 Sampel Berhubungan Wilcoxon Sign Rank test 2< Sampel Independen Anava ranking Friedman 2< Sampel BerhubunganA. Sampel Independen vs Sampel BerhubunganA.
Sampel Independen (between subjects)Sampel independen adalah sampel yang didapatkan dari data yang berasal dari subjek yang berbeda. Misalnya perbandingan antara laki-laki perempuan, desa-kota, SMA-S1, dsb. Contoh:1. Anda ingin mencari perbedaan antara kecenderungan depresi pada laki-laki dan perempuan.2. Perbedaan prestasi kerja antara Pabrik Sapu Duka dan Pabrik Sapu LukaPada contoh di atas, terlihat bahwa ada dua jenis subjek yang memiliki latar belakang berbeda. Desa Terlihat di sini bahwa depresi Depresi dibandingkan pada orang di desa dan kota Kota (subjek berbeda)B. Sampel Berhubungan (between treatment)Sampel berkorelasi adalah sampel yang didapatkan dari data yang berasal dari subjek yang sama.Misalnya:1. Dalam eksperimen anda ingin membandingkan skor pre-test dan post-test kelompok eksperimen.2. Perbandingan agresi yang diakibatkan oleh efek kopi dan efek teh pada satu orang.Pada contoh di atas, terlihat bahwa ada dua jenis subjek yang sama. Agresi Agresi Terlihat bahwa kopi dan teh diberikan Kopi Teh kepada satu orang (subjek sama) SubjekB. Syarat Penggunaan Uji Komparasi Parametrik1. Pengambilan sampel adalah random2. Data berdistribusi normal (baca bab uji normalitas) atau memiliki n (jumlah subjek banyak >30)Wahyu Widhiarso | Fakultas Psikologi UGM | wahyu_psy@ugm.ac.id
  • 2. 3. Data homogen. Syarat ini bisa tidak dipenuhi karena ada uji t khusus untuk data tidak homogen (unequal-variance t test)4. Jumlah subjek (n) dalam tiap kelompok yang dibandingkan diusahakan sama jumlahnya. Kalaupun tidak sama diusahakan jumlahnya tidak jauh berbeda.C. Mengolah t-tes Independen Sample  Hipotesis :Ha: “Ada perbedaan kecerdasan antara pria dan wanita”Variabel dependen : KecerdasanVariabel independen : Pria dan Wanita1. Penyajian DataMisalkan hipotesis kita adalah ada perbedaan antara kecerdasan pria dan wanita. Grup 1 adalahpria dan grup 2 adalah wanita. Letakkan dengan menyusun ke bawah. Tidak harus berurutan yatidak apa-apa, nggak ada yang melarang jika kode 1 dan 2 tidak berurutan seperti contoh yangsaya berikan. LANGKAH MENAMAKAN KODE Langkah 1 Tekan Menu Variable View. Lalu Muncul gambar seperti di bawah ini LANGKAH 2 Tekan Values pada baris Gender Wanita diberi kode 1 LANGKAH 3 Masukkan kode dengan namanya. Tulis angka 1 pada Value, lalu tulis wanita pada Value Label. Terus tekan Add. Tulis angka 2 pada laki-laki. Lalu OK Pria diberi LANGKAH 3 kode 2 LANGKAH 4 Kembali lagi ke LANGKAH 1 Data View LANGKAH 2Wahyu Widhiarso | Fakultas Psikologi UGM | wahyu_psy@ugm.ac.id
  • 3. 2. Cara AnalisisTekan Menu Analyze Compare means t-test independent samples.Masukkan variabel yang hendak dianalsisis. Pada kolom Test Variabel(s), masukkan kecerdasan.Pada Grouping Variables masukkan gender. LANGKAH 1 Pada kolom Test Variabel(s), masukkan kecerdasan. LANGKAH 2 Pada Grouping Variables masukkan gender. Define Groups LANGKAH 3 Karena kode kita adalah Define Groups 1 dan 2 maka yang Masukkan kode data. Karena gender ditulis di sini adalah 1 datanya dikotomi maka perlu dan 2. Terbalik gak apa, dijelaskan. 2 terus 1 gak apa2. Cut Point Jika data yang dibandingkan, bukan data kategorik 1 dan 2. Melainkan data kontinum, antara 0 sampai 10 anda dapat menekan cut point dan menulis angka tengahnya yaitu 5. jadi yang dibedakan adalah yang diatas 5, dan dibawah 53. Membaca Angka t-tes Independen Sample Independent Samples Test Levenes Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Mean Std. Error Difference F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper CERDAS Equal variances 2.662 .120 .085 18 .933 1.0101 11.8809 -23.9507 25.9709 assumed Equal variances .077 8.663 .940 1.0101 13.0804 -28.7563 30.7765 not assumed Aturan Uji Homogen Aturan Uji t Sig: p< 0,05 data tidak homogen a. Sig: p < 0,05 ada perbedaan pada taraf sig. 5% Sig: p>0,05 data homogen b. Sig: p < 0,01 ada perbedaan pada taraf sig. 1% c. Sig: p> 0.05 tidak ada bedaLangkah IBaca dulu Levene’s test untuk uji homogenitas (perbedaan varians). Disana tampak bahwaF=2.662 (p=0,120) karena p diatas 0,05, maka dapat dikatakan bahwa tidak ada perbedaanvarians pada data kecerdasan pria dan wanita (data equal/homogen)Wahyu Widhiarso | Fakultas Psikologi UGM | wahyu_psy@ugm.ac.id
  • 4. Langkah 2Jika data anda homogen, maka baca lajur kiri (equal variance assumed) , jika data tidakhomogen, baca lajur kanan (equal variance not assumed). Dari data di atas dapat disimpulkanbahwa data anda homogen (sig > 0.05). So…lihat baris equal variance assumedLangkah 3Terlihat bahwa nilai t hitung= -0,085 (sig <0,05), artinya tidak ada perbedaan kecerdasan antarapria dan wanita.Bogel : Je! Kamu jangan bilang ada perbedaan yang siginifikan saja. Katakan juga siapa yanglebih cerdas?” (OK, Kita lihat, siapa yang memiliki rerata (mean) yang tinggi, dari kasus ini,wanitalah yang lebih cerdas). Tapi meski perempuan lebih cerdas, tapi dari uji-t tadi terlihat bahwatidak ada perbedaan yang signifikan. Hal ini dikarenakan selisihnya cuma tipis. Group Statistics Std. Error GENDER N Mean Std. Deviation Mean CERDAS Wanita 9 111.5556 38.4549 12.8183 Pria 11 110.5455 8.6413 2.6055 Terlihat bahwa kecerdasan wanita lebih tinggi dibanding laki-laki (111.55 > 110.54) tetapi selisihnya tipis. Ya. Kaum lelaki ditampar wanita karena wanita lebih cerdas. Tapi karena perbedaannya tidak signifikan, sama artinya bahwa tamparan tersebut tidak signifikan dalam menyebabkan rasa sakit. Ini sih teori Love Hate Relationship, kadang ekspresi cinta dimunculkan secara agresif.. ha ha haPria kelihatan bodohnya ketika mereka diam, sedangkan ketika wanita diam, mereka kelihatancerdas (Henry Delacroix )Penjelasan Lebih Detail (for Advance Only) 95 % Confidence Interval of the difference. Adalah rentang nilai perbedaan yang ditoleransi. Pada kasus kita, toleransi ini menggunakan taraf kepercayaan 95%. Jadi dengan menggunakan taraf kepercayaan 95 %, rentang selisih kecerdasan pria dan wanita dari -23.95 sampai 25.97. Independent Samples Test Levenes Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Mean Std. Error Difference F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper CERDAS Equal variances 2.662 .120 .085 18 .933 1.0101 11.8809 -23.9507 25.9709 assumed Equal variances .077 8.663 .940 1.0101 13.0804 -28.7563 30.7765 not assumed Levene Tes Homogenitas. Nilai t Anda. Std. Eror Adalah uji homogenitas, yaitu uji Jika tak bisa mengalahkan t tabel Difference. perbedaan varians pada data (lebih besar dari t tabel), jangan Adalah selisih kita. Aturannya seperti yang mengharap ada beda signifikan. standar deviasi dua tertulis pada tabel sebelumya. Dari Sig. -nya terlihat bahwa ia data kita. 3,02765 - Jika data homogen, baca lajur lebih besar dari t tabel (p<0,05. 2,99815 = 1,34743. kiri, jika tidak, baca lajur kanan. Mean Difference. Selisih Mean. Adalah selisih dua mean data kita. Lihat tabel dibawah ini. Seperti kita ketahui dari data ini, bahwa rerata kecerdasan pria= 25,50 kecerdasan wanita= 29,90. Selisihnya adalah -4,400. Perempuan lebih cerdas daripada priaWahyu Widhiarso | Fakultas Psikologi UGM | wahyu_psy@ugm.ac.id
  • 5. 1 Ekor melawan 2 EkorKalau pakai satu ekor, toleransi yang dipakai akan lebih rendah, sebab harga satu ekor lebihmurah dari pada dua ekor. Coba lihat di tabel...nilai t kritis pada df 15, satu ekor nilainya 0,412yang dua ekor lebih tinggi, 0,482. secara statistik memang kepenak memakai satu ekor, karenalebih murah, tetapi secara metodologi lebih mahal, karena secara teoritik harus benar-benar dapatdipertanggung-jawabkan dan membutuhkan landasan teori yang kuat. Prinsip ini digunakan padaanalisis yang lain juga. Misalnya korelasi.Bogel : Jangan banyak omong! Kenapa kok SPSS tidak menyediakan menu pilihan 1 ekor!Wahyu : Karena kita bisa mendapatkan nilai sig (1 tailed) hanya dengan membagi sig (2 tailed). Contoh di atas lihatlah. Sig (2 tailed) = 0.933 sehingga untuk mendapatkan 1 ekor cukup membagi 2 angka tersebut. 0.933 : 2= 0.4665. Inilah sig (1 tailed)….Nah SPSS memberi kesempatan bagi pikiran kita agar tidak manja…..gichu lho’C. Mengolah t-tes Related SamplesHa : Ada perbedaan kemandirian subjek sebelum mendapatkan konseling dan sesudahmendapatkan konseling (2 ekor) A B AtauHa : Ada kemandirian sesudah mendapatkan konseling lebih tinggi dibanding sebelummendapatlan konseling (1 ekor) A>BVariabel Dependen : KemandirianVariabel Independen : Konseling1. Penyajian DataMeski namanya sama-sama uji-t tapi tampilan data berbeda. Hal ini dikarenakan SPSS tidakmengijinkan satu orang subjek berada pada baris berbeda. Jadi meski diukur 2 kali yaitu sebelumkonseling dan sesudah konseling. Data tersebut terlihat bahwa satu subjek kemandiriannya diukurdua kali.2. Cara AnalisisTekan Menu Analyze Compare means paired samples t-test.Masukkan variabel yang hendak dianalsisis. Pada kolom Test Variabel(s), masukkan kecerdasan.Pada Grouping Variables masukkan gender.Wahyu Widhiarso | Fakultas Psikologi UGM | wahyu_psy@ugm.ac.id
  • 6. Langkah 3 Masukkan ke dalam kolom yang hendak di analisis. Trus, klik OK Langkah 1 Pilih satu pasang (2 variabel) yang hendak di analisis Langkah 2 Pastikan sepasang itu sudah masuk ke tempatnya Paired Samples Statistics Std. Error Mean N Std. Deviation Mean Pair 1 Sebelum Konseling 13.6000 10 1.5055 .4761 Sesudah Konseling 25.0000 10 2.5386 .8028 Statistik Deskriptif Mean adalah rerata kemandirian tiap pengukuran. N adalah adalah jumlah sampel. Std. Deviation adalah simpangan baku. Std. Error adalah kesalahan baku. Paired Samples Correlations N Correlation Sig. Pair 1 Sebelum Konseling & 10 .523 .121 Sesudah Konseling Korelasi Correlation (r). Adalah hubungan antar anggota pasangan. Sig. adalah taraf signifikan. • Aturannya, jika Sig > 0.05 tidak ada hubungan kemandirian antara sebelum konseling dan sesudah konseling. • Aturannya, jika Sig < 0.05 ada hubungan kemandirian antara sebelum konseling dan sesudah konseling. Jika r dikuadratkan maka menunjukkan sumbangan konseling terhadap perubahan kemandirian. Terlihat bahwa sumbangan konseling terhadap peningkatan kemandirian adalah 0.5232= 0.27 (27%). 27% peningkatan kemandirian dikarenakan konseling sisanya 73% disebabkan faktor lain. Paired Samples Test Paired Differences 95% Confidence Interval of the Std. Error Difference Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed) Pair 1 Sebelum Konseling - -11.4000 2.1705 .6864 -12.9527 -9.8473 -16.609 9 .000 Sesudah Konseling Mean. Std. Deviation Selisih rata-rata. Simpangan baku dari Didapatkan dari rerata selisih antara sebelum Confidence Interval kemandirian sebelum- dan sesudah. Interval yang menunjukkan wilayah sesudah Std Ε(sesudah-sebelum) adanya perbedaan kemandirian pada 13.6-25.00 = -11.40 taraf kepercayaan 95%Wahyu Widhiarso | Fakultas Psikologi UGM | wahyu_psy@ugm.ac.id
  • 7. Aturan Uji t a. Sig: p < 0,05 ada perbedaan pada taraf sig. 5% b. Sig: p < 0,01 ada perbedaan pada taraf sig. 1% c. Sig: p> 0.05 tidak ada beda Paired Samples Test Paired Differences 95% Confidence Interval of the Std. Error Difference Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed) Pair 1 Sebelum Konseling - -11.4000 2.1705 .6864 -12.9527 -9.8473 -16.609 9 .000 Sesudah Konseling Simpulan t-value t-value Karena Biasanya nilai t yang diatas nilai kritis 1,96 Hasil uji t. sig > 0.01 selalu bisa diterima pada taraf sig. 95 %. Terdapat Atau ketika lebih besar daripada 2.56 perbedaan diterima pada signifikan 99%. Df. kemandirian Coba lihat data di tabel. t = -16.609 ( lebih Deraja bebas antara sebelum besar daripada 2.56 so…perbedaan (jumlah sampel-1) dan sesudah kemandirian diterima pada taraf 99% 10 orang – 1 = 9 mendapatkan konselingCATATAN :1. Dengan data yang sama hasil uji-t adalah sama, yang beda adalah df-nya jadi kesimpulan yang dihasilkan berbeda.2. Rumus pendek t #1. Jika nilai t anda di atas 1,96 maka biasanya kesimpulannya adalah “ada perbedaan pada taraf 95%”3. Rumus pendek t #2. Jika nilai t anda di atas 2,56 maka biasanya kesimpulannya adalah “ada perbedaan pada taraf 99%”4. SPSS sudah membandingkan antara nilai t hitung anda dengan nilai t tabel. Jadi gak usah lihat sulit-sulit tabel. Tapi kalau anda gak percaya anda bisa membuktikannya: Kaidahnya #1 t hitung > t tabel maka terdapat perbedaan yang signifikan Kaidahnya #2 t hitung < t tabel maka tidak terdapat perbedaan yang signifikan Bogel : Gampang! Pokoknya kalau t-hitungmu bisa mengalahkan (lebih gedhe) tabel maka hipotesismu (Ha) diterima! Alias ada perbedaan. Gitu aja kok repot.Nomor-nomor yang besar pastilah mengandung kesalahanWentworth DillonSudahlah Dillon sayang…jangan membuat pembacaku ragu untuk terus mempelajari statistik.Sekarang merekan akan ku bawa mengarungi samudera ANOVA di BAB IIIWahyu Widhiarso | Fakultas Psikologi UGM | wahyu_psy@ugm.ac.id
  • 8. Bogel : Sebentar jangan beranjak bahasan dulu! Kamu tadi bilang kalau syarat uji t adalah data kita harus normal, rasio/interval. Bagaimana kalau syarat itu tidak terpenuhi…!Wahyu : Pakai analisis non parametrik! (lihat bab tentang analisis non-parametrik ya)Bogel : Je! Aku masih bingung bagimana cara milih t-tes independen samples dan t-tes related samples. Sekarang jelaskan lebih lanjut ya (sambil garuk-garuk kepala).Wahyu : OK. Pokoknya kata kuncinya adalah kalau satu subjek diukur sekali maka pakai t-tes independen samples. Kalau diukur dua kali maka pakai t-tes related samples. Tak kasih soal. Kalau menguji “perbandingan harga diri antara anak sulung dan bungsu” pakai t- tes apa hayo?Bogel : t-tes related samples!Wahyu : Kowe ganteng tapi PEKOK! Yang bener pakai t-tes independen samples karena ada dua jenis anak yang diukur. Satu anak diukur harga dirinya satu kali. Kalau menguji hipotesis “berat badan orang yang sering mandi lebih ringan dibanding yang jarang mandi” pakai t-tes apa? Berapa ekor ujinya?Bogel : Pakai t-tes independen samples 2 ekor!Wahyu : Gundulmu nyosok selokan! Bener pakai t-tes independen samples tapi uji 1 ekor karena sifatnya sudah mengarah, yang dibuktikan pada kata “lebih ringan dari”. (A>B) Bagaimana kalau menguji hiotesis ada perbedaan kekuatan fisik sebelum dan sesudah minum extra joss, pakai t-tes apa?Bogel : Pakai t-tes independen samples 2 ekor!Wahyu : Untumu nancep aspal! Pakai yang related sample doong! Kan yang dibandingkan kekuatannya adalah pada subjek yang sama. Sebelum dan sesudah minum extra joss.Bogel : Wedhus males adus! Gak ngerti statistik gak patheken!Wahyu Widhiarso | Fakultas Psikologi UGM | wahyu_psy@ugm.ac.id