Uji t Sampel tidak Berpasangan Menggunakan SPSS

Sukai dan Bagikan Artikel ini :

Uji t sampel tidak berpasangan (Statistik Parametrik)

Uji t sampel tidak berpasangan digunakan pada saat analisis dilakukan terhadap 2 sampel dengan subjek yang berbeda dan mengalami perlakuan yang berbeda, gunanya untuk mengetahui apakah ada perbedaan secara signifikan kelompok A dengan kelompok B.

Langkah-langkah uji t sampel tidak berpasangan setelah data sudah terkumpul dan ingin diolah menggunakan SPSS sebagai berikut: 

1. Data sudah terkumpul 

2. Uji asumsi harus terpenuhi yaitu data harus berdistribusi normal (wajib).

3. Bila uji asumsi sudah terpenuhi maka gunakanlah uji t tidak berpasangan. Dengan syarat dimana nilai sig > 0.05 (pada ouput spss bisa dilihat dalam tabel Shapiro-Wilk bila banyak anggota sampel <= 50, bila anggota sampel >= 50 lihat disisi Kolmogorov-Smirnov)

4. Bila uji asumsi tidak terpenuhi yaitu dimana nilai sig < 0.05 untuk sampel <= 50 (pada ouput spss bisa dilihat dalam tabel Shapiro-Wilk) dan bila anggota sampel >= 50 lihat disisi Kolmogorov-Smirnov, maka coba tranformasi dulu datanya.

5. Bila data sudah ditranformasi coba lagi uji normalitasnya seperi pada langkah 2.

6. Bila hasil tranformasi juga tidak berdistribusi normal yaitu dimana nilai sig masih < 0.05 (pada ouput spss bisa dilihat dalam tabel Shapiro-Wilk dan Kolmogorov-Smirnov) maka pakailah uji non-parametrik Kolmogorov-Smirnov khusus untuk sampel yang berpasangan.

Contoh kasus:
Seorang dokter ingin mengetahui kepuasan ibu hamil yang proses persalinannya dengan operasi dan yang melahirkan dengan cara normal. Berikut data yang dikumpulkan dari 40 pasien

Langkah-langkah uji t tidak berpasangan menggunakan SPSS
1. Buka aplikasi SPSS, bisa saudara cari di menu start seperti terlihat pada gambar berikut:

2. Klick program SPSS sampai muncul worksheet area kerja seperti pada gambar berikut:

3. Sebelah kiri bawah ada dua pilihan yaitu: Data view dan Variabel view

4. Lalu klick variabel view untuk menentukan variabel dari data yang kita punya

5. Isi variabel view (baris pertama kolom name ketik Kepuasan, pada Type pilih numerik, label ketik kepuasan persalinan)

6. Masih pada variabel view (baris kedua kolom name ketik Kelompok, pada Type pilih numeric, label di isi Kelompok persalinan, pada kolom values posisikan mouse pada sudut kolom none dikotak tersebut lalu klik sampai muncul kotak Value Labels pada langkah 7 berikut:

7. Pada kotak Value Labels tersebut pada kolom value di isi 1, label di isi dengan Operasi lalu klick add. begitu juga untuk yang normal. jika sudah selesai di isi klick OK,  

8. Bila sudah di isi semua variabel view maka terlihat seperti gambar berikut:

9.Selanjutnya klik data view sebelah kiri variabel view lalu isi nilai kepuasan, pada kolom kelompok nomor urut 1-20 di isi 1 dan 21-40 di isi 2. jika sudah terlihat seperti gambar berikut:

10. Pada langkah ini kita akan menguji asumsi statistik parametrik dimana data tersebut beridistribusi normal atau tidak? 

11. Pada toolbar paling atas pilih Analyze---> descriptive Statistics---> Explore. Pindahkan Kepuasan Persalinan ke dalam kotak Dependent List, pada kotak Factor List masukkan Kelompok Persalian, lalu klick Plots, pada kotak Boxplots pilih Factor levels together, pada kotak Deskriptive centang Stem-and-leaf, lalu centang Normality plots with test, lalu klik continue, lalu tekan OK. atau langkahnya seperti pada gambar berikut:

 12. Setelah di klik OK keluarlah hasilnya seperti pada gambar berikut:

 

13. Kita analisis dulu dari hasil normalitas pada langkah ke 13 di atas

Dari gambar di atas kita bisa melihat pada tabel case summary processing yang bahwa banyak data pada sampel berjumlah (Valid) 20 yaitu operasi dan normal, tidak ada missing data, dan totalnya 100%. 

Lalu pada tabel Desktiptive disana kita bisa melihat baik yang melahirkan dengan cara oprasi maupun normal karakteristik dari data yaitu mean (rata-rata), lower bound (tepi bawah kelas), upper bound (tepi atas kelas), median, standar deviasi dan lain-lain.

Pada tabel tests of Normality inilah yang paling penting. Dari tabel tersebut kita dapat melihat nilai signifikan baik untuk yang melahirkan operasi mapun normal. Pada kolom shapiro wilk untuk operasi diperoleh nilai sig sebesar 0.856, dan normal nilai sig sebesar 0.307 itu artinya apa? karena nilai sig > 0.05 maka dapat di ambil kesimpunan bahwa data kita berdistribusi normal. 

Nah karena data yang kita punya sudah berdistribusi normal, maka kita diperbolehkan menggunakan uji statistik parametrik untuk pengujian hipotesis yang telah kita susun sebelumnya. 
15. Dari data yang sudah kita input sebelumnya, ada pada langkah 9 di atas.  pada menu toolbar pilih Analyze ---> Compare Means ---> Independent-Sample T Test. Lalu pindahkan kepuasan persalinan ke kotak Test variable (s), kelompok persalinan pindahkan kedalam kotak Grouping Variable seperti terlihat pada gambar berikut:

14. Dari gambar di atas aktifkan kotak Define Groups, isikan angka 1 kedalam kotak group 1 (melahirkan dengan operasi),  isikan angka 2 kedalam kotak group 2 (melahirkan dengan normal), lalu klik continue, lalu klik OK. atau langkahnya seperti pada gambar berikut:

 

 15. Setelah di klik OK, maka hasilnya akan diperoleh seperti pada gambar berikut:

16. Sebelum analisis hasilnya kita tinjau dulu hipotesis yang telah kita rumuskan

Hipotesis:

H0 =  Tidak berbeda secara nyata kepuasan ibu melahirkan dengan cara sesar dibandingkan dengan ibu yang melahirkan dengan cara normal

H1 = Berbeda secara nyata kepuasan ibu melahirkan dengan cara sesar dibandingkan dengan ibu yang melahirkan dengan cara normal

Kriteria pengujian statistiknya yaitu:

H0 diterima jika t hitung < t tabel (nilai t dapat dilihat dari tabel distribusi t). cara lain untuk melihat H0 diterima bisa juga dari nilai probabilitas dimana nilai sig > 0.05.

H0 ditolak pada harga lainnya artinya bila t hitung > t tabel (nilai t dapat dilihat dari tabel distribusi t). Cara lain untuk melihat H0 ditolak bisa juga dari nilai probabilitas dimana nilai sig < 0.05.

Dari hasil di atas kolom Levene's Test for Equality of Variances pada baris pertama (Equal variances assumed) diperoleh nilai sig 0.106, karena nilai sig > 0.05 ini artinya kedua kelompok ibu melahirkan memiliki varians yang sama, kesamaan varians disini bukan syarat yang harus dipenuhi dalam uji t tes tidak berpasangan. 

Pada kolom t-test for Equality of Means kita peroleh nilai t hitung 8.222 dan nilai t tabel (lihat tabel distribusi t dimana N-2 = 38) di dapat 2.02239. Jadi t hitung > t tabel atau nilai probabilitas sig < 0.05. Jadi Tolak H0 terimalah H1. Kesimpulannya: Berbeda secara nyata kepuasan ibu melahirkan dengan cara sesar dibandingkan dengan ibu yang melahirkan dengan cara normal.