Contoh Kasus Uji Beda (Independent Sample T Test) dan Cara Membaca Hasilnya


Uji Beda Dengan Contoh Kasus

AKHMAD.COM - Uji Beda merupakan suatu teknik analisis statistik yang berguna untuk melihat hubungan antar variabel.

Dalam suatu kasus penelitian, kita sering diperhadapkan dengan hubungan antara variabel bebas yang bersifat kategori atau skala nonmetrik dan variabel terikat yang bersifat kontinyu atau berskala interval/rasio. Teknik analisis yang cocok dengan kasus ini bergantung jumlah kategori variabel bebas.
contoh-kasus-uji-beda-independent

Pengantar Teori

Jika variabel bebas memiliki 2 kategori, maka uji statistik yang cocok digunakan adalah uji beda t-test. Adapun jika berkategori lebih dari 2 maka uji statistik yang cocok digunakan adalah analisis of variance (Anova). Namun jika variabel terikat lebih dari satu maka yang cocok diugunakan adalah multivariate analysis of variance (Manova) (Ghozali,2013:63)

Analisis independent sample t test menurut Wahyono (2008:112) merupakan analisis yang digunakan untuk menguji dua rata-rata dari dua sampel yang saling independent atau tidak berkaitan.

Menurut Santoso (2008:211) bahwa pada dasarnya uji dua sampel adalah ingin mengetahui apakah ada perbedaan rata-rata (mean) antara dua populasi, dengan melihat rata-rata dua sampelnya.

Baca Juga:
 

Contoh Kasus

Seorang manajer personalia ingin mengetahui apakah terdapat perbedaan yang signifikan antara rata-rata usia, jam kerja dan masa kerja karyawan di PT. Maris Trend. Uji dilakukan pada 30 orang karyawan yang terdiri atas laki-laki dan perempuan.


Langkah-Langkah Uji Independent Sampel t-test (SPSS v.20)

  • Dari halaman utama SPSS klik File-Open-Data  untuk mengaktifkan file
  • Pilih/klik file lalu Ok 


  • Untuk memudahkan dalam proses uji, maka silahkan masuk pada variabel view SPSS kemudian masukan nilai 1 pada values dan Laki-laki pada Labels lalu add begitu pula untuk perempuan masukan nilai 2 pada values dan Perempuan pada Labels
  • Pada menu utama SPSS (Data View) klik Analyze - Compare Means - Independent Sampel T Test
  • Dalam contoh ini, masukan variabel Usia, Jam Kerja dan Masa Kerja kedalam kolom Test Variable (s)
  • Masukan Jenis Kelamin ke kolom Grouping Variable
  • Klik Define Groups, namun jika belum aktif, klik dulu kotak Define Groups sampai berwarna kuning, lalu klik kembali Define Groups
  • Isikan  angka 1 di Group 1 kemudian isikan angka 2 di Group 2 untuk menandai bahwa ada 2 sampel indepenent yaitu laki-laki dan perempuan, lalu Ok hasilnya tampak seperti ini:


Tolong perhatikan sahabat ya,...! 

Analisis Output

Analisis Output Pertama Pada Group Statistics

1. Pada baris usia dan kolom mean terlihat rata-rata usia karyawan laki-laki 36,35 tahun  sedangkan rata-rata usia karyawan perempuan 47,20 tahun.
2. Pada baris Jam Kerja dan kolom mean terlihat rata-rata jam kerja karyawan laki-laki 3,25 jam sedangkan rata-rata jam kerja karyawan perempuan 4,10 jam.
3. Pada baris Masa Kerja dan kolom mean terlihat rata-rata Masa Kerja karyawan laki-laki 15,5 tahun sedangkan rata-rata Masa Kerja karyawan perempuan 4,80 tahun.

Terlihat bahwa dari karakteristik karyawan laki-laki dan perempuan tersebut memiliki rata-rata usia, jam kerja dan masa kerja yang berbeda-beda.

Untuk melihat apakah perbedaan tersebut memang nyata (signifikan) secara statistik maka kita perlu melihat output bagian kedua (Independent sample t-test)

Analisis Output Kedua Pada Independent Sample T-Test

Ada dua tahapan analisis yang harus dilakukan pada bagian kedua ini yaitu:

1. Menguji dahulu asumsi apakah variance populasi kedua sampel tersebut (laki-laki dan perempuan) adalah sama (equal variance assumed) ataukah berbeda (equal variances not assumed)
2. Setelah mengetahui apakah variance sama atau tidak, baru kemudian melihat nilai t-test untuk menentukan apakah terdapat perbedaan nilai rata-rata secara nyata (signifikan) atau tidak

Hipotesis uji masing-masing variabel sebagai berikut:

H0: Variance populasi usia antara karyawan laki-laki dengan karyawan perempuan adalah sama
H1: Variance populasi usia antara karyawan laki-laki dengan karyawan perempuan adalah berbeda
-----------------------------------------------------
H0: Variance populasi masa kerja antara karyawan laki-laki dengan karyawan perempuan adalah sama
H1: Variance populasi masa kerja antara karyawan laki-laki dengan karyawan perempuan adalah berbeda
-----------------------------------------------------
H0: Variance populasi jam kerja antara karyawan laki-laki dengan karyawan perempuan adalah sama
H1: Variance populasi jam kerja antara karyawan laki-laki dengan karyawan perempuan adalah berbeda

Pengambilan Keputusan: 

Jika probabilitas > 0,05, maka H0 tidak dapat ditolak jadi variance sama
Jika probabilitas < 0,05, maka H0 ditolak jadi variance berbeda

Hasil Analisis

Terlihat pada tabel kedua (independent samples test) pada variabel usia nilai F hitung Levene test sebesar 0,730 memiliki probablitas (Sig.) lebih besar dari 0,05 (0,400>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance assumed sebesar 1,888 dengan probabilitas signifikansi 0,069 (0,069>0,05) (two tail). Jadi dapat disimpulkan bahwa rata-rata usia karyawan laki-laki dengan karyawan perempuan adalah sama (tidak berbeda secara signifikan)  

Terlihat pada tabel kedua (independent samples test) pada variabel masa kerja nilai F hitung Levene test sebesar 0,807 memiliki probablitas (Sig.) lebih besar dari 0,05 (0,377>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance assumed sebesar 3,559 dengan probabilitas signifikansi 0,001 (0,001<0,05) (two tail). Jadi dapat disimpulkan bahwa rata-rata masa kerja karyawan laki-laki dengan karyawan perempuan adalah tidak sama (berbeda secara signifikan)

Terlihat pada tabel kedua (independent samples test) pada variabel jam kerja nilai F hitung Levene test sebesar 2,024 memiliki probablitas (Sig.) lebih besar dari 0,05 (0,166>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance assumed sebesar 0,597 dengan probabilitas signifikansi 0,555 (0,555>0,05) (two tail). Jadi dapat disimpulkan bahwa rata-rata masa kerja karyawan laki-laki dengan karyawan perempuan adalah sama (tidak berbeda secara signifikan)

Mempercantik Tampilan Output

Agar tampilan output kelihatan cantik dan profesional seperti di atas, maka langkah-langkahnya sebagai berikut:
  • Pada tampilan output lakukan double klik sampai tampilan terblok seperti ini:
  • Klik kanan pada mouse lalu pilih table looks - BlueYellowContrastAlternate lalu Ok
  • Hasilnya akan tampil seperti gambar cantik di atas, lakukan hal yang sama untuk output lainnya.
Demikian cara melakukan uji beda atau independent sample t-test. Mudahkan bukan?! bagi sahabat yang ingin berbagi komentar silahkan kirimkan di kolom komentar. Bagi yang ingin berlangganan silahkan kirimkan emailnya. Terima kasih atas kunjungannya, semoga apa yang penulis jelaskan di atas memberikan manfaat bagi sahabat sekalian. Wassalam.

Berlangganan via Email