Praktikum Biostatistik SPSS

UJI KOMPARATIF

VAGUS

FAKULTAS KEDOKTERAN

UNIVERSITAS JEMBER

2018

ANALISIS DATA KOMPARATIF (T-TEST)

Peringatan: untuk memudahkan anda memahami kompil ini, silakan buka aplikasi SPSS Anda dan praktikkan secara langsung.

Analisis komparatif (compare) digunakan untuk membandingkan datu satu dengan yang lainnya. Hal ini digunakan untuk menguji kebenaran H0 yang menyatakan “diantara kedua data tidak ada perbedaan yang signifikan”

Berdasarkan jumlah sample yang dibandingkan, ada 2 jenis uji komparatif, yaitu One Sample T-test dan Two Sample T-test

Uji Komparatif

One Sample

Two Sample

SPSS: One Sample T-test

Tidak Berkorelasi

aa

Berkorelasi

SPSS: Independent T-test

SPSS: Paired T-test

KATA KUNCI

H0= Hipotesis 0 (selalu menyatakan adanya kesamaan)

H1= Hipotesis 1 (selalu menyatakan adanya perbedaan)

Sig= Significant

KONSEP KUNCI

Jika Sig > 0.05 maka H0 diterima

Jika Sig < 0.05 maka H0 ditolak

1. One Sample T-test

One sample T-test digunakan apabila hanya terdapat satu kelompok data yang akan dibandingkan.

Contoh:

Hasil rapat koordinasi pimpinan perguruan tinggi swasta di lingkungan kopertis wilayah X menduga bahwa kualitas mengajar dosen tahun 2013 tidak sama dengan 70% dari rata-rata nilai ideal. Dengan pernyataan tersebut, ditindaklanjuti atau dibuktikan oleh Balitbang Dikti dengan suatu penelitian di berbagai kota di wilayah kopertis X. Kemudian disebar kepada 20 dosen untuk mengisi angket yang isinya mengenai kualitas mengajar pada tahun 2013. Jumlah pertanyaan angket penelitian 15 item dengan instrumen diberi skala nilai : 4 = sangat baik, 3 = baik, 2 = cukup baik dan 1 = kurang baik. Adapun taraf signifkansi α = 0,05. Data diperoleh sebagai berikut :

59

60

58

59

60

59

58

50

59

60

60

60

50

59

60

60

60

58

60

58

Note: Mengapa dipilih 70% sebagai batasan, karena dari contoh data yang diragukan adalah tidak sama dengan 70%. (hanya interpretasi pribadi saja sih, soalnya dipanduan praktikum, contohnya pakek 70% dimana itu tidak pernah muncul di dalam data)

Maka disusun H0 = Rata-rata kualitas mengajar 70%

H1 = Rata-rata kualitas mengajar tidak sama dengan 70%

Note: H0 selalu menyatakan terjadi kesamaan, sedangkan H1 kebalikannya

Mengolah dengan SPSS

· Memasukkan data ke SPSS

· Siapkan Variable data yang akan di isi dengan cara menyusunnya di “variable view”. Karena data kita merupakan angka tanpa pemeringkatan, maka dipilih measure nya adalah scale

· Setelah itu beralih ke “Data View”. Masukkan data yang ada

· Melakukan One Sample T-test

· Selanjutnya klik “Analyze” > “Compare Means” > “One Sample T-test”

· Masukkan variable ke kotak “Test Variable” lalu klik “ok”

· Analisis Hasil

Dari hasil T-test didapatkan sig = 0.000,

Karena Sig < 0.05, maka H0 (Rata-rata kualitas mengajar sama dengan 70%) ditolak

Sehingga yang diterima adalah H1 yaitu bahwa kualitas mengajar tidak sama dengan 70%

Contoh lain :

https://teorionline.wordpress.com/category/tutorial-statistik/one-sample-t-test/

2. Two Sample T-test

T-test 2 sample ini dilakukan untuk membandingkan 2 kelompok data yang berbeda sehingga dapat diketahui apakah ada perbedaan diantara keduanya.

Two sample T-test dibagi T menjadi Independent T-test dan Paired T-test.

Untuk memahami perbedaan penggunaan keduanya, simak scenario berikut.

Contoh:

Pada SMA X, terdapat dua kelas yaitu kelas A dan kelas B. Seorang peneliti ingin meneliti tentang perbedaan hasil pembelajaran dengan menggunakan metode KTSP bila dibandingkan dengan metode K13. Peneliti tersebut membuat beberapa desain penelitian guna menerapkan kedua metode belajar tersebut sebagai berikut:

1. Kelas A diberikan pengajaran dengan metode KTSP, sedangkan kelas B diberikan pengajaran dengan metode K13. Setelah dilakukan perlakuan, maka di ambil nilai post test dan dibandingkan antara hasil belajar kelas A dan kelas B.

2. Kelas A diberikan pretest terlebih dahulu, kemudian dilakukan pembelajaran dengan metode K13. Setelah selesai, kelas A diberikan post test. Setelah selesai, hasil pretest dan post test dibandingkan.

Dari kedua desain penelitian di atas, desain 1 dapat dianalisis dengan menggunakan Independent T-test karena terdapat dua kelompok sample berbeda yang tidak saling berhubungan yaitu siswa kelas A dan kelas B.

Sedangkan desain nomor 2, dianalisis dengan menggunakan Paired T-test karena hanya ada 1 kelompok sample yang diberi perlakuan yaitu kelas A. Dengan siswa yang sama, diberikan perlakuan dan dibandingkan hasil sebelum perlakuan dan setelah perlakuan.

Setelah ini akan dibahas masing-masing cara penggunaan Independent T-test dan Paired T-test.

A. Independent T-test

Seperti yang telah dijelaskan sebelumnya, Independent T-test digunakan untuk membandingkan data dari dua kelompok sample yang berbeda.

Contoh Kasus:

Pada SMA X, terdapat dua kelas yaitu kelas A dan kelas B yang masing-masing berisi 10 siswa. Seorang peneliti ingin meneliti tentang perbedaan hasil pembelajaran dengan menggunakan metode KTSP bila dibandingkan dengan metode K13. Peneliti tersebut menerapkan metode KTSP pada kelas A, dan menerapkan metode K13 di kelas B. Setelah perlakuan, dilakukan post test dan dibandingkan hasilnya antara kelas A (KTSP) dengan kelas B (K13). Hasil post test didapatkan:

Nilai post test kelas A (KTSP)

8

7

8

8

7

9

8

8

7

9

Nilai post test kelas B (K13)

6

7

6

6

5

7

8

6

5

6

· Memasukkan data ke SPSS

· Buatlah variable “nilai post test” terlebih dahulu, dengan measure adalah scale

· Setelah itu buatlah variable kedua yaitu Kelas, dengan Value diisi = 1 untuk kelas A, dan 2 untuk kelas B. Measure adalah nominal

· Setelah itu masukkan data seperti berikut

· Melakukan Independet T-test

· Klik “Analyze” > “Compare Means” > “Independent-sample T-test”

· Masukkan variable “nilai Posttest” ke kotak “test variable”. Masukkan variable “Kelas” kedalam “Grouping Variable”

· Isi bagian “Define Groups” dengan angka 1 dan 2. Kemudian klik continue dan oke

· Menganalisis Hasil

Dari hasil T-test, didapatkan dua nilai Sig (Kolom merah dan biru). Kolom merah membandingkan apakah varian kedua data sama atau tidak (varian adalah kenormalan data, yaitu ukuran rentang nilai terlalu jauh atau tidak). Sedangkan kolom biru membandingkan nilai rata-rata post test kedua sample.

Catatan: untuk analisis kolom biru ada 2 sig, atas dan bawah. Jika Sig dikolom merah > 0.05 maka dipakai sig kolom biru yang atas, jika sig dikolom merah < 0.05 maka dipakai sig kolom biru yang bawah.

1. Kolom Merah

H0= varian kedua data sama

H1= varian kedua data berbeda

Sig adalah 0.558. karna Sig>0.05 maka H0 diterima. Variannya sama (perbedaan range atau normalitas persebaran data) dalam percobaan ini

2. Kolom Biru

H0= rata-rata nilai post test kelas A dan B adalah sama

H1= rata-rata nilai post test kelas A dan B berbeda

Karena sig di kolom merah > 0.05 maka dipakai sig kolom biru yang atas. Sig kolom biru atas adalah 0.000, hal ini menunjukkan bahwa Sig<0.05. ini berarti H0 ditolak, H1 diterima bahwa “rata-rata nilai post test kelas A dan B berbeda”. Hal ini sejalan dengan logika bahwa nilai rata-rata kelas A (KTSP) memang cenderung lebih tinggi bila dibanding dengan nilai rata-rata kelas B (K13) sehingga terjadi perbedaan.

Kalau mau baca contoh lain :

http://tutorial-spss-statistika.blogspot.co.id/2012/09/uji-t-2-sampel-bebas.html

B. Paired T-test

Seperti yang telah dijelaskan sebelumnya, Paired T-test digunakan untuk membandingkan data dari satu kelompok sample yang sama, tetapi diberikan perlakuan yang berbeda.

Perlu diingat bahwa Paired T TEST merupakan statistik parametrik, sehingga distribusi data harus normal, cara ngeceknya menggunakan uji normalitas.

Contoh Kasus:

Pada SMA X, terdapat satu kelas yaitu kelas A yang berisi 10 siswa. Seorang peneliti ingin meneliti tentang perbedaan hasil pembelajaran dengan menggunakan metode K13. Peneliti tersebut melakukan pretest di kelas A, lalu menerapkan metode pembelajaran K13 setelah itu dilakukan post test. Peneliti ingin membandingkan nilai pretest dan post test. Hasil nilai didapatkan:

Nilai pre test kelas A

6

7

6

6

5

7

8

6

5

6

Nilai post test kelas A

8

7

8

8

7

9

8

8

7

9

· Memasukkan data ke SPSS

· Buatlah variable “PRETEST” terlebih dahulu, dengan measure adalah scale

· Setelah itu buatlah variable kedua yaitu “POST TEST”, measure adalah scale

· Setelah itu masukkan data seperti berikut

· Melakukan Paired T-test

· Klik “Analyze” > “Compare Means” > “Paired-sample T-test”

· Masukkan variable “pretest” ke Kolom “variable 1”. Masukkan variable “Posttest” ke Kolom “variable 2”. Kemudian klik OK

· Menganalisis Hasil

Dari hasil T-test, didapatkan dua nilai Sig (Kolom merah dan biru). Kolom merah membandingkan apakah ada korelasi data antara pretest dan post test. Sedangkan kolom biru membandingkan apakah ada perbedaan rata-rata nilai pretest dan post test.

1. Kolom Merah

Abaikan saja

2. Kolom Biru

H0= rata-rata nilai pre test dan post test adalah sama

H1= rata-rata nilai pre test dan post test adalah berbeda

Sig adalah 0.000, hal ini menunjukkan bahwa Sig<0.05. ini berarti H0 ditolak, H1 diterima bahwa “rata-rata nilai pre test dan post test berbeda”. Hal ini sejalan dengan logika bahwa nilai rata-rata post test memang cenderung lebih tinggi bila dibanding dengan nilai rata-rata pretest metode K13 sehingga wajar apabila analisis T-test menyimpulkan adanya perbedaan.

Contoh lain :

https://www.spssindonesia.com/2016/08/cara-uji-paired-sample-t-test-dan.html

Penulis : dIcky dan sitepu