UJI Hipotesis Komparatif (Uji-t)

Tabel berikut ini menunjukkan peta uji perbandingan dalam statistika.
No. Jenis Uji Statistik Jenis Data Jenis Statistik
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 Berhubungan A. PENGANTAR Beberapa persyaratan yang dibutuhkan untuk melakukan uji perbandingan adalah: 1. Variabel dependen berbentuk interval atau rasio sedangkan variabel independenya berbentuk data nominal atau ordinal (data bersifat kategori). Jika variabel independen anda adalah interval, maka data harus dikategorikan. Misalnya IQ, karena skor IQ bersifat interval maka data yang ada harus dikategorikan menjadi dua, misalnya kategori tinggi dan rendah. 2. Untuk memakai uji t (parametrik) Data variabel dependen terdistribusi secara normal atau memiliki jumlah subjek yang sangat besar. Jika persyaratan ini tidak terpenuhi maka anda diharapkan memakai uji non parametrik. 3. Perbandingan jumlah sampel antar di dalam kategori variabel dependen selisihnya tidak terlalu timpang. Misal, seorang peneliti hendak meneliti perbedaan kecemasan antara laki-laki dan perempuan. Jumlah laki-laki dan perempuan setidak-tidaknya adalah setara. Jika peneliti tidak dapat menemukan jumlah yang setara setidak-tidaknya skor dari kedua jenis kelamin tersebut adalah homogen. B. JENIS UJI-t 1. Jenis Uji Perbandingan Uji perbandingan terdiri dari tiga bagian yaitu uji t satu sampel, uji t sampel independen dan uji t sampel berhubungan. Berikut ini akan saya jelaskan satu persatu. 1. One Sample t test Untuk menguji apakah sebuah skor yang kita tentukan sendiri memiliki perbedaan secara signifikan dengan rerata skor keseluruhan. Contoh, saya ingin mengetahui apakah skor IQ Budi yaitu110 memiliki perbedaan dengan IQ siswa-siswa di kelasnya. 2. Sampel Independen (between subjects) Sampel independen adalah sampel yang didapatkan dari data yang berasal dari subjek yang berbeda. Misalkan perbandingan antar jenis kelamin (laki-laki vs perempuan), lokasi (desa vs kota), tingkat pendidikan (SMA vs S1). Contoh hipotesis yang diajukan: 1. Terdapat perbedaan antara kecenderungan depresi (variabel dependen) antar laki-laki dan perempuan (variabel independen) 2. Dalam eksperimen, anda ingin mencari perbedaan penyesuaian diri (variabel dependen) antara skor pre-test antara kelompok kontrol dan kelompok eksperimen yang dieberikan pelatihan AMT (variabel independen). Statistika Inferensial - Wahyu Widhiarso Fakultas Psikologi UGM 3. Sampel Berhubungan (between treatment) Sampel berkorelasi adalah sampel yang didapatkan dari data yang berasal dari subjek yang sama. Misalnya: 1. Anda ingin mencari perbedaan kinerja pegawai antara sebelum dan sesudah diberi kenaikan gaji. 2. Dalam eksperimen anda ingin membandingkan skor pre-test dan post-test sebuah kelompok eksperimen. B. MENGOLAH T-TES SAMPLE INDEPENDEN Hipotesis : Terdapat perbedaan Locus Of Control (LOC) antara laki-laki dan perempuan Variabel Dependen : Locus Of Control (LOC) Variabel Independen : Jenis kelamin 1. Menyiapkan Data Sajikan data anda seperti pada contoh di bawah ini. Pada variabel gender ada dua jenis yaitu pria (dikode dengan nomor 1) dan wanita (dikode dengan nomor 2). Letakkan dengan menyusun ke bawah Tidak harus berurutan ya tidak apa-apa, nggak ada yang melarang jika kode 1 dan 2 tidak berurutan seperti contoh yang saya berikan di bawah ini. 2. Menganalisis Data Tekan Menu analyze, compare means, t-test independent samples. Lalu muncul kotak menu. Masukkan variabel dependen pada test variables (boleh diisi lebih dari 2) dan variabel independen pada grouping variables. Pada menu grup, tekan define grup. Lalu muncul menu kotak kecil. Karena tadi jenis kelamin dikode dengan nomor 1 dan 2 bukan 8 dan 10 maka tulislah 1 dan 2. Tekan continue, kemudian OK. Display out akan muncul. Statistika Inferensial - Wahyu Widhiarso Fakultas Psikologi UGM Masukkan kode data pada variabel anda Cut Point Jika data yang dibandingkan, bukan data kategorik 1 dan 2. Melainkan data kategorik yaitu 1 (SD), 2 (SMP) dan 3 (SMA) anda dapat menekan cut point dan menulis angka tengahnya yaitu 2. jadi yang dibedakan adalah 1 (SD) dan 3 (SMA) 3. Membaca Hasil Analisis Output uji-t terdiri dari output uji homogenitas dan uji-t seperti yang tertera pada tabel dibawah ini. Independent Samples Test LOC Equal variances Equal variances assumed not assumed Levene's Test for F 1.641 Equality of Variances Sig. .205 t-test for Equality of t 1.252 1.173 Means df 65 29.178 Sig. (2-tailed) .215 .250 Mean Difference Group Statistics 3.8136 3.8136 Std. Error Difference Std. Error 3.0469 3.2514 gender N Mean Std. Deviation Mean LOC pria 48 60.7083 10.7386 1.5500 95% Confidence Interval Lower -2.2714 -2.8344 of the Difference wanita 19 56.8947 12.4584 2.8581 Upper 9.8986 10.4616 Langkah I. Baca dulu Levene’s test untuk uji homogenitas (perbedaan varians). Disana tampak bahwa F=1,641 (p=0,205). Karena p diatas 0,05, maka dapat dikatakan bahwa tidak ada perbedaan varians antara skor LOC pria dan wanita. Dengan kata lain data LOC antara pria dan wanita homogen. Tabel 2.1 Aturan Uji Homogenitas Output (F) Interpretasi Sig: p< 0,05 data tidak homogen Sig: p>0,05 data homogen
Langkah II. Jika data anda homogen, maka baca lajur kiri (equal variance assumed) , jika data tidak
homogen, baca lajur kanan (equal variance not assumed).
Output (t) Interpretasi
Sig: p< 0,01 ada perbedaan pada taraf sig. 1% Sig: p< 0,05 ada perbedaan pada taraf sig. 5% Sig: p>0,05 tidak ada perbedaan
Karena data kita homogen, maka yang kita lihat adalah lajur equal variance assumed (data diasumsikan
homogen). Di sana tampak bahwa nilai t kita 1,252, df=65, (p>0,05). Dapat disimpulkan bahwa tidak ada
perbedaan LOC antara pria dan wanita. Terlihat bahwa nilai t hitung= 1,252 (positif) artinya bahwa LOC
pria lebih tinggi dibanding wanita. Kita juga dapat melihat melalui deskriptif statistik bahwa rerata (mean)
LOC pria lebih tinggi dibanding wanita. Rerata LOC pria =60,70 sedangkan rerata LOC wanita 56,89.
Pria kelihatan bodohnya ketika mereka diam,
sedangkan ketika wanita diam, mereka kelihatan cerdas (Henry Delacroix )
Statistika Inferensial - Wahyu Widhiarso
Fakultas Psikologi UGM
Levene Tes Homogenitas.
Adalah uji homogenitas, yaitu uji perbedaan varians pada data
kita. Aturannya seperti yang tertulis pada tabel sebelumya. Jika
data homogen, baca lajur kiri, jika tidak, baca lajur kanan.
Independent Samples Test
kecerdasan
Equal variances Equal variances
assumed not assumed
Levene's Test for F ,054
Equality of Variances Sig. ,819
t-test for Equality of t -3,265 -3,265
Means df 18 17,998
Sig. (2-tailed) ,004 ,004
Mean Difference
-4,4000 -4,4000
Std. Error Difference
1,34743 1,34743
95% Confidence Interval Lower -7,23084 -7,23086
of the Difference Upper -1,56916 -1,56914
Nilai t Anda. Mean Difference.
Jika tak bisa mengalahkan t tabel (lebih besar dari t tabel), Selisih Mean. Adalah selisih dua mean data kita.
jangan mengharap ada beda signifikan. Dari Sig. -nya terlihat Lihat tabel dibawah ini. Seperti kita ketahui dari
bahwa ia lebih besar dari t tabel (p<0,05. data ini, bahwa rerata kecerdasan pria= 25,50
kecerdasan wanita= 29,90. Selisihnya adalah -
4,400. Perempuan lebih cerdas daripada pria
Std
. Eror Difference. Adalah selisih
standar deviasi dua data kita.
3,02765 - 2,99815 = 1,34743.
95 % Confidence
Interval of the difference.
Adalah rentang nilai perbedaan yang
(-1,56916)------------------ (-4,4) ------------------ (-7,23084)
ditoleransi. Pada kasus kita, toleransi
upper mean difference lower
ini menggunakan taraf kepercayaan
95%.
adi dengan menggunakan taraf
kepercayaan 95 %, rentang selisih
kecerdasan pria dan wanita dari 1,57
sampai 7,23.
Visualisasi t-tes
Nomor-nomor yang besar dan sangat meyakinkan pastilah mengandung kesalahan
(Wentworth Dillon)
Statistika Inferensial - Wahyu Widhiarso
Fakultas Psikologi UGM