Resume
vvd1KnIHB90 • Unpaired t-test using SPSS, Assumption Test, & Replacement Non-Parametric Test
Updated: 2026-02-12 02:11:14 UTC
Back Source
Prev Next

Berikut adalah rangkuman komprehensif dan terstruktur dari konten video mengenai Uji T Tidak Berpasangan (Independent Samples T-Test) menggunakan SPSS.

Panduan Lengkap Uji T Tidak Berpasangan & Mann-Whitney U Menggunakan SPSS

Inti Sari (Executive Summary)

Video ini membahas secara mendalam teknik analisis inferensial untuk membandingkan rata-rata dua kelompok yang tidak berpasangan menggunakan Uji T Independen pada SPSS. Pembahasan mencakup langkah-langkah pengujian asumsi (normalitas dan homogenitas), interpretasi output, perhitungan effect size (Cohen's d), serta penggunaan uji alternatif non-parametrik (Mann-Whitney U Test) ketika asumsi statistik tidak terpenuhi. Tutorial ini dilengkapi dengan contoh pelaporan hasil berformat APA.

Poin-Poin Kunci (Key Takeaways)

  • Perbedaan Uji: Uji T Tidak Berpasangan digunakan untuk dua kelompok yang independen (tidak berhubungan), berbeda dengan Paired Sample T-Test.
  • Asumsi Penting: Uji ini mensyaratkan data berskala interval/rasio, observasi independen, tidak ada outlier signifikan, distribusi normal, dan varians homogen.
  • Uji Normalitas: Dilakukan per kelompok (menggunakan fitur Split File), bukan pada gabungan data.
  • Effect Size: Penting untuk mengukur seberapa besar pengaruh suatu variabel, tidak hanya sekadar signifikansi statistik (p-value).
  • Alternatif Non-Parametrik: Jika data tidak berdistribusi normal, gunakan Uji Mann-Whitney U dan laporkan nilai Median sebagai ukuran pemusatan, bukan Mean.

Rincian Materi (Detailed Breakdown)

1. Konsep Dasar dan Asumsi Uji T Independen

  • Definisi: Uji ini juga dikenal sebagai Independent t-test atau Uji T sampel bebas. Tujuannya adalah menganalisis perbedaan signifikan antara dua rata-rata dari dua kelompok yang tidak saling berhubungan.
  • Struktur Data: Membutuhkan satu variabel independen (kategorikal, 2 kelompok) dan satu variabel dependen (numerik/kontinu).
  • Asumsi yang Harus Dipenuhi:
    1. Variabel dependen berskala interval atau rasio.
    2. Variabel independen berskala kategorikal (2 kelompok tak berhubungan).
    3. Independensi: Setiap sampel hanya boleh masuk ke satu kelompok (tidak ada keanggotaan ganda).
    4. Normalitas: Data pada masing-masing kelompok harus berdistribusi normal.
    5. Homogenitas: Varians antarkelompok harus tidak berbeda signifikan (homogen).

2. Persiapan Data dan Uji Asumsi Normalitas di SPSS

  • Pengaturan Variabel:
    • Contoh variabel: gender (Nominal: 1=Laki-laki, 2=Perempuan), hb (Hasil Belajar - Scale), km (Keterampilan Metakognitif - Scale).
    • Pastikan Label dan Measure sudah diatur dengan benar di Variable View.
  • Teknik Uji Normalitas:
    • Karena uji independen, normalitas diuji per kelompok.
    • Gunakan menu Data > Split File > Organize output by groups. Masukkan variabel pengelompok (misal: gender) ke kotak Groups Based on.
    • Jalankan uji normalitas melalui Analyze > Descriptive Statistics > Explore. Pilih Normality plots with tests.
  • Hasil Uji Normalitas (Contoh Kasus):
    • Hasil Belajar (hb): Sig. > 0.05 (Laki-laki dan Perempuan) → Normal.
    • Keterampilan Metakognitif (km): Sig. < 0.05 (Laki-laki dan Perempuan) → Tidak Normal.

3. Pelaksanaan Uji T Tidak Berpasangan (Untuk Data Normal)

  • Langkah SPSS:
    1. Matikan fitur Split File (Analyze > All cases).
    2. Buka menu Analyze > Compare Means > Independent Samples T-Test.
    3. Masukkan variabel dependen (misal: hb) ke Test Variable dan variabel independen (gender) ke Grouping Variable.
    4. Definisikan grup (Group 1: 1, Group 2: 2).
  • Interpretasi Output:
    • Uji Homogenitas (Levene's Test):
      • Jika Sig. > 0.05: Varians homogen (baca baris Equal variances assumed).
      • Jika Sig. < 0.05: Varians tidak homogen (baca baris Equal variances not assumed).
    • Uji T-Test:
      • Lihat nilai Sig. (2-tailed).
      • Contoh: T = 16.754, Sig = 0.00 (< 0.05). Kesimpulan: Ada perbedaan signifikan hasil belajar antara laki-laki dan perempuan.

4. Perhitungan Effect Size (Cohen's d)

  • Tujuan: Mengetahui seberapa kuat/besar efek perbedaan tersebut, melampaui sekadar signifikansi statistik.
  • Langkah SPSS:
    1. Standarisasi data: Analyze > Descriptive Statistics > Descriptives. Centang Save standardized values as variables. Ini akan membuat variabel baru (misal: ZHB).
    2. Lakukan Uji T kembali menggunakan variabel yang sudah distandarisasi (ZHB).
    3. Hitung Cohen's d secara manual berdasarkan nilai t dan df dari output T-test pada data standar.

5. Alternatif Non-Parametrik: Uji Mann-Whitney U (Untuk Data Tidak Normal)

  • Penggunaan: Digunakan ketika asumsi normalitas terlanggar (seperti pada variabel km).
  • Langkah SPSS: Analyze > Nonparametric Tests > Legacy Dialogs > 2 Independent Samples. Pilih Mann-Whitney U.
  • Interpretasi Output:
    • Lihat tabel Test Statistics pada nilai Asymp. Sig. (2-tailed).
    • Contoh Hasil: Sig. < 0.05 → Ada perbedaan signifikan keterampilan metakognitif antara laki-laki dan perempuan.
  • Statistik Deskriptif: Karena data tidak normal, gunakan Median (bukan Mean).
    • Hitung median melalui Analyze > Descriptive Statistics > Frequencies (dengan Split File aktif).
    • Contoh: Median Laki-laki = 66, Median Perempuan = 81.
  • Kasus Ekstrem: Nilai Mann-Whitney U = 0.00 menunjukkan bahwa seluruh skor pada satu kelompok lebih rendah dari seluruh skor pada kelompok lainnya (tidak ada tumpang tindih).

6. Pelaporan Hasil (Format APA)

  • Laporan harus mencakup hasil uji asumsi (Normalitas & Homogenitas), uji statistik utama (T-Test atau Mann-Whitney), dan statistik deskriptif (Mean/SD atau Median).
  • Contoh Poin Laporan:
    • Berdasarkan uji Kolmogorov-Smirnov, data berdistribusi normal (Sig. > 0.05).
    • Uji Levene menunjukkan varians homogen (F=2.004, Sig=0.162).
    • Uji T Independen menunjukkan perbedaan signifikan (t(58)=16.754, p<0.05).

Kesimpulan & Pesan Penutup

Video ini menyimpulkan bahwa pemilihan antara Uji T Independen dan Mann-Whitney U sangat bergantung pada pemenuhan asumsi normalitas data. Untuk data yang memenuhi asumsi (seperti variabel Hasil Belajar), Uji T Independen adalah pilihan utama, dilengkapi dengan perhitungan effect size untuk melihat besar pengaruhnya. Sementara untuk data yang tidak normal (seperti variabel Keterampilan Metakognitif), Mann-Whitney U menjadi solusi yang tepat. Tutorial ini diakhiri dengan pengantar untuk materi selanjutnya mengenai analisis inferensial untuk lebih dari dua kelompok.