Panduan analisis uji t dependent pretest dan posttest menggunakan spss

Pada SUB-BAB Paired vs Independent (Lihat Pintasan Panduan), Saya sudah menjelaskan perbedaan Paired Sample T-Test dan Independent Sample T-Test.

Saya harap Anda sudah bisa menentukan metode analisis apa yang akan digunakan, apakah Paired atau Independent Sample T-Test

Pada Panduan ini, Saya akan fokus menjelaskan cara Uji Paired Sample T-Test menggunakan SPSS.

Biar lebih mudah di pahami, Saya berikan contoh.

Saya melakukan penelitian dengan judul “Analisis Perbedaan Return IHSG Tahun 2018 dan Tahun 2019” menggunakan data bulanan.

Pertama-tama, persiapkanlah Tabulasi Data Anda.

• Siapkan Tabulasi Data
• Analisis Paired Sample T-Test SPSS
  • #1 Persiapkan Template Data SPSS
  • #2 Uji Normalitas Untuk Paired Sample T-Test
  • #3 Cara Uji Paired Sample T-Test SPSS
• Interpretasi Hasil
  • #1 Interpretasi Tabel Statistics
  • #2 Interpretasi Tabel Correlations
  • #3 Interpretasi Tabel T-Test
    • Metode 1: Membandingkan Sig. (2-tailed) dengan Alpha
    • Metode 2: Membandingkan t-hitung dengan t-table
• Pintasan Panduan Olah Data Skripsi Uji Beda

Siapkan Tabulasi Data

Sama seperti Analisi Regresi Linier, Anda juga harus melakukan tabulasi data untuk Paired Sample T-Test.

Saya menyusun tabulasi data menggunakan Microsoft Excel. Silahkan susun tabulasi data Anda dengan 3 kolom seperti gambar berikut:

Penting! Jika Anda belum tahu cara menggunakan Microsoft Excel, silahkan kunjungi Pusat Panduan Excel M Jurnal

Jika sudah, silahkan ikuti tahap olah data berikut:

Secara default ketika Anda membuka aplikasi SPSS, akan terbuka 2 Window yaitu DataSet dan Output seperti gambar berikut:

Untuk olah data, cukup fokus ke Window Dataset

Kemudian, Ada 3 tahap yang harus Anda lakukan pada Window DataSet SPSS. Pertama, persiapkan template data. Kedua, Uji Normalitas. Ketiga, Uji Paired Sample T-Test.

#1 Persiapkan Template Data SPSS

Silahkan fokus pada Window DataSet dan ikuti tahap-tahap persiapan template data Paired Sample T-Test berikut:

1. Pertama, klik Variable View
2. Kedua, isi bagian Name (tanpa spasi dan di awali huruf).
3. Ketiga, ubah bagian Label sesuai nama variabel yang Anda gunakan.
4. Keempat, ubah Measure menjadi Scale
5. Terakhir, klik Data View untuk melanjutkan. Berikut hasilnya:

Dari Data View inilah (lihat gambar) Anda akan mengolah data Paired Sample t-Test.

Silahkan copy-paste data dari Microsoft Excel (Angkanya saja yaitu Range B2:C13 ) ke Data View SPSS. Atau Anda bisa ketik secara manual.

Kurang lebih tampilannya setelah copy-paste seperti gambar berikut:

Note: Jika data Anda berupa bilangan desimal (misal 0,0393), maka pastikan Data View SPSS tampil tanpa angka nol di depan (menjadi ,04 atau .04).

#2 Uji Normalitas Untuk Paired Sample T-Test

Sebelum Anda melakukan Analisis Paired Sample T-Test, Pastikan data yang akan Anda olah lolos Uji Normalitas.

Anda bisa menggunakan Uji Kologomorov-Smirnov (jika jumlah data antara 20 sampai 2000) atau Uji Shapiro-Wilk (jika jumlah data <50)

Berhubung jumlah data pada contoh ini kurang dari 50, Saya menggunakan teknik Shapiro-Wilk. Silahkan ikuti tahap demi tahap berikut ini:

1. Pertama, klik Tab Analyze
2. Kedua, pilih Descriptive Statistic, kemudian klik Explore
3. Ketiga, pada Window Explore, masukkan kedua variabel ke kolom Dependent List. Caranya, klik Variabel, kemudian klik Icon Panah kekanan (seperti gambar).
4. Keempat, klik Plots, kemudian pada Window Explore: Plots, centang Normality Plots with tests.
5. Terakhir, klik Continue pada Window Explore: Plots dan klik Ok pada Window Explore. Berikut hasilnya:

Ada banyak output yang dihasilkan. Untuk uji normalitas, Anda hanya perlu fokus pada Tabel Tests of Normality. Kemudian lihat kolom Sig. pada bagian Shapiro-Wilk.

Dasar Pengambilan keputusan Uji Normalitas menggunakan Shapiro-Wilk sebagai berikut:

1. Jika nilai Sig. < Alpha Penelitian (0,05), maka data tidak berdistribusi normal.
2. Jika nilai Sig. > Alpha Penelitian (0,05), maka data berdistribusi normal.

Alpha penelitian umumnya adalah 5% (0,05). Sedangkan nilai Sig. kedua variabel menggunakan Shapiro-Wilk adalah 0,679 dan 0,604. Angka ini lebih besar daripada Alpha penelitian (0,05).

Artinya, kedua variabel pada contoh ini berdistribusi normal.

Jika data penelitian Anda tidak berdistribusi normal, maka Anda tidak bisa menggunakan Paired Sample T-Test. Solusinya, silahkan gunakan Pendekatan Analisis Statistik Non-Parametrik.

Sementara, jika hasil uji normalitas penelitian Anda berdistribusi normal, silahkan lanjutkan Tahap 3 (Cara Uji Paired Sample T-Test) berikut:

#3 Cara Uji Paired Sample T-Test SPSS

Silahkan buka kembali Window DataSet SPSS dan ikuti tahap-tahap Uji Paired Sample T-Test berikut:

1. Pertama, klik Tab Analyze
2. Kedua, pilih Compare Means kemudian klik Paired-Sample T-Test
3. Ketiga, pada Window Paired Sample T-Test, masukkan data 2018 ke kolom Variabel 1 dan 2019 ke variabel 2. Caranya, klik Variabel Return IHSG 2018, kemudian klik Tanda panah (lihat gambar). Lakukan juga untuk tahun 2019.
4. Terakhir, jika penelitian Anda menggunakan Alpha 5%, silahkan klik Ok untuk melanjutkan. Berikut hasilnya:

Namun, jika penelitian Anda menggunakan taraf signifikansi (alpha) yang berbeda (misalnya 1%), silahkan klik menu options pada Window Paired Sample T-Test seperti gambar berikut:

Pada Window Options, ubah Confidence Interval Percentage menjadi 99%. Kemudian klik Continue dan Klik Ok

Nah, sekarang tugas Anda selanjutnya adalah membaca (interpretasi) hasil Paired Sample T-Test.

Interpretasi Hasil

Secara otomatis, SPSS akan menampilkan hasil pada Window ke dua yaitu Window Output. Terdapat 3 tabel Hasil T-Test yaitu Paired Sample Statistics, Paired Sample Correlations, dan Paired Sample Test.

Ketiga tabel tersebut memiliki makna masing-masing seperti berikut:

#1 Interpretasi Tabel Statistics

Tabel ini menjelaskan analisis deskriptif dari data yang Anda olah. Ada 4 kolom yang bisa Anda jelaskan pada Penelitian sebagai berikut:

1. Mean adalah nilai rata-rata dari masing-masing variabel. Dari contoh ini terlihat bahwa Return IHSG 2018 memiliki rata-rata lebih kecil dari tahun 2019 yaitu -0,0017 VS 0,0018. Sehingga, secara deskriptif terdapat perbedaan Return IHSG tahun 2018 dan 2019.
2. N adalah jumlah (banyak) data pada masing-masing variabel. Kenapa hasilnya 12 ? Balik lagi lihat banyak data yang Anda olah. Karena contoh ini menggunakan data bulanan untuk tahun 2018 VS 2019 serta 1 tahun = 12 bulan, maka jumlah data setiap variabel adalah 12
3. Std. Deviation adalah nilai sebaran data pada masing-masing variabel. Dalam saham, Std Deviation digunakan untuk mengukur tingkat risiko. Semakin besar nilainya, maka semakin beresiko.
4. Std Error Mean berguna untuk mengetahui seberapa baik rata-rata data dari data sampel tiap variabel dapat mengestimasi rata-rata populasi. Selama data Anda berdistribusi normal (lolos uji normalitas), maka Std Error Mean tidak perlu Anda masukkan ke Pembahasan Penelitian.

#2 Interpretasi Tabel Correlations

Tabel kedua adalah Paired Sample Correlations. Tabel ini menjelaskan korelasi (hubungan) antara kedua data (Variabel Return IHSG 2018 VS Return IHSG 2019).

Anda cukup Fokus pada kolom Sig. seperti gambar berikut:

Caranya, jika Nilai Sig. > alpha 5% (0,05), maka dapat disimpulkan bahwa kedua data (variabel) tidak berkorelasi.

Dalam contoh ini, nilai Sig > alpha (0,752 > 0,05). Untuk melanjutkan ke tahap Interpretasi hasil T-Test, pastikan kedua data (variabel) tidak berkorelasi seperti contoh ini.

#3 Interpretasi Tabel T-Test

Tabel ke tiga ini menjadi tabel yang paling penting. Kenapa ? karena dari Tabel inilah Anda bisa mengetahui hasil uji Paired Sample T-Test.

Tujuan penelitian ini adalah untuk mengetahui apakah terdapat perbedaan signifikan antara Return IHSG Tahun 2018 dan Return IHSG Tahun 2019.

Hipotesis Penelitian:

H0: Tidak ada perbedaan rata-rata antaran Return IHSG Tahun 2018 dan Return IHSG Tahun 2019
Ha: Ada perbedaan rata-rata antara Return IHSG Tahun 2018 dan Return IHSG Tahun 2019

Ada 2 metode untuk menentukan menolak atau menerima hipotesis. Pilih salah satu saja sudah cukup kok.

Karena hasil keputusan pada metode pertama sudah pasti sama dengan metode kedua.

Metode 1: Membandingkan Sig. (2-tailed) dengan Alpha

Silahkan fokus pada kolom terakhir tabel Paired Sample Test yaitu kolom Sig. (2-tailed) seperti gambar berikut:

Dasar Pengambilan keputusan Paired Sample T-Test (Singgih Santoso, 2014:265):

1. Jika nilai Sig. (2-tailed) < Alpha Penelitian (0,05), maka H0 ditolak dan Ha diterima.
2. Jika nilai Sig. (2-tailed) > Alpha Penelitian (0,05), maka H0 diterima dan Ha ditolak.

Berdasarkan hasil analisis di atas, dapat diketahui bahwa Sig. (2-tailed) > Alpha (0,772 > 0,05). Artinya H0 diterima dan Ha ditolak.

Dengan kata lain, tidak terdapat perbedaan signifikan antara Return IHSG Tahun 2018 dan Return IHSG Tahun 2019 berdasarkan hasil uji Paired Sample T-Test dengan Aplha sebesar 5%.

Lalu apakah hasil penelitian yang tidak signifikan merupakan sebuah masalah besar ? Jawabannya Tidak Masalah. Coba Anda pahami Artikel Saya tentang Apakah Penelitian Harus Signifikan ?

Metode 2: Membandingkan t-hitung dengan t-table

Silahkan fokus ke Kolom t dan df seperti gambar berikut:

Note: Kolom t berisi nilai t-hitung. Sementara kolom df berisi nilai degree of freedom / derajad kebebasan untuk menentukan nilai t-table.

Dasar pengambilan keputusan t-hitung VS t-table:

1. Jika nilai t-hitung > t-table, maka H0 ditolak dan Ha diterima.
2. Jika nilai t-hitung < t-table, maka H0 diterima dan Ha ditolak.

Ingat! metode 2 ini kebalikan dari metode 1. Karena untuk menerima Ha, maka nilai t-hitung harus lebih besar dari nilai t-table.

Sementara metode 1 akan menerima Ha jika nilai Sig. (2-tailed) lebih kecil dari pada Alpha penelitian.

Selanjutnya, untuk membandingkan nilai t-hitung VS t-table, Anda harus mengetahui nilai t-table berdasarkan df (degree of freedom) dan nilai alpha di bagi 2.

Caranya, perhatikan gambar t-table berikut:

Nilai t-table pada contoh ini adalah 2,201. Kenapa ?

Karena nilai df = 11. Sedangkan alpha penelitian adalah 5% (0,05%).

5%/2 = 2,5% atau 0,025. Sehingga nilai t-table berada pada kolom 0,025 baris df = 11 (seperti gambar di atas).

Kesimpulannya apa ?

Karena nilai t-hitung < t-table (-0,297 < 2,201), maka H0 diterima dan Ha ditolak.

Dengan kata lain, tidak terdapat perbedaan signifikan antara Return IHSG Tahun 2018 dan Return IHSG Tahun 2019 berdasarkan hasil uji Paired Sample T-Test dengan Aplha sebesar 5%.

Demikian tutorial cara uji Paired Sample T-Test menggunakan SPSS. Mudah-mudahan bisa membantu Anda dalam mengolah data menggunakan SPSS.

×

"Hidup ini singkat - bermimpilah yang besar dan wujudkan impianmu di tahun 2022 sebaik- baiknya!"

Langkah

Langkah

Langkah

Uji t paired untuk apa?