Cara Uji Paired Sample T-Test di SPSS dan Cara Baca Output Lengkap

Cara Uji Paired Sample T-Test di SPSS dan Cara Baca Output-nya

Ringkasan

Paired Sample T-Test adalah uji statistik parametrik yang digunakan untuk membandingkan rata-rata dua pengukuran yang berasal dari subjek yang sama, misalnya nilai sebelum dan sesudah perlakuan (pretest–posttest). Di SPSS, analisis ini dilakukan melalui menu Analyze → Compare Means → Paired-Samples T Test. Sebelum melakukan uji, pastikan data memenuhi asumsi utama, terutama distribusi normal pada selisih skor. Output SPSS terdiri atas tiga tabel utama, yaitu Paired Samples Statistics, Paired Samples Correlations, dan Paired Samples Test. Nilai Sig. (2-tailed) digunakan untuk menentukan apakah terdapat perbedaan yang signifikan. Artikel ini membahas konsep, syarat, langkah analisis, cara membaca output, hingga contoh penulisan hasil penelitian.

Pernah Bingung Melihat Output SPSS?

Bayangkan Anda sedang menyusun skripsi.
Data penelitian sudah selesai dikumpulkan. Anda telah memasukkan semua data ke SPSS, lalu menjalankan Paired Sample T-Test.

Beberapa detik kemudian muncul tiga tabel penuh angka.
Di sana ada nilai Mean, Std. Deviation, Correlation, t, df, hingga Sig. (2-tailed).
Lalu muncul pertanyaan:

• Nilai mana yang harus dilihat terlebih dahulu?
• Apakah hasil penelitian saya signifikan?
• Mengapa ada tiga tabel?
• Bagaimana cara menuliskan hasilnya di Bab IV?
• Apa arti setiap angka dalam output tersebut?

Jika Anda pernah mengalami kebingungan tersebut, Anda tidak sendirian. Banyak mahasiswa, peneliti, bahkan pengguna SPSS yang sudah cukup berpengalaman masih keliru dalam menginterpretasikan hasil Paired Sample T-Test.

Artikel ini dirancang agar Anda tidak hanya mampu menjalankan uji di SPSS, tetapi juga memahami alasan di balik setiap langkah dan setiap angka yang muncul pada output.

Apa Itu Paired Sample T-Test?

Paired Sample T-Test atau uji t berpasangan adalah metode statistik parametrik yang digunakan untuk mengetahui apakah terdapat perbedaan rata-rata yang signifikan antara dua pengukuran yang berasal dari subjek yang sama.

Dengan kata lain, setiap responden diukur dua kali, kemudian kedua hasil pengukuran tersebut dibandingkan.

Misalnya:

Responden	Sebelum	Sesudah
1	62	75
2	70	82
3	68	80
4	71	83
5	66	77

Pada contoh di atas:

• Pengukuran pertama dilakukan sebelum perlakuan.
• Pengukuran kedua dilakukan setelah perlakuan.
• Kedua nilai berasal dari orang yang sama.

Karena itulah analisisnya disebut paired atau berpasangan.

Intinya, Paired Sample T-Test tidak membandingkan dua kelompok yang berbeda, tetapi membandingkan dua kondisi dari kelompok yang sama.

Featured Snippet

Apa itu Paired Sample T-Test?

Paired Sample T-Test adalah uji statistik parametrik yang digunakan untuk mengetahui apakah terdapat perbedaan rata-rata yang signifikan antara dua pengukuran yang berasal dari subjek yang sama, misalnya nilai pretest dan posttest, tekanan darah sebelum dan sesudah terapi, atau berat badan sebelum dan sesudah program diet. Uji ini hanya digunakan jika data memenuhi asumsi parametrik, terutama distribusi normal pada selisih skor.

Kapan Menggunakan Paired Sample T-Test?

Kesalahan paling sering dilakukan mahasiswa adalah menggunakan jenis uji yang tidak sesuai.
Tidak semua penelitian cocok menggunakan Paired Sample T-Test.
Gunakan uji ini apabila memenuhi kondisi berikut.

1. Data Berasal dari Responden yang Sama

Contoh:

✔ Nilai matematika sebelum pelatihan

dibandingkan dengan

✔ Nilai matematika setelah pelatihan

Subjeknya tetap sama.

2. Pengukuran Dilakukan Dua Kali

Misalnya:

• Sebelum terapi
• Sesudah terapi

atau

• Sebelum vaksinasi
• Setelah vaksinasi

atau

• Sebelum pelatihan
• Setelah pelatihan

3. Data Berupa Angka (Numerik)

Contoh:

• Berat badan
• Tinggi badan
• Tekanan darah
• Nilai ujian
• Kadar gula darah
• Skor pengetahuan
• Skor kepuasan
• Waktu penyelesaian tugas

Data kategorik seperti laki-laki/perempuan, ya/tidak, atau setuju/tidak setuju tidak dapat dianalisis menggunakan Paired Sample T-Test.

4. Selisih Skor Berdistribusi Normal

Hal yang sering disalahpahami adalah bahwa normalitas yang diperiksa bukan masing-masing variabel secara terpisah, melainkan selisih antara dua pengukuran.

Sebagai contoh:

Sebelum	Sesudah	Selisih
60	72	12
65	74	9
70	80	10
68	78	10

Normalitas diuji pada kolom Selisih, bukan pada kolom "Sebelum" atau "Sesudah" secara terpisah.

Contoh Penelitian yang Menggunakan Paired Sample T-Test

Berikut beberapa contoh penelitian yang sangat sering menggunakan uji ini.

Bidang	Contoh Penelitian
Pendidikan	Nilai pretest dan posttest siswa
Kesehatan	Tekanan darah sebelum dan sesudah terapi
Gizi	Berat badan sebelum dan sesudah diet
Psikologi	Tingkat stres sebelum dan sesudah konseling
Keperawatan	Tingkat nyeri sebelum dan sesudah tindakan
Kesehatan Masyarakat	Pengetahuan sebelum dan sesudah penyuluhan
Farmasi	Kadar kolesterol sebelum dan sesudah pemberian obat
Manajemen	Produktivitas karyawan sebelum dan sesudah pelatihan

Kapan Tidak Boleh Menggunakan Paired Sample T-Test?

Tidak semua penelitian dengan dua kelompok dapat dianalisis menggunakan uji ini.

Berikut beberapa contoh yang tidak sesuai.

Kasus	Boleh?	Uji yang Tepat
Nilai kelas A vs kelas B	❌	Independent Sample T-Test
Laki-laki vs perempuan	❌	Independent Sample T-Test
Tiga kelompok perlakuan	❌	One Way ANOVA
Sebelum dan sesudah pada orang yang sama	✅	Paired Sample T-Test
Sebelum dan sesudah tetapi data tidak normal	❌	Wilcoxon Signed Rank Test

Perbedaan Paired Sample T-Test dan Independent Sample T-Test

Banyak pengguna SPSS tertukar antara kedua uji ini karena sama-sama menggunakan kata "T-Test". Padahal, tujuan dan struktur datanya berbeda.

Aspek	Paired Sample T-Test	Independent Sample T-Test
Jumlah kelompok	Satu kelompok	Dua kelompok
Pengukuran	Dua kali	Satu kali
Responden	Sama	Berbeda
Contoh	Sebelum–Sesudah	Kelas A vs Kelas B
Hubungan data	Berpasangan	Tidak berpasangan
Tujuan	Mengukur perubahan	Membandingkan dua kelompok

Analogi Sederhana

Bayangkan Anda ingin mengetahui apakah seseorang menjadi lebih cepat berlari setelah mengikuti program latihan selama satu bulan. Ada dua cara yang mungkin dilakukan.

Situasi Pertama

Anda mengukur waktu lari Andi sebelum latihan.

Kemudian satu bulan kemudian Anda mengukur Andi lagi.

Karena yang dibandingkan adalah orang yang sama pada dua waktu berbeda, gunakan Paired Sample T-Test.

Situasi Kedua

Anda membandingkan waktu lari Andi dengan Budi.

Keduanya adalah orang yang berbeda.

Dalam kondisi seperti ini, gunakan Independent Sample T-Test.

Hipotesis pada Paired Sample T-Test

Sebelum melakukan analisis, tentukan hipotesis penelitian.

Hipotesis Nol (H₀)

Tidak terdapat perbedaan rata-rata antara pengukuran pertama dan pengukuran kedua.

Secara sederhana:

Perlakuan tidak memberikan perubahan yang signifikan.

Hipotesis Alternatif (H₁)

Terdapat perbedaan rata-rata antara pengukuran pertama dan pengukuran kedua.

Artinya:

Perlakuan memberikan perubahan yang signifikan.

Contoh Hipotesis Penelitian

Misalnya sebuah penelitian ingin mengetahui efektivitas penyuluhan gizi terhadap pengetahuan ibu hamil.

Hipotesisnya dapat ditulis sebagai berikut.

H₀: Tidak terdapat perbedaan skor pengetahuan sebelum dan sesudah penyuluhan gizi.

H₁: Terdapat perbedaan skor pengetahuan sebelum dan sesudah penyuluhan gizi.

Hipotesis inilah yang nantinya akan diuji menggunakan nilai Sig. (2-tailed) pada output SPSS.

Syarat Melakukan Paired Sample T-Test

Sebelum membuka SPSS, pastikan data memenuhi asumsi berikut.

Checklist Asumsi

• ☑ Data berupa angka (interval atau rasio).
• ☑ Dua pengukuran berasal dari responden yang sama.
• ☑ Setiap responden memiliki pasangan data yang lengkap.
• ☑ Tidak terdapat kesalahan input data.
• ☑ Selisih skor berdistribusi normal.
• ☑ Tidak terdapat pencilan (outlier) ekstrem yang dapat memengaruhi hasil analisis.

Tips praktis: Banyak peneliti hanya memeriksa normalitas masing-masing variabel. Praktik yang lebih tepat untuk Paired Sample T-Test adalah memeriksa normalitas pada selisih skor (difference scores) karena analisis ini didasarkan pada distribusi perbedaan antar-pengukuran.

Mengapa Harus Menguji Normalitas Terlebih Dahulu?

Paired Sample T-Test termasuk dalam kelompok uji parametrik. Salah satu asumsi pentingnya adalah bahwa selisih nilai antar-pengukuran mengikuti distribusi normal.

Jika asumsi ini tidak terpenuhi, hasil uji t dapat menjadi kurang andal, terutama pada ukuran sampel yang kecil.

Sebagai alternatif, peneliti biasanya menggunakan Wilcoxon Signed Rank Test, yaitu uji nonparametrik yang tidak mensyaratkan distribusi normal pada selisih skor.

Menyiapkan Data Sebelum Uji Paired Sample T-Test di SPSS

Sebelum menjalankan analisis, pastikan data sudah tersusun dengan benar. Kesalahan pada tahap ini sering menjadi penyebab output SPSS tidak sesuai harapan atau bahkan muncul pesan error.

Struktur data yang benar untuk Paired Sample T-Test sangat sederhana. Setiap responden hanya memiliki satu baris data, sedangkan setiap waktu pengukuran memiliki kolom tersendiri.

Contoh:

ID Responden	Pretest	Posttest
1	60	72
2	65	75
3	58	70
4	72	83
5	69	80
6	63	74
7	71	84
8	66	78
9	62	73
10	68	81

Perhatikan bahwa:

• Setiap responden hanya muncul satu kali.
• Nilai pretest dan posttest berada pada baris yang sama.
• Tidak ada data yang tertukar antarresponden.

Tips: Gunakan nama variabel yang singkat namun jelas, misalnya Pretest dan Posttest. Hindari penggunaan spasi atau karakter khusus pada nama variabel di SPSS.

Mengatur Variable View di SPSS

Sebelum mengisi data pada Data View, Anda perlu mendefinisikan variabel pada Variable View.

Berikut contoh pengaturannya.

Properti	Pretest	Posttest
Name	Pretest	Posttest
Type	Numeric	Numeric
Width	8	8
Decimals	0 atau 2	0 atau 2
Label	Nilai Sebelum Perlakuan	Nilai Sesudah Perlakuan
Measure	Scale	Scale

Jika data berupa skor dengan angka desimal, atur jumlah Decimals sesuai kebutuhan. Jika data berupa nilai bulat, cukup gunakan 0 desimal agar output lebih rapi.

Contoh Kasus Penelitian

Agar lebih mudah dipahami, gunakan ilustrasi berikut.

Studi Kasus

Seorang peneliti ingin mengetahui apakah penyuluhan kesehatan dapat meningkatkan pengetahuan ibu hamil.

Sebanyak 30 responden mengikuti pretest sebelum penyuluhan dan posttest setelah penyuluhan selesai.

Variabel yang dianalisis:

• Pretest = Skor pengetahuan sebelum penyuluhan.
• Posttest = Skor pengetahuan sesudah penyuluhan.

Pertanyaan penelitian:

Apakah terdapat perbedaan skor pengetahuan sebelum dan sesudah penyuluhan?

Karena pengukuran dilakukan terhadap responden yang sama pada dua waktu berbeda, maka metode analisis yang tepat adalah Paired Sample T-Test.

Langkah Melakukan Paired Sample T-Test di SPSS

Setelah data selesai diinput, Anda dapat menjalankan analisis melalui menu SPSS berikut.

Langkah 1

Klik menu:

Analyze

↓

Compare Means

↓

Paired-Samples T Test

Akan muncul kotak dialog Paired-Samples T Test.

Langkah 2

Pilih variabel:

• Pretest
• Posttest

Kemudian pindahkan keduanya ke kotak Paired Variables.

Urutan variabel penting diperhatikan.

Contoh yang benar:

Pretest  →  Posttest

Artinya SPSS akan menghitung selisih berdasarkan urutan tersebut.

Jika urutannya dibalik, hasil Mean Difference akan berubah menjadi bernilai negatif atau positif sesuai arah pengurangan. Namun, keputusan signifikansi tetap sama karena nilai Sig. (2-tailed) tidak dipengaruhi oleh urutan pasangan.

Langkah 3

Klik tombol Options.

Pada bagian ini, Anda dapat mengatur:

• Confidence Interval = 95%
• Exclude cases analysis by analysis (umumnya digunakan sebagai pengaturan bawaan)

Nilai 95% merupakan tingkat kepercayaan yang paling umum digunakan dalam penelitian.

Langkah 4

Klik Continue.

Langkah 5

Klik OK.

SPSS akan memproses data dan menghasilkan tiga tabel utama.

1. Paired Samples Statistics
2. Paired Samples Correlations
3. Paired Samples Test

Ketiga tabel ini memiliki fungsi yang berbeda. Memahami perbedaannya akan membantu Anda menghindari kesalahan interpretasi.

Gambaran Output SPSS

Setelah analisis selesai, Anda akan melihat tiga tabel utama.

Nama Tabel	Fungsi
Paired Samples Statistics	Menampilkan statistik deskriptif masing-masing pengukuran
Paired Samples Correlations	Menunjukkan hubungan (korelasi) antara dua pengukuran
Paired Samples Test	Menampilkan hasil uji t yang digunakan untuk mengambil keputusan hipotesis

Kesalahan yang sering terjadi adalah langsung melihat tabel pertama dan menganggap hasil penelitian sudah selesai. Padahal, keputusan menerima atau menolak hipotesis berasal dari tabel Paired Samples Test.

Output 1: Paired Samples Statistics

Tabel pertama biasanya tampak seperti berikut.

	Mean	N	Std. Deviation	Std. Error Mean
Pretest	67,20	30	8,14	1,49
Posttest	78,63	30	7,56	1,38

Mari kita pahami arti setiap kolom.

Mean

Kolom Mean menunjukkan rata-rata setiap pengukuran.

Pada contoh di atas:

• Rata-rata sebelum perlakuan = 67,20
• Rata-rata sesudah perlakuan = 78,63

Secara deskriptif terlihat adanya peningkatan sekitar 11 poin.

Namun, peningkatan rata-rata saja belum cukup untuk menyimpulkan adanya pengaruh. Kita masih perlu melihat apakah perbedaan tersebut signifikan secara statistik.

N

Kolom N menunjukkan jumlah responden yang dianalisis.

Pada contoh:

N = 30

Artinya seluruh responden memiliki data lengkap untuk pretest dan posttest.

Jika terdapat data yang hilang (missing value), jumlah N dapat berkurang.

Std. Deviation

Standar deviasi menggambarkan tingkat penyebaran data terhadap nilai rata-rata.

Interpretasinya:

• Nilai kecil → skor responden relatif seragam.
• Nilai besar → skor responden lebih bervariasi.

Pada contoh:

• SD Pretest = 8,14
• SD Posttest = 7,56

Hal ini menunjukkan bahwa variasi skor setelah perlakuan sedikit lebih kecil dibandingkan sebelum perlakuan.

Std. Error Mean

Nilai ini menunjukkan tingkat ketelitian estimasi rata-rata sampel terhadap rata-rata populasi.

Semakin kecil nilainya, semakin presisi estimasi rata-rata yang diperoleh dari sampel.

Dalam praktik penelitian, kolom ini jarang menjadi fokus utama pembahasan, tetapi tetap berguna untuk memahami kualitas estimasi statistik.

Cara Menafsirkan Tabel Paired Samples Statistics

Dari tabel pertama, kita hanya dapat menyimpulkan secara deskriptif.

Contohnya:

Rata-rata skor pengetahuan meningkat dari 67,20 menjadi 78,63 setelah penyuluhan.

Sampai tahap ini belum boleh menyatakan bahwa peningkatan tersebut signifikan.

Kesimpulan mengenai signifikansi baru dapat dibuat setelah melihat tabel Paired Samples Test.

Output 2: Paired Samples Correlations

Tabel kedua biasanya berbentuk seperti berikut.

	N	Correlation	Sig.
Pair 1	30	0,81	0,000

Banyak mahasiswa mengira tabel ini menentukan diterima atau ditolaknya hipotesis penelitian. Anggapan tersebut tidak tepat.

Tabel Paired Samples Correlations hanya menunjukkan hubungan antara dua pengukuran, bukan hasil uji perbedaan.

Correlation

Nilai korelasi menunjukkan seberapa kuat hubungan antara skor pretest dan posttest.

Sebagai gambaran umum:

Nilai Korelasi	Interpretasi
0,00–0,19	Sangat lemah
0,20–0,39	Lemah
0,40–0,59	Sedang
0,60–0,79	Kuat
0,80–1,00	Sangat kuat

Pada contoh:

Correlation = 0,81

Artinya terdapat hubungan yang sangat kuat antara skor sebelum dan sesudah perlakuan. Responden dengan nilai pretest tinggi cenderung juga memiliki nilai posttest yang tinggi.

Perlu diingat, hubungan yang kuat tidak selalu berarti terdapat perbedaan yang signifikan.

Sig. pada Tabel Korelasi

Kolom Sig. di tabel korelasi hanya menunjukkan apakah hubungan tersebut signifikan.

Nilai ini bukan dasar untuk menerima atau menolak hipotesis Paired Sample T-Test.

Kesalahan membaca kolom ini merupakan salah satu kekeliruan yang paling sering ditemukan dalam skripsi dan laporan penelitian.

Kesalahan Umum

❌ Melihat nilai Sig. pada tabel Paired Samples Correlations lalu menyimpulkan perlakuan berpengaruh.

✔ Yang benar, keputusan mengenai ada atau tidaknya perbedaan rata-rata harus diambil dari tabel Paired Samples Test, khususnya nilai Sig. (2-tailed).

Paired Samples Test (Tabel yang Paling Penting)

Setelah memahami dua tabel sebelumnya, kini kita masuk ke bagian inti dari analisis, yaitu Paired Samples Test.

Inilah tabel yang digunakan untuk menjawab pertanyaan penelitian:

Apakah terdapat perbedaan rata-rata yang signifikan antara pengukuran sebelum dan sesudah perlakuan?

Sebagian besar keputusan dalam skripsi, tesis, maupun artikel ilmiah diambil berdasarkan tabel ini.

Contoh output SPSS:

Paired Differences	Mean	Std. Deviation	Std. Error Mean	95% Confidence Interval	t	df	Sig. (2-tailed)
Pretest - Posttest	-11,43	5,82	1,06	-13,60 s.d. -9,26	-10,79	29	0,000

Mari kita bahas satu per satu.

Mean Difference

Kolom Mean pada tabel Paired Samples Test menunjukkan rata-rata selisih antara dua pengukuran.

Pada contoh:

Pretest – Posttest = -11,43

Artinya rata-rata nilai setelah perlakuan 11,43 poin lebih tinggi dibandingkan sebelum perlakuan.

Mengapa bernilai negatif?

Karena urutan pasangan yang dimasukkan ke SPSS adalah:

Pretest → Posttest

SPSS menghitung:

Pretest - Posttest

Sehingga jika nilai posttest lebih besar, hasil selisih menjadi negatif.

Apakah Nilai Negatif Berarti Buruk?

Tidak.

Ini merupakan salah satu kesalahpahaman yang paling sering terjadi.

Nilai negatif tidak menunjukkan hasil penelitian gagal.

Yang menentukan adalah arah pengurangan.

Sebagai ilustrasi:

Pretest	Posttest	Selisih
70	80	-10
65	75	-10
60	72	-12

Seluruh selisih bernilai negatif karena skor sesudah perlakuan lebih tinggi.

Sebaliknya, jika urutan variabel dibalik menjadi:

Posttest → Pretest

maka Mean Difference akan menjadi positif.

Namun keputusan statistik tetap sama.

Standard Deviation of Difference

Kolom ini menunjukkan variasi dari selisih skor, bukan variasi skor pretest atau posttest.

Semakin kecil nilainya berarti perubahan yang dialami responden relatif seragam.

Sebaliknya, nilai yang besar menunjukkan perubahan antarresponden sangat bervariasi.

Standard Error Mean

Kolom ini menggambarkan ketelitian estimasi rata-rata selisih.

Dalam praktik penelitian, nilai ini jarang dibahas secara khusus, tetapi digunakan SPSS dalam perhitungan statistik t dan interval kepercayaan.

95% Confidence Interval of the Difference

Contoh output:

Lower	Upper
-13,60	-9,26

Interval kepercayaan menunjukkan rentang yang diperkirakan memuat nilai selisih rata-rata populasi.

Interpretasi sederhana:

Dengan tingkat kepercayaan 95%, rata-rata perubahan diperkirakan berada antara -13,60 hingga -9,26.

Hal penting yang perlu diperhatikan:

• Jika interval tidak melewati angka 0, hasil biasanya signifikan.
• Jika interval mencakup angka 0, kemungkinan besar hasil tidak signifikan.

Meskipun demikian, dalam laporan penelitian umumnya keputusan tetap didasarkan pada nilai Sig. (2-tailed).

Nilai t

Kolom t merupakan statistik uji yang dihitung SPSS.

Pada contoh:

t = -10,79

Semakin besar nilai absolut t, semakin besar perbedaan relatif terhadap variasi data.

Namun dalam praktik modern, peneliti lebih sering menggunakan nilai Sig. (2-tailed) daripada membandingkan nilai t dengan t tabel.

Degrees of Freedom (df)

Nilai df menunjukkan derajat kebebasan.

Rumusnya:

df = n − 1

Jika jumlah responden:

30

maka:

df = 29

Nilai ini digunakan SPSS untuk menghitung probabilitas (p-value).

Sig. (2-tailed): Kolom yang Menentukan Keputusan

Inilah kolom yang paling penting.

Misalnya output menunjukkan:

Sig. (2-tailed) = 0,000

Perlu dipahami bahwa:

SPSS tidak pernah menghasilkan p-value = 0.

Angka 0,000 berarti nilai tersebut lebih kecil dari 0,001, lalu dibulatkan menjadi tiga angka di belakang koma.

Aturan Pengambilan Keputusan

Gunakan taraf signifikansi (α) sebesar 0,05, kecuali penelitian Anda menetapkan nilai lain.

Nilai Sig.	Keputusan
≤ 0,05	Tolak H₀
> 0,05	Gagal menolak H₀

Contoh 1

Sig. = 0,000

Karena:

0,000 < 0,05

Maka:

✅ Tolak H₀

Artinya terdapat perbedaan rata-rata yang signifikan antara pretest dan posttest.

Contoh 2

Sig. = 0,218

Karena:

0,218 > 0,05

Maka:

H₀ tidak ditolak.

Artinya tidak terdapat perbedaan rata-rata yang signifikan.

Cara Menarik Kesimpulan

Banyak mahasiswa langsung menulis:

"H₁ diterima."

Secara statistik, istilah yang lebih tepat adalah:

H₀ ditolak atau H₀ gagal ditolak.

Alasannya, uji hipotesis secara formal mengevaluasi hipotesis nol (H₀), bukan "membuktikan" H₁.

Namun, pada banyak panduan kampus di Indonesia masih dijumpai istilah "H₁ diterima". Ikuti pedoman institusi Anda bila ada aturan khusus, tetapi untuk artikel ilmiah internasional disarankan menggunakan istilah menolak atau gagal menolak H₀.

Contoh Interpretasi Output

Misalkan output SPSS menunjukkan:

Nilai	Hasil
Mean Pretest	67,20
Mean Posttest	78,63
Mean Difference	-11,43
t	-10,79
df	29
Sig.	0,000

Interpretasi:

Rata-rata skor pengetahuan meningkat dari 67,20 menjadi 78,63 setelah penyuluhan. Hasil uji Paired Sample T-Test menunjukkan nilai Sig. (2-tailed) = 0,000 (<0,05) sehingga terdapat perbedaan rata-rata yang signifikan antara nilai pretest dan posttest. Dengan demikian, penyuluhan yang diberikan berkaitan dengan peningkatan skor pengetahuan pada responden dalam penelitian ini.

Contoh Penulisan Hasil di Bab IV Skripsi

Berikut contoh narasi yang dapat disesuaikan dengan data penelitian Anda.

Berdasarkan hasil analisis menggunakan Paired Sample T-Test, diketahui bahwa rata-rata nilai pretest responden sebesar 67,20, sedangkan rata-rata nilai posttest sebesar 78,63. Hasil pengujian menunjukkan nilai Sig. (2-tailed) sebesar 0,000, yang lebih kecil dari taraf signifikansi 0,05. Oleh karena itu, H₀ ditolak, sehingga dapat disimpulkan bahwa terdapat perbedaan rata-rata yang signifikan antara skor sebelum dan sesudah penyuluhan. Temuan ini menunjukkan bahwa intervensi yang diberikan berkaitan dengan peningkatan skor pengetahuan responden.

Catatan penting: Jika desain penelitian bukan eksperimen murni atau terdapat faktor lain yang tidak dikendalikan, gunakan frasa seperti "berkaitan dengan peningkatan" daripada langsung menyatakan hubungan sebab-akibat.

Cara Melaporkan Hasil Sesuai Gaya APA

Dalam penulisan ilmiah berstandar APA, hasil uji t umumnya dilaporkan dengan menyebutkan statistik uji, derajat kebebasan, dan p-value.

Contoh:

Hasil paired-samples t-test menunjukkan adanya perbedaan yang signifikan antara skor pretest dan posttest, t(29) = -10,79, p < 0,001.

Jika memungkinkan, tambahkan:

• rata-rata (M),
• standar deviasi (SD),
• serta ukuran efek (effect size).

Contoh yang lebih lengkap:

Nilai rata-rata meningkat dari M = 67,20 (SD = 8,14) menjadi M = 78,63 (SD = 7,56). Hasil paired-samples t-test menunjukkan bahwa peningkatan tersebut signifikan secara statistik, t(29) = -10,79, p < 0,001.

Kesalahan yang Paling Sering Dilakukan

Berikut beberapa kesalahan yang sering ditemukan dalam laporan penelitian.

Kesalahan	Cara yang Benar
Melihat tabel Statistics untuk menentukan hipotesis	Gunakan tabel Paired Samples Test
Menggunakan Sig. pada tabel Correlations	Gunakan Sig. (2-tailed) pada tabel Paired Samples Test
Menganggap Mean Difference negatif berarti hasil buruk	Nilai negatif hanya dipengaruhi urutan variabel
Tidak melakukan uji normalitas pada selisih skor	Periksa asumsi sebelum menjalankan uji t
Menyimpulkan "tidak ada pengaruh" hanya dari rata-rata	Keputusan harus berdasarkan hasil uji statistik
Menuliskan p = 0,000	Gunakan format p < 0,001 sesuai praktik pelaporan ilmiah

Tips Praktis Agar Tidak Salah Interpretasi

Gunakan urutan berikut setiap kali membaca output SPSS:

1. Pastikan asumsi uji telah terpenuhi.
2. Lihat Paired Samples Statistics untuk mengetahui gambaran rata-rata.
3. Jangan mengambil keputusan dari tabel Correlations.
4. Fokus pada Paired Samples Test.
5. Periksa nilai Sig. (2-tailed).
6. Bandingkan dengan taraf signifikansi (misalnya α = 0,05)
7. Susun kesimpulan yang sesuai dengan tujuan penelitian.
8. Jika diperlukan, laporkan juga ukuran efek (effect size) untuk menunjukkan besar kecilnya perubahan, bukan hanya signifikansinya