Cara Uji Paired Sample T-Test di SPSS dan Cara Baca Output-nya
Cara Uji Paired Sample T-Test di SPSS dan Cara Membaca Output-nya
Dalam penelitian kuantitatif, membandingkan hasil pengukuran sebelum dan sesudah suatu perlakuan merupakan salah satu cara untuk mengetahui apakah terjadi perubahan pada responden. Misalnya, peneliti ingin mengetahui perbedaan skor pengetahuan sebelum dan sesudah penyuluhan kesehatan, perubahan tekanan darah setelah terapi, atau nilai siswa sebelum dan sesudah mengikuti pelatihan.
 |
Untuk menganalisis data tersebut, salah satu metode statistik yang dapat digunakan adalah Paired Sample T-Test atau uji t berpasangan. Uji ini tersedia di SPSS dan cukup sering digunakan dalam penelitian mahasiswa, skripsi, tesis, maupun penelitian di bidang kesehatan dan pendidikan.
Kawan-kawan mungkin pernah menjalankan uji ini di SPSS, lalu mendapati beberapa tabel berisi angka seperti Mean, Std. Deviation, Correlation, t, df, dan Sig. (2-tailed). Masalahnya, mengetahui cara menjalankan analisis saja belum cukup. Kita juga perlu memahami arti setiap angka agar tidak salah menarik kesimpulan.
Melalui artikel ini, saya akan membahas cara melakukan Paired Sample T-Test di SPSS, syarat penggunaannya, langkah analisis, cara membaca ketiga tabel output, hingga contoh penulisan hasilnya dalam Bab IV skripsi.
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 saling berpasangan, biasanya berasal dari subjek yang sama.
Artinya, setiap responden diukur dua kali, kemudian hasil kedua pengukuran tersebut dibandingkan. Contoh yang paling mudah adalah pengukuran sebelum dan sesudah perlakuan atau yang sering disebut pretest dan posttest.
Perhatikan contoh data berikut.
| Responden | Sebelum | Sesudah |
|---|---|---|
| 1 | 62 | 75 |
| 2 | 70 | 82 |
| 3 | 68 | 80 |
| 4 | 71 | 83 |
| 5 | 66 | 77 |
Pada contoh tersebut, pengukuran pertama dilakukan sebelum perlakuan, sedangkan pengukuran kedua dilakukan setelah perlakuan. Kedua nilai berasal dari responden yang sama.
Karena data tersebut saling berpasangan, analisis yang sesuai adalah Paired Sample T-Test, dengan catatan asumsi statistiknya terpenuhi.
Jadi, hal terpenting yang perlu Kawan-kawan ingat adalah Paired Sample T-Test digunakan untuk membandingkan dua pengukuran yang berpasangan, bukan dua kelompok responden yang berbeda.
Kapan Paired Sample T-Test Digunakan?
Tidak semua penelitian yang memiliki dua kelompok pengukuran dapat menggunakan uji t berpasangan. Sebelum memilih metode analisis, perhatikan karakteristik data dan tujuan penelitian.
1. Data Berasal dari Responden yang Sama
Uji ini digunakan ketika pengukuran pertama dan kedua berasal dari orang atau subjek yang sama.
Contohnya, peneliti mengukur nilai matematika siswa sebelum pelatihan, kemudian mengukur kembali nilai siswa yang sama setelah pelatihan selesai.
2. Pengukuran Dilakukan Dua Kali
Pengukuran dapat dilakukan pada dua waktu berbeda atau dalam dua kondisi yang saling berhubungan.
Contohnya:
Sebelum dan sesudah terapi.
Sebelum dan sesudah pelatihan.
Sebelum dan sesudah penyuluhan kesehatan.
Sebelum dan sesudah program intervensi.
Sebelum dan sesudah penerapan suatu metode pembelajaran.
3. Data Berupa Angka
Paired Sample T-Test umumnya digunakan untuk data numerik berskala interval atau rasio.
Contohnya adalah berat badan, tinggi badan, tekanan darah, nilai ujian, kadar gula darah, skor pengetahuan, skor kepuasan, dan waktu penyelesaian tugas.
Data kategorik seperti jenis kelamin, jawaban ya atau tidak, maupun kategori setuju dan tidak setuju tidak dapat langsung dianalisis menggunakan Paired Sample T-Test. Pemilihan uji statistik harus disesuaikan dengan jenis data dan tujuan analisis.
4. Selisih Skor Memenuhi Asumsi Normalitas
Ini merupakan salah satu bagian yang sering terlewat ketika mahasiswa melakukan analisis di SPSS.
Pada Paired Sample T-Test, normalitas yang perlu diperiksa adalah distribusi selisih antara pengukuran pertama dan kedua, bukan hanya distribusi masing-masing variabel secara terpisah.
Misalnya, data sebelum dan sesudah perlakuan dikurangi untuk memperoleh skor selisih.
| Sebelum | Sesudah | Selisih (Sebelum − Sesudah) |
|---|---|---|
| 60 | 72 | -12 |
| 65 | 74 | -9 |
| 70 | 80 | -10 |
| 68 | 78 | -10 |
Kolom selisih itulah yang menjadi dasar pemeriksaan normalitas untuk uji t berpasangan.
Selain normalitas, perhatikan juga pencilan ekstrem atau outlier yang dapat memengaruhi hasil analisis.
Contoh Penelitian yang Menggunakan Paired Sample T-Test
Uji t berpasangan dapat digunakan dalam berbagai bidang penelitian, selama karakteristik datanya sesuai.
| Bidang | Contoh Penelitian |
|---|---|
| Pendidikan | Perbedaan nilai pretest dan posttest siswa |
| Kesehatan | Perbedaan tekanan darah sebelum dan sesudah terapi |
| Gizi | Perubahan berat badan sebelum dan sesudah program diet |
| Psikologi | Perbedaan tingkat stres sebelum dan sesudah konseling |
| Keperawatan | Perbedaan tingkat nyeri sebelum dan sesudah tindakan |
| Kesehatan Masyarakat | Perbedaan skor pengetahuan sebelum dan sesudah penyuluhan |
| Farmasi | Perbedaan kadar kolesterol sebelum dan sesudah pemberian obat |
| Manajemen | Perbedaan produktivitas karyawan sebelum dan sesudah pelatihan |
Contoh-contoh tersebut menggunakan dua pengukuran yang saling berpasangan. Namun, pemilihan uji tetap perlu mempertimbangkan skala data, asumsi statistik, dan desain penelitian.
Kapan Tidak Menggunakan Paired Sample T-Test?
Ada beberapa situasi ketika uji t berpasangan bukan pilihan yang tepat.
| Kondisi Penelitian | Uji yang Umumnya Sesuai |
|---|---|
| Membandingkan nilai kelas A dan kelas B yang berbeda | Independent Sample T-Test |
| Membandingkan dua kelompok responden yang tidak berpasangan | Independent Sample T-Test, jika asumsi terpenuhi |
| Membandingkan tiga kelompok independen atau lebih | One-Way ANOVA, jika asumsi terpenuhi |
| Membandingkan dua pengukuran berpasangan dengan asumsi parametrik yang tidak terpenuhi | Wilcoxon Signed-Rank Test dapat dipertimbangkan |
| Membandingkan sebelum dan sesudah pada responden yang sama | Paired Sample T-Test, jika asumsi terpenuhi |
Pemilihan uji alternatif tetap harus disesuaikan dengan jenis data dan desain penelitian. Sebagai contoh, Wilcoxon Signed-Rank Test dapat digunakan untuk data berpasangan ketika asumsi uji t tidak terpenuhi, tetapi interpretasinya tidak selalu identik dengan pengujian perbedaan rata-rata menggunakan Paired Sample T-Test.
Perbedaan Paired Sample T-Test dan Independent Sample T-Test
Kedua uji ini sama-sama menggunakan metode t-test, tetapi memiliki perbedaan mendasar pada hubungan antar-data.
| Aspek | Paired Sample T-Test | Independent Sample T-Test |
|---|---|---|
| Subjek | Sama atau berpasangan | Berbeda atau independen |
| Pengukuran | Dua kali atau dua kondisi berpasangan | Membandingkan dua kelompok independen |
| Contoh | Nilai sebelum dan sesudah pelatihan | Nilai kelas A dan kelas B |
| Hubungan data | Berpasangan | Tidak berpasangan |
| Fokus analisis | Rata-rata selisih pasangan | Perbedaan rata-rata dua kelompok |
Supaya lebih mudah dipahami, bayangkan Kawan-kawan ingin mengetahui apakah program latihan selama satu bulan dapat mengubah waktu lari seseorang.
Situasi pertama: Kawan-kawan mengukur waktu lari Andi sebelum latihan, kemudian mengukurnya kembali setelah satu bulan. Karena kedua pengukuran berasal dari orang yang sama, Paired Sample T-Test dapat digunakan jika asumsi terpenuhi.
Situasi kedua: Kawan-kawan membandingkan waktu lari Andi dengan waktu lari Budi. Karena keduanya merupakan orang yang berbeda, analisis yang dapat dipertimbangkan adalah Independent Sample T-Test, jika asumsi dan karakteristik datanya sesuai.
Perbedaan sederhana ini penting karena salah memilih uji statistik dapat membuat hasil analisis tidak sesuai dengan pertanyaan penelitian.
Hipotesis pada Paired Sample T-Test
Sebelum menjalankan analisis, tentukan hipotesis penelitian terlebih dahulu.
Hipotesis Nol (H₀)
H₀ menyatakan bahwa tidak terdapat perbedaan rata-rata antara dua pengukuran berpasangan pada populasi.
Hipotesis Alternatif (H₁)
H₁ menyatakan bahwa terdapat perbedaan rata-rata antara dua pengukuran berpasangan pada populasi.
Misalnya, sebuah penelitian ingin mengetahui apakah terdapat perbedaan skor pengetahuan ibu hamil sebelum dan sesudah penyuluhan gizi.
Hipotesisnya dapat ditulis sebagai berikut:
H₀: Tidak terdapat perbedaan rata-rata skor pengetahuan sebelum dan sesudah penyuluhan gizi.
H₁: Terdapat perbedaan rata-rata skor pengetahuan sebelum dan sesudah penyuluhan gizi.
Untuk hipotesis dua arah seperti contoh tersebut, keputusan statistik dapat dibuat berdasarkan nilai Sig. (2-tailed) pada tabel Paired Samples Test.
Perlu diperhatikan bahwa hasil yang signifikan menunjukkan adanya bukti statistik tentang perbedaan rata-rata. Hasil tersebut tidak dengan sendirinya membuktikan bahwa perlakuan menjadi satu-satunya penyebab perubahan.
Syarat Melakukan Paired Sample T-Test
Sebelum membuka SPSS, pastikan beberapa hal berikut sudah diperiksa.
Data berupa angka dengan skala interval atau rasio.
Kedua pengukuran berasal dari responden yang sama atau pasangan yang sesuai.
Setiap responden memiliki pasangan data yang lengkap.
Tidak terdapat kesalahan input atau pasangan data yang tertukar.
Selisih skor memenuhi asumsi normalitas, terutama untuk sampel kecil.
Tidak terdapat pencilan ekstrem yang secara tidak wajar memengaruhi hasil.
Normalitas dapat diperiksa menggunakan metode statistik, seperti Shapiro-Wilk, serta grafik seperti histogram atau Q-Q plot. Hasil uji normalitas sebaiknya tidak ditafsirkan hanya berdasarkan satu nilai p tanpa mempertimbangkan ukuran sampel, grafik, dan karakteristik data.
Jika asumsi normalitas selisih tidak terpenuhi, terutama ketika jumlah sampel kecil, peneliti dapat mempertimbangkan Wilcoxon Signed-Rank Test atau metode lain yang sesuai.
Menyiapkan Data Sebelum Uji Paired Sample T-Test di SPSS
Sebelum menjalankan analisis, susun data dengan benar agar SPSS dapat mengenali pasangan pengukuran setiap responden.
Struktur data yang umum digunakan adalah satu baris untuk setiap responden dan satu kolom untuk setiap waktu pengukuran.
Contohnya:
| 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 tiga hal berikut:
Setiap responden hanya muncul satu kali.
Nilai pretest dan posttest milik responden yang sama berada pada baris yang sama.
Tidak ada data yang tertukar antarresponden.
Gunakan nama variabel yang singkat dan mudah dipahami, misalnya Pretest dan Posttest. Hindari spasi atau karakter khusus yang tidak diperlukan pada nama variabel.
Mengatur Variable View di SPSS
Sebelum memasukkan data melalui Data View, atur variabel pada Variable View.
| 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 bilangan bulat, Kawan-kawan dapat menggunakan 0 desimal. Jika data memiliki angka desimal, sesuaikan jumlah desimal dengan kebutuhan analisis.
Setelah pengaturan selesai, masukkan nilai setiap responden melalui Data View. Pastikan tidak ada kesalahan input sebelum menjalankan uji statistik.
Contoh Kasus Penelitian Paired Sample T-Test
Agar langkah analisis lebih mudah diikuti, kita gunakan ilustrasi penelitian berikut.
Seorang peneliti ingin mengetahui apakah penyuluhan kesehatan berkaitan dengan perubahan pengetahuan ibu hamil.
Sebanyak 30 responden mengikuti pengukuran sebelum penyuluhan atau pretest, kemudian mengikuti pengukuran kembali setelah penyuluhan atau posttest.
Variabel yang dianalisis adalah:
Pretest: skor pengetahuan sebelum penyuluhan.
Posttest: skor pengetahuan sesudah penyuluhan.
Pertanyaan penelitiannya adalah: apakah terdapat perbedaan rata-rata skor pengetahuan sebelum dan sesudah penyuluhan?
Karena pengukuran dilakukan pada responden yang sama dalam dua kondisi berbeda, Paired Sample T-Test dapat digunakan apabila asumsi statistiknya terpenuhi.
Langkah Melakukan Paired Sample T-Test di SPSS
Setelah data siap, ikuti langkah berikut untuk menjalankan uji t berpasangan.
Langkah 1: Buka Menu Paired-Samples T Test
Pada SPSS, pilih menu:
Analyze → Compare Means → Paired-Samples T Test
Pada beberapa versi SPSS, nama menu dapat sedikit berbeda, tetapi umumnya tetap berada pada bagian analisis perbandingan rata-rata.
Setelah itu, akan muncul kotak dialog Paired-Samples T Test.
Langkah 2: Masukkan Variabel Pretest dan Posttest
Pilih variabel Pretest dan Posttest, kemudian masukkan keduanya ke kotak Paired Variables sebagai satu pasangan.
Perhatikan urutannya. Untuk contoh ini, gunakan:
Pretest → Posttest
Urutan tersebut menentukan arah pengurangan yang digunakan SPSS dalam menghitung Mean Difference.
Jika urutannya dibalik, tanda positif atau negatif pada selisih rata-rata akan berubah. Namun, untuk pengujian dua arah, nilai signifikansi dan keputusan uji tetap sama selama pasangan datanya tidak berubah.
Langkah 3: Periksa Pengaturan Options
Klik tombol Options jika tersedia pada versi SPSS yang digunakan.
Untuk interval kepercayaan, pengaturan yang umum digunakan adalah 95% Confidence Interval atau tingkat kepercayaan 95%.
Pengaturan penanganan data hilang juga perlu diperhatikan. Pada banyak versi SPSS, tersedia pilihan penanganan kasus berdasarkan analisis atau berdasarkan daftar kasus yang lengkap.
Pastikan pengaturan yang digunakan sesuai dengan kebutuhan penelitian dan konsisten dengan cara Kawan-kawan menangani data hilang.
Langkah 4: Klik Continue
Setelah pengaturan selesai, klik Continue untuk kembali ke kotak dialog sebelumnya.
Langkah 5: Jalankan Analisis
Klik tombol OK.
SPSS akan memproses data dan menampilkan output hasil analisis. Pada pengaturan standar, terdapat tiga tabel utama yang perlu dipahami:
Paired Samples Statistics.
Paired Samples Correlations.
Paired Samples Test.
Masing-masing tabel memiliki fungsi berbeda. Tidak semua tabel digunakan untuk mengambil keputusan hipotesis.
Cara Membaca Output Paired Sample T-Test di SPSS
Setelah analisis selesai, bagian berikutnya adalah membaca output dengan benar. Inilah tahap yang sering membuat mahasiswa bingung, terutama ketika mulai menulis hasil analisis di Bab IV skripsi.
1. Paired Samples Statistics
Tabel pertama menampilkan statistik deskriptif dari kedua pengukuran.
Sebagai ilustrasi, perhatikan contoh berikut.
| Variabel | Mean | N | Std. Deviation | Std. Error Mean |
|---|---|---|---|---|
| Pretest | 67,20 | 30 | 8,14 | 1,49 |
| Posttest | 78,63 | 30 | 7,56 | 1,38 |
Mean
Mean menunjukkan nilai rata-rata dari masing-masing pengukuran.
Pada contoh tersebut:
Rata-rata pretest sebesar 67,20.
Rata-rata posttest sebesar 78,63.
Secara deskriptif, rata-rata skor meningkat sebesar 11,43 poin setelah penyuluhan.
Namun, peningkatan rata-rata saja belum cukup untuk menyatakan bahwa perbedaan tersebut signifikan secara statistik. Kawan-kawan tetap perlu melihat hasil pengujian pada tabel Paired Samples Test.
N
N menunjukkan jumlah responden yang dianalisis.
Pada contoh, jumlah responden yang dianalisis adalah 30. Jika terdapat data yang hilang, jumlah kasus yang masuk ke analisis dapat berkurang, tergantung pengaturan penanganan data hilang di SPSS.
Std. Deviation
Std. Deviation atau standar deviasi menunjukkan seberapa besar penyebaran nilai responden terhadap rata-ratanya.
Pada contoh:
SD pretest sebesar 8,14.
SD posttest sebesar 7,56.
Nilai tersebut menggambarkan penyebaran skor pada masing-masing pengukuran. Standar deviasi yang lebih kecil menunjukkan data lebih terkonsentrasi di sekitar rata-rata, tetapi tidak secara otomatis berarti perlakuan lebih efektif.
Std. Error Mean
Std. Error Mean menunjukkan galat baku estimasi rata-rata sampel terhadap rata-rata populasi.
Nilai ini berkaitan dengan ketelitian estimasi rata-rata. Dalam membaca hasil Paired Sample T-Test, kolom tersebut biasanya bukan fokus utama, tetapi tetap menjadi bagian penting dari informasi statistik deskriptif.
Kesimpulan dari tabel pertama
Berdasarkan tabel Paired Samples Statistics, kita dapat menjelaskan bahwa rata-rata skor pengetahuan meningkat dari 67,20 menjadi 78,63.
Akan tetapi, pada tahap ini kita baru mengetahui gambaran deskriptif data. Keputusan mengenai ada atau tidaknya perbedaan yang signifikan harus didasarkan pada tabel Paired Samples Test.
2. Paired Samples Correlations
Tabel kedua menunjukkan hubungan atau korelasi antara skor pretest dan posttest.
Contoh ilustrasi output:
| Pasangan | N | Correlation | Sig. |
|---|---|---|---|
| Pretest & Posttest | 30 | 0,81 | 0,000 |
Correlation
Nilai korelasi menunjukkan kekuatan dan arah hubungan linear antara dua pengukuran.
Sebagai gambaran umum, korelasi positif yang mendekati 1 menunjukkan hubungan positif yang semakin kuat, sedangkan korelasi negatif yang mendekati -1 menunjukkan hubungan negatif yang semakin kuat.
Pada contoh tersebut, nilai korelasi sebesar 0,81 menunjukkan hubungan positif yang kuat antara skor pretest dan posttest. Responden dengan skor pretest relatif tinggi cenderung juga memiliki skor posttest relatif tinggi.
Sig. pada tabel korelasi
Kolom Sig. pada tabel Paired Samples Correlations digunakan untuk menguji signifikansi hubungan korelasi tersebut.
Nilai ini bukan dasar untuk menentukan apakah terdapat perbedaan rata-rata pretest dan posttest.
Kesalahan yang sering terjadi adalah melihat nilai Sig. pada tabel korelasi, lalu menyimpulkan bahwa perlakuan memberikan perubahan yang signifikan.
Padahal, pertanyaan penelitian tentang perbedaan rata-rata dijawab melalui tabel Paired Samples Test.
Jadi, Kawan-kawan boleh menggunakan tabel korelasi untuk memahami hubungan kedua pengukuran, tetapi jangan menjadikannya dasar utama untuk menerima atau menolak hipotesis perbedaan rata-rata.
3. Paired Samples Test
Inilah tabel utama yang digunakan untuk menguji apakah terdapat perbedaan rata-rata antara dua pengukuran berpasangan.
Perhatikan contoh output berikut.
| Statistik | Hasil |
|---|---|
| Mean Difference (Pretest − Posttest) | -11,43 |
| Std. Deviation of Difference | 5,82 |
| Std. Error Mean | 1,06 |
| 95% Confidence Interval | -13,60 sampai -9,26 |
| t | -10,79 |
| df | 29 |
| Sig. (2-tailed) | 0,000 |
Angka-angka di atas merupakan ilustrasi untuk menjelaskan cara membaca output. Dalam penelitian sebenarnya, gunakan nilai yang muncul dari hasil analisis data Kawan-kawan sendiri.
Mean Difference
Mean Difference adalah rata-rata selisih antara kedua pengukuran.
Pada contoh, SPSS menghitung:
Pretest − Posttest = -11,43
Nilai negatif menunjukkan bahwa rata-rata pretest lebih rendah daripada rata-rata posttest. Dengan kata lain, rata-rata posttest lebih tinggi sebesar 11,43 poin.
Mengapa hasilnya negatif?
Karena urutan variabel yang dimasukkan adalah Pretest terlebih dahulu, kemudian Posttest. SPSS menghitung selisih dengan mengurangkan nilai posttest dari nilai pretest.
Jika urutannya dibalik menjadi Posttest − Pretest, tanda Mean Difference akan menjadi positif apabila rata-rata posttest lebih tinggi.
Karena itu, nilai negatif bukan berarti hasil penelitian buruk. Tanda tersebut hanya menunjukkan arah pengurangan yang digunakan.
Std. Deviation of Difference
Kolom ini menunjukkan standar deviasi dari selisih skor setiap pasangan responden.
Berbeda dari standar deviasi pretest dan posttest pada tabel pertama, nilai ini menggambarkan variasi perubahan antarresponden.
Jika nilainya relatif kecil, selisih skor antarresponden cenderung lebih terkonsentrasi. Jika nilainya besar, perubahan skor antarresponden cenderung lebih bervariasi.
Std. Error Mean
Pada tabel Paired Samples Test, Std. Error Mean menunjukkan galat baku dari rata-rata selisih skor.
Nilai ini digunakan dalam perhitungan statistik t dan interval kepercayaan. Karena itu, nilainya membantu menjelaskan ketelitian estimasi rata-rata selisih.
95% Confidence Interval of the Difference
Interval kepercayaan 95% menunjukkan rentang estimasi untuk rata-rata selisih pada populasi.
Pada contoh, interval kepercayaan berada antara -13,60 dan -9,26.
Karena seluruh rentang berada di bawah nol, hasil ini menunjukkan bahwa rata-rata selisih Pretest − Posttest diperkirakan negatif. Dengan kata lain, rata-rata posttest lebih tinggi daripada pretest.
Untuk pengujian dua arah, interval kepercayaan yang tidak mencakup angka nol umumnya konsisten dengan hasil yang signifikan pada taraf 5%. Sebaliknya, jika interval mencakup nol, hasilnya umumnya tidak signifikan pada taraf tersebut.
Nilai t
Nilai t merupakan statistik uji yang dihitung SPSS berdasarkan rata-rata selisih, variasi selisih, dan jumlah pasangan pengamatan.
Pada contoh, nilai t sebesar -10,79.
Tanda negatif menunjukkan arah selisih berdasarkan urutan variabel. Untuk memahami hasilnya, nilai t perlu dibaca bersama derajat kebebasan, nilai p, dan interval kepercayaan.
Dalam praktik penelitian, Kawan-kawan biasanya dapat menggunakan nilai signifikansi yang ditampilkan SPSS untuk mengambil keputusan, tanpa harus menghitung t tabel secara manual apabila metode pengambilan keputusan yang digunakan memang berdasarkan p-value.
Degrees of Freedom (df)
Degrees of Freedom atau derajat kebebasan pada Paired Sample T-Test dihitung menggunakan rumus:
df = n − 1
Keterangan:
df = derajat kebebasan.
n = jumlah pasangan pengamatan yang dianalisis.
Jika terdapat 30 pasangan data lengkap, derajat kebebasannya adalah:
df = 30 − 1 = 29
Nilai df digunakan dalam perhitungan distribusi t untuk memperoleh nilai probabilitas atau p-value.
Sig. (2-tailed): Nilai untuk Mengambil Keputusan
Kolom Sig. (2-tailed) merupakan nilai yang umum digunakan untuk menentukan apakah terdapat perbedaan rata-rata yang signifikan pada pengujian dua arah.
Misalnya, SPSS menampilkan nilai:
Sig. (2-tailed) = 0,000
Perlu diketahui bahwa angka 0,000 pada output SPSS bukan berarti probabilitasnya benar-benar nol. Angka tersebut menunjukkan bahwa p-value dibulatkan menjadi tiga angka di belakang koma dan nilainya lebih kecil dari 0,001.
Dalam penulisan ilmiah, hasil tersebut sebaiknya dilaporkan sebagai p < 0,001, bukan p = 0,000.
Cara Menentukan Hasil Uji Paired Sample T-Test
Setelah menemukan nilai Sig. (2-tailed), bandingkan hasilnya dengan taraf signifikansi yang telah ditetapkan dalam penelitian.
Taraf signifikansi yang umum digunakan adalah 0,05 atau 5%, kecuali protokol penelitian menetapkan nilai lain.
| Nilai Signifikansi | Keputusan Statistik |
|---|---|
| p < 0,05 | Tolak H₀ |
| p ≥ 0,05 | Gagal menolak H₀ |
Perhatikan dua contoh berikut.
Contoh 1: Nilai Signifikansi Lebih Kecil dari 0,05
Misalnya, hasil analisis menunjukkan p < 0,001.
Karena p lebih kecil dari 0,05, H₀ ditolak. Artinya, terdapat bukti statistik yang cukup untuk menyatakan bahwa rata-rata kedua pengukuran berbeda pada taraf signifikansi 5%.
Jika rata-rata posttest lebih tinggi daripada pretest, hasil tersebut menunjukkan adanya peningkatan rata-rata yang signifikan secara statistik.
Contoh 2: Nilai Signifikansi Lebih Besar dari 0,05
Misalnya, hasil analisis menunjukkan p = 0,218.
Karena 0,218 lebih besar dari 0,05, H₀ gagal ditolak.
Artinya, hasil penelitian belum memberikan bukti statistik yang cukup untuk menyatakan bahwa rata-rata kedua pengukuran berbeda pada taraf signifikansi 5%.
Hal ini tidak berarti kedua pengukuran pasti sama atau tidak ada perubahan sama sekali. Kesimpulan tersebut hanya menunjukkan bahwa bukti statistik yang diperoleh belum cukup untuk menolak H₀.
Apakah H₁ Diterima?
Dalam beberapa pedoman penulisan skripsi di Indonesia, kita masih sering menemukan istilah "H₁ diterima" atau "Ha diterima".
Namun, dalam pelaporan statistik yang lebih formal, istilah yang disarankan adalah "H₀ ditolak" atau "H₀ gagal ditolak". Pengujian hipotesis tidak membuktikan hipotesis alternatif secara mutlak.
Jika kampus memiliki pedoman penulisan tersendiri, Kawan-kawan dapat menyesuaikan istilah yang digunakan tanpa mengubah makna keputusan statistiknya.
Contoh Interpretasi Output Paired Sample T-Test
Mari kita rangkum contoh hasil analisis penelitian penyuluhan kesehatan sebelumnya.
| Komponen | Hasil |
|---|---|
| Mean Pretest | 67,20 |
| Mean Posttest | 78,63 |
| Mean Difference (Pretest − Posttest) | -11,43 |
| t | -10,79 |
| df | 29 |
| Sig. (2-tailed) | 0,000 |
Berdasarkan contoh tersebut, rata-rata skor pengetahuan meningkat dari 67,20 sebelum penyuluhan menjadi 78,63 setelah penyuluhan.
Hasil Paired Sample T-Test menunjukkan nilai Sig. (2-tailed) yang ditampilkan sebagai 0,000 pada SPSS. Karena angka tersebut menunjukkan p < 0,001, nilainya lebih kecil daripada taraf signifikansi 0,05.
Dengan demikian, H₀ ditolak. Terdapat perbedaan rata-rata skor pengetahuan yang signifikan secara statistik antara sebelum dan sesudah penyuluhan.
Karena rata-rata skor setelah penyuluhan lebih tinggi, hasil tersebut menunjukkan adanya peningkatan skor pengetahuan pada responden yang diteliti.
Meski demikian, kesimpulan mengenai sebab-akibat tetap harus mempertimbangkan desain penelitian, kelompok pembanding jika ada, serta kemungkinan faktor lain yang memengaruhi hasil.
Contoh Penulisan Hasil Paired Sample T-Test di Bab IV Skripsi
Setelah memahami output SPSS, Kawan-kawan mungkin bertanya bagaimana menyusun hasil analisis menjadi paragraf yang layak dimasukkan ke Bab IV skripsi.
Berikut contoh narasi yang dapat disesuaikan dengan hasil penelitian masing-masing.
"Berdasarkan hasil analisis menggunakan Paired Sample T-Test, diketahui bahwa rata-rata skor pengetahuan responden sebelum penyuluhan sebesar 67,20, sedangkan rata-rata setelah penyuluhan sebesar 78,63. Hasil pengujian menunjukkan nilai p < 0,001, lebih kecil daripada taraf signifikansi 0,05. Oleh karena itu, H₀ ditolak. Hasil ini menunjukkan adanya perbedaan rata-rata skor pengetahuan yang signifikan secara statistik antara sebelum dan sesudah penyuluhan. Rata-rata skor yang lebih tinggi setelah penyuluhan menunjukkan adanya peningkatan pengetahuan pada responden yang diteliti."
Catatan: Narasi tersebut hanya contoh berdasarkan angka ilustrasi dalam artikel ini. Gunakan angka, nilai p, dan kesimpulan yang sesuai dengan output SPSS penelitian Kawan-kawan. Jangan menyalin hasil ilustrasi jika angkanya berbeda dari data penelitian sebenarnya.
Jika desain penelitian tidak memungkinkan peneliti menyimpulkan hubungan sebab-akibat secara kuat, gunakan kalimat yang lebih hati-hati. Misalnya, "terdapat peningkatan skor setelah penyuluhan" daripada langsung menyatakan bahwa penyuluhan pasti menjadi satu-satunya penyebab peningkatan tersebut.
Cara Melaporkan Hasil Paired Sample T-Test dengan Format APA
Dalam penulisan ilmiah yang mengikuti gaya APA, hasil uji t umumnya dilaporkan dengan menyertakan statistik t, derajat kebebasan, dan nilai p.
Contoh pelaporan:
"Hasil paired-samples t-test menunjukkan adanya perbedaan yang signifikan antara skor pretest dan posttest, t(29) = -10,79, p < 0,001."
Jika ingin memberikan informasi yang lebih lengkap, tambahkan rata-rata dan standar deviasi masing-masing pengukuran.
Contohnya:
"Rata-rata skor meningkat dari M = 67,20 (SD = 8,14) pada pengukuran pretest menjadi M = 78,63 (SD = 7,56) pada pengukuran posttest. Hasil paired-samples t-test menunjukkan adanya perbedaan yang signifikan secara statistik, t(29) = -10,79, p < 0,001."
Jika relevan, Kawan-kawan juga dapat melaporkan ukuran efek atau effect size, misalnya Cohen's d untuk data berpasangan, agar pembaca tidak hanya mengetahui signifikansi statistik, tetapi juga besarnya perbedaan.
Pastikan format pelaporan mengikuti pedoman kampus, jurnal, atau gaya sitasi yang digunakan. Selain itu, angka pada contoh perlu disesuaikan dengan output analisis yang sebenarnya.
Kesalahan yang Sering Terjadi Saat Membaca Output SPSS
Berikut beberapa kesalahan yang perlu dihindari ketika menggunakan Paired Sample T-Test.
| Kesalahan | Cara yang Benar |
|---|---|
| Menggunakan tabel Paired Samples Statistics untuk memutuskan hipotesis | Gunakan tabel Paired Samples Test |
| Menggunakan nilai Sig. pada tabel Paired Samples Correlations untuk menyimpulkan perbedaan rata-rata | Gunakan Sig. (2-tailed) pada tabel Paired Samples Test |
| Menganggap Mean Difference negatif berarti hasil penelitian buruk | Perhatikan urutan pengurangan dan arah perbedaan |
| Memeriksa normalitas setiap variabel saja | Periksa distribusi selisih kedua pengukuran |
| Menyimpulkan ada pengaruh hanya karena rata-rata meningkat | Periksa hasil uji statistik dan desain penelitian |
| Menuliskan p = 0,000 | Laporkan sebagai p < 0,001 jika sesuai dengan output |
| Menganggap hasil tidak signifikan berarti kedua kondisi pasti sama | Nyatakan bahwa bukti statistik belum cukup untuk menolak H₀ |
Kesalahan-kesalahan tersebut terlihat sederhana, tetapi dapat memengaruhi interpretasi hasil penelitian. Karena itu, biasakan membaca output secara berurutan dan memahami fungsi setiap tabel sebelum menyusun kesimpulan.
Tips Agar Tidak Salah Menafsirkan Hasil Paired Sample T-Test
Supaya analisis lebih terarah, Kawan-kawan dapat menggunakan urutan berikut setiap kali membaca output SPSS.
Pastikan data berpasangan dan asumsi uji telah diperiksa.
Lihat tabel Paired Samples Statistics untuk memahami rata-rata dan penyebaran data.
Gunakan tabel Paired Samples Correlations hanya untuk memahami hubungan antara dua pengukuran.
Fokus pada tabel Paired Samples Test untuk menguji perbedaan rata-rata.
Periksa nilai Sig. (2-tailed) dan bandingkan dengan taraf signifikansi yang telah ditetapkan.
Perhatikan Mean Difference untuk mengetahui arah perbedaan.
Jika diperlukan, periksa interval kepercayaan dan ukuran efek untuk melengkapi interpretasi.
Susun kesimpulan sesuai hasil analisis, tujuan penelitian, dan desain penelitian.
Jangan hanya mengejar nilai signifikansi. Perhatikan pula besar perubahan, variasi data, interval kepercayaan, dan relevansi hasil bagi bidang penelitian Kawan-kawan.
Kesimpulan
Paired Sample T-Test merupakan uji statistik parametrik yang digunakan untuk mengetahui apakah terdapat perbedaan rata-rata antara dua pengukuran yang berpasangan, misalnya nilai sebelum dan sesudah perlakuan pada responden yang sama.
Di SPSS, analisis ini dapat dijalankan melalui menu Analyze → Compare Means → Paired-Samples T Test. Sebelum menjalankan uji, pastikan data tersusun dengan benar dan asumsi statistiknya telah diperiksa, terutama normalitas pada selisih skor.
Dalam membaca hasil analisis, tabel Paired Samples Statistics digunakan untuk melihat gambaran deskriptif, sedangkan Paired Samples Correlations menunjukkan hubungan antara dua pengukuran. Adapun keputusan mengenai perbedaan rata-rata diambil dari tabel Paired Samples Test, khususnya nilai Sig. (2-tailed).
Jika nilai p lebih kecil dari taraf signifikansi yang ditetapkan, H₀ ditolak. Sebaliknya, jika nilai p lebih besar atau sama dengan taraf tersebut, H₀ gagal ditolak. Kesimpulan akhirnya tetap perlu disesuaikan dengan arah perbedaan, desain penelitian, dan konteks data yang dianalisis.
Semoga penjelasan ini membantu Kawan-kawan yang sedang mengolah data skripsi, tesis, atau penelitian menggunakan SPSS. Jika masih bingung membaca output, cobalah memeriksa tabel satu per satu dan cocokkan setiap angka dengan fungsi statistiknya.
Untuk membaca artikel tutorial teknologi, panduan analisis data, SPSS, dan pembahasan lainnya, Kawan-kawan dapat mengunjungi situs berikut: