Cara Uji Independent Sample T-Test Dan Interpretasi Dengan Spss

Cara Uji Independent Sample T-Test dan Interpretasi dengan SPSS | Independent Sample T-Test kalau diterjemahkan dalam bahasa Indonesia maka berarti uji t sampel Tidak bekerjasama atau bebas. Perhatikan kata “Independen” atau “bebas” maknanya yaitu tidak ada kekerabatan antara dua sampel yang akan diuji. Sebagai teladan saya akan menguji apakah ada berbedaan rata-rata 2 (dua) sampel yang teridiri dari kelompok A dan Kelompok B terkait dengan prestasi belajarnya. Contoh ini menjelaskan bahwa sampel penelitian ini terdiri dari dua kelompok yang berbeda atau tidak bekerjasama satu sama lain (sampel bebas). Contoh datanya sanggup dilihat pada gambar di bawah ini.

Keterangan : Kelompok A diberi isyarat 1 dengan N = 6 orang, sedangkan Kelompok B diberi isyarat 2 dengan N = 5 orang. Nilai diartikan sebagai Prestasi Belajar.

Uji Independent Sample T-Test merupakan bab dari statistik inferensial parametrik (Uji Beda). Perlu diketahui bersama bahwa dalam statistik parametrik terdapat syarat- syarat yang harus terpenuhi sebelum dilakukannya pengujian (dalam hal ini Uji Independent Sample T-Test). Oleh alasannya yaitu itu, kita perlu mengetahui syarat-syarat apa saja yang dibutuhkan sebelum melaksanakan Uji Independent Sample T-Test:

1. Data yang di uji yaitu data kuantitatif (data interval atau data rasio)
2. Data harus di uji normalitas dan alhasil harus berdistribusi normal | Baca : Cara Uji Normalitas Shapiro-Wilk dengan SPSS
3. Data harus sejenis atau homogen [namun bukan syarat mutlak] | Baca: Cara Melakukan Uji Homogenitas dengan SPSS
4. Uji Ini dilakukan dengan jumlah data yang sedikit.

Jika dalam masalah tertentu ternyata data homogen maka yang dimaknai yaitu tabel output equal variances not assumed, sementara kalau data tidak berdistribusi normal, maka solusinya sanggup dengan metode statistik non parametrik yaitu dengan Uji Mann Whitney

Mungkin sudah cukup jelasnya klarifikasi di atas, selanjutnya saya akan melaksanakan praktek Uji Independent Sample T-Test untuk masalah di atas:

Hipotesis (dugaan) yang saya ajukan:

1. Ho : TIDAK TERDAPAT BERBEDAAN antara rata-rata prestasi mencar ilmu Kelompok A dengan Kolompok B
2. Ha : TERDAPAT BERBEDAAN antara rata-rata prestasi mencar ilmu Kelompok A dengan Kolompok B

Dasar Pengambilan Keputusan:

1. Jika nilai Signifikansi atau Sig.(2-tailed) > 0,05, maka Ho diterima dan Ha ditolak.
2. Jika nilai Signifikansi atau Sig.(2-tailed) < 0,05, maka Ho ditolak dan Ha diterima.

Cara Uji Independent Sample T-Test dengan SPSS

1. Buka lembar kerja SPSS, kemudian klik Variable View, pada bab Name pertama tuliskan Nilai. Kemudian untuk Name Kedua tuliskan Kelompok, kemudian pada bab Decimals yang kedua ganti dengan 0, kemudian klik pada bab Value yang kedua sampai muncul kotak obrolan Value Label, pada kotak Value isikan 1 dan kotal Label isikan Kelompok A, kemudian klik Add, kemudian isikan lagi pada kotak Value dengan isian 2 dan kotak Label isikan Kelompok B, kemudian klik Add dan Ok [biarkan yang lainnya tetap default jangan di otak atik ya]



Jika sudah betul maka tampilannya menyerupai gambar di bawah ini



2. Klik Variable View, kemudian untuk Nilai isikan dengan nilai di atas dan untuk Kelompok isikan 1 untuk nilai kelompok A dan 2 untuk nilai Kelompok B



3. Kalau sudah, klik Analyze – Compare Means – Independent Sample T Test…



4. Muncul kotak obrolan Independent Sample T Test, kemudian masukkan Variabel Nilai ke kotak Test Variable(s) dan masukkan Variabel Kelompok ke kotak Grouping Variable



5. Klik Define Grouping, pada kotak Group 1 isikan 1 dan kotak Group 2 isikan 2, kemudian klik Continue



6. Selanjutnya klik Options, kemudian pada kotak Confidence Interval Percentage isikan 95, kemudian klik Continue



7. Setelah semua beres, maka klik Ok dan akan muncul Output SPSS



Interpretasi Output SPSS Uji Independent Sample T-Test

Perhatikan pada output Independent Sample T-Test, Berdasarkan output di atas diperolah nilai Sig.(2-tailed) sebesar 0,039 < 0,05, maka sesuai dasar pengambilan keputusan dalam Uji Independent Sample T-Test, maka sanggup disimpulkan Ho ditolak dan Ha diterima, yang artinya bahwa TERDAPAT BERBEDAAN antara rata-rata prestasi mencar ilmu Kelompok A dengan Kolompok B.

Alhamdulillah, akibat juga artikel dengan judul Cara Uji Independent Sample T-Test dan Interpretasi dengan SPSS, mudah-mudahan bermanfaat dan sanggup membantu teman semua dalam mengerjakan tugas, skripsi, maupun tesisnya.. selamat mencoba ;D

[Search : Cara Uji Independent Sample T-Test dan Interpretasi dengan SPSS | Penjelasan atau Interpretasi Uji Independent Sample T-Test | Ketentuan dalam Uji Independent Sample T-Test | Uji Dua Sampel Tidak Berhubungan Menggunakan SPSS Versi 21]

Lihat Juga: VIDEO Uji Independent Sample T-Test dengan SPSS

Read More

Cara Uji Paired Sample T-Test Dan Interpretasi Dengan Spss

Cara Uji Paired Sample T-Test dan Interpretasi dengan SPSS | Selamat pagi, berjumpa lagi dengan saya Sahid Raharjo admin blog www.spssindonesia.com. Pada kesempatan kali ini, saya akan membagikan tips cara melaksanakan uji paired sample t test memakai aplikasi SPSS.

Paired sample t test dipakai untuk mengetahui apakah terdapat perbedaan rata-rata dua sampel (dua kelompok) yang berpasangan atau berhubungan. Uji paired sample t test merupakan penggalan dari statistik parametrik, oleh alasannya itu, sebagaimana hukum dalam statistik parametrik data penelitian haruslah berdistribusi normal. Untuk mengetahui data yang akan kita uji paired sample t test tersebut normal atau tidak, tentunya kita perlu melaksanakan uji normalitas terlebih dahulu. [Catatan: jikalau data penelitian tidak normal maka aternatif uji yang sanggup dilakukan sebagai pengganti paired sample t test yakni Uji Wilcoxon]. Sedangkan untuk varian data boleh homogen atau tidak, hal itu bukanlah merupakan permasalahan dalam uji paired sample t test ini.

Agar teman lebih paham wacana apa yang saya maksud dengan sampel berpasangan di sini, ada baiknya teman perhatikan pola soal yang akan saya paparkan berikut.

Contoh Soal Uji Paired Sample T-Test

Seorang guru ingin mengetahui apakah ada efek penggunaan seni administrasi pembelajaran Answer Gallery terhadap hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD? Selanjutnya, untuk mengetahui ada atau tidaknya efek tersebut, guru melaksanakan dua kali test dengan tujuan untuk mengetahui hasil mencar ilmu siswa. Tes pertama dilakukan sebelum seni administrasi pembelajaran answer gallery diterapkan, tes yang dilakukan sebelum adanya perlakuan umumnya disebut dengan Pre Test. Tes kedua dilakukan setelah seni administrasi pembelajaran answer gallery ditertapkan di kelas tersebut, tes ini disebut dengan Post Test.

Dengan melaksanakan dua kali tes, guru memiliki dua hasil mencar ilmu siswa yakni pre test dan post test (inilah yang disebut dengan sampel berpasangan). Untuk rincian hasil mencar ilmu siswa kelas 5 SD yang sudah terkumpul perhatikan gambar di bawah ini.



Langkah-langkah Uji Paired Sample T-Test dengan SPSS

1. Buka lembar kerja SPSS, dalam artikel ini saya memakai Aplikasi SPSS versi 21. Klik Variable View, pada penggalan Name ketikan Pretest dan Posttest, untuk kolom yang lainnya biarkan otomatis SPSS saja (mode default) tidak perlu ubah ubah



2. Kalau sudah, selanjutnya klik Data View atau cara pintasnya teman sanggup menekan tombol CTRL-T pada keyboard laptop sobat. Masuk ke tahap pengisian data, yakni dengan cara memasukkan hasil mencar ilmu siswa yang sudah terkumpul ke kolom Pretest dan Posttest



3. Selanjutnya, dari sajian kafe yang terdapat pada SPSS klik Menu Analyze, kemudian pilih Compare Means, kemudian klik Paired-Sample T Test…



4. Setelah langkah tersebut dilakukan betul, di laptop teman akan muncul kotak obrolan dengan nama Paired-Sample T Test. Karena disini kita akan menguji data Pretest dan Posttest, maka klik mouse pada data Pretest kemudian klik tombol yang tersedia untuk memasukkan data Pretest ke kotak sebelah kanan (Paired Variables:), setelah data Pretest masuk, lakukan cara yang sama pada data Posttest. Lihat gambar di bawah ini supaya lebih jelas

Gambar sebelum data Pretest dan Posttest dimasukkan ke kotak Paired Variables:



Gambar sesudah data Pretest dan Posttest dimasukkan ke kotak Paired Variables:



5. Setelah semua mekanisme cara melaksanakan uji paired sample t test dengan SPSS sudah dilakukan dengan cermat, langkah terakhir yakni klik Ok. Maka akan muncul output SPSS (hasil uji paired sample t test) sebagai berikut







Interpretasi Uji Paired Sample T-Test

Interpretasi Ouput Bagian Pertama (Paired Samples Statistics)
Pada output ini kita diperlihatkan hasil ringkasan statistik dari kedua sampel atau data Pretest dan Posttest. Untuk nilai Pretest diperoleh rata-rata hasil mencar ilmu yakni 54,6154. Sedangkan untuk nilai Posttest diperolah nilai rata-rata hasil mencar ilmu sebesar 67,6923. Jumlah responden atau siswa yang dijadikan sampel sebanyak 13 orang siswa. Untuk Std. Deviation dan Std. Error Mean silahkan dicari tahu sendiri ya artinya”, takutnya nanti artikel ini jadi terlalu panjang. he he 2x

Interpretasi Ouput Bagian Kedua (Paired Samples Correlations)
Bagian kedua output yakni hasil kekerabatan atau kekerabatan antara kedua data atau variabel yakni pretest dan posttest.

Interpretasi Ouput Bagian Ketiga (Paired Samples Test)
Output penggalan ketiga ini yakni output yang terpenting, alasannya pada penggalan ketiga inilah kita akan menemukan tanggapan atas apa yang menjadi petanyaan atau pola perkara di atas, yakni mengenai ada atau tidaknya efek penggunaan seni administrasi pembelajaran answer gallery terhadap hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD?

Pedoman Pengambilan Keputusan dalam Uji Paired Sample T-Test menurut nilai signifikansi dengan SPSS

1. Jika nilai probabilitas atau Sig. (2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara hasil mencar ilmu pada data pretest dan posttest yang artinya terdapat efek penggunaan seni administrasi pembelajaran answer gallery dalam meningkatkan hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD.
2. Sebaliknya, jikalau nilai probabilitas atau Sig. (2-tailed) > 0,05, maka TIDAK terdapat perbedaan yang signifikan antara hasil mencar ilmu pada data pretest dan posttest yang artinya TIDAK ada efek penggunaan seni administrasi pembelajaran answer gallery dalam meningkatkan hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD.

Pengambilan Keputusan: Berdasarkan output penggalan ketiga di atas, diketahui bahwa nilai Sig. (2-tailed) sebesar 0,002 < 0,05, alasannya nilai Sig. (2-tailed) sebesar 0,002 lebih kecil 0,05 maka kita sanggup disimpulkan bahwa penggunaan seni administrasi pembelajaran Answer Gallery sanggup menigkatkan hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD.

Baca juga artikel menarik mengenai : Cara Uji Independent Sample T-Test

Sekian sedikit tips yang sanggup saya sampaikan mengenai Cara Uji Paired Sample T-Test dan Interpretasi dengan SPSS, semoga bermanfaat, selamat mencoba..eh semoga berhasil sukses :D

[Search : Cara Uji Paired Sample T-Test dan Interpretasi dengan SPSS mudah, Prosedur Langkah-langkah Uji Paired Sample T-Test dengan SPSS Versi 21, Pedoman Pengambilan Keputusan dalam Uji Paired Sample T-Test memakai Aplikasi SPSS]

Lihat Juga: VIDEO Cara Uji Paired Sample T-Test dengan SPSS Lengkap

Read More

Panduan Lengkap Cara Melaksanakan Uji Wilcoxon Dengan Spss

Panduan Lengkap Cara Melakukan Uji Wilcoxon dengan SPSS | Uji wilcoxon sering kali dipakai sebagai alternatif dari uji paired sample t test. Hal ini tidaklah salah, lantaran jikalau data penelitian anda tidak berdistribusi normal [melalui uji normalitas] maka data tersebut dianggap tidak memenuhi syarat dalam pengujian statistik parametrik khususnya uji paired sample t test. Oleh lantaran itu, perlu adanya tindakan yang harus dilakukan peneliti biar data penelitian yang dikumpulkan masih tetap sanggup di uji atau di analisis, yakni dengan cara melaksanakan metode statistik non parametrik.

Sementara itu, sebagaimana uji paired sample t test, disini uji wilcoxon juga dipakai untuk mengetahui ada tidaknya perbedaan rata-rata dua sampel yang saling berpasangan. Data penelitian yang dipakai dalam uji ini idealnya yakni data yang berskala ordinal atau interval. Uji wilcoxon atau disebut juga dengan wilcoxon signed rank test merupakan bab dari metode statistik non parametrik. Kerena merupakan bab dari statistik non parametrik, maka dalam uji wilcoxon tidak dibutuhkan data penelitian yang berdistribusi normal. Dengan demikian sanggup dikatakan bahwa penggunaan uji wilcoxon sebagai pengganti uji paired sample t test dikala data penelitian tidak berdistribusi normal yakni langkah yang paling tepat.

CONTOH KASUS DALAM UJI WILCOXON

Peneliti ingin mengetahui apakah terdapat “pengaruh penggunaan metode pembelajaran kelompok terhadap hasil berguru matematika pada siswa Sekolah Menengah Pertama kelas 8A”. Untuk kebutuhan data, peneliti melaksanakan evaluasi atas hasil berguru siswa sebelum (pre test) dan sehabis (post test) metode pembelajaran kelompok diterapkan di kelas tersebut. Maka diperoleh data penelitian sebagai berikut.

[Download Data untuk Latihan]

Hipotesis yang diajukan dalam penelitian atau Ha = “ada perbedaan hasil berguru pre test dan post test, yang artinya ada efek penggunaan metode pembelajaran kelompok terhadap hasil berguru matematika pada siswa Sekolah Menengah Pertama kelas 8A”

Catatan: awalnya peneliti ingin menggunakan analisis statistik parametrik dengan uji paired sample t test untuk uji hipotesis di atas, namun lantaran data penelitian tersebut tidak berdistribusi normal (anggaplah demikian) maka peneliti menggunakan alterantif lain yakni dengan melaksanakan uji wilcoxon.

CARA MELAKUKAN UJI WILCOXON DENGAN SPSS

1. Seperti biasanya, langkah pertama buka aktivitas SPSS kemudian klik Variable View, pada tampilan ini kita akan memperlihatkan nama dan kelengkapan untuk variabel penelitian dengan ketentuan:

Variabel pertama “Pre Test”, maka isikan:
Name: ketik Pre
Type: pilih Numeric
Width: pilih 8
Decimal: Pilih 0
Label: ketik Pre Test
Value: pilih None
Missing: pilih None
Columns: pilih 8
Alilgn: pilih Scale

Variabel kedua “Post Test”, maka isikan:
Name: ketik Post
Type: pilih Numeric
Width: pilih 8
Decimal: Pilih 0
Label: ketik Post Test
Value: pilih None
Missing: pilih None
Columns: pilih 8
Alilgn: pilih Scale
Sehingga tampak di layar sebagai berikut:

2. Setelah penamaan variabel dibuat, langkah selanjutnya klik Data View, kemudian isikan data penelitian di atas, sehingga akan tampak di layar sebagai berikut:

3. Langkah berikutnya klik hidangan Analyze kemudian pilih Nonparametric Tests kemudian pilih Legacy Dialogs kemudian pilih 2 Related Samples…

4. Maka dilayar akan muncul kotak obrolan “Two-Related Sample Tests”, selanjutnya masukkan variabel Pre Test [Pre] dan Post Test [Post] ke kotak Test Pairs secara bersamaan, kemudian pada bab “Test Type” berikan tanda centang (v) pada pilihan Wilcoxon, kemudian klik Ok

5. Maka akan muncul output “Wilcoxon Signed Ranks Test” sebagai berikut:

INTERPRETASI OUTPUT UJI WILCOXON

Output Pertama “Ranks”

1. Negative Ranks atau selisih (negatif) antara hasil berguru matematika untuk Pre Test dan Post Test yakni 0, baik itu pada nilai N, Mean Rank, maupun Sum Rank. Nilai 0 ini memperlihatkan tidak adanya penurunan (pengurangan) dari nilai Pre Test ke nilai Post Test.
2. Positif Ranks atau selisih (positif) antara hasil berguru matematika untuk Pre Test dan Post Test. Disini terdapat 22 data faktual (N) yang artinya ke 22 sisiwa mengalamai peningkatan hasil berguru matematika dari nilai Pre Test ke nilai Post Test. Mean Rank atau rata-rata peningkatan tersebut yakni sebesar 11,50, sedangkan jumlah rangking faktual atau Sum of Ranks yakni sebesar 253,00.
3. Ties yakni kesamaan nilai Pre Test dan Post Test, disini nilai Ties yakni 0, sehingga sanggup dikatakan bahwa tidak ada nilai yang sama antara Pre Test dan Post Test.

UJI HIPOTESIS WILCOXON

Dalam uji hipotesis kita menggunakan output SPSS yang kedua yakni output “Test Statistics”. Namun sebelum kita masuk pada analisis terhadap hasil output di atas, maka terlebih dulu perlu kita ketahui dasar pengambilan keputusan yang dipakai dalam uji wilcoxon untuk kita jadikan pegangan atau pedoman.

Dasar Pengambilan Keputusan dalam Uji Wilcoxon

1. Jika nilai Asymp.Sig. (2-tailed) lebih kecil dari < 0,05, maka Ha diterima.
2. Sebaliknya, jikalau nilai Asymp.Sig. (2-tailed) lebih besar dari > 0,05, maka Ha ditolak.

PENGAMBILAN KEPUTUSAN DAN PEMBUATAN KESIMPULAN



Berdasarkan output “Test Statistics” di atas, diketahui Asymp.Sig. (2-tailed) bernilai 0,000. Karena nilai 0,000 lebih kecil dari < 0,05, maka sanggup disimpulkan bahwa “Ha diterima”. Artinya ada perbedaan antara hasil berguru matematika untuk Pre Test dan Post Test, sehingga sanggup disimpulkan pula bahwa “ada efek penggunaan metode pembelajaran kelompok terhadap hasil berguru matematika pada siswa Sekolah Menengah Pertama kelas 8A”.

Baiklah, saya kira hingga disini dulu pembahasan kita perihal uji wilcoxon pada kesempatan kali ini, semoga bermanfaat. Oh iya, jikalau anda mau menguji perbedaan rata-rata dua kelompok yang tidak berpasangan untuk metode statistik non parametrik, maka anda sanggup menggunakan Uji Mann Whitney

[Search: Panduan Lengkap Cara Melakukan Uji Wilcoxon dengan SPSS, Contoh Statistik Non Parametrik Uji Wilcoxon menggunakan Program SPSS, Langkah-Langkah Uji Wilcoxon Signed Rank Test pada Aplikasi SPSS]
[Img: screenshot olah data SPSS versi 21]

Lihat Juga: Video Uji Wilcoxon dengan SPSS

Read More

Contoh Kasus Uji Beda Mann Whitney Memakai Spss

Contoh Kasus Uji Beda Mann Whitney Menggunakan SPSS | Seperti halnya uji independen sample t test, uji mann whitney juga dipakai oleh para meneliti dalam rangka untuk mengetahui ada tidaknya perbedaan rata-rata (means) data dua sampel yang tidak berpasangan. Dalam uji beda ini sampel yang dipakai tidak harus sama jumlahnya. Sementara itu, perbedaan yang fundamental antar uji tersebut yaitu bahwa uji independen sample t test merupakan potongan dari metode statistik parametrik, sedangkan uji mann whitney yaitu potongan dari statistik non parametrik. Metode statistik parametrik atau dalam hal ini uji independen sample t test mensyaratkan data penelitian haruslah berdistribusi normal [uji normalitas], alasannya yaitu jikalau data penelitian tidak berdistribusi normal dan maka hasil dari analisis data dianggap tidak memenuhi syarat atau tidak kredibel. Sementara, kelebihan dari metode statistik non parametrik [uji mann whitney] yaitu tidak adanya sebuah syarat bahwa data penelitian haruslah berdistribusi normal. Dengan demikian sanggup kita simpulkan bahwa saat data penelitian yang hendak anda uji independen sample t test ternyata tidak normal, maka sebaiknya anda mengganti uji tersebut dengan uji mann whitney.

CONTOH KASUS UJI BEDA MANN WHITNEY

Seorang guru ingin mengetahui [rumusan masalah] “apakah ada dampak penggunaan metode diskusi tehadap hasil berguru pada mata pelajaran IPA kelas 9”. Untuk keperluan tersebut, guru tidak memakai metode diskusi pada kelas A dan menerapkan metode diskusi pada kelas B, kemudian guru tersebut memperlihatkan ulangan untuk masing-masing kelas dengan soal yang sama, maka diperoleh nilai [hasil belajar] sebagai berikut:



PEMBERIAN KODE DATA SEBELUM MENGOLAH DATA KE SPSS

Untuk akomodasi pengolahan data dengan SPSS maka, perlu adanya pengkodean pada hasil berguru tersebut. Dinama, untuk hasil berguru kelas A diberi isyarat 1 dan untuk kelas B diberi isyarat 2, sehingga tampak data penelitian sehabis diberi isyarat sebagai berikut ini



[Download Data untuk Latihan]

LANGKAH-LANGKAH UJI BEDA MANN WHITNEY MENGGUNAKAN SPSS

1. Buka lembar kerja gres SPSS, kemudian klik Variable View, pada kolom Name baris ke satu tuliskan Hasil, dan pada baris kedua tuliskan Kelompok, pada potongan Label untuk Hasil tuliskan Hasil Belajar IPA, dan untuk Kelompok tuliskan Kelas, kemudian klik kolom kedua dari Values (None)



2. Maka muncul kotak obrolan “Value Labels”, pada kotak Value ketikan “1” dan pada kotak Label ketikan “Kelas A” kemudian klik Add, masih di kotak obrolan “Value Labels”, selanjutnya pada kotak Value ketikan “2” dan pada kotak Label ketikan “Kelas B” kemudian klik Add, sehabis itu klik Ok



3. Langkah berkutnya klik Data View, terlihat dilayar ada dua variabel yakni Hasil dan kelompok. Maka masukkan data hasil berguru untuk kelas A dan kelas B ke kotak “Hasil” dimulai dari hasil berguru kelas A kemudian diikuti hasil berguru kelas B. Pada variabel Kelompok masukkan data isyarat untuk kelas A kemudian diikuti isyarat kelas B, sehingga tampak dilayar menyerupai gambar berikut



4. Setelah semua data terinput dengan benar, maka selanjutnya kli sajian Analyze kemudian klik Non Parametrik Tests kemudian klik Legacy Dialogs, kemudian klik 2 Independent Samples…



5. Maka muncul kotak obrolan “Two-Independent-Samples Tests”, kemudian masukkan variabel Hasil Belajar IPA [Hasil] ke kolom Test Variable List:, kemudian masukkan variabel Kelas [Kelompok] ke kotak Grouping Variable, selanjutnya pada potongan Test Type berikan tanda cek (v) pada pilihan Mann-Whitney U, kemudian klik tombol Define Grouping



6. Maka mucul kotak obrolan “Two-Independent-Samples:Define”, selanjutnya pada potongan Group 1 tuliskan angka 1 dan pada Group 2 tuliskan 2, kemudian klik Continue, dan klik Ok



7. Dengan begitu maka akan muncul Ouput Mann-Whitney Test sebagaimana gambar berikut:






PENGUJIAN HIPOTESIS PENELITIAN DALAM UJI MANN WHITNEY

Hipotesis didefinisikan sebagai kesimpulan sementara dalam sebuah penelitian. Hipotesis yang ejekan dalam penelitian ini yaitu Ha = ada perbedaan hasil berguru IPA antara kelas A dengan kelas B.

Dasar Pengambilan Keputusan dalam Uji Mann Whitney

Sebelum kita masuk pada potongan pengujian hipotesis, maka terlebih dahulu aku sampaikan dasar pengambilan keputusan yang dijadikan teladan dalam uji mann-whitney:

1. Jika nilai Signifikansi atau Asymp. Sig. (2-tailed) lebih kecil dari probabilitas 0,05 maka hipoteisis atau “Ha diterima”
2. Namun jikalau nilai Signifikansi atau Asymp. Sig. (2-tailed) lebih besar dari probabilitas 0,05 maka hipoteisis atau “Ha ditolak”

Berdasarkan output “Test Statistics” dalam uji mann-whitney di atas diketahui bahwa nilai Asymp. Sig. (2-tailed) sebesar 0,000 lebih kecil dari < nilai probabilitas 0,05. Oleh lantaran itu, sebagaimana dasar pengambilan keputusan uji mann-whitney di atas maka sanggup disimpulkan bahwa “Ha diterima.” Dengan demikian sanggup dikatakan bahwa ada perbedaan hasil berguru IPA antara kelas A dengan kelas B. Karena ada perbedaan yang signifikan maka rumusan problem penelitianpun juga sanggup terjawab yakni “ada dampak penggunaan metode diskusi terhadap hasil berguru pada mata pelajaran IPA kelas 9”.

Selesai sudah cara melaksanakan uji beda mann whitney memakai SPSS, selamat mencoba biar berhasil..

Catatan: untuk kasus perbedaan rata-rata dua sampel yang berpasangan maka metode statistik non parametrik yang dipakai yaitu Uji Wilcoxon

[Search: Contoh Kasus Uji Beda Mann Whitney Menggunakan SPSS, Cara Praktis melaksanakan Statistik non Parametrik Uji Mann Whitney U dengan Program SPSS, Panduan Lengkap Uji Perbedaan Rata-Rata Data Dua Sampel Tidak Berpasangan pada SPSS, Ouput Mann-Whitney Test]
[Img: screenshot olah data SPSS versi 21]

Lihat Juga: Video Uji Mann Whitney dengan SPSS

Read More

Cara Melaksanakan Analisis Anova Satu Faktor Dengan Spss

Cara Melakukan Analisis Anova Satu Faktor dengan SPSS | Analisis one way ANOVA atau uji anova satu faktor intinya bertujuan untuk membandingkan nilai rata-rata yang terdapat pada variabel terikat di semua kelompok yang dibandingkan. Nilai masing-masing kelompok dilihat menurut pada variabel bebas yang berskala kategori. Fungsi variabel bebas disini tolong-menolong yaitu untuk mewakili kelompok-kelompok yang akan diteliti. Variabel bebas dalam analisis anova satu faktor disebut juga sebagai variabel faktor, sementara kelompok-kelompok yang dibandingkan disebut sebagai variabel tingkatan faktor.

Prosedur analisis Anova satu faktor sanggup menghasilkan analisis satu faktor untuk sebuah variabel terikat dengan sebuah variabel bebas. Seperti yang sudah saya utarakan di awal pembahasan ini, bahwa teknik analisis Anova satu faktor pada prinsipnya yaitu untuk menguji sebuah hipotesis yang akan mengambarkan nilai rata-rata masing-masing variabel tersebut sama atau tidak. Pertanyaan yang sering kali terbesit dibenak kita yaitu “lantas apa perbedaan antara uji analisis Anova satu faktor dengan uji independent sample t test, alasannya yaitu kedua uji tersebut sama-sama bertujuan untuk membandingkan nilai rata-rata?” Penjelasannya yaitu bahwa analisis Anova satu faktor yaitu ekspansi dari teknik uji independent sample t test. Perbedaan yang fundamental yaitu dimana uji independent sample t test sendiri dipakai untuk membandingkan nilai rata-rata variabel terikat pada dua kelompok saja, sedangkan lebih jauh dari itu analisis Anova satu faktor sanggup dipakai untuk kelompok yang berjumlah lebih dari 2 (dua) serta memiliki nilai rata-rata yang sama ataupun berbeda.


PERSYARATAN PENGUNAAN ANALISIS ANOVA

Dalam memakai Anova untuk menganalisis data penelitian, terdapat beberapa syarat yang harus terpenuhi. Adapun syarat-syaratnya antara lain:

1. Sebaran data untuk masing-masing kelompok harus berdistribusi normal [Cara Uji Normalitas untuk One Way Anova dengan SPSS Lengkap]
2. Variabel terikat harus memiliki kesamaan varian atau bersifat homogen, dengan demikian tentunya kita harus melaksanakan uji homogenitas terlebih dahulu.
3. Subjek dalam setiap kelompok harus dipilih secara random atau acak dengan memakai teknik probabilitas.
4. Data penelitian untuk variabel terikat idealnya berskala interval. Sementara, bila data penelitian yang diperoleh berskala ordinal maka sebaiknya ditransformasi atau di ubah menjadi skala interval terlebih dahulu. Transformasi data sanggup dilakukan dengan MSI atau metode suksesif interval.
5. Kelompok yang dibandingkan harus berasal dari sampel yang berbeda atau tidak berpasangan dengan kata lain responden penelitian untuk masing-masing kelompok haruslah berbeda.
6. Variabel bebas idealnya bersifat non metrik atau berskala ordinal.

CONTOH KASUS ANALISIS ANOVA SATU FAKTOR

Pada kempatan kali ini saya akan mempraktekkan cara melaksanakan analisis anova satu faktor dengan tumpuan kasus: “Seorang peneliti ingin membandingkan penjualan handphone dengan merek Samsung, Oppo, Vivo, dan Lenovo”. Dimana para pembeli handphone di toko-toko tertentu hanya dihadapkan pada keempat merek tersebut, kemudian akan diteliti tentang:

1. Berapa rata-rata penjualan keempat handphone tersebut?
2. Apakah terdapat perbedaan rata-rata dalam penjualan keempat handphone tersebut?
3. Rata-rata penjualan handphone mana saja yang sama atau berbeda penjualannya?

Penelitian ini dilakukan selama 10 minggu, adapun data penelitian yang terkumpul sebagaimana table data di bawah ini.

Sebelum kita melaksanakan analisis terhadap data di atas dengan aktivitas SPSS, maka sebaiknya bentuk tabel di atas kita dimodifikasi terlebih dahulu menjadi dua buah tabel. Sebab dalam dalam analisis anova satu faktor dengan SPSS, kita hanya sanggup memasukkan dua variabel saja. Oleh alasannya yaitu itu, tabel di atas kita ubah menjadi menyerupai tabel data di bawah ini.

Download Data Lengkap


CARA MELAKUKAN ANALISIS ANOVA SATU FAKTOR DENGAN SPSS

Langkah-langkah dalam melaksanakan analisis anova satu faktor dengan SPSS dimulai dengan:

1. Buka aktivitas SPSS, kemudian klik Variable View, kemudian untuk memasukkan nama dan mendefinisikan varabel, maka:

Variabel pertama: Merek (X), isikan dengan:
Name: ketikkan X
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 0
Label: tuliskan Merek
Value: klik pada pecahan none, maka akan muncul kotak obrolan “Value Labels” untuk kotak Value isikan 1, kemudian pada kotak Label isikan Samsung, kemudian klik Add. Kemudian isikan lagi 2 untuk kotak Value dan isikan Oppo untuk kotak Label, kemudian klik Add. Begitu seterusnya hingga keempat merek handphone terinput pada kotak Value Labels.

Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Scale
Role: pilih Input

Variabel kedua: Penjualan (Y), maka isikan dengan:
Name: ketikkan Y
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 0
Label: tuliskan Penjualan
Value: pilih None
Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Scale
Role: pilih Input

Sehingga di layar akan tampak, sebagai berikut:

2. Jika semua nama variabel sudah ditulis dengan benar, selanjutnya klik Data View, kemudian input data variabel Merek ke kotak X dan variabel Penjualan ke kotak Y

3. Jika data sudah lengkap, maka klik sajian Analyze – Compare Means – One-Way ANOVA

4. Maka muncul kotak obrolan “One-Way ANOVA”, selanjutnya pindahkan variabel Penjualan (Y) ke kolom Dependent List, kemudian pindahkan variabel Merek (X) ke kolom Factor

5. Langkah berikutnya klik Post Hoc, maka muncul kotak obrolan “One-Way ANOVA: Post Hoc Multiple Comparisons”. Pilih Tukey, kemudian klik Continue

6. Kemudian klik Options, maka muncul kotak obrolan “One-Way ANOVA: Options” berikan tanda centang pada Descriptive dan Homogenity of variance test, kemudian klik Continue

7. Langkah terakhir yaitu klik Ok, maka akan muncul Ouput SPSS yang kita butuhkan dalam Analisis Anova Satu Faktor


INTERPRETASI OUTPUT ANALISIS ANOVA SATU FAKTOR DENGAN SPSS

Pembahasan mengenai output SPSS dalam analisis Anova satu faktor akan saya bagi menjadi 5 tahap pembahasan supaya lebih detail dan sistematis. Kita mulai dari:

A. Melihat Perbedaan Rata-Rata Penjualan Empat Merek Handphone

Berdasarkan output SPSS di atas, kita sanggup melihat perbedaan rata-rata penjualan dari keempat merek handphone dengan rincian sebagai berikut:

1. Rata-rata penjualan handphone Samsung sebesar 45,30.
2. Rata-rata penjualan handphone Oppo sebesar 41,10.
3. Rata-rata penjualan handphone Vivo sebesar 39,00.
4. Rata-rata penjualan handphone Lenovo sebear 35,70.

Dengan demikian maka secara deskriptif sanggup disimpulkan bahwa rata-rata penjualan paling tinggi yaitu handphone Samsung yakni sebesar 45,30.


B. Menguji Kesamaan Varian (Uji Homogenitas)

Berdasarkan output SPSS di atas, diperoleh angka Levene Statistic sebesar 2,508 dengan signifikansi atau probabilitas (Sig) sebesar 0,074. Karena nilai signifikansi 0,074 lebih besar dari 0,05, maka sanggup disimpulkan bahwa varian keempat kelompok penjualan handphone yang kita bandingkan tersebut yaitu sama atau homogen.

Baca: Cara Melakukan Uji Homogenitas dengan SPSS

C. Menguji Apakah Keempat Sampel Mempuyai Rata-Rata yang Sama atau Berbeda (Analisis Anova)

Dasar pengambilan keputusan dalam Analisis Anova:

1. Jika nilai signifikansi (Sig) > 0,05 maka rata-rata sama.
2. Jika nilai signifikansi (Sig) < 0,05 maka rata-rata berbeda.

Berdasarkan output Anova di atas, diketahui nilai sig sebesar 0,009 < 0,05, sehingga sanggup disimpulkan bahwa rata-rata keempat penjualan merek handphone tersebut “BERBEDA” secara signifikan.


D. Mencari Kelompok Mana Saja yang Rata-Rata Penjualannya Sama dan Tidak Sama (Tes Post-Hoc)

Pengujian Tukey HSD yaitu pengujian perbandingan jamak untuk memilih apakah tiga rata-rata atau lebih berbeda secara signifikan dalam jumlah analisis varian. Sebagai contoh, kita akan membadingkan rata-rata penjualan handphone Samsung dengan Oppo. Angka perbedaan rata-rata untuk penjualan merek handphone tersebut yaitu 4,200. Angka ini diperoleh dari nilai rata-rata (pada output deskriptif) untuk penjualan Samsung (45,30) dikurangi dengan rata-rata penjualan Oppo (41,10). Sementara itu, perbedaan rata-rata penjualan berkisar antara -3,06 (Lower Bound) hingga dengan 11,46 (Upper Bound) pada tingkat kepercayaan 95%. Untuk menguji apakah terdapat perbedaan rata-rata kedua merek handphone tersebut, maka kita harus melihat apakah nilai signifikansi hasil output SPSS lebih besar atau lebih kecil dari 0,05. Berdasarkan output di atas diketahui nilai Sig sebesar 0,415 > 0,05, maka sanggup disimpulkan bahwa penjualan handphone Samsung dan Oppo yaitu sama dan perbedaan rata-rata penjualan secara deskriptif antara kedua handphone tersebut tidaklah signifikan. Selanjutnya untuk membandingkan kelompok yang lainnya dilakukan dengan cara yang sama sebagaimana cara di atas.


E. Melihat Kesamaan Rata-Rata Penjualan Keempat Merek Handphone

Untuk melihat kesamaan rata-rata, maka kita akan memakai output Tukey HSD. Berikut interpretasi tabel di atas:

1. Pada subset 1 terdapat data penjualan Lenovo, Vivo, dan Oppo. Artinya rata-rata penjualan ketiga merek handphone tersebut tidak memiliki perbedaan yang signifikan. Dengan kata lain, rata-rata penjualan Lenovo, Vivo, dan Oppo yaitu sama.
2. Pada subset 2 terdapat data penjualan Vivo, Oppo, dan Samsung. Artinya rata-rata penjualan ketiga merek handphone tidak memiliki perbedaan yang signifikan. Dengan kata lain, rata-rata penjualan Vivo, Oppo, dan Samsung yaitu sama.

PEMBUATAN KESIMPULAN DALAM ANALISIS ANOVA SATU FAKTOR

Dalam riset eksperimen ini hanya rata-rata penjualan Samsung dengan Lenovo saja yang berbeda, sedangkan rata-rata penjualan handphone merek lainnya yaitu sama. Dengan demikian, variabel merek hanya kuat secara signifikan terhadap perbedaan rata-rata penjualan handphone merek Samsung dan Lenovo.

Tonton: Bimbingan Kilat Uji One Way Anova dengan SPSS bagi Pemula

Demikian serangkain pembahasan kita wacana cara melaksanakan analisis anova satu faktor dengan SPSS, supaya sanggup bermanfaat bagi pembaca semua. Terimakasih atas perhatian kawan-kawan. Salam…

Catatan: Solusi alternatif dikala data penelitian dalam uji one way anova tidak berdistribusi normal yaitu memakai statistik non paramtrik yakni dengan Uji Kruskal Wallis

[Search: Cara Melakukan Analisis Anova Satu Faktor dengan SPSS, Persyaratan Pengunaan Analisis Anova Satu Faktor, Panduan Langkah-langkah Uji Anova Satu Faktor memakai SPSS Interpretasi, Prosedur Analisis one way ANOVA SPSS]

Read More