1. Menguji dahulu asumsi apakah variance populasi kedua sampel tersebut (laki-laki dan perempuan) adalah sama (equal variance assumed) ataukah berbeda (equal variances not assumed) Show
2. Setelah mengetahui apakah variance sama atau tidak, baru kemudian melihat nilai t-test untuk menentukan apakah terdapat perbedaan nilai rata-rata secara nyata (signifikan) atau tidak Hipotesis uji masing-masing variabel sebagai berikut: H0: Variance populasi usia antara karyawan laki-laki dengan karyawan perempuan adalah sama H1: Variance populasi usia antara karyawan laki-laki dengan karyawan perempuan adalah berbeda ----------------------------------------------------- H0: Variance populasi masa kerja antara karyawan laki-laki dengan karyawan perempuan adalah sama H1: Variance populasi masa kerja antara karyawan laki-laki dengan karyawan perempuan adalah berbeda ----------------------------------------------------- H0: Variance populasi jam kerja antara karyawan laki-laki dengan karyawan perempuan adalah sama H1: Variance populasi jam kerja antara karyawan laki-laki dengan karyawan perempuan adalah berbeda Pengambilan Keputusan:Jika probabilitas > 0,05, maka H0 tidak dapat ditolak jadi variance samaJika probabilitas < 0,05, maka H0 ditolak jadi variance berbeda Hasil AnalisisTerlihat pada tabel kedua (independent samples test) pada variabel usia nilai F hitung Levene test sebesar 0,730 memiliki probablitas (Sig.) lebih besar dari 0,05 (0,400>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance assumed sebesar 1,888 dengan probabilitas signifikansi 0,069 (0,069>0,05) (two tail). Jadi dapat disimpulkan bahwa rata-rata usia karyawan laki-laki dengan karyawan perempuan adalah sama (tidak berbeda secara signifikan)Terlihat pada tabel kedua (independent samples test) pada variabel masa kerja nilai F hitung Levene test sebesar 0,807 memiliki probablitas (Sig.) lebih besar dari 0,05 (0,377>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance assumed sebesar 3,559 dengan probabilitas signifikansi 0,001 (0,001<0,05) (two tail). Jadi dapat disimpulkan bahwa rata-rata masa kerja karyawan laki-laki dengan karyawan perempuan adalah tidak sama (berbeda secara signifikan) Terlihat pada tabel kedua (independent samples test) pada variabel jam kerja nilai F hitung Levene test sebesar 2,024 memiliki probablitas (Sig.) lebih besar dari 0,05 (0,166>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance assumed sebesar 0,597 dengan probabilitas signifikansi 0,555 (0,555>0,05) (two tail). Jadi dapat disimpulkan bahwa rata-rata masa kerja karyawan laki-laki dengan karyawan perempuan adalah sama (tidak berbeda secara signifikan) Mempercantik Tampilan OutputAgar tampilan output kelihatan cantik dan profesional seperti di atas, maka langkah-langkahnya sebagai berikut:
Demikian cara melakukan uji beda atau independent sample t-test. Mudah bukan?! bagi sahabat yang ingin berbagi komentar silahkan kirimkan di kolom komentar. Bagi yang ingin berlangganan silahkan kirimkan emailnya. Terima kasih atas kunjungannya, semoga apa yang penulis jelaskan di atas memberikan manfaat bagi sahabat sekalian. Wassalam. Daftar Isi
Pengertian Uji T Tidak Berpasangan (Independent T Test)PenaPelajar.com Uji T Tidak Berpasangan atau Independet T Test merupakan salah satu uji komparatif atau uji perbedaan yang membedakan dua data pada skala interval dan rasio. Di artikel ini akan di bahas cara melakukan pengujian menggunakan SPSS dan Microsoft Excel. Syarat PengujianSyarat Uji T Tidak Berpasangan adalah perbedaan dua kelompok data terdistribusi normal. Uji normalitas data dapat dilakukan menggunakan Shapiro Wilk, Lilliefors, atau Kolmogorov Smirnov. Tutorial Uji T Tidak Berpasangan dengan Microsoft ExcelPastikan fitur Data Analysis telah terinstal di Microsoft Excel. Cara instal Data Analysis data mengikuti link berikut (Instal Data Analysis). Pada contoh ini akan dilakukan pengujian dengan judul penelitian “Perbedaan Jenis Pakan terhadap Bobot Badan Mencit”
Karena t hitung (t stat) <= t tabel (t critical two tail) yaitu 0,894 <= 2,119. Maka, hipotesis (Ha) ditolak yaitu Tidak Ada Perbedaan Jenis Pakan terhadap Bobot Badan Mencit. Tutorial Uji T Tidak Berpasangan dengan SPSSPastika aplikasi IBM Statistics SPSS telah terinstal. Cara instal dapat mengikuti langkah berikut (Cara Instal IBM Statistics SPSS).
Karena sig. (2-tailed) >= alpha yaitu 0,385 >= 0,05. Maka, hipotesis (Ha) ditolak yaitu Tidak Ada Perbedaan Jenis Pakan terhadap Bobot Badan Mencit. Sitasi: Syamsussabri, M. (2021). Tutorial Cara Uji T Tidak Berpasangan (Independent T Test) dengan Microsoft Excel dan SPSS, (Online), (https://penapelajar.com/tutorial-cara-uji-t-tidak-berpasangan-independent-t-test-dengan-microsoft-excel-dan-spss/). Bagaimana cara melakukan uji independent samples?Uji Independent Sample T Test Dengan SPSS. Pertama, Klik Tab Analyze.. Kedua, Klik Compare Means.. Ketiga, Klik Independent-Samples T Test…. Keempat, masukkan Variabel “Hasil” ke kolom Test Variable(s). ... . Kelima, masukkan variabel “Kelas” ke kolom Grouping Variable.. Keenam, klik Define Group.. Bagaimana cara penggunaan uji t?Berikut langkah-langkah melakukan uji Independent T Test menggunakan SPSS:. Klik Analyze > Compare Means > Idependent-Samples T Test... ... . Memilih variabel yang diuji pada kotak Test Variable(s) ... . Memilih Grouping Variable. ... . Tentukan 2 jenis kelompok pada Define Groups... ... . Klik OK.. Langkah pertama yang dilakukan untuk uji T independen adalah?langkah pertama cari nilai rata-rata dari setiap kelompok sampel, jika dengan cara manual bisa dengan menggunakan cara jumlah skor kelompok i / jumlah responden, dan jika berbantuan software micorsoft excel bisa menggunakan rumus average.
Kapan menggunakan independent sample t test?Independent sample t-test merupakan uji parametrik yang digunakan untuk mengetahui adakah perbedaan mean antara dua kelompok bebas atau dua kelompok yang tidak berpasangan dengan maksud bahwa kedua kelompok data berasal subjek yang berbeda.
|