Student Test dengan SPSS

                                                

Student test adalah uji yang mengukur tingkat signifikansi perbedaan Mean sekelompok data dengan sebuah nilai Mean dari kelompok tertentu atau Mean yang telah ditentukan. Setelah anda mempelajari Uji T Student, kini saatnya mempelajari cara melakukan uji student test dengan menggunakan aplikasi SPSS. Dalam artikel Student T Test ini, kita akan bahas tutorial Uji T Student menggunakan aplikasi SPSS.

Materi Uji Student T Test dengan SPSS

Pertama kali silahkan anda download file kerja dalam tutorial ini DI SINI. Kemudian buka dengan aplikasi anda.

Apabila sudah terbuka, maka tampak dataset sebagai berikut:

Student T Test dengan SPSS

Perhatikan di atas, bahwa kita memiliki data tinggi badan 20 sampel siswa SD kelas 6 di sekolah A. Kemudian hipotesis yang diajukan adalah: apakah ada perbedaan antara rata-rata tinggi badan siswa SD kelas 6 sekolah A dibandingkan dengan rata-rata tinggi badan standart nasional?

Asumsi Uji Student T Test Dengan SPSS

Sebelum uji t student kita lakukan, pertama kali kita harus melakukan uji outlier dan uji normalitasdengan menggunakan uji shapiro wilk. Caranya sudah kami bahas dalam Normalitas pada SPSS. Jika cara anda benar, maka akan mendapatkan output sebagai berikut:

Normalitas Output uji t Student

Tampak bahwa Sig uji Shapiro wilk sebesar 0,465 di mana lebih besar dari batas kritis 0,05 sehingga dapat disimpulkan bahwa sampel berdistribusi normal.

Normal QQ Uji T Student

Stem-leaf Uji T Student

Box-plot Uji T Student

Grafik Normalitas Uji T Student

Dengan Normal QQ plot, tampak bahwa tidak ada plot yang terpisah jauh dengan kelompoknya atau terpisah jauh dari garis lurus. Begitu pula stem-leaf tidak menunjukkan adanya nilai ekstrem. Box-plot tidak menunjukkan adanya plot di atas atau di bawah box-plot. Oleh karena itu dapat disimpulkan bahwa tidak terdapat outlier.

Setelah kita pastikan tidak ada masalah asumsi, selanjutnya kita lakukan uji student t test. Pada Menu, klik Analyze, Compare Means, One sample t test. Jika jendela telah terbuka, masukkan variabel yang akan kita uji yaitu tinggi badan ke dalam kotak Test Variable(s). Pada kolom Test Value, isi dengan rata-rata yang akan kita bandingkan (mean spesifik) yaitu rata-rata tinggi badan standart nasional sebesar 150.

Student T Test SPSS

Selanjutnya tekan OK dan lihat Output.

Student T Test SPSS Descriptive

Interprestasi Uji T Student Dengan SPSS

Output di atas menunjukkan jumlah sampel yang digunakan yaitu N = 2. Besarnya rata-rata sampel yaitu Mean = 1.4550E2 atau 145,50. Besarnya standart deviasi yaitu S = 8,03610. Dan besarnya Standart Error of mean yaitu 1,79693.

Output Student T Test SPSS

Output di atas menunjukkan selisih perbedaan antara mean sampel (145,50) dengan mean spesifik (150) yaitu Mean Differences = 145,50 – 150 = -4,500. degree of freedom (DF) yaitu N – 1 = 20 – 1 = 19. Nilai t hitung sebesar -2,504. Maka untuk pengujian 2 pihak, kita bandingkan nilai t hitung tersebut dengan t tabel pada df 19 dan probabilitas 0,05 yaitu t tabel sebesar 2,093.

Pelajari cara membuat r tabel dan t tabel di: Cara Membuat R Tabel dalam Excel.

Signifikansi Uji T Student Dengan SPSS

Apabila t hitung > t tabel atau -t hitung < -t tabel, maka perbedaan signifikan atau H1 diterima dan H0 ditolak. Dalam kasus di atas: -2,504 < -2,093 maka keputusan hipotesis adalah menerima H1 dan menolak Ho atau yang berarti dalam derajat kepercayaan 95% terdapat perbedaan yang bermakna antara rata-rata sampel dengan rata-rata standart nasional.

Cara lain untuk menjawab hipotesis adalah dengan melihat nilai p value atau di atas ditunjukkan dengan nilai Sig (2-tailed) yaitu sebesar 0,022 di mana kurang dari batas kritis 5% atau 0,05 maka kesimpulannya adalah menerima H1 dan menolak Ho atau yang berarti dalam derajat kepercayaan 95% terdapat perbedaan yang bermakna antara rata-rata sampel dengan rata-rata standart nasional.

Demikian tutorial uji student t test dengan SPSS, semoga bermanfaat bagi para peneliti dalam penelitiannya. Selanjutnya pelajari tentang rumus Uji T Student di: Student T Test dengan Excel.

input data kuesioner ke dalam spss

                                      

 Bagi peneliti yang menggunakan pendekatan kuantitatif mungkin akan menjumpai beberapa alat bantu analisis baik berupa software maupun alat hitung yang berfungsi membantu peneliti dalam mengolah data yang didapat dilapangan.
     Salah satu software yang sering digunakan adalah software package used for statistical analysis atau biasa disingkat SPSS. SPSS banyak digunakan peneliti kuantitatif karena tampilan dan penggunaannya yang sederhana dan mudah dipahami. SPSS juga menyediakan berbagai rumus analisis seperti Dubbin-Watson, Pearson, t-test, F-test dan banyak lagi, sehingga peneliti atau pengguna software hanya tinggal memilih rumus analisis apa yang ingin digunakan. Rumus-rumus tersebut juga terus dimutakhirkan oleh developer SPSS, sehingga versi dari SPSS terus diupdate. sehingga saran saya, apabila anda menggunakan rumus analisis yang baru, maka download software SPSS terbaru. Namun, jika sekedar regresi atau Annova, versi lama SPSS masih mengakomodir.

     Untuk kali ini, saya akan mengajarkan pada anda secara rinci terkait bagaimana cara menggunakan SPSS dimulai dari memasukkan data dari kuesioner ke SPSS. Tahap entry / input data merupakan tahap awal sebelum peneliti melakukan pengujian yang lainnya. Semisalkan, data dari kuesioner saya adalah sebagai berikut

TABEL 1. DATA KARYAWAN PERUSAHAAN XY TAHUN 2003

Nama	Umur	Gender	Masa Kerja	Tinggi Badan	Berat Badan
Mardiana	42	Laki - Laki	20	167	63
Sutisna	41	Laki - Laki	20	162	61
Suhardi	43	Laki - Laki	24	156	58
Suwanto	35	Laki - Laki	16	160	45
Slamet	30	Laki - Laki	13	157	59
Asep Kurnio	37	Laki - Laki	18	158	57
Dana Wardana	35	Laki - Laki	13	163	63
Soleh Hidayat	34	Laki - Laki	11	158	55
MI. Saefudin	49	Laki - Laki	20	159	56
Hapipudin	44	Laki - Laki	10	155	50
Kasbi	43	Laki - Laki	21	161	56
Tujo Raharjo	36	Laki - Laki	17	162	62
Supandi	35	Laki - Laki	14	162	50
Samsudin	33	Laki - Laki	15	170	70
Solihin	30	Laki - Laki	10	165	70
Agus Rohanda	41	Laki - Laki	19	162	46
Rustiyah	38	Perempuan	22	162	45
Sukamtin	40	Perempuan	20	151	50
Suryadi	40	Laki - Laki	18	156	60
Musri P	38	Laki - Laki	19	159	54
Neni	37	Perempuan	24	150	44
Moh. Arif	21	Laki - Laki	1	169	63
Muksin	34	Laki - Laki	14	160	50
Dinar Sundawati	36	Perempuan	11	156	53
Sarmiyati	45	Perempuan	26	146	63
Hadi Sumarwoto	47	Laki - Laki	26	170	62
Wasiyah	39	Perempuan	20	153	57
Edy Supriady	35	Laki - Laki	12	160	68
Emi	31	Perempuan	12	154	44
Sopiah	46	Perempuan	24	155	54

1. maka, buka software SPSS anda...disini, saya menggunakan versi lama dari SPSS sehingga tampilannya masih sederhana.
dan berikut tampilan yang akan kalian jumpai...sedikit serupa dengan microsoft excel, namun memiliki opsi pilihan yang berbeda. dan selalu terdiri dari 2 sheet, yaitu "data view" dan "variable view".


Data View adalah tab sheet yang menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan. Pada tab sheet inilah, anda mengentri data ke SPSS. Diatasnya terdapat menu-menu seperti File, Edit, View, Windows, dan Helpseperti halnya menu-menu umum pada aplikasi under Windows lainnya. Menu-menu utama SPSS adalah:

• Data. Menu ini menampilkan submenu untuk melakukan perubahan-perubahan data, seperti mengurutkan data, memisahkan isi file dengan kriteria tertentu, menggabungkan data, etc.
• Transform. Menu untuk transformasi data, seperti menghitung variabel data, mengubah data, merangking data, etc.
• Analyze. Menu yang menjadi pusat pengolahan data, seperti mengolah statistik deskriptif, regresi, korelasi, etc.
• Graphs. Menu untuk menampilkan data dan hasil pengolahan data dalam bentuk grafik dan chart,seperti bar charts, histogram, scatter diagram, etc.
• Utilities. Menu pelengkap dalam pengoperasian SPSS, seperti menampilkan informasi variabel, mendefinisikan dan menampilkan variabel data, etc.

Variable View adalah  tab sheetyang menampilkan kamus metadata di mana setiap baris mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data (misal: numeric, string, date), lebar cetak, dan berbagai karakteristik lain.

Menu yang tersedia dalam Variabel View diantaranya:

 Name. Kolom ini untuk memberikan informasi tentang nama variabel data. Nama variabel yang kita tuliskan di sini akan muncul pada Data View. Beberapa aturan penamaan variabel: 

• • Nama variabel maksimal 8 karakter.
  • Nama diawali dengan huruf (tidak bisa dimulai dengan angka), sisanya dapat berisi huruf, angka, titik, atau simbol @, #, _, atau $. Kosong dan karakter khusus lain (misal: ! , ? , ‘ , dan *) tidak dapat digunakan.
  • Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
  • nama variabel harus unik; duplikasi tidak diperbolehkan.
  • Nama-nama variabel tidak case sensitif, “Nama”, “nama”, dan “naMa” semua dianggap sama.

Type. Kolom ini untuk memberikan jenis variabel data yang digunakan seperti angka, huruf atau desimal.

Label. Kolom ini menunjukkan tambahan informasi dengan memberi label pada variabel data yang kita inginkan. Misalnya:
variabel: ”nama” kita beri label: ”responden”
variabel: ”umur” kita beri label ”umur”
variabel ”gender” kita beri label ”jenis kelamin”, dan seterusnya
Pemberian label dapat membantu dalam interpretasi hasil analisis (output) karena definisi output lebih jelas.
  
Value. Kolom ini untuk memberikan label string yang diterapkan untuk nilai numeric tertentu, biasanya untuk data yang bersifat ordinal dan interval, misal angka 1 untuk laki-laki dan angka 2 untuk perempuan. Klik ikon  pada kolom Values maka akan muncul dialog box Value Labels. Misalnya untuk variabel ”gender” kita akan mendefinisikan ”jenis kelamin” dengan memberi label: Isi [Value]  dengan angka 1 dan [Label] dengan “Laki-laki” lalu klik [Add], kemudian ulangi  langkah-langkah tersebut untuk jenis kelamin “Perempuan“. Nantinya pada variabel gender, kita tidak perlu menuliskan laki-laki dan perempuan melainkan cukup mengisi 1 untuk laki-laki dan 2 untuk perempuan

Missing. Kolom ini menunjukkan nilai yang hilang (missing value) dalam data (jika ada). Responden dapat menolak untuk menjawab pertanyaan tertentu, mungkin tidak tahu jawabannya, atau mungkin menjawab dalam bentuk lain. Jika anda tidak mengidentifikasi data ini, analisis anda mungkin tidak memberikan hasil yang akurat.

Columns. Kolom ini  menunjukkan lebar kolom. baik jenis data numeric maupun string, lebar maksimal 255 digit.

Align. Kolom ini  menunjukkan posisi data pada tiap cell. Terdapat tiga pilihan posisi data, yaitu: left (rata kiri), right (rata kanan), dan center (rata tengah). fungsi ini sama persis saperti yang ada di microsoft office.

Measure. Kolom ini  menunjukkan jenis ukuran data yang digunakan. Terdapat tiga pilihan jenis ukuran data, yaitu:  
Scale/interval,  Kelompok data interval adalah kelompok data kuantitatif. Angka yang digunakan pada data ini menunjukkan suatu urutan dan dapat dilakukan operasi matematika. Angka nol pada data interval bukan seperi angka nol pada arti sesungguhanya. seperti usia 0-5 tahun, 6-11 tahun, 12-16 tahun
Nominal, Data nominal adalah kelompok data kulitatif dan merupakan level data paling sederhana. Apabila pada pengambilan data yang dihasilkan hanya berupa kategori maka data tersebut adalah data Nominal. seperti kategori (1) untuk laki-laki dan kategori (2) untuk perempuan.
Ordinal, Data ordinal adalah data kelompok kualitatif di atas data Nominal. Jika pada data ordinal semua data setara maka pada data ordinal ada klasifikasi berdasarkan tingkatannya. Tingakatan ini  berdasarkan  kriteria tertentu pada saat pengambilan data. seperti kategori (1) untuk SD kategori (2) untuk SMP, kategori (3) untuk SMA 
Rasio Data rasio adalah tipe data level tertinggi pada pengukuran .Data ini termasuk data kuantitatif angka yang digunakan pada data ini adalah angka sesungguhnya. sehingga dapat dilakukan operasi matematika. Angka nol memiliki nilai yang sesungguhnya.


 2. Langkah selanjutnya adalah memasukkan metadata pada variable view. langkah ini seperti membuat master sebelum data pada kuesioner kita masukkan. sebagian orang menyebut langkah ini sebagai koding atau pengkodean atau klasifikasi golongan data.

Variabel pertama: Nama
Kolom Name atau nama variabel, ketik dengan nama untuk menamai responden
Pilihan Type atau tipe data, karena data berupa non-angka, maka diisi tipe string. Dengan banyak karakter 14, karena banyaknya karakter pada contoh paling banyak 14 dan klik OK, Tampak di layar:

• Karena ini Anda telah mendefinikan variable Nama mempunyai tipe variable string maka kolom decimal tidak aktip dan bernilai 0.
• Untuk menjelaskan nama dari variable “nama” maka kita masukan dalam kolom Label “ Nama Responden”.
• Kolom Values. Anda isi dengan none. Ini menyatakan bahwa tidak ada nilai numeric pada variable Nama yang perlu di beri nilai tertentu. Tentu saja hal ini akan berlaku untuk semua data bertipe string.
• Kolom missing, Anda isi dengan None. Ini menyatakan bahwa Anda tidak berharap adanya data yang hilang dan tentu saja ini sesuai dengan contoh.
• Kolom Columns, akan terlihat angka 8. ini merupakan angka default. Karena nama variable “Nama” mempunyai karakter kurang dari 8 maka tentu saja nilai ini dapat kita rubah minimal 4. dengan pertimbangan meingisikan nilai 4 pada Columns akan menyebabkan tertutupnya data nama responden yang mempunyai karakter maksimal 8 dalam hal ini maka sebaiknya dalam Columns mempunyai nilai 8 tepatnya 14.
• Kolom Align, secara default akan berisi left. Tentunya nilai left ini Anda dapat rubah sesuai keinginan Anda, yaitu dapat Right atau Center.
• Karena ini merupakan data string maka kolom Measure akan berisi nilai nominal.

Setelah semua proses pengisian kolom-kolom Data Editor (angka 1-seterusnya) pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable nama, yaitu nama-nama responden. Dalam memasukan data, Anda dapat memasuknya satu per satu atau copy – paste.

Variable kedua: Umur

• Kolom Name, isi dengan Umur.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value, pilih None
• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Umur Responden dalam Tahun.
• Kolom Columns, isi dengan 10
• Kolom Align, isi dengan Right
• Kolom Measure isi dengan Scale.

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Umur. Dalam memasukan data, Anda ketik satu per satu atau melalui copy – paste.

Variabel ketiga: Jenis_Kelamin
Prinsipnya sama dengan pengisian pada variabel pertama, yaitu klik Variable View pada bagian kiri bawah dari tampilan pertama SPSS

• Kolom Name, isi dengan Jenis_Kelamin untuk menamai jenis kelamin responden.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 atau lebih dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value. Seperti diketahui, perhitungan dalam SPSS selalu untuk tipe data numeric. Untuk itu jenis kelamin harus dijadikan numerik pula, yaitu dengan tanda: 1 = tanda Laki-Laki, dan 2 = tanda Perempuan. Penulisan kode bisa bebas, misal 11 atau 12 untuk pria, dan variasi lainnya. Tapi menurut kebiasaan pria akan disebut pertama kali.

• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Jenis Kelamin Responden.
• Kolom Measure isi dengan nominal. Ini menyatakan bahwa data yang Anda masukan nantinya berupa nilai yang berbeda tetapi tidak membedakan. Artinya nilai 1 dan 2 yang Anda masukan berupa nilai yang mewakili pria dan wanita dengan pria dan wanita mempunyai posisi yang sama, yaitu pria tidak lebih tinggi dari wanita begitu pula sebaliknya. (karena jenis kelamin masuk pada data nominal)
• Kolom Colomns, isi dengan 10
• Kolom Align, isi dengan Right

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Jenis_Kelamin, yaitu jenis kelamin responden. Dalam memasukan data, Anda masukan 1 untuk responden pria dan 2 untuk wanita.

Variabel keempat: Masa_Kerja

• Kolom Name, isi dengan Masa_Kerja.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value, pilih None
• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Masa Kerja Responden dalam.
• Kolom Columns, isi dengan 10
• Kolom Align, isi dengan Right
• Kolom Measure isi dengan Scale.

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Masa_Kerja, yaitu masa kerja responden. Dalam memasukan data, Anda ketik satu

 Variabel kelima: Tinggi_Badan

• Kolom Name, isi dengan Tinggi _Badan.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value, pilih None
• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Tinggi Badan Responden dalam cm.
• Kolom Columns, isi dengan 10
• Kolom Align, isi dengan right
• Kolom Measure isi dengan Scale.

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Tinggi_Badan. Dalam memasukan data, Anda ketik satu per satu

Variabel keenam: Berat_Badan

• Kolom Name, isi dengan Berat _Badan.
• Kolom Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa kode dan bilangan bulat.
• Kolom Value, pilih None
• Kolom Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin sebagai variable bertype numeric.
• Kolom Label atau keterangan variabel – untuk keseragaman – ketik Berat Badan Responden dalam kg.
• Kolom Columns, isi dengan 10
• Kolom Align, isi dengan Right
• Kolom Measure isi dengan Scale.

Setelah semua proses pengisian kolom-kolom Data Editor pada variable view selesai, sekarang anda tinggal memasukan data kedalam variable Berat_Badan. Dalam memasukan data, Anda ketik satu per satu