UJI PAIRED SAMPLE T TEST
KONSEP DASAR UJI PAIRED SAMPLE T TEST
Uji Paired sample t-test tergolong ke dalam Uji Komparasi, yang mana tujuannya untuk membandingkan dua kelompok yang berpasangan. Uji Paired t-test digunakan ketika kita memiliki dua data dari subyek yang sama. Misalnya, kita ingin membandingkan penjualan suatu produk sebelum adanya iklan dan sesudah adanya iklan.
Uji Paired T test termasuk ke dalam statistik parametrik dan skala data yang digunakan yaitu interval atau rasio, selain itu karakteristik data yang digunakan yaitu data sebelum dan sesudah. Sebelum melakukan Uji Paired Sample T Test ada uji prayarat yang wajib terpenuhi, yaitu uji normalitas dengan kata lain data yang digunakan harus berdistribusi dengan normal. Kalo data yang digunakan tidak normal, bisa menggunakan analisis statistik nonparametrik yaitu uji wilcoxon, sebagai alternatif uji paired sample t test.
KELEBIHAN & KEKURANGAN UJI PAIRED T TEST
Uji paired sample t test memiliki beberapa kelebihan, diantaranya :
- Mengontrol Variabilitas: Dalam uji Paired Sample T-Test, kita membandingkan dua pengukuran yang dilakukan pada subjek yang sama. Dengan mempertimbangkan variabilitas yang terdapat antarindividu, uji ini membantu mengurangi faktor-faktor yang tidak relevan dalam analisis. Hal ini membuatnya lebih efisien dalam mendeteksi perbedaan yang signifikan antara dua pengukuran.
- Memperhitungkan Efek Subjek: Dalam situasi di mana variabilitas antarindividu tinggi, uji Paired Sample T-Test memberikan keuntungan dalam menghilangkan efek subjek. Dengan membandingkan pengukuran yang berpasangan pada subjek yang sama, perbedaan antara pengukuran tersebut dapat diatribusikan lebih tepat pada perlakuan atau intervensi yang diberikan.
- Meningkatkan Ketepatan: Uji Paired Sample T-Test memiliki kecenderungan untuk meningkatkan ketepatan dalam mengestimasi perbedaan antara dua pengukuran. Dalam uji ini, kita menggunakan perbedaan individu sebagai unit analisis, yang memberikan informasi yang lebih spesifik dan akurat tentang perubahan yang terjadi pada subjek.
- Mengurangi Bias: Dengan menghilangkan faktor-faktor confounding yang dapat mempengaruhi hasil pengukuran, uji Paired Sample T-Test membantu mengurangi bias dalam analisis. Ini memungkinkan kita untuk lebih fokus pada perbedaan yang sesungguhnya antara dua pengukuran.
Selain memiliki kelebihan, uji paired sample t test juga memiliki kekurangan, diantaranya :
- Asumsi Normalitas: Uji Paired Sample T-Test mengasumsikan bahwa data pengukuran terdistribusi secara normal. Jika asumsi ini tidak terpenuhi, hasil uji dapat menjadi tidak valid. Dalam kasus tersebut, alternatif lain seperti uji non-parametrik mungkin perlu dipertimbangkan, yaitu Uji Wilcoxon.
- Asumsi Keterkaitan: Uji Paired Sample T-Test membutuhkan adanya keterkaitan atau pasangan antara dua pengukuran yang dibandingkan. Jika data tidak memiliki pasangan yang sesuai atau tidak terkait, maka uji ini tidak dapat digunakan.
- Sensitivitas terhadap Outlier: Uji Paired Sample T-Test dapat menjadi sensitif terhadap adanya outlier dalam data. Outlier yang signifikan dapat mempengaruhi hasil uji dan menghasilkan kesimpulan yang tidak akurat. Oleh karena itu, penting untuk memeriksa keberadaan outlier sebelum menerapkan uji ini.
- Keterbatasan pada Jumlah Sampel: Jumlah sampel yang terbatas dalam uji Paired Sample T-Test dapat mempengaruhi keakuratan dan kekuatan statistik hasil. Jika jumlah sampel terlalu kecil, uji ini mungkin kurang sensitif dalam mendeteksi perbedaan yang signifikan antara dua pengukuran.
- Perbedaan Data Terdistribusi Secara Normal: Perbedaan antara pasangan data juga harus terdistribusi secara normal. Ini berarti bahwa selisih antara pengukuran sebelum dan sesudah harus mengikuti distribusi normal.
BERIKUT CARA UJI PAIRED SAMPLE T TEST DI SPSS:
- Siapkan tabulasi data di Excel, lalu input data atau masukan data ke SPSS pada Page Data View.
- Jangan lupa isikan juga pada Page Variable View.
- Selanjutnya melakukan Uji Normalitas, dengan cara pilih Analyze – Nonparametric Test – Legacy Dialogs – 1 Sample K-S
- Muncul kotak dialog Uji Normalitas, seperti ini :
- Masukan Data Before dan After ke kolom Test Variable List dan pilih OK.
- Keluar Output SPSS untuk Uji Normalitas :
- Kriteria Pengujian Uji Normalitas :
- Nilai Sig (2-tailed) > 0.05 berkesimpulan Data berdistribusi Normal atau asumsi Uji Normalitas terpenuhi.
- Nilai Sig (2-tailed) < 0.05 berkesimpulan Data berdistribusi tidak Normal atau asumsi Uji Normalitas tidak terpenuhi.
- Interpretasi Output Uji Normalitas :
Diketahui nilai Asymp. Sig (2-tailed) kedua data (Before dan After) lebih dari 0.05 (>0.05) maka bisa disimpulkan bahwa data yang digunakan (Before dan After) berdistribusi normal dengan kata lain asumsi uji normalitas sudah terpenuhi. Penggunaan uji kolmogorof smirnov dikarenakan jumlah data yang dipakai lebih dari 50 (>50). Apabila ada salah satu data yang tidak berdistribusi secara normal, maka bisa menggunakan Uji Wilcoxon sebagai alternatif Uji Paired T Test. Setelah mengetahui bahwasanya asumsi normalitas data telah terpenuhi, maka bisa lanjut ke Uji Paired T Test.
- Selanjutnya melakukan Uji Paired T Test, dengan cara pilih Analyze – Compare Means – Paired Sample T Test.
- Muncul kotak dialog Uji Paired T Test, seperti ini :
- Masukan Data Before ke kolom Variable 1 dan data After ke kolom Variable 2, lalu pilih OK.
- Keluar Output SPSS untuk Uji Paired Sample T Test :
- Kriteria Pengujian Uji Paired Sample T Test :
- Nilai (2-Tailed) > 0.05 berkesimpulan Tidak ada perbedaan secara signifikan.
- Nilai (2-Tailed) < 0.05 berkesimpulan Ada perbedaan secara signifikan.
- Interpretasi Output Uji Paired Sample T test :
Diketahui nilai Sig. (2-Tailed) sebesar 0.201 (>0.05) maka bisa disimpulkan bahwa tidak ada perbedaan secara signifikan antara data before dan data after. (Tabel Paired Samples Test)
Sedangkan untuk rata-rata data before sebesar -0.0494 dan untuk data after sebesar 0.0898 (Tabel Paired Samples Statistics). Lalu untuk nilai korelasi antara kedua data memiliki korelasi yang sedang atau cukup dengan nilai korelasi sebesar 0.502 (Tabel Paired Samples Correlations).