Uji T Independen

Uji ini untuk mengetahui perbedaan rata-rata dua populasi/kelompok data yang independen. Contoh kasus  suatu penelitian ingin mengetahui hubungan status merokok ibu hamil dengan berat badan bayi yang dilahirkan. Respondan terbagi dalam dua kelompok, yauti mereka yang merokok  dan yang tidak merokok.
Uji T independen ini memiliki asumsi/syarat yang mesti dipenuhi, yaitu :

1. Datanya berdistribusi normal.
2. Kedua kelompok data independen (bebas)
3. variabel yang dihubungkan berbentuk numerik dan kategorik (dengan hanya 2 kelompok)

Secara perhitungan manual ada dua formula (rumus) uji T independen, yaitu uji T yang variannya sama dan uji T yang variannya tidak sama.
Untuk varian sama gunakan formulasi berikut :

 Dimana Sp :
 

KETERANGAN :

Xa = rata-rata kelompok a

Xb = rata-rata kelompok b

Sp = Standar Deviasi gabungan

Sa = Standar deviasi kelompok a

Sb = Standar deviasi kelompok b

na = banyaknya sampel di kelompok a

nb = banyaknya sampel di kelompok b

DF = na + nb -2

Sedangkan untuk varian yang tidak sama gunakan formulasi berikut :

Untuk DF (degrre of freedom) uji T independen yang variannya tidak sama itu berbeda dengan yang di atas (DF= Na + Nb -2), tetapi menggunakan rumus :

Nah... untuk menentukan apakah varian sama atau beda, maka menggunaka rumus :

 

Bila nilai P > α , maka variannya sama, namun bila nilai P <= α, berati variannya berbeda.

Contoh perhitungan secara manual, saya tidak akan berikan disini...capek...hehe. Mungkin akan saya berikan dalam aplikasi di SPSS atau STATA (lebih mudah tidak perlu pake kalkulator).

Blog Biostatistik : http://statistik-kesehatan.blogspot.com/2011/03/uji-t-independen.html

Read More

Uji T Independen dengan SPSS

Kesempatan ini akan saya gunakan untuk memberikan contoh penerapan Uji T (T-test) independen di SPSS. Sebagaimana diketahui bahwa uji ini digunakan, bila kita memiliki data kategorik dan numerik.

Sebagai contoh misalnya kita ingin mengetahui apakah ada pengaruh ibu yang merokok dan ibu yang tidak merokok (status merokok merupakan data kateorik) terhadap berat bayi yang dilahirkan (berat bayi lahir merupakan data numerik).Kebetulan saya memiliki filenya, jadi file ini akan saya gunakan untuk tutorial kali ini.

Langkahnya sebagi berikut :

Buka/aktifkan  SPSS anda. Kemudian pada menu utama klik File --> Open --> Data, sampai muncul layar seperti di bawah ini :

 Pilih file "bbay.sav" dan klik open, akan muncul layar di bawah ini :

Yang perlu diperhatikan pada layar di atas adalah variabel "rokok" dan "bbayi". Karena kedua variabel ini yang akan kita uji.

Selanjutnya klik pada menu utama SPSS anda Analyze --> Compare Means-->Independent-Samples-T Test :

Lalu akan muncul layar  seperti ini :

Pilih variabel "bbayi" dengan cara mengklik variabel tersebut.
Kemudian klik tanda segitiga paling atas untuk memasukan variabel tersebut ke kotak Test variable(s).

Klik variabel "rokok' dan masukan ke kotak Grouping variable.
Kemudian klik tombol Define Group, dan isi angka "0" pada kotak Group 1 dan angka "1" pada kotak Group 2. Lalu klik Continue.

Klik OK untuk menjalankan prosedur. Pada layar output akan nampak hasil seperti berikut :

Dari tabel Group Statistics, terlihat bahwa rata-rata berat bayi yang dilahirkan oleh ibu yang tidak merokok adalah 3054,96 gram, sedangkan berat bayi yang dilahirkan oleh ibu yang perokok sebesar 2773,24 gram. Namun apakah perbedaan ini berbeda juga secara statistik ?

Untuk melihat perbedaan ini kita lihat pada tabel Independent Samples Test. Pada tabel tersebut ada dua baris (sel), sel pertama dengan asumsi bahwa varian kedua kelompok tersebut sama, sedangkan pada sel kedua dengan asumsi bahwa varians kedua kelompok tersebut tidak sama. Untuk memilih sel mana yang akan kita gunakan sebagai uji, maka kita lihat pada kolom uji F, jika Signifikansinya > 0,05 maka asumsinya varian sama sebaliknya jika Sig. <=0,05 maka variannya tidak sama. Dari uji F menunjukan kalau varian kedua kelompok tersebut sama (P-value = 0,221), sehingga sel akan dibaca adlah sel pertama.

Dari kolom uji T menunjukan bahwa nilai P = 0,009 untuk uji 2-sisi . Karena P-value lebih kecil dari

α = 0,05 yang berarti Ho ditolak, sehingga dapat kita simpulkan bahwa secara statistik ada perbedaan yang bermakna rata-rata berat bayi yang dilahirkan oleh ibu yang merokok dengan ibu yang tidak merokok dengan kata lain ada pengaruh merokok terhadap berat bayi lahir.

Uji tersebut di atas adalah uji 2-sisi, bagaimana kalau uji 1-sisi ? Bila uji yang kita lakukan adalah uji 1-sisi maka nilai P harus dibagi 2 sehingga menjadi  P-value = 0,0045.

Blog Biostatistik : http://statistik-kesehatan.blogspot.com/2011/03/uji-t-independen-dengan-spss.html

Read More