Independent dan Paired Sample T Test di SPSS: Langkah dan Contoh

Uji t (t-test) di SPSS membandingkan dua rata-rata. Independent sample t test (uji t independen) dipakai untuk dua kelompok yang berbeda, misalnya kelas eksperimen dan kelas kontrol, sedangkan paired sample t test (uji t berpasangan) dipakai untuk dua pengukuran pada subjek yang sama, misalnya pretest dan posttest. Keduanya ada di menu Analyze → Compare Means, dan perbedaan dinyatakan signifikan bila p dua arah < 0,05. Uji ini berbeda dari "uji t parsial" pada regresi linier berganda, yang menguji koefisien setiap variabel bebas, bukan membandingkan rata-rata dua kelompok.

Langkah Singkat Uji T di SPSS

1. Tentukan desain: dua kelompok berbeda (independent), subjek yang sama diukur dua kali (paired), atau satu kelompok dibandingkan dengan nilai acuan (one sample).
2. Cek normalitas: per kelompok untuk uji independen, pada selisih skor untuk uji berpasangan.
3. Untuk uji independen, buka Analyze → Compare Means → Independent-Samples T Test, isi Test Variable(s) dan Grouping Variable, lalu klik Define Groups.
4. Untuk uji berpasangan, buka Analyze → Compare Means → Paired-Samples T Test dan masukkan pasangan variabel ke Paired Variables.
5. Centang Estimate effect sizes; di SPSS 31, centang juga Homogeneity of variance test untuk uji independen.
6. Pada uji independen, baca uji Levene untuk memilih baris Equal variances assumed atau not assumed.
7. Jika p dua arah < 0,05, H0 ditolak; laporkan t, df, p, selisih rata-rata, dan Cohen's d.

Di SPSS 29 ke atas, menu Compare Means bernama Compare Means and Proportions; letak prosedurnya tidak berubah (Kent State University Libraries, t.t.-a).

Memilih Jenis Uji T yang Tepat

Uji berpasangan juga dipakai untuk desain matched pairs, misalnya setiap pasien dipasangkan dengan kontrol yang usianya sama. Untuk tiga kelompok atau lebih, gunakan uji ANOVA, bukan beberapa uji t berulang yang menaikkan peluang kesalahan tipe I.

Asumsi dan Hipotesis Uji T

Asumsi yang Perlu Dicek

• Skala data: variabel terikat berskala interval atau rasio, misalnya nilai tes atau skor total kuesioner.
• Independensi: pada uji independen, setiap subjek hanya masuk satu kelompok.
• Normalitas: pada uji independen, data setiap kelompok mendekati normal. Pada uji berpasangan, yang harus normal adalah selisih kedua pengukuran, bukan masing-masing skor (IBM Corp., t.t.). Buat selisihnya dengan Transform → Compute Variable (misalnya Selisih = Posttest - Pretest), lalu uji dengan Shapiro-Wilk.
• Homogenitas varians: hanya untuk uji independen, diuji dengan Levene. Jika tidak homogen, uji t tetap bisa dipakai dengan membaca baris Welch (Equal variances not assumed).

Untuk sampel kecil (n < 50 per kelompok), pakai Shapiro-Wilk; langkah lengkapnya ada di panduan uji normalitas SPSS. Dengan sekitar 30 subjek atau lebih per kelompok, uji t umumnya tahan terhadap penyimpangan normalitas yang ringan, tetapi hasil uji normalitas dan alasannya tetap dilaporkan (Field, 2018).

Hipotesis, Uji Satu Arah, dan t Tabel

Hipotesis dua arah untuk uji independen ditulis H0: μ1 = μ2 dan H1: μ1 ≠ μ2. Jika teori Anda menyatakan arah, misalnya "nilai kelas eksperimen lebih tinggi", hipotesisnya menjadi H1: μ1 > μ2 dan boleh diuji satu arah, asalkan arah itu ditetapkan sebelum melihat data (Sugiyono, 2019). Penulisan hipotesis yang baku dibahas di panduan merumuskan hipotesis penelitian.

SPSS versi baru menampilkan dua kolom p: One-Sided p dan Two-Sided p. Pada versi lama hanya ada Sig. (2-tailed); p satu arah = Sig. (2-tailed) / 2, dan pembagian ini hanya sah bila tanda selisih rata-ratanya sesuai arah hipotesis. Tulis keputusan sebagai "H0 ditolak" atau "H0 gagal ditolak", bukan "H0 diterima".

Jika pembimbing meminta perbandingan dengan t tabel, gunakan df = n1 + n2 − 2 untuk uji independen dan df = n − 1 untuk uji berpasangan dan satu sampel. Contoh untuk α = 0,05: df 60 → 2,000 (dua arah) atau 1,671 (satu arah); df 31 → 2,040 (dua arah) atau 1,696 (satu arah). Di Excel dengan pengaturan regional Indonesia, gunakan =T.INV.2T(0,05;60) untuk dua arah dan =T.INV(0,95;60) untuk satu arah. H0 ditolak bila nilai mutlak t hitung lebih besar daripada t tabel.

Independent Sample T Test di SPSS

Data ilustrasi (fiktif) untuk latihan: penelitian kuasi-eksperimen membandingkan nilai posttest kelas eksperimen yang diajar dengan model pembelajaran berbasis masalah (n = 32) dan kelas kontrol yang diajar secara konvensional (n = 30). Susun data dalam dua kolom: Kelas (1 = Eksperimen, 2 = Kontrol) dan Posttest. Uji Shapiro-Wilk menghasilkan p = 0,531 untuk kelas eksperimen dan p = 0,362 untuk kelas kontrol, sehingga data kedua kelompok tidak menyimpang signifikan dari normal. Konteks desainnya dibahas di panduan metode penelitian skripsi pendidikan.

Langkah di SPSS

1. Klik Analyze → Compare Means → Independent-Samples T Test.
2. Pindahkan Posttest ke Test Variable(s) dan Kelas ke Grouping Variable.
3. Klik Define Groups, pilih Use specified values, isi Group 1 = 1 dan Group 2 = 2, lalu Continue.
4. Centang Estimate effect sizes (tersedia sejak SPSS 27).
5. Di SPSS 31, centang Homogeneity of variance test; mulai versi ini uji Levene tidak lagi muncul otomatis dan hasilnya dapat tampil sebagai tabel terpisah (IBM Corp., t.t.; Kent State University Libraries, t.t.-b).
6. Klik OK.

Membaca Output Independent Sample T Test

Tabel Group Statistics:

Tabel Independent Samples Test di SPSS terdiri atas blok kolom uji Levene (F dan Sig.) dan blok kolom uji t, dengan dua baris: Equal variances assumed dan Equal variances not assumed. Agar muat di layar ponsel, isinya ditampilkan menurun di bawah ini:

Cara membacanya:

• Uji Levene: Sig. = 0,497 > 0,05, jadi varians kedua kelas homogen dan yang dibaca adalah baris Equal variances assumed. Jika Sig. ≤ 0,05, baca baris Equal variances not assumed (uji Welch, dengan df pecahan).
• Keputusan: t(60) = 2,381 dengan Two-Sided p = 0,020 < 0,05, sehingga H0 ditolak. Jika hipotesis Anda sejak awal terarah (eksperimen > kontrol), gunakan One-Sided p = 0,010.
• Arah perbedaan: Mean Difference = Group 1 − Group 2 = 79,75 − 73,67 = 6,08 poin. Tanda t dan selisih hanya mengikuti urutan kelompok di Define Groups.
• Interval kepercayaan: selisih rata-rata di populasi diperkirakan antara 0,97 dan 11,19 poin; karena tidak mencakup 0, hasilnya konsisten dengan p < 0,05.

Tabel Independent Samples Effect Sizes menampilkan Cohen's d, Hedges' correction, dan Glass's delta. Cohen's d memakai simpangan baku gabungan (pooled SD = 10,055) sebagai pembagi: d = 6,083 / 10,055 = 0,605. Menurut Cohen (1988), d 0,2 tergolong kecil, 0,5 sedang, dan 0,8 besar, sehingga efek model pembelajaran ini tergolong sedang. Hedges' correction memberi nilai sedikit lebih kecil (sekitar 0,60) karena mengoreksi bias sampel kecil; Glass's delta memakai simpangan baku satu kelompok saja dan berguna bila variansnya sangat berbeda.

Paired Sample T Test di SPSS

Data ilustrasi (fiktif) yang sama: 32 siswa kelas eksperimen mengikuti pretest sebelum perlakuan dan posttest sesudahnya. Susun data dalam dua kolom, Pretest dan Posttest, dengan satu baris untuk setiap siswa. Uji Shapiro-Wilk pada selisih skor (Posttest − Pretest) menghasilkan p = 0,628, sehingga asumsi normalitas selisih terpenuhi.

Langkah di SPSS

1. Klik Analyze → Compare Means → Paired-Samples T Test.
2. Masukkan Pretest sebagai Variable1 dan Posttest sebagai Variable2 pada kotak Paired Variables.
3. Pastikan Estimate effect sizes tercentang. Pilihan bawaannya, Standard deviation of the difference, menghasilkan Cohen's d untuk data berpasangan (sering ditulis d_z).
4. Klik OK.

Membaca Output Paired Sample T Test

Tabel Paired Samples Statistics menunjukkan rata-rata pretest 67,66 (SD = 7,893) dan posttest 79,75 (SD = 10,516), masing-masing N = 32. Tabel Paired Samples Correlations menunjukkan korelasi pretest-posttest r = 0,751 (p < 0,001); korelasi ini wajar pada data berpasangan dan bukan uji hipotesis utamanya. Tabel Paired Samples Test:

SPSS menghitung selisih sebagai Variable1 − Variable2, yaitu Pretest − Posttest. Tanda negatif berarti posttest lebih tinggi: rata-rata nilai naik 12,09 poin. Karena t(31) = −9,859 dengan p < 0,001 (versi lama menampilkannya sebagai .000, versi baru sebagai <.001), H0 ditolak.

Cohen's d berpasangan dengan pembagi simpangan baku selisih adalah d_z = 12,094 / 6,939 = 1,74 (besar); SPSS menampilkannya sebagai −1,743 karena mengikuti arah Pretest − Posttest. SPSS juga menyediakan pembagi Average of variances; dengan pembagi ini nilainya 1,30. Keduanya sah, tetapi d_z cenderung lebih besar ketika korelasi pretest-posttest tinggi, jadi sebutkan jenis d yang Anda laporkan (Lakens, 2013).

One Sample T Test di SPSS

One sample t test membandingkan rata-rata satu kelompok dengan nilai acuan, misalnya Kriteria Ketuntasan Minimal (KKM). Dengan data yang sama, pertanyaannya: apakah rata-rata posttest kelas eksperimen berbeda dari KKM 75?

1. Klik Analyze → Compare Means → One-Sample T Test.
2. Pindahkan Posttest ke Test Variable(s) dan isi Test Value dengan 75.
3. Centang Estimate effect sizes, lalu klik OK.

Hasilnya: t(31) = 2,555; Two-Sided p = 0,016; One-Sided p = 0,008; selisih rata-rata dengan KKM = 4,750 (IK 95% 0,96 sampai 8,54); Cohen's d = 0,45. Rata-rata posttest (79,75) berada signifikan di atas KKM 75, dengan efek kecil sampai sedang.

Jika Data Tidak Normal: Mann-Whitney dan Wilcoxon

Gunakan uji nonparametrik bila sampelnya kecil dan jelas tidak normal, atau bila datanya ordinal, misalnya satu butir Likert. Jangan berpindah uji hanya karena hasil uji t tidak signifikan.

• Mann-Whitney U (pengganti uji independen): Analyze → Nonparametric Tests → Legacy Dialogs → 2 Independent Samples. Masukkan variabel ke Test Variable List, variabel kelompok ke Grouping Variable, klik Define Groups, dan pastikan Mann-Whitney U tercentang. Laporkan U, Z, dan Asymp. Sig. (2-tailed) dari tabel Test Statistics, beserta median setiap kelompok.
• Wilcoxon signed-rank (pengganti uji berpasangan): Analyze → Nonparametric Tests → Legacy Dialogs → 2 Related Samples. Masukkan pasangan Pretest–Posttest ke Test Pairs dan centang Wilcoxon. Tabel Ranks menunjukkan jumlah selisih negatif, positif, dan seri (ties); tabel Test Statistics memuat Z dan Asymp. Sig. (2-tailed).

Kedua uji juga tersedia di dialog yang lebih baru, Analyze → Nonparametric Tests → Independent Samples dan Related Samples. Mann-Whitney membandingkan distribusi dua kelompok; agar dapat ditafsirkan sebagai perbedaan median, bentuk distribusi kedua kelompok perlu serupa. Wilcoxon mengasumsikan distribusi selisih yang simetris (IBM Corp., t.t.). Sebagai ukuran efek, banyak buku memakai r = Z / √N (Field, 2018).

Cara Melaporkan Hasil Uji T di Skripsi

Contoh narasi (sesuaikan dengan penelitian Anda — jangan disalin mentah):

Uji normalitas Shapiro-Wilk menunjukkan nilai posttest kedua kelas berdistribusi normal (p = 0,531 dan p = 0,362), dan uji Levene menunjukkan varians yang homogen, F(1, 60) = 0,47; p = 0,497. Hasil independent sample t test menunjukkan bahwa nilai posttest kelas eksperimen (M = 79,75; SD = 10,52) lebih tinggi secara signifikan daripada kelas kontrol (M = 73,67; SD = 9,54), t(60) = 2,38; p = 0,020; d = 0,61. Selisih rata-ratanya 6,08 poin (IK 95% [0,97; 11,19]).

Hasil paired sample t test menunjukkan bahwa nilai posttest (M = 79,75; SD = 10,52) lebih tinggi daripada pretest (M = 67,66; SD = 7,89), t(31) = −9,86; p < 0,001; d_z = 1,74. Rata-rata peningkatan nilai adalah 12,09 poin (IK 95% [9,59; 14,60]).

Tuliskan juga pada Bab 3 uji apa yang dipakai, kriteria keputusannya (α = 0,05, satu atau dua arah), dan jenis ukuran efeknya.

Kesalahan Umum dalam Uji T

1. Memakai uji independen untuk data pretest-posttest. Data pada subjek yang sama selalu berpasangan; uji independen mengabaikan korelasinya.
2. Menguji normalitas pretest dan posttest secara terpisah pada uji berpasangan. Asumsinya ada pada selisih skor.
3. Membaca baris yang salah. Tentukan baris assumed atau not assumed dari uji Levene, bukan dari baris yang p-nya lebih kecil.
4. Membagi dua p tanpa hipotesis terarah. p satu arah hanya sah bila arahnya ditetapkan sejak proposal dan tanda selisihnya sesuai.
5. Menjalankan beberapa uji t untuk tiga kelompok. Gunakan ANOVA dan post hoc.
6. Tidak melaporkan ukuran efek. p kecil tidak berarti efeknya besar; sertakan Cohen's d dan sebutkan jenisnya.
7. Menyamakan uji ini dengan uji t parsial regresi. Keduanya memakai distribusi t, tetapi hipotesis dan tabel outputnya berbeda.

Kesimpulan

Kunci uji t ada pada desain: kelompok berbeda berarti independent sample t test, subjek yang sama berarti paired sample t test, dan pembanding berupa nilai acuan berarti one sample t test. Setelah itu, perhatikan tiga hal yang paling sering dikoreksi pembimbing: asumsi normalitas yang tepat (per kelompok atau pada selisih), baris output yang sesuai hasil Levene, dan p satu atau dua arah yang sesuai hipotesis. Lengkapi setiap hasil dengan selisih rata-rata, interval kepercayaan, dan Cohen's d. Jika Anda ingin hasil uji t pada data Anda ditinjau, layanan olah data SPSS dari Jokify dapat menjalankan analisis bersama Anda dan menjelaskan setiap tabel output, agar Anda memahami alasannya dan siap mempertahankannya saat sidang.

Pertanyaan yang Sering Diajukan

Berapa jumlah sampel minimal untuk uji t?

Tidak ada angka tunggal; jumlahnya bergantung pada besar efek yang ingin dideteksi. Dengan G*Power untuk efek sedang (d = 0,5), α = 0,05, dan power 0,80, uji independen membutuhkan sekitar 64 subjek per kelompok, sedangkan uji berpasangan sekitar 34 pasang data. Perhitungan lengkapnya dibahas di panduan menghitung ukuran sampel.

Bagaimana jika jumlah anggota kedua kelompok tidak sama?

Uji t independen tetap bisa dipakai dengan jumlah yang tidak sama, seperti contoh 32 dan 30 di atas. Masalah muncul bila jumlahnya timpang sekaligus variansnya berbeda; dalam kondisi itu, baris Equal variances not assumed (uji Welch) lebih aman (Welch, 1947). Laporkan df pecahan dari baris tersebut apa adanya.

Mengapa nilai t di output SPSS negatif?

Tanda t hanya menunjukkan arah selisih: SPSS menghitung Group 1 − Group 2 pada uji independen dan Variable1 − Variable2 pada uji berpasangan. Jika kelompok dengan rata-rata lebih kecil berada di urutan pertama, t bernilai negatif. Untuk keputusan dua arah, yang penting adalah nilai p atau nilai mutlak t; arah perbedaan dibaca dari rata-rata setiap kelompok.

Apakah data kuesioner Likert boleh diuji dengan uji t?

Skor total atau rata-rata dari beberapa butir Likert yang sudah valid dan reliabel umumnya diperlakukan sebagai data interval dan boleh diuji dengan uji t. Untuk satu butir Likert tunggal, banyak pembimbing lebih memilih Mann-Whitney atau Wilcoxon karena datanya ordinal. Ikuti ketentuan pedoman kampus dan jelaskan alasannya di Bab 3.

Apakah perlu menghitung N-gain selain paired sample t test?

Pada skripsi pendidikan, N-gain sering diminta untuk menggambarkan besarnya peningkatan relatif terhadap peningkatan maksimum yang mungkin: (posttest − pretest) / (skor maksimum − pretest). Hake (1998) mengelompokkannya menjadi tinggi (g ≥ 0,7), sedang (0,3 ≤ g < 0,7), dan rendah (g < 0,3). N-gain bersifat deskriptif dan tidak menggantikan uji signifikansi, jadi laporkan keduanya bila pedoman program studi Anda memintanya.

Referensi

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
• Hake, R. R. (1998). Interactive-engagement versus traditional methods: A six-thousand-student survey of mechanics test data for introductory physics courses. American Journal of Physics, 66(1), 64–74. https://doi.org/10.1119/1.18809
• IBM Corp. (t.t.). IBM SPSS Statistics Base 31. Diakses 10 Oktober 2026, dari https://www.ibm.com/docs/en/SSLVMB_31.0.0/pdf/IBM_SPSS_Statistics_Base.pdf
• Kent State University Libraries. (t.t.-a). SPSS tutorials: Descriptive stats for numeric variables by group (Compare Means). https://libguides.library.kent.edu/SPSS/CompareMeans
• Kent State University Libraries. (t.t.-b). SPSS tutorials: Independent samples t test. https://libguides.library.kent.edu/SPSS/IndependentTTest
• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863
• Sugiyono. (2019). Metode penelitian kuantitatif, kualitatif, dan R&D. Alfabeta.
• Welch, B. L. (1947). The generalization of "Student's" problem when several different population variances are involved. Biometrika, 34(1–2), 28–35. https://doi.org/10.1093/biomet/34.1-2.28