› Tutorial Olah Data
Uji-T Independen dan Berpasangan di SPSS: Tutorial Lengkap
Tim Statistician Jokify · Terbit 18 Agustus 2026
Uji-t (t-test) adalah salah satu uji statistik yang paling sering digunakan dalam penelitian skripsi. Fungsinya adalah membandingkan rata-rata dari dua kelompok atau kondisi untuk menentukan apakah perbedaan yang diamati cukup signifikan secara statistik, atau sekadar variasi acak (sampling variability). SPSS menyediakan dua varian uji-t yang paling umum: Independent Samples T-Test dan Paired Samples T-Test. Artikel ini membahas keduanya secara lengkap.
Kapan Menggunakan Masing-Masing Uji-T?
| Jenis Uji-T | Kapan Digunakan | Contoh |
|---|---|---|
| Independent Samples | Membandingkan dua kelompok yang berbeda (tidak saling terkait) | Nilai ujian kelompok A vs. kelompok B |
| Paired Samples | Membandingkan dua pengukuran dari kelompok yang sama (sebelum-sesudah) | Nilai sebelum dan sesudah pelatihan |
Asumsi Uji-T
Kedua jenis uji-t memiliki asumsi dasar:
- Normalitas — data terdistribusi normal pada setiap kelompok/kondisi
- Data kontinu — variabel dependen berskala interval atau rasio
- Independensi observasi — setiap observasi bersifat independen (untuk independent samples)
- Homogenitas varians — varians kedua kelompok relatif sama (khusus untuk independent samples; diuji dengan Levene's Test)
Bagian 1: Independent Samples T-Test
Kapan Menggunakannya?
Gunakan ketika Anda memiliki dua kelompok berbeda dan ingin mengetahui apakah rata-rata variabel dependen berbeda secara signifikan antara kedua kelompok tersebut.
Contoh:
- Apakah ada perbedaan kepuasan kerja antara karyawan laki-laki dan perempuan?
- Apakah nilai rata-rata kelompok eksperimen berbeda dengan kelompok kontrol?
Langkah-Langkah di SPSS
Langkah 1: Persiapkan Data Data harus tersusun dalam dua kolom:
- Kolom 1: Variabel pengelompokan (misalnya: 1 = Laki-laki, 2 = Perempuan)
- Kolom 2: Variabel dependen (misalnya: skor kepuasan kerja)
Langkah 2: Buka Menu Klik: Analyze → Compare Means → Independent-Samples T Test
Langkah 3: Tentukan Variabel
- Pindahkan variabel dependen ke kotak Test Variable(s)
- Pindahkan variabel pengelompokan ke kotak Grouping Variable
Langkah 4: Definisikan Kelompok Klik tombol Define Groups:
- Group 1: isi dengan kode kelompok pertama (misalnya: 1)
- Group 2: isi dengan kode kelompok kedua (misalnya: 2)
- Klik Continue
Langkah 5: Klik OK
Cara Membaca Output Independent Samples T-Test
Tabel 1: Group Statistics Menampilkan N, Mean, Std. Deviation, dan Std. Error Mean untuk setiap kelompok. Perhatikan selisih nilai mean — ini yang akan diuji signifikansinya.
Tabel 2: Independent Samples Test Tabel ini terdiri dari dua bagian:
Baris 1 — Levene's Test for Equality of Variances:
- F dan Sig.: menguji apakah varians kedua kelompok homogen
- Jika Sig. Levene > 0,05 → varians homogen → baca baris "Equal variances assumed"
- Jika Sig. Levene < 0,05 → varians tidak homogen → baca baris "Equal variances not assumed" (menggunakan koreksi Welch)
Baris 2 — T-Test for Equality of Means:
- t = nilai t-hitung
- df = derajat kebebasan
- Sig. (2-tailed) = nilai p-value (dua arah)
- Mean Difference = selisih rata-rata antar kelompok
- 95% Confidence Interval of the Difference = rentang selisih yang ditaksir dengan kepercayaan 95%
Keputusan:
- Jika Sig. (2-tailed) < 0,05 → tolak H₀ → terdapat perbedaan rata-rata yang signifikan antara kedua kelompok
- Jika Sig. (2-tailed) ≥ 0,05 → gagal tolak H₀ → tidak terdapat perbedaan yang signifikan
Contoh Pelaporan
Hasil uji-t independen menunjukkan bahwa terdapat perbedaan yang signifikan dalam skor kepuasan kerja antara karyawan laki-laki (M = 72,4, SD = 8,3) dan perempuan (M = 78,9, SD = 7,1), t(118) = -4,52, p < 0,001. Karyawan perempuan menunjukkan tingkat kepuasan yang lebih tinggi secara signifikan dibandingkan karyawan laki-laki.
Bagian 2: Paired Samples T-Test
Kapan Menggunakannya?
Gunakan ketika Anda mengukur variabel yang sama pada subjek yang sama dalam dua kondisi atau dua waktu berbeda.
Contoh:
- Apakah ada peningkatan signifikan nilai sebelum dan sesudah mengikuti pelatihan?
- Apakah stres kerja berbeda pada bulan pertama dan bulan keenam setelah restrukturisasi?
Langkah-Langkah di SPSS
Langkah 1: Persiapkan Data Data tersusun dalam dua kolom terpisah (satu baris = satu subjek):
- Kolom 1: Pengukuran pertama (misalnya: Nilai_Pretest)
- Kolom 2: Pengukuran kedua (misalnya: Nilai_Posttest)
Langkah 2: Buka Menu Klik: Analyze → Compare Means → Paired-Samples T Test
Langkah 3: Tentukan Pasangan Variabel
- Klik variabel pertama (Nilai_Pretest), tahan Ctrl, klik variabel kedua (Nilai_Posttest)
- Klik tanda panah untuk memasukkan ke kotak Paired Variables
- Pasangan akan muncul sebagai "Nilai_Pretest – Nilai_Posttest"
Langkah 4: Klik OK
Cara Membaca Output Paired Samples T-Test
Tabel 1: Paired Samples Statistics Menampilkan mean, N, std. deviation, dan std. error mean untuk setiap kondisi. Bandingkan mean pengukuran pertama dan kedua.
Tabel 2: Paired Samples Correlations Menampilkan korelasi antara kedua pengukuran. Korelasi yang tinggi menunjukkan bahwa pengukuran pertama dan kedua saling berkaitan erat pada subjek yang sama — ini adalah ciri khas data berpasangan.
Tabel 3: Paired Samples Test Tabel utama untuk keputusan:
- Mean = rata-rata selisih (pengukuran 1 dikurangi pengukuran 2)
- Std. Deviation = standar deviasi selisih
- t = nilai t-hitung
- df = derajat kebebasan (n – 1)
- Sig. (2-tailed) = nilai p-value
Keputusan:
- Jika Sig. (2-tailed) < 0,05 → tolak H₀ → terdapat perbedaan yang signifikan antara kedua kondisi/waktu
- Jika nilai Mean pada tabel negatif → pengukuran kedua lebih tinggi dari pertama (terjadi peningkatan)
Contoh Pelaporan
Hasil uji-t berpasangan menunjukkan adanya peningkatan yang signifikan dalam nilai peserta setelah mengikuti program pelatihan (M_pretest = 65,2, SD = 9,4; M_posttest = 78,6, SD = 8,7), t(49) = -9,83, p < 0,001. Rata-rata peningkatan nilai adalah 13,4 poin (95% CI [10,6; 16,2]).
Ringkasan Perbedaan Kedua Uji-T
| Aspek | Independent Samples | Paired Samples |
|---|---|---|
| Desain | Dua kelompok berbeda | Satu kelompok, dua kondisi |
| Contoh | Laki-laki vs. Perempuan | Sebelum vs. Sesudah |
| Uji Levene | Ya (homogenitas varians) | Tidak diperlukan |
| Jumlah baris data | N total (semua subjek) | N per subjek (pengukuran ganda) |
| df | N₁ + N₂ – 2 (atau koreksi Welch) | n – 1 |
Tips Tambahan
- Jika data tidak memenuhi asumsi normalitas, gunakan alternatif non-parametrik:
- Independent → Mann-Whitney U Test
- Paired → Wilcoxon Signed-Rank Test
- Selalu sertakan effect size (Cohen's d) dalam pelaporan — ini menunjukkan besarnya perbedaan secara praktis
- Cohen's d = Mean Difference / Pooled SD (0,2 = kecil; 0,5 = sedang; 0,8 = besar)
Jika Anda memerlukan pendampingan dalam menjalankan dan menginterpretasikan uji-t untuk data penelitian Anda, layanan olah data SPSS siap membantu Anda dari awal hingga selesai.
Kesimpulan
Uji-t independen dan berpasangan adalah dua alat statistik fundamental yang wajib dikuasai oleh mahasiswa penelitian kuantitatif. Perbedaan utama keduanya terletak pada desain penelitian: apakah dua kelompok yang berbeda atau satu kelompok yang diukur dua kali. Dengan memahami asumsi, langkah-langkah di SPSS, dan cara membaca output, Anda dapat menjalankan dan melaporkan hasil uji-t dengan tepat dan percaya diri.
