Tampilkan postingan dengan label Homogenitas. Tampilkan semua postingan
Tampilkan postingan dengan label Homogenitas. Tampilkan semua postingan

Contoh Uji Independent T Test dengan SPSS Versi 23

Seorang manajer sales perusahaan penjualan sepeda motor ingin melihat apakah terdapat perbedaan kinerja sales pria dengan sales wanita. Informasi ini akan dijadikan dalam pengambilan keputusan internal perusahaan. Manajer tersebut mempunyai data penjualan dari masing-masing sales selama satu tahun terakhir. Kinerja akan ditentukan dengan jumlah unit yang berhasil dijual dalam kurun waktu satu tahun tersebut. Data yang dipergunakan dalam analisis ini dapat Anda download di Google Drive dengan akun G mail Anda.

Untuk melakukan analisis, dipergunakan uji inpendent t test dengan alat bantu berupa program SPSS Versi 23. Langkah pertama adalah dengan menguji apakah data tersebut terdistribusi normal atau tidak. Jika memenuhi asumsi normalitas, maka dipergunakan uji independent sample t test, tetapi jika tidak memenuhi asumsi normalitas maka digunakan uji Mann-Whitney U Test. Dalam data (jika Anda melihat dari download) maka terdapat 93 sales dengan rincian 58 Pria dan 38 Wanita. Uji normalitas dilakukan terhadap keseluruhan data tersebut secara langsung, bukan dipisah berdasarkan jenis kelamin. Metode yang dipergunakan adalah uji normalitas dengan Kolmogorov-Smirnov yang memberikan hasil sebagai berikut:

Hasil Uji Normalitas dengan Kolmogorov-Smirnov

Hasil di atas adalah sebesar 0,077 > 0,05 yang menunjukkan bahwa telah terdistribusi secara normal dan pengujian parametris dapat dilanjutkan. Langkah berikutnya adalah dengan melakukan melihat Deskripsi dari kedua kelompok atau grup data yaitu Pria dan Wanita. Berikut adalah analisis deskriptif dari data penelitian:

Analisis Deskriptif Data

Dari 58 sales pria, ternyata rata-rata penjualan adalah sebesar 26,28 unit per tahun. Nilai ini lebih tinggi dibandingkan dengan rata-rata penjualan sales wanita yaitu 25,14 unit per tahun. Selisih ini akan diuji secara statistik apakah signifikan atau tidak. Kita tidak bisa menentukan bahwa Pria lebih tinggi penjualan dibandingkan wanita karena selisihnya tidak sampai 1 unit dalam setahun berdasarkan nilai rata-ratanya. Dengan Independent sample t test, kita dapat menentukan secara statistik apakah selisih itu signifikan atau tidak, atau apakah sales pria lebih tinggi penjualannya dibandingkan dengan sales wanita secara signifikan.

Sebelum masuk ke uji independent sample t test, kita perlu menentukan apakah data tersebut homogen atau tidak. Dalam SPSS versi 23, uji independent sample t test telah dilengkapi dengan menu Levene untuk menguji apakah data homogen atau tidak. Output Levene langsung menyatu dengan output T hitung yang menentukan apakah selisih tersebut signifkan atau tidak. 

Output Levene Test dan Uji Independent Sample T Test

Pada kolom Levene Test kita mendapatkan nilai F hitung sebesar 1,301 dengan signifikansi sebesar 0,257 > 0,05 yang berarti tidak terdapat perbedaan yang signifikan antara varian data pertama dengan data kedua. Oleh karena itu dapat disimpulkan bahwa data penelitian adalah homogen. Oleh karena itu, output T hitung yang dipergunakan adalah baris pertama yang berisi T hitung dengan Equal variances assumed, atau dianggap homogen atau mempunyai varians yang equal. (jika tidak homogen maka dipergunakan output T hitung baris ke-2 yaitu Equal variances not assumed atau tidak homogen).

Nilai T hitung adalah 2,325 dengan signifikansi sebesar 0,022 < 0,05 yang berarti bahwa terdapat perbedaan yang signifikan antara grup 1 dengan grup 2. Berarti terdapat perbedaan unit sales antara sales pria dan wanita. Dalam deskripsi tampak bahwa unit sales pria mempunyai rata-rata yang lebih tinggi dibandingkan unit sales wanita (26,28 > 25,14). Dengan demikian manajer menyimpulkan bahwa sales pria mempunyai unit sales lebih tinggi secara signifikan dibandingkan wanita.

Artikel Terkait:

  1. Kapan kita menggunakan uji independent t test?
  2. Simulasi Independent sample t test atau uji t sampel tidak berkorelasi
  3. Uji normalitas dengan Kolmogorov-Smirnov
  4. Uji homogenitas
  5. Uji Mann-Whitney


Share:

Kapan Kita Menggunakan Uji Independent T Test?

Artikel kali ini tidak membahas simulasi uji independent t test tetapi membahas tentang kapan kita menggunakan metode ini. Simulasi uji independent t test telah kami rilis di sini. Kita akan membahas model seperti apa yang cocok menggunakan metode ini. Banyak juga pertanyaan di kolom komentar yang masuk sehingga akhirnya dibuat artikel ini agar lebih komprehensif dibandingkan dengan tanya jawab di kolom komentar. Tulisan ini lebih bersifat penjelasan saja, jadi bukan literatur dan mohon untuk tidak dikutip. Jika ingin mengutip, kami sarankan menggunakan buku statistik yang Anda miliki.

Kriteria penggunaan uji independent t test adalah sebagai berikut:

1. Peneliti ingin membandingkan dua sampel

Digunakan ketika kita ingin membandingkan dua buah sampel atau dua buah kelompok data. Jika lebih dari 2 maka kita tidak bisa menggunakan uji independent t test. Atau jika kita hanya menganalisis satu sampel saja atau satu kelompok data saja maka kita tidak bisa menggunakan uji ini.

2. Dua sampel tersebut independent atau tidak berkorelasi

Terjemahan tidak berkorelasi mungkin memang kurang tepat tetapi istilah ini sering dipergunakan. Artinya dua sampel tersebut berbeda dan tidak berhubungan secara langsung. Jika berkorelasi maka kita menggunakan paired test jika asumsi normalitas terpenuhi atau Uji Wilcoxon jika tidak normal.

Sebagai ilustrasi, jika Anda ingin meneliti suatu metode pembelajaran. Anda mengukur pemahaman suatu kelas terhadap materi tertentu. Lalu kelas yang sama diberikan metode tertentu, lalu diukur apakah pemahaman meningkat atau menurun atau sama saja. Dalam hal ini, ada dua sampel, yaitu sebelum (diberikan materi) dan sesudah. Dua sampel tersebut sebenarnya adalah sama, jadi kedua sampel tersebut tidaklah independent atau berkorelasi. Jadi dalam kasus ini, uji independent t test tidak dapat dipergunakan. Mungkin bisa dipergunakan paired test, jika asumsi normalitas terpenuhi.

Gambar Simulasi Uji Beda

Uji independent t test dapat dipergunakan misalnya dalam kasus:

  • Peneliti ingin melihat apakah terdapat perbedaan pemahaman PSAK antara Akuntan publik dengan Dosen Akuntansi. Ini hanya contoh saja. Ada dua sampel atau kelompok data, yaitu akuntan publik dan dosen akuntansi. Keduanya tentu adalah sampel yang berbeda sehingga kita bisa menggunakan uji independent t test (tentunya jika syarat yang lain terpenuhi). Kita mengukur hal yang sama (pemahaman PSAK) pada dua kelompok yang independent tetapi masih berkaitan erat dengan apa yang kita ukur. Tentunya kita tidak bisa mengukur pemahaman hukum antara mahasiswa hukum dengan mahasiswa kedokteran. Anda tentu tahu alasannya.
  • Seorang guru memberikan materi yang sama kepada dua kelas, tetapi menggunakan metode yang berbeda. Lalu guru tersebut ingin melihat efektifitas metode pembelajaran berdasarkan hasil evaluasi atau ulangan. Dalam hal ini dua kelas tersebut bisa saja mempunyai jumlah yang sama. Jadi agak kurang tepat ketika orang menyatakan bahwa uji independent t test dilakukan jika dua sampel jumlahnya berbeda. Biasanya memang berbeda karena dari dua kelompok yang berbeda, tapi jika jumlahnya sama pun tidak masalah, tetap bisa mempergunakan uji ini.
  • Pemerintah ingin melihat efektivitas suatu kebijakan 3 M yang tinggi pada suatu daerah dengan daerah lain yang penerapan 3 M rendah. Lalu dibandingkan jumlah kasus infeksi Covid-19 antara dua daerah tersebut. Perbandingan dilakukan pada dua propinsi dan data kasus Covid-19 diukur pada tingkat kabupaten atau kecamatan. (Ini hanya contoh saja).

3. Harus memenuhi asumsi normalitas

Karena ini parametrik maka data harus normal. Jika tidak normal, kita bisa menggunakan Mann-Whitney U Test yang sebenarnya sama persis kriterianya. Tapi jika mau ditransformasikan juga bisa saja. Untuk menguji normalitas, maka diuji bersamaan di antara dua sampel tersebut, tidak diuji masing-masing. Contohnya lihat di sini. Jadi data dua kelompok disusun dalam satu kolom jika menggunakan SPSS. Lalu di kolom lain diberikan variabel lain yang berisi koding, misalnya 1 untuk sampel pertama dan 2 untuk sampel kedua. Setelah itu baru diuji normalitasnya. Sekali lagi, jangan diuji normalitasnya satu per satu atau masing-masing sampel.

Secara umum, sebelum melakukan uji independent t test sebaiknya dilakukan analisis deskriptif dulu. Misalnya Anda ingin menguji apakah terdapat perbedaan pendapatan Insiyur di suatu negara berkembang dengan negara lain yang sangat maju. Maka ketika kita bandingkan, kita akan melihat dengan jelas bahwa sudah terdapat perbedaan. Jadi tidak usah diteruskan karena toh jika diuji normalitasnya cenderung tidak normal. Kalau dipaksakan dengan Mann-Whitney U Test pun nanti juga akan terlihat bahwa terdapat perbedaan yang signifikan.

Homogen atau heterogen tidak ada masalah. Output independent t test ada dua, yaitu jika varians equal dan jika varians tidak equal. Kita tinggal menyesuaikan hasil uji homogenitas dengan outputnya.

Sekali lagi, ini adalah artikel untuk memperjelas suatu pemahaman, disarankan untuk tidak dirujuk dalam naskah.

Share:

Cara Melakukan Uji Homogenitas dengan SPSS Versi 23 pada Uji T Sampel Tidak Berkorelasi

Uji homogenitas dengan Levene juga bisa dilakukan dengan menu Independent Sample T Test atau Uji T Sampel tidak berkorelasi. Untuk uji homogenitas dengan One-Way Anova dan Explore sudah kita bahas sebelumnya. Perlu dicatat bahwa khusus pada uji t sampel tidak berkorelasi, hanya bisa dilakukan untuk dua kategori saja, misalnya pria dan wanita. Jika menggunakan lebih dari 3 kategori, maka tidak bisa digunakan.

Menu Independent Sample T Test

Share:

Cara Melakukan Uji Homogenitas dengan SPSS Versi 23 Menggunakan Menu Explore

Di artikel yang lalu telah kita bahas bersama bagaimana cara melakukan uji homogenitas dengan menu One-Way ANOVA. Kali ini kita akan belajar bersama tentang bagaimana cara melakukan uji homogenitas dengan menu Explore. Menu Explore sebenarnya mempunyai banyak fungsi atau kegunaan, misalnya bisa juga digunakan untuk menguji normalitas data, bahkan bisa juga dipergunakan sebagai sarana untuk melakukan trimming data agar data menjadi normal.

Data yang kita pergunakan adalah sama agar hasilnya bisa kita bandingkan lebih mudah. Pilih Analyze, Descriptive Statistics lalu klik pada Explore seperti pada gambar di bawah:

Memilih Menu Explore
Maka akan diarahkan ke menu Explore sebagai berikut:

Menu Explore pada SPSS Versi 23
Masukkan variabel Penjualan ke Dependent List dan variabel Gender ke Factor List. Bedanya dengan One-Way ANOVA, di sini kita bisa memasukkan lebih dari satu factor list. Setelah itu klik Plots seperti yang ditunjukkan dengan anak panah di atas. 

Memilih Sub Menu Power Estimation
Pilih Power Estimation seperti pada gambar di atas lalu klik Continue lalu Klik OK sehingga akan keluar output sebagai berikut:

Output Homogenitas dengan Explore
Dari sekian banyak output, yang menyatakan homogenitas adalah output di atas yaitu Test of Homogeneity of Variance seperti di atas. Tampak bahwa nilai signifikansi adalah sebesar 0,391 > 0,05 yang berarti kedua kelompok data adalah equal atau homogen. Hasil ini sama persis dengan hasil pengujian variance menggunakan One-Way ANOVA.

Share:

Cara Melakukan Uji Homogenitas dengan SPSS Versi 23 pada Uji ANOVA

Artikel ini membahas tentang homogenitas, tetapi juga terkait dengan ANOVA atau Analisis of Variance, karena homogenitas sangat erat kaitannya dengan varians.  Uji homogenitas digunakan untuk melihat apakah dua atau lebih kelompok sampel mempunyai varians yang sama atau tidak. Dalam konteks ini, istilah sama merujuk kepada istilah equal. Jadi memang bukan sama persis atau identik atau identitas. Dalam Anova setidaknya diperlukan tiga syarat yaitu homogenitas, random sampling dan normalitas multivariate. Di sinilah letak kaitannya dengan uji homogenitas.

Homogenitas, di sisi lain juga diperlukan dalam analisis yang lain, misalnya dalam Uji Independent Sample T test atau Uji T Sampel Tidak Berkorelasi. Dalam artikel ini kita membahas cara melakukan uji homogenitas untuk Uji Anova. Untuk yang lain, misalnya dengan Explore atau dengan Independent sample t test telah dibahas di artikel lain.

Contoh kali ini menggunakan data dari 22 responden yang merupakan sales dari sebuah perusahaan. Kelompok pertama adalah sales pria (1) dan kelompok kedua adalah sales wanita (2). Kolom paling kanan adalah nilai penjualan yang berhasil mereka peroleh. 

Contoh Data Uji Homogenitas dengan ANOVA

Untuk melihat apakah data kelompok pria dan wanita homogen, kita gunakan Uji Anova, yaitu sebagai berikut:

Menu Uji ANOVA
Pilih Analyze, Compare Means, lalu klik pada One-Way ANOVA seperti pada gambar di atas. Lalu akan diarahkan ke menu ANOVA sebagai berikut:

Box Dialogs One-Way ANOVA

Masukkan variabel gender ke Factor dan variabel Penjualan ke kota Dependent List. Tampak bahwa sebenarnya kita bisa menguji beberapa variabel Dependent sekaligus. Tapi dalam contoh ini hanya satu saja. Setelah itu klik pada Options di kanan seperti yang ditunjukkan anak panah. Maka akan masuk ke menu baru sebagai berikut:

Sub Menu One-Way ANOVA

Berikan tanda centang pada Homogeneity of variance test seperti pada gambar, setelah itu klik Continue lalu klik OK sehingga akan keluar output sebagai berikut:

Output Uji Homogenitas dengan ANOVA

Tampak bahwa nilai Signifikansi adalah sebesar 0,391 > 0,05. Ini berarti tidak terdapat perbedaan varians yang signifikan antara kelompok 1 dengan kelompok 2. Interpretasinya adalah bahwa keduanya adalah equal atau mempunyai varians yang sama atau homogen.

Dalam artikel berikutnya akan kita bahas bersama tentang uji homogenitas dengan Explore dan juga dengan Independent Sample T Test. Juga tentunya akan kita bahas juga One-Way ANOVA secara lebih lengkap.

Share:

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *

Translate

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`