Selain pada analisis regresi, Uji T juga sering muncul dalam statistik komparasi. Uji T Sampel Tunggal atau Onel Sample T Test adalah uji untuk melihat apakah suatu distribusi data pada sampel tunggal mempunyai perbedaan atau tidak terhadap suatu nilai tertentu. Sebagai ilustrasi, berikut beberapa kasus atau contoh yang dapat dipergunakan untuk mengaplikasikan one sample t test:
- Sebuah perusahaana ingin melihat apakah hasil produksi penggaris sesuai dengan standar 30 atau tidak.
- Sebuah peneliti ingin melihat apakah kebijakan stock split memicu reaksi investor atau tidak dengan melihat adanya abnormal return
- Apakah lampu yang dihasilkan suatu perusahaan mampu menyala 1000 jam atau tidak.
Contoh-contoh kasus di atas dapat diselesaikan dengan one sample t test. Sebagai contoh, berikut adalah data hasil pengukuran produksi penggaris 30 cm oleh Quality Control:
Gambar 1 Tabulasi Data Ukuran Penggaris
Tabel di atas memuat data 50 ukuran penggaris yang diambil secara acak. Untuk melihat apakah distribusi data tersebut berbeda atau tidak dengan 30, kita lihat dulu normalitasnya.
Gambar 2 Menu Uji Normalitas dengan Kolmogorov-Smirnov
Klik Analyze lalu pilih Nonparametric Tests, pilih Legacy Dialogs dan klik pada 1_Sample K-S sehingga akan diarahkan ke menu Uji KS sebagai berikut:
Gambar 3 Menu Uji Normalitas dengan KS
Masukkan Variabel Ukuran, lalu klik OK sehingga akan keluar output sebagai berikut:
Gambar 4 Hasil Uji Normalitas
Tampak bahwa nilai Signifikansi adalah sebesar 0,071 > 0,05 yang menunjukkan bahwa distribusi data normal, sehingga dapat dikenakan statistik parametrik one sample t test. Pilih Analyze, Plih Compare Means lalu klik pad One Sample T Test seperti pada gambar di bawah:
Gambar 5 Menu One Sample T Test
Setelah masuk ke menu One Sample T Test, masukkan varibel ukuran ke box, lalu masukkan angka 30 yaitu angka yang diharapkan yaitu sebesar 30 cm.
Gambar 6 Memasukkan Variabel dan Parameter Test Value
Setelah itu klik OK sehingga akan keluar outputnya yaitu sebagai berikut:
Gambar 7 Output One Sample T Test
Gambar di atas menunjukan bahwa nilai T hitung adalah sebesar 1,248 dengan taraf signifikansi sebesar 0,218 > 0,05 yang menunjukkan bahwa distribusi data pada sampel tidak berbeda dengan nilai 30 cm. Inilah yang diharapkan oleh pelaku uji ini karena jika signifikan berarti hasil produksi tidak dapat dijual karena berbeda dengan ukuran yang diharapkan yaitu sebesar 30 cm. Penelitian atau uji adalah mencari kebenaran, bukan mencari signifikan atau tidak. Pengujian yang memberikan hasil yang tidak signifikan tidak serta merta dikatakan jelek dan harus diulang. Ini sangat tergantung dari tujuan pengujian itu sendiri.
Ilustrasi lain adalah untuk uji Abnormal return di sekitar peristiwa stock split. Ada teori yang menyatakan bahwa kebijakan stock split berarti kinerja perusahaan bagus sehingga minat membeli investor meningkat dan akan terjadi abnormal return di sekitar terjadinya stock split. Ini akan didukung jika terjadi signifikansi return pada sekitar tanggal stock split dengan 0 sebagai parameter value. Akan tetapi, ada juga teori yang menyatakan bahwa Stock split hanyalah agar saham lebih likuid, jadi tidak terkait langsung dengan return. Abnormal akan terjadi di masa mendatang, bukan di sekitar tanggal stock split. Teori ini akan didukung jika tidak terjadi signifikansi di sekitar tanggal stock split dengan parameter value 0.