SkriptasUji Beda: Memilih t-Test, ANOVA, Mann-Whitney, Wilcoxon dan Cara Membacanya
Uji beda adalah uji perbedaan antar kelompok. Panduan memilih t-test, ANOVA, Mann-Whitney, Wilcoxon, langkah SPSS, cara membaca output, dan contoh kalimat.
Uji beda adalah kelompok uji statistik untuk mengetahui apakah dua kelompok atau lebih berbeda secara signifikan pada satu variabel. Skripsi dengan rumusan "apakah ada perbedaan hasil belajar antara kelas eksperimen dan kontrol" atau "apakah ada perbedaan kepuasan sebelum dan sesudah pelatihan" memakai uji ini. Masalah yang paling sering saya temui bukan di cara klik, melainkan di pemilihan uji: t-test dipakai untuk tiga kelompok, atau data ordinal yang jelas tidak normal dipaksa masuk ANOVA.
Artikel ini memberi satu tabel keputusan untuk memilih uji beda yang tepat, lalu langkah SPSS dan cara membaca output untuk independent t-test, paired t-test, One-Way ANOVA, Mann-Whitney, Wilcoxon, dan Kruskal-Wallis. Di akhir ada contoh kalimat untuk Bab 4 dan daftar kesalahan umum. Semua angka adalah contoh.
Tabel keputusan: uji beda mana yang tepat
Jawab empat pertanyaan: berapa kelompok, apakah kelompok berpasangan (orang yang sama diukur dua kali) atau bebas, apakah data interval/rasio dan berdistribusi normal, dan apakah variansnya homogen.
| Jumlah kelompok | Hubungan kelompok | Data normal, interval/rasio | Data tidak normal atau ordinal |
|---|---|---|---|
| 2 | Bebas (orang berbeda) | Independent sample t-test | Mann-Whitney U |
| 2 | Berpasangan (orang sama) | Paired sample t-test | Wilcoxon signed rank |
| 3 atau lebih | Bebas | One-Way ANOVA | Kruskal-Wallis |
| 3 atau lebih | Berpasangan (pengukuran berulang) | Repeated measures ANOVA | Friedman |
Normalitas diuji per kelompok lewat Shapiro-Wilk (sampel kecil) atau Kolmogorov-Smirnov, caranya ada di panduan uji normalitas. Homogenitas varians diuji dengan Levene yang otomatis muncul di output t-test dan bisa diminta di ANOVA.
Uji prasyarat: normalitas dan homogenitas di SPSS
Sebelum memilih baris pada tabel keputusan, jalankan dua pemeriksaan singkat.
- Normalitas per kelompok: Analyze, Descriptive Statistics, Explore. Masukkan variabel ke Dependent List dan variabel kelompok ke Factor List. Klik Plots, centang Normality plots with tests, Continue, OK. Baca tabel Tests of Normality: Shapiro-Wilk untuk sampel di bawah 50 per kelompok, Kolmogorov-Smirnov untuk yang lebih besar. Sig. di atas 0,05 berarti normal.
- Homogenitas varians: Levene muncul otomatis di independent t-test, atau centang Homogeneity of variance test di One-Way ANOVA. Sig. di atas 0,05 berarti varians homogen.
Untuk paired t-test, buat dulu variabel selisih lewat Transform, Compute Variable (misalnya SELISIH = POSTTEST - PRETEST), lalu uji normalitas pada variabel selisih itu. Bila sampel per kelompok cukup besar (sekitar 30 ke atas) dan pelanggaran normalitas ringan, t-test dan ANOVA cukup tangguh, dan banyak pembimbing menerimanya. Bila pelanggarannya berat atau datanya ordinal, pindah ke baris nonparametrik.
Independent sample t-test di SPSS
- Susun data: satu kolom variabel yang dibandingkan (misalnya nilai), satu kolom kelompok berkode angka (1 = eksperimen, 2 = kontrol).
- Analyze, Compare Means, Independent-Samples T Test.
- Masukkan variabel nilai ke Test Variable(s), variabel kelompok ke Grouping Variable, klik Define Groups, isi 1 dan 2, Continue, OK.
Cara membaca
- Tabel Group Statistics: rata-rata, standar deviasi, dan N tiap kelompok. Ini yang menjawab kelompok mana yang lebih tinggi.
- Tabel Independent Samples Test, kolom Levene's Test for Equality of Variances: bila Sig. di atas 0,05, varians homogen, baca baris Equal variances assumed. Bila di bawah 0,05, baca baris Equal variances not assumed.
- Pada baris yang dipilih, lihat Sig. (2-tailed). Di bawah 0,05 berarti terdapat perbedaan signifikan. SPSS versi baru menampilkan One-Sided p dan Two-Sided p. Gunakan two-sided kecuali hipotesis Anda berarah.
- Kolom Mean Difference dan interval kepercayaannya menunjukkan besar selisih.
Paired sample t-test di SPSS
- Susun data: dua kolom untuk orang yang sama, misalnya pretest dan posttest, satu baris per responden.
- Analyze, Compare Means, Paired-Samples T Test.
- Masukkan pretest sebagai Variable1 dan posttest sebagai Variable2, OK.
Baca Paired Samples Statistics untuk rata-rata keduanya, lalu Paired Samples Test kolom Sig. (2-tailed). Nilai t negatif hanya berarti Variable1 lebih kecil dari Variable2, bukan hasil yang salah. Normalitas yang diuji adalah selisih posttest dikurangi pretest, bukan masing-masing skor.
One-Way ANOVA dan post hoc
- Analyze, Compare Means, One-Way ANOVA. Variabel terikat ke Dependent List, kelompok ke Factor.
- Klik Options, centang Descriptive dan Homogeneity of variance test. Centang juga Welch sebagai cadangan.
- Klik Post Hoc, centang Tukey (bila varians homogen) dan Games-Howell (bila tidak homogen). Continue, OK.
Cara membaca
- Test of Homogeneity of Variances: Sig. di atas 0,05 berarti homogen. Bila tidak homogen, baca tabel Robust Tests of Equality of Means (Welch) sebagai pengganti tabel ANOVA.
- ANOVA: Sig. di bawah 0,05 berarti setidaknya ada satu pasang kelompok yang berbeda. ANOVA tidak memberi tahu pasangan mana.
- Multiple Comparisons (post hoc): tanda bintang pada Mean Difference atau Sig. di bawah 0,05 menunjukkan pasangan yang berbeda signifikan.
Padanan nonparametrik: Mann-Whitney, Wilcoxon, Kruskal-Wallis
Semuanya ada di Analyze, Nonparametric Tests, Legacy Dialogs.
- 2 Independent Samples: centang Mann-Whitney U, isi Test Variable dan Grouping Variable dengan Define Groups. Baca Asymp. Sig. (2-tailed). Untuk sampel sangat kecil, baca Exact Sig.
- 2 Related Samples: centang Wilcoxon, masukkan pasangan variabel. Baca Asymp. Sig. (2-tailed) dan tabel Ranks untuk arah perubahan (negative ranks dan positive ranks).
- K Independent Samples: centang Kruskal-Wallis H, Define Range untuk kode kelompok minimum dan maksimum. Bila signifikan, lanjutkan uji lanjut Mann-Whitney antarpasangan dengan koreksi Bonferroni (bagi 0,05 dengan jumlah pasangan), atau gunakan menu Nonparametric Tests versi baru yang menyediakan pairwise comparisons otomatis.
Laporkan median atau mean rank untuk uji nonparametrik, bukan hanya rata-rata, karena ujinya bekerja pada peringkat.
Ukuran efek: signifikan saja tidak cukup
Banyak penguji kini menanyakan seberapa besar perbedaannya. Untuk t-test, hitung Cohen's d, yaitu selisih rata-rata dibagi standar deviasi gabungan (SPSS versi 27 ke atas menampilkannya di tabel Effect Sizes). Acuan Cohen: 0,2 kecil, 0,5 sedang, 0,8 besar. Untuk ANOVA, hitung eta squared, yaitu Sum of Squares Between dibagi Sum of Squares Total, dengan acuan 0,01 kecil, 0,06 sedang, 0,14 besar. Untuk penelitian eksperimen pendidikan, tambahkan N-Gain bila membandingkan pretest-posttest. Untuk uji nonparametrik, ukuran efek yang lazim adalah r = Z dibagi akar N untuk Mann-Whitney dan Wilcoxon, dengan acuan yang sama seperti korelasi: 0,1 kecil, 0,3 sedang, 0,5 besar. Melaporkan ukuran efek membuat pembahasan Anda tidak berhenti pada kata "signifikan".
Contoh kalimat Bab 4
Independent t-test (angka contoh): "Uji Levene menunjukkan varians kedua kelompok homogen (Sig. = 0,412), sehingga dibaca baris equal variances assumed. Hasil independent sample t-test menunjukkan perbedaan yang signifikan antara kelas eksperimen (M = 78,4; SD = 7,1) dan kelas kontrol (M = 70,2; SD = 8,3), t(58) = 4,125, p < 0,001, dengan Cohen's d = 1,06 (efek besar)."
Wilcoxon (angka contoh): "Karena selisih skor tidak berdistribusi normal, digunakan uji Wilcoxon. Hasilnya menunjukkan peningkatan yang signifikan dari sebelum (median 62) ke sesudah pelatihan (median 75), Z = -4,218, p < 0,001, dengan 27 responden mengalami peningkatan dan 3 responden mengalami penurunan."
ANOVA (angka contoh): "One-Way ANOVA menunjukkan perbedaan motivasi yang signifikan antar tiga kelompok, F(2, 87) = 6,314, p = 0,003, eta squared = 0,127. Uji lanjut Tukey menunjukkan kelompok A berbeda signifikan dengan kelompok C (p = 0,002), sedangkan pasangan lain tidak berbeda."
Kesalahan umum
| Kesalahan | Perbaikan |
|---|---|
| t-test berulang untuk tiga kelompok | Gunakan ANOVA lalu post hoc |
| Membaca baris Equal variances assumed tanpa cek Levene | Lihat Sig. Levene dulu |
| Menguji normalitas skor pretest dan posttest, bukan selisihnya | Uji normalitas selisih untuk paired t-test |
| Menyebut "berbeda" tanpa menunjukkan kelompok mana yang lebih tinggi | Laporkan rata-rata atau median tiap kelompok |
| Memakai paired t-test untuk dua kelompok berbeda orang | Gunakan independent t-test |
| Mengabaikan ukuran efek | Laporkan Cohen's d atau eta squared |
Checklist
- Jumlah kelompok dan hubungannya (bebas atau berpasangan) jelas.
- Normalitas diuji per kelompok atau pada selisih.
- Homogenitas varians dicek.
- Uji yang dipilih sesuai tabel keputusan dan ditulis di Bab 3.
- Rata-rata atau median tiap kelompok dilaporkan.
- Nilai statistik uji, derajat bebas, p, dan ukuran efek dilaporkan.
Uji beda adalah inti dari skripsi komparatif dan penelitian eksperimen. Kalau datanya tidak normal dan Anda ragu harus transformasi atau pindah ke nonparametrik, baca cara mengatasi data tidak normal. Nilai tabel pembanding untuk uji t ada di t tabel dan F tabel.
Bila ingin didampingi, saya membuka bimbingan SPSS via Zoom Rp25.000 per sesi. Anda yang mengoperasikan SPSS, saya memandu dari pemilihan uji sampai kalimat Bab 4 selesai. Jamovi dan JASP yang gratis juga bisa dipakai untuk semua uji di atas. Konsultasi awal gratis lewat WhatsApp.
Video tutorial terkait
Tonton langkahnya langsung di layar. Video dimuat dari YouTube hanya saat Anda menekan tombol putar.
Uji t Satu Sampel di SPSS (One-Sample T Test): Apakah Rata-rata Nilai di Atas KKM
Tutorial uji t satu sampel di SPSS untuk membandingkan rata-rata satu kelompok dengan angka patokan seperti KKM: Analyze › Compare Means › One-Sample T Test, mengisi Test Value, membaca…
Uji Kruskal-Wallis di SPSS untuk Skripsi: Pengganti One Way ANOVA Saat Data Tidak Normal
Tutorial uji Kruskal-Wallis di SPSS: kapan dipakai (tiga kelompok atau lebih, data tidak normal), Analyze › Nonparametric Tests › Legacy Dialogs › K Independent Samples, Define Range,…
Uji t Independen dan One Way ANOVA di R: t.test, aov, dan TukeyHSD untuk Skripsi
Tutorial uji beda di R dan RStudio dengan fungsi bawaan: uji t independen dengan t.test (var.equal = TRUE), One Way ANOVA dengan aov dan summary, uji lanjut Tukey dengan TukeyHSD, cara…
Pertanyaan yang sering diajukan
Apa bedanya independent dan paired sample t-test?
Independent membandingkan dua kelompok orang yang berbeda, misalnya laki-laki dan perempuan. Paired membandingkan dua pengukuran pada orang yang sama, misalnya pretest dan posttest.
Kalau data tidak normal, uji beda apa yang dipakai?
Gunakan padanan nonparametrik: Mann-Whitney untuk independent t-test, Wilcoxon untuk paired t-test, dan Kruskal-Wallis untuk One-Way ANOVA.
Baris mana yang dibaca di output independent t-test?
Lihat Levene Test dulu. Bila Sig. Levene di atas 0,05, baca baris Equal variances assumed. Bila di bawah 0,05, baca baris Equal variances not assumed.
Bolehkah t-test dipakai untuk tiga kelompok?
Tidak. Memakai t-test berulang untuk tiga kelompok meningkatkan peluang kesalahan tipe I. Gunakan One-Way ANOVA lalu post hoc.
ANOVA signifikan, lalu bagaimana tahu kelompok mana yang berbeda?
Jalankan uji post hoc. Tukey bila varians homogen, Games-Howell bila tidak homogen. Tabel Multiple Comparisons menunjukkan pasangan mana yang berbeda signifikan.