18 Independent Samples t-test: Parametrik dan Non-Parametrik

Asumsi dasar yang perlu dipenuhi untuk melakukan uji beda menggunakan independent t-test adalah:

• Dependent Variable (DV – variabel yang menjadi fokus penelitian) berupa data kontinum (data interval atau rasio), misalnya skor tes, waktu respon.
• Independent Variable (IV – kelompok yang diuji) merupakan dua kelompok yang berbeda, misalnya perbedaan kemampuan bahasa antara kelompok laki-laki dan perempuan.
• Data yang diobservasi harus independen, tidak berasal dari kelompok yang sama.
• Data harus terdistribusi normal. Gunakan uji beda non-parametrik jika data tidak terdistribusi dengan normal.
• Tidak ada outliers (data yang sangat berbeda dari rata-rata).
• Data harus memiliki varians yang homogen (homogeneity). Asumsi ini dapat dilihat dengan menggunakan Levene’s test for homogeneity of variance.

Interpretasi dari hasil uji beda menggunakan independent t-test perlu dilakukan secara bertahap. Misalnya, peneliti ingin mengetahui perbedaan self-efficacy berdasarkan  jenis kelamin (laki-laki dan perempuan). Tahapan interpretasi hasil uji independent t-test dapat dipahami dengan mempelajari contoh output penghitungan independent t-test menggunakan software JASP berikut:

1. Uji asumsi

   Hal pertama yang perlu dilihat adalah uji asumsi terkait distribusi dan homogenitas data; data harus terdistribusi secara normal dan homogen. Pada contoh tabel hasil uji hipotesis yang diperlihatkan pada Tabel 18.1, diketahui bahwa self-efficacy pada kedua kelompok terdistribusi normal (kelompok laki-laki p = .16; perempuan p = .07; p > .05). Artinya, sebaran data self-efficacy partisipan pada kedua kelompok tidak berbeda secara signifikan dibandingkan sebaran data kurva normal.

   Tabel 18.1: Contoh hasil uji normalitas (Shapiro-Wilk)

   Variabel	Kelompok	W	p
   Self-efficacy	Laki-laki	0.961	0.155
   	Perempuan	0.961	0.066

   Uji homogenitas berdasarkan skor Levene’s test juga tidak signifikan (F = 1.53, p = .22 > .05), menunjukkan bahwa kedua kelompok tidak menunjukkan varians yang berbeda, atau data bersifat homogen (Tabel 18.2). Dengan demikian, data penelitian memenuhi kedua uji asumsi sehingga dapat dilanjutkan untuk dianalisis dengan menggunakan independent samples t-test. Jika data tidak memenuhi uji asumsi tersebut, maka uji parametrik tidak dapat dilanjutkan, perlu dilakukan uji non-parametrik (Mann-Withney test).

   Tabel 18.2: Contoh hasil uji homogenitas Levene

   Variabel	F	df1	df2	p
   Self-efficacy	1.527	1	98	.220

2. Uji Hipotesis

   Selanjutnya, hal yang perlu dilihat adalah nilai p pada tabel independent samples t-test. Nilai p = .006 (p < .05) menunjukkan terdapat perbedaan signifikan tingkat self-efficacy yang dilaporkan oleh partisipan laki-laki dan perempuan. Pada tabel output uji independent t-test (lihat Tabel 18.3) juga dapat dilihat nilai Cohen’s d yang menunjukkan seberapa besar efek dari perbedaan jenis kelamin terhadap perbedaan self-efficacy pada kedua kelompok (effect size). Nilai t, df, p dan Cohen’s d diperlukan dalam penulisan interpretasi hasil uji beda antar kelompok, yang dapat dilihat pada contoh interpretasi hasil independent samples t-test.

   Tabel 18.3: Contoh hasil analisis independent samples t-test

   Variabel	t	df	p	Cohen’s D	SE Cohen’s D
   Self-efficacy	2.280	98	.006	0.570	0211

3. Data Deskriptif Kelompok

   Terakhir, informasi mengenai mean dan SD diperlukan untuk mengetahui kelompok mana yang menunjukkan rata-rata skor paling tinggi (lihat Tabel 18.4). Contoh tabel menunjukkan laki-laki memiliki rata-rata self-efficacy yang lebih tinggi dibandingkan perempuan.

Tabel 18.4: Contoh statistik deskriptif independent samples t-test

Variabel	Kelompok	N	Mean	SD	SE	Coefficient of variation
Self-efficacy	Laki-laki	43	8.209	1.922	0.293	0.234
	Perempuan	57	7.193	1.674	0.222	0.233

Pelaporan hasil uji beda independent samples t-test dengan mengikuti format penulisan APA, adalah: Hasil independent samples t-test menunjukkan terdapat perbedaan tingkat self-efficacy yang signifikan (t (98) = 2.82, p = .006, d = .57) antara kelompok partisipan laki-laki (M = 8.21, SD = 1.92) dan partisipan perempuan (M = 7.19, SD = 1.67). Atau, partisipan laki-laki (M = 8.21, SD = 1.92) memiliki self-efficacy yang lebih tinggi (t (98) = 2.82, p = .006, d = .57) dibandingkan partisipan perempuan (M = 7.19, SD = 1.67).

Prinsip yang sama juga dapat diterapkan untuk interpretasi dan melaporkan hasil uji beda non-parametrik (lihat Tabel 18.5), dengan melihat hasil uji Mann-Whitney test (U), dan mean rank sebagai pengganti mean. Berikut adalah contoh output Mann-Whitney:

Tabel 18.5: Contoh hasil analisis Mann-Whitney

Variabel	U	df	p	Rank-Biserial Correlation	SE Rank-Biserial Correlation
Self-efficacy	1576.000		0.013	0.286	0.117

Hasil Mann-Whitney test menunjukkan bahwa terdapat perbedaan tingkat self-efficacy yang signifikan (U = 1576, p = .013) antara kelompok partisipan laki-laki (Mdn = 58.65) dan partisipan perempuan (Mdn = 44.35). Atau, partisipan laki-laki (Mdn = 58.65) memiliki self-efficacy yang lebih tinggi (U = 1576, p = .013) dibandingkan partisipan perempuan (Mdn = 44.35) (lihat Tabel 18.6).

Tabel 18.6: Contoh statistik deskriptif Mann-Whitney

Variabel	Kelompok	N	Mean	SD	SE	Coefficent of Variation	Mean Rank	Sum Rank
Self-efficacy	Laki-laki	43	8.209	1.922	0.293	0.234	58.651	2522
	Perempuan	57	7.193	1.674	0.222	0.233	44.351	2528