One Sample t Test: Membandingkan Rata-rata dengan KKM atau Nilai Acuan, Contoh dan Output SPSS

Q: Apa yang diisikan ke Test Value?

Nilai acuan yang ingin dibandingkan, misalnya KKM (75), standar mutu, rata-rata nasional, atau titik tengah skala Likert (3 untuk skala 1–5). Angka ini harus ditetapkan dari teori atau aturan sebelum data dianalisis, bukan dipilih setelah melihat hasil.

Q: Rata-rata sudah di atas KKM, kenapa hasilnya tidak signifikan?

Selisih kecil pada sampel kecil bisa terjadi hanya karena kebetulan. Uji t menimbang selisih itu terhadap variasi data dan jumlah sampel. Rata-rata 77,9 dari 15 siswa belum cukup kuat untuk menyimpulkan bahwa rata-rata populasinya berbeda dari 75 pada uji dua sisi.

Q: Bolehkah langsung memakai uji satu sisi supaya signifikan?

Tidak. Uji satu sisi hanya sah bila arah hipotesisnya sudah ditulis sebelum data dilihat dan didukung alasan teori. Mengganti dari dua sisi ke satu sisi setelah hasilnya tidak signifikan termasuk praktik yang tidak jujur.

Daftar isi

Kapan dipakai
Syarat
Hipotesis
Rumus
Contoh hitung
Membaca output SPSS
Ukuran efek
Cara di SPSS dan di Metodologi
Menuliskan hasilnya
Bila syaratnya tidak terpenuhi
Kesalahan umum
Pertanyaan umum

One sample t test (uji t satu sampel) menguji apakah rata-rata satu kelompok berbeda dari sebuah nilai acuan yang sudah ditetapkan. Berbeda dengan paired sample t test dan independent sample t test yang membandingkan dua rata-rata dari data, di sini hanya ada satu rata-rata, dan pembandingnya berupa angka tetap.

Kapan dipakai

Dibandingkan dengan KKM. Apakah rata-rata hasil belajar kelas berbeda dari KKM 75?
Dibandingkan dengan standar. Apakah rata-rata berat isi kemasan sesuai label 250 gram?
Dibandingkan dengan titik tengah skala. Apakah rata-rata skor sikap pada skala Likert 1–5 berbeda dari 3 (netral)?
Dibandingkan dengan angka dari penelitian lain, misalnya rata-rata nasional yang sudah dipublikasikan.

Nilai acuan ini disebut test value di SPSS, dan dalam rumus ditulis μ₀.

Syarat

Data berskala interval atau rasio.
Data berdistribusi normal, terutama bila sampelnya kecil (lihat uji normalitas).
Nilai acuan punya dasar yang jelas dan ditetapkan sebelum analisis.

Hipotesis

Dua sisi (tidak berarah):

H0: rata-rata = nilai acuan (μ = 75).
H1: rata-rata ≠ nilai acuan (μ ≠ 75).

Satu sisi (berarah), bila teori atau tujuan penelitian memang memprediksi arah:

H0: μ ≤ 75.
H1: μ > 75.

Rumus

t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}, \qquad df = n - 1

$\bar{x}$ = rata-rata sampel
$\mu_0$ = nilai acuan (test value)
$s$ = simpangan baku sampel
$n$ = jumlah data

Contoh hitung

Nilai 15 siswa dibandingkan dengan KKM 75 (rekaan)

Nilai: 78, 72, 81, 69, 85, 77, 74, 80, 83, 71, 79, 76, 88, 73, 82.

Rata-rata $\bar{x} = 77{,}87$ dan simpangan baku $s = 5{,}449$ .
Galat baku $5{,}449 / \sqrt{15} = 1{,}407$ .
$t = (77{,}87 - 75) / 1{,}407 = 2{,}037$ , dengan df = 14.
Dua sisi: t tabel α 5% dengan df 14 = 2,145. Karena 2,037 < 2,145, H0 tidak ditolak. Nilai p = 0,061.
Satu sisi (bila sejak awal hipotesisnya "rata-rata lebih dari 75"): p = 0,061 / 2 = 0,030. Karena 0,030 < 0,05, H0 ditolak.

Selang kepercayaan 95% untuk selisih rata-rata dengan KKM: −0,15 sampai 5,88. Selang ini memuat nol, sejalan dengan hasil uji dua sisi. Uji Shapiro-Wilk memberi p = 0,992, jadi data normal.

Angka contoh ini rekaan untuk latihan, tetapi semua hasilnya sudah dihitung ulang dengan R.

Contoh ini sengaja memperlihatkan bahwa arah hipotesis menentukan kesimpulan. Itulah sebabnya pilihan satu sisi atau dua sisi harus ditulis di Bab 3, sebelum data dikumpulkan.

Membaca output SPSS

One-Sample Statistics: N = 15, Mean = 77,87, Std. Deviation = 5,449, Std. Error Mean = 1,407.

One-Sample Test (Test Value = 75):

Kolom	Nilai	Arti
t	2,037	statistik uji
df	14	n − 1
Sig. (2-tailed)	0,061	nilai p dua sisi
Mean Difference	2,867	rata-rata dikurangi test value
95% Confidence Interval of the Difference	−0,151 sampai 5,884	rentang selisih yang masuk akal

Perhatikan bahwa selang kepercayaan di tabel ini adalah selang untuk selisih dengan test value, bukan untuk rata-ratanya. Versi SPSS yang lebih baru menampilkan One-Sided p (0,030) dan Two-Sided p (0,061) secara terpisah.

Ukuran efek

d = \frac{\bar{x} - \mu_0}{s} = \frac{2{,}867}{5{,}449} = 0{,}53

Menurut patokan Jacob Cohen (1988), angka ini tergolong sedang. Ukuran efek berguna terutama ketika hasilnya tidak signifikan: efek sedang yang tidak signifikan sering menandakan sampelnya terlalu kecil, bukan bahwa perbedaannya tidak ada.

Cara di SPSS dan di Metodologi

Di SPSS

Pilih Analyze → Compare Means → One-Sample T Test.
Masukkan variabel nilai ke Test Variable(s).
Isi Test Value dengan nilai acuan, misalnya 75.
Klik OK, lalu baca tabel One-Sample Test.

Di Metodologi

Buka olah data; menu Uji t satu sampel langsung terpilih.
Tempel tabel dari Excel atau Google Sheets (dengan baris judul), atau pilih file CSV atau Excel. Datanya diolah di browser dan tidak dikirim ke server.
Di tab Variabel, beri label yang jelas dan label nilai untuk kode kelompok (mis. 1 = Eksperimen).
Di tab Analisis, pilih variabel dan nilai uji, misalnya KKM 75, lalu tekan Jalankan uji t satu sampel.
Baca tabel One-Sample Statistics, dan One-Sample Test. Nama tabel dan kolomnya sama dengan output SPSS, dan di bawahnya ada hipotesis, dasar keputusan, kesimpulan, serta kalimat untuk Bab 4.
Salin tabel ke Word, atau unduh semua hasil sebagai file Word atau Excel, dengan gaya tabel SPSS atau APA.

Bedanya dengan SPSS: Selang kepercayaan 95% untuk selisih dan d Cohen ikut dihitung. Semua angka dicocokkan dengan R; lihat akurasi perhitungan.

Punya data? Hitung uji t satu sampel langsung di browser, lengkap dengan tabel bergaya SPSS dan kalimat untuk Bab 4. Datamu tidak dikirim ke server.

Olah datamu

Menuliskan hasilnya

Uji dua sisi:

Rata-rata nilai siswa (M = 77,87; SD = 5,45) tidak berbeda secara signifikan dari KKM 75, t(14) = 2,04, p = 0,061, d = 0,53.

Uji satu sisi yang sudah direncanakan sejak awal:

Rata-rata nilai siswa (M = 77,87; SD = 5,45) secara signifikan lebih tinggi daripada KKM 75, t(14) = 2,04, p satu sisi = 0,030, d = 0,53.

Bila syaratnya tidak terpenuhi

Data tidak normal dan sampel kecil: pakai uji peringkat bertanda Wilcoxon satu sampel terhadap nilai acuan (median), atau uji tanda.
Yang ingin diketahui sebenarnya persentase siswa yang mencapai KKM, bukan rata-ratanya: hitung ketuntasan belajar.

Kesalahan umum

Memilih test value setelah melihat data, misalnya mengganti 75 menjadi 70 supaya signifikan.
Beralih ke uji satu sisi setelah uji dua sisi tidak signifikan.
Menyimpulkan "rata-rata di atas KKM" hanya dari angka rata-rata tanpa uji.
Menafsirkan selang kepercayaan sebagai selang rata-rata, padahal di output SPSS itu selang selisih.

Pertanyaan umum

Apa yang diisikan ke Test Value?