Anda mengukur skor lima karyawan sebelum mereka ikut pelatihan, lalu mengukur lima orang yang sama lagi setelah pelatihan selesai. Rata-rata naik dari 60 ke 64. Kenaikan empat poin — apakah itu benar-benar buah pelatihan, atau cuma naik-turun biasa yang kebetulan kelihatan membaik?
Pertanyaan ini muncul setiap kali kita mengukur sesuatu dua kali pada subjek yang sama dan ingin tahu apakah ada perubahan nyata. Karena orang yang sama diukur dua kali, kedua angka itu bukan dua data lepas — keduanya terikat satu sama lain, atau dengan kata lain, berpasangan. Alat untuk menjawabnya adalah uji t sampel berpasangan.
Inti Idenya: Ubah Dua Kolom Jadi Satu
Bayangkan tabel sederhana: kolom sebelum dan kolom sesudah, satu baris per orang. Trik seluruh uji ini cuma satu — untuk tiap orang, kurangkan sebelum dari sesudah, hasilkan satu kolom baru: selisih.
Begitu kolom selisih jadi, kolom sebelum dan sesudah bisa dilupakan. Pertanyaan “apakah skor naik?” berubah menjadi “apakah rata-rata selisih ini berbeda dari nol?” Kalau pelatihan tidak berefek, selisih tiap orang akan bergoyang di sekitar nol (ada yang naik sedikit, ada yang turun sedikit, rata-rata mendekati nol). Kalau pelatihan berefek, selisih akan condong ke satu arah dan rata-ratanya menjauh dari nol.
Kenapa repot mengubahnya jadi kolom selisih? Karena tiap orang menjadi pembanding bagi dirinya sendiri. Karyawan yang memang pintar akan punya skor tinggi sebelum maupun sesudah; karyawan yang lemah akan rendah di keduanya. Beda bawaan antar-orang itu terhapus saat kita mengurangkan, sehingga yang tersisa di kolom selisih hanyalah efek perlakuan. Inilah yang membuat rancangan berpasangan jauh lebih peka daripada membandingkan dua kelompok orang yang berbeda.
Kapan Dipakai
Uji t berpasangan dipakai saat subjek yang sama diukur dua kali, dan Anda ingin tahu apakah rata-rata perubahannya berbeda dari nol. Ciri khasnya: tiap baris data adalah satu subjek dengan dua angka. Contoh:
- Skor pengetahuan sebelum vs sesudah pelatihan, pada karyawan yang sama.
- Nilai pra-uji vs pasca-uji (pre-test vs post-test) siswa setelah sebuah metode ajar.
- Berat badan pasien sebelum vs sesudah program diet.
Bedanya dengan uji t dua sampel independen: di sana dua kelompok berisi orang yang berbeda (misalnya kelas A versus kelas B). Di sini satu kelompok diukur dua kali. Pasangan bisa juga datang dari pencocokan: kembar, pasangan suami-istri, atau dua mata pada orang yang sama — selama tiap baris berisi dua angka yang secara alami terikat, rancangannya tetap berpasangan.
Rumus
Karena kita sudah meringkas data menjadi satu kolom selisih, statistik t-nya persis rumus uji satu sampel pada selisih, dengan nilai acuan nol:
$$ t = \frac{\bar{d}}{s_d / \sqrt{n}} $$Penjelasan tiap lambang:
- $\bar{d}$ (dibaca “d-bar”) = rata-rata selisih tiap pasang. Misalnya selisih lima orang adalah 5, 3, 5, 3, 4, maka $\bar{d} = (5+3+5+3+4)/5 = 4$.
- $s_d$ = simpangan baku selisih, yaitu seberapa beragam selisih antar-orang. Kalau semua orang naik persis 4 poin, $s_d = 0$; makin tidak seragam kenaikannya, makin besar $s_d$.
- $n$ = jumlah pasang, yaitu banyaknya subjek — bukan banyaknya pengukuran. Lima orang diukur dua kali tetap $n = 5$, bukan 10.
- $s_d / \sqrt{n}$ = standar error rata-rata selisih: perkiraan seberapa jauh $\bar{d}$ dari satu sampel bisa meleset dari rata-rata selisih yang sebenarnya. Membaginya membuat $t$ menjadi rasio “seberapa besar sinyal (rata-rata selisih) dibanding deraunya (standar error)”.
Derajat bebas (degrees of freedom) $df = n - 1$. Pada lima orang, $df = 5 - 1 = 4$.
Membaca rumus ini secara polos: t besar kalau rata-rata selisih jauh dari nol (pembilang besar), atau selisih antar-orang seragam, atau sampel banyak (penyebut kecil). t kecil kalau rata-rata selisih dekat nol, atau selisih berserakan, atau sampel sedikit. Makin besar $|t|$, makin kuat bukti bahwa perubahan itu nyata, bukan kebetulan.
Setelah $t$ dihitung, kita bandingkan dengan ambang kritis. Bila $t$ jatuh cukup jauh di ekor distribusi — di luar batas kritis — kita simpulkan perubahannya nyata. Gambar berikut menampilkan logika keputusan itu:
Di sini $H_0$ (dibaca “H-nol”) adalah hipotesis nol: dugaan awal “tidak ada perubahan”, yaitu rata-rata selisih sebenarnya sama dengan nol. Uji ini menantang dugaan itu; menolak $H_0$ berarti datanya cukup kuat untuk menyimpulkan ada perubahan.
Contoh Hitung Manual Dari Nol
Lima karyawan diukur sebelum dan sesudah pelatihan. Kita susun tabelnya, lalu hitung kolom selisih $d = \text{sesudah} - \text{sebelum}$:
| Karyawan | Sebelum | Sesudah | Selisih $d$ |
|---|---|---|---|
| 1 | 60 | 65 | 5 |
| 2 | 65 | 68 | 3 |
| 3 | 70 | 75 | 5 |
| 4 | 55 | 58 | 3 |
| 5 | 50 | 54 | 4 |
Mulai sekarang kolom sebelum dan sesudah tidak dipakai lagi — kita hanya bekerja dengan kolom selisih: 5, 3, 5, 3, 4.
Langkah 1 — rata-rata selisih $\bar{d}$. Jumlahkan kelima selisih, bagi dengan banyaknya:
$$ \bar{d} = \frac{5+3+5+3+4}{5} = \frac{20}{5} = 4 $$Rata-rata, tiap karyawan naik 4 poin.
Langkah 2 — simpangan baku selisih $s_d$. Sama persis caranya dengan menghitung simpangan baku biasa, tapi datanya kolom selisih. Tiap selisih dikurangi rata-ratanya, lalu dikuadratkan (kuadrat menghapus tanda dan memberi bobot lebih pada simpangan yang jauh):
| $d$ | $d - \bar{d}$ | $(d - \bar{d})^2$ |
|---|---|---|
| 5 | 1 | 1 |
| 3 | −1 | 1 |
| 5 | 1 | 1 |
| 3 | −1 | 1 |
| 4 | 0 | 0 |
| Σ | 0 | 4 |
Perhatikan kolom tengah: jumlah simpangan selalu nol — itu sebabnya kita mengkuadratkan dulu sebelum menjumlahkan. Jumlah kuadratnya 4. Masukkan ke rumus simpangan baku sampel (pembagi $n-1$, sama seperti pada variabilitas):
$$ s_d = \sqrt{\frac{\sum (d - \bar{d})^2}{n - 1}} = \sqrt{\frac{4}{5-1}} = \sqrt{\frac{4}{4}} = \sqrt{1} = 1 $$Simpangan baku selisih = 1. Artinya, kenaikan tiap orang khasnya menyimpang sekitar 1 poin dari rata-rata kenaikan 4 — cukup seragam.
Langkah 3 — standar error. Bagi $s_d$ dengan akar jumlah pasang:
$$ \frac{s_d}{\sqrt{n}} = \frac{1}{\sqrt{5}} = \frac{1}{2{,}236} = 0{,}447 $$Langkah 4 — statistik t. Bagi rata-rata selisih dengan standar error:
$$ t = \frac{\bar{d}}{s_d/\sqrt{n}} = \frac{4}{0{,}447} = 8{,}94 $$Statistik t = 8,94. Maknanya: rata-rata selisih kita berjarak hampir sembilan kali standar error dari nol — sangat jauh.
Mengambil Keputusan
Bandingkan $t$-hitung dengan t-tabel pada $df = n - 1 = 4$ dan taraf 5% dua arah, yaitu 2,776 (nilai ini bisa dilihat di tabel t mana pun atau dihitung perangkat lunak):
| Kondisi | Keputusan |
|---|---|
| $\lvert t\text{-hitung}\rvert >$ t-tabel (atau Sig. < 0,05) | Rata-rata selisih berbeda signifikan dari nol — ada perubahan |
| $\lvert t\text{-hitung}\rvert \le$ t-tabel (atau Sig. ≥ 0,05) | Bukti belum cukup — tidak ada perubahan signifikan |
Karena $8{,}94 > 2{,}776$, t-hitung jatuh di daerah penolakan (ekor kanan pada gambar di atas). Keputusannya: ada perbedaan signifikan. Pelatihan benar-benar menaikkan skor; kenaikan 4 poin tadi bukan kebetulan. Nilai p-nya $\approx 0{,}0009$ — jauh di bawah 0,05.
Membaca Hasilnya di SPSS
Di SPSS: Analyze → Compare Means → Paired-Samples T Test, lalu masukkan variabel Sebelum dan Sesudah sebagai satu pasang. Pada tabel keluaran Paired Samples Test:
- Baca kolom Sig. (2-tailed). Bila < 0,05, rata-rata selisih berbeda signifikan dari nol.
- Lihat tanda Mean (rata-rata selisih). SPSS menghitung selisih sebagai pasangan pertama − pasangan kedua; tanda positif atau negatif memberi tahu arah perubahan — pastikan Anda tahu mana yang dikurangi mana, supaya tidak salah membaca “naik” sebagai “turun”.
Angka di kolom t pada SPSS akan sama dengan hitung-tangan kita (8,94), begitu pula $df = 4$.
Menafsirkan Hasil
Angka 8,94 dan “signifikan” baru berarti kalau diterjemahkan ke bahasa biasa: setelah memperhitungkan keberagaman antar-orang, rata-rata kenaikan 4 poin terlalu konsisten untuk dianggap kebetulan. Kalau pelatihan benar-benar tak berefek, peluang melihat pola sekonsisten ini hanya sekitar 0,09% — sangat kecil, jadi kita menyimpulkan efeknya nyata.
Satu peringatan penting: signifikan bukan berarti besar. Uji t hanya menjawab “apakah berbeda dari nol”, bukan “apakah perbedaannya penting secara praktis”. Dengan sampel sangat besar, kenaikan setengah poin pun bisa jadi signifikan secara statistik namun tak berarti apa-apa di lapangan. Karena itu, selalu laporkan juga besar perubahannya — rata-rata selisih 4 poin, atau bila perlu rentang taksirannya. Pada contoh kita, taksiran 95% untuk rata-rata kenaikan sebenarnya berkisar antara 2,8 dan 5,2 poin: bukan cuma “tidak nol”, tapi memang kenaikan yang lumayan.
Coba Sendiri
Geser pengatur di bawah dan amati bagaimana keputusan berubah secara langsung.
Tiga hal yang patut dicoba:
- Geser rata-rata selisih $\bar{d}$ menjauh dari nol — lihat $t$ membesar dan keputusan jadi signifikan (sinyal menguat).
- Perbesar simpangan baku selisih $s_d$ — lihat $t$ mengecil. Perubahan tiap orang yang makin tidak seragam berarti bukti melemah.
- Tambah jumlah pasang $n$ — lihat $t$ naik walau $\bar{d}$ tetap. Sampel lebih besar = bukti lebih kuat.
Cek Pemahaman
1. Empat siswa mengikuti pra-uji dan pasca-uji. Selisih (pasca − pra) keempatnya: 6, 4, 5, 5. Hitung statistik t berpasangannya dari nol, lalu putuskan pada taraf 5% (t-tabel untuk $df = 3$ adalah 3,182).
Lihat jawaban
Rata-rata selisih: $\bar{d} = (6+4+5+5)/4 = 20/4 = 5$.
Simpangan dari rata-rata: $1, -1, 0, 0$ → kuadratnya $1, 1, 0, 0$ → jumlah = 2.
Simpangan baku selisih: $s_d = \sqrt{2/(4-1)} = \sqrt{0{,}667} = 0{,}816$.
Standar error: $0{,}816/\sqrt{4} = 0{,}816/2 = 0{,}408$.
Statistik t: $t = 5 / 0{,}408 = 12{,}25$, dengan $df = 3$.
Karena $12{,}25 > 3{,}182$, berbeda signifikan — pasca-uji nyata lebih tinggi dari pra-uji.
2. (transfer) Sebuah program diet diuji pada tiga pasien. Berat badan mereka turun masing-masing 2 kg, 4 kg, dan 3 kg setelah program. Apakah penurunan berat ini signifikan pada taraf 5%? (t-tabel untuk $df = 2$ adalah 4,303.) Setelah menghitung, jelaskan satu alasan kenapa walaupun rata-rata penurunan jelas, hasilnya bisa “nyaris” signifikan.
Lihat jawaban
Selisih (sebagai penurunan): 2, 4, 3 → rata-rata $\bar{d} = 9/3 = 3$ kg.
Simpangan dari rata-rata: $-1, 1, 0$ → kuadrat $1, 1, 0$ → jumlah = 2.
Simpangan baku selisih: $s_d = \sqrt{2/(3-1)} = \sqrt{1} = 1$.
Standar error: $1/\sqrt{3} = 0{,}577$.
Statistik t: $t = 3 / 0{,}577 = 5{,}20$, dengan $df = 2$.
Karena $5{,}20 > 4{,}303$, signifikan — penurunan berat nyata (nilai p $\approx 0{,}035$, tepat di bawah 0,05).
Kenapa nyaris? Sampelnya hanya tiga orang. Dengan $df = 2$, t-tabel sangat tinggi (4,303), jadi ambang yang harus dilewati berat. Andai pasiennya lebih banyak dengan pola penurunan yang sama, t-hitung akan jauh lebih besar dan keputusannya tak akan “mepet”. Sampel kecil membuat uji ini kurang peka — inilah kenapa rancangan berpasangan, yang membuang variasi antar-orang, sangat berharga ketika subjek terbatas.
Kesalahan Umum
Memperlakukan data berpasangan seperti dua sampel independen. Kalau orangnya sama diukur dua kali, jangan pakai uji t dua sampel independen. Rancangan berpasangan jauh lebih kuat karena membuang variasi antar-orang; salah pilih uji membuat Anda kehilangan kepekaan dan bisa gagal mendeteksi efek yang sebenarnya nyata.
Salah derajat bebas. $df = n - 1$ dengan $n$ = jumlah pasang, bukan jumlah total pengukuran. Lima karyawan diukur dua kali tetap $df = 4$, bukan 9.
Menghitung $s_d$ dari kolom yang salah. Yang dipakai adalah simpangan baku selisih ($s_d$), bukan simpangan baku skor sebelum atau skor sesudah. Hitung selalu dari kolom $d$, jangan dari kolom skor mentah — ini kesalahan paling sering pada hitung tangan.
Tertukar arah selisih. Tetapkan satu arah yang konsisten (di sini sesudah − sebelum) untuk semua baris. Membalik arah untuk semua baris hanya membalik tanda t (besarannya sama), tapi kalau sebagian baris dihitung terbalik, hasilnya kacau.
Menyamakan “signifikan” dengan “besar”. Sig. < 0,05 hanya berarti rata-rata selisih berbeda dari nol, bukan bahwa perubahannya penting. Selalu laporkan juga besarnya rata-rata selisih.
Salah baca Sig. Untuk uji beda, Sig. (2-tailed) < 0,05 berarti ada perbedaan signifikan. Sig. besar berarti bukti belum cukup untuk menyimpulkan adanya perubahan — bukan bukti bahwa perubahan pasti tidak ada.
Dipakai di Dunia Nyata
Skripsi eksperimen pendidikan. Membandingkan nilai pra-uji dan pasca-uji siswa untuk menguji keampuhan sebuah metode atau media pembelajaran — salah satu desain skripsi kuantitatif paling umum.
Evaluasi pelatihan di perusahaan. Mengukur kompetensi atau produktivitas karyawan sebelum dan sesudah program pelatihan, pada orang yang sama.
Penelitian kesehatan dan sosial. Membandingkan tekanan darah, berat badan, atau skor sikap sebelum dan sesudah intervensi pada subjek yang sama.
Lanjutan
Bila perubahan tiap orang jelas tidak normal sebarannya, atau datanya berskala ordinal, pakai padanan non-parametriknya:
- Uji Mann-Whitney & Wilcoxon — uji Wilcoxon adalah versi non-parametrik untuk data berpasangan.
Bila ada lebih dari dua pengukuran berulang pada subjek yang sama (misalnya bulan ke-0, ke-3, ke-6), uji t berpasangan tidak cukup — beralih ke:
- ANOVA Satu Arah sebagai pintu masuk perbandingan banyak kelompok.
Fondasi:
- Uji t Satu Sampel — induk langsung uji ini.
- Uji t Dua Sampel Independen — saudara untuk kelompok yang berbeda orang.
Reference
- Gosset, W.S. (“Student”, 1908)
- Ghozali, I. (2018), “Aplikasi Analisis Multivariate dengan Program SPSS”
- Sugiyono (2019), “Statistik untuk Penelitian”