Apa itu Uji-t
Uji-t adalah jenis statistik inferensial yang memungkinkan kita untuk membandingkan rata-rata dari dua kelompok untuk menentukan apakah mereka secara signifikan berbeda satu sama lain. 't' dalam uji-t merupakan singkatan dari nama samaran William Sealy Gosset, yaitu "Student," yang mengembangkan uji-t Student. Sejak pengembangan uji-t Student, berbagai adaptasi, seperti uji-t Welch dan uji-t berpasangan, telah dikembangkan untuk menyesuaikan dengan jenis data dan desain eksperimen yang berbeda.
Uji-t bekerja berdasarkan prinsip pengujian hipotesis nol. Secara singkat, ini berarti kita memulai dengan mengasumsikan bahwa tidak ada perbedaan signifikan antara kelompok-kelompok tersebut (ini merupakan hipotesis nol kita). Kemudian, kita melakukan uji-t, yang memberikan kita nilai p. Nilai p memberi tahu kita tentang probabilitas mengamati data kita (atau data yang lebih ekstrim) jika hipotesis nol benar. Jika probabilitas ini rendah (biasanya kurang dari 0,05), kita menolak hipotesis nol dan menyimpulkan bahwa terdapat perbedaan yang signifikan secara statistik antara kelompok-kelompok tersebut.
Salah satu aspek penting dari uji-t adalah asumsinya bahwa data mengikuti distribusi normal, yaitu kurva berbentuk lonceng yang simetris terhadap rata-ratanya. Uji-t juga menggunakan simpangan baku dari kelompok-kelompok tersebut untuk memperkirakan galat standar dari distribusi sampel.
Uji-t Student
Uji-t Student, juga dikenal sebagai uji-t independen, adalah metode statistik yang digunakan untuk menentukan apakah terdapat perbedaan signifikan antara rata-rata dari dua kelompok independen. Dinamai menurut William Sealy Gosset, yang menerbitkan dengan nama samaran "Student," uji-t ini diterapkan luas dalam berbagai bidang. Misalnya, dapat digunakan untuk membandingkan hasil kinerja dari dua kelompok perlakuan yang berbeda dalam sebuah uji klinis, atau membandingkan nilai rata-rata dari dua kelompok siswa yang diajar dengan metode yang berbeda.
Asumsi
Uji-t Student beroperasi dengan beberapa asumsi kunci:
- Kemandirian Pengamatan
Data yang dikumpulkan dalam kedua kelompok adalah independen satu sama lain. Ini berarti pengukuran satu partisipan tidak mempengaruhi pengukuran partisipan lainnya. - Distribusi Normal
Data dalam kedua kelompok memiliki distribusi normal. Meskipun uji-t cukup tangguh terhadap asumsi ini, pelanggaran yang ekstrem dapat mengubah validitas hasil uji. - Varian yang Sama
Juga dikenal sebagai asumsi homogenitas varian, ini mengasumsikan bahwa simpangan baku data dalam kedua kelompok sekitar sama. Jika asumsi ini dilanggar, hasil uji-t Student mungkin tidak valid, dan biasanya disararankan untuk menggunakan uji-t Welch.
Prosedur Langkah demi Langkah
Uji-t Student mengikuti prosedur sistematis untuk menentukan apakah rata-rata dari dua kelompok independen secara signifikan berbeda. Berikut adalah langkah-langkah yang terlibat:
- Formulasikan Hipotesis Nol dan Alternatif
Hipotesis nol (
:H_0 (Tidak ada perbedaan antara rata-rata kelompok)\mu_1 = \mu_2 :H_1 (Ada perbedaan antara rata-rata kelompok)\mu_1 \neq \mu_2
- Hitung Statistik t
Rumus untuk statistik t dalam uji-t Student adalah:
di mana
- Tentukan Derajat Kebebasan
Untuk uji-t Student, derajat kebebasan dihitung sebagai jumlah total pengamatan dalam kedua kelompok dikurangi 2.
- Bandingkan Statistik t dengan Nilai t Kritis
Nilai t kritis dapat ditemukan dalam tabel distribusi t atau dihitung menggunakan perangkat lunak statistik. Jika nilai absolut dari statistik t lebih besar dari nilai t kritis, kita menolak hipotesis nol.
- Hitung Nilai p
Nilai p adalah probabilitas mengamati statistik t seekstrem atau lebih ekstrem daripada nilai yang diamati, dengan asumsi hipotesis nol benar. Jika nilai p kurang dari tingkat signifikansi (biasanya 0,05), kita menolak hipotesis nol.
Uji-t Welch
Uji-t Welch adalah variasi dari uji-t Student yang dirancang untuk mengakomodasi skenario di mana dua sampel memiliki varian yang tidak seimbang dan/atau ukuran sampel yang tidak seimbang. Uji-t Welch adalah alternatif yang lebih dapat diandalkan ketika asumsi varian yang sama, yang penting dalam uji-t Student, tidak terpenuhi.
Seperti uji-t Student, uji-t Welch digunakan untuk menentukan apakah terdapat perbedaan signifikan antara rata-rata dari dua kelompok independen. Uji ini diterapkan dalam berbagai skenario, terutama ketika asumsi varian yang sama tidak bisa dipertahankan.
Asumsi
Asumsi untuk uji-t Welch mirip dengan uji-t Student, dengan satu pengecualian penting:
-
Kemandirian Pengamatan
Data yang dikumpulkan dalam kedua kelompok adalah independen satu sama lain. -
Distribusi Normal
Data dalam kedua kelompok seharusnya secara kasar mengikuti distribusi normal. -
Varian Tidak Seimbang
Berbeda dengan uji-t Student, uji-t Welch tidak memerlukan asumsi varian yang sama. Uji-t ini dirancang untuk digunakan bahkan ketika varian tidak seimbang, kondisi yang dikenal sebagai heteroskedastisitas.
Prosedur Langkah demi Langkah
Langkah-langkah untuk melakukan uji-t Welch mirip dengan uji-t Student, dengan modifikasi dalam perhitungan statistik t dan derajat kebebasan:
- Formulasikan Hipotesis Nol dan Alternatif
Mirip dengan uji-t Student, hipotesis nol sering menyatakan bahwa tidak ada perbedaan dalam rata-rata dari kedua kelompok, sedangkan hipotesis alternatif menyatakan bahwa terdapat perbedaan.
- Hitung Statistik t
Rumus untuk statistik t dalam uji-t Welch sama dengan uji-t Student, tetapi perhitungan galat standar pada penyebut mempertimbangkan varian secara terpisah untuk setiap kelompok:
- Tentukan Derajat Kebebasan
Derajat kebebasan untuk uji-t Welch dihitung menggunakan persamaan Welch–Satterthwaite, yang lebih kompleks daripada perhitungan untuk uji-t Student:
- Bandingkan Statistik t dengan Nilai t Kritis
Seperti pada uji-t Student, jika nilai absolut dari statistik t lebih besar dari nilai t kritis, kita menolak hipotesis nol.
- Hitung Nilai p
Jika nilai p kurang dari tingkat signifikansi (biasanya 0,05), kita menolak hipotesis nol.
Uji-t Berpasangan
Uji-t Berpasangan, juga dikenal sebagai uji-t tergantung atau uji-t berpasangan, adalah prosedur statistik yang digunakan untuk menentukan apakah perbedaan rata-rata antara dua set pengamatan adalah nol. Setiap subjek atau entitas dalam uji-t berpasangan diukur dua kali, menghasilkan pasangan pengamatan. Pengukuran ini dapat dilakukan pada waktu yang berbeda (misalnya sebelum dan sesudah perlakuan) atau dari pasangan yang sesuai (misalnya saudara kembar).
Uji-t berpasangan sering digunakan dalam studi kasus-kontrol, desain studi silang, atau desain pengukuran berulang, di mana subjek yang sama diuji lebih dari satu kali.
Asumsi
Asumsi untuk uji-t berpasangan meliputi:
-
Sampel yang Tergantung
Sampel atau kelompok harus saling terkait atau dipasangkan dengan cara tertentu, atau pengamatan harus diambil dalam pasangan. -
Distribusi Normal
Perbedaan antara pengamatan berpasangan harus secara kasar mengikuti distribusi normal. -
Kemandirian Pengamatan
Pasangan pengamatan harus independen satu sama lain.
Prosedur Langkah demi Langkah
Berikut adalah langkah-langkah untuk melakukan uji-t berpasangan:
- Formulasikan Hipotesis Nol dan Alternatif
Hipotesis nol umumnya menyatakan bahwa tidak ada perbedaan dalam rata-rata pengamatan berpasangan, sedangkan hipotesis alternatif menyatakan bahwa terdapat perbedaan.
- Hitung Perbedaan antara Pasangan
Untuk setiap pasangan, hitung perbedaan antara kedua pengamatan.
- Hitung Rata-rata dan Simpangan Baku Perbedaan
Hitung rata-rata (ditandai sebagai
- Hitung Statistik t
Rumus untuk statistik t dalam uji-t berpasangan adalah:
di mana
- Tentukan Derajat Kebebasan
Derajat kebebasan untuk uji-t berpasangan adalah jumlah pasangan dikurangi 1 (
- Bandingkan Statistik t dengan Nilai t Kritis
Jika nilai absolut dari statistik t lebih besar dari nilai t kritis, kita menolak hipotesis nol.
- Hitung Nilai p
Jika nilai p kurang dari tingkat signifikansi (biasanya 0,05), kita menolak hipotesis nol.
Implementasi Uji-t Welch dalam Python
Di Python, uji-t Welch dapat dilakukan menggunakan fungsi scipy.stats.ttest_ind()
dengan argumen equal_var=False
. Berikut contoh bagaimana melakukannya:
import numpy as np
from scipy import stats
# Create two groups of data
group1 = np.random.normal(0, 1, 30)
group2 = np.random.normal(0.5, 1.5, 50)
# Perform Welch's t-test
t_stat, p_value = stats.ttest_ind(group1, group2, equal_var=False)
print("t statistic: ", t_stat)
print("p-value: ", p_value)
t statistic: -1.544992743798216
p-value: 0.1264084891010019
Skor t sebesar -1.5450 mengindikasikan bahwa rata-rata kelompok1 lebih rendah dari rata-rata kelompok2, karena skora negatif menunjukkan bahwa rata-rata kelompok pertama lebih rendah daripada rata-rata kelompok kedua.
Nilai p sebesar 0.1264 berarti ada kemungkinan sebesar 12,64% untuk mendapatkan perbedaan dalam rata-rata sebesar atau lebih besar dari yang diamati, dengan asumsi bahwa hipotesis nol benar (yaitu, perbedaan sebenarnya dalam rata-rata populasi adalah nol).
Biasanya, ambang batas nilai p (tingkat alpha) sebesar 0.05 digunakan dalam pengujian hipotesis. Jika nilai p kurang dari 0.05, hasilnya dianggap signifikan secara statistik, dan hipotesis nol ditolak. Dalam kasus ini, nilai p Anda lebih besar dari 0.05, sehingga kita gagal menolak hipotesis nol. Ini berarti tidak ada cukup bukti untuk menyatakan bahwa ada perbedaan signifikan antara rata-rata kedua kelompok.