Menguasai teknik statistik dapat membantu kita untuk lebih memahami dunia di sekitar kita, dan belajar menangani data dengan benar terbukti berguna dalam berbagai karier. Uji-T dapat membantu untuk menentukan apakah perbedaan antara kumpulan nilai yang diharapkan dan kumpulan nilai yang diberikan signifikan atau tidak. Meskipun prosedur ini mungkin terlihat sulit pada awalnya, ini bisa mudah digunakan dengan sedikit latihan. Proses ini sangat penting untuk menafsirkan statistik dan data, karena memberi tahu kita apakah data tersebut berguna atau tidak.
Prosedur
Nyatakan hipotesisnya. Tentukan apakah data menjamin uji satu sisi atau dua sisi. Untuk uji satu sisi, hipotesis nol akan berbentuk μ > x jika Anda ingin menguji rata-rata sampel yang terlalu kecil, atau μ < x jika Anda ingin menguji rata-rata sampel yang terlalu besar. Hipotesis alternatif berbentuk μ = x. Untuk uji dua sisi, hipotesis alternatif tetap μ = x, tetapi hipotesis nol berubah menjadi μ ≠x.
Tentukan tingkat signifikansi yang sesuai untuk studi Anda. Ini akan menjadi nilai yang Anda bandingkan dengan hasil akhir Anda. Secara umum, nilai signifikansi berada pada α = 0,05 atau α = 0,01, bergantung pada preferensi Anda dan seberapa akurat hasil yang Anda inginkan.
Menghitung data sampel. Gunakan rumus (x – μ)/SE, dengan kesalahan baku (SE) adalah simpangan baku dari akar kuadrat populasi (SE = s/√n). Setelah menentukan t-statistik, hitung derajat kebebasan melalui rumus n-1. Masukkan statistik-t, derajat kebebasan, dan tingkat signifikansi ke dalam fungsi uji-t pada kalkulator grafik untuk menentukan nilai-P. Jika Anda mengerjakan Uji-T dua sisi, gandakan nilai-P.
Tafsirkan hasilnya. Bandingkan nilai-P dengan tingkat signifikansi α yang dinyatakan sebelumnya. Jika kurang dari α, tolak hipotesis nol. Jika hasilnya lebih besar dari α, gagal menolak hipotesis nol. Jika Anda menolak hipotesis nol, ini menyiratkan bahwa hipotesis alternatif Anda benar, dan datanya signifikan. Jika Anda gagal menolak hipotesis nol, ini menyiratkan bahwa tidak ada perbedaan yang signifikan antara data sampel dan data yang diberikan.
- Selalu periksa ulang perhitungan Anda.
- Hasil T-Test bersifat subyektif terhadap tingkat signifikansi yang Anda pilih untuk membandingkan hasil Anda. Meskipun sebagian besar hasilnya akurat, masih ada kemungkinan untuk salah menafsirkan data.
Gambar Kreatas/Kreatas/Getty
