Memenangkan pameran sains berarti menonjol dari persaingan.
Jangan salah paham, membuat gunung berapi soda kue yang luar biasa mungkin membuat beberapa orang bingung. Tapi Anda perlu melakukan sesuatu yang sedikit lebih kuat dari itu jika Anda ingin mengambil hadiah utama, baik di sekolah Anda atau untuk Google Science Fair.
Selain memiliki eksperimen yang masuk akal dan dirancang dengan baik, salah satu hal terpenting saat Anda mencoba menarik kesimpulan tegas adalah menganalisis hasil Anda secara akurat. Meskipun Anda mungkin tidak ingin mendengarnya – ini bukan bagian favorit kebanyakan orang dalam melakukan sains – ini berarti melakukan beberapa statistik dasar untuk melihat apakah perbedaan yang Anda amati signifikan secara statistik atau mungkin hanya karena peluang.
Namun, jangan khawatir, melakukan uji statistik tidak terlalu sulit, tetapi ini adalah salah satu cara terbaik untuk membuat proyek Anda benar-benar menonjol bagi para juri.
Mengapa Menggunakan Statistik
Jika Anda memilih variabel apa pun – misalnya, tinggi, skor tes ejaan, atau jumlah benih yang berhasil berkecambah – akan selalu ada beberapa variasi secara kebetulan saja. Umumnya ada distribusi hasil di sekitar beberapa nilai sentral. Ini membuatnya agak sulit untuk benar-benar mengetahui apakah perbedaan nyata antara dua hasil sebenarnya penting atau tidak, atau hanya karena variasi intrinsik ini. Untuk itulah Anda menggunakan statistik.
Uji statistik seperti uji- t dan koefisien korelasi Pearson memberi Anda alat untuk memisahkan efek kebetulan acak dari efek asli di luar yang diharapkan secara kebetulan. Misalnya, jika Anda ingin mengetahui apakah anak laki-laki lebih tinggi daripada anak perempuan, Anda tidak hanya membandingkan rata-ratanya (lebih dari itu sebentar lagi), Anda perlu melihat bagaimana perbedaan dalam suatu kelompok dibandingkan dengan perbedaan antar kelompok.
Pengukuran Statistik Dasar
Untuk menggunakan tes statistik untuk proyek sains Anda, Anda perlu mengetahui beberapa hal dasar terlebih dahulu. Yang pertama cukup sederhana: konsep “rata-rata”, yang dibicarakan kebanyakan orang ketika mereka mengatakan “rata-rata”. Ini hanyalah jumlah dari sekumpulan nilai dibagi dengan jumlah nilai. Jadi jika Anda memiliki lima nilai ujian: 20, 13, 18, 22 dan 16, rata-ratanya adalah:
begin{aligned} text{mean} &= μ = frac{20 + 13 + 18 + 22 + 16}{5} \ &= 17.8 end{aligned}
Konsep penting lainnya adalah standar deviasi . Ini adalah ukuran penyebaran nilai di sekitar rata-rata, dan digunakan sebagai bagian dari banyak uji statistik. Rumus standar deviasi adalah:
σ = sqrt{frac{1}{N} sum(x_i – μ)^2}
Ini mungkin terlihat menakutkan, tetapi cukup mudah untuk dihitung: mulailah dengan mencari rata-rata μ , lalu kurangi nilai ini dari masing-masing hasil ( xi dalam persamaan), sebelum mengkuadratkan jawabannya. Sekarang jumlahkan semua nilai individu ini, bagi dengan jumlah hasil ( N ), dan akhirnya ambil akar kuadrat dari jawabannya.
Menguji Perbedaan: Uji-t
Jika Anda ingin menguji perbedaan dalam variabel tertentu antara dua kelompok – misalnya, tinggi rata-rata anak laki-laki vs. perempuan atau nilai ujian siswa yang mengikuti kursus rekap vs. – uji- t adalah salah satu uji statistik yang paling umum digunakan. Diasumsikan bahwa data Anda terdistribusi secara normal (seperti kurva lonceng – mungkin demikian, jadi Anda tidak perlu terlalu khawatir tentang hal ini), bahwa kuadrat dari standar deviasi (“varians”) masing-masing kelompok adalah sama dan bahwa pengamatan independen satu sama lain.
Untuk melakukan uji- t , Anda menggunakan rumus:
t = frac{μ_1 – μ_2}{sqrt{frac{s_p^2}{n_1}+frac{s_p^2}{n_2}}}
Sekarang, yang perlu Anda ketahui adalah arti dari masing-masing simbol. Pertama, simbol μ adalah rata-rata sampel, nilai n adalah jumlah hasil dalam setiap kelompok, dan nilai s p melibatkan standar deviasi sampel. Ini sedikit lebih rumit dan memiliki rumus terpisah:
s_p^2 = frac{(n_1 – 1)σ_1^2 + (n_2 – 1)σ_2^2}{n_1+n_2 – 2}
Biasanya lebih mudah untuk menghitungnya dalam potongan-potongan, dimulai dengan nilai s p 2 , dan kemudian memasukkan nilai tersebut ke dalam persamaan untuk t . Langkah terakhir adalah mencari hasil yang Anda peroleh untuk t dalam tabel (lihat Sumberdaya) untuk tingkat signifikansi yang sesuai, yang biasanya 0,95 (jika Anda menguji perbedaan di kedua arah, yaitu lebih tinggi dan lebih rendah, maka salah satu gunakan tabel untuk uji “dua sisi†atau gunakan nilai 0,975). Anda perlu memeriksa baris untuk jumlah derajat kebebasan Anda (jumlah sampel total Anda dikurangi 2), dan jika nilai t Anda (mengabaikan tanda minus) lebih tinggi dari nilai dalam tabel, Anda telah menemukan perbedaan yang signifikan.
Tentu saja, ini baru permulaan: Apa yang Anda lakukan dengan hasilnya setelah Anda menemukannya? Bagian selanjutnya dari artikel ini akan membahas secara mendalam tentang menafsirkan hasil Anda.
Hill Street Studios/DigitalVision/GettyImages
