Uji t independen Membandingkan rata-rata dua kelompok independen · tervalidasi vs R 4.3.3
Buku petunjuk

Kapan digunakan. Bandingkan rata-rata dua kelompok independen pada hasil kontinu.

Asumsi. Independensi pengamatan; distribusi mendekati normal di setiap kelompok; varians yang sama (atau gunakan koreksi Welch).

Kesalahan umum. Jangan gunakan untuk data berpasangan/sebanding: gunakan uji t berpasangan sebagai gantinya. Periksa normalitas terlebih dahulu untuk sampel kecil.

Contoh yang dikerjakan

Klik Muat data contoh di atas, lalu Jalankan Analisis untuk melihat hasil lengkap dengan angka, rumus, dan interpretasi untuk pengujian ini.

Referensi
  1. Mahasiswa. Kesalahan probabilitas rata-rata. Biometrika. 1908;6(1):1-25.
  2. Welch BL. Generalisasi masalah Student. Biometrika. 1947;34:28-35.
Didukung oleh editverse.com · R 4.3.3 tervalidasi · v3.6 Butuh analisis ahli? →

Kalkulator Gratis Editverse

Kalkulator Uji-t Independen

Bandingkan rata-rata dua kelompok independen pada hasil kontinu — dengan statistik t yang tepat, derajat kebebasan, nilai p, dan ukuran efek. Pilih Student atau Welch, lihat rumus dan perintah R yang dapat direproduksi, dan baca panduan interpretasi lengkap di bawah ini. Divalidasi terhadap R 4.3.3.

Dalam Kata Sederhana

Uji t mengajukan satu pertanyaan: apakah rata-rata dari dua kelompok cukup berjauhan sehingga perbedaan tersebut kecil kemungkinannya disebabkan oleh kebetulan? Anda memasukkan angka masing-masing kelompok, dan kalkulator akan mengembalikan nilai p (seberapa mengejutkan perbedaan tersebut jika kelompok-kelompok tersebut sebenarnya sama) dan ukuran efek (seberapa besar perbedaan sebenarnya).

Gunakan uji ini ketika hasil yang diukur berupa angka (tekanan darah, skor, konsentrasi) dan Anda membandingkan dua kelompok subjek yang berbeda. Jika orang yang sama diukur dua kali (sebelum/sesudah), itu adalah uji t berpasangan . Jika data Anda miring atau sampel Anda sangat kecil, uji Mann-Whitney U adalah pilihan yang lebih aman.

Kapan Menggunakan Uji t Independen

Uji t independen (dua sampel) membandingkan rata-rata hasil kontinu antara dua kelompok yang tidak berhubungan — misalnya, kelompok perlakuan versus kelompok kontrol, atau pria versus wanita. Ini adalah salah satu uji yang paling banyak digunakan dalam penelitian klinis dan biomedis, dan juga salah satu yang paling sering disalahgunakan.

Gunakan uji t jika semua kondisi berikut terpenuhi: hasil Anda kontinu ; Anda memiliki dua kelompok independen (subjek berbeda di setiap kelompok); hasil tersebut kira-kira terdistribusi normal di dalam setiap kelompok, atau sampel Anda cukup besar agar teorema limit pusat dapat diterapkan; dan observasi saling independen. Jika varians berbeda secara signifikan antar kelompok, beralihlah dari versi Student ke koreksi Welch , yang tidak mengasumsikan varians yang sama dan merupakan pilihan default yang aman. Untuk tiga kelompok atau lebih, gunakan ANOVA satu arah daripada beberapa uji t, yang meningkatkan tingkat positif palsu. Tidak yakin apakah uji t sesuai dengan desain Anda? Pemilih Uji interaktif kami akan memandu Anda.

Contoh yang berhasil

Contoh 1 — Obat vs plasebo (signifikan)

Enam pasien yang menggunakan Obat A memiliki nilai hasil 5.2, 6.1, 5.8, 6.5, 5.9, 6.2; enam pasien yang menggunakan plasebo memiliki nilai 7.1, 7.8, 8.2, 7.5, 8.0, 7.9. Rata-rata kelompok plasebo jelas lebih tinggi. Memasukkan data ini dan menjalankan uji t Welch dua arah menghasilkan nilai t negatif yang besar dengan nilai p yang kecil (p < 0.001), sehingga perbedaan antar kelompok sangat kecil kemungkinannya terjadi secara kebetulan. Laporkan perbedaan rata-rata dan interval kepercayaan 95%, bukan hanya nilai p.

Contoh 2 — Kelompok yang tumpang tindih (tidak signifikan)

Grup 1: 10, 11, 12, 13, 14; Grup 2: 10.5, 11.2, 12.1, 12.8, 14.2. Rata-ratanya hampir identik dan sebarannya tumpang tindih secara signifikan, sehingga uji tersebut menghasilkan nilai t yang kecil dan nilai p yang besar (p > 0.05). Kesimpulan yang benar adalah tidak ada bukti adanya perbedaan — yang tidak sama dengan membuktikan bahwa kelompok-kelompok tersebut setara, terutama dengan hanya lima pengamatan per kelompok.

Asumsi yang Perlu Diperiksa

Independensi. Setiap pengamatan harus tidak berhubungan dengan pengamatan lainnya. Pengukuran berulang pada subjek yang sama melanggar prinsip ini — gunakan uji berpasangan sebagai gantinya.

Normalitas. Hasil setiap kelompok seharusnya mendekati normal. Periksa histogram atau plot QQ; untuk sampel kecil, uji Shapiro-Wilk dapat membantu. Dengan sampel besar, sedikit ketidaknormalan tidak terlalu berpengaruh.

Varians yang sama. Uji t Student mengasumsikan kedua kelompok memiliki varians yang serupa. Jika ragu, gunakan koreksi Welch — koreksi ini kuat terhadap varians yang tidak sama dan hampir tidak mengurangi daya uji, itulah sebabnya banyak ahli statistik menggunakannya secara default.

Kesalahan Umum

Menggunakan uji t pada data berpasangan

Pengukuran sebelum/sesudah pada subjek yang sama dipasangkan. Gunakan uji t berpasangan (atau uji peringkat bertanda Wilcoxon untuk perbedaan miring), bukan uji t independen.

Melakukan banyak uji t di berbagai kelompok.

Membandingkan tiga kelompok atau lebih dengan uji t berpasangan berulang akan meningkatkan tingkat kesalahan positif. Gunakan ANOVA dengan koreksi post-hoc sebagai gantinya.

Hanya melaporkan nilai p.

Nilai p menunjukkan apakah suatu perbedaan dapat dideteksi, bukan seberapa besar perbedaannya. Selalu laporkan perbedaan rata-rata, interval kepercayaan 95%, dan ukuran efek (Cohen's d).

Memaksakan uji parametrik pada data yang miring

Jika hasilnya jelas miring atau ordinal dan ukuran sampel kecil, uji Mann-Whitney U lebih tepat digunakan.

Pertanyaan yang Sering Diajukan

Student atau Welch — mana yang harus saya pilih?

Jika Anda ragu apakah kedua kelompok memiliki varians yang sama, pilih Welch. Metode ini tidak mengasumsikan varians yang sama dan kinerjanya hampir sama baiknya ketika variansnya sama, sehingga merupakan pilihan default yang aman.

Berekor satu atau berekor dua?

Gunakan uji dua arah kecuali Anda memiliki hipotesis terarah yang kuat dan telah didaftarkan sebelumnya. Uji dua arah adalah pilihan konvensional yang lebih konservatif dan merupakan hal yang diharapkan oleh para penilai.

Berapa banyak peserta yang saya butuhkan?

Putuskan sebelum mengumpulkan data dengan melakukan analisis ukuran sampel dan kekuatan statistik , berdasarkan ukuran efek yang Anda harapkan dan target kekuatan statistik sebesar 80%.

Apakah hasilnya sesuai dengan SPSS, R, dan Stata?

Ya. Kalkulator ini menggunakan rumus dan fungsi distribusi t yang sama seperti perangkat lunak standar dan menampilkan perintah R yang tepat sehingga Anda dapat mereproduksinya.

Kalkulator Terkait

Tes Mann-Whitney U ANOVA Satu Arah Ukuran Efek (Cohen's d) Interval Keyakinan Ukuran Sampel & Kekuatan Tes Mana yang Harus Saya Gunakan?

Referensi

  1. Mahasiswa. Kesalahan probabilitas rata-rata. Biometrika. 1908;6(1):1–25.
  2. Welch BL. Generalisasi dari masalah "Student" ketika beberapa varians populasi yang berbeda terlibat. Biometrika. 1947;34(1–2):28–35.
  3. Yan F, Robert M, Li Y. Metode statistik dan masalah umum dalam penelitian ilmu kedokteran atau biomedis. Jurnal Internasional Fisiologi, Patofisiologi, dan Farmakologi. 2017;9(5):157–163. PMID 29209453.
  4. Greenland S, Senn SJ, Rothman KJ, dkk. Uji statistik, nilai P, interval kepercayaan, dan kekuatan: panduan untuk menghindari kesalahan interpretasi. Jurnal Epidemiologi Eropa. 2016;31(4):337–350. PMID 27209009.

Apakah Anda Membutuhkan Analisis Ini untuk Manuskrip Anda?

Ahli biostatistik PhD kami akan menjalankan uji t Anda (dan semua hal terkaitnya), memeriksa asumsi, dan memberikan tabel siap publikasi dengan keluaran R yang dapat direproduksi.

Dapatkan Bantuan Statistik dari Pakar