Kapan Kita Menggunakan Uji Independent T Test?

Artikel kali ini tidak membahas simulasi uji independent t test tetapi membahas tentang kapan kita menggunakan metode ini. Simulasi uji independent t test telah kami rilis di sini. Kita akan membahas model seperti apa yang cocok menggunakan metode ini. Banyak juga pertanyaan di kolom komentar yang masuk sehingga akhirnya dibuat artikel ini agar lebih komprehensif dibandingkan dengan tanya jawab di kolom komentar. Tulisan ini lebih bersifat penjelasan saja, jadi bukan literatur dan mohon untuk tidak dikutip. Jika ingin mengutip, kami sarankan menggunakan buku statistik yang Anda miliki.

Kriteria penggunaan uji independent t test adalah sebagai berikut:

1. Peneliti ingin membandingkan dua sampel

Digunakan ketika kita ingin membandingkan dua buah sampel atau dua buah kelompok data. Jika lebih dari 2 maka kita tidak bisa menggunakan uji independent t test. Atau jika kita hanya menganalisis satu sampel saja atau satu kelompok data saja maka kita tidak bisa menggunakan uji ini.

2. Dua sampel tersebut independent atau tidak berkorelasi

Terjemahan tidak berkorelasi mungkin memang kurang tepat tetapi istilah ini sering dipergunakan. Artinya dua sampel tersebut berbeda dan tidak berhubungan secara langsung. Jika berkorelasi maka kita menggunakan paired test jika asumsi normalitas terpenuhi atau Uji Wilcoxon jika tidak normal.

Sebagai ilustrasi, jika Anda ingin meneliti suatu metode pembelajaran. Anda mengukur pemahaman suatu kelas terhadap materi tertentu. Lalu kelas yang sama diberikan metode tertentu, lalu diukur apakah pemahaman meningkat atau menurun atau sama saja. Dalam hal ini, ada dua sampel, yaitu sebelum (diberikan materi) dan sesudah. Dua sampel tersebut sebenarnya adalah sama, jadi kedua sampel tersebut tidaklah independent atau berkorelasi. Jadi dalam kasus ini, uji independent t test tidak dapat dipergunakan. Mungkin bisa dipergunakan paired test, jika asumsi normalitas terpenuhi.

Gambar Simulasi Uji Beda

Uji independent t test dapat dipergunakan misalnya dalam kasus:

  • Peneliti ingin melihat apakah terdapat perbedaan pemahaman PSAK antara Akuntan publik dengan Dosen Akuntansi. Ini hanya contoh saja. Ada dua sampel atau kelompok data, yaitu akuntan publik dan dosen akuntansi. Keduanya tentu adalah sampel yang berbeda sehingga kita bisa menggunakan uji independent t test (tentunya jika syarat yang lain terpenuhi). Kita mengukur hal yang sama (pemahaman PSAK) pada dua kelompok yang independent tetapi masih berkaitan erat dengan apa yang kita ukur. Tentunya kita tidak bisa mengukur pemahaman hukum antara mahasiswa hukum dengan mahasiswa kedokteran. Anda tentu tahu alasannya.
  • Seorang guru memberikan materi yang sama kepada dua kelas, tetapi menggunakan metode yang berbeda. Lalu guru tersebut ingin melihat efektifitas metode pembelajaran berdasarkan hasil evaluasi atau ulangan. Dalam hal ini dua kelas tersebut bisa saja mempunyai jumlah yang sama. Jadi agak kurang tepat ketika orang menyatakan bahwa uji independent t test dilakukan jika dua sampel jumlahnya berbeda. Biasanya memang berbeda karena dari dua kelompok yang berbeda, tapi jika jumlahnya sama pun tidak masalah, tetap bisa mempergunakan uji ini.
  • Pemerintah ingin melihat efektivitas suatu kebijakan 3 M yang tinggi pada suatu daerah dengan daerah lain yang penerapan 3 M rendah. Lalu dibandingkan jumlah kasus infeksi Covid-19 antara dua daerah tersebut. Perbandingan dilakukan pada dua propinsi dan data kasus Covid-19 diukur pada tingkat kabupaten atau kecamatan. (Ini hanya contoh saja).

3. Harus memenuhi asumsi normalitas

Karena ini parametrik maka data harus normal. Jika tidak normal, kita bisa menggunakan Mann-Whitney U Test yang sebenarnya sama persis kriterianya. Tapi jika mau ditransformasikan juga bisa saja. Untuk menguji normalitas, maka diuji bersamaan di antara dua sampel tersebut, tidak diuji masing-masing. Contohnya lihat di sini. Jadi data dua kelompok disusun dalam satu kolom jika menggunakan SPSS. Lalu di kolom lain diberikan variabel lain yang berisi koding, misalnya 1 untuk sampel pertama dan 2 untuk sampel kedua. Setelah itu baru diuji normalitasnya. Sekali lagi, jangan diuji normalitasnya satu per satu atau masing-masing sampel.

Secara umum, sebelum melakukan uji independent t test sebaiknya dilakukan analisis deskriptif dulu. Misalnya Anda ingin menguji apakah terdapat perbedaan pendapatan Insiyur di suatu negara berkembang dengan negara lain yang sangat maju. Maka ketika kita bandingkan, kita akan melihat dengan jelas bahwa sudah terdapat perbedaan. Jadi tidak usah diteruskan karena toh jika diuji normalitasnya cenderung tidak normal. Kalau dipaksakan dengan Mann-Whitney U Test pun nanti juga akan terlihat bahwa terdapat perbedaan yang signifikan.

Homogen atau heterogen tidak ada masalah. Output independent t test ada dua, yaitu jika varians equal dan jika varians tidak equal. Kita tinggal menyesuaikan hasil uji homogenitas dengan outputnya.

Sekali lagi, ini adalah artikel untuk memperjelas suatu pemahaman, disarankan untuk tidak dirujuk dalam naskah.

Share:

Tidak ada komentar:

Posting Komentar

Baca dulu sebelum tulis komentar:

Sebelum menuliskan pertanyaan, mohon disimak tanya jawab yang ada terlebih dahulu. Pertanyaan yang sama atau senada biasanya tidak terjawab. Untuk pengguna Blogger mohon profil diaktifkan agar tidak menjadi dead link. Atau simak dulu di Mengapa Pertanyaan Saya Tidak Dijawab?
Simak juga Channel kami di Statistik TV
Komentar akan kami moderasi dulu sebelum ditampilkan. Aktifkan Akun Google Anda.

Terima kasih.

Artikel Terbaru

Translate

Instagram

Instagram
Gabung Instagram Kami

Artikel Terbaru

Jual Data Laporan Keuangan Perusahaan yang Listing di BEI Tahun 2020

Setiap perusahaan yang telah go public wajib untuk menyerahkan laporan keuangan ke badan otoritas, sebagai salah satu bentuk pertanggungjawa...

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *