Isi

• Langkah
• Nasihat
• Peringatan

Pengujian hipotesis dipandu oleh analisis statistik. Kepercayaan yang signifikan secara statistik dihitung menggunakan nilai p - yang menunjukkan probabilitas hasil pengamatan ketika suatu (hipotesis nol) tertentu benar. Jika nilai p kurang dari tingkat signifikansi (biasanya 0,05), pelaku eksperimen dapat menyimpulkan bahwa terdapat cukup bukti untuk menyangkal hipotesis nol dan mengakui hipotesis terbalik. Dengan menggunakan uji-t, Anda dapat menghitung nilai-p dan menentukan signifikansi antara dua kelompok data yang berbeda.

Langkah

Bagian 1 dari 3: Siapkan eksperimen Anda

1. 

   Tentukan hipotesis Anda. Langkah pertama dalam mengevaluasi signifikansi statistik adalah mengidentifikasi pertanyaan untuk dijawab dan menyatakan hipotesis Anda. Hipotesis adalah pernyataan dari data empiris dan kemungkinan perbedaan dalam populasi. Setiap eksperimen memiliki hipotesis nol dan hipotesis terbalik. Secara umum, Anda akan membandingkan dua kelompok untuk melihat apakah keduanya sama atau berbeda.
   • Secara umum, hipotesis bukan (H₀) mengonfirmasi bahwa tidak ada perbedaan antara kedua kelompok data. Contoh: Siswa yang membaca materi sebelum kelas tidak mendapatkan nilai akhir yang lebih baik.
   • Hipotesis terbalik (H_Sebuah) Bertentangan dengan hipotesis nol dan merupakan pernyataan yang Anda coba dukung dengan data empiris Anda. Contoh: Siswa yang membaca materi sebelum kelas ternyata mendapatkan nilai akhir yang lebih baik.

2. 

   
   
   Pilih tingkat signifikansi untuk menentukan tingkat perbedaan yang dapat dianggap bermakna dalam data. Level signifikansi (juga dikenal sebagai alpha) adalah ambang batas yang Anda pilih untuk menentukan makna. Jika nilai p kurang dari atau sama dengan tingkat signifikansi tertentu, data dianggap signifikan secara statistik.
   • Sebagai aturan umum, tingkat signifikansi (atau alpha) biasanya dipilih pada tingkat 0,05 - artinya probabilitas pengamatan perbedaan yang terlihat pada data adalah acak hanya 5%.
   • Semakin tinggi tingkat kepercayaan (dan oleh karena itu, semakin rendah nilai p), semakin berarti hasilnya.
   • Jika diperlukan lebih banyak keyakinan, turunkan nilai-p menjadi 0,01. Nilai p rendah sering digunakan di bidang manufaktur untuk mendeteksi cacat produk. Tingkat keandalan yang tinggi sangat penting untuk menerima bahwa setiap bagian akan berfungsi sebagaimana mestinya.
   • Untuk sebagian besar eksperimen berbasis hipotesis, tingkat signifikansi 0,05 dapat diterima.

3. 

   
   
   Tentukan apakah akan menggunakan pengujian satu sisi atau dua sisi. Salah satu asumsi uji-t adalah bahwa data Anda dalam distribusi normal. Distribusi normal akan membentuk kurva lonceng dengan mayoritas pengamatan terpusat. Uji-t adalah uji matematika yang memeriksa apakah data Anda berada di luar distribusi normal, di atas atau di bawah, di bagian "atas" dari kurva.
   • Jika Anda tidak yakin apakah data di atas atau di bawah grup kontrol, gunakan uji dua sisi. Ini memungkinkan Anda untuk memeriksa signifikansi di kedua arah.
   • Jika Anda mengetahui arah yang diharapkan dari data Anda, gunakan uji satu sisi. Dalam contoh di atas, Anda berharap nilai siswa akan meningkat. Oleh karena itu, Anda menggunakan uji satu sisi.

4. 

   
   
   Tentukan ukuran sampel dengan analisis gaya. Kekuatan tes adalah kemampuan untuk mengamati hasil yang diharapkan dengan ukuran sampel tertentu. Ambang batas umum untuk gaya (atau β) adalah 80%. Analisis gaya bisa sangat rumit tanpa beberapa data awal karena Anda memerlukan beberapa informasi tentang rata-rata yang diharapkan antara kelompok dan deviasi standarnya. Gunakan analisis gaya online untuk menentukan ukuran sampel yang optimal untuk data Anda.
   • Peneliti sering melakukan studi premis kecil untuk menginformasikan analisis gaya dan memutuskan ukuran sampel yang diperlukan untuk studi besar dan komprehensif.
   • Jika tidak ada cara untuk melakukan penelitian premis yang kompleks, perkirakan kemungkinan mean berdasarkan membaca artikel dan penelitian yang mungkin telah dilakukan orang lain. Ini dapat memberi Anda awal yang baik dalam menentukan ukuran sampel.
   iklan

Bagian 2 dari 3: Hitung deviasi standar

1. 

   Tentukan rumus deviasi standar. Deviasi standar mengukur penyebaran data. Ini memberi Anda informasi tentang identitas setiap titik data dalam sampel. Saat pertama kali memulai, persamaan bisa terlihat cukup rumit. Namun, langkah-langkah di bawah ini akan membantu Anda memahami proses penghitungan dengan mudah. Rumusnya adalah s = √∑ ((x_saya - µ) / (N - 1)).
   • s adalah deviasi standar.
   • ∑ menunjukkan bahwa Anda harus menjumlahkan semua observasi yang dikumpulkan.
   • x_saya masing-masing mewakili nilai data Anda.
   • µ adalah rata-rata data untuk setiap kelompok.
   • N adalah jumlah observasi.

2. 

   Rata-rata jumlah observasi di setiap kelompok. Untuk menghitung simpangan baku, pertama-tama Anda harus menghitung rata-rata observasi untuk setiap kelompok. Nilai ini dilambangkan dengan huruf Yunani mu atau µ. Untuk melakukan itu, cukup tambahkan observasi dan bagi dengan jumlah total observasi.
   • Misal, untuk mengetahui skor rata-rata kelompok membaca dokumen sebelum kelas, mari kita lihat beberapa data. Untuk mempermudah, kami akan menggunakan kumpulan data 5 poin: 90, 91, 85, 83 dan 94 (pada skala 100 poin).
   • Tambahkan semua pengamatan: 90 + 91 + 85 + 83 + 94 = 443.
   • Bagilah jumlah di atas dengan jumlah pengamatan N (N = 5): 443/5 = 88,6.
   • Skor rata-rata untuk kelompok ini adalah 88,6.

3. 

   Kurangi rata-rata dari setiap nilai yang diamati. Langkah selanjutnya melibatkan bagian (x_saya - µ) dari persamaan tersebut. Kurangi nilai rata-rata dari setiap nilai yang diamati. Dengan contoh di atas, kami memiliki lima pengurangan.
   • (90 - 88.6), (91- 88.6), (85 - 88.6), (83 - 88.6) dan (94 - 88.6).
   • Nilai yang dihitung adalah 1,4; 2.4; -3,6; -5.6 dan 5.4.

4. 

   Kuadratkan perbedaan di atas dan jumlahkan. Setiap nilai baru yang baru saja dihitung sekarang akan dikuadratkan. Di sini, tanda negatif juga akan dihilangkan. Jika muncul tanda negatif setelah langkah ini atau di akhir penghitungan, Anda mungkin lupa melakukan langkah di atas.
   • Dalam contoh kita, sekarang kita akan bekerja dengan 1,96; 5.76; 12,96; 31.36 dan 29.16.
   • Tambahkan kotak-kotak ini bersama-sama: 1.96 + 5.76 + 12.96 + 31.36 + 29.16 = 81.2.

5. 

   Bagi dengan jumlah observasi dikurangi 1. Membagi dengan N - 1 membantu mengimbangi penghitungan yang tidak dilakukan pada populasi secara keseluruhan, tetapi didasarkan pada sampel semua siswa.
   • Kurangi: N - 1 = 5 - 1 = 4
   • Bagilah: 81,2 / 4 = 20,3

6. 

   Dapatkan akar kuadrat. Setelah dibagi dengan jumlah observasi dikurangi 1, ambil akar kuadrat dari nilai yang diperoleh. Ini adalah langkah terakhir dalam menghitung deviasi standar. Beberapa program statistik akan membantu Anda melakukan penghitungan ini setelah data asli diimpor.
   • Dengan contoh di atas maka standar deviasi nilai akhir semester siswa yang membaca dokumen sebelum kelas adalah: s = √20,3 = 4,51.
   iklan

Bagian 3 dari 3: Penentuan signifikansi statistik

1. 

   Hitung varians antara dua kelompok pengamatan Anda. Sampai saat ini, contoh tersebut hanya menangani satu kelompok pengamatan. Untuk membandingkan dua kelompok, Anda jelas membutuhkan data dari keduanya. Hitung simpangan baku dari kelompok pengamatan kedua dan gunakan untuk menghitung varians antara dua kelompok eksperimen. Rumus untuk menghitung varians adalah: s_d = √ ((s₁/ N₁) + (s₂/ N₂)).
   • S_d adalah perbedaan antara kelompok.
   • S₁ adalah deviasi standar dari grup 1 dan N.₁ adalah ukuran grup 1.
   • S₂ adalah deviasi standar dari grup 2 dan N.₂ adalah ukuran grup 2.
   • Dalam contoh kita, katakanlah data dari kelompok 2 (siswa yang tidak membaca teks sebelum kelas) memiliki ukuran 5 dan simpangan baku 5,81. Variansnya adalah:
     • S_d = √ ((s₁) / N₁) + ((s₂) / N₂))
     • S_d = √(((4.51)/5) + ((5.81)/5)) = √((20.34/5) + (33.76/5)) = √(4.07 + 6.75) = √10.82 = 3.29.

2. 

   Hitung skor-t data. T-statistik memungkinkan Anda mengonversi data menjadi bentuk yang sebanding dengan data lain. Nilai-t juga memungkinkan Anda melakukan uji-t, pengujian yang memungkinkan Anda menghitung kemungkinan perbedaan yang signifikan secara statistik antara kedua kelompok. Rumus untuk menghitung t-statistik adalah: t = (µ₁ – µ₂) / S_d.
   • µ₁ adalah rata-rata kelompok pertama.
   • µ₂ adalah rata-rata kelompok kedua.
   • S_d adalah perbedaan antara pengamatan.
   • Gunakan mean yang lebih besar sebagai µ₁ agar tidak mendapatkan statistik-t negatif.
   • Untuk contoh kita, misalkan rata-rata yang diamati untuk kelompok 2 (yang tidak membaca artikel sebelumnya) adalah 80. Skor-tnya adalah: t = (µ₁ – µ₂) / S_d = (88,6 – 80)/3,29 = 2,61.

3. 

   Tentukan derajat kebebasan sampel. Saat menggunakan statistik-t, derajat kebebasan ditentukan berdasarkan ukuran sampel. Jumlahkan jumlah observasi untuk setiap kelompok lalu kurangi dua. Pada contoh di atas derajat kebebasan (d.f.) adalah 8 karena ada 5 sampel pada kelompok pertama dan 5 sampel pada kelompok kedua ((5 + 5) - 2 = 8).

4. 

   Gunakan tabel t untuk mengevaluasi signifikansi. Tabel nilai-t dan derajat kebebasan dapat ditemukan di buku statistik standar atau online. Temukan baris yang berisi derajat kebebasan data dan nilai p yang sesuai dengan statistik-t yang Anda miliki.
   • Dengan derajat kebebasan 8 dan t = 2,61, nilai p untuk uji satu sisi berada antara 0,01 dan 0,025. Karena tingkat signifikansi yang dipilih kurang dari atau sama dengan 0,05, data kami signifikan secara statistik. Dengan data ini, kami menolak hipotesis nol dan menerima hipotesis terbalik: siswa yang membaca materi sebelum kelas memiliki nilai akhir yang lebih tinggi.

5. 

   Pertimbangkan untuk melakukan penelitian lebih lanjut. Banyak peneliti melakukan studi premis dengan beberapa metrik untuk memahami bagaimana merancang studi yang lebih besar. Melakukan penelitian lain dengan lebih banyak metrik akan meningkatkan kepercayaan diri Anda pada kesimpulan. iklan

Nasihat

• Statistik adalah bidang yang besar dan kompleks. Ikuti kursus pengujian hipotesis statistik sekolah menengah atau universitas (atau lebih tinggi) untuk memahami signifikansi statistik.

Peringatan

• Analisis ini berfokus pada uji-t untuk memeriksa perbedaan antara dua populasi berdistribusi normal. Bergantung pada kompleksitas data, Anda mungkin memerlukan uji statistik lain.