Uji - t dan Anova Untuk membandingkan 2 objek atau lebih
t-TEST & ANOVA
Uji t (t-test) merupakan prosedur pengujian parametrik rata-rata dua kelompok data, baik untuk kelompok data terkait maupun dua kelompok bebas. Untuk jumlah data yang sedikit maka perlu dilakukan uji normalitas untuk memenuhi syarat dari sebaran datanya.
Umumnya pada uji t dua kelompok bebas, yang perlu diperhatikan selain normalitas data juga kehomogenan varian. Kehomogenan data digunakan untuk menentukan jenis persamaan uji t yang akan digunakan.
A. Persamaan berikut ini digunakan jika variansi data antara dua kelompok sampel sama.
Dengan perhitungan derajat bebas:
Umumnya pada uji t dua kelompok bebas, yang perlu diperhatikan selain normalitas data juga kehomogenan varian. Kehomogenan data digunakan untuk menentukan jenis persamaan uji t yang akan digunakan.
A. Persamaan berikut ini digunakan jika variansi data antara dua kelompok sampel sama.
Dengan perhitungan derajat bebas:
B. Persamaan berikut ini digunakan jika variansi data antara dua kelompok sampel berbeda.
Dengan perhitungan derajat bebas (degree of freedom)
Terlihat perbedaan antara kedua persamaan pada perhitungan Standar Error of Mean/pembagi selisih rata-rata. Selain itu perbedaan juga terletak pada perhitungan derajat bebas kedua persamaan itersebut. Umumnya pada software statistik kedua perhitungan itersebut ditanpilkan sehingga hal yang penting untuk memilih perhitungan mana yang akan digunakan terlebih dulu dilihat apakah hasil perhitungan nilai variansi kedua kelompok sampel berbeda atau sama.
Anova Merupakan prosedur pengujian parametrik rata-rata lebih dari dua kelompok data. Pada pengujian Anova selain data harus terdistribusi normal, variansi antar perlakuan harus homogen. Sebelum pengujian Anova dilakukan, maka perlu dilakukan explorasi data untuk melihat apakah kedua asumsi dipenuhi. Jika asumsi kehomogenan varian tidak terpenuhi dapat diatasi dengan mentransformasi data yang ada, prinsipnya adalah rentang data yang besar diusahakan menjadi mengecil, salah satu dengan tranformasi Logaritma. Untuk data yang tidak terdistribusi normal dapat di transormasi dengan beberapa teknik tranformasi seperti Box-Cox Transformation atau Johnson Transformation.
Tidak ada komentar:
Posting Komentar