Uji-t menjawab satu pertanyaan: apakah perbedaan yang Anda amati — antara sampel dan target, antara dua kelompok, atau antara pasangan sebelum/sesudah pengukuran — lebih besar daripada kebisingan pengambilan sampel acak? Kalkulator ini menjalankan ketiga varian umum dari ringkasan statistik yang sudah Anda miliki (rata-rata, deviasi standar, ukuran sampel), sehingga Anda tidak memerlukan data mentah atau perangkat lunak statistik.
Uji-t manakah yang saya perlukan?
Gunakan uji satu sampel saat Anda membandingkan rata-rata suatu kelompok dengan nilai yang diketahui atau yang dihipotesiskan (spesifikasi, rata-rata historis, rata-rata populasi yang diklaim). Gunakan pengujian dua sampel bila Anda memiliki dua kelompok yang terpisah dan independen dan ingin mengetahui apakah rata-ratanya berbeda — kalkulator ini menggunakan versi Welch, yang tidak mengasumsikan kedua kelompok memiliki varian yang sama dan merupakan standar yang lebih aman dalam praktiknya. Gunakan tes berpasangan ketika subjek yang sama diukur dua kali (sebelum/sesudah, kiri/kanan, sebelum/sesudah) — memasangkan menghilangkan variabilitas subjek-ke-subjek sehingga tes lebih sensitif terhadap efek nyata.
Membaca t-statistik, derajat kebebasan, dan nilai p
Statistik t mengukur berapa banyak kesalahan standar yang memisahkan perbedaan yang diamati dari nol (atau dari µ₀ untuk uji satu sampel) — semakin besar nilai absolutnya, semakin kurang kompatibel data tersebut dengan hipotesis nol yang menyatakan tidak ada perbedaan. Derajat kebebasan (df) mencerminkan seberapa banyak informasi independen yang digunakan untuk memperkirakan variabilitas; untuk tes satu sampel dan berpasangan df = n − 1, sedangkan tes dua sampel Welch menggunakan rumus Welch–Satterthwaite, yang, untuk galat standar positif, menghasilkan df antara min(n₁−1, n₂−1) dan n₁+n₂−2. Nilainya dapat berupa pecahan. Jika galat standar nol, inferensi t biasa tidak tersedia. Nilai p mengubah (t, df) menjadi probabilitas: ini adalah peluang untuk melihat statistik t sebesar ini (atau lebih) jika hipotesis nol benar. Bandingkan dengan ambang signifikansi Anda α (biasanya 0,05) — p < α berarti menolak hipotesis nol, p ≥ α berarti Anda tidak memiliki cukup bukti untuk melakukannya.
Satu sisi vs. dua sisi, dan apa arti asumsinya
Pilih alternatif satu sisi sebelum memeriksa data. Untuk t positif, nilai p ekor atas adalah separuh nilai p dua sisi; nilai p ekor bawah adalah satu dikurangi separuh tersebut. Balik arahnya untuk t negatif. Uji dua sisi memeriksa kedua arah. Normalitas atau pendekatan sampling yang beralasan serta asumsi independensi yang dinyatakan tetap diperlukan.