Skor-z menyatakan nilai apa pun dalam bentuk berapa banyak standar deviasi yang jauh dari rata-rata distribusinya — sebuah unit universal yang menghilangkan skala pengukuran tertentu dan memungkinkan Anda membandingkan seluruh pengujian, populasi, dan sistem yang berbeda. Skor Z adalah tulang punggung pengujian hipotesis, kendali mutu, interpretasi laboratorium medis, pelaporan pengujian terstandar, dan hampir semua teknik statistik yang memerlukan distribusi normal. Bagian di bawah ini membahas mengapa skor-z memungkinkan perbandingan data yang adil yang diukur pada skala yang berbeda, penerapan sehari-hari di mana skor-z secara diam-diam mendorong keputusan, dan perbedaan satu sisi vs dua sisi yang penting untuk pengujian hipotesis.
Mengapa Z-Scores Mengaktifkan Perbandingan yang Adil
Seorang siswa yang mendapat nilai 85 pada ujian sejarah dan 75 pada ujian fisika sebenarnya mungkin memiliki prestasi lebih baik dalam fisika jika ujian fisikanya lebih sulit dan memiliki lebih banyak variasi di seluruh kelas. Jika sejarah memiliki rata-rata kelas 80 dan SD 5 (z = +1,0) sedangkan fisika memiliki rata-rata kelas 60 dan SD 10 (z = +1,5), nilai fisikanya lebih mengesankan meskipun angka mentahnya lebih rendah. Skor Z menghilangkan pengaruh skala dan penyebaran yang berbeda, sehingga menyatakan setiap skor dalam bahasa universal berupa deviasi standar dan memungkinkan perbandingan yang adil di seluruh pengujian, populasi, atau sistem pengukuran.
Standarisasi inilah yang menjadikan skor-z sangat diperlukan dalam bidang statistik, psikologi, pendidikan, dan ilmu data. Tanpa skor-z, membandingkan hasil SAT Anda (rata-rata 1050, SD 200 dalam beberapa tahun terakhir) dengan hasil ACT Anda (rata-rata 21, SD 5) memerlukan mengingat kedua distribusi. Mengonversi keduanya menjadi skor-z memberikan perbandingan langsung: SAT 1250 adalah z = +1,0, ACT 26 juga z = +1,0, dan keduanya mewakili kinerja yang sama mengesankan dibandingkan dengan populasi pengujiannya. Petugas penerimaan, psikolog, dan peneliti terus-menerus mengandalkan pemikiran skor-z, bahkan saat mereka menghitung metrik lain seperti persentil atau interval kepercayaan yang berasal dari skor-z secara internal.
Z-Score dalam Kehidupan Nyata
Skor Z secara diam-diam mendukung sistem sehari-hari yang tak terhitung jumlahnya. Model penilaian kredit mengubah indikator keuangan mentah menjadi skor standar sehingga pemberi pinjaman dapat membandingkan pemohon dalam skala yang sama. Hasil laboratorium medis yang dilaporkan "dalam batas normal" biasanya berarti skor z berada di antara −2 dan +2 — hasil di luar rentang tersebut secara otomatis ditandai untuk tinjauan klinis. Tes terstandar (tes SAT, ACT, GRE, IQ) mengubah skor mentah menjadi skala terstandar yang secara internal berbasis z-score, lalu dipetakan ke skala pelaporan untuk kejelasan konsumen.
Grafik pertumbuhan anak memplot tinggi badan, berat badan, dan lingkar kepala anak sebagai skor-z (sering disebut "SDS" untuk Skor Deviasi Standar) relatif terhadap populasi referensi yang disesuaikan dengan usia, sehingga dokter anak dapat dengan cepat mengidentifikasi anak-anak yang pengukurannya berada di luar rentang yang diharapkan — skor-z -2 atau lebih rendah memicu penyelidikan lebih lanjut untuk potensi masalah pertumbuhan. Manajemen risiko keuangan menggunakan skor-z untuk mengukur seberapa tidak biasa suatu pergerakan pasar dan menentukan harga pilihan yang sesuai. Pengendalian kualitas di bidang manufaktur menggunakan skor-z (sering disebut tingkat sigma) untuk mengukur stabilitas proses — proses "Six Sigma" beroperasi dalam batas kendali ±6σ, sesuai dengan tingkat kerusakan yang sangat rendah. Setelah Anda memperhatikan polanya, pemikiran z-score akan muncul di mana pun keputusan berdasarkan data diambil.
Tes Satu-Ekor vs. Dua-Ekor
Saat melakukan pengujian hipotesis, Anda harus memutuskan antara pengujian satu sisi dan dua sisi sebelum menghitung nilai p — pilihan ini mencerminkan apa yang benar-benar ingin Anda pelajari dari data, bukan apa yang membuat nilai p terlihat paling baik. Pilih pengujian satu sisi jika Anda hanya peduli apakah nilainya berada di atas (atau di bawah) suatu ambang batas, tetapi tidak pada kedua arah. Contoh: menguji apakah suatu proses manufaktur baru menghasilkan lebih sedikit cacat dibandingkan proses lama menggunakan pengujian satu sisi yang berfokus pada "lebih sedikit", karena lebih banyak cacat bukanlah hasil yang menarik untuk diuji.
Pilih pengujian dua sisi ketika penyimpangan pada kedua arah cukup berarti. Contoh: menguji apakah suatu obat mempunyai efek pada tekanan darah (menaikkan ATAU menurunkannya) menggunakan uji dua sisi karena efek pada kedua arah relevan secara klinis. Nilai p dalam pengujian dua sisi sama persis dengan dua kali lipat nilai p satu sisi untuk |z| yang sama, sehingga Anda memerlukan sinyal yang lebih kuat untuk mencapai signifikansi. Daftarkan terlebih dahulu pilihan Anda sebelum melihat datanya — beralih dari dua sisi ke satu sisi setelah melihat data mengarah ke arah yang "benar" adalah bentuk peretasan p yang meningkatkan tingkat positif palsu. Sebagian besar penelitian ilmiah dan medis secara default menggunakan pengujian dua sisi sebagai pilihan konservatif kecuali ada alasan kuat sebelumnya untuk hanya peduli pada satu arah.