Alternatif uji t jika data tidak terdistribusi normal
Kamu mungkin sudah tahu jika kita ingin menguji perbedaan rata-rata, kita dapat menggunakan uji t. Namun demikian, untuk dapat menggunakan uji t, ada asumsi yang dipersyaratkan.
Ketika kita akan menggunakan uji t maka syarat utama yang perlu dipenuhi adalah data harus terdistribusi normal. Oleh karena itu, kita perlu melakukan deteksi normalitas data menggunakan uji Kolmogorov smirnov, uji Saphiro Wilk, atau uji yang lainnya.
Namun, beberapa mahasiswa dan juga peneliti ada juga yang bertanya, bagaimana kalau hasil uji normalitas menunjukkan data tidak terdistribusi normal, uji Apa yang sebaiknya saya pilih? apakah saya masih bisa menggunakan uji t?
Pada kesempatan ini, saya tertarik untuk menuliskan sebuah artikel yang membahas mengenai uji alternatif yang dapat kita pilih ketika kita menghadapi fenomena bahwa hasil normalitas ternyata data tidak terdistribusi normal.
Memahami uji beda
Pada awal artikel ini, akan saya dahului dengan pembahasan mengenai konsep umum dari uji beda. Hal ini penting untuk kita pahami karena menjadi pijakan bagi kita untuk memahami implementasi atau penggunaan uji beda dalam analisis data hasil penelitian.
Uji beda merupakan salah satu uji asosiatif yang bertujuan untuk menguji perbedaan nilai rata-rata atau mean dari dua kelompok data. Saya tekankan kembali di sini bahwa uji beda yang saya bahas adalah pada dua kelompok data atau sampel. Untuk uji beda pada lebih dari dua kelompok sampel akan saya bahas pada artikel yang lain.
Kita tahu, salah satu uji beda yang paling sering kita gunakan adalah Uji t. Tahukah kalian, apakah uji beda dua kelompok sampel ini hanya dapat menggunakan uji t?
Uji t ini dapat kita gunakan pada variabel-variabel yang memenuhi asumsi yang dipersyaratkan misalnya data terdistribusi normal dan skala pengukuran misalnya minimal berskala interval atau rasio.
Lalu bagaimana kalau kita ingin menguji beda pada variabel non parametrik yang berskala ordinal atau nominal? Oke kita akan bahas hal ini lebih mendalam.
Memahami uji t sampel berpasangan dan sampel independent
Setelah kita memahami konsep mengenai uji beda, mari kita bahas mengenai Uji t yang sudah sangat familiar digunakan oleh peneliti. Uji t dapat dibedakan menjadi dua jenis uji, meliputi Uji t sampel berpasangan (paired t test) dan Uji T sampel independen (Independent t test).
Sebelum melangkah lebih jauh, mari kita pahami dengan baik mengenai perbedaan dari kedua uji t tersebut. Prinsip utama dari Uji t sampel berpasangan yaitu menggunakan dua kelompok sampel yang sama untuk dilakukan pengujian.
Oleh karena itu, pada uji t sampel berpasangan identik dengan adanya pretest dan post test. Pada uji t ini umumnya dilakukan untuk mengetahui efektivitas dari suatu intervensi melalui perbedaan nilai rata-rata dari hasil sebelum intervensi dan hasil setelah intervensi. Oleh karena itu, pada uji t sampel berpasangan kita menggunakan dua kelompok sampel yang sama.
Oke, sekarang kita beralih ke pembahasan uji t sampel independen. Uji t sampel independen berbeda dengan yang telah saya sebutkan tadi. Uji t sampel independent ini tidak harus menggunakan dua kelompok sampel yang sama.
Kita dapat menggunakan dua kelompok sampel yang berbeda, bahkan jumlah observasi dari kelompok yang kita bandingkan pun tidak harus persis sama jumlahnya.
Contohnya ketika kita ingin menguji perbedaan antara nilai mata kuliah ekonometrika pada kelas A dan kelas B. Pada uji t ini kita tidak melakukan intervensi, kita hanya sekedar membandingkan antara nilai mata kuliah ekonometrika pada kedua kelas tersebut.
Uji asumsi normalitas pada uji t
Seperti yang telah saya sampaikan sebelumnya bahwa ketika kita akan menggunakan uji t, ada salah satu asumsi prasyarat yaitu data harus terdistribusi normal. Oleh karena itu, kita perlu melakukan pengujian terlebih dahulu pada data yang akan kita uji beda.
Uji normalitas yang paling populer digunakan yaitu menggunakan uji Kolmogorov smirnov atau uji Shapiro wilk. Hasil dari kedua uji tersebut akan menghasilkan kesimpulan yang sama. Silahkan kamu bisa menggunakan salah satunya atau bisa menggunakan keduanya untuk saling mengkroscek.
Jika hasil pengujian uji normalitas diperoleh nilai probabilitas value dari alpha lebih besar dari 0,05 maka dapat disimpulkan bahwa data terdistribusi normal. Namun, jika nilai P value lebih kecil dari 0,05 maka disimpulkan bahwa data tidak terdistribusi normal.
Sesuai dengan judul yang saya angkat pada artikel ini, bagaimana solusinya kalau ternyata berdasarkan hasil pengujian ternyata data kedua variabel yang kita uji tidak terdistribusi normal. Mari kita bahas pada subbab berikutnya.
Uji beda alternatif jika data tidak terdistribusi normal
Kalau kamu sudah berusaha dengan melakukan tabulasi maupun cleaning data, namun juga data tidak terdistribusi normal, maka kamu dapat mempertimbangkan uji alternatif yang akan saya bahas pada sub bab ini.
Jika ternyata data tidak terdistribusi normal, kita dapat menggunakan uji beda untuk variabel non parametrik. Lalu uji beda apa yang dapat kita pilih?
Pada sub bab sebelumnya saya telah membahas mengenai perbedaan penggunaan uji t sampel berpasangan dan uji t sampel saling bebas. Jika pada penelitian kamu akan menggunakan uji t sampel berpasangan, mamun ternyata data tidak terdistribusi normal, maka kamu dapat memilih untuk menggunakan uji Wilcoxon.
Namun jika sebelumnya kamu akan menggunakan uji t sampel independen namun data tidak terdistribusi normal, maka kamu dapat menggunakan uji Mann Whitney.
Kedua uji alternatif tersebut tidak mensyaratkan data harus distribusi normal. Oleh karena itu, kedua uji tersebut dapat menjadi alternatif bagi kalian yang akan menggunakan uji t namun data tidak terdistribusi normal.
Semoga artikel ini bisa membantu kamu yang sedang bingung dan menghadapi masalah kenapa tidak terpenuhi asumsi normalitas data. Kangan khawatir, kamu bisa menggunakan uji beda untuk variabel non parametrik pada data kamu meskipun kamu menggunakan skala data interval atau rasio, namun hasil pengujian ternyata tidak terdistribusi normal.
Demikian artikel yang dapat saya tulis pada kesempatan ini, semoga bermanfaat dan memberikan wawasan baru bagi teman-teman yang membutuhkan. Tunggu update artikel edukasi pada pekan berikutnya, terima kasih.
Posting Komentar untuk "Alternatif uji t jika data tidak terdistribusi normal"