TL;DR
Jenis uji statistik ditentukan oleh lima hal: tujuan analisis, skala data, jumlah kelompok yang dibandingkan, apakah kelompoknya berpasangan atau bebas, dan apakah datanya berdistribusi normal. Jawab lima pertanyaan itu berurut dan pilihan yang tersisa biasanya tinggal satu uji. Contohnya, dua kelompok bebas dengan data normal pakai independent t-test, sementara versi non-normalnya pakai Mann-Whitney U.
Jenis uji statistik yang tepat ditentukan oleh lima hal: tujuan analisis, skala data, jumlah kelompok, hubungan antar kelompok, dan bentuk sebaran datanya.
Jawab lima pertanyaan itu urut, dan pilihan yang tersisa biasanya tinggal satu.
Ini jauh lebih enteng daripada hafal 30 nama uji. Nama-nama itu cuma hasil akhir. Yang perlu kamu inget cuma urutan pertanyaannya.
Di bawah ini kelima pertanyaan itu satu per satu, tabel ringkasannya, dan contoh pemakaian di data toko.
Yang nentuin bukan bidang studimu, tapi bentuk datamu dan pertanyaan yang mau kamu jawab. Dua skripsi manajemen bisa butuh uji yang beda total kalau satu ngebandingin dua cabang dan satunya nyari hubungan antar variabel. Jadi mulai dari pertanyaan penelitian, baru lihat datanya.
Urutan lima pertanyaan di bawah ini sengaja dibikin dari yang paling banyak motong pilihan.
Ini cabang paling atas, dan salah di sini bikin semua langkah berikutnya percuma.
Banyak yang nulis judul skripsi "pengaruh X terhadap Y" tapi cuma jalanin korelasi. Korelasi nggak ngasih besaran pengaruh, cuma ngasih kuat lemahnya hubungan. Kalau judulnya pengaruh, alatnya regresi.
Skala data nentuin apakah kamu boleh ngitung rata-rata atau nggak.
| Skala | Ciri | Contoh | Boleh dirata-rata? |
|---|---|---|---|
| Nominal | Kategori tanpa urutan | Metode bayar, kota | Nggak |
| Ordinal | Kategori berurutan, jarak nggak sama | Skala Likert 1 sampai 5 | Sebaiknya nggak |
| Interval | Angka, nol bukan berarti kosong | Suhu celsius | Boleh |
| Rasio | Angka, nol berarti benar-benar kosong | Omzet, jumlah unit | Boleh |
Data nominal di kedua sisi otomatis ngarah ke chi-square. Aku bahas lengkap di uji chi-square.
Skala Likert itu wilayah abu-abu. Secara teori dia ordinal, tapi praktik penelitian di Indonesia umumnya nganggep skor total dari beberapa item Likert sebagai interval. Ikutin aturan dari pembimbingmu, dan sebutin alasannya di metodologi.
Tiga kemungkinan, dan tiap kemungkinan punya keluarga uji sendiri.
Jangan pecah tiga kelompok jadi tiga kali uji dua kelompok. Tiap uji tambahan naikin peluang kamu nemu beda palsu. Tiga perbandingan berturut bikin peluang salah tolak naik dari 5 persen ke sekitar 14 persen. ANOVA ngurus semuanya sekali jalan.
Kelompok bebas isinya objek yang berbeda. Pelanggan cabang Semarang dan pelanggan cabang Solo itu dua kelompok bebas.
Kelompok berpasangan isinya objek yang sama, diukur dua kali. Omzet 30 toko sebelum promo dan omzet 30 toko yang sama setelah promo itu data berpasangan.
Bedanya kelihatan di hasil. Uji berpasangan ngitung selisih per objek, jadi variasi antar toko nggak ganggu. Uji ini lebih peka nangkep perubahan kecil, dan pakai uji bebas buat data berpasangan itu buang-buang informasi.
Pertanyaan terakhir, dan cuma relevan buat data numerik. Cek pakai uji Shapiro-Wilk buat sampel di bawah 50, atau Kolmogorov-Smirnov buat sampel lebih besar. Kalau p-value di atas 0,05, sebarannya dianggap normal.
Arti angka p-value-nya ada di glossary p-value.
Kalau normal, pakai uji parametrik. Kalau nggak, pindah ke pasangan non-parametriknya. Uji non-parametrik kerja pakai peringkat, bukan nilai asli, jadi bentuk sebaran nggak jadi syarat.
Satu catatan penting: data yang nggak normal sering gara-gara ada beberapa nilai ekstrem. Cek dulu apakah itu outlier yang beneran salah input, atau kejadian nyata yang emang perlu ikut dianalisis.
Ini hasil akhir dari lima pertanyaan tadi, dirangkum jadi satu tabel.
| Tujuan | Kondisi | Data normal | Data nggak normal |
|---|---|---|---|
| Banding | 1 kelompok vs acuan | One sample t-test | Wilcoxon signed-rank |
| Banding | 2 kelompok bebas | Independent t-test | Mann-Whitney U |
| Banding | 2 kelompok berpasangan | Paired t-test | Wilcoxon signed-rank |
| Banding | 3 kelompok bebas atau lebih | One-way ANOVA | Kruskal-Wallis |
| Banding | 3 pengukuran berpasangan atau lebih | Repeated measures ANOVA | Friedman |
| Hubungan | 2 variabel numerik | Korelasi Pearson | Korelasi Spearman |
| Hubungan | 2 variabel kategori | Chi-square, atau Fisher exact kalau sampel kecil | |
| Prediksi | Hasil berupa angka | Regresi linear | |
| Prediksi | Hasil berupa dua pilihan | Regresi logistik | |
Nama fungsi Python buat tiap uji di tabel ini ada di dokumentasi scipy.stats.
Data toko_berkah punya Ngulik Data isinya 8.400 transaksi warung kelontong di Semarang selama tiga bulan. Ini tiga pertanyaan nyata dari pemiliknya, dan uji yang keluar dari lima pertanyaan tadi.
Pertanyaan pertama: apakah rata-rata belanja pelanggan yang bayar pakai e-wallet lebih besar dari yang bayar tunai?
Tujuannya banding, datanya rasio, dua kelompok, bebas, dan sebaran nilai belanjanya miring ke kanan karena ada pembelian borongan. Hasilnya: Mann-Whitney U. Median belanja e-wallet Rp 26.400, tunai Rp 19.100, dan selisihnya nyata secara statistik.
Pertanyaan kedua: apakah promo diskon akhir pekan naikin omzet harian?
Tujuannya banding, dua kondisi, dan yang diukur toko yang sama di hari berbeda. Ini data berpasangan. Sebaran selisihnya normal, jadi keluarnya paired t-test.
Pertanyaan ketiga: apakah metode bayar berhubungan sama tipe pelanggan?
Dua variabel kategori, jadi langsung chi-square tanpa perlu lanjut ke pertanyaan normalitas.
Perhatiin polanya. Ketiga pertanyaan itu dari data yang sama persis, tapi ujinya beda semua. Yang nentuin bentuk pertanyaannya, bukan datanya.
Milih uji duluan, baru mikirin datanya. Banyak yang udah niat pakai regresi dari awal karena judulnya pengaruh, terus maksa data ordinal jadi interval. Mulai dari pertanyaan, bukan dari uji favorit.
Pakai t-test berkali-kali buat tiga kelompok atau lebih. Peluang nemu beda palsu numpuk tiap kali kamu nambah perbandingan. Pakai ANOVA, terus lanjut uji post hoc kalau hasilnya nyata.
Ngecek normalitas di data mentah, bukan di residual. Buat regresi, yang harus normal itu residualnya, bukan variabel aslinya. Ini kesalahan yang sering lolos sampai sidang.
Nganggep uji non-parametrik sebagai uji kelas dua. Uji non-parametrik bukan versi darurat. Buat data ordinal dan sampel kecil, dia justru pilihan yang bener.
Lupa cek jenis kelompoknya. Data sebelum dan sesudah dari objek yang sama itu berpasangan. Pakai independent t-test di situ bikin kamu kehilangan kepekaan uji dan sering berakhir nggak signifikan.
Jawab lima pertanyaan urut: mau bandingin kelompok atau cari hubungan, skala datanya numerik atau kategori, berapa kelompok yang dibandingkan, kelompoknya orang yang sama atau beda, dan apakah datanya normal. Tiap jawaban motong separuh pilihan. Setelah pertanyaan kelima, biasanya cuma tersisa satu uji yang cocok. Nggak perlu hafal semua nama uji, cukup hafal urutan pertanyaannya.
Pindah ke versi non-parametrik dari uji yang tadinya kamu pilih. Independent t-test jadi Mann-Whitney U, paired t-test jadi Wilcoxon signed-rank, one-way ANOVA jadi Kruskal-Wallis, dan korelasi Pearson jadi Spearman. Uji non-parametrik kerja pakai peringkat data, bukan nilai aslinya, jadi bentuk sebaran datanya nggak jadi syarat.
Kelompok bebas berarti isinya orang atau objek yang berbeda, misalnya pelanggan cabang A dibanding pelanggan cabang B. Kelompok berpasangan berarti objeknya sama tapi diukur dua kali, misalnya omzet toko yang sama sebelum dan sesudah promo. Bedanya penting karena uji berpasangan ngitung selisih per objek, jadi lebih peka nangkep perubahan kecil.
Uji chi-square. Contohnya kalau kamu mau tau apakah metode pembayaran berhubungan sama tipe pelanggan, atau apakah pilihan kategori produk beda antar kota. Syaratnya datanya berupa hitungan frekuensi dan tiap sel di tabel harapan minimal bernilai 5. Kalau sampelmu kecil dan ada sel di bawah 5, pakai Fisher exact test sebagai gantinya.
Pakai regresi kalau tujuanmu memprediksi nilai, bukan sekadar membandingkan kelompok. Regresi linear dipakai kalau yang diprediksi berupa angka, misalnya omzet dari belanja iklan. Regresi logistik dipakai kalau yang diprediksi berupa dua pilihan, misalnya pelanggan jadi beli atau nggak. Uji beda cuma jawab ada selisih atau nggak, sementara regresi ngasih besaran pengaruhnya.
Yang perlu kamu simpan:
Coba ambil satu pertanyaan penelitian yang lagi kamu kerjain, lewatin lima pertanyaan tadi, dan catat uji apa yang keluar. Kalau macet di pertanyaan ketiga, biasanya rumusan masalahmu yang masih belum jelas.
Lanjut ke uji hipotesis buat analis buat ngerti logika di balik keputusan tolak atau terima, dan statistik deskriptif buat langkah yang harus kamu jalanin sebelum uji apa pun.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.