Apa kabar sobat Exsight? Kayaknya udah lama ya Exsight nggak bahas tutorial pengolahan data di R. Nah kali ini, Exsight akan kembali membahas salah satu metode kuantitatif yang cukup sering digunakan dalam penelitian. Metode tersebut adalah uji t independen dan mann whitney.
Pengertian
Uji t independen merupakan uji beda dengan dua kelompok yang independen/saling bebas. Jika kelompok yang diuji lebih dari dua kelompok, kamu bisa menggunakan uji ANOVA atau Kruskal Wallis sebagai alternatifnya. Sedangkan Mann Whitney adalah metode alternatif dari uji t independen. Mann Whitney merupakan metode yang digunakan jika data yang akan dilakukan uji t independen tidak memenuhi asumsi normalitas.
Asumsi
Uji t independen merupakan salah satu metode statistika parametrik yang memiliki beberapa asumsi yaitu di antaranya distribusi normalitas dan homogenitas. Pengujian normalitas dapat kamu lakukan menggunakan berbagai macam metode, seperti Kolmogorov-Smirnov, Shapiro Wilk atau Jaque Bera. Sedangkan untuk uji homogenitas dapat kamu lakukan menggunakan Levene Test atau Bartlett Test.
Data
Pada tutorial kali ini, akan digunakan data dummy untuk memudahkan pengaplikasian nya di R Studio. Kamu dapat mengakses datanya di sini. Data tersebut dimisalkan merupakan data kasus Covid-19 dan Kurs di dua negara. Analisis dilakukan dengan tujuan untuk mengetahui ada tidaknya perbedaan kasus Covid-19 dan Kurs pada kedua negara tersebut.
Langkah Analisis di RStudio
Sebelum dilakukan uji t, dilakukan uji normalitas dengan uji Kolmogorov Smirnov. Pengujian normalitas dapat dilakukan dengan uji Kolmogorov Smirnov, Shapiro wilk, jarque bera, maupun yang lainnya. Pengujian asumsi normalitas terpenuhi jika p-value > α=0,05.
Setiap variabel pada data dilakukan pengujian asumsi karena ingin dilihat ada atau tidaknya perbedaan antara grup 1 dan grup 2 dengan uji t.
> library(normtest)
> library(nortest)
> lillie.test(ujit$covid)
Lilliefors (Kolmogorov-Smirnov) normality test
data: ujit$covid
D = 0.34251, p-value < 2.2e-16
> lillie.test(ujit$kurs)
Lilliefors (Kolmogorov-Smirnov) normality test
data: ujit$kurs
D = 0.036618, p-value = 0.5706
Berdasarkan hasil uji normalitas variabel kurs dengan taraf signifikansi α=5% terlihat bahwa p-value > 0,05 sehingga asumsi normalitas tidak terpenuhi maka uji t diganti dengan uji nonparametrik dari uji t yaitu mann whitney sedangkan pada variabel covid terlihat bahwa p-value < 0,05 sehingga asumsi normalitas terpenuhi maka uji t dilanjutkan
Uji mann whitney merupakan uji nonparametrik untuk uji t independen. Karena asumsi data tidak berdistribusi normal maka uji t tidak bisa dilakukan dan digantikan dengan uji mann whitney. Variabel dikatakan memiliki perbedaan signifikan jika nilai p-value pada uji mann whitney maupun uji t kurang dari 0,05.
> wilcox.test(covid ~ grup, data=ujit)
Wilcoxon rank sum test with continuity correction
data: covid by grup
W = 1140, p-value < 2.2e-16
alternative hypothesis: true location shift is not equal to 0
> t.test(kurs ~ grup, data=ujit)
Welch Two Sample t-test
data: kurs by grup
t = -2.4082, df = 241.95, p-value = 0.01678
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-6.474562e-05 -6.483482e-06
sample estimates:
mean in group 1 mean in group 2
0.009245974 0.009281588
Berdasarkan hasil di atas terlihat bahwa kedua variabel yaitu covid dan kurs memberikan kesimpulan terdapat perbedaan signifikan karena nilai p-value<0,05.
Baca Juga : Uji Lanjut ANOVA menggunakan Rstudio
Penutup
Sekian tutorial uji t dan mann whitney. Jika kamu ingin berdiskusi lebih lanjut mengenai metode tersebut, bisa langsung tulis di kolom komentar atau klik tombol bantuan di pojok kanan bawah.
Semoga bermanfaat!
Salam sehat dan see youu!
Pingback: Uji Mann Whitney dengan SPSS – Exsight