Uji hipotesis adalah mekanisme formal untuk memutuskan apakah pola yang teramati di sampel cukup kuat untuk disimpulkan ada di populasi — bukan sekadar kebetulan sampling.

Cara Pakai

Pilih jenis uji, masukkan data sampel. Kalkulator menghitung statistik uji, p-value dua sisi atau satu sisi, dan keputusan terhadap H₀. Visualisasi distribusi t menunjukkan posisi t-hitung dan daerah kritis.

Rumus Kunci

One-sample t-test:

$$t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}, \quad df = n - 1$$

Two-sample t-test (Welch, tidak menganggap variansi sama):

$$t = \frac{\bar{x}_1 - \bar{x}_2}{\sqrt{s_1^2/n_1 + s_2^2/n_2}}$$

Contoh Angka

Penelitian: apakah rata-rata kepuasan pelanggan setelah pelatihan (μ) berbeda dari benchmark 3,5?

Data: n = 25, x̄ = 3,82, s = 0,65. H₀: μ = 3,5; H₁: μ ≠ 3,5. α = 5%.

  • t = (3,82 − 3,5) / (0,65 / √25) = 0,32 / 0,13 = 2,46
  • df = 24 → t-kritis (dua sisi, α = 5%) = 2,064
  • t-hitung (2,46) > t-kritis (2,064) → Tolak H₀
  • p-value ≈ 0,021 < 0,05

Kepuasan rata-rata (3,82) secara signifikan lebih tinggi dari benchmark 3,5 — pelatihan berpengaruh.