Kesalahan paling sering di skripsi dan laporan riset bukan salah hitung, tapi salah PILIH uji statistik sejak awal — memakai uji-t padahal datanya kategorik, atau ANOVA padahal cuma dua kelompok. Widget ini adalah pohon keputusan interaktif: jawab beberapa pertanyaan sederhana tentang data dan desain penelitianmu, dan uji yang tepat akan menyala di ujung jalur.
Cara Pakai
Mulai dari kotak akar “Jenis data apa yang diuji?” dan klik salah satu cabang: Kategorik (langsung mengarah ke uji Chi-square) atau Numerik. Untuk data numerik, klik jumlah kelompok yang dibandingkan: 1 kelompok (dibandingkan ke nilai acuan), 2 kelompok, >2 kelompok, atau hubungan/prediksi antar 2 variabel. Kalau memilih 2 kelompok, satu pertanyaan lagi muncul — apakah pengukurannya berpasangan (subjek sama, diukur dua kali) atau independen (dua kelompok terpisah). Begitu jalur lengkap, kotak hijau di ujung menampilkan nama uji, penjelasan singkat, dan contoh kasus. Tombol "↺ Ulangi" mereset ke pertanyaan awal.
Rumus Kunci
Alat ini bukan satu rumus, tapi logika percabangan berdasarkan tiga kriteria: jenis data, jumlah kelompok, dan desain berpasangan/independen. Peta lengkapnya:
| Jenis data | Jumlah kelompok | Desain | Uji yang direkomendasikan |
|---|---|---|---|
| Kategorik | — | — | Chi-square (χ²) |
| Numerik | 1 kelompok vs nilai acuan | — | Uji-t satu sampel |
| Numerik | 2 kelompok | Berpasangan | Uji-t berpasangan |
| Numerik | 2 kelompok | Independen | Uji-t independen |
| Numerik | >2 kelompok | Independen | ANOVA satu arah |
| Numerik | Hubungan 2 variabel | — | Korelasi & Regresi |
Kriteria ini mengikuti logika standar: jenis data menentukan keluarga uji (parametrik numerik vs kategorik), jumlah kelompok menentukan apakah cukup uji-t atau perlu ANOVA, dan status berpasangan menentukan apakah varians antar-subjek perlu “dikeluarkan” dari perhitungan galat.
Contoh Angka
Misalkan seorang peneliti ingin menguji efektivitas pelatihan digital marketing pada omzet harian 5 warung binaan koperasi — omzet dicatat sebelum dan sesudah pelatihan pada warung YANG SAMA. Menelusuri pohon: data numerik (omzet dalam Rupiah) → 2 kelompok (sebelum vs sesudah) → berpasangan (warung yang sama diukur dua kali) → rekomendasi: uji-t berpasangan.
Data (ribu Rp/hari): sebelum = {500, 520, 480, 510, 495}, sesudah = {540, 560, 510, 530, 520}.
- Selisih (sesudah − sebelum): 40, 40, 30, 20, 25
- Rata-rata selisih: $\bar{d} = \dfrac{40+40+30+20+25}{5} = \dfrac{155}{5} = 31$
- Simpangan dari rata-rata: 9, 9, −1, −11, −6 → kuadrat: 81, 81, 1, 121, 36 → jumlah = 320
- Varians selisih: $s_d^2 = \dfrac{320}{5-1} = 80$, sehingga $s_d = \sqrt{80} = 8{,}944$
- Galat baku: $SE = \dfrac{8{,}944}{\sqrt{5}} = \dfrac{8{,}944}{2{,}236} = 4{,}00$
- Statistik uji: $t = \dfrac{\bar{d}}{SE} = \dfrac{31}{4{,}00} = 7{,}75$
Dengan $t = 7{,}75$ pada derajat bebas 4, nilai ini jauh melampaui nilai kritis $t_{0{,}05,4} \approx 2{,}776$ (dua sisi) — kenaikan omzet setelah pelatihan signifikan secara statistik, dan jalur “berpasangan” di pohon keputusan memang uji yang tepat untuk desain before-after ini.