Dua kelompok:
definisi dan
asumsi
TIM PENGAJAR STATISTIK
Outline materi kita hari ini
• Mengapa kita perlu membandingkan dua kelompok dalam
analisis statistik?
• Jenis teknik analisis dalam membandingkan kelompok.
• Asumsi yang harus dipenuhi à analisis parametris
• Membandingkan dua kelompok: statistik parametris
• Independent sample t-test
• Paired sample t-test
• Reporting
• Suplemen: Berkenalan dengan JAMOVI
• Dalam analisis statistik kita perlu
membandingkan kelompok data yang
kita miliki:
• Contoh:
• Apakah tingkat kesehatan
mental antara lelaki dan
perempuan berbeda?
• Apakah siswa kelas 5 dan 6
Mengapa memiliki kemampuan literasi
membandingkan yang berbeda?
kelompok • Apakah Keanggotaan partai
politik (partai A, B dan C)
mempengaruhi tingkat
nasionalisme individu?
• Pertanyaan-pertanyaan tersebut dapat
dijawab melalui membandingkan antar
kelompok, terdapat beberapa teknik
dalam membandingkan kelompok
tersebut.
Beberapa teknik dalam membandingkan
kelompok
• T-test à digunakan ketika kita hanya memiliki dua kelompok (laki-laki atau perempuan) atau dua
waktu perlakuan yang berbeda (pre test dan post test)
• Analisis varians (Analysis of Variance)à digunakan ketika kita memiliki dua atau lebih kelompok atau
waktu perlakuan yang berbeda.
• Paired samples or repeated measures à digunakan ketika kita memiliki satu kelompok dengan kondisi
yang berbeda – beda.
• Between-groups or independent-sample techniques à digunakan ketika partisipan dalam setiap
kelompok adalah berbeda.
• One-way analysis of variance à digunakan ketika kita hanya memiliki satu independent variable
• Two-way analysis of variance à digunakan ketika kita memiliki dua independent variables
• Multivariate analysis of variances à digunakan ketika kita memiliki lebih dari satu dependent
variables.
• Analysis of covariance (anacova) à digunakan ketika kita perlu untuk mengontrol variabel tambahan
yang dapat mempengaruhi hubungan antara variabel dependent dan independent.
Parametric Non-Parametric
• One way that you can assess the importance of your finding is to
calculate the “effect size” (also known as ‘strength of association’).
• Effect size is a set of statistics that indicates the relative magnitude of the
differences between means, or the amount of the total variance in the
dependent variable that is predictable from knowledge of the levels of
the independent variable (Tabachnick & Fidell, 2013, p.54).
T - Test
• Independent-samples t-test digunakan ketika kita ingin membandingkan dua skor mean pada
kelompok yang berbeda atau pada kondisi yang berbeda.
• Contoh:
• Apakah ada perbedaan yang signifikan dari skor self esteem antara siswa dan siswi?
• Terdapat dua variables:
• Satu variabel kategorikal à independent variable (laki-laki/perempuan)
• Satu variabel continuous à dependent variable (self-esteem scores)
• Independent-samples t-test akan menjelaskan apakah terdapat perbedaan yang
signifikan secara statistik skor mean antara dua kelompok tersebut. Dalam istilah
statistik, kita sedang menguji probabilitas dari dua set skor dari laki-laki dan
perempuan) datang dari populasi yang sama.
Output
Independent-
samples t test
(Jamovi)
Menuliskan output T-Test
berdasarkan APA (contoh)
“An independent-sample-t test was conducted to investigate the hypothesis that
there is a difference in the speed that people read depending on whether they are
familiar with the test that they are given to read. Ten participants were in group 1
(no prior familiarity with the text) and ten participants were in group 2 (had prior
familiarity with the text). The independent variable was the time taken in seconds to
read the passage of text. An independent-samples t-test was deemed appropriate
as all the relevant parametric assumptions were met. Levene’s test for variance
equality was statistically significant, suggesting the assumption regarding equality of
variance had not been violated (F=0.45, p= .51).
The result showed that there was a significant difference in time taken to read a
passage of text when participants had prior familiarity with the text, t(18)=8.07,
p<.001. participants in the familiarity with text condition (M=42.7, SD=12.6) on
average read faster than those who were not familiar with the text (M=91.7,
SD=14.5). The magnitude of the difference in these two means (mean difference =
49.0, 95%CI=36.2 – 61.8) was large (Cohen’s =3.61, 95% CI = 1.73-5.44). The figure
below demonstrates the time reading under both reading conditions.
Paired-samples T-test