Cara melakukan tes levene dengan python

Uji Levene digunakan untuk mengetahui apakah dua kelompok atau lebih mempunyai varian yang sama. Hal ini umum digunakan karena banyak uji statistik mengasumsikan bahwa kelompok memiliki varian yang sama dan uji Levene memungkinkan Anda menentukan apakah asumsi ini terpenuhi.

Tutorial ini menjelaskan cara melakukan tes Levene dengan Python.

Contoh: Tes Levene dengan Python

Peneliti ingin mengetahui apakah tiga jenis pupuk berbeda menyebabkan tingkat pertumbuhan tanaman yang berbeda. Mereka secara acak memilih 30 tanaman berbeda dan membaginya menjadi tiga kelompok yang terdiri dari 10 tanaman, memberikan pupuk berbeda pada setiap kelompok. Setelah sebulan, mereka mengukur tinggi tiap tanaman.

Gunakan langkah-langkah berikut untuk melakukan uji Levene dengan Python untuk menentukan apakah ketiga kelompok memiliki varian yang sama atau tidak.

Langkah 1: Masukkan datanya.

Pertama, kita akan membuat tiga tabel untuk menampung nilai data:

 group1 = [7, 14, 14, 13, 12, 9, 6, 14, 12, 8]
group2 = [15, 17, 13, 15, 15, 13, 9, 12, 10, 8]
group3 = [6, 8, 8, 9, 5, 14, 13, 8, 10, 9]

Langkah 2: Lakukan tes Levene.

Selanjutnya, kita akan melakukan pengujian Levene menggunakan fungsi levane() dari perpustakaan SciPy, yang menggunakan sintaks berikut:

levene(sampel1, sampel2, …, tengah=’median’)

Emas:

• sample1, sample2, dll: Nama sampel.
• tengah: Metode yang digunakan untuk tes Levene. Standarnya adalah “median”, namun pilihan lain mencakup “rata-rata” dan “dipangkas”.

Seperti disebutkan dalam dokumentasi , sebenarnya ada tiga variasi tes Levene yang dapat Anda gunakan. Penggunaan yang disarankan adalah:

• “median”: direkomendasikan untuk distribusi yang miring.
• “rata-rata”: direkomendasikan untuk distribusi simetris dengan ekor sedang.
• ‘dipangkas’: direkomendasikan untuk distribusi berekor berat.

Kode berikut mengilustrasikan cara melakukan uji Levene menggunakan mean dan median sebagai pusatnya:

 import scipy.stats as stats

#Levene's test centered at the median
stats.levene(group1, group2, group3, center='median')

(statistic=0.1798, pvalue=0.8364)

#Levene's test centered at the mean
stats.levene(group1, group2, group3, center='mean')

(statistic=0.5357, pvalue=0.5914)

Pada kedua metode, nilai p tidak kurang dari 0,05. Ini berarti bahwa dalam kedua kasus tersebut kita akan gagal menolak hipotesis nol. Artinya, kita tidak mempunyai bukti yang cukup untuk menyatakan bahwa varians pertumbuhan tanaman antara ketiga pupuk tersebut berbeda nyata.

Dengan kata lain, ketiga kelompok mempunyai varian yang sama. Jika kita melakukan uji statistik (seperti ANOVA satu arah ) yang mengasumsikan setiap kelompok memiliki varian yang sama, maka asumsi ini terpenuhi.