Cara melakukan uji-t sampel berpasangan dengan python

Uji-t sampel berpasangan digunakan untuk membandingkan rata-rata dua sampel ketika setiap observasi pada satu sampel dapat dikaitkan dengan observasi pada sampel lainnya.

Tutorial ini menjelaskan cara melakukan uji-t sampel berpasangan dengan Python.

Contoh: Uji T Sampel Berpasangan dengan Python

Misalkan kita ingin mengetahui apakah kurikulum tertentu mempunyai dampak yang signifikan terhadap kinerja siswa pada ujian tertentu. Untuk mengujinya, kami meminta 15 siswa di satu kelas untuk mengikuti tes awal. Kemudian kami meminta masing-masing siswa berpartisipasi dalam kurikulum selama dua minggu. Kemudian, siswa mengulangi tes dengan kesulitan serupa.

Untuk membandingkan perbedaan antara nilai rata-rata pada tes pertama dan kedua, kami menggunakan uji-t sampel berpasangan karena untuk setiap siswa, nilai mereka pada tes pertama dapat dikaitkan dengan nilai mereka pada tes kedua.

Selesaikan langkah-langkah berikut untuk melakukan uji-t sampel berpasangan dengan Python.

Langkah 1: Buat datanya.

Pertama, kita akan membuat dua tabel untuk memuat skor sebelum dan sesudah tes:

 pre = [88, 82, 84, 93, 75, 78, 84, 87, 95, 91, 83, 89, 77, 68, 91]
post = [91, 84, 88, 90, 79, 80, 88, 90, 90, 96, 88, 89, 81, 74, 92]

Langkah 2: Lakukan uji-T sampel berpasangan.

Selanjutnya, kita akan menggunakan fungsi ttest_rel() dari perpustakaan scipy.stats untuk melakukan uji-t sampel berpasangan, yang menggunakan sintaks berikut:

tes_rel(a, b)

Emas:

• a : tabel sampel observasi dari kelompok 1
• b : tabel sampel observasi dari kelompok 2

Berikut cara menggunakan fungsi ini dalam contoh spesifik kami:

 import scipy.stats as stats

#perform the paired samples t-test
stats.ttest_rel(pre, post)

(statistic=-2.9732, pvalue=0.0101)

Statistik ujinya adalah -2,9732 dan nilai p dua sisi yang sesuai adalah 0,0101 .

Langkah 3: Interpretasikan hasilnya.

Dalam contoh ini, uji-t sampel berpasangan menggunakan hipotesis nol dan hipotesis alternatif berikut:

H ₀ : Rata-rata nilai pre-test dan post-test adalah sama

H _A : Rata-rata nilai pre-test dan post-test tidak sama

Karena nilai p ( 0,0101 ) kurang dari 0,05, kami menolak hipotesis nol. Kami mempunyai cukup bukti yang menyatakan bahwa sebenarnya rata-rata nilai ujian siswa sebelum dan sesudah mengikuti program studi berbeda.