<\/p>\n
Contoh berikut menunjukkan cara melakukan tiga uji-t berbeda menggunakan pandas DataFrame:<\/span><\/p>\n Uji-t dua sampel independen<\/a> digunakan untuk menentukan apakah rata-rata dua populasi sama.<\/span><\/p>\n Misalnya, seorang profesor ingin mengetahui apakah dua metode belajar yang berbeda menghasilkan nilai rata-rata yang berbeda pada ujian.<\/span><\/p>\n Untuk mengujinya, beliau merekrut 10 siswa untuk menggunakan metode A dan 10 siswa untuk menggunakan metode B.<\/span><\/p>\n Kode berikut menunjukkan cara memasukkan skor setiap siswa ke dalam DataFrame pandas, lalu menggunakan fungsi ttest_ind()<\/a> perpustakaan SciPy<\/strong> untuk melakukan uji-t dua sampel independen:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/span><\/p>\n Karena nilai p kurang dari 0,05, kami menolak hipotesis nol uji-t dan menyimpulkan bahwa terdapat cukup bukti untuk menyatakan bahwa kedua metode tersebut menghasilkan nilai rata-rata ujian yang berbeda.<\/span><\/p>\n Uji-t Welch<\/a> mirip dengan uji-t dua sampel independen, hanya saja uji ini tidak mengasumsikan bahwa dua populasi tempat sampel diambil mempunyai varians yang sama<\/a> .<\/span><\/p>\n Untuk melakukan uji-t Welch pada kumpulan data yang sama persis seperti contoh sebelumnya, kita hanya perlu menentukan equal_var=False<\/strong> dalam fungsi ttest_ind<\/strong> () sebagai berikut:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Karena nilai p kurang dari 0,05, kami menolak hipotesis nol uji-t Welch dan menyimpulkan bahwa terdapat cukup bukti untuk menyatakan bahwa kedua metode tersebut menghasilkan nilai rata-rata ujian yang berbeda.<\/span><\/p>\n Uji-t sampel berpasangan<\/a> digunakan untuk mengetahui apakah rata-rata dua populasi sama, dimana setiap observasi pada satu sampel dapat dikaitkan dengan observasi pada sampel lainnya.<\/span><\/p>\n Misalnya, seorang profesor ingin mengetahui apakah dua metode belajar yang berbeda menghasilkan nilai rata-rata yang berbeda pada ujian.<\/span><\/p>\n Untuk mengujinya, dia merekrut 10 siswa untuk menggunakan Metode A dan kemudian mengikuti tes. Kemudian dia membiarkan 10 siswa yang sama yang menggunakan Metode B mempersiapkan dan mengerjakan tes lain yang tingkat kesulitannya sama.<\/span><\/p>\n Karena semua siswa muncul di kedua sampel, kita dapat melakukan uji-t sampel berpasangan dalam skenario ini.<\/span><\/p>\n Kode berikut menunjukkan cara memasukkan skor setiap siswa ke dalam DataFrame pandas, lalu menggunakan fungsi ttest_rel()<\/a> perpustakaan SciPy<\/strong> untuk melakukan uji-t sampel berpasangan:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Karena nilai p kurang dari 0,05, kami menolak hipotesis nol uji-t sampel berpasangan dan menyimpulkan bahwa terdapat cukup bukti untuk menyatakan bahwa kedua metode tersebut menghasilkan nilai rata-rata ujian yang berbeda.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya dengan Python:<\/span><\/p>\n Cara Melakukan Tes Kemerdekaan Chi-Kuadrat dengan Python<\/a> Contoh berikut menunjukkan cara melakukan tiga uji-t berbeda menggunakan pandas DataFrame: Uji t dua sampel independen Uji-t dua sampel Welch Uji-t sampel berpasangan Contoh 1: Uji-t dua sampel independen pada panda Uji-t dua sampel independen digunakan untuk menentukan apakah rata-rata dua populasi sama. Misalnya, seorang profesor ingin mengetahui apakah dua metode belajar yang berbeda menghasilkan […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Contoh 1: Uji-t dua sampel independen pada panda<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_ind\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n method score\n0 to 71\n1 To 72\n2 To 72\n3 to 75\n4 to 78\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform independent two sample t-test\n<\/span>ttest_ind(group1[' score<\/span> '], group2[' score<\/span> '])\n\nTtest_indResult(statistic=-2.6034304605397938, pvalue=0.017969284594810425)\n<\/strong><\/span><\/pre>\n\n
Contoh 2: Uji-t Welch pada panda<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_ind\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform Welch's t-test\n<\/span>ttest_ind(group1[' score<\/span> '], group2[' score<\/span> '], equal_var= False<\/span> )\n\nTtest_indResult(statistic=-2.603430460539794, pvalue=0.02014688617423973)\n<\/strong><\/span><\/pre>\n\n
Contoh 3: Uji-t sampel berpasangan di Pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_rel\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n method score\n0 to 71\n1 To 72\n2 To 72\n3 to 75\n4 to 78\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform independent two sample t-test\n<\/span>ttest_rel(group1[' score<\/span> '], group2[' score<\/span> '])\n\nTtest_relResult(statistic=-6.162045351967805, pvalue=0.0001662872100210469)\n<\/strong><\/span><\/pre>\n\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara Melakukan ANOVA Satu Arah dengan Python<\/a>
Cara Melakukan Tes Tepat Fisher dengan Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"