Uji Paired T Sample pada sample berpasangan

 

Paired T Test

Uji T Berpasangan

Dalam pembahasna yang lalu saya membahas uji berpasangan dalam arti ketika satu grup atau kelompok dihadapkan oleh perlakuan yang berbeda. Apakah akan terjadi sesuatu perbedaan dengan perlakukan tertentu. Msialnya setelah mendapatkan pelatihan (training) apakah hasilnya akan berbeda atau tidak. Bisa jadi berbeda dan bisa jadi tidka berbeda bergantung dengan hasil penelitian dri sample tersebut. Pada UJi T kita akan mencari hal yang berpasangam. kita tidak mencari sampel yang berbeda seperti halnya dalam uji t berpasangan. kita tetap untuk melakukan uji asumsi pada data ini.

Langkah

Kalau sudah mendapatkan data dalam bentuk tabulasi baik yang dalam perlakukan sebelum atau sesudah yang merupakan sample yang berpasangan. Sample berpasangan ini mempunyai kunci untuk sebelum atau sesudah. Maka dengan demikian kita. untuk membuat data set tersebut kita bisa membuat vector terlebih dahulu atau kita mengisi dalam bentuk data dua kolom yakni spreadhseet.

# Membuat data frame
skor <- data.frame(
  id = 1:15,
  sebelum = c(85, 78, 92, 65, 88, 76, 95, 81, 70, 89, 73, 80, 77, 91, 84),
  sesudah = c(88, 80, 95, 70, 90, 80, 98, 85, 75, 92, 75, 83, 80, 94, 86)
)

Setelah kita mmebuat data diatas maka kita akan bisa mmebuat data yang lain. kita bisa menggunakan dengan mengelompokan angka dengan sebelum dan sesudah sperti di bawah ini:

my_skor <- data.frame( 
                group = rep(c("skor$sebelum", "skor$sesudah"), each = 15),
                weight = c(skor$sebelum,  skor$sesudah)
                )

maka kita bisa melakukan uji paoired t test

t.test(skor$sebelum,skor$sesudah)

    Welch Two Sample t-test

data:  skor$sebelum and skor$sesudah
t = -1.0208, df = 27.922, p-value = 0.3161
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -9.421631  3.154964
sample estimates:
mean of x mean of y 
 81.60000  84.73333 

ternyata hasilnya tidak menunjukkan tidak signifikan. Makasetelah itu kita bisa untuk uji yang lain. namun karena hasilnya tidak signifikan maka mungkin hal ini tidak ebrarati. namun kita lakukan beberapa test agar kita bisa mengetahui dengan sleisish skor untuk melihat normalitas

selisih=skor$sebelum-skor$sesudah
shapiro.test(selisih)

    Shapiro-Wilk normality test

data:  selisih
W = 0.84734, p-value = 0.01593

Pada sisi ini juga menunjukkan kalau tidak normalitas. hal ini menunjukkan kalau data tidak terdistribusi normal maka memakai uji yang lain Wilcoxon

Baca juga Uji Independen sample