Berikut adalah tabel yang merinci perbedaan antara uji T (T-test) dan uji Z (Z-test), yang mencakup berbagai aspek seperti definisi, tujuan, jenis data, ukuran sampel, asumsi, rumus, dan aplikasi. Tabel ini bertujuan untuk memberikan pemahaman yang lebih baik tentang kedua jenis uji statistik ini dalam konteks analisis data.
| Aspek | Uji T (T-test) | Uji Z (Z-test) |
| Definisi | – Uji T adalah metode statistik yang digunakan untuk membandingkan rata-rata dari dua kelompok atau lebih ketika ukuran sampel kecil dan varians tidak diketahui. – Uji T digunakan untuk menentukan apakah ada perbedaan yang signifikan antara rata-rata kelompok. |
– Uji Z adalah metode statistik yang digunakan untuk membandingkan rata-rata dari dua kelompok atau lebih ketika ukuran sampel besar (biasanya n > 30) dan varians diketahui. – Uji Z digunakan untuk menentukan apakah ada perbedaan yang signifikan antara rata-rata kelompok. |
| Tujuan | – Tujuan utama uji T adalah untuk menguji hipotesis tentang perbedaan rata-rata antara dua kelompok. – Uji T sering digunakan dalam penelitian untuk menentukan apakah intervensi atau perlakuan memiliki efek yang signifikan. |
– Tujuan utama uji Z adalah untuk menguji hipotesis tentang perbedaan rata-rata antara dua kelompok dengan asumsi bahwa distribusi data mengikuti distribusi normal. – Uji Z sering digunakan dalam analisis data besar dan ketika varians populasi diketahui. |
| Jenis Data | – Uji T digunakan untuk data yang bersifat interval atau rasio dan memiliki distribusi normal. – Uji T juga dapat digunakan untuk data ordinal dalam beberapa kasus. |
– Uji Z digunakan untuk data yang bersifat interval atau rasio dan memiliki distribusi normal. – Uji Z lebih tepat digunakan ketika data memiliki ukuran sampel yang besar. |
| Ukuran Sampel | – Uji T biasanya digunakan untuk ukuran sampel kecil (n < 30). – Uji T dapat digunakan untuk ukuran sampel yang lebih besar, tetapi lebih umum digunakan untuk sampel kecil. |
– Uji Z biasanya digunakan untuk ukuran sampel besar (n > 30). – Uji Z lebih akurat ketika ukuran sampel besar karena hukum bilangan besar. |
| Asumsi | – Asumsi uji T meliputi: 1. Data harus terdistribusi normal. 2. Varians antar kelompok harus homogen (sama). 3. Data harus bersifat independen. |
– Asumsi uji Z meliputi: 1. Data harus terdistribusi normal. 2. Varians populasi harus diketahui. 3. Data harus bersifat independen. |
| Aplikasi | – Uji T sering digunakan dalam penelitian medis, psikologi, dan ilmu sosial untuk membandingkan dua kelompok. – Contoh aplikasi: membandingkan efek dua jenis pengobatan pada pasien. |
– Uji Z sering digunakan dalam penelitian yang melibatkan data besar dan ketika varians populasi diketahui. – Contoh aplikasi: membandingkan rata-rata tinggi badan siswa di dua sekolah besar. |
Tabel di atas memberikan gambaran yang jelas dan terperinci mengenai perbedaan antara uji T dan uji Z. Memahami perbedaan ini penting dalam konteks analisis statistik, karena kedua jenis uji ini memiliki karakteristik, tujuan, dan aplikasi yang berbeda. Uji T lebih cocok untuk sampel kecil dan ketika varians tidak diketahui, sementara uji Z lebih tepat untuk sampel besar dan ketika varians populasi diketahui. Keduanya memiliki peran penting dalam pengujian hipotesis dan analisis data.