Kalkulator Nilai P

Nilai Anda

Distribusi statistik uji

Statistik t dari uji t Anda, misalnya 2,0 atau −2,31.

Hipotesis alternatif
Taraf signifikansi (α)

Batas untuk menyatakan suatu hasil signifikan, yang ditetapkan sebelum Anda melihat data. Pilihan yang paling umum adalah 0,05.

Hasil

Nilai p

p=P(∣T20∣≥2)≈0,05927p=P(|T_{20}|\ge 2)\approx0{,}05927

Tidak signifikan secara statistik pada α = 0,05

Nilai p lebih besar dari α, jadi Anda gagal menolak hipotesis nol pada taraf ini. Ini tidak menunjukkan bahwa H₀ benar.

Distribusi t StudentDaerah berarsir: nilai p, 0,05927. Garis putus-putus: nilai kritis pada α = 0,05.
Ekor kiri P(X ≤ t)
0,97037
Ekor kanan P(X ≥ t)
0,02963
Nilai kritis

Nilai p dihitung dengan asumsi H₀ benar; nilai p bukan probabilitas bahwa H₀ benar.

Tentang alat ini

Nilai p adalah probabilitas memperoleh statistik uji yang setidaknya sama ekstremnya dengan yang Anda amati, dengan asumsi hipotesis nol H₀ benar. Nilai p yang kecil berarti data Anda tergolong tidak lazim seandainya H₀ benar, sehingga dianggap sebagai bukti yang menentang H₀.

Kalkulator ini mengubah statistik z, t, chi-kuadrat, atau F menjadi nilai p satu sisi atau dua sisi, sehingga Anda tidak perlu membuka tabel statistik. Kalkulator juga menampilkan luas ekor kiri dan kanan, nilai kritis untuk taraf signifikansi Anda, serta grafik distribusi dengan daerah yang diarsir.

Bagaimana cara kerjanya

Pilih distribusi yang diikuti statistik uji Anda: z (normal baku) untuk uji z, t Student untuk uji t, chi-kuadrat untuk uji kecocokan (goodness-of-fit), uji independensi, dan uji varians, atau F untuk ANOVA dan regresi. Masukkan nilai statistik dan derajat bebasnya.

Pilih sisi yang sesuai dengan hipotesis alternatif Anda: sisi kiri untuk “kurang dari”, sisi kanan untuk “lebih dari”, dan dua sisi untuk “tidak sama dengan”. Uji chi-kuadrat dan uji F biasanya memakai sisi kanan. Kalkulator mencari luas daerah di luar statistik Anda, membandingkan nilai p dengan taraf signifikansi α, dan menampilkan nilai kritis untuk α yang sama.

p=2min⁡{P(X≤x0∣H0), P(X≥x0∣H0)}p=2\min\{P(X\le x_0\mid H_0),\ P(X\ge x_0\mid H_0)\}

Contoh

Uji t dua sampel menghasilkan t=2,0t = 2{,}0 dengan 20 derajat bebas dan hipotesis alternatif dua sisi. Luas di sebelah kanan 2,0 sekitar 0,0296, sehingga nilai p dua sisinya p=2×0,0296≈0,0593p = 2 \times 0{,}0296 \approx 0{,}0593. Karena 0,0593>0,050{,}0593 > 0{,}05, Anda gagal menolak H₀ pada taraf 5%, meskipun hasilnya akan signifikan pada α sebesar 0,10. Nilai kritis dua sisi pada α sebesar 0,05 adalah ±2,086\pm 2{,}086.

Untuk uji independensi chi-kuadrat dengan χ2=7,815\chi^2 = 7{,}815 dan 3 derajat bebas, nilai p sisi kanannya p≈0,05p \approx 0{,}05, tepat pada nilai kritis 5%.

Asumsi dan batasan

Nilai p hanya seandal uji yang mendasarinya: nilai ini mengasumsikan statistik uji benar-benar mengikuti distribusi yang dipilih ketika H₀ benar, dan hal itu bergantung pada pengamatan yang saling bebas, ukuran sampel yang memadai, serta syarat uji itu sendiri (misalnya kenormalan data untuk uji t dengan sampel kecil).

Nilai p bukan probabilitas bahwa H₀ benar, dan tidak mengukur besar atau pentingnya suatu efek. Efek yang sangat kecil bisa sangat signifikan pada sampel besar, dan hasil yang tidak signifikan tidak membuktikan bahwa efeknya tidak ada. Laporkan ukuran efek dan interval kepercayaan bersama nilai p, serta tentukan α dan sisi uji sebelum melihat data. Untuk uji chi-kuadrat dan uji F dua sisi, kalkulator menggandakan luas ekor yang lebih kecil.

Pertanyaan yang sering diajukan

Apa arti nilai p sebesar 0,05?

Jika hipotesis nol benar, statistik uji yang setidaknya seekstrem milik Anda akan muncul pada sekitar 5% pengulangan. Pada taraf signifikansi 0,05, Anda akan menolak H₀. Ini tidak berarti ada peluang 5% bahwa H₀ benar.

Haruskah saya memakai uji satu sisi atau dua sisi?

Gunakan uji dua sisi, kecuali sebelum mengumpulkan data Anda sudah memutuskan bahwa hanya satu arah yang penting dan efek ke arah sebaliknya akan diperlakukan sama seperti tidak ada efek. Untuk distribusi yang simetris, nilai p dua sisi adalah dua kali nilai p satu sisi.

Bagaimana cara menentukan derajat bebas?

Untuk uji t satu sampel, df=n−1df = n - 1. Untuk uji t dua sampel dengan varians gabungan (pooled), df=n1+n2−2df = n_1 + n_2 - 2. Untuk uji independensi chi-kuadrat dengan r baris dan c kolom, df=(r−1)(c−1)df = (r - 1)(c - 1). Untuk ANOVA satu arah, statistik F memiliki k−1k - 1 dan N−kN - k derajat bebas. Nilai pecahan, seperti df Welch, juga dapat dimasukkan.

Apa perbedaan nilai p dan α?

α adalah batas yang Anda tetapkan sejak awal, yaitu tingkat positif palsu yang bersedia Anda terima. Nilai p berasal dari data Anda. Jika p≤αp \le \alpha, Anda menolak H₀ pada taraf tersebut; jika tidak, Anda gagal menolaknya.

Bisakah nilai p tepat 0?

Tidak. Nilainya bisa sangat kecil, dan nilai yang sangat kecil ditampilkan dalam notasi ilmiah, misalnya 1,2E-9. Perangkat lunak yang menampilkan 0,000 atau “p < 0,001” sebenarnya sedang membulatkan.

Tautan dengan nilai Anda

Tambahkan parameter ini ke alamat halaman agar halaman terbuka dengan nilai yang sudah terisi, misalnya untuk membagikan perhitungan atau menautkannya dari asisten AI. Hasil dihitung di browser: HTML halaman menampilkan contoh untuk nilai bawaan, dan alat ini menetapkan atribut data-url-params setelah nilai dari tautan diterapkan.

ParameterNilaiJika tidak diisi
distributionDistribusi statistik ujisalah satu dari: z, t, chi2, fbawaan: t
statisticStatistik ujiangkawajib
dfDerajat bebas (df)angka; diizinkan > 0 – 10000000; dipakai saat distribution = t, chi2wajib
df1df pembilang (d₁)angka; diizinkan > 0 – 10000000; dipakai saat distribution = fwajib
df2df penyebut (d₂)angka; diizinkan > 0 – 10000000; dipakai saat distribution = fwajib
tailHipotesis alternatifsalah satu dari: left, right, twobawaan: two
alphaTaraf signifikansi (α)angka; diizinkan > 0 – < 1bawaan: 0.05

Contoh

  • ?distribution=z&statistic=1.96
  • ?statistic=2.45&df=14&tail=right
  • ?distribution=chi2&statistic=7.81&df=3
  • ?statistic=3.2&df1=4&df2=30&alpha=0.025

Tulis desimal dengan titik. Kodekan spasi sebagai %20, + sebagai %2B, # sebagai %23, dan & sebagai %26.

Elemen hasil: [data-result-block="p_value_calculator"]