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.
Contoh
Uji t dua sampel menghasilkan dengan 20 derajat bebas dan hipotesis alternatif dua sisi. Luas di sebelah kanan 2,0 sekitar 0,0296, sehingga nilai p dua sisinya . Karena , 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 .
Untuk uji independensi chi-kuadrat dengan dan 3 derajat bebas, nilai p sisi kanannya , 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, . Untuk uji t dua sampel dengan varians gabungan (pooled), . Untuk uji independensi chi-kuadrat dengan r baris dan c kolom, . Untuk ANOVA satu arah, statistik F memiliki dan 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 , 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.
| Parameter | Nilai | Jika tidak diisi |
|---|---|---|
distributionDistribusi statistik uji | salah satu dari: z, t, chi2, f | bawaan: t |
statisticStatistik uji | angka | wajib |
dfDerajat bebas (df) | angka; diizinkan > 0 – 10000000; dipakai saat distribution = t, chi2 | wajib |
df1df pembilang (d₁) | angka; diizinkan > 0 – 10000000; dipakai saat distribution = f | wajib |
df2df penyebut (d₂) | angka; diizinkan > 0 – 10000000; dipakai saat distribution = f | wajib |
tailHipotesis alternatif | salah satu dari: left, right, two | bawaan: two |
alphaTaraf signifikansi (α) | angka; diizinkan > 0 – < 1 | bawaan: 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"]