[Mini Case] T-Test vs Mann-Whitney: Kapan Kita Salah Pilih Uji Statistik?
Dalam dunia analisis data, t-test sering jadi alat andalan untuk membandingkan dua kelompok data. Tapi tahukah kamu? Banyak analis tanpa sadar menggunakan t-test saat sebenarnya tidak cocok.
Abdiel
6/3/20251 min read
Studi Kasus Mini: Pengaruh Promosi Terhadap Jumlah Transaksi
Sebuah e-commerce menjalankan kampanye promosi dan ingin mengetahui:
"Apakah pelanggan yang menerima promosi melakukan transaksi lebih banyak dibanding yang tidak menerima?"
Dua kelompok data yang tersedia:
Pemeriksaan Awal (yang sering dilewatkan)
Dua Alat Statistik: Mana yang Cocok?
Target analisis: membandingkan jumlah transaksi per pelanggan antara dua kelompok.
Kembali ke kasus e-commerce, jika:
Kelompok A: Tidak mendapat promosi
Kelompok B: Mendapat promosi
Banyak yang langsung menghitung rata-rata dan jalankan t-test. Padahal, langkah awal yang seharusnya dilakukan:
Jika Salah Pilih, Apa Risikonya?
Data jumlah transaksi tidak berdistribusi normal (misalnya banyak yang 0, lalu melonjak tajam di sebagian kecil user)
Varians antara grup berbeda jauh
Solusi yang tepat: Gunakan Mann-Whitney U Test.
Ketika asumsi dasar dari t-test tidak terpenuhi (misalnya data tidak normal atau varians tidak setara), maka hasil uji bisa menyesatkan. Di sinilah Mann-Whitney U test mengambil peran sebagai alternatif non-parametrik yang lebih fleksibel.
Artikel ini akan membantu kamu memahami:
1. T-Test
Prinsip praktis: Jika ragu terhadap asumsi data, gunakan Mann-Whitney sebagai pendekatan aman.
"Apakah distribusi jumlah transaksi pengguna yang mendapat promosi cenderung lebih tinggi dari yang tidak?"
Hasilnya akan memberi gambaran:
Insight dari Mini Case
Kesimpulan
Blog Selanjutnya dalam Seri Ini:
[Mini Case] Korelasi vs Sebab-Akibat: Jangan Salah Tarik Kesimpulan dari Grafik
[Mini Case] P-Value Tidak Sakral: Cara Baca dan Gunakan Secara Bijak
[Mini Case] Confidence Interval: Cara Cerdas Melihat Ketidakpastian
Kapan sebaiknya memilih t-test?
Kapan wajib beralih ke Mann-Whitney?
Apa dampaknya jika kita salah pilih?
Uji normalitas: Apakah distribusi transaksi mengikuti pola normal?
Uji varians: Apakah variasi antar kelompok setara?
Tanpa ini, kita bisa saja menggunakan alat yang salah. Seperti mengukur suhu dengan penggaris.
Cocok untuk data berdistribusi normal
Varians antar kelompok setara
Membandingkan rata-rata
2. Mann-Whitney U Test
Cocok untuk data yang tidak normal atau terdistribusi miring
Tidak memerlukan asumsi varians setara
Membandingkan distribusi secara keseluruhan, bukan hanya rata-rata
T-Test pada data tidak normal → p-value bisa salah, hasil tidak valid
T-Test saat varians berbeda jauh → kesimpulan bias
Mann-Whitney pada data normal → tetap aman, meskipun sedikit kurang sensitif
Maka menggunakan t-test akan menyesatkan.
Tidak semua perbandingan dua kelompok harus menggunakan t-test.
Terkadang, bentuk distribusi data-lah yang menjadi penentu metode.
Jangan buru-buru pilih tools. Periksa dulu datanya.