Kalkulator p-value
Kalkulator yang memakai statistik Z atau t, arah uji, derajat kebebasan, dan alpha untuk menampilkan p-value, area ekor, serta keputusan signifikansi.
Kalkulator p-value
Masukkan statistik Z atau statistik t lalu pilih arah pengujian untuk melihat p-value, perbandingan alpha, serta probabilitas ekor kiri dan kanan dalam satu layar.
Mode Normal (Z) memakai distribusi kumulatif normal standar untuk menghitung p-value. Cocok saat statistik Z sudah diketahui atau simpangan baku populasi dianggap diketahui.
Gunakan preset ini untuk membandingkan bagaimana hasil berubah antara distribusi normal, distribusi t, serta uji satu sisi dan dua sisi.
- p-value adalah peluang munculnya hasil setidaknya se-ekstrem ini jika hipotesis nol benar. Nilai yang lebih kecil berarti data terlihat kurang konsisten dengan model nol tersebut.
- Uji dua sisi menggabungkan area ekstrem di kedua sisi distribusi. Dengan statistik yang sama, p-value sering lebih besar dibanding uji satu sisi.
- Distribusi t memiliki ekor yang lebih tebal saat df kecil, sehingga statistik yang sama bisa menghasilkan p-value lebih besar daripada distribusi normal.
Masukkan statistik uji untuk menghitung hasil secara instan.
Dalam distribusi normal (Z), Z = 1.96 dengan uji dua sisi dan α = 0.05 menghasilkan p-value sekitar 0.0500, yang berada sangat dekat dengan ambang batas.
0.0500 ≤ 0.10
0.0500 ≈ 0.05
0.0500 > 0.01
Alpha aktif saat ini adalah 0.05. Karena p-value sangat dekat dengan ambang tersebut, lebih aman membaca nilai aslinya daripada hanya mengandalkan angka yang sudah dibulatkan.
| Distribusi | Normal (Z) |
|---|---|
| Arah uji | Dua sisi |
| Statistik uji | 1.96 |
| Derajat kebebasan | – |
| Tingkat signifikansi α | 0.05 |
| Probabilitas kumulatif kiri | 0.9750 |
| Probabilitas ekor kanan | 0.0250 |
| p-value | 0.0500 |
| Keputusan | Dekat ambang batas |
- Untuk Z = 1.96, probabilitas kumulatif normal Φ(1.96) sekitar 0.9750.
- Karena ini uji dua sisi, area ekor yang lebih kecil yaitu 0.0250 dikalikan dua untuk menghasilkan p-value 0.0500.
- Dengan α = 0.05, hasil ini hampir tepat berada di batas penolakan, jadi nilai presisi lebih penting daripada tampilan yang sudah dibulatkan.
Ini adalah contoh klasik yang berada di wilayah ambang. Saat melaporkannya, sertakan distribusi, arah uji, derajat kebebasan, dan aturan alpha agar interpretasinya tetap jelas.
What is a p-value calculator?
Kalkulator p-value membantu Anda melihat seberapa tidak biasa suatu hasil uji setelah statistik pengujiannya sudah dihitung. Dalam pengujian hipotesis, p-value adalah peluang munculnya hasil saat ini—atau hasil yang lebih ekstrem—jika hipotesis nol benar. Semakin kecil p-value, semakin kurang cocok data yang diamati dengan model nol tersebut.
Dalam praktiknya, p-value sering disebut lebih langsung daripada statistiknya sendiri. Namun nilainya bisa berubah tergantung apakah statistik itu dibaca di bawah distribusi normal (Z) atau distribusi t, serta apakah uji yang dipakai satu sisi atau dua sisi. Alat ini menempatkan kondisi-kondisi itu di layar yang sama agar kesalahan interpretasi lebih mudah dihindari.
Kapan alat ini berguna?
Alat ini berguna saat Anda sudah memiliki statistik Z atau t dari keluaran software, paper, atau perhitungan manual dan ingin mengonfirmasi p-value dengan cepat. Alat ini sangat membantu ketika Anda ingin membandingkan interpretasi satu sisi versus dua sisi atau melihat bagaimana hasil berubah setelah memakai nilai df yang berbeda.
Common use cases include test-score comparisons, treatment-versus-control mean tests, Welch t tests, coefficient tests in regression output, and classroom assignments where only the statistic and df are provided. It works well as a fast cross-check before writing up a report or discussing significance in a meeting.
- Coursework and hand-calculation checks – Recheck a t value or Z value against its p-value
- Membaca tabel dalam paper – Masukkan statistik dan df yang dilaporkan untuk langsung mengecek signifikansi
- Report QA – Compare one-tailed and two-tailed results before finalizing a memo
- Everyday data work – Interpret regression or mean-comparison output without reopening a larger stats workflow
Fitur utama
Kalkulator ini tidak berhenti pada satu angka p-value saja. Alat ini juga memperlihatkan area ekor mana yang dipakai dan bagaimana hasilnya dibaca di bawah ambang alpha yang umum. Tujuannya adalah menjaga alur dari input statistik sampai interpretasi siap laporan tetap singkat dan mudah diikuti.
Anda bisa berpindah antara distribusi normal (Z) dan distribusi t, mengganti uji ekor kiri, ekor kanan, atau dua sisi, serta memasukkan ambang alpha Anda sendiri. Layar yang sama juga menunjukkan bagaimana hasil tersebut dibandingkan dengan ambang umum 0.10, 0.05, dan 0.01.
- Ganti mode Z / t – Match the calculator to the distribution that fits your test statistic
- Dukungan uji satu sisi dan dua sisi – Compare left, right, and two-tailed p-values instantly
- Input derajat kebebasan – Terapkan df secara langsung saat distribusi t diperlukan
- Kartu perbandingan alpha – See immediately how the same result looks at 0.10, 0.05, and 0.01
- Salin hasil – Salin ringkasan singkat untuk catatan, chat, atau laporan
Cara menggunakan
Mulailah dengan memilih apakah hasil Anda harus dibaca sebagai statistik Z atau statistik t, lalu pilih arah pengujiannya. Setelah itu, masukkan nilai statistiknya dan, jika Anda memakai distribusi t, masukkan juga derajat kebebasannya. Terakhir, masukkan tingkat alpha yang ingin dipakai sebagai ambang keputusan, lalu baca p-value yang diperbarui.
Dua sisi tests double the smaller tail area, while one-tailed tests use only the tail selected by your hypothesis. If you are working from regression output or a mean-comparison table and the direction is not obvious, it is safest to confirm whether the analysis expects a one-tailed or two-tailed rule before interpreting the number.
- Pilih distribusi – Use Normal (Z) for a Z statistic and Distribusi t for a t statistic.
- Pilih arah uji – Select left-tailed, right-tailed, or two-tailed based on the hypothesis.
- Masukkan statistik – Type the calculated z value or t value.
- Masukkan df dan α – Tambahkan derajat kebebasan untuk mode t dan aturan alpha yang ingin Anda bandingkan.
- Baca hasilnya – Use the top result card, the alpha comparison row, and the summary table together.
How the calculation works
Normal (Z) mode uses the standard normal cumulative distribution function Φ(z). A left-tailed test uses Φ(z) directly as the p-value, a right-tailed test uses 1 – Φ(z), and a two-tailed test doubles the smaller tail area so that equally extreme values on either side of the distribution are counted.
Mode t memakai probabilitas kumulatif dari distribusi Student’s t bersama derajat kebebasan. Saat df kecil, ekornya lebih tebal, sehingga statistik yang sama bisa menghasilkan p-value yang lebih besar daripada distribusi normal. Karena itu, uji dengan sampel kecil atau kondisi saat simpangan baku populasi tidak diketahui biasanya perlu dicek ulang dalam mode t, bukan disederhanakan menjadi mode Z.
p-value bukan probabilitas bahwa hipotesis nol itu sendiri benar. p-value adalah probabilitas mengamati statistik saat ini, atau sesuatu yang lebih ekstrem, di bawah model nol. Desain studi, perbandingan berganda, dan pilihan hipotesis pasca-hoc tetap perlu ditinjau terpisah. Jika Anda juga perlu meninjau angka standardisasi dasarnya, Anda bisa melanjutkan dengan kalkulator Z-score, kalkulator simpangan baku, atau kalkulator rata-rata yang tersedia di bahasa lain.
Frequently asked questions
Does a small p-value always mean the result is important?
Tidak selalu. p-value yang kecil berarti data yang diamati tampak kurang konsisten dengan hipotesis nol, tetapi tidak otomatis membuktikan bahwa efeknya besar atau penting secara praktis. Pada sampel yang sangat besar, perbedaan kecil pun bisa menghasilkan p-value kecil.
When should I use a one-tailed test instead of a two-tailed test?
Use a one-tailed test only when the hypothesis is truly directional before you look at the data. If you only care whether the result is different in either direction, use a two-tailed test. For example, “greater than” can justify a one-tailed test, while “different from” usually requires a two-tailed test.
Why do I have to enter degrees of freedom in t mode?
Bentuk distribusi t bergantung pada derajat kebebasan. Nilai df yang lebih kecil membuat ekornya lebih tebal, sehingga p-value untuk statistik t yang sama bisa menjadi lebih besar. Ini sangat penting pada sampel kecil dan pada uji t bergaya Welch ketika df mungkin bukan bilangan bulat.
Apa perbedaan antara p-value dan alpha?
p-value adalah angka yang dihitung dari data Anda, sedangkan alpha adalah ambang keputusan yang Anda pilih sebelum interpretasi. Jika p-value lebih kecil atau sama dengan alpha, hasilnya dianggap signifikan menurut aturan itu. Yang satu adalah hasil observasi; yang lain adalah ambang pembanding.
Can this calculator also handle chi-square or F-test p-values?
Versi saat ini hanya mendukung distribusi normal (Z) dan distribusi t. Uji chi-square, uji F, uji korelasi, dan uji exact memakai distribusi yang berbeda dan membutuhkan rumusnya sendiri. Jika Anda sudah tahu jenis uji yang dibutuhkan, kalkulator khusus untuk distribusi tersebut akan lebih akurat.
Belum ada komentar. Jadilah yang pertama memberi pendapat.