Compare 2 Groups — SQalytics

1 Introduksi

1.1 Latar Belakang

Membandingkan dua kelompok adalah pertanyaan paling sering muncul dalam analitik pangan dan riset biomedis: apakah formulasi baru lebih disukai daripada kontrol? Apakah dua metode ekstraksi menghasilkan rendemen yang berbeda? Apakah satu shift produksi menghasilkan produk dengan kadar air yang berbeda dari shift lainnya? Pertanyaan-pertanyaan seperti ini, meskipun terlihat sederhana, sebenarnya menuntut pemilihan uji statistik yang tepat — Student's t-test klasik hanya berlaku ketika asumsi normalitas dan homoskedastisitas terpenuhi, dan pelanggaran asumsi ini sering kali menyebabkan kesalahan tipe I yang tinggi (Ruxton, 2006).

Dalam praktik riset pangan di Indonesia, kesalahan paling umum bukan terletak pada perhitungan p-value-nya, melainkan pada pemilihan uji yang asal: Student's t-test dipakai pada data ber-varians sangat berbeda; uji parametrik dipaksakan pada data ordinal sensori; atau Mann–Whitney U dipakai padahal data sebetulnya normal dan ukuran sampel cukup. Modul Compare 2 Groups hadir untuk menutup celah ini — modul memilih jalur uji yang aman secara otomatis berdasarkan pemeriksaan asumsi yang dilakukan di balik layar.

1.2 Tujuan Modul

Modul Compare 2 Groups di SQalytics ditujukan untuk:

Menjawab pertanyaan "apakah dua kelompok berbeda secara statistik" dengan bahasa sederhana.
Memilih uji statistik yang sesuai (Welch's t-test, Student's t-test, atau Mann–Whitney U) berdasarkan hasil cek asumsi normalitas dan kesetaraan varians.
Menyajikan ringkasan numerik dasar (rata-rata, median, SD, IQR) tanpa pengguna perlu menulis kode statistik manual.
Audiens utama: mahasiswa S1 metodologi penelitian, peneliti pemula, dan analis QC yang butuh jawaban cepat sebelum melanjutkan ke desain eksperimen lebih kompleks.

1.3 Posisi di Antara Alternatif

Pilih Compare 2 Groups ketika faktor kategori Anda memiliki tepat dua kelompok. Untuk 3 kelompok atau lebih, lanjutkan ke Compare Many Groups (ANOVA satu-arah + Tukey HSD). Bila pertanyaan Anda melibatkan dua faktor kategori sekaligus (misal: metode × suhu), pakai Compare 2 Factors. Bila Anda belum yakin apa bentuk pertanyaan statistiknya, mulai dari Quick Stats Check — modul itu akan mengarahkan Anda kembali ke sini bila relevan.

2 Metode

2.1 Dasar Teoretis

Dua kelompok dapat dibandingkan dengan uji parametrik atau non-parametrik. Uji parametrik mengasumsikan data berasal dari populasi yang berdistribusi normal; sementara uji non-parametrik bekerja pada peringkat (rank) dan tidak memerlukan asumsi distribusi tersebut. Dalam alur keputusan modern (Delacre, Lakens, & Leys, 2017), Welch's t-test direkomendasikan sebagai default bahkan ketika varians kedua kelompok tampak sama — karena Welch lebih aman saat varians ternyata berbeda dan tidak kehilangan banyak power saat varians sama.

Modul Compare 2 Groups mengikuti pohon keputusan tiga-cabang:

Cek normalitas tiap kelompok dengan Shapiro–Wilk (Royston, 1982).
Bila kedua kelompok normal → pakai Welch's t-test (default modern).
Bila salah satu kelompok tidak normal dan $n < 30$ → pakai Mann–Whitney U (non-parametrik).
Untuk $n \geq 30$ per kelompok, Central Limit Theorem membuat Welch's t-test robust meski distribusi sedikit menyimpang dari normal.

2.2 Persamaan Inti

Welch's t-statistic (untuk varians tidak setara):

$$ t = \frac{\bar{x}_1 - \bar{x}_2}{\sqrt{\dfrac{s_1^2}{n_1} + \dfrac{s_2^2}{n_2}}} $$

dengan derajat bebas Welch–Satterthwaite:

$$ \nu = \frac{\left(\dfrac{s_1^2}{n_1} + \dfrac{s_2^2}{n_2}\right)^2}{\dfrac{(s_1^2/n_1)^2}{n_1-1} + \dfrac{(s_2^2/n_2)^2}{n_2-1}} $$

di mana:

$\bar{x}_i$ = rata-rata sampel kelompok $i$
$s_i^2$ = varians sampel kelompok $i$
$n_i$ = ukuran sampel kelompok $i$
$\nu$ = derajat bebas terkoreksi

Mann–Whitney U (non-parametrik) untuk dua sampel independen berukuran $n_1$ dan $n_2$:

$$ U_1 = n_1 n_2 + \frac{n_1(n_1+1)}{2} - R_1 $$

di mana $R_1$ adalah jumlah peringkat pada kelompok 1 setelah seluruh observasi gabungan diurutkan ascending.

Ukuran efek Cohen's d (parametrik), dilaporkan modul bersama p-value:

$$ d = \frac{\bar{x}_1 - \bar{x}_2}{s_{\text{pooled}}}, \quad s_{\text{pooled}} = \sqrt{\frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}} $$

Konvensi Cohen (1988): $|d| \approx 0.2$ = kecil, $0.5$ = sedang, $0.8$ = besar.

2.3 Asumsi & Batas Validitas

Asumsi	Konsekuensi jika dilanggar	Cara cek di SQalytics
Sampel acak & independen	Standard error keliru, p-value bias	Periksa desain pengambilan sampel di luar modul
Skala interval/rasio	Uji parametrik tidak valid pada ordinal	`Data Editor` → cek tipe kolom
Normalitas tiap kelompok	Welch's t bisa over-/underestimate p-value	Modul cek via Shapiro–Wilk; hasil tampil di tabel asumsi
Tidak ada outlier ekstrem	p-value didominasi outlier	Inspeksi visual via `Distribution Graphs`

Catatan validasi. Modul menolak input bila kolom kategori memiliki kurang atau lebih dari 2 nilai unik yang non-null — pesan error muncul di langkah Pick the columns.

3 Cara Kerja

3.1 Step-by-Step di SQalytics

Buka Compare 2 Groups dari domain Statistika Terapan di sidebar.
Pada langkah Pick the question, pilih fokus pertanyaan yang paling sesuai (mode 1 untuk jawaban ya/tidak; mode 2 untuk pembacaan sebaran).
Pastikan status data menunjukkan tabel aktif sudah siap dari Data Uploader atau Data Editor.
Pada langkah Pick the columns, pilih:
- Numeric value column — kolom respons (mis. iC50_ppm).
- 2-group category column — kolom faktor (mis. metode_ekstraksi).
Baca callout yang memastikan faktor tersebut benar memiliki tepat 2 kelompok.
Klik Run Analysis.
Tinjau hasil dalam urutan: kesimpulan ringkas → tabel ringkasan kelompok → tabel asumsi → tabel uji utama.
Bila perlu, buka tab Graph (boxplot dengan jitter) atau Tables, lalu ekspor TXT.

3.2 Template Tabel Input + Contoh Data Sintetis

Skema tabel input minimum:

Kolom	Tipe	Satuan	Wajib	Catatan
`metode_ekstraksi`	category	—	✓	Harus tepat 2 nilai unik (mis. `UAE`, `MAE`)
`ic50_ppm`	numeric	ppm	✓	Tidak boleh negatif; missing dibolehkan max 20%

Contoh data sintetis (10 baris):

metode_ekstraksi	ic50_ppm
UAE	125.3
UAE	131.8
UAE	128.5
UAE	122.1
UAE	133.2
MAE	165.7
MAE	172.4
MAE	168.2
MAE	159.9
MAE	175.3

SYNTHETIC Pola ini meniru hasil preview two-stage UAE vs MAE pada thesis Aidah (2026) untuk ekstrak Premna corymbosa Kalimantan Timur. Mean preview: UAE ≈ 128 ppm (lebih poten), MAE ≈ 168 ppm. CSV setara tersedia di docs/assets/example-data/id/statistics/template_stats_two_groups.csv.

3.3 Contoh Luaran

Tabel ringkasan kelompok:

Kelompok	n	Mean	SD	Median	IQR
UAE	5	128.18	4.42	128.5	8.7
MAE	5	168.30	6.07	168.2	12.6

Tabel asumsi:

Cek	Statistik	p-value	Lulus?
Shapiro–Wilk (UAE)	W = 0.962	0.823	✓
Shapiro–Wilk (MAE)	W = 0.971	0.881	✓
Levene (varians)	F = 0.45	0.521	✓

Tabel uji utama:

Parameter	Nilai	Interpretasi
Welch's t	−12.04	UAE jauh di bawah MAE
df	7.32	—
p-value	<0.001	Tolak H₀
Mean diff	−40.12 ppm	UAE lebih poten ≈ 40 ppm
95% CI diff	[−47.8, −32.5]	Selisih bermakna pada α=0.05
Cohen's d	7.55	Efek sangat besar

Kesimpulan ringkas: "Rata-rata IC₅₀ UAE (128.2 ppm) signifikan lebih rendah daripada MAE (168.3 ppm), Welch's t(7.32) = −12.04, p < 0.001, Cohen's d = 7.55. Selisih ≈ 40 ppm, 95% CI [−47.8, −32.5]."

Grafik utama: boxplot side-by-side dengan jitter titik observasi dan marker signifikansi *** di atas pasangan kelompok. Sumbu X kategori metode, sumbu Y nilai numerik dengan satuan sesuai kolom input.

Boxplot perbandingan IC50 UAE vs MAE — Gambar 1. Perbandingan IC₅₀ α-glukosidase antara metode ekstraksi **UAE** dan **MAE** pada ekstrak *Premna corymbosa* (n=5 per kelompok). UAE menghasilkan IC₅₀ rata-rata 128.2 ppm; MAE 168.3 ppm — selisih ≈ 40 ppm bermakna pada α=0.05. *Boxplot* menampilkan median (garis tengah), kuartil pertama dan ketiga (kotak), dan 1.5×IQR (whisker); titik observasi individu di-jitter untuk visibility. Uji Welch's t(7.32) = −12.04, p < 0.001, Cohen's d = 7.55 menunjukkan efek sangat besar.

4 Kesimpulan

4.1 Relevansi Real-World

Modul ini relevan setiap kali peneliti perlu menjawab "apakah dua perlakuan berbeda?" secara cepat dan benar — situasi yang muncul di hampir semua bab Hasil & Pembahasan skripsi/thesis di Fakultas Pertanian, FMIPA, dan FKM. Sebagai contoh konkret, dalam Rencana Publikasi Singkil v5 modul ini dipakai pada Tahap 2 workflow two-stage cost-aware untuk membandingkan IC₅₀ α-glukosidase antara sampel UAE-optimum dan MAE-optimum (n=3 per kelompok, Welch's t-test). Output modul langsung menghasilkan tabel ringkasan + p-value yang siap dimasukkan ke manuskrip IMRAD tanpa perhitungan ulang manual di SPSS atau Excel.

Di laboratorium QC industri, pola "kontrol vs perlakuan" muncul pada uji kestabilan produk antar shift, validasi metode pengganti (alternate vs reference method), dan klaim better-than-competitor yang harus didukung statistik formal.

4.2 Where to Go from Here

Modul lanjutan di SQalytics:

Compare Many Groups — bila faktor yang sama berkembang menjadi 3 kelompok atau lebih (mis. tiga metode ekstraksi, empat suhu inkubasi). Modul itu menggunakan ANOVA satu-arah + Tukey HSD.
Compare 2 Factors — bila pertanyaan Anda melibatkan dua faktor sekaligus (mis. metode × suhu, jenis bahan baku × konsentrasi pelarut). Modul itu menggunakan ANOVA dua-arah dengan interaksi.
Quick Stats Check — bila Anda perlu melakukan health check statistik lebih luas pada seluruh kolom sebelum memilih analisis konfirmatori.
ANOVA Studio (Expert Desk) — bila Anda membutuhkan kontrol granular atas kontras pasangan, post-hoc lain (Dunnett, Scheffé), atau perhitungan power analitis.

Pembacaan lanjutan:

Delacre et al. (2017) — argumen mengapa Welch's t sebaiknya default modern.
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE — Bab 9 untuk t-test, Bab 6 untuk non-parametrik.
Dataset publik untuk benchmarking: USDA FoodData Central (banyak kolom numerik × kategori binari untuk latihan).

⚙ Troubleshooting Cepat

Faktor tidak muncul sebagai pilihan. Pastikan kolom kategori hanya berisi 2 nilai unik yang terlihat (cek di Data Editor); nilai null tidak dihitung.

Tombol run tetap nonaktif. Periksa apakah kolom numerik dan kolom faktor 2 kelompok sudah keduanya terpilih, dan minimal ada 3 baris per kelompok.

Hasil Welch's t berbeda dari hitungan manual Excel. Excel =TTEST(..., 2, 3) memang setara dengan Welch; pastikan Anda memakai mode 3 (varians tidak setara), bukan mode 2.

Kesimpulan ringkas menyatakan "tidak berbeda" padahal mean tampak jauh. Cek ukuran sampel — power mungkin rendah; pertimbangkan menambah replikasi sebelum menyatakan tidak ada perbedaan.

i Riwayat Revisi

Riwayat Revisi Panduan

Tanggal	Revisi	Penulis
2026-05-12	Migrasi MD v2 → HTML final (KaTeX rendered + TOC + print-friendly CSS)	Claude
2026-05-12	Migrasi v1 → v2 (template publikasi: Introduksi/Metode/Cara Kerja/Kesimpulan + KaTeX + APA)	Claude
2026-05-09	Draft awal v1 (Ringkasan Modul → Langkah Berikutnya)	Tim docs

4 Referensi

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch's t-test instead of Student's t-test. International Review of Social Psychology, 30(1), 92–101. https://doi.org/10.5334/irsp.82
Royston, P. (1982). An extension of Shapiro and Wilk's W test for normality to large samples. Journal of the Royal Statistical Society: Series C (Applied Statistics), 31(2), 115–124. https://doi.org/10.2307/2347973
Ruxton, G. D. (2006). The unequal variance t-test is an underused alternative to Student's t-test and the Mann–Whitney U test. Behavioral Ecology, 17(4), 688–690. https://doi.org/10.1093/beheco/ark016