# Kalkulator Uji Hipotesis AB Test Online
Mengambil keputusan berdasarkan intuisi sangatlah berbahaya; mengambil keputusan berdasarkan data murni adalah jalan menuju kesuksesan. Kalkulator Uji Hipotesis (A/B Test) adalah alat definitif bagi analis, pemasar, dan peneliti yang perlu memvalidasi apakah perbedaan antara dua kelompok signifikan secara statistik atau sekadar hasil dari kebetulan. P-Value Hakim Terakhir
Lokal Tanpa Unggah Data
Instan Grafik Asli
# Mengapa Kami Memisahkan Pengujian menjadi Konversi dan Rata-rata?
Tergantung pada sifat studi Anda, metrik keberhasilan akan berubah. Alat kami secara asli mendukung dua jenis uji statistik yang paling banyak digunakan di industri.Uji Proporsi (Konversi)
Membandingkan persentase atau tingkat keberhasilan antara dua kelompok.
- Ideal untuk Pemasaran (Klik, Penjualan, Langganan)
- Menggunakan Total Kasus (n) dan Keberhasilan (x)
- Menerapkan Z-Test dua proporsi
Uji Rata rata Kontinu
Membandingkan nilai numerik rata-rata antara dua kelompok.
- Ideal untuk Rata-rata Belanja, Waktu di Situs, atau Uji Klinis
- Menggunakan Rata-rata (μ) dan Standar Deviasi (σ)
- Menerapkan aproksimasi normal yang kuat untuk sampel (Z/T)
# Cara Menginterpretasikan Hasil: P-Value Adalah Panduan Anda
Jantung dari kalkulator ini adalah P-Value yang terkenal. Angka ini memberi tahu Anda probabilitas telah memperoleh perbedaan yang diamati ini jika Hipotesis Nol (yang menyatakan bahwa "kedua kelompok adalah sama") adalah benar.| P-Value Teramati | Makna Praktis | Keputusan Standar |
|---|---|---|
| Lebih dari 0,05 | Perbedaan kecil dibandingkan varians. Kebetulan bisa menjelaskannya. | JANGAN Tolak Hipotesis Nol. Tidak ada perbaikan nyata yang terbukti. |
| Kurang dari 0,05 | Sangat tidak mungkin kebetulan menyebabkan perbedaan seperti itu. Ada efek nyata. | Tolak Hipotesis Nol. Varian B lebih baik! |
| Kurang dari 0,01 | Bukti yang mendukung perubahan sangat kuat (kepercayaan 99%). | Tolak dengan tegas. Keberhasilan gemilang dari eksperimen. |
Koreksi untuk Sampel Kecil
Jika grup Anda memproses kurang dari 30 subjek, alat ini akan menampilkan peringatan "Sampel Kecil". Dalam skenario batas ini, aproksimasi normal klasik kehilangan presisi; kami menyarankan penggunaan uji t Student eksak atau alat Fisher.# Glosarium A/B Testing
- Grup Kontrol (A)
- Versi asli atau baseline yang akan Anda gunakan untuk mengukur eksperimen Anda.
- Varian (B)
- Versi modifikasi baru yang Anda harapkan dapat meningkatkan metrik.
- Lift (Peningkatan Relatif)
- Persentase perubahan antara kinerja Grup B relatif terhadap baseline Grup A.
- Tingkat Signifikansi (α)
- Ambang batas kesalahan yang bersedia Anda terima (biasanya 5% atau 0,05).