Nilai p vs. alfa: apa bedanya?

Dua istilah yang sering membingungkan siswa dalam statistik adalah p-value dan alpha .

Kedua istilah tersebut digunakan dalam pengujian hipotesis , yaitu pengujian statistik formal yang kita gunakan untuk menolak atau gagal menolak suatu hipotesis.

Misalnya, kita berhipotesis bahwa pil baru menurunkan tekanan darah pasien lebih banyak dibandingkan pil standar saat ini.

Untuk mengujinya, kita dapat melakukan uji hipotesis di mana kita mendefinisikan hipotesis nol dan hipotesis alternatif berikut:

Hipotesis nol: Tidak ada perbedaan antara pil baru dan pil standar.

Hipotesis alternatif: Terdapat perbedaan antara pil baru dan pil standar.

Jika kita berasumsi bahwa hipotesis nol benar, nilai p dari pengujian tersebut memberi tahu kita kemungkinan memperoleh pengaruh setidaknya sama besar dengan pengaruh yang sebenarnya kita amati dalam data sampel.

Misalnya, kita menemukan bahwa nilai p untuk uji hipotesis adalah 0,02.

Berikut cara menginterpretasikan nilai p ini: Jika memang tidak ada perbedaan antara pil baru dan pil standar, maka 2% dari waktu kita menjalankan uji hipotesis ini, kita akan mendapatkan efek yang diamati pada sampel data, atau lebih, hanya karena kesalahan pengambilan sampel secara acak.

Hal ini menunjukkan bahwa perolehan sampel data yang sebenarnya kami lakukan akan sangat jarang terjadi jika memang tidak ada perbedaan antara pil baru dan pil standar.

Oleh karena itu, kita cenderung menolak hipotesis nol dan menyimpulkan bahwa terdapat perbedaan antara pil baru dan pil standar.

Namun ambang batas apa yang harus kita gunakan untuk menentukan apakah nilai p kita cukup rendah untuk menolak hipotesis nol?

Di sinilah alfa berperan!

tingkat alfa

Tingkat alfa uji hipotesis adalah ambang batas yang kita gunakan untuk menentukan apakah nilai p kita cukup rendah untuk menolak hipotesis nol. Seringkali disetel pada 0,05, namun terkadang disetel pada 0,01 atau 0,10.

Misalnya, jika kita menetapkan tingkat alfa uji hipotesis menjadi 0,05 dan memperoleh nilai p sebesar 0,02, kita akan menolak hipotesis nol karena nilai p lebih kecil dari tingkat alfa. Dengan demikian, kita dapat menyimpulkan bahwa kita mempunyai cukup bukti untuk mengatakan bahwa hipotesis alternatif itu benar.

Penting untuk dicatat bahwa tingkat alfa juga menentukan kemungkinan penolakan yang salah terhadap hipotesis nol yang sebenarnya.

Misalnya, kita ingin menguji apakah ada perbedaan rata-rata penurunan tekanan darah antara pil baru dan pil saat ini. Dan anggaplah tidak ada perbedaan antara kedua pil tersebut.

Jika kita menetapkan tingkat alfa uji hipotesis pada 0,05, ini berarti bahwa jika kita mengulangi proses pengujian hipotesis beberapa kali, kita akan menerima penolakan palsu terhadap hipotesis nol pada sekitar 5% kasus. tes.

Bagaimana memilih level Alfa

Seperti disebutkan sebelumnya, pilihan paling umum untuk tingkat alfa uji hipotesis adalah 0,05. Namun, dalam beberapa situasi di mana kesimpulan yang salah menyebabkan konsekuensi yang serius, kita dapat menetapkan tingkat alfa lebih rendah lagi, mungkin 0,01.

Misalnya, dalam bidang kedokteran, peneliti biasanya menetapkan tingkat alfa sebesar 0,01 karena ingin memastikan bahwa hasil uji hipotesis dapat diandalkan.

Sebaliknya, dalam bidang seperti pemasaran, mungkin lebih umum untuk menetapkan tingkat alfa lebih tinggi, misalnya 0,10, karena konsekuensi dari melakukan kesalahan bukanlah hidup atau mati.

Perlu dicatat bahwa meningkatkan tingkat alfa suatu pengujian akan meningkatkan kemungkinan menemukan hasil pengujian yang signifikan, namun juga akan meningkatkan kemungkinan bahwa kita akan salah menolak hipotesis nol yang sebenarnya.

Ringkasan:

Inilah yang kami pelajari di artikel ini:

1. Nilai p memberi tahu kita kemungkinan memperoleh suatu pengaruh setidaknya sebesar pengaruh yang sebenarnya kita amati dalam data sampel.

2. Tingkat alfa adalah kemungkinan salahnya menolak hipotesis nol yang sebenarnya.

3. Jika nilai p suatu uji hipotesis kurang dari tingkat alpha, maka hipotesis nol dapat ditolak.

4. Menaikkan tingkat alfa suatu pengujian akan meningkatkan kemungkinan kita mendapatkan hasil pengujian yang signifikan, namun hal ini juga meningkatkan kemungkinan bahwa kita akan salah menolak hipotesis nol yang sebenarnya.

Sumber daya tambahan

Pengantar Pengujian Hipotesis
Cara Menulis Hipotesis Nol (5 Contoh)
Bagaimana Mengidentifikasi Kiri vs. Tes Benar