<\/p>\n
Uji hipotesis<\/a> digunakan untuk menguji benar atau tidaknya suatu hipotesis tentang suatu parameter populasi<\/a> .<\/span><\/p>\n Setiap kali kami melakukan uji hipotesis, kami selalu mendefinisikan hipotesis nol dan hipotesis alternatif:<\/span><\/p>\n Jika p-value uji hipotesis berada di bawah tingkat signifikansi tertentu (misalnya \u03b1 = 0,05), maka kita dapat menolak hipotesis nol dan menyimpulkan bahwa kita mempunyai bukti yang cukup untuk menyatakan hipotesis alternatif itu benar.<\/span><\/p>\n Jika nilai p tidak kurang dari 0,05, kita gagal menolak hipotesis nol dan menyimpulkan bahwa kita tidak mempunyai cukup bukti untuk mengatakan hipotesis alternatif itu benar.<\/span><\/p>\n Contoh berikut menjelaskan cara menafsirkan nilai p kurang dari 0,05 dan cara menafsirkan nilai p lebih besar dari 0,05 dalam praktiknya.<\/span><\/p>\n Misalkan sebuah pabrik mengklaim memproduksi ban yang masing-masing berbobot 200 pon.<\/span><\/p>\n Seorang auditor masuk dan menguji hipotesis nol bahwa berat rata-rata ban adalah 200 pon terhadap hipotesis alternatif bahwa berat ban rata-rata bukan 200 pon, dengan menggunakan tingkat signifikansi 0,05.<\/span><\/p>\n Hipotesis nol (H 0<\/sub> ):<\/strong> \u03bc = 200<\/span><\/p>\n Hipotesis alternatif: ( HA<\/sub> ):<\/strong> \u03bc \u2260 200<\/span><\/p>\n Saat menguji hipotesis untuk rata-rata, auditor mendapatkan nilai p sebesar 0,0154<\/strong> .<\/span><\/p>\n Karena nilai p 0,0154<\/strong> lebih kecil dari tingkat signifikansi 0,05<\/strong> , auditor menolak hipotesis nol dan menyimpulkan bahwa terdapat cukup bukti untuk menyatakan bahwa berat rata-rata sebenarnya sebuah ban bukan 200 pon.<\/span><\/p>\n Misalkan seorang ahli biologi berpikir bahwa pupuk tertentu akan membuat tanaman tumbuh lebih banyak dalam jangka waktu tiga bulan dibandingkan biasanya, yaitu saat ini 20 inci. Untuk mengujinya, ia mengaplikasikan pupuk tersebut ke setiap tanaman di laboratoriumnya selama tiga bulan.<\/span><\/p>\n Dia kemudian melakukan uji hipotesis menggunakan hipotesis berikut:<\/span><\/p>\n Hipotesis nol (H 0<\/sub> ):<\/strong> \u03bc = 20 inci (pupuk tidak berpengaruh terhadap rata-rata pertumbuhan tanaman)<\/span><\/p>\n Hipotesis alternatif: ( HA<\/sub> ):<\/strong> \u03bc > 20 inci (pupuk akan menyebabkan peningkatan rata-rata pertumbuhan tanaman)<\/span><\/p>\n Dengan melakukan uji hipotesis rata-rata, ahli biologi memperoleh nilai p sebesar 0,2338<\/strong> .<\/span><\/p>\n Karena nilai p 0,2338<\/strong> lebih besar dari tingkat signifikansi 0,05<\/strong> , ahli biologi gagal menolak hipotesis nol dan menyimpulkan bahwa tidak ada cukup bukti untuk menyatakan bahwa Pupuk menyebabkan peningkatan pertumbuhan tanaman.<\/span><\/p>\n Penjelasan tentang nilai P dan signifikansi statistik<\/a> Uji hipotesis digunakan untuk menguji benar atau tidaknya suatu hipotesis tentang suatu parameter populasi . Setiap kali kami melakukan uji hipotesis, kami selalu mendefinisikan hipotesis nol dan hipotesis alternatif: Hipotesis nol (H 0 ): Data sampel berasal dari kebetulan saja. Hipotesis alternatif ( HA ): data sampel dipengaruhi oleh sebab yang tidak acak. Jika p-value […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Contoh: mengartikan nilai P kurang dari 0,05<\/strong><\/span><\/h3>\n
Contoh: mengartikan nilai P lebih besar dari 0,05<\/strong><\/span><\/h3>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Pentingnya statistik atau praktis<\/a>
Nilai P vs. Alfa: Apa Bedanya?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"