<\/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<\/a> uji hipotesis berada di bawah tingkat signifikansi tertentu (misalnya \u03b1 = 0,01), maka kita dapat menolak hipotesis nol dan menyimpulkan bahwa kita mempunyai bukti yang cukup untuk menyatakan hipotesis alternatif tersebut benar.<\/span><\/p>\n Jika nilai p tidak kurang dari 0,01, maka 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 0,01 dan cara menafsirkan nilai p lebih besar dari 0,01 dalam praktiknya.<\/span><\/p>\n Misalkan sebuah pabrik mengklaim memproduksi baterai dengan berat rata-rata 2 ons.<\/span><\/p>\n Seorang auditor masuk dan menguji hipotesis nol yang menyatakan bahwa berat rata-rata sebuah baterai adalah 2 ons terhadap hipotesis alternatif bahwa berat rata-rata bukan 2 ons, dengan menggunakan tingkat signifikansi 0,01.<\/span><\/p>\n Hipotesis nol (H 0<\/sub> ):<\/strong> \u03bc = 2 ons<\/span><\/p>\n Hipotesis alternatif: ( HA<\/sub> ):<\/strong> \u03bc \u2260 2 ons<\/span><\/p>\n Auditor melakukan uji hipotesis untuk mean dan mendapatkan nilai p sebesar 0,0046<\/strong> .<\/span><\/p>\n Karena nilai p sebesar 0,0046<\/strong> lebih kecil dari tingkat signifikansi 0,01<\/strong> , maka auditor menolak hipotesis nol.<\/span><\/p>\n Ia menyimpulkan bahwa terdapat cukup bukti yang mengatakan bahwa berat rata-rata sebenarnya dari baterai yang diproduksi di pabrik ini bukanlah 2 ons.<\/span><\/p>\n Mari kita asumsikan suatu tanaman tumbuh rata-rata 20 inci selama musim tanam tiga bulan. Namun, seorang ahli agronomi memperkirakan bahwa pupuk tertentu akan membuat tanaman ini tumbuh rata-rata lebih dari 20 inci.<\/span><\/p>\n Untuk mengujinya, dia menerapkan pupuk pada setiap tanaman di lahan tertentu selama tiga bulan musim tanam.<\/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 pertumbuhan rata-rata)<\/span><\/p>\n Hipotesis alternatif: ( HA<\/sub> ):<\/strong> \u03bc > 20 inci (pupuk akan menyebabkan peningkatan rata-rata pertumbuhan)<\/span><\/p>\n Setelah melakukan uji hipotesis untuk mean, ilmuwan mendapatkan nilai p sebesar 0,3488<\/strong> .<\/span><\/p>\n Karena nilai p 0,3488<\/strong> lebih besar dari tingkat signifikansi 0,01<\/strong> , ilmuwan gagal menolak hipotesis nol.<\/span><\/p>\n Ia menyimpulkan bahwa tidak ada cukup bukti yang mengatakan bahwa pupuk menyebabkan peningkatan rata-rata pertumbuhan tanaman.<\/span><\/p>\n Tutorial berikut memberikan informasi tambahan tentang nilai-p dan pengujian hipotesis:<\/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 0,01<\/strong><\/span><\/h2>\n
Contoh: mengartikan nilai P lebih besar dari 0,01<\/strong><\/span><\/h2>\n
Sumber daya tambahan<\/strong><\/span><\/h2>\n
Perbedaan nilai T dan nilai P dalam statistik<\/a>
Nilai P vs. Alfa: Apa Bedanya?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"