<\/p>\n
Hipotesis statistik<\/strong> adalah asumsi tentang parameter populasi<\/a> .<\/span><\/p>\n Misalnya, kita dapat berasumsi bahwa rata-rata tinggi badan pria di Amerika Serikat adalah 70 inci.<\/span><\/p>\n Hipotesis mengenai tinggi badan adalah hipotesis statistik<\/strong> dan rata-rata tinggi badan sebenarnya seorang pria di Amerika Serikat adalah parameter populasi<\/strong> .<\/span><\/p>\n Uji hipotesis<\/strong> adalah uji statistik formal yang kita gunakan untuk menolak atau gagal menolak hipotesis statistik.<\/span><\/p>\n Untuk menguji apakah hipotesis statistik tentang suatu parameter populasi benar, kita memperoleh sampel acak<\/a> dari populasi dan melakukan uji hipotesis pada data sampel.<\/span><\/p>\n Ada dua jenis hipotesis statistik:<\/span><\/p>\n Hipotesis nol<\/strong> yang dilambangkan dengan H0<\/sub> adalah hipotesis yang menyatakan bahwa data sampel berasal dari kebetulan saja.<\/span><\/p>\n Hipotesis alternatif<\/strong> yang dinotasikan H1<\/sub> atau Ha<\/sub> adalah hipotesis yang menyatakan bahwa data sampel dipengaruhi oleh sebab yang tidak acak.<\/span><\/p>\n Uji hipotesis<\/strong> melibatkan lima langkah:<\/span><\/p>\n 1. Nyatakan hipotesisnya.<\/span><\/strong><\/p>\n Nyatakan hipotesis nol dan hipotesis alternatif. Kedua hipotesis ini harus saling lepas, sehingga jika salah satu hipotesis benar maka hipotesis lainnya pasti salah.<\/span><\/p>\n 2. Tentukan tingkat signifikansi yang akan digunakan dalam hipotesis.<\/span><\/strong><\/p>\n Tentukan tingkat signifikansinya. Pilihan umum adalah .01, .05, dan .1.<\/span><\/p>\n 3. Temukan statistik pengujian.<\/span><\/strong><\/p>\n Temukan statistik uji dan nilai p yang sesuai. Seringkali kita menganalisis rata-rata atau proporsi populasi dan rumus umum untuk mencari statistik uji adalah: (statistik sampel \u2013 parameter populasi) \/ (deviasi standar statistik)<\/span><\/p>\n 4. Menolak atau tidak menolak hipotesis nol.<\/strong><\/span><\/p>\n Dengan menggunakan statistik uji atau nilai p, tentukan apakah Anda dapat menolak hipotesis nol berdasarkan tingkat signifikansinya.<\/span><\/p>\n Nilai p<\/em> memberi tahu kita kekuatan bukti yang mendukung hipotesis nol. Jika nilai p lebih kecil dari tingkat signifikansi, maka hipotesis nol ditolak.<\/span><\/p>\n 5. Interpretasikan hasilnya.<\/strong><\/span><\/p>\n Menafsirkan hasil uji hipotesis dalam konteks pertanyaan yang diajukan.<\/span><\/p>\n Ada dua jenis kesalahan keputusan yang dapat dilakukan seseorang ketika menguji hipotesis:<\/span><\/p>\n Kesalahan tipe I:<\/strong> Anda menolak hipotesis nol padahal hipotesis tersebut benar. Probabilitas melakukan kesalahan Tipe I sama dengan tingkat signifikansi, sering disebut alpha<\/em> , dan dilambangkan dengan \u03b1.<\/span><\/p>\n Kesalahan tipe II:<\/strong> Anda gagal menolak hipotesis nol padahal hipotesis tersebut salah. Peluang terjadinya kesalahan Tipe II disebut daya uji atau beta<\/em><\/a> , dilambangkan dengan \u03b2.<\/span><\/p>\n Hipotesis statistik dapat bersifat satu sisi atau dua sisi.<\/span><\/p>\n Hipotesis satu sisi<\/strong> melibatkan pembuatan pernyataan \u201clebih besar dari\u201d atau \u201ckurang dari\u201d.<\/span><\/p>\n Misalnya, tinggi rata-rata pria di Amerika Serikat adalah 70 inci atau lebih. Hipotesis nolnya adalah H0: \u00b5 \u2265 70 inci dan hipotesis alternatifnya adalah Ha: \u00b5 < 70 inci.<\/span><\/p>\n Hipotesis dua sisi<\/strong> melibatkan pembuatan pernyataan \u201csama dengan\u201d atau \u201ctidak sama dengan\u201d.<\/span><\/p>\n Misalnya, tinggi rata-rata pria di Amerika Serikat adalah 70 inci. Hipotesis nolnya adalah H0: \u00b5 = 70 inci dan hipotesis alternatifnya adalah Ha: \u00b5 \u2260 70 inci.<\/span><\/p>\n Catatan:<\/em> Tanda \u201csama dengan\u201d selalu disertakan dalam hipotesis nol, baik itu =, \u2265, atau \u2264.<\/span><\/p>\n Terkait:<\/strong> Apa yang dimaksud dengan hipotesis terarah?<\/span><\/p>\n Ada banyak jenis pengujian hipotesis yang dapat Anda lakukan bergantung pada jenis data yang Anda gunakan dan tujuan analisis Anda.<\/span><\/p>\n Tutorial berikut memberikan penjelasan tentang jenis pengujian hipotesis yang paling umum:<\/span><\/p>\n Pengantar uji-t satu sampel<\/a> Hipotesis statistik adalah asumsi tentang parameter populasi . Misalnya, kita dapat berasumsi bahwa rata-rata tinggi badan pria di Amerika Serikat adalah 70 inci. Hipotesis mengenai tinggi badan adalah hipotesis statistik dan rata-rata tinggi badan sebenarnya seorang pria di Amerika Serikat adalah parameter populasi . Uji hipotesis adalah uji statistik formal yang kita gunakan untuk menolak […]<\/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 Dua jenis hipotesis statistik<\/span><\/strong><\/h2>\n
Pengujian hipotesis<\/strong><\/span><\/h2>\n
Dua jenis kesalahan keputusan<\/span><\/strong><\/h2>\n
Tes unilateral dan bilateral<\/strong><\/span><\/h2>\n
Jenis Pengujian Hipotesis<\/strong><\/span><\/h2>\n
Pengantar uji t dua sampel<\/a>
Pengantar uji-t sampel berpasangan<\/a>
Pengantar Uji Z Proporsi Tunggal<\/a>
Pengantar uji Z dua proporsi<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"