{"id":594,"date":"2023-07-29T09:43:05","date_gmt":"2023-07-29T09:43:05","guid":{"rendered":"https:\/\/statorials.org\/id\/faktor-bayes\/"},"modified":"2023-07-29T09:43:05","modified_gmt":"2023-07-29T09:43:05","slug":"faktor-bayes","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/faktor-bayes\/","title":{"rendered":"Faktor bayes: definisi + interpretasi"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Saat kita melakukan <a href=\"https:\/\/statorials.org\/id\/pengujian-hipotesis-1\/\" target=\"_blank\" rel=\"noopener\">pengujian hipotesis<\/a> , kita biasanya mendapatkan nilai p yang kita bandingkan dengan beberapa tingkat alfa untuk memutuskan apakah kita harus menolak hipotesis nol atau tidak.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kita dapat melakukan <a href=\"https:\/\/statorials.org\/id\/dua-sampel-uji-t-excel\/\" target=\"_blank\" rel=\"noopener\">uji-t dua sampel<\/a> menggunakan tingkat alfa 0,05 untuk menentukan apakah rata-rata dua populasi adalah sama. Misalkan kita menjalankan pengujian dan mendapatkan nilai p sebesar 0,0023. Dalam hal ini, kami akan menolak hipotesis nol yang menyatakan bahwa rata-rata kedua populasi adalah sama karena nilai p lebih kecil dari tingkat alfa yang dipilih.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai P adalah ukuran yang umum digunakan untuk menolak atau gagal menolak hipotesis tertentu, namun ada ukuran lain yang juga dapat digunakan: <strong>faktor Bayes<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Faktor Bayes didefinisikan sebagai rasio probabilitas hipotesis tertentu terhadap probabilitas hipotesis lain. Umumnya, ini digunakan untuk mencari rasio antara probabilitas hipotesis alternatif dan hipotesis nol:<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>Faktor Bayes =<\/strong> probabilitas data disediakan H <sub>A<\/sub> \/ probabilitas data disediakan H <sub>0<\/sub><\/span><\/p>\n<\/blockquote>\n<p> <span style=\"color: #000000;\">Misalnya, jika faktor Bayes adalah 5, berarti hipotesis alternatif memiliki kemungkinan 5 kali lebih besar dibandingkan hipotesis nol, mengingat datanya.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Sebaliknya, jika faktor Bayes adalah 1\/5, berarti hipotesis nol memiliki kemungkinan 5 kali lebih besar dibandingkan hipotesis alternatif mengingat datanya.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Mirip dengan nilai p, kita dapat menggunakan ambang batas untuk memutuskan kapan harus menolak hipotesis nol. Misalnya, kita dapat memutuskan bahwa faktor Bayes sebesar 10 atau lebih merupakan bukti yang cukup kuat untuk menolak hipotesis nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Lee dan Wagenmaker mengusulkan interpretasi faktor Bayes berikut dalam <a href=\"https:\/\/www.ejwagenmakers.com\/2015\/AndraszewiczEtAl2015.pdf\" target=\"_blank\" rel=\"noopener\">makalah tahun 2015<\/a> :<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<th style=\"text-align: center;\"> <strong><span style=\"color: #000000;\">Faktor Bayes<\/span><\/strong><\/th>\n<th style=\"text-align: center;\"> <span style=\"color: #000000;\"><strong>Penafsiran<\/strong><\/span><\/th>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">&gt; 100<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti ekstrim untuk hipotesis alternatif<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">30 \u2013 100<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti yang sangat kuat untuk hipotesis alternatif<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">10 \u2013 30<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti kuat untuk hipotesis alternatif<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">3 \u2013 10<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti moderat untuk hipotesis alternatif<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">1 \u2013 3<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti anekdotal untuk hipotesis alternatif<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">1<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Tidak ada bukti<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">1\/3 \u2013 1<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti anekdotal untuk hipotesis nol<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">1\/3 \u2013 1\/10<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti moderat untuk hipotesis nol<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">1\/10 \u2013 1\/30<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti kuat untuk hipotesis nol<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">1\/30 \u2013 1\/100<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti yang sangat kuat untuk hipotesis nol<\/span><\/td>\n<\/tr>\n<tr>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">&lt;1\/100<\/span><\/td>\n<td style=\"text-align: center;\"> <span style=\"color: #000000;\">Bukti ekstrim untuk hipotesis nol<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2> <span style=\"color: #000000;\"><strong>Faktor Bayes versus nilai P<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Faktor Bayes dan nilai p memiliki interpretasi yang berbeda.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Nilai-P:<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai p diartikan sebagai kemungkinan memperoleh hasil yang ekstrim seperti hasil observasi uji hipotesis, dengan asumsi hipotesis nol benar.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, Anda melakukan uji-t dua sampel untuk menentukan apakah rata-rata dua populasi adalah sama. Jika pengujian menghasilkan nilai p sebesar 0,0023, berarti peluang diperolehnya hasil tersebut hanya <strong>0,0023<\/strong> jika mean kedua populasi benar-benar sama. Karena nilai ini sangat kecil, kami menolak hipotesis nol dan menyimpulkan bahwa kami mempunyai cukup bukti untuk mengatakan bahwa rata-rata kedua populasi tidak sama.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Faktor Bayes:<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Faktor Bayes diartikan sebagai rasio probabilitas terjadinya data observasi berdasarkan hipotesis alternatif dengan probabilitas terjadinya data observasi berdasarkan hipotesis nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, Anda melakukan uji hipotesis dan mendapatkan faktor Bayes sebesar 4. Ini berarti hipotesis alternatif 4 kali lebih mungkin dibandingkan hipotesis nol, berdasarkan data yang sebenarnya Anda amati.<\/span><\/p>\n<h2> <strong><span style=\"color: #000000;\">Kesimpulan<\/span><\/strong><\/h2>\n<p> <span style=\"color: #000000;\">Beberapa ahli statistik percaya bahwa faktor Bayes menawarkan keunggulan dibandingkan nilai p karena membantu mengukur bukti yang mendukung dan menentang dua hipotesis yang bersaing. Misalnya, bukti dapat dikuantifikasi untuk mendukung atau menentang hipotesis nol, yang tidak dapat dilakukan dengan menggunakan nilai p.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Terlepas dari pendekatan mana yang Anda gunakan \u2013 faktor Bayes atau nilai p \u2013 Anda tetap perlu memutuskan nilai ambang batas apakah Anda ingin menolak hipotesis nol atau tidak.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, pada tabel di atas kita melihat bahwa Faktor Bayes sebesar 9 akan diklasifikasikan sebagai &#8220;bukti moderat untuk hipotesis alternatif&#8221; sedangkan Faktor Bayes sebesar 10 akan diklasifikasikan sebagai &#8220;bukti kuat untuk hipotesis alternatif&#8221;.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam hal ini, faktor Bayes mengalami masalah yang sama: nilai p sebesar 0,06 dianggap \u201ctidak signifikan\u201d sedangkan nilai p sebesar 0,05 dapat dianggap signifikan.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Bacaan lebih lanjut:<\/strong><\/span><\/p>\n<p> Penjelasan tentang nilai P dan signifikansi statistik<br \/> Penjelasan Sederhana tentang Pentingnya Statistik versus Praktis<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Saat kita melakukan pengujian hipotesis , kita biasanya mendapatkan nilai p yang kita bandingkan dengan beberapa tingkat alfa untuk memutuskan apakah kita harus menolak hipotesis nol atau tidak. Misalnya, kita dapat melakukan uji-t dua sampel menggunakan tingkat alfa 0,05 untuk menentukan apakah rata-rata dua populasi adalah sama. Misalkan kita menjalankan pengujian dan mendapatkan nilai p [&hellip;]<\/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":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Faktor Bayes: Definisi + Interpretasi - Statorial<\/title>\n<meta name=\"description\" content=\"Penjelasan sederhana tentang faktor Bayes, termasuk definisi dan cara menafsirkannya dalam konteks pengujian hipotesis.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/faktor-bayes\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Faktor Bayes: Definisi + Interpretasi - Statorial\" \/>\n<meta property=\"og:description\" content=\"Penjelasan sederhana tentang faktor Bayes, termasuk definisi dan cara menafsirkannya dalam konteks pengujian hipotesis.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/faktor-bayes\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T09:43:05+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/faktor-bayes\/\",\"url\":\"https:\/\/statorials.org\/id\/faktor-bayes\/\",\"name\":\"Faktor Bayes: Definisi + Interpretasi - Statorial\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-29T09:43:05+00:00\",\"dateModified\":\"2023-07-29T09:43:05+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Penjelasan sederhana tentang faktor Bayes, termasuk definisi dan cara menafsirkannya dalam konteks pengujian hipotesis.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/faktor-bayes\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/faktor-bayes\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/faktor-bayes\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Faktor bayes: definisi + interpretasi\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Faktor Bayes: Definisi + Interpretasi - Statorial","description":"Penjelasan sederhana tentang faktor Bayes, termasuk definisi dan cara menafsirkannya dalam konteks pengujian hipotesis.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/faktor-bayes\/","og_locale":"id_ID","og_type":"article","og_title":"Faktor Bayes: Definisi + Interpretasi - Statorial","og_description":"Penjelasan sederhana tentang faktor Bayes, termasuk definisi dan cara menafsirkannya dalam konteks pengujian hipotesis.","og_url":"https:\/\/statorials.org\/id\/faktor-bayes\/","og_site_name":"Statorials","article_published_time":"2023-07-29T09:43:05+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/faktor-bayes\/","url":"https:\/\/statorials.org\/id\/faktor-bayes\/","name":"Faktor Bayes: Definisi + Interpretasi - Statorial","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-29T09:43:05+00:00","dateModified":"2023-07-29T09:43:05+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Penjelasan sederhana tentang faktor Bayes, termasuk definisi dan cara menafsirkannya dalam konteks pengujian hipotesis.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/faktor-bayes\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/faktor-bayes\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/faktor-bayes\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Faktor bayes: definisi + interpretasi"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/594"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=594"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/594\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=594"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=594"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=594"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}