9

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Konsep ujian hipotesis terletak pada jantung statistik pentaabiran., dan menggunakan statistik untuk membuktikan atau tidak membuktikan sesuatu tuntutan. Penggunaan statistik ujian hipotesis melaksanakan gamut dari menentukan sama ada proses barisan pengeluaran adalah diluar kawalan untuk memberikan bukti yang meyakinkan bahawa ubat baru adalah signifikan lebih berkesan daripada ubat yang lama. Proses ujian hipotesis digunakan didalam sistem perundangan untuk memberikan bukti kepada kes jenayah. Hipotesis adalah diuji didalam semua bidang kehidupan, termasuklah pendidikan, psikologi, pemasaran, sains, undang-undang, dan perubatan. Bagaimanakah proses ujian hipotesis bermula?

9.1

Pengenalan kepada Ujian Hipotesis

Satu daripada mekanisma statistik yang terkenal untuk membuat keputusan ialah ujian hipotesis. Melalui ujian hipotesis, penyelidik perniagaan berkebolehan untuk menstruktur masalah didalam cara dimana boleh menggunakan bukti statistik untuk menguji berbagai teori berkaitan fenomena perniagaan. Sebagai contoh, statistik Jabatan Buruh Malaysia melaporkan pada tahun 1990 purata bilangan hari cuti pekerja-pekerja sektor perkilangan di Malaysia ada 30 hari. Katakan hipotesis penyelidik perniagaan antarabangsa menyatakan angka tersebut tidak sama untuk tahun tersebut. Bagaimanakah mereka menjalankan ujian hipotesis ini? Jika mereka mempunyai sumber yang perlu, mereka boleh menjalankan temuduga kepada setiap kilang di Malaysia pada akhir tahun dan mengira purata kebangsaan bilangan hari cuti pekerja daripada bancian tersebut. Walau bagaimanapun, penyelidik selalunya lebih gemar untuk mengambil sampel rawak pekerja, memungut data, dan cuba untuk membuat beberapa kesimpulan berkaitan populasi daripada sampel data. Mereka berkemungkinan menggunakan pendekatan ujian hipotesis. Ujian hipotesis merupakan proses yang mengandungi beberapa langkah.

9.1.1

Langkah didalam Ujian Hipotesis

Kebanyak penyelidik akan mengikuti langkah-langkah berikut apabila menguji hipotesis:

Pengenalan kepada Statistik Ekonomi dan Perniagaan

1. 2. 3. 4. 5. 6. 7. 8.

Menetapkan hipotesis: menyatakan hipotesis nul dan alternatif. Menentukan ujian statistik dan taburan persampelan yang sesuai. Menentukan kadar ralat Jenis I. Menyatakan peraturan keputusan. Memungut data Mengira nilai ujian statistik Menyatakan kesimpulan statistik. Membuat keputusan pengurusan.

Selepas menyatakan hipotesis nul dan alternatif, penyelidik akan memilih ujian sttaistik dan taburan persampelan yang bersesuaian. Pemilihan ini menyesuaikan data yang dipungut dan jenis statistik yang hendak dianalisis dengan ujian statistik yang ada. Didalam bab ini dan Bab 10 dan 16, beberapa ujian statistik dan taburan persampelan yang berkaitan dengannya akan dibincangkan, disepanjang penggunaannya terhadap situasi yang khusus. Ujian statistik yang tertentu mempunyai beberapa andaian yang mesti dipenuhi untuk ujian dapat disahkan. Langkah berikutnya ialah untuk pnyelidik mementukan kadara ralat Jenis I, . Alpha kadangkala dirujukkan sebagai jumlah risiko, merupakan kebarangkalian untuk melakukan ralat Jenis I dan akan dibincangkan kemudiannya. Langkah keempat ialah menyatakan peraturan keputusan. Berhubungan dengan alpha dan jenis ujian statistik dan taburan persampelan yang akan digunakan, nilai kritikal juga dinyatakan. Nilai kritikal ini diperolehi daripada jadual dan digunakan sebagai piawai sebagai perbandingan kepada data yang dipungut untuk kita membuat keputusan sama ada untuk menolak hipotesis nul atau tidak. Penyelidik sepatutnya tidak memungut data sebelum melakukan empat langkah ujian hipotesis ini. Selalunya, penyelidik akan memungut data terlebih dahulu dan kemudian cuba untuk menentukan apakah yang hendak dilakukan terhadapnya. Didalam memungut data, penyelidik hendaklah berhati-hati untuk menggunakan teknik persampelan rawak (dibincankan didalam Bab 7). Perhatian perlu diambil didalam menubuhkan kerangka, menentukan teknik persampelan, dan membina peralatan pengukuran. Usaha-usaha perlu dilakukan untuk menghindari semua ralat persampelan. Selepas data diambil, nilai ujian statistik boleh dikira dengan menggunakan sama ada data daripada kajian dan nilai hipotesis parameter yang hendak dikaji (min, perkadaran atau sebagainya). Menggunakan peraturan keputusan yang telah dibentuk terdahulu dan nilai ujian statistik, penyelidik boleh membuat kesimpulan statistik. Didalam semua ujian hipotesis, penyelidik perlu untuk membuat kesimpulan sama ada hipotesis nul ditolak atau tidak boleh ditolak. Melalui maklumat ini, keputusan pengurusan berkaitan fenomena yang hendak dikaji boleh dicapai. Sebagai contoh, jika keputusan tatacara pengujian hipotesis mendapati penumpang keretapi merupakan gulungan tua hari ini berbanding masa lepas adalah signifikan, pengurusan KTM perlu membuat keputusan untuk menguruskan penumpang keretapi yang tua ini atau membentuk strategi lain untuk menggalakkan gulungan muda menaiki keretapi.

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

9.1.2

Hipotesis Nul dan Alternatif

Langkah pertama didalam ujian hipotesis ialah untuk menetapkan hipotesis nul dan hipotesis alternatif. Hipotesis nul diwakili oleh H0 dan hipotesis alternatif oleh Ha. Menetapkan hipotesis nul dan hipotesis alternatif merupakan proses yang mengelirukan. Hipotesis nul dan alternatif adalah ditetapkan berlawanan antara satu sama lain. Hipotesis alternatif biasanya mengandungi persoalan penyelidikan dan hipotesis nul boleh dilihat sebagai perundingan terhadap hipotesis alternatif. Proses ujian hipotesis adalah struktur sama ada hipotesis nul adalah benar atau hipotesis alternatif adalah benar, tetapi tidak kedua-duanya. Hipotisis nul pada awalnya diandaikan benar. Data kemudiannya dipungut dan diuji untuk menentukan sama ada bukti yang ada adalah cukup kuat untuk menolak hipotesis nul. Apabila penyelidik piawaian industri atau nilai yang diterima dengan meluas, piawaian atau nilai yang diterima tersebut adalah diandaikan benar didalam hipotesis nul. Nul didalam hal ini bermakna tiada yang baru, atau tidak ada nilai atau piawaian yang baru. Bebanan kemudiannya terletak kepada penyelidik untuk menunjukkan melalui pungutan data bahawa hipotesis nul tersebut adalah salah. Tugas ini merupakan analogi terhadap apa yang berlaku dimahkamah, sesaorang itu tidak bersalah sehingga ia dibuktikan bersalah. Didalam mahkamah orang yang dituduh adalah tidak bersalah sebelum dibicarakan (nul diandaikan benar). Bukti-bukti ditunjukkan semasa perbicaraan (data dipungut). Jika mempunyai bukti yang mencukupi untuk menyatakan bersalah, maka orang yang dituduh didapati bersalah (nul ditolak). Jika tidak mempunyai bukti untuk membuktikan bersalah, pendakwa gagal untuk membuktikan orang yang dituduh bersalah. Walau bagaimanapun, mereka tidak membuktikan orang yang dituduh tidak bersalah. Biasanya, apa yang diminati oleh penyelidik didalam pembuktian ialah diformulasikan kepada hipotesis alternatif, walaupun didalam sesetengah kes ia tidak benar. Sebagai contoh, katakan syarikat minuman ringan telah mengisi 12 liter botol dengan jus. Menyedari bahawa hanya di bawah keadaan yang cukup sempurna sahaja semua botol tersebut mempunyai 12 liter jus secukupnya, harapan syarikat tersebut supaya semua botol mempunyai purata jumlah tersebut. Pengawal kualiti selalunya bimbang terhadap mesin yang selalu diluar kawalan dan mahu menjalankan ujian hipotesis untuk membantunya menentukan sama ada ia adalah benar. Pengawal kualiti mengharapkan mesin tersebut berfungsi dengan sempurna, tetapi ia berminat untuk menentukan sama ada mesin tersebut tidak berfungsi yang akan menghasilkan botol jus tersebut diisi terlebih atau terkurang. Hipotesis nul didini ialah tiada masalah dan nilai min adalah 12 liter. Hipotesis alternatif ialah terdapat masalah tertentu dan botol tersebut tidak mempunyai purata 12 liter jus. Hipotesis nul dan alternatif bagi masalah ini dinyatakan seperti berikut:

Pengenalan kepada Statistik Ekonomi dan Perniagaan

H0: = 12 liter Ha: 12 liter Didalam menguji hipotesis ini, hipotesis nul adalah diandaikan benar; iaitu, andaian purata mengisi botol ialah 12 liter. Pengawal kualiti memilih secara rawak dan menguji kandungan botol. Jika ia mempunyai bukti yang mencukupi (purata pengisian sampel botol terlalu sedikit atau terlalu banyak), hipotesis nul adalah ditolak. Penolakan hipotesis nul menghasilkan penerimaan hipotesis alternatif. Kesimpulan statistik dicapai didalam proses pengujian hipotesis adalah dinyatakan didalam rujukan terhadap hipotesis nul. Kita sama ada menolak hipotesis nul atau gagal untuk menolak hipotesis nul. Apabila kita gagal untuk menolak hipotesis nul, kita tidak akan menyatakan kita menerima hipotesis nul disebabkan kita tidak dapat membuktikan bahawa hipotisis nul adalah benar. Hipotesis nul adalah diandaikan benar pada permulaan tatacara pengujian hipotesis. Kegagalan untuk memperolehi bukti untuk menolak hipotesis nul didalam menerima hipotesis alternatif adalah tidak sama untuk membuktikan bahawa hipotesis nul adalah benar. Ia hanyalah bermakna kita tidak mempunyai bukti yang mencukupi untuk menolak hipotesis nul dan oleh itu gagal untuk menolak hipotesis nul. Ingat kembali penyelidik perniagaan antarabangsa yang mahu menguji hipotesis bahawa pekerja perkilangan di Malaysia tidak mendapat cuti tahunan 30 hari setahun. Hipotesis nul ialah purata 30 hari (sebagaimana sebelumnya, tiada yang baru). Hipotesis alternatif ialah min cuti tahunan bukan 30 hari. H0: = 30 hari Ha: 30 hari Andaian ialah min bilangan hari cuti 30 hari. Data kemudiannya dipungut. Jika mempunyai bukti yang mencukupi untuk menunjukkan purata kurang atau lebih 30 hari, kesimpulannya ialah hipotesis nul adalah ditolak. Jika tidak mempunyai bukti yang mencukupi, kesimpulannya ialah hipotesis nul tidak dapat ditolak. Didalam setiap kes, kita tidak membuktikan bahawa min bilangan cuti masih 30 hari; berbanding, kita gagal untuk tidak membuktikannya. Perhatikan, didalam membentuk hipotesis nul dan alternatif, titik kesamaaan mesti diletakkan kepada hipotesis nul. Disamping itu, satu daripada dua hipotesis mesti cukup padan dengan persoalan penyelidikan yang dinyatakan didalam masalah. Didalam contoh yang dinyatakan di atas, kesamaan adalah didalam hipotesis nul. Jika soalan penyelidikan bagi contoh syarikat minuman ringan sama ada proses adalah diluar kawalan, hipotesis alternatif terkandung didalam soalan ini. Didalam masalah cuti tahunan,

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

hipotesis alternatif menyatakan soalan penyelidikan min bilangan hari cuti bukan 30 hari.

9.1.3

Kawasan Penerimaan dan Penolakan

Selepas menentukan hipotesis nul dan alternatif, penyelidik boleh menetapkan peraturan keputusan untuk menentukan sama ada hipotesis nul untuk ditolak atau tidak. Didalam contoh masalah mengisi botol jus, katakan penyelidik menetapkan untuk menguji hipotesis nul dengan sampel rawak dan mengukur kandungan botol. Berapa banyakkah penyelidik rasakan untuk mencari botol 12 liter untuk menolak hipotesis nul? Peraturan am menyatakan jangkaan semua botol dipenuhi dengan 12 liter setepatnya dengan jus adalah tidak realistik. Lebih menasabah ialah jangkaan bahawa purata botol diisi 12 liter jus. Didalam cara ini hipotisis adalah distrukturkan disekitar nilai min, bukannya botol individu. Adakah hipotesis nul ditolak jika min sampel 11.99 liter diperolehi? Didalam menguji hipotesis, penyelidik akan membentuk kawasan penolakan selepas menentukan hipotesis nul dan alternatif. Rajah 9.1 menunjukkan taburan normal untuk masalah minuman ringan dengan min ditengah-tengah dan kawasan penolakan disetiap hujung taburan. Didalam kes ini, min bagi taburan ialah 12 liter. Kawasan penolakan adalah ditetapkan dihujung taburan disebabkan hanya cara ini untuk menolak hipotesis nul H0: = 12 liter untuk mendapatkan keputusan didalam keputusan 12 liter. Rajah 9.1 Kawasan penolakan dan Bukan Penolakan

Nilai Kritikal Kawasan Penolakan Bukan Kawasan Penolakan =12 liter

Nilai Kritikal Kawasan Penolakan

Setiap kawasan penolakan adalah dibahagi daripada kawasan lain taburan oleh titik yang dipanggil sebagai nilai kritikal. Jika keputusan daripada data menghasilkan nilai yang dikira didalam kawasan penolakan diluar nilai kritikal, hipotesis nul adalah ditolak. Jika bahagian lain taburan,

Pengenalan kepada Statistik Ekonomi dan Perniagaan

dimana bukan didalam kawasan penolakan, ia dipanggil sebagai kawasan bukan penolakan.

9.1.4

Ralat Jenis I dan II

Biasanya, sampel data adalah diambil didalam proses penyelidikan membolehkan keputusan untuk menolak hipotesis nul apabila ia sebenarnya betul. Ini dipanggil sebagai ralat Jenis I - ralat yang berlaku apabila hipotesis nul yang betul adalah ditolak. Didalam mengambil sampel rawak daripada populasi, selalunya terdapat kebarangkalian memilih sampel dari taburan melalui peluang. Didalam contoh botol minuman, penyelidik akan memilih 50 botol dengan jumlah jus yang terkecil atau 50 botol dengan jus yang lebih banyak, menyebabkan kita menolak hipotesis nul walaupun syarikat sebenarnya mengisi botol setepatnya dengan purata 12 liter. Didalam kes ini, penyelidik membuat kesimpulan yang tidak tepat menyatakan syarikat tidak mengisi botol dengan purata 12 liter jus dan melakukan ralat Jenis I. Analogi ralat Jenis I boleh didapati didalam kilang. Katakan pekerja dibarisan keluaran mendengar sesuatu bunyi bising dan berdasarkan kepada bukti itu ia membuat keputusan untuk menekan suiz merah yang akan menghentikan barisan keluaran. Jika hipotesis nul menyatakan tidak ada masalah keatas barisan keluaran, pekerja tersebut telah menolak hipotesis nul dan mengambil tindakan. Katakan penyiasatan menunjukkan sebenarnya tiada masalah dengan barisan keluaran (mungkin bunyi tersebut datangnya dari luar). Pekerja tersebut hanya telah melakukan ralat Jenis I. Didalam perkilangan, kos yang sihnifikan hanyalah melibatkan mematikan barisan keluaran (tetapi kos buruh dan kos tetap masih meningkat). Sebagai contoh lain, katakan pengurus mengesyaki pekerja tersebut telah menipu syarikat. Pengurus mula mengumpul bukti sehingga yakin pekerja tersebut salah. Pengurus tersebut memecat pekerja tadi. Tetapi katakan pekerja tersebut sebenarnya tidak menipu syarikat data yang diperolehi sebenarnya hanyalah kebetulan terjadi disebabkan cahaya yang kurang terang. Pengurus tersebut telah melakukan ralat Jenis I. Kos yang ditanggung oleh syarikat ialah kehilangan pekerja yang berkelayakan dan terlatih dan juga potensi disaman dimahkamah. Didalam mahkamah, ralat Jenis I adalah dilakukan apabila orang yang tidak bersalah didapati sabit kesalahan. Alpha () atau paras keyakinan, adalah kebarangkalian melakukan ralat Jenis I. Alpha ialah bahagian kawasan keluk yang dipunyai oleh kawsasan penolakan. Nilai alpha yang biasa digunakan ialah 0.001, 0.01, 0.05 dan 0.10. Ingat kembali didalam menentukan alpha adalah langkah 3 didalam tatacara pengujian hipotesis. Ia kadangkala dirujukkan sebagai jumlah risiko yang diambil didalam ujikaji. Semangkin besar kawasan penolakan, semangkin besar risiko melakukan ralat Jenis I. Ralat Jenis II dilakukan dengan menolak hipotesis nul yang salah. Didalam sesetengah keadaan hipotesis nul adalah tidak betul, tetapi data yang dipungut menghasilkan nilai yang dikira adalah terletak dikawasan yang tidak

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

boleh ditolak. Sebagai contoh, katakan pelanggan mendakwa didalam menguji hipotesis nul = 12 liter dan syarikat minuman ringan sebenarnya mengisi botol secara puratanya 11.85 liter. Ia sebenarnya memilih secara rawak kumpulan botol yang taburan pengisiannya didalam purata 11.95 liter. Jika min 11.95 terletak didalam kawasan tidak boleh menolak hipotesis nul, ia sebenarnya silap kerana gagal menolak hipotesis nul. Kita boleh melihat ralat Jenis II dari contoh sektor kilang di atas. Katakan pekerja kilang mendengar bunyi bising dan mengambil berat tentangnya tetapi tidak cukup menyakinkannya terdapat masalah untuk menghentikan barisan keluaran. Ia tidak menekan suiz merah dan gagal menolak hipotesis nul. Katakan, tali kipas utama satu daripada mesin telah putus dan mendatangkan masalah yang besar terhadap barisan keluaran. Pekerja tersebut telah melakukan ralat Jenis II. Ralat seperti ini didalam perkilangan mungkin menyebabkan keluaran yang berkualiti rendah yang dipasarkan, yang boleh menyebabkan kehilangan jualan, meningkatkan kos jaminan, dan/atau meningkatkan kos memperbaiki mesin. Apakah akan terjadi kepada pekerja yang dituduh menipu syarikat? Katakan pengurus mengumpul bukti tetapi merasakan tidak mencukupi untuk memecat pekerja tersebut. Jika pekerja tersebut benar menipu syarikat, pengurus tersebut telah melakukan ralat Jenis II. Kos kepada syarikat ialah penipuan berterusan oleh pekerja, yang mungkin akan menghasilkan moral yang rendah dan kehilangan hasil. Didalam mahkamah, ralat Jenis II adalah dilakukan apabila orang yang bersalah diumumkan sebagai tidak bersalah dan bebas. Kebarangkalian melakukan ralat Jenis II adalah diwakili oleh beta (). Nilai beta adalah berbagai-bagai dikalangan ujikaji, bergantung kepada berbagai alternatif nilai parametar (didalam kes ini, min). Sementara alpha adalah ditentukan sebelum ujikaji, beta adalah dikira dengan menggunakan alpha, hipotesis parameter, adan berbagai alternatif teori terhadap hipotesis nul. Terdapat hubungan songsang di antara dan . Iaitu, jika diberi saiz sampel, meningkat apabila penyelidik mengurangkan nilai dan sebaliknya. Oleh itu, terdapat penggantian didalam dua ralat ini. Katakan pengurus kilang mahu untuk melindungi barisan keluaran dari dihentikan dengan tiada sebab (ralat Jenis I). Pengurus sama ada membina persekitaran yang boleh menghentikan barisan keluaran sukar dilakukan atau membina ujian piawaian untuk penolakan bahawa terlalu sukar untuk membolehkan barisan keluaran dihentikan tanpa sebab sebenar. Keputusannya kelihatan seperti mengurangkan ralat Jenis I (mengurangkan nilai ). Walau bagaimanapun, apabila berlaku masalah sebenar dalam barisan keluaran, pekerja kurang bertindakbalas keatas data yang dipungut dan tidak menghentikan barisan keluaran. Keputusannya adalah meningkatkan ralat Jenis II (). Pertimbangkan kes potensi pekerja menipu majikan. Katakan polisi syarikat membolehkan pengurus memecat pekerja yang menipu dengan cepat melalui bukti yang sedikit. Keputusannya ialah mengurangkan ralat Jenis II. Walau bagaimanapun, terdapat potensi pekerja yang tidak bersalah akan dipecat (ralat Jenis I). Didalam mahkamah, membuatkan sukar untuk

Pengenalan kepada Statistik Ekonomi dan Perniagaan

mendakwa orang yang tidak bersalah (ralat Jenis I) akan meningkatkan kemungkinan tidak mendakwa orang yang bersalah (ralat jenis II). Sebenarnya, pengurus dan pembuat keputusan mahu mengurangkan kedua-dua jenis ralat ini serentak. Satu cara untuk memperolehinya secara statistik ialah dengan mangambil sampel yang besar. Jika sampel besar tidak mungkin diperolehi, satu strategi bagi penyelidik ialah membentuk nilai alpha seberapa besar yang boleh ia terima. Oleh itu, kebarangkalian beta akan diminimumkan bagi penyelidik menjalankan proses pengujian hipotesis. Kuasa, dimana sama dengan 1 - , adalah kebarangkalian ujian menolak hipotesis nul apabila hipotesis nul salah. Rajah 9.2 menunjukkan perhubungan di antara , dan kuasa. Rajah 9.2 Alpha, Beta dan Kuasa Keadaan Nul Betul Nul Salah Kesimpulan Ralat Jenis II Betul () Ralat jenis I () Kesimpulan Betul

Gagal menolak nul Tindakan Menolak Nul

9.1.5

Ujian Dua Hujung dan Satu Hujung

Pengujian hipotesis statistik boleh dilakukan sama ada dengan ujian dua hujung atau satu hujung. Dua contoh sebelum ini merupakan contoh ujian dua hujung. Ingat kembali ujian untuk menentukan sama ada botol jus diisi dengan purata 12 liter, dan hipotesis alternatif adalah 12 liter. Hipotesis alternatif tidak menyatakan sama ada penyelidik percaya botol tersebut diisi terlebih atau terkurang. Rajah 9.1 menunjukkan kawasan penolakan dikedua-dua hujung yang meliputi kedua-dua kemungkinan. Didalam ujian dua hujung, hipotesis alternatif selalunya dinyatakan dengan tanda tidak sama dengan ( ), dan disini kawasan penolakan adalah dikeduadua belah hujung taburan. Pada sesuatu masa penyelidik berminat didalam hanya satu arah ujian. Sebagai contoh, jika kumpulan pelanggan menitikberatkan bahawa syarikat minuman ringan berkurangan membeli minuman yang kurang kandungannya, kumpulan pelanggan mungkin berminat untuk menguji hanya hipotesis alternatif

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Ha: < 12 liter Iaitu, mereka hanya berminat untuk mengetahui sama ada pelanggan telah ditipu oleh syarikat (kandungan yang kurang). Mereka tidak beriminat atau khuatir terhadap sama ada syarikat mengisi terlebih jus didalam botol. Ini merupakan contoh ujian satu hujung. Rajah 9.3 menunjukkan kawasan penolakan hujung yang dilorekkan. Perhatikan hanya hujung kiri sahaja yang dilorekkan. Sebarang masa hipotesis dibentuk oleh itu hipotesis alternatif adalah terarah (kurang daripada atau lebih besar daripada) kepada ujian satu hujung. Rajah 9.4 menunjukkan taburan persampelan bagi menentukan arah hipotesis. Rajah 9.3 Kawasan penolakan bagi Contoh Minuman Ringan Ujian satu Hujung

Nilai Kritikal Kawasan Penolakan Bukan Kawasan Penolakan =12 liter

Rajah 9.4 Taburan Persampelan dengan Alpha untuk Contoh Minuman Ringan

=2 liter

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Menentukan hipotesis nul dan hipotesis alternatif adalah lebih sukar dengan ujian satu hujung berbanding dua hujung disebabkan arah ketaksamaan mestilah ditentukan. Untuk menggunakan ujian satu hujung, penyelidik mesti mempunyai pengetahuan terhadap pekara yang hendak dikaji untuk menentukah arah hipotesis. Ujian dua hujung tidak mempunyai arah. Didalam ujian dua hujung, hipotesis nul mempunyai tanda sama dengan dan hipotesis alternatif mempunyai tanda tidak sama dengan. Ujian dua hujung digunakan apabila penyelidik sama ada tidak mepunyai idea terhadap arah kajian yang dilakukan atau berminat didalam menguji kedua-dua arah. Jika teknik baru, teori, atau keluaran yang dibangunkan, ujian dua hujung mungkin digunakan disebabkan penyelidik tidak mempunyai pengetahuan yang mencukupi terhadap fenomena untuk membentuk arah pengujian. Pada masa yang lain pula, ujian dua hujung mungkin disebabkan penyelidik berminat didalam kedua-dua arah taburan. Didalam kes ujian dua hujung, nilai alpha adalah dibahagi dua, 2 adalah kebarangkalian purata didalam kawasan penolakan sama ada pada hujung taburan melalui peluang, sebagaimana ditunjukkan didalam Rajah 9.5. Bagi sebarang nilai alpha, ujian dua hujung menyebabkan nilai kritikal terletak jauh dari tengah taburan berbanding dengan ujian satu hujung disebabkan ujian dua hujung memisahkan dan menghasilkan keluasan yang kecil dihujung taburan. Rajah 9.5 Kawasan penolakan bagi Ujian Dua Hujung bagi Contoh Minuman Ringan

=12 liter Didalam kebanyakan kes, ujian dua hujung adalah dicadangkan, Ujian satu hujung bersesuaian hanya apabila hasil daripada hujung yang berlawanan bukanlah menjadi minat dan tidak bermakna kepada penyelidik. Walaupun apabila penyelidik pasti arah penyelidikan yang diambil, keputusan yang tidak dijangkakan atau mengejutkan akan terjadi. Jika

10

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

penyelidik memilih untuk menjalankan kajian dengan ujian satu hujung, hipotesis nul masih sama dengan dan hipotesis alternatif mengandungi arah yang diminati. Sebagai contoh, hipotisis satu hujung bagi minuman ringan dari kumpulan pelanggan menyatakan H0: = 12 liter Ha: < 12 liter Perhatikan bahawa tanda lebih besar daripada (>) bukan didalam hipotesis. Jika data menjustifikasikan menolak hipotesis nul didalam menerima hipotesis alternatif, maka sebarang nilai yang lebih besar daripada 12 liter adalah ditolak. Ini merupakan amalan am yang piawai untuk menyatakan hipotesis nul sebagai persamaan. Walau bagaimanapun, disebabkan oleh penolakan hipotesis nul didalam penerimaan hipotesis alternatif melibatkan penolakan nilai lebih besar daripada 12, sesetengah penyelidik menulis hipotesis nul sebagai H0: 12 liter. Didalam teks ini, kita akan hanya menggunakan tanda persamaan didalam hipotesis nul.

9.2

Ujian Hipotesis Berkaitan Min Tunggal Menggunakan Sampel Besar

Satu daripada ujian hipotesis yang asas ialah ujian berkaitan min populasi. Penyelidik mungkin berminat didalam ujian untuk menentukan sama ada menubuhkan atau menerima nilai min bagi industri adalah benar. Atau penyelidik mungkin berminat didalam pengujian nilai min untuk teori atau keluaran baru. Ujian bagi min populasi tunggal boleh digunakan untuk memperolehi salah satu daripada objektif tersebut. Formula 9.1 boleh digunakan untuk menguji hipotesis berkenaan min populasi tunggal jika saiz sampel adalah besar (n 30). Formula yang sama juga boleh digunakan untuk saiz sampel yang kecil (n < 30) jika X adalah bertaburan normal dan diketahui. Satu kajian terhadap jurutera di seluruh Malaysia mendapati purata pendapatan bersih tahunan ialah RM74,914. Oleh kerana kajian telah dijalankan 5 tahun lepas, katakan Persatuan Jurutera hendak menguji angka ini dengan mengambil sampel rawak 112 orang jurutera di Malaysia untuk menentukan sama ada pendapatan bersih tahunan telah berubah sejak bancian tersebut dijalankan. Penyelidik perlu menggunakan lapan langkah ujian hipotesis untuk melakukannya. Andaikan sisihan piawai pendapatan bersih populasi bagi jurutera ialah RM14,530.

11

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Ujian Z untuk Min Tunggal

(9.1)

Z=

X- n

Langkah 1:

Hipotesis mesti dibentuk. Oleh kerana penyelidik adalah menguji untuk menentukan sama ada angka tersebut telah berubah, hipotesis alternatif adalah min pendapatan bersih bukannya RM74,914. Hipotesis nul adalah min masih sama RM74,914. Hipotesis tersebut dinyatakan sebagaimana berikut: H0: = RM74,914 Ha: RM74,914

Langkah 2:

Menentukan ujian statistik dan taburan persampelan yang bersesuaian. Disebabkan saiz sampel lebih besar daripada 30 (n = 112) dan penyelidik menggunakan min sampel sebagai statistik, ujian Z didalam Formula 9.1 adalah ujian statistik yang bersesuaian.

Z=

X- n

Langkah 3: Langkah 4:

Menentukan kadar ralat Jenis I, atau alpha, dimana ia adalah 0.05 didalam masalah ini. Menyatakan peraturan keputusan. Disebabkan ujian adalah dua hujung dan alpha ialah 0.05, maka 2 atau 0.025 adalah kawasan didalam setiap hujung taburan. Oleh itu, kawasan penolakan adalah didua hujung taburan dengan keluasan 2.5% setiap satunya. Terdapat 0.4750 di antara min dan setiap nilai kritikal dipisahkan disetiap hujung taburan (kawasan penolakan) daripada bukan kawasan penolakan.

12

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Dengan menggunakan keluasan 0.4750 ini dan Jadual A.1, nilai kritikal Z boleh diperolehi. Z/2 = 1.96 Rajah 9.6 menunjukkan masalah dengan kawasan penolakan dan nilai kritikal Z. Peraturan keputusan adalah jika data yang diperolehi menghasilkan nilai Z lebih besar daripada 1.96 atau lebih kecil daripada -1.9, ujian statistik adalah didalam satu daripada kawasan penolakan dan keputusan adalah menolak hipotesis nul. Jika nilai Z yang dikira daripada data terletak di antara 1.96 dan +1.96, keputusannya ialah tidak menolak hipotesis nul disebabkan nilai Z yang dikira adalah terletak didalam kawasan bukan penolakan. Rajah 9.6 Contoh Pendapatan Bersiah CPA

Kawasan Penolakan

Kawasan Penolakan Bukan Kawasan Penolakan /2=0.025

=0.025

-1.96

0.0 =RM74,914

1.96

Langkah 5: Langkah 6:

Memungut data. Katakan 112 orang pekerja telah memberikan maklum balas dan menghasilkan min RM78,695. Nilai ujian statistik adalah dikira dengan menggunakan X = RM78,695, n = 112, = RM14,530, dan hipotesis = RM74,914.

Z=

(78,965 - 74,914) = 2.75 14,530 112 13

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Langkah 7: Langkah 8:

Disebabkan ujian statistik ini, Z = 2.75, lebih besar daripada nilai kritikal Z dibahagian hujuang atas taburan, Z = +1.96, kesimpulan statistik dicapai dengan menolak hipotesis nul. Membuat kesimpulan pengurusan. Apakah yang dimaksudkan dengan keputusan tersebut? Secara statistik, penyelidik mempunyai bukti yang mencukupi untuk menolak angka RM74,914 sebagai purata pendapatan negara yang benar untuk pekerja. Walaupun penyelidik menjalankan ujian dua hujung, bukti yang diperolehi menunjukkaan purata pendapatan telah meningkat. Min sampel RM78,695 adalah RM3781 lebih tinggi daripada min pendapatan bersih yang diuji. Penyelidik boleh membuat kesimpulan bahawa purata pendapatan adalah lebih tinggi daripada sebelumnya, tetapi disebabkan RM78,695 hanyalah min sampel, maka tidak ada jaminan bahawa min pendapatan bersih populasi adalah lebih RM3781. Jika selang keyakinan dijalankan dengan data sampel, RM78,695 adalah penganggaran titik. Lain-lain sampel mungkin menghasilkan min sampel yang berbeza. Secara pengurusan, penemuan statistik mungkin bermakna pekerja-pekerja mungkin lebih mahal untuk diupah sama ada sebagai pekerja separuh masa atau spakar runding. Ini mungkin bermakna perkhidmatan perundingann telah meningkatkan harganya. Penemuan seperti ini boleh memberikan motivasi kepada pekerja tersebut untuk menuntut kenaikan gaji.

9.2.1

Menggunakan Sisihan Piawai Sampel

Didalam kebanyakan situasi yang sebenarnya, nilai sisihan piawai populasi sukar untuk dipercayai. Dengan saiz sampel yang besar (n 30), menggunakan sisihan piawai sampel adalah penggantian penghampiran yang terbaik untuk sisihan piawai populasi, , dan dibenarkan.

Formula Z untuk Menguji Min dengan Tidak Diketahui: Sampel Besar Sahaja

(9.2)

Z=

X- S n

14

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Formula 9.2 boleh digunakan hanya untuk sampel yang besar, bergantung kepada taburan X. Didalam comtoh pendapatan bersih pekerja, sisihan piawai sampel ialah 14,543. Penghampiran ini sepatutnya digunakan untuk mengira nilai Z. 9.2.2 Menguji Min dengan Populasi Finit

Jika ujian hipotesis untuk min populasi adalah dijalankan dengan mengetahui populasi finit, maklumat populasi boleh dimasukkan kedalam formula ujian hipotesis. Dengan berbuat demikian boleh meningkatkan potensi untuk menolak hipotesis nul. Formula 9.1 boleh diubahsuai untuk memasukkan maklumat populasi.

Formula untuk Menguji Hipotisis Berkaitan dengan Populasi Finit

(9.3)

Z =

X - n N-n N-1

Didalam contoh pendapatan bersih, katakan terdapat hanya 600 pekerja didalam syarikat. Sampel sebanyak 112 orang pekerja diambil dari populasi 600 pekerja ialah 18.67% dari populasi dan oleh itu ia kelihatannya mewakili populasi berbanding sampel pekerja yang diambil dari 20,000 pekerja (0.56% daripada populasi). Faktor pelarasan finit perlu dipertimbangkan dan membenarkan peningkatan didalam nilai Z yang dikira. Nilai Z yang dikira akan berubah kepada

Z =

X - n N-n N-1

78,695 - 74,491 14,530 112 600 - 112 600 - 1

3781 = 3.05 1,239.1

Menggunakan faktor pembetulan finit meningkatkan nilai Z yang dikira dari 2.75 kepada 3.05. Keputusan untuk menolak hipotesis nul tidak akan berubah dengan maklumat baru ini. Walau bagaimanapun, dengan

15

Pengenalan kepada Statistik Ekonomi dan Perniagaan

syarat, faktor pembetulan finit boleh membuatkan perbezaan di antara penolakan dan gagal untuk menolak hipotesis nul. 9.2.3 Menggunakan Kaedah Nilai Kritikal untuk Ujian Hipotesis

Satu kaedah alternatif pengujian hipotesis ialah kaedah nilai kritikal. Didalam contoh sebelumnya, hipotesis nul adalah ditolak disebabkan nilai Z yang dikira adalah didalam kawasan penolakan. Apakah nilai min pendapatan yang diperlukan untuk menyebabkan nilai Z yang dikira berada didalam zon penolakan? Kaedah nilai kritikal menentukan nilai min kritikal yang diperlukan untuk Z berada didalam kawasan penolakan dan menggunakannya untuk menguji hipotesis. Kaedah ini juga menggunakan Formula 9.1. Wabau bagaimanapun, berbanding mengira Z, nilai kritikal X , X c , ditentukan. Nilai jadual kritikal, Zc, kemudiannya dimasukkan kedalam formula, dengan dan . Oleh itu

Zc =

Xc - n

Menggantikan dengan nilai dari contoh sebelumnya

1.96 =

X c - 74,914 14,530 112 = 74,914 2,691

X c = 74,914 1.96

14,530 112

had bawah X c = 72,223 dan had atas X c = 77,605 Rajah 9.7 menunjukkans secara grafik kawasan penolakan dan bukan kawasan penolakan didalam sebutan min berbanding skor Z. Dengan menggunakan kaedah nilai kritikal, kebanyakan kerja-kerja pengiraan adalah dilakukan terlebih dahulu melainkan sisihan piawai sampel digunakan sebagai penganggar untuk . Didalam masalah ini, sebelum min sampel dikira, penganalisis mengetahui bahawa nilai min sampel adalah lebih besar daripada RM77,605 atau kurang daripada RM72,223 mesti diperolehi untuk menolak hipotesis min populasi. Disebabkan min sampel bagi masalah ini ialah RM78,695, lebih besar daripada RM77,605, penganalisis menolak

16

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

hipotesis nul. Kaedah ini amat menarik didalam induasti dimana piawai telah ditetapkan terlebih dahulu dan kemudian juruteknik kawalan mutu boleh memungut data dan membandingkan ukuran sebenar keluaran mengikut spesifikasinya. Rajah 9.7 Kawasan Penolakan dan Penerimaan bagi Kaedah Nilai Kritikal

Kawasan Penolakan Bukan Kawasan Penolakan

Kawasan Penolakan

X C =RM72,223
Zc = -1.96

RM74,914 0.00

X C =RM77,605
Zc=+1.96

9.2.4

Menggunakan Kaedah Nilai-p untuk Ujian Hipotesis

Satu cara lain untuk memperolehi kesimpulan didalam ujian hipotesis ialah dengan kaedah nilai-p, kadangkala dirujukkan sebagai paras keyakinan yang diperhatikan. Kaedah nilai-p semangkin penting dengan peningkatan penggunaan pakej komputer statistik untuk pengujian hipotesis. Tidak diperlukan nilai alpha yang ditetapkan terlebih dahulu didalam kaedah nilaip. Sebaliknya, kebarangkalian memperolehi ujian statistik sekutangkurangnya sebagai ekstrim bagi ujian statistik yang diperhatikan (dikira dari data) adalah dikira di bawah andaian bahawa hipotisis nul adalah benar. Sebenarnya setiap program statristik komputer menghasilkan kebarangkalian ini (nilai-p). Nilai-p menentukan nilai alpha yang terkecil bagi setiap hipotisis nul akan ditolak. Sebagai contoh, jika nilai p bagi ujian ialah 0.038, hipotesis nul tidak boleh ditolak pada = 0.01 disebabkan 0.038 adalah nilai terkecil alpha dimana hipotesis nul boleh ditolak. Walau bagaimanapun, hipotesis nul boleh ditolak untul = 0.05. Katakan penyelidik menjalankan ujian satu hujung dengan kawasan penolakan dibahagian atas dan memperolehi ujian statistik yang diperhatikan Z = 2.04 daripada sampel data. Menggunakan jadual normal piawai, Jadual A.1, kita dapati kebarangkalian rawak memperolehi nilai Z yang besar

17

Pengenalan kepada Statistik Ekonomi dan Perniagaan

melalui peluang ialah 0.5000 0.4793 = 0.0207. Nilai p ialah 0.0207. Menggunakan maklumat ini, penyelidik menolak hipotisis nul untuk = 0.05 atau 0.10 atau sebarang nilai yang lebih besar daripada 0.0207. Penyelidik tidak akan menolak hipotesis nul untuk sebarang nilai alpha kurang atau sama dengan 0.0207 (terutama, = 0.01, 0.001 dan sebagainya). Untuk ujian dua hujung, ingat kembali kita telah memecahkan nilai alpha untuk menentukan nilai kritikal bagi ujian statistik. Dengan kaedah nilai-p, kebarangkalian memperolehi ujian statistik sekurang-kurangnya sebagai ekstrim bagi bagi nilai yang diperhatikan adalah dikira, dua kali, dan kemudian dilaporkan sebagai nilai-p. Sesetengah pakej komputer statistik diprogramkan kepada dua kali kebarangkalian dan melaporkan nilai-p tersebut sebagai nilai-p apabila pengguna mengkehendaki ujian dua hujung. Penyelidik kemudiannya membandingkan nilai p dengan nilai alpha untuk membuat kesimpulan sama ada menolak atau tidak hipotesis nul. Dengan lain perkataan, berbanding dengan penyelidik memecahkan nilai alpha, kebarangkalian pakej perisian komputer memberikan nilai-p untuk ujian dua hujung sebelum penyelidik membuat kesimpulan statistik.

Contoh 9.1 Satu kajian dilakukan untuk menentukan perkhidmatan pelanggan adalah penting kepada pengurus di Malaysia, dan penyelidik telah menjalankan survei Pengarah Urusan syarikat di Kuala Lumpur. Satu daripada sebab yang telah dicadangkan adalah perkhidmatan pelanggan bermakna dapat mengekalkan pelanggan. Berdasarkan kepada skala 1 hingga 5, dimana 1 adalah rendah dan 5 adalah tinggi, responden memeringkatkan sebab ini adalah yang tertinggi berbanding dengan sebab yang lain, dengan min tindakbalas 4.30. Katakan penyelidik percaya pengurus syarikat di Johor bahru tidak meletakkan sebab tersebut sebagai tertinggi dan menjalankan ujian hipotesis untuk membuktikan teorinya. Alpha ditetapkan pada 0.05. Data dikutip dan memberikan keputusan berikut. 3 4 4 4 4 3 5 4 5 5 4 4 4 5 4 5 4 5 5 4 4 4 4 4 4 3 4 4 4 5 4 4

Gunakan data ini dan ikuti langkah-langkah pengujian hipotesis untuk menentukan sama ada pengurus di Johor Bahru meletakkan sebab ini lebih rendah daripada purata 4.30 yang diperolehi di Kuala Lumpur. Penyelesaian: Langkah 1: Menetapkan hipotesis, Disebabkan penyelidik di Johor Bahru berminat hanya untuk membuktikan angka tersebut lebih

18

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

rendah di Johor Bahru, maka ia ujian satu hujung. Hipotesis alternatif ialah min populasi adalah lebih rendah daripada 4.30. Hipotesis nul menyatakan kes persamaan. H0: = 4,30 Ha: < 4.30 Langkah 2: Menentukan ujian statistik yang bersesuaian. Ujian statistik ialah

Z=

X- S n

Langkah 3:

Tentukan ralat Jenis I = 0.05

Langkah 4:

Nyatakan peraturan keputusan. Oleh kerana ia ujian satu hujung, nilai kritikal Z adalah ditemui dengan melihat pada 0.500 0.05 pada keluasan di bawah keluk Jadual A.1. Nilai kritikal bagi ujian statistik ialah Z0.05 = -1.645. Ujian statistik yang diperhatikan mesti lebih kecil daripada 1.645 untuk menolak hipotesis nul. Kawasan penolakan dan nilai kritikal boleh dilihat dari rajah berikut.

Kawasan Penolakan =0.05 Bukan Kawasan Penolakan

Z0.05=-1.645 =-4.133 Langkah 5: Langkah 6.

Z =0.0 =4.300

Dapatkan sampel data. Data telah ditunjukkan di atas. Kirakan nilai ujian statistik

X = 4.156 S = 0.574 19

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Z=

X - 4.156 - 4.300 = = - 1.42 S 0.574 n 32

Langkah 7.

Nyatakan kesimpulan statistik. Disebabkan ujian statistik yang diperhatikan tidak kurang daripada nilai kritikal dan tidak berada dikawasan penolakan, penyelesaian statistik ialah hipotesis nul tidak boleh ditolak. Buatkan keputusan pengurusan. Tidak terdapat bukti yang mencukupi untuk menyatakan bahawa pengurus di Johor Bahru berfikir adalah kurang penting untuk menggunakan perkhidmatan pelanggan sebagai cara mengekalkan pelanggan berbanding yang dilakukan di Kuala Lumpur. Perkhidmatan pelanggan adalah alat yang penting untuk mengekalkan pelanggan dikeduadua buah bandar kepada pengurus.

Langkah 8.

Menggunakan kaedah nilai kritikal: Untuk apakah nilai min sampel diperlukan untuk menolak hipotesis nul? Min sampell kritikal ini boleh ditentukan dengan menggunakan nilai kritikal Z dengan alpha Z0.05 = -1.645. Disebabkan peraturan keputusan mesti ditentukan terlebih dahulu sebelum data diambil, sisihan piawai populasi atau anggaran dari kajian sebelumnya adalah diperlukan. Untuk tujuan contoh, kita akan menggunakan sisihan piawai sampel yang dikira dari contoh di atas (katakan = 0.574) Xc - n Xc - 4.30 - 1.645 = 0.574 32 X c = 4.133 Zc =
Peraturan keputusan ini menyatakan min sampel kurang daripada 4.133 adalah diperlukan untuk menolak hipotesis nul. Oleh kerana min yang diperolehi dari data sampel ialah 4.156, penyelidik gagal untuk menolak

20

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

hipotesis nul. Rajah di atas menunjukkan skala dengan nilai kritikal min sampel adan kawasan penolakan untuk kaedah nilai kritikal. Menggunakan kaedah kebarangkalian: Ujian statistik pemerhatian yang dikira ialah Z = -1.42. Dari Jadual A.1, kebarangkalian memperolehi nilai Z sekurang-kurangnya pada nilai ekstrim ini apabila hipotesis nul adalah benar ialah 0.5000 0.4222 = 0.0778. Oleh kerana hipotesis nul tidak boleh ditolak pada = 0.05 disebabkan nilai alpha yang kecil untuk hipotesis nul boleh ditolak ialah 0.0778.

9.3

Ujian Hipotesis Berkaitan Min Tunggal Menggunakan Sampel Kecil: Tidak Diketahui

Terdapat keadaan dimana penyelidikk menguji hipotesis berkenaan min populasi tunggal dan disebabkan oleh masa, kewangan, atau keselesaan, berkebolehan untuk memperolehi hanya sampel data yang kecil sahaja (n < 30). Didalam kes seperti ini, jika data adalah bertaburan normal didalam populasi dan diketahui, ujian Z boleh digunakan. Walau bagaimanapun, realitinya sisihan piawai sampel biasa digunakan sebagai penganggar untuk sisihan piawan populasi didalam pengujian hipotesis berkaitan min populasi disebabkan sisihan piawai populasi tidak diketahui. Oleh itu, ujian Z mempunyai penggunaan yang terbatas untuk analisis sampel kecil min populasi tunggal. Bab 8 telah membincangkan taburan t, dimana boleh digunakan untuk menganalisis hipotesis berkaitn min populasi tunggal untuk saiz sampel kecil apabila tidak diketahui jika populasi adalah bertaburan normal sebagai pengukuran yang hendak dikaji. Didalam bahagian ini, kita akan menguji ujian t untuk min populasi tunggal. Secara amnya, ujian t ini adalah berguna apabila penyelidik mengambil sampel rawak tunggal untuk menguji nilai min populasi () apabila menggunakan sampel kecil, apabila sisihan piawai populasi tidak diketahui, dan apabila taburan adalah bertaburan normal bagi pengukuran yang diminati. Formula untuk menguji hipotesis tersebut adalah seperti berikut. Syarikat pengeksport getah telah membungkus getah seberat 25 kg bagi setiap bungkusan sebelum mengeksportnya keluar negara. Untuk mematuhi peraturan yang dikenakan oleh negara pengimport, syarikat tersebut bimbang jika purata bungkusan yang dieksport tidak sama dengan 25 kg. Untuk menguji perkara ini, 20 bungkusan yang dibungkus hari ini telah dipilih secara rawak dan beratnya direkodkan. Jadual 9.1 menunjukkan berat yang diperolehi bersama-sama min sampel dan sisihan piawai sampel yang telah dikira.

21

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Ujian t untuk

(9.4)

t=

X- S n

df = n - 1

Jadual 9.1 Berat dalam kg Sampel Bungkusan Getah 22.6 27.0 26.2 25.8 22.2 26.6 25.3 30.4 23.2 27.4 28.1 26.9 23.1 24.2 28.6 23.5 = 25.51 S = 2.1933, n = 20 X 24.5 24.9 26.1 23.6

Ujian untuk menentukan sama ada proses pembungkusan diluar kawalan, pengurus syarikat tidak menentukan sama ada ia percaya mesin penimbang yang digunakan seimbang atau tidak. Oleh itu ujian dua hujung adalah bersesuaian. Hipotesis berikut adalah diuji. H0: = 25 kg Ha: 25 kg Nilai alpha 0.05 adalah digunakan. Rajah 9.10 menunjukkan kawasan penolakan. Disebabkan n = 20, darjah kebebasan bagi ujian ini ialah 19 (20 1). Jadual Taburan t adalah ujian satu hujung tetapi ujian untuk masalah ini adalah dua hujung, oleh itu alpha mesti dipecahkan menghasilkan 2 = 0.025, nilai bagi setiap hujung. Untuk memperolehi nilai t dijadual apabila melakukan ujian dua hujung, sentiasa pecahkan nilai alpha dan gunakan 2 ). Nilai jadual t bagi contoh ini ialah +2.093. Nilai jadual seperti ini selalunya ditulis didalam bentuk seperti berikut:

22

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Rajah 9.10 Kawasan penolakan bagi Contoh Bungkusan Getah

=0.05

=0.05

t0.025,19 = 2.093 Rajah 9.11 menunjukkan taburan t bagi contoh ini, bersama-sama nilai kritikal, nilai t dikira, dan kawasan penolakan. Didalam kes ini, peraturan keputusan ialah menolak hipotesis nul jika nilai t yang dikira kurang daripada 2.093 dan lebih besar daripada +2.093 (didalam hujung taburan). Pengiraan ujian statistik menghasilkan:

t=

X - 25.51 - 25.00 = = 1.04 (t dikira) S 2.1933 n 20

Rajah 9.11 Graf Pengiraan dan Nilai t Kritikal bagi Contoh Bungkusan Getah

=0.025 Kawasan Penolakan

2

Bukan Kawasan Penolakan

=0.025 Kawasan Penolakan

t=-2.093

t=0 t=+2.093 t=1.04 (dikira) =25 kg

23

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Disebabkan nilai dikira ialah +1.04, hipotesis nul tidak boleh ditolak. Oleh itu, tidak ada bukti yang mencukupi didalam sampel ini untuk menolak hipotesis yang menyatakan min populasi berat bungkusan getah ialah 25 kg.

Contoh 9.2 Angka yang dikeluarkan oleh Kementerian Perusahaan Utama menunjukkan purata keluasan estet perladangan di Malaysia telah meningkat sejak tahun 1960. Didalam tahun 1960, min saiz estate ialah 174 ha, pada tahun 1997, keluasannya meningkat kepada 471 ha. Di antara tahun tersebut bilangan estate telah berkurangan tetapi hak milik tanah masih lagi kekal, oleh itu tiada estate yang besar sekarang. Arah aliran ini menunjukkan ketidak upayaan estate kecil untuk bersaing dari segi harga dan kos operasi dengan estate bersaiz besar untuk menghasilkan pendapatan yang menguntungkan. Katakan penyelidik perniagaantani percaya purata saiz estate telah meningkat dari tahun 1997 dengan min 471 ha. Untuk menguji kenyataan ini, sampel rawak 23 estate telah diambil diseluruh Malaysia den keluasannya direkodkan. Data yang diperolehi adalah ditunjukkan di bawah. Gunakan 5% paras keyakinan untuk menguji hipotesis tersebut. 445 477 502 477 590 Penyelesaian: Langkah 1: Hipotesis penyelidik ialah purata saiz estate di Malaysia adalah lebih daripada 471 ha. Disebabkan ini bukanlah teori yang belum dibuktikan, ia merupakan hipotesis alternatif. Hipotesis nul ialah min masih 471 ha. H0: = 471 ha Ha: > 471 ha Langkah 2: Ujian statistik yang digunakan ialah 489 454 449 557 561 474 463 438 433 560 505 466 500 545 553 557 466 511

t=

X- S n

24

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Langkah 3: Nilai alpha ialah 0.05 Langkah 4: Dengan 23 data, df = n 1 = 23 1 = 22. Ini merupakan ujian satu hujung, dan nilai kritikal jadual t ialah t0.05,22 = 1.717 Peraturan keputusan ialah tolak hipotisis nul jika ujian statistik yang dikira lebih besar daripada 1.717. Langkah 5: Pungut data dan ditunjukkan sebagaimana di atas Langkah 6: Min sampel ialah 498.78 dan sisihan piawai sampel ialah 46.94. Nilai t yang dikira ialah

t=

498.78 - 471.00 X- 46.94 2.84 S = 23 n

Langkah 7: Nilai t yang dikira ialah 2.84 adalah lebih besar daripada nilai jadual t = 1.717, oleh itu penyelidik menolak hipotesis nul. Penyelidik menerima hipotesis alternatif dan membuat kesimpulan bahawa purata estate di Malaysia sekarang lebih daripada 471 ha. Geraf berikut menunjukkan analisis tersebut.

Bukan Kawasan Penolakan t=0

=0.05 Kawasan Penolakan

t0.05,22=1.717 t dikira = 2.84

=4.71

Langkah 8: Penyelidik boleh membuat spekulasi berkaitan apakah maksud untuk memperolehi estate yang besar. Ini mungkin bermakna estate kecil tiada keupayaan kewangan, atau mungkin estate besar telah membeli estate kecil menyebabkan keluasannya

25

Pengenalan kepada Statistik Ekonomi dan Perniagaan

meningkat. Arah aliran tersebut mungkin membuatkan kerajaan membuat perundangan melindungi estate yang lebih kecil.

9.4

Ujian Hipotesis berkaitan Perkadaran

Formula untuk perkadaran adalah berdasarkan kepada teorem had memusat membolehkannya untuk menguji hipotesis berkaitan perkadaran populasi didalam bentuk yang sama dengan formula yang digunakan untuk menguji min sampel. Perkadaran adalah nilai di antara 0 dan 1 yang menyatakan bahagian daripada keseluruhan ciri-ciri yang diminati. Sebagai contoh, menurut penyelidikan pemasaran menyatakan 0.41 pesanan barangan datangnya dari laman web. Berbanding dengan min yang dikira dengan pengukuran purata, perkadaran adalah dikira dengan mengira bilangan item didalam populasi yang mempunyai ciri-ciri yang diminati dan kemudian membahagikannya dengan bilangan populasi. Ingat kembali, p menandakan perkadaran sampel dan P menandakan perkadaran populasi. Teorem had memusat digunakan kepada perkadaran sampel menyatakan nilai p adalah penghampiran taburan normal. Ia boleh dilihat

bahawa min taburan bagi set nilai p ialah P dan sisihan piawai iaitu

P.Q , n

apabila n.P 5 dan n.Q 5. Ujian Z adalah digunakan untuk menguji hipotesis berkaitan P.

Ujian Z bagi Perkadaran Populasi

(9.5) dimana

Z=

p-P P.Q n

p = perkadaran sampel

P = perkadaran populasi Q=1-P

26

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Sebuah syarikat mempercayai 8% daripada keluarannya mengandungi sekurang-kurangnya satu kerosakan. Katakan penyelidik syarikat mahu menguji kepercayaan ini. Hipotesis nul dan hipotesis alternatif adalah H0: P = 0.08 Ha: P 0.08 Ini merupakan ujian dua hujung disebabkan hipotesis yang diuji sama ada perkadaran keluaran dengan sekurrang-kurangnya satu kerosakan ialah 0.08 atau tidak. Alpha yang dipilih ialah 0.10. Rajah 9.14 menunjukkan taburan, dengan kawasan penolakan dan Z0.05. Disebabkan dibahagikan untuk ujian dua hujung, nilai jadual bagi kawasan ( 1 ) (0.10) = 0.05, ialah Z0.05 2 = 1.645. Rajah 9.14 Taburan dengan Kawasan penolakan Contoh Kerosakan keluaran

=0.05

=0.05

Zc=-1.645

Z=0 P=0.08

Zc=+1,645

Untuk penyelidik menolak hipotesis nul, Z yang dikira mestilah lebih besar daripada +1.645 atau kurang daripada 1.645. Penyelidik memilih secara rawak 200 keluaran dan memeriksa untuk melihat kerosakan, dan mendapati 33 keluaran mempunyai sekurang-kurangnya satu kerosakan. Mengira perkadaran sampel memberikan

p=
Nilai Z yang dikira

33 = 0.165 200

27

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Z=

p-P P.Q n

0.165 - 0.080 (0.08)(0.92) 200

0.085 = 4.43 0.019

Perhatikan denominator bagi formula Z mengandungi perkadaran populasi. Walaupun penyelidik sebenarnya tidak mengetahui perkadaran populasi, dia menguji nilai perkadaran populasi. Oleh itu dia menggunakan nilai populasi hipotesis didalam denominator formula tersebut sebagaimana didalam numerator. Kaedah ini berlawanan dengan formula selang keyakinan, dimana perkadaran sampel adalah digunakan didalam denominator. Nilai Z yang dikira berada didalam kawasan penolakan (Z dikira, Z = 4.43 > jadual Z0.05 = +1.645), oleh itu penyelidik menolak hipotesis nul. Ia membuat kesimpulan bahawa perkadaran barangan yang mempunyai sekurang-kurangnya satu kerosakan didalam populasi dimana sampel 200 barangan yang diambil adalah bukan 0.08. Dengan = 0.10, risiko melakukan ralat Jenis I didalam contoh ini ialah 0.10. Nilai Z = 4.43 yang dikira adalah diluar selang kebanyakan nilai didalam semua jadual Z. Oleh itu, jika penyelidik menggunakan kaedah nilaip untuk memperolehi keputusan berkaitan hipotesis nul, kebarangkaliannya adalah 0.0000, dan ia sepatutnya menolak hipotesis nul. Katakan penyelidik mahu menggunakan kaedah nilai kritikal. Ia hendaklah memasukkan nilai jadual Z0.05 = 1.645 didalam formula Z untuk perkadaran sampel, bersama-sama perkadaran hipotesis populasi dan n, seterusnya menyelesaikan nilai kritikal p , p c . Keputusannya ialah

Z/2 =

pc - P P.Q n p c - 0.08 (0.08)(0.92) 200

1.645 =
dan

p c = 0.08 1.645

(0.08)(0.92) = 0.08 0.032 200 = 0.048 dan 0.112

28

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Ujian perkadaran sampel, p = 0.165, dan Rajah 9.16 nyata menunjukkan bahawa perkadaran sampel adalah berada didalam kawasan penolakan. Kesimpulan statistik adalah menolak hipotesis nul. Perkadaran keluaran sekurang-kurangnya satu aliran adalah bukan 0.08.
Rajah 9.16 Taburan Menggunakan Kaedah Nilai Kritikal bagi Contoh Keluaran Rosak

=0.05

=0.05

p c =0.048

P=0.08

p c =0.112 p =1.645

Contoh 9.3 Satu kajian terhadap kegemaran minuman pagi telah menunjukkan 17% rakyat Malaysia meminum susu. Pengeluar susu percaya peratus ini adalah lebih tinggi bagi penduduk di Kuala Lumpur. Untuk menguji pandangan ini, sampel rawak 550 penduduk Kuala Lumpur telah diambil dan merekodkan minuman kegemaran sarapan pagi mereka . Katakan 115 responden menyatakan susu merupakan minuman utama mereka. Menggunakan paras keyakinan 0.05, uji pendapat menyatakan peratus tersebut lebih tinggi di Kuala Lumpur. Penyelesaian. Langkah 1: Teori pengeluar susu menyatakan bahagian penduduk Kuala Lumpur yang meminum susu semasa sarapan pagi adalah lebih tinggi daripada bahagian populasi, dimana ia merupakan hipotesis alternatif. Hipotisis nul ialah perkadaran di Kuala Lumpur adalah tidak berbeza daripada purata kebangsaan. Oleh itu, hipotesis bagi masalah ini adalah H0: = 0.17 Ha: > 0.17

29

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Langkah 2: Ujian statistik ialah

Z=

p-P P.Q n

Langkah 3: Kadar ralat jenis I ialah 0.05 Langkah 4: Ini merupakan ujian satu hujung, dan nilai jadual Z0.05 = +1.645. Keputusan sampel mesti menghasilkan nilai Z yang diperhatikan mesti lebih besar daripada 1.645 untuk pengeluar susu tersebut menolak hipotesis nul. Rajah berikut menunjukkan Z0.05 dan kawasan penolakan bagi masalah ini.

Bukan Kawasan Penolakan Z=0 P=0.17 Langkah 5: n = 550 dan X = 115

= 0.05 Kawasan Penolakan Z Zc = 1.645

pc =
Langkah 6

115 = 0.209 550

Z=

p-P P.Q = n

0.209 - 0.170 (0.17)(0.83) 550

0.039 = 2.44 0.016

Langkah 7: Oleh kerana Z = 2.44 adalah diluar Z 0.05 = 1.645 didalam kawasan penolakan, pengeluar susu menolak hipotesis nul. Berdasarkan kepada sampel rawak, pengeluar susu boleh membuat kesimpulan penduduk Kuala Lumpur yang meminum susu

30

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

sebagai minuman utama sarapan pagi adalah lebih tinggi berbanding perkadaran kebangsaan. Langkah 8: Jika bahagian penduduk yang meminum susu sebagai minuman utama adalah lebih tinggi di Kuala Lumpur berbanding lain-lain kawasan, pengeluar susu mempunyai peluang pasaran di Kuala Lumpur. Kebarangkalain memperoleh Z 2.44 melalui peluang ialah 0.0073. Oleh kerana kebarangkalian ini kurang daripada = 0.05, hipotesis nul juga ditolak menggunakan kaedah nilai-p. Perkadaran kritikal juga boleh diselesaikan melalui

Z 0.05 =

p-P P.Q n

1.645 =

p c - 0.17

(0.17)(0.83) 550 p c = 0.17 + 0.026 = 0.196

Melalui kaedah nilai kritikal, perkadaran sampel adalah lebih besar daripada 0.196 mesti diperolehi untuk menolak hipotesis nul. Perkadaran sampel bagi masalah ini ialah 0.209, oleh itu hipotesis nul juga ditolak dengan menggunakan kaedah nilai kritikal.

9.5

Ujian Hipotesis berkaitan Varian

Ada kalanya, penyelidik mahu untuk menguji hipotesis berkaitan varian populasi. Sebagai contoh, didalam bidang kawalan kualiti, pengilang cuba untuk mengeluarkan peralatan dan bahagian dengan ukuran yang konsisten. Katakan syarikat mengeluarkan dawai perindustrian dengan ketebalan yang khsusus. Disebabkan oleh proses pengeluaran, ketebalan dawai tersebut adalah berbagai dari satu hujung dengan hujung yang lain dan dari satu lot dengan lot yang lain. Walaupun jika purata ketebalan dawai tersebut diukur dari lot ke lot yang lain mengikit spesifikasi, varian pengukuran mungkin amat besar untuk diterima. Iaitu, secara purata dawai mempunyai ketebalan yang baik, tetapi beberapa bahagiann mungkin terlalu nipis dan yang lain ketebalannya tidak boleh diterima. Dengan melakukan

31

Pengenalan kepada Statistik Ekonomi dan Perniagaan

ujian hipotesis untuk varian pengukuran ketebalan, pengurus kawalan mutu boleh memantau variasi didalam proses pengeluaran. Tatacara untuk menguji hipotesis berkaitan varian populasi adalah sama sebagaimana teknik yang telah dibincangkan didalam Bab 8 untuk menganggarkan varian populasi dari varian sampel. Formula yang digunakan untuk menjalankan ujian ini (9.6) mengandaikan populasi adalah bertaburan normal.

Formula Ujian Hipotesis Berkaitan Varian Populasi

(9.6)

2 =

(n - 1)S 2 2

df = n - 1

Sebagai contoh, sebuah syarikat perkilangan berminat untuk mengamalkan sistem inventori just-in-time (JIT) didalam barisan keluarannya. Keluaran akhir memerlukan pemasangan tiub pneumatic pada stesyen tertentu didalam barisan keluaran. Melalui sistem inventori JIT, matlamat syarikat ialah meminimumkan bilangan tiub pneumatic yang mesti dipasang pada stesyen yang menunggu untuk dipasang. Sebenarnya, tiub tersebut sampai ketika operator memerlukannya. Walau bagaimanapun, disebabkan oleh bekalan dan faktor lain yang terlibat didalam mendapatkan tiub tersebut kedalam barisan keluaran, kebanyakan dari masa bekalan tersebut telah kehabisan didalam inventori. Syarikat menjangkakan, secara purata, lebih kurang 20 tiub pneumatic sentiasa berada distesyen kerja. Walau bagaimanapun, pengawal keluaran tidak mahu varian bagi inventori ini melebehi 4. Bagi setiap hari, bilangan tiub pneumatic yang dipasang distesyen kerja ditentukan pada lapan masa yang berbeza dan berikut adalah bilangan tiub yang direkodkan. 23 17 20 29 21 24 19 24

Menggunakan sampel data ini, kita boleh menguji untuk menentukan sama ada vaian lebih besar daripada 4. Ujian hipotesis ialah ujian satu hujung. Andaikan bilangan tiub adalah bertaburan normal. Hipotesis nul ialah varian adalah diterima dan tiada masalah varian adalah sama dengan 4. Hipotesis alternatif ialah varian lebih besar daripada 4.

32

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

H0: 2 = 4 Ha: 2 > 4 Katakan alpha ialah 0.05. Disebabkan saiz sampel ialah lapan, darjah kebebasan bagi jadual khi-kuasadua kritikal ialah 8 1 = 7. Menggunakan Jadual A.8, kita dapati nilai khi-kuasadua kritikal ialah
2 0.05,7 = 14.0671

Disebabkan hipotesis alternatif lebih besar daripada 4, kawasan penolakan adalah dhujung kanan taburan khi-kuasadua. Varian sampel yang dikira dari data sampel ialah. S2 = 20.9821 Nilai khi-kuasadua yang dikira adalah

2 =

(8 - 1)(20.9821) = 36.72 4

Pada nilai khi-kuasadua yang dikira, 2 = 36.72 , adalah lebih besar daripada nilai kritikal jadual khi-kuasadua, 0.05,7 = 14.0671 , keputusan adalah menolak hipotesis nul. Berdasarkan kepada sampel lapan pengukuran data, varian populasi inventori pada setesyen kerja ini ialah lebih besar daripada 4. Personel pengeluaran dan pengurus syarikat mungkin mahu menyiasat selanjutnya untuk menentukan sama ada mereka boleh menemui sebab varian ini tidak diterima. Ditunjukkan didalam Rajah 9.18 adalah taburan khi-kuasadua dengan nilai kritikal, kawasan penolakan, dan bukan kawasan penolakan, nilai , dan nilai khi-kuasadua yang dikira. Hipotesis nul juga boleh diuji dengan menggunakan kaedah nilai kritikal. Berbanding menyelesikan untuk nilai khi-kuasadua yang dikira, nilai khi-kuasadua kritikal bagi alpha dimasukkan kedalam Formula 9.6 bersamasama nilai hipotesis 2 dan darjah kebebasan (n-1). Menyelesaikannya untuk 2 S2 menghasilkan nilai kritikal varian sampel, S c .
2 2 (n - 1) S c = 4 2 2 . (14.0671)(4) 2 Sc = c = = 8.038 (n 1) 7 2 c

33

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Rajah 9.18 Taburan Ujian Hipotesis bagi Contoh Tiub Pneumatic

Bukan Kawasan Penolakan

Kawasan Penolakan = 0.05

2 0.05,7 = 14.0671

2 = 36.72

Nilai kritikal varian sampel ialah S c = 8.038. Disebabkan varian sampel sebenar yang diperolehi ialah 20.9821, dimana lebih besar daripada nilai kritikal, hipotesis nul adalah ditolak didalam kedua-dua kaedah khikuasadua yang dikira dan kaedah nilai-p.

Contoh 9.4 Satu perniagaan kecil yang mempunyai 37 orang pekerja. Disebabkan permintaan keluaran yang tidak pasti, syarikat biasanya hanya membayar lebih masa bagi sesuatu minggu. Syarikat mengandaikan terdapat lebih kurang 50 jumlah jam lebih masa seminggu dan varian bagi angka ini ialah 25. Pengurus syarikat mahu mengetahui sama ada varian lebih masa telah berubah. Ditunjukkan di bawah sampel 16 minggu data lebih masa (jam/minggu). Andaikan masa lebih masa adalah bertaburan normal. Gunakan data ini untuk menguji hipotesis nul varian lebih masa ialah 25. Katakan = 0.10. 57 48 56 51 52 55 44 48 46 63 53 53 44 51 44 50

34

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Penyelesaian: Langkah 1: Ini merupakan ujian dua hujung. Hipotesis nul dan alternatif adalah. H0: 2 = 25 Ha: 2 25 Langkah 2: Ujian statistik adalah

2 =
Langkah 3:

Disebabkan ini merupaan ujian dua hujung, = 0.10 mesti dipecahkan; 2 = 0.05 Darjah kebebasan adalah 16 1 = 15. Terdapat dua nilai kritikal
2 2 (1-0.05),15 = 0.95,15 = 7.26094 2 0.05,15 = 24.9958

(n - 1)S 2 2

Langkah 4:

Peraturan keputusan ialah menolak hipotesis nul jika nilai dikira adalah kurang daripada 7.26094 atau lebih besar daripada 24.9958. Langkah 5: Langkah 6: Data adalah diberikan di atas. Varian sampel ialah S2 = 28.1 Nilai khi-kuasadua yang dikira adalah

2 =
Langkah 7:

(16 - 1) (2.81) (n - 1)S 2 = 2 25

= 16.86

Nilai khi-kuasadua yang dikira adalah didalam kawasan 2 0.95 = 7.26094 bukan penolakan disebabkan <
2 2 dikira = 16.68 < 0.05 = 24.9958 . Syarikat gagal untuk

menolak hipotesis nul. Varian populasi kerja lebih masa seminggu adalah 25.

35

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Langkah 8:

Keputusan ini menunjukkan kepada pengurus syarikat bahawa varian kerja lebih masa mingguan adalah sama seperti apa yang dijangkakannya.

9.6

Menyelesaikan Ralat Jenis II

Jika penyelidik mencapai kesimpulan statistik tidak menolak hipotesis nul, ia telah membuat sama ada keputusan yang betul atau ralat Jenis II. Jika hipotesis nul adalah benar, penyelidik telah membuat keputusan yang betul. Jika hipotesis nul salah, ralat Jenis II telah dilakukan. Didalam perniagaan, kegagalan untuk menolak hipotesis nul mungkin bermakna kekal dalam keadaan sedia ada, atau melaksanakan proses baru, atau tidak melakukan penyelarasan. Jika proses, keluaran, teori atau penyelarasan baru kebaikkannya tidak signifikan dengan amalan baru yang diterima, pembuat keputusan telah membuat keputusan yang betul. Walau bagaimanapun, jika proses, keluaran, teori atau penyelarasan baru secara signifikan telah memperbaiki jualan, perniagaan, persekitaran, kos atau moral, pembuat keputusan telah membuat ralat didalam penilaian (Jenis II). Didalam perniagaan, ralat Jenis II boleh diterjemahkan kepada kehilangan peluang, kualiti keluaran yang rendah, atau kegagalan untuk bertindakbalas terhadap pasaran. Kadang kala kebolehan untuk bertindak balas terhadap perubahan, pembangunan baru, atau peluang baru merupakan faktor yang membuatkan perniagaan bergerak dan berkembang. Ralat Jenis II adalah memainkan peranan penting didalam statistik membuat keputusan perniagaan. Menentukan kebarangkalian melakukan ralat Jenis II adalah lebih rumit berbanding mencari kebarangkalian melakukan ralat Jenis I. Kebarangkalian melakukan ralat Jenis I sama ada diberi didalam masalah atau dinyatakan oleh penyelidik sebelum meneruskan dengan kajian. Ralat Jenis II, , berbeza dengan kemungkinan nilai parameter alternatif. Sebagai contoh, katakan penyelidik didalam melakukan ujian statistik ke atas hipotesis berikut: H0: = 12 liter Ha: < 12 liter Ralat Jenis II boleh dilakukan hanya apabila penyelidik gagal untuk menolak hipotesis nul dan hipotesis nul tersebut adalah salah. Didalam hipotesis ini, jika hipotesis nul, = 12 liter, adalah tidak benar, apakah nilai sebenar bagi min populasi? Adakah min 11.99 atau 11.90 atau 11.5 atau 10 liter? Bagi setiap kemungkinan nilai tersebut, penyelidik boleh mengira kebarangkalian melakukan ralat Jenis II. Biasanya, apabila hipotesis nul

36

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

adalah salah, nilai min alternatif tidak diketahui, oleh itu penyelidik akan mengira kebarangkalian melakukan ralat Jenis II untuk beberapa nilai yang mungkin. Bagaimanakah kebarangkalian melakukan ralat Jenis II boleh dikira untuk nilai min alternatif tertentu? Katakan, didalam menguji hipotesis di atas, sampel 600 botol minuman ringan menghasilkan min sampel 11.985 liter dengan sisihan piawai 0.10 liter. Dari = 0.05 dan ujian satu hujung, jadual Z0.05 ialah 1.645. Nilai Z yang dikira dari sampel data ialah

Z=

11.985 - 12.000 = - 1.16 0.10 60

Dari nilai Z yang dikira penyelidik tidak dapat menolak hipotesis nul. Dengan tidak menolak hipotesis nul, penyelidik sama ada membuat keputusan yang betul atau melakukan ralat Jenis II. Apakah kebarangkalian melakukan ralat Jenis II didalam masalah ini jika min populasi sebenarnya ialah 11.99? Langkah pertama didalam menentukan kebarangkalian ralat Jenis II ialah mengira nilai kritikal bagi sampel min, X , keatas skala skor mentah. Didalam menguji hipotesis nul menggunakan kaedah nilai kritikal, nilai ini digunakan sabagai sempadan kawasan bukan penolakan. Bagi sebarang sampel min yang diperolehi dimana kurang daripada X c , menyebabkan penyelidik gagal untuk menolak hipotesis nul. Menyelesaikan nilai kritikal bagi min yang diberi

Zc =

Xc - S n

- 1.645 =

X c - 12 0.10 60 X c = 11.979

37

Pengenalan kepada Statistik Ekonomi dan Perniagaan

Rajah 9.19(a) menunjukkan taburan nilai apabila hipotesis nul adalah benar. Ia mengandungi nilai kritikal min, X c = 11.979 liter, dimana hipotesis nul akan ditolak. Rajah 9.19(b) pula menunjukkan taburan apabila min alternatif, 1 = 11.99 liter adalah benar. Berapa kerapkah penyelidik gagal untuk menolak taburan atas sebagai betul apabila, secara realitinya, taburan bawah adalah benar? Jika hipotesis nul adalah salah, penyelidik adalah gagal untuk menolak hipotesis nul walaupun X adalah didalam kawasan bukan penolakan, X c 11.979 liter. Jika sebenarnya sama dengan 11.99 liter, apakah kebarangkalian gagal untuk menolak = 12 liter apabila 11.979 liter adalah nilai kritikal? Penyelidik mengira kebarangkalian ini dengan mengembangkan nilai kritikal ( X c = 1.979 liter) daripada taburan (a) kepada taburan (b) dan menyelesaikan keluasan kearah kanan X c =11.979.

Z1 =

X c - 1 11.979 - 11.990 = S 0.10 n 60

= - 0.85

Rajah 9.19 Ralat Jenis II Contoh Minuman Ringan dengan Min Alternatif = 11.99 liter
(a) Taburan Persampelan di bawah H0: =12 Nilai Kritikal Bukan Kawasan Penolakan -1.645 0.0 11.979
(b) Taburan Persampelan di bawah Ha: =11.99 Z0

=0.05

11.99 12.00 =0.8023

0.3023 0.5000 -0.85 0.0 Z1

38

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Nilai Z ini menghasilkan keluasan 0.3023. Kebarangkalian melakukan ralat Jenis II adalah semua kawasan disebelah kanan X c = 11.979 didalam taburan (b), atau 0.3023 + 0.5000 = 0.8023. Oleh itu terdapat 80.23% peluang melakukan ralat Jenis II jika min alternatif ialah 11.99 liter.

Contoh 9.5
Kirakan semula kebarangkalian melakukan ralat Jenis II bagi contoh minuman ringan jika min alternatif adalah 11.96 liter. Penyelesaian Semua didalam taburan (a) Rajah 9.19 masih lagi sama. Min hipotesis nul masih 12 liter, nilai kritikal masih lagi 11.979, dan n = 60. Walau bagaimanapun, taburan (b) Rajah 9.19 berubah dengan 1 = 11.96 liter, sebagaimana yang ditunjukkan oleh rajah tersebut. Formula Z digunakan untuk menyelesaikan keluasan taburan (b), 1 = 11.96, kearah kanan 11.979 ialah

Z1 =

X c - 1 11.979 - 11.960 = S 0.10 n 60

= 1.47

Dari Jadual A.5 hanya 0.0708 daripada kawasan adalah kearah kanan nilai kritikal. Oleh itu kebarangkalian melakukan ralat Jenis II hanyalah 0.0708, sebagaimana yang ditunjukkan oleh rajah berikut.

39

Pengenalan kepada Statistik Ekonomi dan Perniagaan

(a) Taburan Persampelan Di bawah H0: =12

Nilai Kritikal =0.05

Bukan Kawasan Penolakan Z0 -1.645 0.0 12.00 11.96 11.979

(b) Taburan Persampelan Di bawah Ha: =11.96

=0.0708

Z1 0 1.47

Contoh 9.6
Katakan anda melakukan hipotesis dua hujung ujian perkadaran. Hipotesis nul adalah perkadaran populasi ialah 0.40. Hipotesis alternatif ialah perkadaran populasi bukan 0.40. Sampel rawak 250 menghasilkan perkadaran sampel 0.44. Dengan alpha sama dengan 0.05, nilai jadual Z bagi 2 ialah 1.96. Z yang dikira dari maklumat sampel ialah

Z =

p-P P.Q n

0.44 - 0.40 = 1.29 0.031

40

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

Oleh itu, hipotesis nul tidak dapat ditolak. Sama ada keputusan yang betul telah dibuat atau ralat Jenis II telah dilakukan. Katakan perkadaran populasi alternatif sebenarnya ialah 0.36. Apakah kebarangkalian melakukan ralat Jenis II? Penyelesaian Selesaikan untuk nilai kritikal perkadaran

Zc =

pc - P P.Q n p c - 0.40

1.96 =

(0.40)(0.60) 250 c = 0.40 0.06 p

Nilai kritikal adalah 0.34 dibahagian kiri hujung dan 0.46 dibahagian kanan taburan. Perkadaran populasi alternatif ialah 0.36. Gambarajah di bawah menggambarkan keputusan ini dan ingatkan penyelesaian kepada masalah ini.

Menyelesaikan untuk kawasan di antara p c = 0.34 dan P1 = 0.36 menghasilkan Z1 = 0.34 - 0.36 (0.36)(0.64) 250 = - 0.66

Kawasan yang berkaitan dengan Z1 = -0.66 ialah 0.2454. Keluasan di antara 0.36 dan 0.46 bagi taburan sampel di bawah H a: P = 0.36 (geraf (b)) boleh diselesaikan dengan nilai Z yang berikut

Z =

0.46 - 0.36 (0.36)(0.64) 250

= 3.29

41

Pengenalan kepada Statistik Ekonomi dan Perniagaan

(b) Taburan persampelan di bawah H0: = 0.40

Nilai kritikal

Nilai kritikal

=0.025

=0.025

Bukan Kawasan Penolakan -1.96 0.0 0.34 0.36 0.40 +1.96 0.46 Z0

(a) Taburan persampelan di bawah H0: = 0.40

=0.7449

0.2454 0.4995

-0.66 0.00

Z1

Keluasan dari Jadual A.5 berkaitan dengan Z = 3.29 ialah 0.4995. Menggabungkan nilai ini dengan 0.2454 menghasilkan dari bahagian kiri taburan didalam geraf (b) menghasilkan jumlah kebarangkalian melakukan ralat jenis II: 0.2454 + 0.4995 = 0.7449. Dengan ujuan dua hujung, kawasan penolakan adalah dikedua-dua hujung taburan. Keluasan di antara dua hujung adalah bukan kawasan penolakan dan kawasan dimana ralat Jenis II terjadi. Jika hipotesis alternatif adalah benar, keluasan taburan sampel di bawah Ha di antara lokasi dimana nilai kritikal dari H0 terletak adalah . Secara teori, kedua-dua hujung taburan sampel di bawah Ha adalah kawasan bukan-. Walau bagaimanapun, didalam masalah ini, nilai kritikal kanan adalah jauh daripada perkadaran alternatif (P 1 = 0.36), iaitu keluasan di antara nilai kritikal kanan dan perkadaran alternatif adalah hampir dengan 0.5000 (0.4995) dan tiada keluasan dibahagian kanan sekali taburan (0.0005).

42

Statistik Pentaabiran: Ujian Hipotesis untuk Populasi Tunggal

9.6.1

Beberapa Pemerhatian berkaitan Ralat Jenis II

Ralat Jenis II dilakukan hanya apabila penyelidik gagal untuk menolak hipotesis nul tetapi hipotesis alternatif adalah benar. Jika min atau perkadaran alternatif adalah hampir dengan nilai hipotesis, kebarangkalian melakukan ralat Jenis II adalah tinggi. Jika nilai alternatif adalah jauh daripada nilai hipotesis, sebagaimana didalam masalah dengan = 12 liter dan a = 11.96 liter, kebarangkalian melakukan ralat Jenis II adalah kecil. Implikasinya ialah apabila nilai yang hendak diuji sebagai hiopotesis nul menawan hipotesis alternatif benar iaitu relatifnya jauh, sampel statistik nyata menunjukkan mana hipotesis yang betul. Sebagai contoh, katakan penyelidik menguji untuk mennetukan sama ada syarikat sebenarnya mengisi botol 2 liter jus dengan purata 2 liter. Jika syarikat memutuskan untuk mengisi kurang dengan mengisi hanya 1 liter dari 50 botol maka kelihatannya purata kuantiti hampir 1 liter berbanding hampir 2 liter. Melakukan ralat Jenis II tidak diingini. Walau pelanggan mungin boleh dengan melihat dirak pameran ia diisi kurang. Walau bagaimanapun, jika syarikat mengisi botol 2 liter dengan 1.99 liter jus, botol tersebut adalah hampir diisi hampir 2 liter. Didalam kes ini, kebarangkalian melakukan ralat Jenis II adalah lebih besar. Pelanggan kemungkinannya tidak perasan botol tersebut diisi dengan 2 liter jus dengan hanya melihatnya. Secara amnya, jika nilai alternatif adalah relatif jauh daripada nilai hipotesis, kebarangkalian melakukan ralat Jenis II adalah kecil berbanding apabila nilai alternatif hampir dengan nilai alternatif. Kebarangkalian melakukan ralat Jenis II berkurangan apabila nilai parameter alternatif jauh daripada nilai hipotesis. Situasi ini ditunjukkan didalam keluk ciri-operasi dan keluk kuasa.

43