8-1 Review and Preview

Di dalam bab sebelumnya kita udah bahas salah satu aktivitas inferential statistics, di
bab ini kita bahas aktivitas lainnya, yaitu menguji hipotesis tentang parameter
populasi. Parameter populasi itu bisa berupa p, µ, atau σ. Pengujian ini disebut
hypothesis test. Hypothesis itu sendiri adalah klaim atau pernyataan mengenai
properti dari populasi
8-2 Basics of Hypothesis Testing
Di bagian ini, kita ngebahas komponen umum dalam uji hipotesis formal.
Part 1 : The Basics of Hypothesis Testing

Rare Event Rule for Inferential Statistics

Jika, dalam suatu asumsi, probabilitas terjadinya suatu kejadian

sangat kecil, maka dapat diambil kesimpulan bahwa
kemungkinan asumsi tersebut tidak tepat.

Step 1 : Identify the specific claim or hypothesis to be tested, and put in symbolic form.
Step 2 : Give the symbolic form that must be true when the original claim is false.
Step 3 : Of the two symbolic expressions obtained so far, let the alternative hypothesis
H1 be the one not containing equality, so that H1 uses the symbol > or < or ≠. Let the
null hypothesis H0 be the symbolic expression that the parameter equals the fixed
value being considered.
Di 3 step pertama ini, kita nentuin klaim yang mau kita uji. Setelah ditentukan, buat
dalam bentuk pernyataan angka/simbolisnya. Setelah itu kita buat keadaan dimana
klaim itu salah dalam bentuk pernyataan angka/simbolis juga. Sekarang kita udah
dapet 2 pernyataan, ubah pernyataan yang persamaan jadi H0, dan yang
pertidaksamaan jadi H1
Apasih H0 itu? H0/Null Hypothesis adalah pernyataan bahwa nilai dari parameter
populasi (bisa proporsi, rata-rata, atau standar deviasi) SAMA DENGAN nilai yang di
klaim. Kita nguji H0 secara langsung (directly) dan menghasilkan penolakan atas H0,
atau gagal menolak H0.
Sedangkan H1/Alternative Hypothesis adalah pernyataan bahwa parameter populasi
mempunyai nilai yang berbeda dengan null hypothesis.
Klaim bisa berupa H0, H1, atau bahkan tidak keduanya. Jika kita mau menggunakan
uji hipotesis untuk mendukung klaim kita, kita menggunakan H1 sebagai pernyataan
atas klaim kita (karena kita tidak bisa mendukung klaim yang sama dengan nilai
tertentu).
Contoh :
Ada klaim yang menyatakan rata-rata tinggi manusia dalam suatu pesawat paling
tinggi 175.
Step 1 : µ ≤ 175
Step 2 : Jika µ ≤ 175 salah, maka µ > 175 benar.
Step 3: Dari dua pernyataan tersebut, yang tidak mengandung = (sama dengan)
pernyataan dua (µ > 175), maka pernyataan dua menjadi alternative hypothesis (H 1 :
µ > 175). Null hypothesis harus berupa suatu nilai, jadi bisa dibilang H0 : µ = 175 (dari
pernyataan pertama). Bisa diliat disini klaim nggak menjadi H 1 ataupun H0, tetapi kita
bisa menguji klaim dari sini.
Step 4 : Select the signifance level α based on the seriousness of a type 1 error.
Make α small if the consequences of rejecting a true H0 are severe. The value of 0,005
and 0,01 are very common.
Disini kita nentuin α sama seperti di bab sebelumnya. Significance level α adalah
kemungkinan kita salah dalam menolak null hypothesis yang seharusnya benar (tidak
ditolak).
Step 5 : Identify the Statistic Relevant to the Test and Determine Its Sampling
Distribution (such as normal,t, or X2)
Ini menguji klaimnya asesuai dengan syarat atau engga, hubungannya sama bab
sebelumnya. Misal dia populasi harus memenuhi syarat np ≥ 5 dan nq ≥ 5, kalau dia
mean, jika σ gak diketahui ataupun engga, normally distributed population atau n>30,
kalau dia standard deviation atau variance, harus normally distributed population.
Step 6 : Find the Value of the Test Statistic, Then Find Either the P-Value or the
Critical Value(s)
Di sini kita nyari nilai test statistic. Test Statistic adalah nilai yang digunakan untuk
keputusan (ditolak atau tidak) mengenai null hypothesis. Test Statistic bisa dicari
dengan mengubah sample statistic (semacam proporsi, mean, standar deviasi, atau
varians) ke suatu skor dengan asumsi null hypothesis benar.

*Untuk rata-rata, z jika σ diketahui, t jika σ

gak diketahui
Contoh :
Dari 14 orang mahasiswa, 13 orang merasa semakin tepat dalam memilih jawaban
PG di UAS saat belajar dengan benar.
Dapat dikatakan, peluang awal menjawab benar adalah 0,5. Jika seseorang semakin
tepat menjawab, dapat dikatakan peluang orang tersebut menjawab benar >0,5.
Dengan demikian dapat dikatakan H0 : p=0,5 dan H1: p>0,5.
Proporsi sampel adalah p̂ = 13./14 = 0,929. Dengan menggunakan p̂ = 0,929, p = 0,5,
dan n = 14, didapatkan :

Misal dengan significance level α = 0,05, dia berada disebelah kanan critical value,
atau berada di dalam critical region. Critical region (rejection region) adalah area
dimana null hypothesis ditolak.

Metode Alternatif :
P-Value adalah probabilitas mendapatkan nilai dari test statistic yang paling tidak se-
ekstrim data yang merepresentasikan sampel data, dengan asumsi null hypothesis
benar.
Dengan menggunakan contoh yang sama, kita tau kalo z = 3,21. Jika H0 : p = 0,5,
keadaan salahnya adalah p ≠ 0,5 dan dapat dikatakan two tailed (karena bisa diatas
0,5 atau dibawah 0,5). Dengan z = 3,21 kita dapat P-Value nya 0,0007. Karena dia
two tailed disebelah kanan, maka P-Valuenya jadi 0,0014. Dengan demikian, dapat
dikatakan untuk mendapatkan p = 0,5 sangat sulit didapat, karena masih di bawah
significance level. Hasil tersebut juga menyatakan kemungkinan mendapatkan hasil
dengan p selain 0,5 lebih besar kemungkinan terjadinya dibandingkan p = 0,5
Types of Hypothesis Tests : Two-tailed, Left-tailed, Right-tailed

Step 7 : Make a Decision : Reject H0 or Fail to Reject H0

Dua cara sebelumnya, critical value atau p-value, digunakan untuk menguji H0 dan
hasil-nya antara :
1. Menolak null hypothesis (Jika menggunakan critical value, z berada di critical
region. Jika menggunakan p-value, p-valuenya ≤ α)
2. Gagal menolak null hypothesis (Jika menggunakan critical value, z tidak berada
di critical region. Jika menggunakan p-value, p-valuenya > α)
Setelah itu kita dapat mengambil kesimpulan :

Step 8 : Restate the Decision Using Simple and Nontechnical Terms

Kesimpulannya dituangkan lagi dalam kata-kata yang lebih umum (tidak berupa
pernyataan matematis menggunakan symbol/angka)

Errors in Hypothesis Tests

Ada 2 macam error dalam uji hipotesis, yaitu :
1. Type I Error : Kesalahan karena menolak null hypothesis, padahal null
hypothesisnya benar. Dilambangkan oleh α.
2. Type II Error : Kebalikan error tipe I, kesalahan karena tidak menolak null
hypothesis, padahal null hypothesisnya salah. Dilambangkan oleh β
Materi selanjutnya adalah praktik dari bagian ini, seperti menguji klaim hipotesis
proporsi, mean, standar deviasi, dan varians. Kemungkinan menyusul minggu depan,
atau nda sama sekali (p=0,5).