Hypothesis Testing
-
Upload
haris-handy -
Category
Documents
-
view
1 -
download
0
description
Transcript of Hypothesis Testing
Hypothesis Testing
TOPR 102 – Statistic for Business
Haris Handy
0151152049/MMR-53A
Define a hypothesis
Hipotesis secara umum merupakan pernyataan atau dugaan terkait suatu peristiwa. Didalam statistik,
hipotesis adalah pernyataan atau dugaan terkait parameter yang menjelaskan populasi.
Hypothesis testing merupakan penggunaan statistik untuk menentukan peluang atau probabilitas sebuah
hipostesi adalah benar. Dalam hypothesis testing, untuk menentukan hasil dari hipotesis, dikenal dua
jenis hipotesis:
1. Null Hypothesis (H0)
Null Hypothesis merupakan pernyataan yang akan di uji. Null Hypothesis sering kali dikaitkan
dengan pernyataan “tidak ada perbedaan” atau “tidak ada pengaruh”. Null Hypothesis tidak bisa
di tolak (reject) kecuali terdapat sampel yang membuktikan bahwa pernyataan tersebut salah.
2. Alternate Hypothesis (Ha)
Alternate Hypothesis adalah pernyataan yang dapat diterima jika terdapat sampel yang
membuktikan bahwa pernyataan tersebut benar. Dalam suatu kondisi (misalnya penelitian)
sering kali Alternate Hypothesis adalah hipotesis/pernyataan yang ingin kita cari bukti
pendukungnya.
Contoh:
Seorang ahli syaraf ingin menguji apakah penggunaan obat bius dapat meningkatkan waktu respon
dengan menginjeksi 100 tikus dengan dosis yang sama dan kemudian mencatat waktu responnya. Ahli
syaraf tersebut sudah mengetahui bahwa rata-rata waktu respon tikus adalah 1.2 detik.
Hipotesis:
1. Null Hypothesis (H0) :
obat bius tersebut tidak berpengaruh terhadap waktu respon, atau μ≥1.2detik
Sering kali pernyataan tersebut dinyatakan sebagai: μ=1.2detik
Jadi, H 0 : μ≥1.2 , atau H 0 : μ=1.2
2. Alternate Hypothesis (Ha)
Obat bius tersebut berpengaruh terhadap waktu respon, atau μ<1.2detik
Jadi, H a : μ<1.2
Describe type I and II errors
Type I & II error dua jenis kesalahan yang dapat dilakukan ketika mengambil keputusan terkait menolak
atau tidak menolak Null Hypothesis (H0).
Type I error : jika Null Hypothesis (H0) ditolak, sementara Null Hypothesis (H0) benar,
Type I error : jika Null Hypothesis (H0) tidak ditolak, sementara Null Hypothesis (H0) salah.
Contoh:
Dari kasus hubungan obat bius terhadap waktu respon diatas,
Keputusan H 0 : μ≥1.2, Benar H 0 : μ≥1.2, Salah
Menolak H 0 : μ≥1.2 Type I error Keputusan benar
Tidak menolak H 0 : μ≥1.2 Keputusan benar Type II error
Conduct a test of hypothesis about a population proportion
Population proportion merupakan fraksi atau sebagian dari populasi yang memilik karakteristik tertentu.
Population proportion dilambangkan dengan simbol p. Persamaan dan asumsi berikut digunakan ketika
melakukan analisis hipotesis terkait population proportion:
Contoh:
Untuk melakukan penghematan biaya produksi, produsen Frisian Flag hendak mengubah kemasan susu
kental manis yang saat ini memiliki tutup (seperti tutup botol air minum kemasan, berukuran lebih kecil)
menjadi kemasan plastik tanpa tutup. Produsen akan mengganti kemasan jika fraksi dari populasi
konsumen yang akan berhenti membeli susu kental manis Frisian Flag ( p) lebih kecil dari 0.10. Untuk itu,
diambil sampel berupa 1000 konsumen yang dipilih secara random. Konsumen diberikan pertanyaan
apakah akan tetap membeli Frisian Flag atau berganti ke merk lain jika kemasan diganti. 63 konsumen
menjawab akan memilih merk lain. Produsen ingin membuktikan terlebih dahulu apakah fraksi populasi
konsumen yang akan berhenti membeli susu kental manis Frisian Flag ( p ), lebih kecil dari 0.10 pada level
signifikansi 0.01.
Null Hypothesis (H 0) :
fraksi konsumen yang akan berhenti membeli susu kental manis Frisian Flag lebih besar atau sama
dengan 0.10. (H 0 : p≥0.10atau H 0: p=0.10 ; p0=0.10)
Alternate Hypothesis (Hα ) :
fraksi konsumen yang akan berhenti membeli susu kental manis Frisian Flag lebih kecil dari 0.10.
(Hα : p<0.10)
n p0=1000 (0.1 )=100 dan n(1−p0)=1000 (1−0.1 )=900, kedua nilai ≥5
Fraksi konsumen (sampel) yang akan berhenti membeli p̂= 631000
=0.063.
Berdasarkan tabel z left tailed test,
zα=z0.01=−2.33, dan
z=p̂−p0
√ p0(1−p0)/n= 0.063−0.10
√0.10 (1−0.10)/1000=−3.90
Karena, z (−3.90 )<zα¿2.33) maka H 0 ditolak, mendukung H α (fraksi konsumen yang akan berhenti
membeli susu kental manis Frisian Flag < 0.10).
Referensi
https://www.khanacademy.org/math/probability/statistics-inferential/hypothesis-testing/
http://en.wikipedia.org/wiki/Statistical_hypothesis_testing
Bowerman, Bruce, et al. 2014. Business Statistic in Practice. McGraw-Hill. New York.
http://mathworld.wolfram.com/HypothesisTesting.html