SHIFT SSCX Uji hipotesa

Pengujian hipotesis merupakan prosedur penting dalam statistik. Sebuah tes hipotesis dilakukan dengan mengevaluasi dua pernyataan paling penting tentang populasi untuk menentukan pernyataan terbaik yang di dukung oleh data sampel.

Bagaimana sebuah uji hipotesis benar-benar bekerja dan apakah maksud dari statistik yang signifikan?

Dalam artikel kali ini, Minitab akan membantu Anda secara intuitif memahami bagaimana uji hipotesis bekerja dengan berfokus pada konsep dan grafik dibanding dengan persamaan dan angka. Anda juga bisa memanfaatkan software statstik seperti Minitab agar tidak terjebak dalam perhitungan sehingga Anda dapat fokus pada pemahaman hasil dari uji hipotesis Anda.

Skenario:

Seorang ekonom ingin mengetahui apakah biaya energi bulanan untuk keluarganyamengalami perubahan dari satu tahun sebelumnya. Dengan biaya rata-rata perbulan sebesar $260 dolar. Ekonom secara acak mengambil 25 sampel keluarga dan mencatat biaya energi yang mereka gunakan selama tahun berjalan.

SHIFT SSCX Minitab uji hipotesa

Data ini merupakan data statistik deskriptif untuk membuat plot distribusi probabilitas yang akan menunjukkan pentingnya uji hipotesis.

Kebutuhan Uji Hipotesis

Mengapa kita perlu melakukan uji hipotesis? Setelah semua sampel diambil secara acak dan ternyata hasil rata-ratanya menunjukkan perbedaan,hal ini disebut sampling error karena adanya perbedaan antara sampel yang diambil dengan seluruh populasi. Karena kesalahan sampling ini, sangat mungkin bahwa hasil rata-rata sementara adalah 330,6 sedangkan rata-rata populasi adalah 260. Atau, dengan kata lain, jika kita mengulangi percobaan, kemungkinan sampel kedua bisa mendekati 260. Itulah mengapa uji hipotesis perlu dilakukan. Sebuah uji hipotesis dapat membantu menilai semua kemungkinan yang ada.

Menggunakan Distribusi Sampling

Untuk setiap sampel acak yang diberikan, arti yang muncul dari sampel acak ini hampir pasti tidak akan sama dengan populasi aslinya. Sebagai contoh, nilai rata-rata untuk seluruh populasi tidak akan mungkin persis 330,6. Justru, jika Anda mengambil beberapa sampel acak dengan ukuran yang sama, Anda dapat melakukan plot distribusi.

Baca juga  Solusi Terbaik Dihasilkan dari 2 Langkah Ini

Distribusi sampling adalah distribusi statistik, seperti sampel meanyang diperoleh berulang kali dari beberapa sampel populasi tertentu. Distribusi ini memungkinkan Anda untuk menentukan kemungkinan untuk memperoleh statistik sampel.

Untungnya,  Anda dapat membuat plot sampel meantanpa mengumpulkan banyak sampel acak yang berbeda. Anda dapat membuat plot distribusi probabilitas menggunakan t-distribution, ukuran sampel, dan variabilitas dalam sampel untuk grafik distribusi sampling.

Tujuannya adalah untuk menentukan apakah sampel meansecara signifikan berbeda dari hipotesis nol. Oleh karena itu, Anda perlu menggunakan grafik untuk melihat apakah rata-rata sampel 330,6 yang tidak mungkin dengan asumsi bahwa populasinya adalah 260. Grafik di bawah ini menunjukkan distribusi yang diharapkan dari mean sampel.

SHIFT SSCX Minitab grafik

Anda dapat melihat bahwa sampel meanyang paling mungkin adalah 260, karena grafik di atas menganggap bahwa hipotesis nol benar. Namun, ada kemungkinan wajar memperoleh rata-rata sampel yang berkisar 167-352, dan bahkan lebih!

Peran Uji Hipotesis

Uji hipotesis ini dilakukan dengan menempatkan semua sampel mean dengan asumsi bahwa hipotesis nol benar. Lalu, apakah secara statistik hasil ini cukup signifikan?

Seperti yang Anda lihat, tidak ada tempat spesial pada kurva distribusi untuk membuat penentuan ini. Sebaliknya, grafik di atas menunjukkan bahwa ada penurunan terus-menerus dalam probabilitas memperoleh sampel mean yang jauh dari nilai hipotesis nol.Di sinilah tes hipotesis berguna. Sebuah tes hipotesis memungkinkan kita menghitung probabilitas bahwa rata-rata sampel tidak biasa.***

Jika anda memiliki pertanyaan mengenai Minitab, silahkan hubungi kami: craharta@minitab.com.au