Christian Freddy Naa, M.Si., M.Sc.

Video ini membahas konsep nilai P, nilai alfa, dan hasil uji hipotesis. Penentuan mereject atau fail to reject H0 didasarkan pada hubungan antara nilai P dan nilai alfa. Nilai P dan alfa sama-sama penting dalam statistik, namun P bersifat observasional berdasarkan data sampel, sementara alfa memiliki nilai tetap. Penggunaan tabel Z sama untuk mencari nilai P dan alfa, kecuali untuk uji T yang memerlukan software atau kalkulator. Dalam menguji hipotesis, pemahaman relasi antara P dan alfa sangat penting untuk menentukan acceptance atau rejection region. Dengan mencari nilai P, pengujian hipotesis menjadi lebih mudah, terutama dalam menentukan rejection region berdasarkan nilai alfa yang diberikan.

Oke setelah kita belajar tentang nilai P ada nilai alfa juga kemudian bagaimana kita mereject dan juga fail to reject H0 berdasarkan nilai P dan nilai alfa

Nah sebelumnya kan sudah ada contoh soal ya kemudian diberikan kriteria bahwa jika P nya lebih kecil atau sama dengan alfa maka kita mereject H0

tapi kalau P nya lebih besar daripada alfa kita fail to reject H0

Nah ini bisa saja kita hafalkan ya tapi kalau kita mengerti bagaimana relasi antara P dan alfa

kemudian kenapa yang lebih kecil sama dengan itu mereject H0 dan yang lebih besar adalah fail to reject H0

maka kesimpulan ini akan secara otomatis kita peroleh

Jadi di satu sisi statistik itu ada rumus ada formulanya yang mungkin bisa kita hafalkan juga

tapi kalau kita mengerti konsepnya maka sebetulnya hafalan itu menjadi secara otomatis apalagi kalau kita sering sekali untuk mengerjakan soal

Nah kita mau lihat dulu mungkin ada yang masih bingung apa bedanya antara alfa dan P

dan saya punya diagram yang bisa menjelaskan, tentu saja lewat distribusi normal

walaupun dengan uji T pun dengan distribusi T atau student distribution itu juga bisa dengan kesimpulan yang sama

Jadi sebetulnya kalau kita memahami bahwa untuk mencari nilai P dan nilai alfa itu kan sama-sama menggunakan tabel Z yang sama

kecuali nanti kalau untuk uji T itu kita harus menggunakan software atau menggunakan kalkulator

Nah P dan alfa sebetulnya adalah sama-sama luas daerah di bawah kurva dari distribusi normal yang standar

dibatasi oleh nilai Z, hanya nilai Z ini adalah Z yang berbeda

Nah jadi P itu adalah berdasarkan data yang kita miliki atau data dari sampel yang kita miliki

sementara alfa itu sifatnya fix 0,05, 0,1, 0,02 dan sebagainya

Jadi P itu disebut sebagai observe sesuatu yang memang kita punya kita cari nilai P nya

Lalu kita juga sudah belajar bahwa alfa itu menentukan rejection region nya

entah itu ke kanan, entah itu ke kiri, entah itu keduanya

Nah mengapa P kurang dari sama dengan alfa kita reject H0?

Nah sekarang saya akan berikan dua kasus, memang kasus ini yang membuat saya mempermudah penjelasan

Yang sebelah kiri kasusnya adalah P yang lebih besar dari alfa dimana kita harus fail to reject H0

Sekarang kita lihat dari diagramnya, jika ini adalah distribusi normal katakanlah saya melakukan left tail test

ketika P nya lebih besar daripada alfa maka luas daerahnya yang P itu akan lebih besar daripada luas daerah yang alfa

dan P ini diperoleh dari data ingat begitu kita memperoleh nilai P kita belum mengambil kesimpulan reject atau fail to reject

sebelum kita diberikan informasi alfa karena alfanya bisa bergeser tergantung dari nilai alfanya berapa

Mari kita pelajari dulu kalau dia fail to reject dari H0

Kita lihat alfa luas daerahnya lebih kecil dibandingkan dengan yang P

dan ingat definisi dari P adalah seberapa mungkin probabilitas saya memperoleh data yang lebih ekstrim

yang lebih besar, kalau dalam hal ini mungkin lebih kecil karena ada di left tail

oleh karena itu P nya akan lebih besar daripada alfa

Nah kenapa fail to reject? ingat bahwa ini adalah rejection regionnya

maka sebetulnya ada kemungkinan bahwa sampel yang akan kita ambil selanjutnya itu berada pada acceptance region

oleh karena itu kalau dia lebih besar kita harus fail to reject H0 karena ada kemungkinan dia bisa ada di sini

oleh karena itu P lebih besar dari alfa kita fail to reject H0

Sekali lagi P berasal dari data pengamatan kita dan alfa itu adalah yang fix atau ditetapkan oleh fenomena terkait yang sedang kita pelajari

Sekarang kita lihat kalau dia lebih kecil atau sama dengan alfa

artinya nilai P ini akan luasnya akan lebih kecil dibandingkan dengan rejection regionnya

Jadi bayangkan kalau disini saja kita sudah mereject dari H0

maka bayangkan kalau saya punya nilai P yang juga ada di sebelah kanannya

dalam hal ini right tail test yang sama juga nanti kalau kanan kalau alfanya bergeser ke sebelah kiri

maka kita prolek bahwa luas daerahnya P nya saja itu sudah lebih kecil

artinya kemungkinan saya mendapatkan sampel yang lebih ekstrim dalam hal ini lebih besar

itu kan kearah kanan sementara dia sendiri sudah masuk dalam rejection ratio

oleh karena itu kita harus mereject H0 untuk P yang kurang dari sama dengan alfa

jadi dengan mencari nilai P itu sangat buat saya lebih mudah untuk menguji hipotesis

karena berapapun nilai alfa yang diberikan kita tinggal tes saja apakah dia kurang dari atau dia lebih dari

kurang dari sama dengan atau dia lebih dari

dan kalau membaca artikel-artikel ilmiah maka sebetulnya yang lebih banyak dicari adalah nilai P nya

karena alfanya bisa ditetapkan oleh siapapun tergantung dari ingat type 1 error

seberapa resikonya kita ketika kita mereject H0 padahal H0 nya bernilai benar

nah konsep ini bisa dikuasai tentu saja dengan latihan lama-lama juga seperti ini hafal

tapi saran saya begitu kita mengerti bagaimana relasi antara P dan alfa

yang sebetulnya adalah sama-sama luas daerah di bawah kurva

yang dibatasi oleh Z alfa yang fix dan juga Z data

lalu ingat lagi di beberapa video yang lalu kita sudah menentukan kalau alfanya 0,025

kita dapatkan Z nya yaitu minus positif 1,96

jadi sepanjang nanti kita akan memberikan

jadi sampai disini saya coba rengkum sedikit bahwa untuk menguji hipotesis

kita bandingkan nilai Z nya kita dengan alfa

oke kita dapatkan acceptance regionnya atau rejection regionnya

kita juga bisa gunakan uji T dengan syarat apakah variance atau standar deviation nya diketahui atau tidak

kemudian kita belajar juga dengan metode nilai P ini

manapun yang kita gunakan sebetulnya berkesimpulan hal yang sama

namun begitu kita menghitung nilai P kita jauh lebih punya data yang lebih komprehensif

given alfa berapapun kita bisa cek apakah kita harus reject atau fail to reject H0