Kí ni Àbájáde Null àti Alternative
Nínú àwọn ìṣirò àti ọ̀nà ìwádìí, àwọn ọ̀rọ̀ náà null hypothesis (H0) àti alternative hypothesis (H1 tàbí Ha) jẹ́ àwọn èrò ìpìlẹ̀ méjì tí ó sábà máa ń dìde nígbà tí àwọn olùwádìí bá fẹ́ dán àbá kan wò nípa lílo dátà. Wọ́n jẹ́ ìpìlẹ̀ ìdánwò àbá, ìlànà kan fún pípinnu bóyá ẹ̀rí láti inú àpẹẹrẹ kan lágbára tó láti ṣe àtìlẹ́yìn fún ẹ̀tọ́ nípa àwùjọ kan. Bó tilẹ̀ jẹ́ pé ó lè dún bí ẹni pé ó jẹ́ ti ìmọ̀ ẹ̀rọ, èrò ìpìlẹ̀ náà rọrùn ní tòótọ́: a máa ń ṣe gbólóhùn méjì tí ó tako ara wọn, lẹ́yìn náà a máa ń lo dátà láti pinnu èyí tí ó ṣeé ṣe jù.
Lílóye àbá nínú ìwádìí
Ni gbogbogbo, àbájáde jẹ́ àbájáde tàbí gbólóhùn àyẹ̀wò tí a lè dán wò fún òtítọ́. Nínú ìwádìí oníṣirò, àwọn àbájáde sábà máa ń wà ní ìrísí ìbáṣepọ̀ láàrín àwọn oníyípadà tàbí ìyàtọ̀ láàrín àwọn ẹgbẹ́. Fún àpẹẹrẹ: "Ọ̀nà ìkẹ́kọ̀ọ́ A múná dóko ju ọ̀nà ìkẹ́kọ̀ọ́ B lọ" tàbí "Ìbáṣepọ̀ wà láàrín àkókò oorun àti ìwọ̀n ìfọkànsí."
Ṣùgbọ́n, nígbà tí a bá mú àwọn àbá wọ̀nyí wá sí agbègbè ìṣàyẹ̀wò ìṣirò, a sábà máa ń pín wọn sí méjì: àbá àìlágbára àti àbá mìíràn.
Kí ni àbájáde àìlágbára (H0)?
Àbájáde àìlágbára (H0) jẹ́ gbólóhùn kan tí ó sábà máa ń sọ pé kò sí ìyàtọ̀, kò sí ipa kankan, tàbí kò sí ìbáṣepọ̀. A sábà máa ń ka H0 sí ipò “àìyípadà” tàbí “ipò ìdúró”. Nínú àwọn ìdánwò ìṣirò, àwọn olùwádìí sábà máa ń bẹ̀rẹ̀ pẹ̀lú èrò pé H0 jẹ́ òótọ́, lẹ́yìn náà wọ́n á wá ẹ̀rí láti inú ìwádìí láti kọ̀ ọ́ sílẹ̀.
Àwọn ànímọ́ gbogbogbò ti àbájáde asan:
1. Sísọ pé kò sí ipa kankan tàbí kò sí ìyàtọ̀.
2. Di itọkasi akọkọ ninu idanwo.
3. A kọ̀ ọ́ tàbí a kò kọ̀ ọ́ nítorí àbájáde àwọn ìdánwò ìṣirò.
Àpẹẹrẹ àbájáde òfo:
– “Kò sí ìyàtọ̀ nínú àwọn ìpele àròpín láàárín àwọn kíláàsì tí wọ́n ń lo ọ̀nà A àti ọ̀nà B.”
– “Kò sí ìbáṣepọ̀ láàárín iye wákàtí ìkẹ́kọ̀ọ́ àti àmì ìdánwò.”
– “Gíga apapọ awọn akẹkọọ jẹ 165 cm.”
Nínú àkọsílẹ̀ ìṣirò, àbá òfo sábà máa ń ní àmì = kan, fún àpẹẹrẹ μ = 165 tàbí p = 0,5. Àmì tó dọ́gba náà ṣe pàtàkì nítorí pé H0 sábà máa ń sọ pé ìpíndọ́gba iye ènìyàn wà ní iye kan pàtó.
Kí ni àbá èrò mìíràn (H1/Ha)?
Àbá èrò mìíràn (H1 tàbí Ha) jẹ́ gbólóhùn kan tí ó tako àbá èrò òfo. H1 sọ pé ìyàtọ̀ kan wà, ipa kan, tàbí ìbátan kan. Tí a bá kọ̀ H0, olùwádìí náà yóò gba ìtìlẹ́yìn fún H1 (bó tilẹ̀ jẹ́ pé ní ti ìmọ̀ ẹ̀rọ, èyí jẹ́ kíkọ̀ H0, kì í ṣe “fíhàn” H1 ní kedere).
Àwọn ànímọ́ gbogbogbò ti àwọn àbá mìíràn:
1. Láti sọ wíwà ipa kan, ìyàtọ̀, tàbí ìbáṣepọ̀ kan.
2. Di ibi-afẹde akọkọ ti awọn oluwadi fẹ lati ṣe atilẹyin.
3. A gba a taara nigbati a ko ba kọ H0.
Àwọn àpẹẹrẹ àwọn àbá mìíràn:
– “Iyatọ wa ninu iye apapọ laarin ọna kilasi A ati ọna B.”
– “Ìbáṣepọ̀ wà láàárín iye wákàtí ìkẹ́kọ̀ọ́ àti àmì ìdánwò.”
– “Gíga apapọ awọn akẹkọọ ko dọgba si 165 cm.”
Dalam notasi, H1 sering menggunakan tanda ≠, >, atau < tergantung jenis pengujiannya.
Hubungan H0 dan H1: sepasang pernyataan yang saling meniadakan
H0 dan H1 haruslah mutually exclusive , artinya keduanya tidak mungkin benar secara bersamaan. Jika H0 menyatakan “tidak ada perbedaan”, maka H1 menyatakan “ada perbedaan.” Pasangan ini sengaja dibuat agar peneliti dapat mengambil keputusan yang jelas berdasarkan data.
Misalnya jika penelitian ingin mengetahui apakah sebuah obat baru menurunkan tekanan darah:
- H0: Obat baru tidak menurunkan tekanan darah (atau penurunannya sama dengan obat lama).
- H1: Obat baru menurunkan tekanan darah (lebih efektif).
Dengan data dari eksperimen, peneliti melakukan uji statistik untuk melihat apakah bukti cukup kuat untuk menolak H0.
Jenis hipotesis alternatif: satu arah dan dua arah
Hipotesis alternatif dapat berbentuk dua arah (two-tailed) atau satu arah (one-tailed) .
1. Uji dua arah
- H1 menyatakan “berbeda” tanpa menentukan lebih besar atau lebih kecil.
- Contoh:
- H0: μ = 165
- H1: μ ≠ 165
Uji ini digunakan jika peneliti hanya ingin mengetahui apakah ada perbedaan, tanpa arah spesifik.
2. Uji satu arah
- H1 menyatakan arah perbedaan: lebih besar atau lebih kecil.
- Contoh:
- H0: μ ≤ 165
- H1: μ > 165
tabi
– H0: μ ≥ 165
– H1: μ < 165
Uji ini digunakan jika peneliti sudah memiliki dugaan arah berdasarkan teori atau studi sebelumnya.
Pemilihan uji satu arah atau dua arah penting karena memengaruhi cara menentukan wilayah penolakan dan interpretasi hasil.
Bagaimana cara mengambil keputusan: tolak atau gagal menolak H0
Dalam uji hipotesis, keputusan yang biasa diambil adalah:
- Menolak H0 : data memberikan bukti cukup kuat untuk menyatakan hasil tidak sesuai dengan H0.
- Gagal menolak H0 : data tidak cukup kuat untuk menolak H0 (bukan berarti H0 terbukti benar).
Istilah “gagal menolak” digunakan karena penelitian berbasis sampel selalu memiliki ketidakpastian. Kita jarang bisa “membuktikan” sesuatu dengan kepastian absolut; yang bisa dilakukan adalah menilai seberapa kuat bukti yang tersedia.
Salah satu alat bantu keputusan yang populer adalah p-value :
- Jika p-value < α (misalnya α = 0,05), maka H0 ditolak.
- Jika p-value ≥ α, maka H0 gagal ditolak.
Di sini α adalah tingkat signifikansi , batas toleransi peneliti terhadap kemungkinan membuat kesalahan saat menolak H0.
Kesalahan dalam uji hipotesis: Tipe I dan Tipe II
Karena keputusan statistik tidak selalu benar, ada dua jenis kesalahan yang dikenal:
1. Kesalahan Tipe I (α)
- Menolak H0 padahal H0 benar.
- Contoh: menyimpulkan obat efektif padahal sebenarnya tidak.
2. Kesalahan Tipe II (β)
- Gagal menolak H0 padahal H0 salah.
- Contoh: menyimpulkan obat tidak efektif padahal sebenarnya efektif.
Peneliti biasanya mengontrol risiko Kesalahan Tipe I melalui α (misalnya 0,05). Sementara itu, risiko Kesalahan Tipe II berkaitan dengan power penelitian, ukuran sampel, dan variabilitas data.
Contoh sederhana dalam kehidupan sehari-hari
Bayangkan Anda ingin menguji apakah sebuah tim produksi meningkatkan kualitas setelah mengganti mesin.
- H0: Pergantian mesin tidak meningkatkan kualitas rata-rata produk.
- H1: Pergantian mesin meningkatkan kualitas rata-rata produk.
Anda mengumpulkan data cacat produksi sebelum dan sesudah pergantian mesin. Jika hasil analisis menunjukkan perbedaan signifikan (misalnya cacat turun dan p-value < 0,05), Anda menolak H0 dan mendukung bahwa mesin baru memang membantu.
Penutup
Hipotesis nol dan hipotesis alternatif adalah jantung dari uji hipotesis dalam statistika. Hipotesis nol (H0) biasanya menyatakan tidak ada efek atau perbedaan, sedangkan hipotesis alternatif (H1/Ha) menyatakan ada efek atau perbedaan. Dengan data, peneliti menguji apakah bukti cukup kuat untuk menolak H0. Memahami konsep ini membantu kita membaca hasil penelitian dengan lebih kritis, merancang eksperimen yang lebih baik, dan mengambil keputusan berdasarkan data secara lebih rasional.
Jika Anda ingin, saya bisa membantu membuat contoh hipotesis nol dan alternatif sesuai topik penelitian Anda (misalnya pendidikan, kesehatan, bisnis), lengkap dengan jenis uji statistik yang cocok.
