Tipe I vs. Kesalahan Tipe II dalam Pengujian Hipotesis

Praktek statistik dari pengujian hipotesis tersebar luas tidak hanya dalam statistik tetapi juga di seluruh ilmu alam dan sosial. Ketika kita melakukan hipotesis menguji ada beberapa hal yang bisa salah. Ada dua jenis kesalahan, yang menurut desain tidak dapat dihindari, dan kita harus sadar bahwa kesalahan ini ada. Kesalahan diberi nama pejalan kaki tipe I dan tipe II yang cukup pejalan kaki. Apa itu kesalahan tipe I dan tipe II, dan bagaimana kita membedakannya? Secara singkat:

• Kesalahan tipe I terjadi ketika kami menolak true hipotesis nol
• Kesalahan tipe II terjadi ketika kita gagal menolak hipotesis nol palsu

Kami akan menjelajahi lebih banyak latar belakang di balik jenis kesalahan ini dengan tujuan memahami pernyataan ini.

Proses pengujian hipotesis tampaknya cukup bervariasi dengan banyak statistik uji. Tetapi proses umumnya sama. Pengujian hipotesis melibatkan pernyataan hipotesis nol dan pemilihan a tingkat signifikansi. Hipotesis nol adalah benar atau salah dan mewakili klaim default untuk perawatan atau prosedur. Misalnya, ketika memeriksa keefektifan suatu obat, hipotesis nolnya adalah bahwa obat itu tidak berpengaruh pada suatu penyakit.

Setelah merumuskan hipotesis nol dan memilih tingkat signifikansi, kami memperoleh data melalui observasi. Perhitungan statistik beri tahu kami apakah kami harus menolak hipotesis nol.

Dalam dunia ideal, kita akan selalu menolak hipotesis nol ketika itu salah, dan kami tidak akan menolak hipotesis nol ketika itu memang benar. Tetapi ada dua skenario lain yang mungkin, yang masing-masing akan menghasilkan kesalahan.

Jenis kesalahan pertama yang mungkin terjadi adalah penolakan terhadap hipotesis nol yang sebenarnya benar. Jenis kesalahan ini disebut kesalahan tipe I dan kadang-kadang disebut kesalahan jenis pertama.

Kesalahan tipe I setara dengan false positive. Mari kita kembali ke contoh obat yang digunakan untuk mengobati suatu penyakit. Jika kita menolak hipotesis nol dalam situasi ini, maka klaim kami adalah bahwa obat tersebut ternyata berpengaruh terhadap suatu penyakit. Tetapi jika hipotesis nol itu benar, maka, pada kenyataannya, obat itu tidak memerangi penyakit sama sekali. Obat itu diklaim palsu memiliki efek positif pada suatu penyakit.

Kesalahan tipe I dapat dikontrol. Nilai alpha, yang terkait dengan tingkat signifikansi yang kami pilih memiliki pengaruh langsung pada kesalahan tipe I. Alpha adalah probabilitas maksimum bahwa kita memiliki kesalahan tipe I. Untuk tingkat kepercayaan 95%, the nilai alfa adalah 0,05. Ini berarti bahwa ada probabilitas 5% bahwa kami akan menolak hipotesis nol yang sebenarnya. Dalam jangka panjang, satu dari setiap dua puluh tes hipotesis yang kami lakukan pada level ini akan menghasilkan kesalahan tipe I.

Jenis kesalahan lain yang mungkin terjadi terjadi ketika kita tidak menolak hipotesis nol yang salah. Jenis kesalahan ini disebut kesalahan tipe II dan juga disebut sebagai kesalahan jenis kedua.

Kesalahan tipe II setara dengan negatif palsu. Jika kita berpikir kembali ke skenario di mana kita menguji obat, seperti apa kesalahan tipe II? Kesalahan tipe II akan terjadi jika kami menerima bahwa obat itu tidak berpengaruh pada suatu penyakit, tetapi pada kenyataannya, itu terjadi.

Probabilitas kesalahan tipe II diberikan oleh huruf Yunani beta. Angka ini terkait dengan kekuatan atau sensitivitas tes hipotesis, dilambangkan dengan 1 - beta.

Kesalahan tipe I dan tipe II adalah bagian dari proses pengujian hipotesis. Meskipun kesalahan tidak dapat sepenuhnya dihilangkan, kami dapat meminimalkan satu jenis kesalahan.

Biasanya ketika kita mencoba mengurangi probabilitas satu jenis kesalahan, probabilitas untuk jenis lainnya meningkat. Kita bisa menurunkan nilai alpha dari 0,05 menjadi 0,01, sesuai dengan 99% tingkat kepercayaan. Namun, jika semuanya tetap sama, maka kemungkinan kesalahan tipe II hampir selalu meningkat.

Banyak kali penerapan dunia nyata dari uji hipotesis kami akan menentukan apakah kita lebih menerima kesalahan tipe I atau tipe II. Ini kemudian akan digunakan ketika kami merancang eksperimen statistik kami.