Harmony of Life

 Kesalahan Tipe I dan Kesalahan Tipe II Ada  dua  jenis  hipotesis  yang  diuji  dalam  statistik,  yaitu  uji  hipotesis  nol (H 0 )  dan  hipotesis  alternatif (H 1 ).  H 0 menjelaskan  bahwa  variabel yang  diuji  tidak  memiliki  hubungan,  perbedaan  atau  pengaruh.  Sebaliknya, H 1   menjelaskan  adanya  hubungan,  perbedaan  atau  pengaruh pada variabel yang diuji. Pada grafik di atas garis merah menunjukkan distribusi probabilitas dari H 0 yang berdistribusi normal standar, sedangkan garis biru menunjukkan distribusi probabilitas untuk H 1 . Garis hijau menunjukkan nilai kritik untuk menolak H 0 . Kesalahan tipe I ditunjukkan pada gambar 1. Kesalahan tipe I merupakan kesalahan menolak H 0 padahal sesungguhnya H 0 benar. Hal ini berarti bahwa ada kesalahan dalam hasil analisis yang menunjukkan adanya perbedaan padahal sesungguhnya tidak ada perbedaan. Peluang dalam melakukan kesalahan tipe I disebut tingkat signifikansi (α). Sebaliknya, peluang

Dalam uji hipotesis, dipilih tipe kesalahan I karena apabila terjadi kesalahan tipe I akan menyebabkan kesalahan yang lebih fatal daripada kesalahan tipe II. Karena tipe kesalahan I adalah probabilitas menolak Ho dimana Ho benar. Padahal H 0  menjelaskan  bahwa  variabel yang  diuji  tidak  memiliki  hubungan,  perbedaan  atau  pengaruh.  Jika hasil uji menunjukkan adanya pengaruh, padahal sesungguhnya tidak ada pengaruh, maka terjadi kesalahan yang fatal dalam penarikan kesimpulan. Hal ini sangat berbahaya, apalagi jika digunakan pada bidang kesehatan. Jika suatu obat sesungguhnya tidak memiliki pengaruh terhadap suatu penyakit, akan tetapi terjadi kesalahan tipe I sehingga statistik uji menunjukkan adanya pengaruh obat terhadap penyakit tersebut, maka kesalahan tersebut lebih fatal dibandingkan dengan apabila sebenarnya ada pengaruh obat tersebut terhadap suatu penyakit akan tetapi hasil statistik uji menunjukkan tidak adanya pengaruh.  Untuk keadaan pertama, pasien diberi obat

Hubungan Ukuran Sampel dengan Power Karena nilai statistik uji sebanding dengan N, maka, semakin besar ukuran sampel, semakin besar nilai statistik uji. Sehingga kurva distribusi untuk H 1  akan bergeser ke kanan. Hal ini menyebabkan power menjadi lebih besar. Untuk ukuran sampel yang lebih kecil, akan menghasilkan nilai statistik uji yang lebih kecil sehingga kurva akan bergeser ke kiri dan power menjadi lebih kecil, pada gambar ditunjukkan oleh garis putus-putus.