7.3 Pengujian Hipotesis Hubungan dan
Ramalan
Hipotesis
merupakan kenytaaan yang menunjukkan kaitan diantara dua pembolehubah atau
lebih didalam satu ujian statistic. Terdapat tiga jenis hipotesis yang sedia ada
iaitu hipotesis penyelidikan, hipotesis nol dan hipotesis alternative.
Hipotesis penyelidikan ialah jangkaan penyelidik tentang penemuan penyelidikan
yang akan diperolehi kelak. Hipotesis sentiasa
7.3.1 Hipotesis dan Pengujian Hipotesis
Apabila kita
hendak mencuba atau mnguji sesuatu teori perlulah kita merumuskan satu
hipotesis atau tuntutan yang kita percayai adalah benar. Contohnya , kita hendak
menyatakan bahawa purata pencapaian murid di bandar adalah lebih baik dari
pencapaian murid luar bandar.
Oleh kerana nilai ciri populasi tidak
diketahui, maklumat yang dibekalkan oleh sample tersebut digunakan untuk
menjawab soalan samada kuantiti populasi tersebut adalah lebih besar dari nilai
hipotesis. Dalam istilah statistiks, hipotesis statistic
adalah kenyataan mengenai nilai populasi parameter. Hipotesis yang kita
Sebagai contoh,
seorang guru
Contoh Rumuskan
hipotesis nol dan alternatif yang sesuai bagi menguji teori iaitu min
pencapaian murid bandar adalah lebih baik dari murid luar Bandar.
Hipotesis hendaklah menyatakan parameter
populasi, olh itu kita akan mendefinisikan
m1 = Min pencapaian pelajar bandar
m2 = Min pencapaian pelajar luar bandar
Pengkaji ingin
menyokong bahawa
m1 adalah lebih dari
m2; oleh itu, hipotesis nol dan hipotesis alternatif parameter
berikut adalah
H0: (m1 -
m2) = 0
(i.e.,
m1 =
m2; tidak ada perbezaan min di antara
pencapaian murid di bandar dengan pencapaian murid luar bandar)
Ha: (m1 -
m2) < 0 (i.e.,
m1 <
m2; min pencapaian murid di bandar adalah
kurang dari min pencapaian murid di luar bandar)
Contoh Sejak bertahun, iklan rokok memaparkan kenyataan ‘merokok
membahayakan kesihatan”. Tetapi iklan-iklan ini diletakkan
dipenjuru atau tidak jelas kelihatan dan ditaipkan dalam huruf kecil. Seorang pengkaji percaya bahawa lebih dari 80% perokok gagal
melihat amaran tersebut, nyatakan hipotesis nol dan alternatif yang boleh
digunakan dalam ujian yang dijalankan.
Pengkaji ingin membuat
takbiran mengenai p, ukuran sebenar
mengenai pembaca iklan rokok yang gagal melihat tanda amaran tersebut. Dalam hal ini, beliau ingin mendapatkan
bukti untuk menyokong bahawa p adalah lebi dari 0.80; oleh itu, hipotesis nol
dan alternatif adalah
H0: p
= .80 Ha:
p > .80
Perhatikan bahawa
kenyataan H0 dalam contoh
ini amanya dituliskan dengan tanda persamaan (=). Anda mungkin menulis
hipotesis nol sebagai H0: p
£ .80. Bagaimana pun, hipotesis alternatif
yang diinginkan adalah p > .80, oleh
itu, sebarang bukti yang menyebabkan anda menolak hipotesis nol H0: p = .80 bagi membolehkan Ha: p > .80 akan menyebabkan anda
menolak H0: p = p', bagi mana-mana nilai p' kurang dari 0.80. Dalam erti kata yang lain, H0: p = .80 mewakili kes yang terburuk dari pandangan pengkaji, dimana
hipotesis alternatif adalah tidak betul.
7.3.2 Pengujian Hipotesis
Kadangkala
kita mungkin hendak membuat kajian untuk menentukan samada pencapaian
murid-murid kita adalah setaraf atau tidak dengan pencapaian pelajar di
peringkat kebangsaan.
Untuk itu kita hendaklah mengambil sample murid berkaitan dengan satu ujian
bertaraf kebangsaan untuk diadakan ujian. Untuk menentukan min sample
mencerminkan populasi murid, maka prosedur menguji hipotesis hendaklah
dijalankan.
i) Tentukan sasaran
populasi
ii) Nyatakan
hipotesis statistic yang hendak di uji dalam bentuk nol misalnya Ho:μ = 80.
iii) Tentukan paras signifikan yang hendak digunakan sebagai criteria
untuk membuat keputusan
iv)
Ambil sejumlah pelajar
secara rawak dari populasi sebagai satu sample.
v) Kira min sample
dan sisihan piawai
vi)
Anggarkan sisihan
piawai min dan nilai z untuk min sample
vii) Bandingkan z
kira dan z kritikal untuk paras significant yang
dipilih
viii) Tolak Ho
sekiranya X didalam kawasan penolakan jika tidak terima Ho
Darjah
kebasan ialah jumlah pengamatan yang bebas yang dapat meramalkan satu nilai dalam
satu taburan. Katakan
kita mempunyai
S = √Σx2
/ n- 1
Dan anggaran
varians pula ialah s2 = Σx2 / n- 1 (n= jumlah
pengamatan)
Ralat
jenis I dan II digunakan sebagai panduan bagi menentukan jenis kesilapan dalam
ujian hipotesis. Ralat
bagi jenis I adalah kita mungkin menolak hipotesis nol walaupun ia benar pada tahap signifikan yang tertentu dan bagi jenis
II, kita menerima hipotesis jenis nol walaupun ia tidak betul.
Jenis Ralat dalam Ujian Hipotesis
Ho
Palsu Ho Benar
Terima Ho Ralat II Keputusan
benar
Keputusan
Tolak Ho Keputusan benar Ralat II
Ujian
satu hujung adalah ujian hipotesis yang mempunyai satu sisi rantau tolak. Ujian ini menolak satu
rantau taburan ujian statistic tersebut. Kita biasanya
ingin mendapatkan nilai eksrim di satu bahagian rantau atau min di hujung
rantau berkenaan. Kenyataan yang digunakan adalah Ho atau Ha : μ > θ atau
Ho atau Ha : μ < θ
Ujian dua hujung
adalah ujian dimana kedua-dua rantau ditolak dalam tabuan statistic
tersebut.Kita menumpukan kepada nilai ekstrim statistik θ atau min skor Z bagi kedua-dua
rantau. Kenyataan yang digunakan adalah Ho atau Ha :
μ = θ atau Ho atau Ha : μ ≠ θ.
Tahap signifikan ( ά ) adalah kebarangkalian maksima yang mana kita
1.3.3
Pengujian Hipotesis Ujian Z dan Ujian F
Ujian
Z
Nilai
terbesar dan kerap digunakan oleh ahli-ahli sains matematik adalah nilai alpha
(jenis ralat I) 0.05. Dengan mengunakan nilai tersebut, penyelidik boleh menyediakan
rantau bagi lengkuk normal. Jika mereka ingin menolak nilai hipotesis
nol adalah benar pada kadar 5%. Oleh itu jika nilai
min adalah pada kadar 95% maka mereka ggl untuk
menolak hipotesis nol. Nilai bagi ujian z adalah ±1.96
Kita ambil satu contoh, seorang guru
mengetahui populasi min bagi ujian bacaan adalah 100 murid dan sisihan piawai
adalah 15. Murid yang hendak di uji akan
diperkenalkan dengan satu program bacaan yang baru dan guru ingin tahu samada
kaedah baru ini dapat menunjukkan peningkatan dalam program. Oleh
kerana guru ingin melihat samada kaedah baru membaca ini boleh dilakanakan maka
kita harus mengadakan satu ujian berikut.
Jika kita
mengunakan kalkulator cari nilai kritikal statistic tersebut. Berikan nilai alpha = .05, ini akan menetapkan nilai kritikal ±1.96
Langkah 3 Kumpul data
Guna rumus berikut
untuk ujian kita, z = (122-100)/15 = 1.466
Dalam hal ini
, z adalah 1.466 dan aberada dalam rantau gagal menolak
maka kita gagal menolah Ho.
Untuk ujian ini, “skor murid
didapati tiada perbezaan signifikan berbanding dengan min populasi 100 (z =
1.466, p>.05).”
Dalam
mengunakan skor z untuk ujian hipotesis, anda hendakla menganggap populasi asal
adalah taburan normal. Nilai zyang dihasilkan adalah benar bagi taburan normal.
Jika tidak , kita hanya perlu menggunakan kaedah
statistic biasa.
Ujian F oleh ( Snedecor and
Cochran, 1983) digunakan untuk ujian jika sisihan piawai dua
populasi adalah sama . Ini boleh menjadi ujian-t satu hujung
atau ujian-t dua hujung. Ujian t satu hujung hanya menguji satu arah
yakni sisih piawai dari sample populasi adalah lebih atau kurang dari sisih
piawai populasi kedua. Sebagai contoh, jika kita menguji satu proses baru, kita
hanya berminat mengetahui samada proses baru adalah kurang baik dari proses
pertama.
Rujukan
Eric
W. Weisstein. "Spearman Rank Correlation
Coefficient." From MathWorld--A Wolfram Web
Resource.
http://mathworld.wolfram.com/SpearmanRankCorrelationCoefficient.html
http://www.answers.com/correlation%20analysis
http://lep694.gsfc.nasa.gov/lepedu/IA-CorrCoeff.html
http://www.netnam.vn/unescocourse/statistics/11_7.htm
http://www.steve.gb.com/science/statistics/nonlinear_regression.html
G.A.F Seber and C.J. Wild. Nonlinear Regression. New York: John
Wiley and Sons, 1989.
http://www.itl.nist.gov/div898/handbook/eda/section3/eda359.htm
Hakcipta Azizi Publicist 2005-2006