Skip to main content

Type 1 error dan Type 2 error


  • Tiada ujian hipotesis yang 100% pasti. Oleh sebab ujian di lakukan berdasarkan kebarangkalian, maka akan sentiasa wujud kemungkinan untuk membuat kesimpulan yang salah atau tidak tepat.
  • Terdapat dua jenis kesilapan yang mungkin di lakukan oleh penganalisa atau pengkaji iaitu type 1 dan type 2.
  • Kedua-dua jenis kesilapan tersebut adalah berkadar songsang dan di tentukan berdasar tahap signifikan(level of significance) serta kekuatan ujian ( power for the test) tersebut.
  • Oleh hal yang demikian, penganalisa perlu menentukan error atau kesilapan manakah yang bakal menatijahkan kesan yang lebih teruk dalam sesuatu situasi / eksperimen / ujikaji , sebelum mendifinisikan risiko.

 

Type I error

 

  • Apabila null / nul hipotesis adalah benar dan penganalisa menolak hipotesis tersebut, maka jenis kesilan tersebut adalah type 1 error.
  • Kebarangkalian untuk melakukan kesilapan jenis pertama atau type 1 error adalah α .
  • α juga adalah tahap signifikan atau level of significance pengkaji tetapkan untuk menguji hipotesis.
  • Sebagai contoh, jika pengkaji meletakkan α = 0.05, maka pengkaji sedia menerima 5% kemngkinan berlakunya kesilapan apabila menolak hipotesis null.
  • Jadi untuk merendahkan risiko seperti kesilapan, maka apa perlu dilakukan oleh pengkaji ialah merendahkan nilai α. Walaupun begitu, dengan merendahkan nilai α, keberkesanan sesuatu analisa itu mengesan perbezaan yang benar (true difference) turut berkurang.


Type II error

  • Apabila hipotesis null itu hakikatnya salah, dan pengkaji gagal untuk menolaknya selepas analisa, maka kesilapan itu di nama kesilan jenis 2 (type 2 error).
  • Kemungkinan (probability) untuk melakukan kesilapan jenis 2 di simbolikan dengan β.
  • β bergantung kepada kuasa ujian atau power of the test.
  • Bagi mengurangkan risiko membabitkan kesilapan jenis2 (type 2 error) adalah dengan memastikan ujian mempunyai kekuatan mencukupi (test has enough power).
  • Ini dapat di pastikan dengan memastikan sampel saiz adalah cukup besar supaya perbezaan secara praktikalnya, yang benar wujud dapa dikesan.
  • Kemungkinan (probablility) menolak hipotesis nul apabila hipotesis adalah salah, adalah bersamaan dengan 1 – β. Nilai ini di namakan ujian kekuatan ( the power of test).

 

 

 

Null hypothesis is true

Null hypothesis is false

Reject null hypothesis

Type 1 error

(false positive)

Correct outcome

(true positive)

Fail to reject null hypothesis

Correct outcome

(true negative)

Type 2 error

(false negative)

 



Labels:

Popular posts from this blog

Krejcie & Morgan sample size calculator

Krejcie & Morgan Sample Size Calculator Enter Population Size (N): Calculate Sample Size Recommended Sample Size (n): 📘 About This Calculator This calculator uses the Krejcie & Morgan (1970) formula to estimate the minimum sample size required when the total population size is known. It is commonly used in social sciences, education, and health research. The formula is: n = (X² × N × P × (1 − P)) / (d² × (N − 1) + X² × P × (1 − P)) X² = 3.841 (for 95% confidence level) P = 0.5 (maximum variability) d = 0.05 (±5% precision) 📚 Citation Krejcie, R.V., & Morgan, D.W. (1970). Determining Sample Size for Research Activities . Educational and Psychological Measurement, 30 (3), 607–610. https://doi.org/10.1177/001316447003000308
Post a Comment
Read more

G*Power Perisian Bagi Pengiraan Sampel Saiz.

Penggunaan Gpower kerap menekan kepada tiga langkah berikut: Memilih ujian statistik yang sesuai atau padan dengan masalah yang di kaji. Memilih di antara lima jenis analisis kuasa (power analysis) yang di sediakan. Sediakan parameter input yang di perlukan analasis dan klik pada “calculate” Pada Langkah 1, pendekatan yang digunakan untuk memilih ujian statistic (statistical test) adalah melalui dua pendekatan, iaitu distribution based atau design-based approach . Distribution-based approach to the test selection Melalui pendekatan distribution-based , pendekatan pertama adalah melihat pada kumpulan umum ujian statistik menggunakan '' Test family'' menu yang terdapat di window atau tingkap utama.   Ujian statitik ( Statistical test ) menu akan berubah mengikut pilihan di dalam '' Test family'' . Ujian-ujian yang ada akan selaras mengikut pada '' test family'' yang di pilih sahaja. Design-based approach to the test se...
Read more

Ujian ANOVA sehala (one-way ANOVA)

Ujian-T (t-test) di gunakan untuk mengenali perbezaan min di antara dua kumpulan. Bagaimana pula jika kumpulan yang ingin di bandingkan mempunyai lebih daripada dua kumpulan? Jawapannya adalah menggunakan ANOVA. Jika kumpulan pembolehubah dua kumpulan, maka keputusan daripada ANOVA sehala ( one-way ANOVA ) dan ujian-t (independent t-test) adalah sama. Pengkaji boleh memastikan keputusan di dapati daripada senario di atas dengan menggunakan formula t 2 = F . Terdapat dua jenis ujian ANOVA sehala, iaitu ujian ANOVA sehala untuk pengukuran berulang (masa berlainan ( longitudinal data ) atau keadaan berbeza-beza) dan ujian ANOVA sehala untuk sampel-sampel bebas (data di kumpul daripada beberapa sampel yang bebas antara satu sama lain). Syarat-syarat sebelum menggunakan ANOVA sehala. Sebelum menggunakan ujian ANOVA sehala beberapa syarat perlu di penuhi. Antaranya adalah, pembolehubah bersandar dalam skala selang atau skala nisbah. Kedua, pembolehubah tidak bersandar dalam bentuk kate...
Read more