Pengujian Hipotesis

Apa itu Hipotesis Testing?

Metode statistik untuk menguji apakah asumsi kita tentang parameter populasi valid atau tidak berdasarkan sampel data.

Null Hypothesis ($H_0$)

Asumsi "status quo" atau tidak ada efek/perbedaan. Kita berusaha untuk menolak ini.

"Obat baru TIDAK lebih efektif dari obat lama."

Alternative Hypothesis ($H_1$)

Apa yang ingin kita buktikan. Ada efek/perbedaan signifikan.

"Obat baru LEBIH efektif dari obat lama."

P-Value & Significance Level

P-Value adalah probabilitas mendapatkan hasil seperti sampel kita (atau lebih ekstrim) JIKA $H_0$ benar.

Aturan Main:
Tentukan Significance Level ($\alpha$), biasanya 0.05 (5%).

Jika P-Value < $\alpha$: Tolak $H_0$. (Hasil Signifikan).
Jika P-Value > $\alpha$: Gagal menolak $H_0$. (Tidak cukup bukti).

Contoh: Independent T-Test dengan Python

Menguji apakah rata-rata dua kelompok berbeda secara signifikan.

from scipy import stats
import numpy as np

# Grup A: Obat Lama
grup_a = np.random.normal(loc=50, scale=10, size=30)
# Grup B: Obat Baru (Rata-rata 55, lebih tinggi)
grup_b = np.random.normal(loc=55, scale=10, size=30)

# Lakukan T-Test
t_stat, p_val = stats.ttest_ind(grup_a, grup_b)

print(f"P-Value: {p_val:.4f}")

if p_val < 0.05:
    print("Tolak H0. Ada perbedaan signifikan antara obat baru dan lama.")
else:
    print("Gagal tolak H0. Tidak cukup bukti ada perbedaan.")