Sehubungan dengan pengujian hipotesis dan penarikan kesimpulan, kita
kemungkinan akan membuat dua macam kekeliruan. Pertama adalah
kekeliruan tipe I dan kekeliruan tipe II.
Kekeliruan
tipe I terjadi ketika kita menolak hipotesis yang seharusnya kita
terima. Kekeliruan tipe I disebut juga dengan α (alfa). Kedua adalah
kekeliruan tipe II. Kekeliruan tipe II ini terjadi ketika kita menerima
hipotesis yang seharusnya kita tolak. Kekeliruan tipe II disebut juga
dengan β (beta). Hipotesis yang dimaksud disini adalah null hipotesis
(H0).
Secara diagramatis, hubungan antara kesimpulan dan kekeliruan dapat dilihat seperti berikut ini.
Kenyataan
|
Kesimpulan
|
|
Terima H0
|
Tolak H0
|
|
Jika H0 benar
|
Benar
|
Salah (α)
|
Jika H0 salah
|
Salah (β) |
Benar
|
Pertanyaan yang sering ditanyakan adalah apakah kita bisa menihilkan
kekeliruan ini. Jawabannya adalah tidak bisa. Ini disebabkan
kesimpulan yang kita buat akan dibatasi oleh alfa dan beta. Bila kita
perkecil alfa, maka otomatis kita memperbesar beta. Demikian pula
sebaliknya, bila kita memperkecil beta, maka kita akan memperbesar alfa.
Untuk keperluan praktis, para ahli membatasi alfa pada titik 5 persen,
sementara beta tidak diberi batasan tertentu. Alfa dipandang lebih
perlu mendapat penekanan daripada beta. Hal ini karena manusia
berkecenderungan melakukan alfa daripada beta.
Jika kita gunakan alfa 5 peren, maka itu berarti bahwa peluang kita membuat kekeliruan tipe I ialah 5 %. Ini mempunyai arti bahwa kekeliruan yang mungkin kita buat untuk menolak hipotesis yang seharusnya kita terima adalah 1 dalam 20 percobaan.
Alfa (α) dipakai juga untuk sebutan tingkat signifikansi suatu
pengujian. Alfa 5 persen disebut “signifikan (nyata)” dan alfa 1 persen
disebut “sangat signifikan (sangat nyata)”. Oleh karena itu, hasil
kesimpulan dari suatu pengujian dengan statistik harus menyebut alfa
yang dipakai. Bila alfa yang dipakai adalah pada taraf 5 persen, maka
kesimpulan yang dibuat harus ditulis bahwa perbedaannya kedua hal yang
dibandingkan adalah nyata. Namun, bila alfa yang digunakan 1 persen,
maka kita simpulkan bahwa perbedaan keduanya sangat nyata
Social Plugin