Dasar-dasar Inferensi di Python
Paul Savala
Assistant Professor of Mathematics
| Ukuran sampel | Ukuran efek | Alfa |
|---|---|---|
![]() |
![]() |
![]() |
from scipy.stats import norm# Kelompok kontrol: Rata-rata 0 pon, std 1 poncontrol = norm.rvs(loc=0,scale=1,size=100)# Kelompok perlakuan: Rata-rata -2 pon, std 1 pontreatment = norm.rvs(loc=-2, scale=1, size=100)
$H_0$: Tidak ada perbedaan penurunan berat (salah)
$H_a$: Kelompok perlakuan lebih turun berat (benar)
Kesimpulan: Benar menolak $H_0$ demi $H_a$.
from scipy.stats import ttest_ind# Lakukan uji t alpha = 0.05 t_test = ttest_ind(treatment, control, alternative='less')# Periksa signifikansi print(t_test.pvalue < alpha)
TRUE
control = norm.rvs(loc=0, scale=1, size=5) treatment = norm.rvs(loc=-2, scale=1, size=5)# Lakukan uji t tt = ttest_ind(treatment, control, alternative='less')print(tt.pvalue < 0.05)
FALSE
Kesimpulan: Gagal menolak H0 (salah)
# Penurunan berat = 0,2 pon, ukuran sampel = 100treatment = norm.rvs(loc=-0.2, scale=1, size=100)# Lakukan uji t t_test = ttest_ind(treatment, control, alternative='less')print(t_test.pvalue < 0.05)
FALSE

Jika ada efek yang signifikan, apakah uji kita akan mendeteksinya?

Power (kekuatan) uji: Jika hipotesis alternatif (Ha) benar, seberapa besar peluang uji menolak nol (H0) dengan data yang kita berikan?
Hitung power sebelum mengumpulkan sampel
from statsmodels.stats import power # Fungsi power tt_power = power.TTestIndPower()# Hitung power pwr = tt_power.power(effect_size=0.2,nobs1=100,alpha=0.05)print(pwr)
0.291
Peluang deteksi rendah!
nobs1 = TTestIndPower().solve_power(effect_size=-0.2, nobs1=None, # Cari alpha=0.05, power=0.8)print(nobs1)
13735.26
Dasar-dasar Inferensi di Python