Dalam pengujian hipotesis statistik, kesalahan tipe II adalah situasi di mana uji hipotesis gagal untuk menolak hipotesis nol yang salah. Dengan kata lain, hal ini menyebabkan pengguna secara keliru tidak menolak hipotesis nol palsu karena pengujian tersebut tidak memiliki kekuatan statistik untuk mendeteksi bukti yang cukup untuk hipotesis alternatif. Kesalahan tipe II juga dikenal sebagai negatif palsu.
Kesalahan tipe II memiliki hubungan terbalik dengan kekuatan uji statistik. Ini berarti semakin tinggi kekuatan suatu uji statistik, semakin rendah kemungkinan melakukan kesalahan tipe II. Tingkat kesalahan tipe II (yaitu, kemungkinan kesalahan tipe II) diukur dengan beta (β) Beta Beta (β) dari keamanan investasi (yaitu saham) adalah pengukuran volatilitas pengembalian relatif terhadap seluruh pasar. Ini digunakan sebagai ukuran risiko dan merupakan bagian integral dari Capital Asset Pricing Model (CAPM). Perusahaan dengan beta yang lebih tinggi memiliki risiko yang lebih besar dan juga pengembalian yang diharapkan lebih besar. sedangkan kekuatan statistik diukur dengan 1- β.
Bagaimana Menghindari Kesalahan Tipe II?
Mirip dengan kesalahan tipe I, tidak mungkin untuk sepenuhnya menghilangkan kesalahan tipe II dari uji hipotesis Pengujian Hipotesis Pengujian Hipotesis adalah metode inferensi statistik. Ini digunakan untuk menguji apakah pernyataan mengenai parameter populasi benar. Pengujian hipotesis. Satu-satunya pilihan yang tersedia adalah meminimalkan kemungkinan melakukan jenis kesalahan statistik ini. Karena kesalahan tipe II sangat erat kaitannya dengan kekuatan uji statistik, kemungkinan terjadinya kesalahan dapat diminimalkan dengan meningkatkan kekuatan pengujian.
1. Tingkatkan ukuran sampel
Salah satu metode paling sederhana untuk meningkatkan kekuatan pengujian adalah dengan meningkatkan ukuran sampel yang digunakan dalam pengujian. Ukuran sampel terutama menentukan jumlah kesalahan pengambilan sampel, yang diterjemahkan menjadi kemampuan untuk mendeteksi perbedaan dalam uji hipotesis. Ukuran sampel yang lebih besar meningkatkan peluang untuk menangkap perbedaan dalam uji statistik, serta meningkatkan kekuatan pengujian.
2. Meningkatkan tingkat signifikansi
Metode lain adalah memilih tingkat signifikansi yang lebih tinggi. Misalnya, seorang peneliti dapat memilih tingkat signifikansi 0,10 daripada tingkat 0,05 yang dapat diterima secara umum. Tingkat signifikansi yang lebih tinggi menyiratkan probabilitas yang lebih tinggi untuk menolak hipotesis nol jika hipotesis tersebut benar.
Probabilitas yang lebih besar untuk menolak hipotesis nol mengurangi kemungkinan melakukan kesalahan tipe II sementara probabilitas melakukan kesalahan tipe I meningkat. Dengan demikian, pengguna harus selalu menilai dampak kesalahan tipe I dan tipe II pada keputusan mereka dan menentukan tingkat signifikansi statistik yang sesuai.
Contoh
Sam adalah seorang analis keuangan Apa yang Dilakukan Analis Keuangan Apa yang dilakukan seorang analis keuangan? Mengumpulkan data, mengatur informasi, menganalisis hasil, membuat prakiraan dan proyeksi, rekomendasi, model Excel, laporan. Dia menjalankan uji hipotesis untuk mengetahui apakah ada perbedaan dalam perubahan harga rata-rata untuk saham kapitalisasi besar dan kecil. Russell 2000 Russell 2000 adalah indeks pasar saham yang melacak kinerja 2.000 saham kapitalisasi kecil AS dari Russell 3000 indeks. Indeks Russell 2000 dikutip secara luas sebagai patokan untuk reksa dana yang terutama terdiri dari saham-saham berkapitalisasi kecil. .
Dalam pengujian, Sam mengasumsikan hipotesis nol bahwa tidak ada perbedaan dalam perubahan harga rata-rata antara saham berkapitalisasi besar dan saham kecil. Dengan demikian, hipotesis alternatifnya menyatakan bahwa perbedaan antara perubahan harga rata-rata memang ada.
Untuk tingkat signifikansi, Sam memilih 5%. Ini berarti ada kemungkinan 5% bahwa pengujiannya akan menolak hipotesis nol padahal hipotesis itu benar.
Jika pengujian Sam terjadi kesalahan tipe II, maka hasil pengujian akan menunjukkan bahwa tidak ada perbedaan rata-rata perubahan harga antara saham berkapitalisasi besar dan saham kecil. Namun, pada kenyataannya, perbedaan rata-rata perubahan harga memang ada.
Sumber Daya Lainnya
Finance adalah penyedia resmi Financial Modeling & Valuation Analyst (FMVA) ™ FMVA® Certification. Bergabunglah dengan 350.600+ siswa yang bekerja untuk perusahaan seperti Amazon, JP Morgan, dan program sertifikasi Ferrari, yang dirancang untuk membantu siapa saja menjadi analis keuangan kelas dunia . Untuk terus belajar dan memajukan karier Anda, sumber daya Keuangan tambahan di bawah ini akan berguna:
- Kesalahan Tipe I Kesalahan Tipe I Dalam pengujian hipotesis statistik, kesalahan tipe I pada dasarnya adalah penolakan hipotesis nol yang sebenarnya. Kesalahan tipe I juga dikenal sebagai salah
- Probabilitas Bersyarat Probabilitas Bersyarat Probabilitas bersyarat adalah probabilitas suatu peristiwa terjadi mengingat bahwa peristiwa lain telah terjadi. Konsepnya adalah salah satu yang klasik
- Framing Bias Bias Framing Bias framing terjadi ketika orang membuat keputusan berdasarkan cara informasi disajikan, bukan hanya pada fakta itu sendiri. Fakta yang sama yang disajikan dalam dua cara berbeda dapat menyebabkan penilaian atau keputusan berbeda dari orang-orang.
- Peristiwa Saling Eksklusif Peristiwa Saling Eksklusif Dalam statistik dan teori probabilitas, dua peristiwa saling eksklusif jika tidak dapat terjadi pada waktu yang sama. Contoh paling sederhana dari saling eksklusif
