11-042 Rima Sinaga

PENGUJIAN HIPOTESIS

            Pengujian Hipotesis yang merupakan cabang dari statistic inferensial adalah pengujian yang berhubungan dengan penerimaan atau penolakan sebuah hipotesis mengenai parameter populasi. Pengujian hipotesis bertujuan untuk mengetahui seberapa baik sampel dapat menjelaskan sebuah hipotesis. Sebelum mengumpulkan data yang ditujukan untuk kepentingan hipotesis, seorang peneliti akan menetapkan hipotesis nol dan hipotesis alternative.

HIPOTESIS NOL DAN HIPOTESIS ALTERNATIF

Hipotesis nol (H₀) adalah hipotesis yang menyatakan tentang tidak adanya hubungan. Nilai hipotesis nol harus menyatakan dengan pasti nilai parameter. Hipotesis alternative (H₁) adalah hipotesis yang menyatakan tentang adanya hubungan. Secara logika H₀ berkontradiksi dengan dengan H₁ karena keduanya tidak dapat benar dalam waktu yang bersamaan.

Istilah hipotesis nol dikenalkan oleh Ronald Fisher(1890-1962). Peneliti akan menyatakan hipotesis nol dalam penelitiannya, tetapi peneliti berharap agar hipotesis nol tersebut ditolak dan membawa pada penerimaan hipotesis alternatif.

Ada tiga poin tentang pengujian hipotesis

-          Hipotesis alternative tidak pernah bisa mencakup tanda sama dengan (=)

-          Hipotesis alternative didasarkan pada salah satu dari ketiga tanda ini ≠, <, >

-          Hipotesis nol didasarkan pada ketiga tanda berikut =, ≤, ≥

DIRECTIONAL ALTERNATIVE HYPOTHESIS

Nondirectional alternative hypothesis termasuk didalamnya adalah tanda tidak sama dengan (≠) dan directional alternative hypothesis termasuk di dalamnya adalah tanda lebih besar (>) atau tanda lebih kecil (<). Jika seorang  peneliti menggunakan directional alternative hypothesis dan terdapat perbedaan besar dalam arah yang berlawanan, peneliti harus menyimpulkan bahwa tidak ada hubungan dalam populasi. Jika peneliti tidak menyatakan jenis hipotesis alternatif yang digunakan, maka dapat diasumsikan bahwa itu adalah alternatif nondirectional.

PENGUJIAN NILAI PROBABILITAS DAN MEMBUAT SEBUAH KESIMPULAN

            Ketika seorang peneliti menyatakan sebuah hypothesis nol, peneliti itu dapat menggunakan prinsip-prinsip statistik inferensial untuk membangun sebuah model probabilitas tentang apa yang akan terjadi jika hipotesis nol benar. Yang harus dilakukan adalah mengetahui hipotesis nol apa yang ingin diuji kemudian setelah itu memilih tes statistik yang sesuai.

Setelah peneliti menetapkan hipotesis nol, mengumpulkan data penelitian, dan memilih tes statistik menggunakan SPSS, program komputer akan menganalisis data penelitian dan menyediakan sesuatu yang disebut probabilitas hasil penelitian dengan asumsi bahwa hipotesis nol itu benar. Mendapatkan nilai probabilitas adalah ide kunci dalam pengujian hipotesis karena penelitian dengan menggunakan nilai ini bertujuan untuk membuat keputusan tentang hipotesis nol. Ketika nilai probabilitas kecil, peneliti menolak hipotesis nol karena hasil penelitian akan mempertanyakan hipotesis nol. Jika peneliti menolak hipotesis nol dan ragu-ragu menerima hipotesis alternatif, maka kesimpulan adalah signifikan secara statistik. Tidak signifikan maksudnya adalah perbedaan yang diamati antara kedua mean mungkin hanya kebetulan.

Peneliti mempertimbangkan nilai probabilitas yang kurang dari atau sama dengan .05 menjadi kecil dan nilai probabilitas yang lebih besar dari .05 relatif besar.
Jika nilai probabilitas lebih besar dari .05 maka peneliti tidak dapat menolak hypothesis nol. Pada dasarnya, setiap kali peneliti tidak dapat menolak hipotesis nol berarti perbedaan tidak signifikan. Tingkat signifikansi adalah tingkat dimana peneliti dapat memutuskan kapan harus menolak hipotesis nol: (1) ketika nilai probabilitas kurang dari atau atau sama dengan tingkat signifikansi, peneliti menolak hipotesis nol dan (2) ketika nilai probabilitas lebih besar daripada tingkat signifikansi, peneliti tidak dapat menolak hipotesis nol. Tingkat signifikansi .05 berarti bahwa jika hasil sampel yang diamati terjadi hanya 5 persen.

            Setelah itu peneliti menetapkan tingkat signifikansi selanjutnya menghitung nilai probabilitas yang bisa dengan menggunakan spss.
Ada dua aturan dalam pengujian hipotesis:
Aturan I: jika nilai probabilitas kurang dari atau sama dengan tingkat signifikansi maka peneliti menolak hipotesis nol dan sementara menerima hipotesis alternatif.

Aturan 2: jika nilai probabilitas lebih besar dari tingkat signifikansi, maka peneliti tidak dapat menolak hipotesis nol. Peneliti tidak dapat menolak hipotesis nol dan menyimpulkan bahwa hubungan ini tidak signifikan secara statistic.

MARTIKS KEPUTUSAN PENGUJIAN HIPOTESIS

Hipotesis ini didasarkan pada data tidak lengkap. Hal ini bergantung pada teori probabilitas untuk proses pengambilan keputusan. Akibatnya, pengambilan keputusan yang error (salah) pasti akan terjadi  beberapa kali.

 Keputusan atau kesimpulan dikatakan benar ketika: Tipe I ketika hipotesis nol benar dan peneliti tidak menolaknya. Tipe II ketika hipotesis nol salah dan peneliti menolaknya.
kesalahan juga dibagi menjadi 2 tipe. Tipe I, peneliti menolak hipotesis nol yang benar. Kesalahan ini disebut positif ketika Peneliti salah menyimpulkan bahwa ada hubungan dalam populasi dan menyatakan signifikansi yang salah. Tipe II terjadi ketika peneliti tidak menolak hipotesis nol yang salah. Disebut kesalahan negatif karena peneliti telah salah menyimpulkan bahwa tidak ada hubungan dalam populasi.

PENGENDALIAN RESIKO ERROR (KESALALAHAN)

Masalah dengan menggunakan tingkat signifikansi yang lebih kecil adalah bahwa kesalahan Tipe I dan Tipe II kesalahan cenderung berbanding terbalik. Dengan kata lain, ketika Peneliti mencoba untuk mengurangi kemungkinan membuat kesalahan Tipe I, peneliti biasanya meningkatkan kemungkinan membuat kesalahan Tipe II. Secara khusus, jika peneliti menggunakan tingkat signifikansi lebih kecil maka akan sulit untuk menolak hipotesis nol. Ketika peneliti mencoba membuat kesalahan positif kurang mungkin, Peneliti cenderung untuk membuat kesalahan negatif lebih mungkin. Solusinya adalah  meningkatkan ukuran sampel penelitian. Sampel yang lebih besar menyediakan tes yang lebih sensitif atau kuat.