Hypothesis berasal dari dua kata,
yaitu: HYPO yang berarti di bawah dan THESIS
berarti pernyataan yang belum dibuktikan kebenarannya
(an unproved statement put forward as a premise in an argument). Jadi, secara
harfiah HIPOTESIS berarti DUGAAN SEMENTARA yang belum diuji kebenarannya. Uma
Sekaran & Roger Bougie (2010) mendefinisikan hypothesis as tentative, yet
testable, statement, which predicts what you expect to find in your empirical
data. Hipotesis dibuat berdasarkan TEORI yang digunakan ketika menyusun theoritical framework atau bisa juga dibuat berdasarkan
penalaran yang LOGIS. Dalam sebuah penelitian bisa hanya terdapat satu buah
hipotesis saja atau bisa juga lebih.
Directional
& nondirectional hypothesis
Nondirectional hypothesis dibuat
jika si peneliti BELUM TAHU ARAH dari hipotesis yang dibangunnya, apakah
pengaruhnya positif/negatif, lebih dari/kurang dari, dsb.
Contoh
NONDIRECTIONAL HYPOTHESIS:
H0: β = 0
H1: β ≠ 0
H1: β ≠ 0
Nondirectional hypothesis di-UJI
STATISTIK menggunakan two-tailed test. Karena arahnya belum diketahui secara
pasti, untuk significance level = 5%, kita membagi dua daerah penerimaan
H0, menjadi 2,5% di kiri dan 2,5% di kanan seperti tampak pada gambar berikut:
Tolak H0 jika nilai
|t-value| > 1.96.
Berkebalikan dengan nondirectional
hypothesis, DIRECTIONAL HYPOTHESIS dibuat ketika si peneliti SUDAH TAHU ARAH
dari hipotesis yang dibangunnya, apakah pengaruhnya positif/negatif, lebih
dari/kurang dari, dsb.
Contoh
DIRECTIONAL HYPOTHESIS:
H0: β ≥ 0
H1: β < 0
H1: β < 0
Hipotesis di atas di-UJI STATISTIK
dengan one-tailed test (significance level = 5%):
Tolak H0 jika nilai
|t-value| > 1.645.
UNTUK KEDUA UJI
STATISTIK DI ATAS:
Daerah abu-abu: REJECT H1, ACCEPT H0
Daerah biru: ACCEPT H1, REJECT H0
Daerah abu-abu: REJECT H1, ACCEPT H0
Daerah biru: ACCEPT H1, REJECT H0
Dalam UJI STATISTIK untuk REGRESI,
dengan me-reject Ho, tentunya kita akan menerima H1: SIGNIFIKAN!!! Signifikan
di sini berarti bahwa variabel yang diuji memiliki pengaruh yang berarti
terhadap keseluruhan model regresi. Contoh:
y = 2,1 + 0,3 x1 + 0,5 x2 – 0,7 x3
Jika variabel x1 SIGNIFIKAN, artinya
setiap kenaikan variabel x1 sebesar 1 akan mempengaruhi kenaikan y sebesar 0,3.
Tetapi, jika variabel x1 TIDAK SIGNIFIKAN, setiap kenaikan x1 belum tentu
memiliki pengaruh yang berarti pada perubahan y. Jika kasus seperti ini
terjadi, kita harus membuang variabel x1 dan membuat model regresi baru.
———
Untuk mengetahui lebih jelas tentang
hipotesis, bisa dilihat pada artikel berikut:
———
Setelah melakukan UJI HIPOTESIS
STATISTIK, sekarang kita akan melakukan UJI HIPOTESIS PENELITIAN.
Contoh
NONDIRECTIONAL HYPOTHESIS:
Ada pengaruh antara banyaknya tugas
yang diberikan dengan tingkat depresi.
H0: β = 0
H1: β ≠ 0
H0: β = 0
H1: β ≠ 0
vKita akan menerima H0 jika besarnya β = 0, yang berarti
tidak ada pengaruh antara banyaknya tugas yang diberikan dengan tingkat
depresi. Dalam two-tails test, kita akan menerima H1 jika β ≠ 0, tidak
peduli arahnya positif atau negatif.
Berbeda dengan uji hipotesis
statistik yang bertujuan untuk melihat signifikansi, UJI HIPOTESIS PENELITIAN
bertujuan untuk menguji DUGAAN AWAL si peneliti apakah sesuai dengan harapannya
atau tidak dan diharapkan dapat menjelaskan fenomena yang terjadi.
Pada contoh di atas, dengan
diterimanya H1 berarti bahwa ada pengaruh antara banyaknya tugas yang diberikan
dengan tingkat depresi.
Contoh
DIRECTIONAL HYPOTHESIS:
Pelatihan yang dilakukan perusahaan
akan berpengaruh pada berkurangnya tingkat ketidakhadiran karyawan.
H0: β ≥ 0
H1: β < 0
H0: β ≥ 0
H1: β < 0
Misalkan untuk contoh di atas kita mendapati hasil regresi
sebagai berikut:
y = 3,5 + 0,7 x
Dari hasil di atas, berarti bahwa
semakin sering dilakukan training, ternyata tingkat ketidakhadiran karyawan
semakin meningkat. Tentu saja kita harus mereject H1 dan menerima H0 karena
hasil yang didapat tidak sesuai dengan dugaan awal.
Hal tersebur terjadi untuk kasus
one-tailed. Tetapi jika kita menggunakan two-tailed test, tentu saja kita akan
mereject H1 dan menerima H0 karena kita memiliki β = +0,7 ≠ 0
sedangkan hipotesis yang diuji adalah:
H0: β = 0
H1: β ≠ 0
H1: β ≠ 0
Karena alasan tersebut, tidak salah
kan jika saya ngotot untuk selalu menggunakan one-tailed?! **tentu saja jika
kita sudah tahu jelas arahnya, apakah positif atau negatif**
Selain itu juga, misalkan kita
mendapati hasil |t-value| = 1,7. Untuk UJI HIPOTESIS STATISTIK menggunakan
two-tailed (significance level = 5%), tentu saja kita akan me-reject-nya (TIDAK
SIGNIFIKAN) karena |t-value| < 1,96. Tetapi, jika menggunakan one-tailed
test, tentu saja kita akan menerimanya (SIGNIFIKAN), karena |t-value| >
1,645.
One Sample T Test / Uji t satu sampel
Posted by hendry
One sample t test merupakan teknik
analisis untuk membandingkan satu variabel bebas. Teknik ini digunakan untuk
menguji apakah nilai tertentu berbeda secara signifikan atau tidak dengan
rata-rata sebuah sampel.
Uji t sebagai teknik pengujian
hipotesis deskriptif memiliki tiga criteria yaitu uji pihak kanan, kiri dan dua
pihak.
Uji Pihak Kiri : dikatakan sebagai
uji pihak kiri karena t tabel ditempatkan di bagian kiri Kurva
Uji Pihak Kanan : Dikatakan sebagai
uji pihak kanan karena t tabel ditempatkan di bagian kanan kurva.
Uji dua pihak : dikatakan sebagai
uji dua pihak karena t tabel dibagi dua dan diletakkan di bagian kanan dan kiri
Contoh
Kasus
Contoh Rumusan Masalah : Bagaimana
tingkat keberhasilan belajar siswa
Hipotesis kalimat :
- Tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan (uji pihak kiri / 1-tailed)
- Tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan (uji pihak kanan / 1-tailed)
- Tingkat keberhasilan belajar siswa tidak sama dengan 70% dari yang diharapkan (uji 2 pihak / 2-tailed)
————————————————————————————————-
Pengujian Hipotesis : Rumusan
masalah Satu
Hipotesis kalimat
Ha : tingkat keberhasilan belajar
siswa paling tinggi 70% dari yang diharapkan
Ho : tingkat keberhasilan belajar
siswa paling rendah 70% dari yang diharapkan
Hipotesis statistik
Ha : µ 0 < 70%
Ho : µ 0 ≥ 70%
Parameter uji : –
Jika – t tabel ≤ t hitung maka Ho
diterima, dan Ha di tolak
Jika – t tabel > t hitung maka Ho
ditolak, dan Ha diterima
Penyelesaian Kasus 1 (uji t pihak
kiri)
Data yang hasil ulangan matematika
siswa sebanyak 37 siswa. data dapat didownload DATA uji t one sampel
Klik Analyze – Pilih Compare Means,
lalu pilih One Sample T Test
Masukkan variabel nilai ke dalam
Test Variable Box, abaikan yang lain kemudian klik OK
Selanjutnya
Uji Normalitas data : Klik Analyze,
Pilih Non Parametrics Test – pilih 1 Sampel K-S,
masukkan variabel nilai ke dalam
Test Variable List, kemudian Klik OK
Hasil
Hasil uji di atas menunjukkan bahwa
t hitung = 61.488. T tabel diperoleh dengan df = 36, sig 5% (1 tailed) = 1.684.
Karena – t tabel < dari t hitung (-1.684 < 61.488), maka Ho diterima,
artinya tingkat keberhasilan belajar siswa paling tinggi 70% tidak terbukti,
bahkan lebih dari yang diduga yaitu sebesar 74.3489
Hasil uji normalitas data
menunjukkan nilai Kol-Smirnov sebesar 0.600 dan Asymp. Sig tidak signifikan
yaitu sebesar 0.864 (> 0.05), sehingga dapat disimpulkan data berdistribusi
normal
————————————————————————————————-
Pengujian Hipotesis : Rumusan
masalah Dua
Hipotesis kalimat
Ha : tingkat keberhasilan belajar
siswa paling rendah 70% dari yang diharapkan
Ho : tingkat keberhasilan belajar
siswa paling tinggi 70% dari yang diharapkan
Hipotesis statistik
Ha : µ 0 > 70%
Ho : µ 0 < 70%
Parameter uji :
Jika + t tabel > t hitung maka Ho
diterima, dan Ha di tolak
Jika + t tabel < t hitung maka Ho
ditolak, dan Ha diterima
Penyelesaian Kasus 2 (uji t pihak
kanan)
Data yang hasil ulangan matematika
siswa sebanyak 37 siswa sama seperti data di atas
Klik Analyze – Pilih Compare Means,
lalu pilih One Sample T Test
Masukkan variabel nilai ke dalam
Test Variable Box, abaikan yang lain kemudian klik OK
Selanjutnya
Uji Normalitas data : Klik Analyze,
Pilih Non Parametrics Test – pilih 1 Sampel K-S,
masukkan variabel nilai ke dalam
Test Variable List, kemudian Klik OK
Masih menggunakan hasil analisis di
atas, maka diperoleh t hitung sebesar 61.488, dan t tabel = 1.684. Karena + t
tabel < dari t hitung (1.684 < 61.488), maka Ho ditolak, dan Ha
diterima. Artinya Ha yaitu tingkat keberhasilan siswa paling rendah 70% dari
yang diharapkan diterima. Sedangkan Ho yang menyatakan bahwa keberhasilan
belajar paling tinggi 70% ditolak.
————————————————————————————————-
Untuk Pengujian Hipotesis Ke-3, coba
sendiri yah…hipotesis kalimatnya Cuma diganti sama dengan 70% untuk Ha dan
tidak sama dengan untuk Ho
Tidak ada komentar:
Posting Komentar