Pengujian hipotesis

Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisa data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir tidak mungkin disebapkan oleh faktor yang kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.

Pendekatan Pengujian Ada dua pendekata terhadap pengujian hipotesis, yaitu: menetapkan pendekatan uji classic Pendekatan uji classic banyak ditemukan dalam literature-literatur statistik dan digunakan secara luas dalam aplikasi penelitian. Pendekatam ini menghasilkan suatu tujuan pandangan terhadap probabilitas dalam pengambilan keputusan secara keseluruhan berdasarkan analisa dari data sampel yang tesedia. - pendekatan bias statistik. Pendekatan bias statistik merupakan perluasan dari pendekatan asumsi classic. Dalam hal ini penelitian menggunakan sampling data untuk pengambilan keputusan, tetapi harus dikumpulkan seluruh informasi lainnyayang tersedia.

informasi tambahan ini terdiri dari perkiraan hubungan yang dinyatakan dengan tingkat kepercayaan. Estimasi hubungan ini di dasarkan pada pengalaman pengumpulan data. Data diungkapkan sebagai suatu distribusi sebelumnya yang dapa direvisi setelah informasi sampel dikumpulkan. Tingkat Signifikansi Statistik Setelah melakukan analisa dan pengujian data, peneliti selanjutnya dapat menyimpulkan apakah hipotesis diterima atau ditolak. Menerima atau menolak hipotesis tergantung pada temuan statistik yaitu tingkat signifikansinya. Tingkat signifikansi (the level of significance) adalah tingkat probabilitas (dilambangkan dengan a) yang ditentukan oleh peneliti untuk membuat keputusan menolak atau mendukung hipotesis. Logika pengujian hipotesis Menentukan formulasi hipotesis, Dibedakan 2 jenis : 1.Hipotesis nol : suatu pernyataan yg akan diuji, hipotesis tsb tidak memiliki perbedaan/ perbedaannya nol dgn hipotesis sebenarnya. 2.Hipotesis alternatif : segala hipotesis yg berbeda dgn hipotesis nol. Pemilihan hipotesis ini tergantung dr sifat masalah yg dihadapi Kekuatan analisis statistik berdasarkan pada fungsi uji statistic yang dipakai dalam analisis. Disebut uji statistic yang baik apabila terdapat kemungkinan kecil menolak Ho apabila Ho benar, dan mempunyai kemungkinan besar untuk menolak Ho pada saat Ho salah. Misalkan kita mendapat uji statistic, X dan Y, yang mempunyai kemungkinan yang sama untuk menolak Ho apabila Ho benar. Uji yang sebaiknya kita pilih adalah yang memiliki kemungkinan lebih besar untuk menolak Ho ketika Ho salah. Terdapat beberapa criteria yang perlu diperhatikan dalam menguji signifikansi statistic, yaitu: 1. Menyatakan Hipotesis Nol (Ho). 2. Memilih Uji Statistik yang sesuai. 3. Memilih tungkat signifikansi 4. Menghitung perbedaan nilai 5. Interpretasi uji. Nilai Probabilitas(Nilai Value P) Berdasarkan interpretasi pengujian sesuai dangan tahapan prosedur uji statistik, kesimpulan dinyatakan dalam istilah-istilah perolehan atau tidak mendukung Ho didasarkan pada daerah penolakan yang dipilih sebelum uji dihasilkan. Metode kedua dari hasil yang dipresentasikan dari laporan uji statistic mencakup ketidaktepatan uji statistic dengan Ho. Metode ini menjadi populer karena analisis yang ingin kita ketahui dari presentase distribusi sampling berbeda di luar sampel statistic dari kurva, dan kebanyakan program computer statistic melaporkan hasil uji hipotesis sebagai nilai probabilitas (p values).

Pengujian Signifikan

Secara umum terdapat dua metode uji signifikansi. Kedua metode pengujian tersebut adalah uji parametrik dan uji nonparametric. Masing-masing uji tersebut akan dijelaskan dengan menggunakan teknik uji one sample test, two sample test, dan r-independent sample test. Uji Statistik Parametrik merupakan uji yang modelnya menetapkan adanya syarat-syarat tertentu tentang parameter populasi yang merupakan sumber sampel penelitiannya. Dalam uji statistic parametric, terdapat beberapa asumsi yang harus dipenuhi. Asumsi-asumsi tersebut meliputi: 1. Observasi harus independen, yaitu pemilihan suatu kasus dari populasi untuk dimasukkan ke dalam sampel tidak boleh bias terhadap kemungkinan kasus-kasus lain untuk dimasukkan ke dalam sampel, begitu juga dengan skor pengukurannya juga tidak boleh bias. 2. Observasi diambil dari populasi yang berdistribusi normal. 3. Dalam hal analisis yang berkaitan dengan dua kelompok, maka populasi masingmasing kelompok harus memiliki variance yang sama (dalam kasus tertentu mereka harus memiliki ratio variance yang diketahui) 4. Variable harus diukur paling tidak dalm skala interval, sehingga memungkinkan melakukan interpretasi terhadap hasilnya. Uji Statistik Non-parametrik Uji Statistik Non-parametrik merupakan uji yang modelnya tidak menerapkan syarat-syarat menegenai parameter-parameter populasi yang merupakan induk sampel penelitiannya. Anggapan-anggapan tertentu dikaitkan dengan sejumlah besar uji-uji statistik nonparametrik, yakni bahwa observasi-observasinya independen dan bahwa variabel yang diteliti pada dasarnya memiliki kontinuitas. Namun anggapan-anggapan ini lebih sedikit dan jauh lebih lemah daripada anggapan-anggapan yang berkaitan dengan uji parametrik. Uji non parametrik tidak menuntut pengukuran sekuat yang dituntut uji parametrik, sebagian besar uji non parametrik dapat diterapkan untuk data dalam skala ordinal dan beberapa yang lain juga dapat diterapkan untuk data dalam skala nominal, data tidak berdistribusi normal dan jumlah sampel kecil (<30). Berikut ini beberapa keunggulan uji statistik non-parametrik: - Jika jumlah sampel terlalu kecil, maka tidak ada alternatif lain menggunakan uji ninparametrik, kecuali distribusi populasi diketahui dengan pasti. - Uji non-parametrik memiliki asumsi yang lebih sedikit berkaitan dengan data dan mungkin lebih relevan pada situasi tertentu. Hiptesis yang diuji dengan non-parametrik mungkin lebih sesuai dengan tujuan penelitian. - Uji non-parametrik dapat digunakan untuk menganalisis data yang secara inheren adalah data dalam bentuk ranking. Jadi si peneliti hanya dapat mengatakan terhadap subyek penelitian bahwa yang satu memiliki lebih atau kurang karakteristik dibandingkan lainnya, tanpa mengatakan seberapa besar lebih atau kurang itu. - Uji non-parametrik sesuai untuk menguji data yang bersifat klasifikasi atau kategori (skala nominal). Tidak ada uji parametrik yang sesuai untuk menguji data seperti ini.

- Ada uji statistik non-parametrik yang sesuai untuk menguji sampel yang berasal dari observasi yang diambil dari populasi yang berbeda. Uji parametrik sering kesulitan menguji data seperti ini. - Uji non-parametrik umumnya mudah digunakan dan dipelajari daripada uji parametrik. Juga interpretasinya lebih langsung dibandingkan uji parametrik.

Disamping keunggulan-keunggulan yang ada pada uji non-parametrik, terdapat juga beberapa kelemahan-kelemahan dalam uji ini. Adapun beberapa kelemahan dari uji statistik nonparametrik adalah: - Jika data telah memenuhi semua anggapan model statistik parametrik dan jika pengukurannya mempunyai kekuatan seperti yang dituntut, maka penggunaan uji-uji statistik non-parametrik akan merupakan penghamburan data. Tingkat penghamburan atau penyia-nyiaan itu dinyatakan oleh kekuatan efisiensi uji nonparametrik. - Belum ada satupun metode non-parametrik untuk menguji interaksi-interaksi dalam model analisis varian, kecuali kita berani menbuat anggapan-anggapan khusus tentang aditivitas (additivity).

Recommended statistical techniques