Anda di halaman 1dari 7

METODOLOGI PENELITIAN

HYPOTHESIS TESTING
T-TEST AND ANOVA

Disusun oleh Kelompok 4 :


BARIES FERRYONO

F1314022

BARRY ADITYA PERMANA F1314023


HARTATI

F1314045

HENDY WIDANARKO F1314048


KURNIAWAN

F1314100

FAKULTAS EKONOMI DAN BISNIS


UNIVERSITAS SEBELAS MARET
SURAKARTA
2015

Quantitative Data : Hypothesis Testing (T-Test and ANOVA)


A. TYPE I ERRORS, TYPE II ERRORS, AND STATISTICAL POWER
Tujuan dari uji hipotesis adalah untuk menentukan keakuratan jika hipotesis null
dapat ditolak demi hipotesis alternatif. Berdasarkan dari data sampel, peneliti
dapat menolak hipotesis null (dan kemudian menerima hipotesis alternatif)
dengan tingkat kepercayaan (degree of confidence) tertentu. Selalu ada risiko
bahwa kesimpulan yang ditarik tentang populasi menjadi tidak tepat.
Ada 2 jenis kesalahan (atau dua tipe dimana sebuah kesimpulan dapat menjadi
salah), yaitu dikelompokkan menjadi error tipe I dan error tipe II. Error tipe I (juga
sering disebut alpha () yaitu kemungkinan penolakan hipotesis null ketika
hipotesis tersebut benar. Kemungkinan akan error tipe I (juga dikenal sebagai
significance level) ditentukan oleh peneliti.
Error tipe II (juga sering disebut beta () adalah kemungkinan gagal untuk
menolak hipotesis nol mengingat bahwa hipotesis alternatif sebenarnya benar
Statistical Power (atau just power), bahwa suatu probabilitas akan menerima
hipotesis null ketika hipotesis tersebut benar
B. CHOOSING THE APPROPRIATE STATISTICAL TECHNIQUE
Setelah memilih level statistical signifikan yang dapat diterima untuk menguji
hipotesis, langkah selanjutnya adalah memutuskan metode yang sesuai.
Univariate Techniques
Testing a hypothesis on a single mean:
Metric Data:

One Sample t-test

Nonmetric Data:

Chi-Square

Testing a hypothesis about two related means


Independent Samples
Metric DATA:

Independent Sample T-Test

Nonmetric Data:

Chu- Square

Mann-Whitney U-Test
Testing hypothesis about several means
Metric Data:

One-Way analysis of Variance

Nonmetric Data:

Chi-Square

C. TESTING HYPOTHESIS ABOUT A SINGLE MEAN

satu sampel t-test digunakan untuk menguji mean dari populasi dimana sampel
yang diambil sama dengan standar perbandingan. Asumsi kamu telah membaca
rata-rata mahasiswa belajar 32 jam seminggu. Atas apa yang telah kamu
observasi sejauh ini, kamu berpikir bahwa mahasiswa di universitas kamu
(populasi dimana sampel akan diambil) belajar lebih giat. Kemudian, kamu
bertanya 20 teman sekelas berapa lama mereka belajar rata-rata dalam
seminggu. Rata-rata waktu belajar yang didapatkan per minggu adalah 36,2
jam, 4 jam dan 12 menit lebih lama dari waktu belajar mahasiswa umumnya.
Pertanyaannya adalah apakah ini kebetulan?
Contoh diatas adalah sampel mahasiswa dari universitas kamu berbeda dengan
tipikal mahasiswa lainnya. Apa yang ingin kamu tahu adalah apakah sesama
mahasiswa datang dari populasi yang berbeda dari mahasiswa yang lainnya.
Dengan kata lain, apakah kamu memilih grup motivasi mahasiswa secara
kebetulan? Atau apakah benar-benar ada perbedaan antara mahasiswa dari
universitas kamu dengan mahasiswa pada umumnya?
Hipotesis Null dari contoh ini adalah:
Ho : Jumlah jam belajar mahasiswa dari universitas kita sama dengan jumlah
belajar mahasiswa pada umumnya
Hipotesis Alternatifnya:
Hi : Jumlah jam belajar mahasiswa dari universitas kita berbeda dengan jumlah
belajar mahasiswa pada umumnya
Cara memutuskan apakah terdapat perbedaan yang signifikan antara
mahasiswa dari universitas kita dengan mahasiswa pada umumnya tergantung
dari 3 aspek:
1. The value of the sample mean (36,2 jam)
2. The value of the comparison standard (32 jam)
3. The degree of uncertainty concerning seberapa baik sample mean
menggambarkan populasi mean (the standard error of the sample mean)
Formula yang digunakan untuk menghitung t-value:

t n1 =

X
s/n

Dengan menggunakan persamaan diatas, sekarang kita dapat membandingkan


t-value dengan n-1 degree of freedom untuk menentukan apakah nilai t-statistik
mencapai ambang signifikansi statistik

D. TESTING HYPOTHESES ABOUT TWO RELATED MEANS


The Wilcoxon signed-rank test adalah tes nonparametric untuk menguji
siginfikasi perbedaan antara dua sample yang berhubungan atau pengukuran
berulang dalam singel sample. Hal ini digunakan sebagai alternatif untuk T-test

sample yang dipasangkan ketika populasi diasumsikan tidak bisa terdistribusi


secara normal.
McNemars test adalah metode nonparametric yang digunakan dalam data
nominal. Hal ini untuk menaksir perbedaan antara dua dependen sampel ketika
variabel yang ditaksir dikotomis. McNemars test adalah teknik yang agak
mudah untuk menguji kehomogenan marginal. Kehomogenan marginal untuk
melihat persamaan (atau kekurangan dari perbedaan yang signifikan) antara
satu atau lebih dari total baris marginal dan total kolom marginal yang sesuai.

E. TESTING HYPOTHESES ABOUT TWO UNRELATED MEANS


T-test sample independen dilakukan untuk melihat apabila terdapat perbedaan
yang signifikan di dalam rata-rata dari dua grup di dalam variabel yang diteliti.
Vaiabel nominal di pecah menjadi dua grup ( contohnya perokok dan bukan
perokok, pekerja di departemen pemasaran dan departemen akuntansi) yang di
test untuk melihat apabila terdapat perbedaan rata-rata yang signifikan dalam
dua grup yang di pecah tersebut dalam variabel dependen, yang di ukur dala
skala interval dan rasio.

F. TESTING HYPOTHESES ABOUT SEVERAL MEANS


Analysis of Variance (ANOVA) membantu untuk menguji sigifikansi perbedaan
rata-rata lebih dari dua grup dalam skala interval atau skala rasio di variabel
dependen. Hasil dari ANOVA menunjukan apakah sesuai atau tidak perbedaan
signifikan dari rata-rata grup dengan satu dan lainnya, yang diindikasikan
dengan F-statistic. F-statistic menunjukan apakah variansi dua sampel berbeda
denganyang lainnya atau dari populasi yang sama. Ketika perbedaan rata-rata
signifikan antara grup dapat di indikasikan dengan F-statistik, itu tidak ada hal
yang tidak diketahui dari hasil ANOVA ketika data berbohong. Bagaimanapun
juga, beberapa test, seperti Scheffes test, Duncan multiple Range test, Tukeys
test and Student-Newman-Keuls test itu tersedia dan dapat digunakan, asal
sesuai, untuk mendeteksi dimana tepatnya perbedaan rata-rata berbohong.

G. UJI BEDA
Uji beda dipergunakan untuk mencari perbedaan, baik antara dua sampel data
atau antara beberapa sampel data. Dalam kasus tertentu, juga bisa mencari
perbedaan antara suatu sampel dengan nilai tertentu.
Contoh:
1. Perusahaan ingin mengetahui apakah lampu yang diproduksi mampu menyala
lebih dari 1000 jam sesuai dengan standar yang ditetapkan perusahaan.

2. Seorang guru ingin mengetahui apakah suatu model pengajaran memberikan


hasil yang berbeda terhadap hasil prestasi belajar dua kelas siswa.
3. Seorang penelitian ingin mengetahui apakah terdapat perbedaan persepsi
tentang advertising KAP antara kelompok akuntan publik, kelompok akuntan
pendidik dan kelompok pengguna jasa KAP.
Contoh nomor #1 memerlukan uji beda terhadap suatu sampel data dengan nilai
tertentu yaitu 1000 jam. Contoh nomor #2 memerlukan uji beda terhadap dua
buah sampel yaitu nilai prestasi belajar antara dua kelas. Contoh nomor #3
memerlukan uji beda terhadap tiga kelompok akuntan dalam hal persepsi
terhadap advertising KAP.
Uji Beda terdiri atas:
1. Uji beda t-test
Digunakan jika variabel independen berkategori dua
2. Anova (Analisis of variance)
Digunakan jika Variabel independen berkategori lebih dari dua
3. Manova (multivariate analisys of of variance)
Digunakan jika jumlah variabel dependen lebih dari satu
1. Uji Beda t-test
Terdiri dari:
a. Independen sampel test
Tujuan: untuk mengetahui perbedaan dua kelompok data independen.
Syarat:
- Data berdistribusi normal/simetris
- Kedua kelompok data independen
- Variabel yang dihubungkan berbentuk numerik atau kategorik.
b. Paired sampel test
Tujuan: untuk mengetahui perbedaan mean antara dua kelompok data
yang dependen
Contoh: apakah ada perbedaan tingkat penegtahuan sebelum dan
sesudah dilakukan pelatihan.
Syarat:
- Distribusi data normal
- Kedua kelompok data dependen/pair
- Jenis variabel: numerik dan kategorik
Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah
perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang
berskala data interval/rasio. Dua kelompok bebas yang dimaksud di sini adalah
dua kelompok yang tidak berpasangan, artinya sumber data berasal dari subjek
yang berbeda. Misal Kelompok Kelas A dan Kelompok kelas B, di mana
responden dalam kelas A dan kelas B adalah 2 kelompok yang subjeknya
berbeda. Bandingkan dengan nilai pretest dan posttest pada kelas A, di mana
nilai pretest dan posttest berasal dari subjek yang sama atau disebut dengan
data berpasangan. Apabila menemui kasus yang data berpasangan, maka uji
beda yang tepat adalah uji paired t test.

Paired sample t test merupakan uji beda dua sampel berpasangan. Sampel
berpasangan merupakan subjek yang sama namun mengalami perlakuan yang
berbeda. Contoh lain: kita ingin mengetahui apakah terdapat perbedaan kinerja
(yang diukur dengan rasio-rasio keuangan perusahaan) perusahaan sebelum dan
sesudah go publik.
Langkah analisis:
1. Pada menu SPSS, klik Analyze, Compare Means, Independen Samples T Test.
2. Kemudian masukkan variabel terikat anda yaitu Nilai ke kotak Test Variable(s)
dan masukkan variabel bebas anda yaitu Kelompok ke kotak Grouping
Variables.
3. Klik tombol Define Groups kemudian masukkan kode 1 dan 2.
4. Pilih Continues dan Ok
5. Output SPSS
............
Untuk menjawab hipotesis ada 2 cara:
1. Dengan membandingkan antara t hitung dengan t tabel:
Apabila nilai t hitung positif: Ada perbedaan bermakna apabila t hitung > t
tabel.
Apabila nilai t hitung negatif: ada perbedaan bermakna apabila t hitung < t
tabel.
2. Cara kedua adalah dengan melihat nilai Sig (2 tailed) atau p value.
Jika nilai Sig (2 tailed) > 0,05 maka variance sama
Jika nilai Sig (2 tailed) < 0,05 maka variance berbeda
Pada kasus di atas nilai p value sebesar 0,019 di mana < 0,05. Karena < 0,05
maka perbedaan bermakna secara statistik atau signifikan pada probabilitas
0,05.
2. ANOVA (Analysis of Variance)
Merupakan metode untuk menguji hubungan antara satu variabel dependen (skala
metrik) dengan satu atau lebih variabel independen (skala nonmetrik atau
kategorial dengan kategori lebih dari dua).
a. One way ANOVA
menguji hubungan antara satu variabel dependen dengan satu variabel
independen
Contoh: ingin mengetahui apakah rata-rata pengalaman kerja sebelumnya
berbeda ataukah sama untuk job categori pegawai (clerical, custodial, dan
manajer)
b. Two ways ANOVA dan Three ways ANOVA
menguji hubungan antara satu variabel dependen dengan dua atau tiga
variabel independen
Contoh: ingin mengetahui apakah ada perbedaan
sebelumnya dilihat dari job categori dan gender.

pengalaman

kerja

c. Two ways ANOVA dengan Main Effect dan Interaction Effect


menguji hubungan moderating antar variabel kategori independen
dengan cara melakukan interaksi antar variabel independen.
Contoh: ingin mengetahui pengaruh langsung variabel job categori dan
gender terhadap current salary dan pengaruh moderasi (interaksi antara
jobcat dengan gender) terhadap current salary.
d. ANCOVA (Analysis of Covariance)
Adalah analisis variance ANOVA yang memasukkan variabel independen
metrik sebagai covariate kedalam model. Tujuannya untuk menurunkan
error variance dengan cara menghilangkan pengaruh variabel non
kategorial (metrik atau interval) yang kita percayai membuat bias hasil
analisis
Contoh: dalam contoh diatas diketahui bahwa variabel dependen gaji akhir
(current salary) dipengaruhi oleh variabel gaji awal metrik. Selain itu gaji awal
juga berkorelasi dengan job categori dan gender. Hal ini menyebabkan
hubungan antar dua faktor jobcat dan gender terhadap gaji akhir akan bias.
Maka kita harus memasukkan gaji awal sebagai covariate. Jika gaji awal tidak
berkorelasi terhadap gaji akhir, maka kita tidak perlu membuat covariate.

3. MANOVA
Perbedaan utama antara ANOVA dan MANOVA terletak pada banyaknya jumlah
variabel dependennya. Pada MANOVA jumlah variabel dependen lebih dari satu
(metrik atau interval) dan variabel independen jumlahnya dapat satu atau lebih
(non metrik atau nominal)
Contoh: ingin mengetahui apakah rata-rata gaji akhir dan pengalaman kerja
sebelumnya berbeda atau sama untuk job categori