HIPOTESIS TIDAK TERDUKUNG,

MENGAPA ?
SEP 6

Posted by hendry
HASIL PENELITIAN TIDAK SIGNIFIKAN

Oleh : Hendryadi

Sangat sering saya mendengar keluhan mengenai tidak signifikannya hasil penelitian. Beberapa
bertanya “apakah boleh jika hasil penelitian tidak berhasil membuktikan teori”

Jawabannya : “JELAS BOLEH” dan “MENGAPA TIDAK BOLEH”

Karena menggunakan metode ilmiah, maka penelitian tentu saja memiliki toleransi terhadap
keraguan yang muncul atas sebuah pernyataan atau kesimpulan, memiliki kemauan untuk
mempertanyakan segala sesuatu, keinginan untuk melakukan berbagai pengujian dan membuka
kesempatan atas adanya pertentangan satu sama lain. Dengan demikian, hasil penelitian
terbuka untuk saling berbeda, saling mengkritik, bahkan saling bertentangan.

Dengan demikian, jika ada pendapat yang menyatakan “pokoknya harus signifikan !!”, maka
saran saya lebih baik tidak usah diteliti saja, karena sudah yakin 100% signifikan.
Logikanya…jika sudah yakin bahwa hubungan dua variabel yang diteliti “pasti” signifikan, maka
tidak perlu ada pengujian hipotesis dan uji statistik. Cukup diyakini saja..dan tidak perlu
diteliti.

Cara berpikir ilmiah itu adalah dimulai dari keraguan..makanya dilakukan pembuktian. Karena
ragu..makanya diteliti. Jika sudah tidak ada keraguan..so..ngapain juga diteliti…he.he.he
Hipotesis yang diajukan tidak terdukung secara statistic ?

Dalam hipotesis statistik inferensial, pengujian hipotesis pada prinsipnya adalah pengujian
signifikansi. Signifikansi sendiri merupakan taraf kesalahan yang didapatkan/diharapkan ketika
peneliti hendak menggenalisasi sampel penelitiannya. Atau dengan kata lain, peneliti
melakukan penaksiran parameter populasi berdasarkan data yang telah dikumpulkan dari
parameter sampel penelitian.

Jika hasilnya tidak signifikan, maka artinya adalah data yang dikumpulkan tidak berhasil
membuktikan keterkaitan antara X dan Y, dan bukan berarti X tidak berpengaruh terhadap Y,
melainkan data sampel tidak berhasil membuktikan hubungan tersebut.

Mengapa bisa terjadi ?

Ada dua penyebab, pertama adalah memang data yang dikumpulkan tidak berhasil
membuktikan hipotesis, dan kedua ada kesalahan dari si peneliti.
Untuk kesalahan pertama, maka tidak ada jalan lain kecuali melaporkan hasil penelitian apa
adanya, atau melakukan menambahan data. Adakalanya, dibutuhkan sampel yang besar untuk
membuktikan adanya hubungan dua variabel, terutama jika hubungan tersebut kecil.

Sedangkan kesalahan kedua (yang sering terjadi) adalah adalah kesalahan pengambilan
sampel, kesalahan teknik analisis, kesalahan input data, kesalahan menginterpretasikan
penolakan/penerimaan hipotesis (dikenal dengan istilah kesalahan tipe 1 dan 2), dan lain
sebagainya.

Kesalahan pengambilan sampel

Contoh sederhana adalah seorang peneliti ingin meneliti mengenai kepuasan kerja karyawan.
Kesalahan pengambilan sampel terjadi ketika sampel yang digunakan tidak mempertimbangkan
aspek-aspek seperti pendidikan, pengalaman kerja, jenis kelamin dan lain sebagainya. Sebagai
contoh : seorang karyawan yang berpendidikan S2 jelas memiliki harapan akan promosi lebih
tinggi dibanding dengan karyawan yang berpendidikan SMA. Hal-hal sederhana seperti ini
sering kali di abaikan sehingga menghasilkan jawaban kuesioner memiliki tingkat variabilitas
tinggi.

Kesalahan Input data (coding)

Kesalahan pada input data atau coding sering terjadi terutama pada pernyataan negatif yang
seharusnya dilakukan reverse score.

Kesalahan teknik analisis

Kesalahan teknik analisis umumnya terjadi ketika data yang digunakan “dipaksakan: untuk
menggunakan teknik tertentu. Sebenarnya, dalam statistic, prinsip parsimony (kesederhanaan)
adalah penting. Semakin sederhana maka akan semakin baik.

Kesalahan dalam menerima dan menolak Hipotesis

Kesalahan tipe I adalah kesalahan apabila menolak hipotesis nol (Ho) yang benar (seharusnya
diterima).

Kesalahan tipe II adalah kesalahan jika menerima Hipotesis yang salah (seharusnya ditolak).

Bagaimana menjelaskan ketidakmampuan data membuktikan hipotesis ?

Sangat disarankan, pada tinjauan penelitian dicari juga penelitian yang mendukung dan
menolak. Contoh : Pada penelitian A, B, dan C, DER terbukti berpengaruh negative dan
signifikan terhadap return saham, namun pada penelitan D, E dan F diperoleh hasil sebaliknya
yaitu DER tidak berpengaruh terhadap Return saham.

Dengan adanya tinjauan penelitian yang mendukung dan menolak tersebut, kita bisa
menjelaskan bahwa paling tidak hasil penelitian ini relevan dengan peneltiian D, E, dan F, dan
berbeda dengan peneltiian A, B, dan C.
Terimakasih

Semoga bermanfaat