PENDAHULUAN
Alat analisis yang dipergunakan untuk uji hipotesis ini tergantung pada
factor-faktor berikut ini:
1. jumlah variabel dalam pernyataan hipotesis;
2. model hubungan antar variabel;
3. skala pengukuran variable\
1. Jumlah Variabel
Dilihat dari banyaknya variabel yang terlibat dalam satu hipotesis, uji
hipotesis dapat dibedakan dalam tiga kategori, yaitu:
a. Univariate, jika hanya satu variabel dalam satu
hipotesis. Contoh: Prestasi belajar mahasiswa
rendah.
b. Bivariate, jika terdapat dua variabel dalam satu hipotesis.
Contoh: ada hubungan positif antara prestasi belajar dan motivasi belajar
dikalangan mahasiswa.
c. Multivariate, jika terdapat tiga variabel dalam satu hipotesis.
Contoh: prestasi belajar mahasiswa dipengaruhi oleh motivasi belajar,
kondisi social ekonomi, dan lingkungan mahasiswa.
2. Model Hubungan
Keciali banyaknya variabel, analisis uji hipotesis juga tergantung pada
model hubungan diantara variabel dengan variabel. Nan Lin menyebutkan
lima macam model hubungan sebagai berikut:
a. Klasifikasi
Model ini menunjukkan hubungan antar kategori pada suatu variabel. Kalu
hipotesis berbunyi, “motivasi belajar mahasiswa rendah,” berarti motivasi
belajar itu mempunyai bebrapa kategori, ada yang sangat rendah, agak
rendah, sedang, agak tinggi, dan tinggi. Kategori rendah termasuk sangat
rendah dan agak rendah.
b. Tipelogi
Model ini menunjukkan tipe atau taksonomi dari setiap kelompok dalam
satu variabel. Kompeteni misalnya dapat digolongkan dalm tiga tipe atau
taksonom, yaitu kognitif, afektif, dan psikomotorik. Ketiganya tidak bisa
dipisahkan walaupun dapat dibedakan.
a. Kontingensi
Model ini menghubungkan paling sedikit dua variabel, masing-masing
dengan beberapa kategori. Hubungan dinyatakan dalam tabel silang, dengan
satu variabel pada satu baris dan lainnya pada kolom. Hubungan antar
“program studi” dan “pekerjaan orang tua” mahasiswa dapat disusun dalam
tabel kontingensi seperti berikut:
Tabel dari dua variabel ini, masing-masing dengan tiga kategori, disebut
tabel kontingensi 3 x 3. Terdapat 9 kontingen, dan kontingen menunjuk
pada dua variabel. Model ini sering dipakai untuk menguji ketergantungan
diantara kedua variabel itu.
b. Asosiasif
Model ini menunjukkan hubungan antara dua variabel yang masing-
masing monoton linier. Variabel yang monoton linier ini mempunyai gerak
yang konstan, yaitu naik terus atau turun terus. Contoh: usia. Usia naik
terus dan tidak pernah turun.
Y Y
X X
Kalau dua variabel yang mempunyai arah yang sama dihubungkan dalam
model ini, maka hubungannya dikatakan positif. Artinya, keduanya sama-
sama naik atau sama-sama turun. Sebaliknya, jikakeduanya berlawanan
arah, yang satu naik dan lainnya turun, maka hubungannya dikatakan
negative. Hubungan ini dikatakan asosiasif karena kedua variabel, y dan x,
hadir bersama-sama. Dimana ada y, disitu juga ada x. kehadiran bersama
itu tidak selalu sama, ada kalanya y hadir tetapi x tidak hadir. Dalam
sejumlah kehadiran y, hanya beberapa x hadir. Hubungan ini disebut juga
kovariasional karena sama-sama bervariasi, sama-sama berubah. Jika y
berubah naik, maka x berubah naik (positif) atau berubah turun (negatif).
Hubungan asosiasif atau kovariasional ini bukan hubungan sebab akibat,
tetapi hanya menunjukkan perubahan bersama kedua variabel. Misalnya
“kodok ngorek, hujan turun.” Artinya, peristiwa kodok ngorek terjadi
bersamaan dengan turunnya hujan. Turunnya hujan bukan disebabkan oleh
kodok ngorek atau sebaliknya. Keeratan hubungan asosoasif ini
dinyatakan dalam angka korelasi antara 0,0 ke1,0.
c. Fungsional
Hubungan fungsional menunjukkan bahwa salah satu variabel berfungsi
untuk membuat perubahan pada variabel lain. Hubungan antara kesehatan
dan makanan, antara usia dan produktivitas kerja, antara gizi makanan dan
intelektual, adalah contoh-contoh hobungan fungsional seperti itu. Pada
umumnya analisis regresi dipakai untuk hubungan seperti ini.
3. Skala Pengukuran
Skala pengukuran variabel menentukan pemilihan alat uji hipotesis.
Misalkan kita menguji hipotesis untuk satu variabel (univariate). Kalau
variabel itu diukur pada skala interval, maka parameter yang akan diuji
adalah mean. Tetapi, kalau variabel itu diukur pada skala nominal atau
ordinal, maka parameter yang akan diuji adalah proporsi. Alat- alat uji
hipotesis yang dapat dipergunakan untuk dua variabel pada berbagai skala
pengukuran dapat dilihat pada tabel barikut.
Variabel y Variabel x
Bivariate (k > 2)
Universitas
Pengukuran Statistik Dikitomi Nominal Ordinal Interval/
Uji (k = 2) ratio
X =
x =
n
Gambar 9.1
Pada tabel distribusi-t dapat dilihat berbagai harga t untuk derajat
kebebasan (degree of freedom, disingkat d.f.) tertentu. Besarnya d.f.
adalah:
d.f = n – m
n = besarnya sampel
m = banyaknya sampel
kalau banyaknya variabel hanya satu, dan besarnya sampel = 30, maka d.f
adalah 30 – 1 = 29.
Selanjutnya prosedur pengujian hipotesis dengan statistik z dilakukan
sebagai berikut:
Hipotesis: H 0 : = 0
H1 : (1) 0
(2) > 0
(1) < 0
z
1,64 2,16
1,28 1,96
Gambar 9.2
d. Statistik Uji
Bergantung pada distribusi sampling. Untuk sampel besar, distribusi
sampling-x berbentuk distribusi normal, dan karena itu statistik ujinya
adalah z. tetapi, untuk sampel kecil, berbentuk distribusi-t, statistik ujinya
adalah-t.
e. Kriteria
Kriteria penerimaan H0 ditentukan oleh derajat signifikan yang dapat dipilih
oleh arbitrer. Namun, secara konvensional derajat signifikan dipilih salah satu
dari tiga tingkat:
= 0,10
= 0,05
= 0,01
d. Perhitungan Statistik
Kalau satistik uji adalah z, maka perhitungan z dari data penelitian
dilakukan sebagai berikut:
x - x
z=
n
e. Kesimpulan
terima H0
z
-z +z
+zhitung
(tolak H0)
Pengujian dengan dua sisi (lihat
Gambar 9.3 Gambar 9.3).
H0 : = 0 +zhitung
H1 : 0 (terima H0)
H0 : = 250.000
H1 : 250.000
Distribusi sampling:
Distribusi sampling x mempunyai bentuk distribusi normal, dimana x = dan x = n.
Tingkat signifikan:
Dipilih 3 tingkat,
yaitu:
= 0,10
= 0,05
= 0,01
Criteria penerimaan H0 :
H0 diterima jika: -z/2 < z < +z/2
Perhitungan statistik:
x -
z=
x
x -
=
s n
karena (simpangan baku populasi) tidak diketahui, maka harganya diduga sama
dengan (simpangan baku sampel), sehingga:
x -
z=
x
257.500 – 250.000
=
85.000 500
= 1,97
Kesimpulan:
1) Untuk = 0,10 dengan uji dua sisi terlihat bahwa (lihat Tabel Luas Kurva Normal
pada Lampiran 2):
-z0,10/2 = +1,64
-z0,10/2 = -1,64