PENGERTIAN HIPOTESIS

Ketika sedang melihat sebuah drama ataupun reality show di televisi, pernahkah Anda
menduga-duga apa yang akan terjadi pada tokoh utama di akhir cerita? Jika pernah,
apa dasar yang Anda gunakan untuk membuat dugaan tersebut?

Dalam kehidupan ini ada banyak hal yang membuat kita sering menduga-duga
tentang apa yang akan terjadi selanjutnya. Seringkali dugaan-dugaan tersebut muncul
karena adanya pengalaman akan hal yang sama atau setidaknya mirip dengan
kejadian yang tengah kita hadapi. Dalam ranah penelitian, dugaan-dugaan juga
seringkali muncul. Dugaan ini lebih sering disebut dengan istilah hipotesis.

Hipotesis (atau ada pula yang menyebutnya dengan istilah hipotesa) dapat diartikan
secara sederhana sebagai dugaan sementara. Hipotesis berasal dari bahasa
Yunani hypoyang berarti di bawah dan thesis yang berarti pendirian, pendapat yang
ditegakkan, kepastian. Jika dimaknai secara bebas, maka hipotesis berarti pendapat
yang kebenarannya masih diragukan. Untuk bisa memastikan kebenaran dari
pendapat tersebut, maka suatu hipotesis harus diuji atau dibuktikan kebenarannya.

Untuk membuktikan kebenaran suatu hipotesis, seorang peneliti dapat dengan

sengaja menciptakan suatu gejala, yakni melalui percobaan atau penelitian. Jika
sebuah hipotesis telah teruji kebenarannya, maka hipotesis akan disebut teori.

Dalam penelitian ada dua jenis hipotesis yang seringkali harus dibuat oleh peneliti,
yakni hipotesis penelitian dan hipotesis statistik. Pengujian hipotesis penelitian
merujuk pada menguji apakah hipotesis tersebut betul-betul terjadi pada sampel yang
diteliti atau tidak. Jika apa yang ada dalam hipotesis benar-benar terjadi, maka
hipotesis penelitian terbukti, begitu pun sebaliknya. Sementara itu, pengujian hipotesis
statistik berarti menguji apakah hipotesis penelitian yang telah terbukti atau tidak
terbukti berdasarkan data sampel tersebut dapat diberlakukan pada populasi atau
tidak.
PengujianHipotesa
Artinya mencocokkan hipotesa dengan keadaan yang dapat diamati dalam istilah ilmiah hal ini disebut

verifikasi (pembenaran). Apabila hipotesa terbukti cocok dengan fakta maka disebut konfirmasi.

Falsifikasi (penyalahan) terjadi jika usaha menemukan fakta dalam pengujian hipotesa tidak sesuai

dengan hipotesa. Bilamana usaha itu tidak berhasil, maka hipotesa tidak terbantah oleh fakta yang

dinamakan koroborasi (corroboration).Hipotesa yang sering mendapat konfirmasi atau koroborasi

dapat disebut teori.

Untuk menguji suatu hipotesis ,peneliti harus :

1) Menarik kesimpulan tentang konsekuensi-konsekuensi yang akan dapat diamati apabila hipotesis

tersebut benar.

2) Memilih metode-metode penelitian yang mungkin pengamatan , eksperimental, atau prosedur lain

yang diperlakukan untuk menunjukkan apakah akibat-akibat tersebut terjadi atau tidak.

3) Menerapkan metode ini serta mengumpulkan data yang dapat dianalisis untuk menunjukkan apakah

hipotesis tersebut didukung oleh data atau tidak.

PERUMUSAN HIPOTESIS

Setelah mengetahui pengertian hipotesis, jenis-jenis hipotesis, dan ciri-ciri hipotesis

yang baik, sekarang saatnya kita belajar untuk membuat hipotesis. Untuk
menghasilkan sebuah hipotesis, tentunya kita harus mengikuti langkah-langkah
tertentu. Dengan langkah dan cara yang benar, sebuah hipotesis yang baik akan
memudahkan jalannya proses penelitian.

Awal terbentuknya hipotesis dalam sebuah penelitian biasanya diawali atas dasar
terkaan atau conjecture peneliti. Meskipun hipotesis berasal dari terkaan, namun
sebuah hipotesis tetap harus dibuat berdasarkan paca sebuah acuan, yakni teori dan
fakta ilmiah.

Teori Sebagai Acuan Perumusan Hipotesis

Untuk memudahkan proses pembentukan hipotesis, seorang peneliti biasanya

menurunkan sebuah teori menjadi sejumlah asumsi dan prostulat. Asumsi-asumsi
tersebut dapat didefinisikan sebagai anggapan atau dugaan yang mendasari
 hipotesis. Berbeda dengan asumsi, hipotesis yang telah diuji dengan menggunakan
data melalui proses penelitian adalah dasar untuk memperoleh kesimpulan.

Fakta Ilmiah Sebagai Acuan Perumusan Hipotesis

Selain menggunakn teori sebagai acuan, dalam merumuskan hipotesis dapat pula
menggunakan acuan fakta. Secara umum, fakta dapat didefinisikan sebagai
kebenaran yang dapat diterima oleh nalar dan sesuai dengan kenyataan yang dapat
dikenali dengan panca indera.

Fakta Ilmiah sebagai acuan perumusan hipotesis dapat diperoleh dengan berbagai
cara, misalnya :

1. Memperoleh dari sumber aslinya

2. Fakta yang diidentifikasi dengan cara menggambarkan dan menafsirkannya dari sumber

yang asli.
3. Fakta yang diperoleh dari orang mengidentifikasi dengan jalan menyusunnya dalam

bentuk abstract reasoning (penalaran abstrak).

Selain teori dan fakta ilmiah, hipotesis dapat pula dirumuskan berdasarkan beberapa
sumber lain, yakni:

1. Kebudayaan dimana ilmu atau teori yang relevan dibentuk

2. Ilmu yang menghasilkan teori yang relevan

3. Analogi

4. Reaksi individu terhadap sesuatu dan pengalaman

TARAF NYATA
Istilah taraf nyata ini dikenal pula dengan sebutan tingkat nyata. Taraf nyata yang digunakan selama
ini terdiri dari taraf nyata 5% dan taraf nyata 1%. Taraf nyata merupakan istilah yang biasa digunakan
dalam statistik sebagai acuan untuk mengetahui apakah sesuatu yang diberikan/diberlakukan terhadap
suatu obyek akan dapat memberikan dampak.
Sesuatu yang diberikan tersebut terhadap suatu obyek dinyatakan sebagai perlakuan dan akan
menunjukkan dampak yang berbeda-beda terhadap respon yang ditelaah. Dalam pengembangannya
perbedaan dampak itu diklasifikasikan menjadi tiga bagian yaitu berbeda tidak nyata, berbeda nyata
5% dan berbeda nyata 1%.

Dalam statistik, nilai ketiga dampak (nilai beda = nb) itu dinyatakan ke dalam tiga rentangan nilai yaitu
* berbeda tidak nyata, berarti nilai bedanya lebihkecil dari taraf nyata 5% (nb < 5%)
* berbeda nyata 5%, berarti nilai bedanya diantara rentangan nilai taraf nyata dari 5% hingga 1% (5%
≤ nb < 1%)
* berbeda nyata 1%, berarti nilai bedanya dari taraf nyata 1% atau lebihbesar (nb ≥ 1%)

Ketiga perbedaan rentangan nilai tersebut dibahasakan menjadi lebih sederhana menjadi
* tidak ada perbedaan yang ditampakan; dinotasikan dengan “tanpa tanda bintang”
* berbeda nyata; dinotasikan dengan “satu tanda bintang”
* berbeda sangat nyata; dinotasikan dengan “dua tanda bintang”
Untuk lebih memperjelas makna taraf nyata di atas, dicontohkan pada Keputusan Uji Fisher (Analisis
Keraragaman) berikut.
Analsis keragaman percobaan pupuk Mutiara-plus terhadap pertumbuhan diameter batang anakan

♦
Secara keseluruhan perlakuan yang diberikan menunjukkan perbedaan yang sangat nyata (dengan
kata lain “berbeda nyata pada taraf nyata 1%”) terhadap pertumbuhan diameter anakan (perhatikan Fh
= 13,4393 > 5,2922 = F0,01(3;16))
♦ Kedua dosis pupuk Mutiara-plus yang diberikan juga menunjukkan perbedaan yang sangat nyata
terhadap pertumbuhan diameter anakan (Fh = 28,8477 > 8,5310 = F0,01(1;16))
♦ Tidak menunjukkan perbedaan yang nyata terhadap pertumbuhan diameter antar kedua jenis anakan
(Fh = 3,8146 < 4,4940 = F0,05(1;16))
♦ Interaksinya (M x J) hanya menunjukkan perbedaan pertumbuhan diameter anakan pada taraf nyata
5% (berbeda nyata) (Fh = 7,6556 > 4,4940 = F0,05(1;16)); dengan kata lain “pertumbuhan diameter
anakan berbeda nyata pada taraf 5%, tetapi berbeda tidak nyata pada taraf 1%”.

Skala/Jenis Data :
Setiap obervasi dapat dikelompokkan ke dalam empat jenis, yaitu Rasio, Interval, Ordinal,
dan Nominal. Untuk memudahkan menghafal, tipe data dapat disingkat menjadi RION.
Data berjenis rasio dan interval adalah data yang paling kuat/robust dan paling dianjurkan
untuk digunakan.

Kesalahan penafsiran umumnya terjadi pada data bertipe Interval dan Ordinal. Tipe data
interval seringkali dianggap data berjenis rasio. Namun demikian hal ini secara statistik
tidak akan menjadi masalah karena baik data interval maupun data rasio dianalisa dengan
metode yang sama, yaitu menggunakan statistik parametrik. Dengan demikian kesalahan
penentuan tipe data interval dan rasio tidak secara teknik statistik tidak perlu
diperdebatkan.

Kesalahan kedua adalah kesalahan penentuan skala data ordinal dan nominal. Kebanyakan
orang hanya memahami bahwa data ordinal adalah data berjenjang, dimana ada tingkatan
dari yang paling sedikit/paling rendah ke yang paling banyak/tinggi. Tidak sedikit buku
statistik yang beredar di pasaran juga turut 'menyesatkan' pemahaman tersebut dengan
tidak memberikan pemahaman yang lebih mendalam mengenai jenis data ordinal.

Rasio / Interval
Secara umum skala Rasio dan Interval ini didapat dari hasil pengukuran semua individu dalam
sampel / populasi. Data jenis ini dikenal juga dengan nama data ukur. Pengukuran dapat dilakukan
menggunakan alat ukur seperti timbangan/dacin, Microtois, Tensimeter, penggaris dll. Contoh data
jenis ini adalah tinggi badan, berat badan, lingkar lengan, lingkar kepala, tekanan darah, denyut
nadi, dll.

Untuk pengukuran sesuatu yang lebih abstrak dapat menggunakan alat ukur lain seperti
quesioner. Contoh pengukuran abstrak adalah tingkat pengetahuan, IQ, EQ, dll.

Ordinal
Kata kunci dari skala ordinal ini adalah 'ordered' atau terurut, yaitu datanya diurutkan
dalam bentuk peringkat/rangking. Pemberian rangking bisa dengan cara ascending, atau
descending. Artinya peneliti dapat memberikan peringkat 1 untuk yang terbaik, atau
peringkat paling besar untuk yang terbaik, (misalnya peringkat 10 untuk yang terbaik dari
10 orang peserta). Yang pasti harus berurut.
Untuk data yang sama (nilainya sama) urutannyapun sama. Hal ini dikenal dengan istilah
"tie". Cara menghitung peringkat tie akan dibahas di artikel lainnya. (silahkan cek di waktu
yang akan datang)

Nominal
Skala Nominal adalah skala yang paling lemah, tetapi paling praktis. Data berskala nominal
umumnya didapat dengan cara 'menghitung' anggota kelompok tertentu. Nama lain dari skala ini
adalah 'data hitung'.
Nama kelompok bukan hal penting. Yang penting adalah jumlah data yang ada di dalamnya.

Misalnya :
Jumlah mahasiswa laki - laki dan perempuan, jumlah mahasiswa berdasarkan agama, jumlah
mahasiswa berdasarkan asal dst.
Bagian yang menarik adalah ketika nama kategori memiliki urutan tertentu seperti SD, SMP, SMA
atau Tinggi, Sedang dan Rendah, dst.. Banyak orang bingung menghadapi situasi ini dimana mereka
kemudian menyatakan datanya berskala ordinal, padahal sesungguhnya skalanya tetap nominal
karena masih dalam katageri dan masih data hitung. Akan tetapi memang dikenal varian dari
Nominal biasa yang disebut nominal berjenjang (ordered Nominal). Contohnya Tingkat pendidikan
SD, SMP, SMA, PT dst, Tingkat Pengetahuan Tinggi, Sedang Rendah dst.
Untuk skala nominal dengan dua kategori saja dikenal dengan nama dikotomis, atau binary.
Contohnya status pasien : Sehat dan Sakit, Hidup dan Mati, dst..

Pada prinsipnya setiap variabel dapat dikumpulkan dengan semua tipe data yang ada. Namun
demikian disarankan untuk menggunakan tipe data Rasio dan Interval terlebih dahulu, baru
menggunakan Ordinal dan Nominal jika tipe Rasio dan Interval tidak dapat digunakan (misalnya
karena distribusi tidak normal atau asumsi randomisasi tidak terpenuhi, atau jumlah sampel terlalu
kecil)

Perubahan dari tipe data satu ke tipe data lainnya mengandung resiko kehilangan informasi penting
menyakngkut karakteristik data tersebut. PErhatikan ilustrasi berikut ini untuk menunjang
pemahaman mengenai tipe data.

Tabel berikut ini adalah dari hasil penelitian (imajinatif) untuk mengukur tingkat pengetahuan
mahasiswa tentang sesuatu dengan menggunakan berbagai skaala data.

Keterangan

1. Kolom kedua menunjukkan skor pengethuan dari hasil kuesioner (Interval)

2. Kolom ketiga didapatkan dengan mengurutkan skor pada kolom kedua dan
diberikan ranking (ordinal)
3. Kolom keempat didapat dengan mengelompokkan kolom kedua ke dalam tiga
kategori yaitu Tinggi, Sedang, dan Rendah (Nominal Berjenjang).
4. Kolom terakhir adalah pengelompokan kolom kedua ke dalam dua kategori saja (
Binary/Dikotomi)
Pengolahan data di atas biasanya akan berbentuk sebagai berikut
Data Rasio / Interval dibiarkan apa adanya, yaitu mengikuti hasil pengukuran individu (data
ukur)
Data Ordinal memodifikasi data hasil pengukuran dengan memberi ranking

Selanjutnya untuk data Nominal dilakukan "Pengelompokan" terlebih dahulu, kemudian

menghitung anggota tiap tiap kelompok tersebut sebagai berikut :

Memilih Uji Statistik

Setalah memahami konsep type data (RION), maka kini anda dengan mudah dapat menentukan uji
statistik yang tepat untuk penelitian anda dengan menggunakan bantuan tabel berikut ini.
Untuk melakukan uji perbandingan dua sampel dapat digunakan tabel berikut ini.

Cara Penggunaan :
Misalnya penelitian anda akan membandingkan kadar HB pada ibu hamil perokok dengan kadar HB
ibu hamil bukan perokok, dimana Kadar HB diukur dengan menggunakan skala rasi. Uji Apa yang
akan anda gunakan ?

Penyelesaian :
Dalam uji statistik tidak dibedakan antara skala rasio dan interval (diperlakukan sama) dengan
demikian kita bisa melihat baris skala Interval dan Uji yang akan digunakan adalah antara lain :

1. Normal Distribution for Means

2. Two Sample T-Test
3. Mann - Whitney U-Test
Mana dari ketiganya yang akan diambil ? Jawabannya adalah tergantung jumlah sampel dan sebaran
data. Anda bisa lihat pada kolom kedua tabel di atas.

Untuk mencari perbedaan baik pada satu ataupun pada dua kelompok sampel dapat menggunakan
tabel berikut ini.
Cara Penggunaan: sama dengan di atas. Hanya saja tabel ini digunakan untuk menjawab pertanyaan
: apakah ada perbedaan antara A dan B ?. Type data yang digunakan untuk pengukuran A dan B
tersebut, serta jumlah sampel yang digunakan akan menentukan uji statistik yang digunakan

Selanjutnya untuk menguji hipotesa " Ada hubungan antara A dan B", dapat digunakan tabel
bantuan berikut ini
Cara Penggunaan:

A dan B masing masing adalah variabel bebas dan terikat, yang diwakili oleh baris dan kolom yang
di arsir. Misalnya Variabel A diukur dengan nominal, variabel B juga diukur dengan nominal, maka
uji yang dapat dgunakan adalah Chi-Squared Test. ( Lihat kolom "Nominal" dan Baris "Nominal" pada
tabel di atas lalu tarik garis ke bawah dan kesamping Pertemuannya adalah nama uji yang dapat
digunakan.