METODE PENELITIAN KUANTITATIF DALAM AKUNTANSI

“ANALISIS DAN PENYAJIAN DATA”

OLEH :
KELOMPOK 5

Ni Kadek Alit Agustini Witari (1981621009)

Ni Ketut Ayu Rosiana Dewi (1981621010)
Kadek Gita Saraswati (1981621016)
Cintya Purnama Sari (1981621020)

PROGRAM MAGISTER AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
DENPASAR
2020
1. PERSIAPAN DAN DESKRIPSI DATA
Persiapan data adalah akivitas yang mencakup penyuntingan, penyandian dan entri
data serta merupakan aktivitas untuk memastikan keakuratan dan konversi data dari bentuk
mentah menjadi bentuk yang sudah direduksi dan dikasifikasikan sehingga lebih tepat untuk
dianalisis. Menyiapkan ringkasan statistik deskriptif adalah langkah pendahuluan lainnya
untuk lebih memahami data yang dikumpulkan.

1.1 PENYUNTINGAN
Penyuntingan dilakukan untuk mendeteksi kesalahan dan penghilangan, melakukan
perbaikan bila diperlukan dan menjamin bahwa standar kualitas data maksimum sudah
dicapai. Tujuan penyuntingan adalah menjamin bahwa data akurat, konsisten dengan maksud
pertanyaan dan informasi lain dalam survei, dimasukkan secara seragam, lengkap, serta diatur
untuk menyederhanakan penyandian dan tabulasi.
a. Penyuntingan Lapangan
Tinjauan penyuntingan lapangan adalah tanggung jawab pengawas lapangan, harus
segera dilakukan sesudah data dikumpulkan. Fungsi kontrol kedua dari pengawas
lapangan adalah melakukan validitas hasil lapangan. Periset melakukan wawancara
ulang atas beberapa persen dari responden, paling sedikit untuk beberapa pertanyaan
guna memverifikasi bahwa mereka telah berpartisipasi dan bahwa pewawancara
melakukan wawancara secara memadai.
b. Penyuntingan Sentral
Pada penyuntingan sentral, data harus menjalani penyuntingan menyeluruh. Untuk
sebuah studi kecil, pemakaian penyuntingan tunggal akan menghasilkan konsistensi
maksimum. Dalam studi besar, tugas penyuntingan harus dialokasikan agar tiap-tiap
penyunting menangani bagian secara keseluruhan. Beberapa aturan yang bermanfaat
untuk menuntun penyunting dalam pekerjaan mereka adalah sebagai berikut:
1. Memahami instruksi yang diberikan kepada pewawancara dan pembuat sandi;
2. Jangan menghancurkan, menghapus atau membuat tak terbaca entri asli yang
dibuat oleh pewawancara; entri asli harus tetap dibaca;
3. Buat semua entri penyuntingan pada instrumen dengan warna yang mencolok dan
dalam bentuk standar;
4. Beri paraf semua jawaban yang diubah atau diberikan;
5. Beri paraf dan tanggal penyuntingan pada tiap instrumen yang sudah diselesaikan.

1
1.2 PENYANDIAN
Penyandian adalah pemberian nomor atau simbol lain pada jawaban agar tanggapan
dapat dikelompokkan ke dalam jumlah kategori yang terbatas. Dalam penyandian, kategori
adalah pembagian sekumpulan data dari variabel tertentu. Kategorisasi adalah proses
penggunaan aturan atau membagi sekumpulan data.
Pengurangan informasi melalui penyandian mensyaratkan periset untuk mendesain
kumpulan kategori secara cermat, serta menggunakan sebanyak mungkin data. Buku kode
adalah pedoman untuk mengurangi kesalahan entri data dan berfungsi sebagai ringkasan
berbagai lokasi dan infromasi lain dalam tahap analisis.

Penyusunan Buku Kode

Buku kode berisikan setiap variabel di dalam studi dan menetapkan aplikasi dari
aturan penyandian pada variabel yang bersangkutan. Panduan ini digunakan oleh periset atau
staf riset untuk mendorong entri data yang lebih akurat dan lebih efisien. Buku kode awal
yang digunakan dalam data uji coba mungkin menyingkap masalah penyandian yang perlu
dikoreksi sebelum data untuk studi akhir dikumpulkan dan diproses.

Penyandian Pernyataan Tertutup

Tanggapan terhadap pertanyaan tertutup mencakup item-item skala yang jawabannya

dapat diantisipasi. Pertanyaan tertutup disukai periset karena efisiensi dan kespesifikannya.
Pertanyaan tertutup lebih mudah disandikan, direkam, dan dianalisis. Penyandian awal sangat
membantu dalam entri data manual karena tindakan ini membuat langkah antara dalam
penyelesaian lembar penyandian entri data menjadi tidak diperlukan.

Penyandian Pertanyaan Tanggapan Terbuka

Alasan utama penggunaan penyandian ini adalah informasi yang tidak memadai atau
tidak adanya hipotesis yang dapat menghambat persiapan kategori tanggapan sebelumnya.
Periset dipaksa untuk melakukan kategori tanggapan sesudah data dikumpulkan. Alasan lain
penggunaan tanggapan terbuka mencakup kebutuhan untuk mengukur perilaku yang sensitif
atau tidak disetujui, menemukan hal yang menonjol atau hal yang penting atau mendorong
suatu ekspresi yang alami. Begitu pula, mungkin lebih mudah dan efisien bagi partisipan
untuk menulis dalam jawaban pendek daripada membaca sebuah daftar panjang berisi
berbagai pilihan. Namun apabila menganalisis pertanyaan terbuka dalam jumlah yang besar

2
tentunya akan memperlambat proses analisis dan meningkatkan kemungkinan terjadinya
kesalahan. Variasi jawaban untuk satu pertanyaan dapat membingungkan dan menghambat
kategorisasi pasca pengumpulan. Bahkan ketika kategori sudah diantisipasi dan disandikan
sebelumnya untuk pertanyaan terbuka, begitu data dikumpulkan, periset mungkin merasa
perlu menilai ulang kategori yang sudah ditetapkan sebelumnya.

Aturan Penyandian
Terdapat empat aturan sebagai pedoman penyandian awal dan pascapenyandian serta
kategorisasi kumpulan data, yaitu:
1. Kesesuaian
Kesesuaian ditentukan dengan dua tingkat yaitu: (1) pemisahan terbaik atas data
untuk pengujian hipotesis dan menunjukkan hubungannya; serta (2) ketersediaan data
pembanding. Sebagai contoh, rentang usia sensus Amerika Serikat, basis data
pelanggan yang mencakup rentang usia atau data usia yang tersedia dari Fox TV yang
digunakan untuk melakukan pembelian media iklan.
2. Kelengkapan
Tanggapan “lain-lain” dalam jumlah besar menunjukkan bahwa skala pengukuran
yang dirancang oleh periset tidak mengantisipasi rentang informasi secara lengkap.
Lebih baik menggolongkan tanggapan dalam konsep lain seperti fokus yang tepat dari
harapan dan variasi dalam tanggapan. Sebagai contoh, tanggapan terhadap sebuah
pertanyaan terbuka mengenai prospek ekonomi keluarga untuk tahun berikutnya, pada
awalnya dikategorikan hanya dalam hal “optimistik” atau “pesimistik”.
3. Eksklusivitas Satu Sama Lain
Standar ini dipenuhi jika suatu jawaban tertentu hanya dapat diletakkan dalam satu sel
sekumpulan kategori. Skema kategorisasi seorang penyunting mencakup: (1)
profesional, (2) manajerial, (3) penjualan, (4) administrasi, (5) kerajinan tangan, (6)
operatif dan (7) pengangguran. Salah satu pilihan adalah menambahkan bidang
pekerjaan-kedua pada kumpulan data; pilihan lainnya adalah mengembangkan sandi
yang berbeda untuk setiap kombinasi multi-pekerjaan yang unik.

4. Dimensi Tunggal
Kebutuhan akan sekumpulan kategori untuk mengikuti prinsip klasifikasi tunggal
berarti bahwa semua pilihan dalam kumpulan kategori didefinisikan berkaitan dengan
satu konsep atau konstruk.
3
Menggunakan Analisis Isi untuk Pertanyaan Terbuka
1. Jenis-Jenis Isi
Analisis isi mengukur isi semantik atau aspek “apa” dari suatu pesan. Keleluasannya
menjadikan alat ini sebagai alat yang fleksibel dan memiliki rentang luas yang dapat
digunakan sebagai metodologi yang berdiri sendiri atau sebagai teknik bagi masalah
spesifik. Masing-masing jenis unit merupakan dasar untuk melakukan penyandian
teks ke dalam kategori yang ekskulsif secara mutual dalam pencarian maknanya.
- Unit sintaksis dapat berupa fakta, frasa, kalimat atau alinea;
- Unit referensi digambarkan oleh kata, frasa dan kalimat; unit ini dapat berupa
obyek, kejadian, orang dan sebagainya, yang dirujuk oleh ekspresi verbal atau
tulisan;
- Unit proposisi adalah asersi atau penegasan mengenai suatu obyek, kejadian,
orang dan sebagainya;

- Unit tematik adalah topik yang terkandung di dalam teks; unit ini menggambarkan
abstraksi tingkat yang lebih tinggi yang disimpulkan dari teks dan konteksnya.
2. Apa Isi yang Dianalisis?
Analisis isi dapat digunakan untuk menganalisis data tertulis, audio atau video yang
berasal dari eksprimen, observasi, survei serta studi data sekunder. Data nyata yang
akan dianalisis isi mencangkup catatan dari kelompok fokus, catatan dari wawancara
dan tanggapan survei terbuka. Langkah pertama dalam analisis mensyaratkan bahwa
unit yang dipilih atau dikembangkan dapat membantu menjawab pertanyaan. Langkah
kedua menghasilkan kategori untuk perencanaan tindakan: (1) hubungan antar
manusia; (2) teknologi; (3) pelatihan; (4) perencanaan strategi; (5) bidang tindakan
lain; (6) tidak ada area tindakan yang diidentifikasi.

Tanggapan “Tidak Tahu”

Tanggapan tidak tahu (DK) memungkinkan timbulnya masalah khusus dalam
persiapan data. Apabila kelompok tanggapan DK kecil, maka tidak akan mengganggu. Akan
tetapi, ada kalanya hal ini menjadi masalah besar, dan bahkan menjadi tanggapan yang paling
sering diterima. Kebanyakan jawaban DK masuk ke dalam dua kategori yaitu: (1) tanggapan
DK sah ketika responden memang tidak tahu jawabannya; (2) jawaban DK mengilustarasikan
kegagalan periset untuk mendapatkan informasi yang tepat.
4
 1. Menanggapi Tanggapan DK yang Tidak Dikehendaki
Cara terbaik untuk menanggapi tanggapan DK yang tidak dikehendaki adalah
mendesain pertanyaan yang lebih baik sejak awal. Periset harus mengindetifikasi
pertanyaan yang tanggapan DK-nya tidak memuaskan dan melakukan desain ulang.
Apabila penyunting menemukan banyak tanggapaan yang tidak dikehendaki, hanya
sedikit yang dapat dilakukan apabila komentar kata demi kata tidak dapat ditafsirkan.
Apabila hanya sedikit jawaban DK, tidak akan banyak artinya bagimana tanggapan
tersebut ditangani, tetapi mungkin tanggapan tersebut akan disimpan sebagai kategori
terpisah. Apabila tanggapan DK sah, maka tanggapan tersebut harus tetap dianggap
sebagai kategori jawaban terpisah. Jika kita tidak yakin bagaimana
memperlakukannya, kita harus menyimpannya sebagai kategori pelaporan terpisah
dan membiarkan sponsor riset mengambil keputusan.

Data yang Hilang

Data yang hilang adalah informasi dari partisipan atau kasus yang tidak tersedia untuk
satu atau lebih variabel yang diamati. Dalam studi survei, data yang hilang biasanya terjadi
ketika partisipan tidak sengaja melewati, menolak untuk menjawab, atau tidak tahu jawaban
terhadap suatu item dalam kuesioner. Dalam studi longitudinal, data yang hilang mungkin
diakibatkan karena partisipan mengundurkan diri dari studi, atau absen untuk satu atau lebih
periode pengumpulan data. Strategi untuk mengumpulkan data yang hilang terdiri atas proses
dua-langkah: (1) periset mengeksplorasi data yang hilang untuk menentukan mekanisme
kehilangan dan (2) memilih teknik data yang hilang.
1. Mekanisme untuk Data yang Hilang
Untuk memilihi teknik data yang hilang, periset harus menentukan apa yang
menyebabkan data yang hilang tersebut. Ada tiga mekanisme dasar untuk melakukan
hal ini: data hilang sepenuhnya secara acak (MCAR); data hilang secara acak (MAR);
dan data tidak hilang secara acak (NMAR). Mekanisme untuk NMAR terjadi ketika
data tidak hilang sepenuhnya secara cal dan tidak dapat diramalkan dari variabel lain
di dalam kumpulan data. Data NMAR dianggap tidak dapat diabaikan dan harus
diperlakukan berdasarkan improvisasi.
2. Teknik Data Hilang

5
 Tiga teknik dasar dapat digunakan untuk menyelamatkan kumpulan data yang
mengandung data yang hilang:
a. Penghapusan menurut daftar, analisis kasus lengkap, merupakan pendekatan
paling sederhana, dan merupakan pilihan default dalam kebanyakan paket statistik
seperti SPSS dan SAS. Dengan metode ini kasus-kasus dihapus dari sampel
apabila mempunyai nilai yang hilang pada variabel mana pun di dalam analisis.
b. Penghapusan menurut pasangan, analisis kasus tersedia, mengasumsikan data
adalah MCAR.

c. Penggantian nilai yang hilang menggunakan skor yang diestimasi,

mengasusmikan data adalah MAR, karena nilai suatu variabel yang hilang
diprediksi dari nilai variabel lain yang diobservasi.

1.3 ENTRI DATA

Entri data merupakan pengubahan informasi yang dikumpulkan agar memungkinkan
melihat dan memanipulasi data yang dikumpulkan dengan menggunakan metode skunder
maupun primer menjadi suatu perantara agar memungkinkan melihat dan memanipulasi data.
1. Bentuk-Bentuk Alternatif Entri Data
a. Pengetikan adalah penyuntingan arsip data sebagai sarana entri data yang layak.
Arsip data merupakan kumpulan rekaman yang dikelompokkan menjadi satu.
Basis data akan dikembangkan sebagai alat entri data yang penting. Periset
mempertimbangkan Entri berbasis data jika terdapat jumlah besar yang mungkin
saling terkait untuk ditabulasi kembali. Spreadsheet merupakan basis data khusus
yang memerlukan pengorganisasian, tabulasi dan statistik sederhana.
b. Pengenalan optik adalah program yang dapat memindahkan teks cetakan ke dalam
arsip komputer untuk disunting tanpa perlu pengetikan ulang. Bentuk yang lebih
fleksibel adalah penggunaan tanda optik untuk membaca dan mengolah formulir
yang dibuat oleh pemakai.
c. Pengenalan suara adalah sistem yang dapat mengumpulkan data berdasarkan
tanggapan suara yang kemudian akan menjadi arsip data. Sistem pengenalan suara
dan sistem tanggapan suara memberikan sejumlah alternatif menarik bagi
wawancara melalui telepon. Begitu mendapat tanggapan suara dari nomor yang
dihubungi secara acak, komputer bercabang menjadi sebuah kuesioner, dan segera
akan menerjemahkan tanggapan suara yang terekam menjadi arsip data.
6
 d. Digital adalah teknologi melalui telepon yang digunakan untuk menyederhanakan
peran pewawancara sebagai perekam data. Ketika seorang pewawancara
menggerakkan tongkat kode batang di atas kode yang tepat, datanya terekam di
dalam unit kecil yang ringan untuk selanjutnya diterjemahkan oleh restoran atau
tempat hiburan untuk mengevaluasi layanan pelanggan seperti layanan MC
Donalds 14045 yang menghubungkan pelanggan langsung untuk memesan dan
diantarkan ke alamat yang dituju.
2. Masa Datang
Walaupun telah terjadi pengurangan waktu antara pengumpulan dan analisis data,
namun inovasi dalam teknologi multimedia dikembangkan secara terus-menerus oleh
bisnis komputer personal. Teknologi dapat mengurangi kesalahan dalam penanganan
data, mengurangi waktu pengumpulan dan analisis data dan membantu menyediakan
informasi yang lebih berguna.

2. EKSPLORASI, TAMPILAN DAN PEMERIKSAAN DATA

2.1 ANALISIS DATA EKSPLORASI
Analisis data eksplorasi adalah sekumpulan teknik pengolaah data, dimana dalam
analisis ini periset memiliki fleksibilitas untuk menanggapi pola-pola yang terungkap dalam
analisis awal, dengan analisis ini pula peneliti dapat melakukan pencarian bukti-bukti terkait.
Jadi pola yang dianalisis di awal akan menuntun analisis data atau mengusulkan revisi bagi
rencana analisis awal tersebut. Analisis data konfirmasi adalah suatu proses analisis yang
dipandu oleh inferensi statistik klasik dalam pengujian signifikansi dan keyakinan. Kontribusi
utama dari pendekatan eksplorasi terletak pada penekanan atas representasi visual dan teknik
grafis atas statistik ringkasan. Beberapa teknik yang berguna untuk menampilkan data antara
lain:
1. Tabel frekuensi, diagram batang dan diagram kue
Tabel frekuensi, diagram batang dan diagram kue adalah alat sederhana untuk
menyusun data, namun dengan diagram batang dan diagram kue maka nilai dan
persentase data lebih mudah dimengerti karena diformat dalam bentuk grafis dan
visualisasi relatif mudah untuk dimengerti.
2. Histogram
Histogram merupakan solusi konvensional untuk menampilkan data interval-rasio.
Histogram akan digunakan ketika variabel-variabel dapat dikelompokan menjadi
7
 interval-interval. Histogram disusun dengan batang yang menggambarkan nilai data,
dimana setiap nilai menempati suatu jumlah area yang sama dalam area yang tertutup.
Histogram memiliki manfaat untuk menampilkan semua interval dalam suatu
distribusi dan memeriksa bentuk distribusi tersebut untuk melihat pola kecondongan,
kortosis dan modus.
3. Tampilan batang dan daun
Tampilan ini adalah teknik yang terkait erat dengan histogram. Keunggulan tampilan
batang dan daun adalah visualisasi dimana rentang nilai langsung terlihat secara jelas.
Dibandingkan dengan histogram yang kehilangan informasi akibat pengelompokkan
nilai data menjadi interval, tampilan batang dan daun dapat menyajikan nilai data
yang aktual yang dapat diperiksa langsung tanpa menggunakan batang atau arterisk
sebagai media repersentasi serta menghubungkan observasi spesifik dengan arsip data
dan subjek yang menghasilkannya.
4. Diagram pareto
Diagram pareto berasal dari nama ekonom Italian abad ke-19. Diagram pareto adalah
bagan batang yang jumlah persentasenya adalah 100 persen. Data dalam diagram ini
didapat dari skala pilihan ganda dan tanggapan tunggal atau hitungan frekuensi kata
dari analisis data.
5. Boxplot
Boxplot atau box and whisker plot adalah teknik yang mengurangi rincian batang dan
daun serta memberikan citra visual yang berbeda mengenai lokasi, sebaran, bentuk,
panjang dan outlier pada distribusi data. Teknik ini akan menampilkan median, kuartil
atas dan bawah serta observasi terbesar dan terkecil dari data yang ada. Boxplot dapat
dibuat dengan mudah baik manual ataupun dengan bantuan komputer yang terdiri
dari:
a. Plot persegi panjang yang mencangkup 50% dari nilai-nilai data
b. Garis pusat (atau tanda lainnya) yang menandai median dan melewati lebar kotak
c. Tepi kotak yang disebut dengan engsel
d. Garis yang memanjang dari engsel kanan dan kiri hingga nilai terbesar dan
terkecil.
6. Pemetaan atau GIS (Geographic Information System)
Pemetaan atau GIS (Geographic Information System) adalah peletakan data partisipan
pada dimensi geografisnya dengan menghubungkan kumpulan-kumpulan data dengan
8
 paling sedikit satu bidang yang sama. GIS memungkinkan periset menghubungkan
target dan klasifikasi suatu survei dengan geografis tertentu berdasarkan basis data.

2.2 TABULASI SILANG

Tabulasi silang adalah teknik untuk membandingkan data dari dua atau lebih variabel
kategori seperti jenis kelamin dan seleksi untuk penugasan ke luar negeri. Tabulasi silang
digunakan dengan variabel demografis dan variabel target dari penelitian yang dilakukan.
Tabulasi silang digunakan sebagai langkah awal untuk mengidentifikasi hubungan antara
variabel-variabel dalam penelitian. Teknik-teknik tersebut menggunakan tabel-tabel yang
mempunyai baris dan kolom yang sesuai dengan tingkat atau nilai sandi dari kategori masing-
masing.

Penggunaan Persentase
Penggunaan persentase dalam penyajian data memiliki dua tujuan yaitu (1) persentase
akan menyederhanakan data dengan mengurangi semua angka ke dalam rentang 0 sampai
dengan 100 dan (2) persentase akan menerjemahkan data ke dalam bentuk standar dengan
basis 100 untuk perbandingan relatif. Penggunaan persentase yang baik perlu untuk
memperhatikan rata-rata persentase dengan menggunakan rata-rata tertimbang, jangan
menggunakan persentase yang terlalu besar dan lebih dari 100 persen karena persentase tidak
akan melampaui 100 dan hindari memakai basis yang terlalu kecil. Pedoman berikut akan
membantu mencegah kesalahan dalam pelaporan apabila digunakan selama analisis, yaitu:
 Merata-ratakan persentase
 Menggunakan persentasi yang terlalu besar
 Memakai basis yang terlalu kecil
 Penurunan persentase tidak pernah melampaui 100 persen.

Analisis Lain Berbasis Tabel

Untuk beberapa olahan data yang menggunakan alat analisis statistik akan
menampilkan hasil dengan beberapa jumlah tabel. Tabel tabulasi silang berfungsi sebagai
kerangka kerja.

3. UJI HIPOTESIS
9
3.1 PENDAHULUAN
Hipotesis merupakan kebenaran sementara yang perlu diuji kebenarannya. Hipotesis
dapat dirumuskan berdasarkan teori, dugaan, pengalaman pribadi/orang lain, kesan umum,
kesimpulan yang masih bersifat sementara. Hipotesis juga merupakan jawaban sementara
terhadap rumusan masalah. Pemikiran induktif bergerak dari fakta spesifik menuju general.
Estimasi probabilitas dapat menolong dalam mengkualifikasi hasil dan menetapkan tingkat
kepercayaan terhadapnya.
Kesimpulan statistik adalah aplikasi dari pendekatan induktif. Ini memberikan alasan
terhadap fakta-fakta yang diperoleh dalam kesimpulan sampel yang diharapkan mengenai
populasi. Proses evaluasi keakuratan hipotesis dengan menggunakan kemungkinan statistik
yang mampu mengungkapkan perbedaan sesungguhnya, yang mengukur signifikansi praktik
dari berbagai perubahan yang diukur. Terdapat dua pendekatan untuk menguji hipotesis:
 Statistik klasik menggambarkan pandangan objektif probabilitas yang mana
pembuatan keputusan terletak pada data sampel yang tersedia secara total.
 Statistik bayesian terdiri dari estimasi subjektif probabilitas yang ditetapkan pada
tingkat kepercayaan. Estimasi subjektif didasarkan pada penelitian umum
dibandingkan dengan pengumpulan data spesifik.

Signifikansi Statistik
Berdasarkan pendekatan statistik klasik, kita menerima atau menolak suatu hipotesisi
berdasarkan estimasi pengambilan sampel saja. Sampel sering kali tidak menggambarkan
populasi, sehingga perlu mempertimbangkan apakah perbedaan tersebut secara statistik
signifikan atau tidak. Suatu perbedaan dikatakan mimiliki signifikansi statistik apabila ada
alasan yang bagus untuk percaya bahwa perbedaan tersebut tidak hanya mewakili fluktuasi
sampel acak saja.

Logika Menguji Hipotesis

Uji klasik signifikansi terdapat dua hipotesis yang digunakan.
a. Hipotesis nol
Merupakan dugaan yang menyatakan hubungan dua buah variabel adalah jelas dan
tidak terdapat perbedaan diantaranya. Hipotesis nol biasanya digunakan untuk
penelitian hakiki. Analisis biasaya melakukan pengujian untuk menentukan apakah
tidak ada perubahan dalam populasi yang dikaji atau apakah ada perbedaan yang
nyata.
10
 b. Hipotesis alternatif
Menggambarkan adanya perbedaan rata-rata, dengan kata lain hipotesis ini
merupakan kebalikan dari hipotesis nol. Hipotesis alternatif mungkin mengambil
beberapa bentuk, tergantung pada tujuan periset mungkin dalam bentuk “tidak sama”
atau “lebih besar dari” atau “kurang dari”.

Terdapat dua jenis pengujian hipotesis yang dikenal dalam penelitian, yaitu hipotesis
direksional dan hipotesis non direksional.
a. Hipotesis direksional adalah rumusan hipotesis yang arahnya sudah jelas atau disebut
juga hipotesis langsung. Pengujian ini terdiri dari dua yaitu uji pihak kiri atau uji
pihak kanan.
- Uji pihak kanan: H0 akan diterima apabila + t table ≥ t hitung

Daerah
penolakan H0

Daerah penerimaan
H0

t tabel

- Uji pihak kiri: H0 akan diterima apabila – t table ≤ t hitung

11
 b. Hipotesis non direksional (tidak langsung) adalah hipotesis yang tidak menunjukkan
arah tertentu. Pengujian ini menggunakan uji dua pihak (two tailed test). Kriteria
penerimaan H0 pada pengujian dua pihak adalah: -t tabel ≤ t hitung ≤ + tabel

Daerah penolakan H
Daerah penolakan H
(daerah kritis)
(daerah kritis)

Daerah Penerimaan Luas = ½ ά

H0

t1 t2

Kesalahan pengujian hipotesis dapat dijelaskan dalam tabel berikut.

Kesimpulan dan Keadaan yang sebenarnya
Keputusan H0 Benar H0 Salah
Menerima H0 Tidak membuat kesalahan Kesalahan Tipe II
Menolak H0 Kesalahan Tipe I Tidak membuat kesalahan

a. Kesalahan Tipe I (∝¿

Hal ini dapat terjadi saat hipotesis nol yang benar tersebut ditolak. Kesalahan tipe I ini
disebut taraf signifikansi pengetesan, yang artinya kesediaan yang berwujud besarnya
probabilitas jika hasil penelitian terhadap sampel diterapkan pada populasi.
b. Kesalahan Tipe II( β )
Kesalahan ini terjadi apabila menerima Hipotesis nol yang salah. Eror jenis ini sulit
diprediksi. Probabilitas melakukan eror β tergantung dari 5 faktor sebagai berikut:
- Nilai sebenarnya dari parameter
- Tingkat ∝ yang sudah kita pilih
- Apakah yang digunakan uji satu arah atau dua arah untuk mengevaluasi hipotesis
bersangkutan
- Deviasi standar sampel
- Besarmya sampel

Prosedur Uji Statistik

12
 a. Nyatakan Hipotesis Nol
Walaupun periset biasanya hanya tertarik untuk menguji hipotesisi perubahan atau
perbedaan, hipotesisi nol selalu digunakan untuk tujuan uji statistiknya.
b. Pilih Uji Statistiknya
Untuk menguji satu hipotesis kita harus memilih uji statistik yang tepat. Hal yang
perlu diperhatikan dalam memilih suatu pengujian yaitu efisiensi daya uji. Dengan
sampel yang lebih kecil, pengujian dengan daya uji yang lebih kuat akan memberikan
tingkat signifikan yang sama dibandingkan dengan pengujian yang kurang kuat.
Pengambilan sampel, sifat populasi serta jenis skala pengukuran yang digunakan
dapat menjadi pertimbangan.
c. Memilih tingkat signifikansi yang diinginkan
Pemilihan tingkat signifikansi ini dilakukan sebelum kita mengumpulkan data.
Tingkat signifikansi yang paling lazim adalah 0,05 walaupun tingkat signifikansi 0,01
juga digunakan secara luas.
d. Mencatat perbedaan nilai yang dihitung
Setelah data dikumpulkan kemudian gunakan uji signifikansi yang tepat untuk
memperoleh nilai yang dihitung.
e. Mendapat nilai kritis uji
Nilai kritis merupakan kriteria yang mendefinisikan wilayah penolakan dari wilayah
penerimaan atas hipotesisi nol.
f. Menginterpretasikan hasil pengujian
Bagi sebagian besar penelitian apabila nilai yang dihitung lebih besar daripada nilai
kritis, maka kita menolak hipotesis nol dan menyimpulkan bahwa hipotesis alternatif
didukung. Namun apabila nilai kritis lebih besar, maka kita simpulkan bahwa kita
gagal untuk menolak hipotesis nol.

Nilai Probabilitas (Nilai p)

Nilai p adalah probabilitas nilai mengobservasi sampel sebagai ekstrim, lebih ekstrim
dari, nilai sesungguhnya yang diobservasi, menyatakan bahwa hipotesis nol adalah benar.
Area ini menggambarkan probabilitas kesalahan tipe I yang harus diasumsikan jika hipotesis
nol ditolak. Nilai p dibandingkan dengan tingkat signifikansi (∝), dan berdasarkan hipotesis
nol baik diterima ataupun ditolak. Jika nilai p kurang dari tingkat signifikansi, hipotesis nol
ditolak. Jika lebih besar atau sama dengan tingkat signifikansi, hipotesis nol diterima.

13
3.2 UJI SIGNIFIKANSI
Jenis-jenis Pengujian
Uji parametrik lebih kuat, karena data berasal dari pengukuran interval dan rasio.
Sedangkan uji nonparametrik digunakan untuk menguji data nominal ataupun ordinal.
Asumsi uji parametrik meliputi:
1. Observasi harus bersifat independen
2. Observasi seharusnya menggambarkan populasi terdistribusi normal
3. Populasi seharusnya memiliki varians yang sama
4. Skala pengukuran seharusnya paling tidak berupa interval, sehingga operasi
aritmatika dapat digunakan.

Memilih Tes Menggunakan Kriteria Pemilihan

1. Uji satu sampel kita gunakan apabila memiliki sampel tunggal dan berharap untuk
menguji hipotesis yang berasal dari populasi yang spesifik.
a. Uji Parametrik
Z-test atau t-test digunakan untuk menjelaskan signifikansi statistik antara rata-
rata distribusi sampel dan parameter. Distribusi Z dan distribusi t adalah berbeda.
t–test memiliki area lebih dalam dibandingkan dengan area yang ditemukan dalam
distribusi normal.
b. Uji Non Parametrik
Dalam situasi sampel tunggal, uji nonparametrik harus digunakan, terutama dalam
mengukur skala dan kondisi lainnya.
c. Uji chi-square
Uji ini sangat berguna dalam uji yang meliputi data nominal, tetapi dapat
digunakan untuk skala yang lebih tinggi.

2
k
(O i−Ei )2
X =∑
i=1 Ei
Keterangan:
O i = jumlah kasus yang observasi
Ei = jumlah yang diharapkan
k = jumlah kategori

14
 Terdapat distribusi perbedaan X 2 untuk setiap derajat kebebasan (degree of
freedom) yaitu: d.f. = k – 1
Dengan kontigensi tabel chi-square dua sampel atau k-sampel, kita memiliki baik
kolom maupun baris pada table cross-classification, sehingga:
d.f. = (r – 1) (c – 1)
H0 ditolak apabila X 2 hitung ≥ X 2tabel ,dan menerima H0 apabila X 2 hitung≤ X 2tabel.

2. Uji Dua Sampel

a. Uji Dua Sampel Independen
Pengujian ini dilakukan dengan membandingkan kelompok sampel A dan B
dengan jumlah pengamatan yang sama. Misalnya peneliti ingin mengetahui
efektivitas dari dua metode training yang diberikan kepada karyawannya. Peneliti
dapat membagi sampel menjadi dua kelompok, ada kelompok yang mendapat
pelatihan dengan Metode A, dan kelompok satunya mendapat pelatihan dengan
Metode B. Pada akhir penelitian,dapat dilihat Metode mana yang lebih efektif.
 Uji Parametrik
Pengujian parametrik untuk sampel independen yang dilakukan adalah Z test
dan t-test, walaupun uji F juga dapat digunakan. Uji Z digunakan untuk
sampel ukuran besar (lebih dari 30 sampel independen), atau lebih kecil ketika
data terdistribusi normal dan varians populasi diketahui.
 Uji Nonparametrik
Tes Chi-Square (X2) sesuai untuk situasi di mana tes untuk perbedaan antara
sampel diperlukan. Ini sangat berharga untuk data nominal tetapi dapat
digunakan dengan pengukuran ordinal, mereka sering diberlakukan dengan uji
X2 walaupun ini mengakibatkan hilangnya informasi.
b. Uji Dua Sampel Berpasangan
Menyangkut di mana orang, benda, atau peristiwa sangat cocok atau fenomena
diukur dua kali. Pengujian dilakukan dengan menguji satu sampel random yang
berpasangan. Misalnya menguji kinerja karyawan sesudah dan sebelum diberikan
pelatihan, atau memberi tes karyawan sebelum dan sesudah pelatihan. Tes
parametrik dan nonparametrik dapat diterapkan pada kondisi ini
 Uji Parametrik

15
 Uji T untuk sampel independen akan tidak seuai untuk situasi ini karena salah
satu asumsinya adalah bahwa pengamatan independen. Masalah ini
diselesaikan dengan rumus di mana perbedaan diketemukan antara masing-
masing pasangan pengamatan yang cocok, sehingga mengurangi dua sampel
setara dengan satu kasus sampel.
 Uji Nonparametrik
Tes McNemar dapat digunakan dengan data baik nominal atau ordinal dan
sangat berguna dengan sebelum-setelah pengukuran subyek yang sama.
3. Uji k-Sampel (Lebih Dari Dua Sampel)
Pengujian ini tidak berbeda dari pengujian dua sampel, perbedaannya terletak pada
jumlah sampel yang diuji, yaitu lebih dari dua sampel terlibat. Dalam kondisi ini,
untuk mengetahui apakah sampel mungkin berasal dari populasi yang sama atau
identik. Ketika data diukur pada skala interval-rasio dan kita dapat memenuhi asumsi
yang diperlukan, analisis varian dan uji F digunakan. Jika analisis awal menunjukkan
asumsi tidak dapat dipenuhi atau jika data diukur pada skala ordinal atau nominal, tes
nonparametrik harus dipilih.
a. Uji k-sampel Independen
 Uji Parametrik
Menguji hipotesis ini adalah dengan menggunakan ANOVA (analysis of
variance). Untuk menggunakan ANOVA, kondisi tertentu yang harus
dipenuhi. Sampel harus dipilih secara acak dari populasi normal, dan populasi
harus memiliki varian yang sama. Selain itu, jarak dari satu nilai ke rata-rata
kelompok nya harus independen dari jarak nilai-nilai lain ke rata-rata itu.
 Uji Nonparametrik
Jika ada sampel independent k yang data nominalnya telah dikumpulkan, uji
chi-square dapat diterapkan.
Tes Kruskal-Wallis sesuai untuk data yang dikumpulkan pada skala ordinal
atau untuk data interval yang tidak memenuhi asumsi uji-F, yang tidak dapat
diubah, atau karena alasan lain terbukti tidak cocok untuk uji parametrik.

b. Uji k-sampel berpasangan

 Uji Parametrik

16
 Uji k-sampel berpasangan diperlukan untuk situasi di mana (1) faktor
pengelompokan memiliki lebih dari dua tingkat, (2) pengamatan atau subjek
dicocokkan atau subjek yang sama diukur lebih dari sekali, dan (3) data
setidaknya selang. Dalam percobaan pemasaran percobaan atau desain ex post
facto dengan sampel k, sering kali perlu mengukur subjek beberapa kali.
Pengukuran berulang ini disebut percobaan. Misalnya, beberapa pengukuran
diambil dalam studi harga saham, produk dievaluasi oleh keandalan,
inventaris, penjualan, dan ukuran kinerja produk. Hipotesis untuk situasi ini
dapat diuji dengan model linier umum univariat atau multivariat.
 Uji Nonparametrik
Ketika sampel terkait k telah diukur pada skala nominal, uji Cochran Q adalah
pilihan yang baik. Tes ini memperluas tes McNemar, untuk studi yang
memiliki lebih dari dua sampel. Ini menguji hipotesis bahwa proporsi kasus
dalam kategori sama untuk beberapa kategori terkait. Ketika data paling tidak
bersifat ordinal, analisis varian dua arah Friedman sesuai. Ini menguji sampel
yang cocok, menentukan peringkat setiap kasus dan menghitung peringkat
rata-rata untuk setiap variabel di semua kasus. Digunakan peringkat ini untuk
menghitung statistik uji.

Berikut adalah ringkasan pengujian hipotesis

BENTUK HIPOTESIS
Deskriptif Komparatif (Lebih Dari
MACAM Komparatif (Dua Sampel) Asosiatif
(Satu Dua Sampel)
DATA Related Independen Related Independen (Hubung
Variable/
an)
Sampel)
Nominal  Binomial  Mc  Fisher  Cochran  X 2 untuk  Contin
 X 2 satu Nemar exact Q k sampel gency
sampel probability Coeffic
 X 2 dua ient C
sampel
Ordinal  Kolmogoro  Sign test  Median  Friedma  Median  Spearm
v- Smirnov  Wilcoxon test n Two- Extension an
uji satu matched  Mann- Way  Kruskal- Rank
sampel pairs Whitney U ANOVA Wallis Correla
 Run test  Kolmogor one way tion
ov- ANOVA  Kendal
Smirnov l Tau
 Wald-

17
 Woldfowit
z
Interval  t-test  t-test for  t-test  Repeate  One-Way  Korela
dan ratio  Z test related  Z test d- ANOVA si
measure  n-way Produc
s ANOVA t
ANOVA Mome
nt
 Korela
si
Parsial
 Korela
si
Ganda
 Regresi
sederha
na dan
Ganda

REFERENSI

Cooper, Donald R. dan Pamela S. Schindler. 2006. Metode Riset Bisnis Volume 1 Edisi 9.
Jakarta: Grafindo.

18
19