Learning Partner:
Ahmad Dimyati, M.Pd
Dosen UIN Syarif Hidayatullah Jakarta
~Motivation Today~
“You will never achieve anything in your life … unless you make it a
MUST!” –Adam khoo
Estimasi Parameter
(1) Statistik & Parameter (2)
Penaksiran Parameter Populasi,
Hipotesis Penelitian
(1) Hakikat Hipotesis, Populasi, dan
Sampling (2) Berbagai Macam Hipotesis
“
2 hanya menentukan satu nilai
dasar toleransi terhadap
kemungkinan terjadinya
berdasarkan pertimbangan
bahwa nilai itulah yang
Semakin besar rentangan nilai yang kekeliruan tertentu kita
dibuat maka kemungkinan prakiraan itu mengatakan bahwa nilai
paling besar
yang muncul akan bergerak
kemungkinannya untuk meleset semakin kecil dan sebaliknya, antara dua buah angka,
muncul. semakin kecil rentangan nilai yang dibuat yaitu paling rendah 290C
maka kemungkinan prakiraan itu meleset dan paling tinggi 350C
semakin besar.
KARAKTERISTIK
PENAKSIR PARAMETER
Dalam penelitian, kita menggunakan statistik atau penaksir
(estimator) untuk menaksir parameter. Ada tiga ciri penting yang
harus dimiliki oleh suatu statistik atau penaksir, yaitu (1) tidak
bias, (2) konsisten, (3) efisien.
01
TIDAK BIAS
Suatu penaksir (statistik) disebut tidak bias jika rata-rata dari yang disampel
secara acak dan berulang dalam jumlah yang tidak terhingga sama dengan
paramter populasi yang ditaksir.
𝑋ത1 + 𝑋ത2 + 𝑋ത3 + … + 𝑋ത𝐾
𝑋ത𝑋ത = =𝜇
𝑘
KONSISTEN
02 Suatu penaksir disebut konsisten jika penambahan jumlah sampel
menyebabkan penaksir itu bertambah dekat (makin sama) dengan parameter
yang ditaksir. Berdasarkan ciri ini maka selisih rata-rata yang dihitung dari
sampel yang berukuran 𝑛 = 60 lebih kecil dibandingkan selisih rata-rata sampel
dengan 𝑛 = 30 dari rata-rata populasinya.
EFISIEN
03 Suatu penaksir disebut efisien jika variansinya dari satu sampel ke sampel yang
lain relatif kecil. Efisiensi relatif suatu penaksir jga dapat dilihat dari besaran
galat baku taksirannya.
INTERVAL KEYAKINAN
Pada contoh sebelumnya, prakiraan cuaca dapat dinyatakan dalam
bentuk rentangan nilai, seperti antara 290C - 350C, yang disebut
interval estimate. Secara lebih formal, taksiran dalam bentuk
rentangan nilai biasanya didasarkan kepada (a) bentuk distribusi
data atau ukuran yang ditaksir, (b) galat baku taksiran (akar kuadrat
dari variansi distribusi sampel) dan ( c ) tingkat keyakinan yang
digunakan atau toleransi atas kekeliruan yang mungkin terjadi.
PERUMUSAN MASALAH
Setiap penelitian dimulai dari adanya suatu
masalah yang dirasakan atau diamati oleh
peneliti. Perumusan masalah merupakan tugas
1
yang paling sulit dalam keseluruhan proses
penelitian.
PERUMUSAN HIPOTESIS
Setelah peneliti merumuskan masalah, kemudian
peneliti menelaah dan mengkaji berbagai sumber
(teori/konsep/asumsi dan temuan terdahulu) yang
2
relevan. Atas dasar kajian itu, hipotesis
dirumuskan yaitu prediksi tentang hasil penelitian
yang akan diperoleh.
IDENTIFIKASI PEUBAH & DEFINISI
OPERASIONAL
Langkah ketiga dalam penelitian adalah mengidentifikasi dan
3
merumuskan peubah yang terlibat pada setiap hipotesis. Setiap
peubah kemudian harus dirumuskan secara operasional sehingga
jelas aspek-aspeknya yang hendak diukur.
4
RENCANA PENELITIAN
Rencana penelitian merupakan uraian rinci mengenai metode penelitan
(bagaimana penelitian akan dilakukan?), desain eksperimen, populasi dan
sampel, teknik dan alat pengumpul data, serta teknik analisis dan penyajian
data.
PENGUMPULAN DATA, ANALISIS DATA & PENAFSIRAN HASILNYA
Dalam penelitian eksperimen, langkah pengumpulan data disebut pelaksanaan eksperimen.
5 Data penelitian dikumpulkan dengan alat pengumpul data dari sumber data. Kemudian data
yang sudah dikumpulkan, kemudian dianalisis dengan menggunakan teknik statistika sesuai
dengan masalah dan tujuan penelitian serta jenis data yang dianalisis.
KESIMPULAN PENELITIAN
Hasil analisis data harus ditafsirkan dengan merujuk kepada rumusan masalah atau
6 hipotesis penelitian yang dikaji, teori yang digunakan, dan temuan lain yang relevan.
Kesimpulan penelitian merupakan hasil berpikir reflektif peneliti atas hasil analisis data
(temuan yang diperoleh), bukan rangkuman hasil analisis data atau temuan yang
diperoleh.
[A] HAKIKAT HIPOTESIS,
POPULASI, & SAMPLING
Jika peneliti ingin menguji beberapa hipotesis, maka
peneliti harus melakukan sampling (pengambilan
sampel) dan sampel inilah yang akan dijadikan dasar untuk
dicocokkan dengan populasi.
01
Notasi yang dipakai saat merumuskan
Hipotesis statistika adalah parameter, ukuran-ukuran
populasi, bukan menggunakan notasi atau ukuran statistik
sampel.
Distribusi sampling (Distribusi sampel)
02 Tempat atau lapangan yang dibentuk oleh rata-rata dan
galat baku dengan besar total probabilitas 100% adalah
populasi. Contoh distribusi sampel seperti distribusi F,
distribusi t dan distribusi lainnya yang ada pada slide
pertemuan sebelumnya.
Beberapa Jenis
SAMPLING
Proses pengambilan sampel yang disebut sampling harus dilakukan secara logis agar tidak terjadi kekeliruan
dalam melakukan analisis statistika. Teknik sampling dari no. 1 s.d 4 adalah termasuk sampling probabilitas,
sedangkan teknik sampling no.5 s.d 8 termasuk sampling non probabilitas.
1 Hipotesis penelitian
Yang harus dirumuskan persis seperti menjawab rumusan
masalah secara konsisten dengan kalimat verbal.
Hipotesis statistik
2 Yang harus dituliskan dengan notasi statistika. Hipotesis
statistik terdiri dari hipotesis nol dan hipotesis satu atau
hipotesis alternatif.
CONTOH HIPOTESIS PENELITIAN
& HIPOTESIS STATISTIKA
Seorang peneliti menduga bahwa keunggulan siswa sekolah-
sekolah favorit dalam UN & SBMPTN lebih berkaitan dengan
kemampuan potensial mereka daripada keunggulan sekolah dalam
menyelenggarakan kegiatan pembelajaran. Sesuai dengan dugaan
tersebut, peneliti merumuskan hipotesis penelitiannya. Kemudian
hipotesis tersebut dijabarkan menjadi hipotesis statistikanya.
1 Hipotesis penelitian
”Siswa sekolah favorit secara rata-rata memiliki tingkat kecerdasan
yang lebih tinggi daripada siswa sekolah tidak favorit”
Hipotesis statistik
2 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 > 𝜇2
Pada rumusan hipotesis di atas, angka 1 = sekolah favorit dan
angka 2 = sekolah tidak favorit. Perlu diingat rumusan hipotesis
harus menggunakan notasi yang menunjukkan parameter populasi,
bukan statistik sampel
[B] BERBAGAI
JENIS HIPOTESIS
Dalam penelitian kuantitatif kunci utama adalah hipotesis. Selain itu,
hipotesis statistika yang sesuai dengan hipotesis satu (alternatif: 𝐻1 )
adalah hipotesis penelitian yang ditulis dalam kalimat verbal sebagai
jawaban sementara terhadap rumusan masalah.
Oleh karena itu, hanya hipotesis satu (𝐻1 ) yang memiliki 3 kemungkinan
notasi yang berbeda tergantung teori yang dijadikan dasar dalam
merumuskan jawaban sementara terhadap masalah penelitian.
HIPOTESIS JENIS 1
A 𝐻0 : 𝜇1 = 60 𝐻0 : 𝜇1 = 𝜇2 3 bunyi hipotesis tersebut akan
𝐻1 : 𝜇1 ≠ 60 𝐻1 : 𝜇1 ≠ 𝜇2 mempengaruhi pengujian hipotesis.
Bunyi hipotesis A adalah tidak memihak
B HIPOTESIS JENIS 2 (nondirectional), maka hipotesis A
𝐻0 : 𝜇1 = 60 menuntut uji dua sisi. Sedangkan bunyi
𝐻0 : 𝜇1 = 𝜇2 hipotesis B & C adalah memihak
𝐻1 : 𝜇1 > 60 𝐻1 : 𝜇1 > 𝜇2 (directional) maka hipotesis B & C
masing-masing menuntut uji satu sisi.
C HIPOTESIS JENIS 3
𝐻0 : 𝜇1 = 60 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 < 60 𝐻1 : 𝜇1 < 𝜇2
PENGUJIAN HIPOTESIS
[Kekeliruan dalam Pengambilan Keputusan; Uji Satu Sisi & Uji Dua Sisi; & Tingkat Keyakinan]
Masalah yang dipertanyakan oleh pengujian hipotesis adalah perbedaan di
dalam populasi (perbedaan parameter), bukan hanya perbedaan pada sampel
(perbedaan statistik). Selain itu, pengujian hipotesis dilakukan berdasarkan
pada asumsi bahwa hipotesis nol itu benar.
[A] PENGUJIAN HIPOTESIS
Dalam pengujian hipotesis, hipotesis yang diuji adalah hipotesis
nol ( 𝐻0 ), bukan hipotesis alternatif atau hipotesis satu (𝐻1 ).
Alasannya antaralain:
Jika hipotesis nol itu salah dan peneliti tidak menolaknya, maka ia
melakukan kekeliruan tipe II dalam mengambil keputusan. Peluang
membuat kekeliruan tipe II dilambangkan dengan β (baca: beta) dan
peluang membuat keputusan yang benar (menolak hipotesis nol yang
salah) disebut kuasa uji statistik (1 − β).
LEVEL SIGNIFIKANSI
Dalam pengujian hipotesis, kita menggunakan level atau tingkat
signifikansi /keberartian (significance level) tertentu yang
dilambangkan dengan 𝜶 (baca: alpha). Dengan asumsi bahwa
risiko kekeliruan tipe I cukup berat, peneliti biasanya menetapkan
level signifikansi yang rendah, yaitu 0,05 atau 0,01. Bilangan 1
− 𝜶 disebut tingkat kepercayaan. Jika dalam pengujian hipotesis
itu 𝜶 = 𝟎, 𝟎𝟓 , maka tingkat kepercayaannya adalah 0,95 atau
95%. atau Misalnya, suatu penelitian melaporkan bahwa
hipotesis nol ditolak pada “tingkat kepercayaan” 99% atau pada 𝜶
= 𝟎, 𝟎𝟏.
2
DAERAH PENOLAKAN 𝐻0 PADA UJI SATU SISI & DUA SISI
Bila daerah penolakan hipotesis nol berada pada salah
satu sisi kurva distribusi statistik yang digunakan maka DAERAH PENOLAKAN 𝐻0 PADA UJI DUA SISI
disebut uji satu sisi. Letak daerah penolakan 𝐻0 pada Perhatikan rumusan hipotesis berikut:
kurva distribusi statistik berkaitan dengan bunyi 𝐻0 : 𝜇1 = 60
hipotesis penelitian yang hendak diuji, apakah memihak 𝐻1 : 𝜇1 ≠ 60
(directional) atau tidak memihak (nondirectional). Rumusan hipotesis di atas tidak memihak karena
Rumusan yang memihak menuntut uji satu sisi, baik uji hipotesis satu atau alternatifnya (𝐻1 ) menggunakan
sisi kanan atau uji sisi kiri. Sedangkan rumusan tanda ≠ (tidak sama dengan). Pada gambar di atas,
hipotesis yang tidak memihak menuntut uji dua sisi. daerah yang diarsir, menunjukkan daerah penolakan
𝐻0 dengan besar 𝛼 = 0,05 yang terbagi menjadi dua
bagian masing-masing 0,025 atau 2,5%.
3
4
DAERAH PENOLAKAN 𝐻0 PADA UJI SISI KANAN
Perhatikan rumusan hipotesis berikut:
𝐻0 : 𝜇1 = 60
𝐻1 : 𝜇1 > 60
Rumusan hipotesis di atas memihak ke kanan DAERAH PENOLAKAN 𝐻0 PADA UJI SISI KIRI
karena hipotesis satu atau alternatifnya ( 𝐻1 )
menggunakan tanda > (lebih dari). Pada gambar Perhatikan rumusan hipotesis berikut:
di atas, daerah penolakan 𝐻0 berada di sebelah 𝐻0 : 𝜇1 = 60
sisi kanan dengan besar 𝛼 = 0,05 atau 5%. 𝐻1 : 𝜇1 < 60
Rumusan hipotesis di atas memihak ke kiri
karena hipotesis satu atau alternatifnya ( 𝐻1 )
menggunakan tanda < (kurang dari). Pada
gambar di atas, daerah penolakan 𝐻0 berada di
sebelah sisi kiri dengan besar 𝛼 = 0,05 atau 5%.
[D] LANGKAH-LANGKAH
1 1 HIPOTESIS STATISTIK
Di dalam merumuskan hipotesis statistik
yang perlu diperhatikan adalah penulisan
notasi yang harus berkaitan dengan
parameter apa yang akan diuji. Parameter
yang sering diuji biasanya rata-rata ( 𝜇 ).
Perhatikan juga jenis hipotesis alternatifnya
(𝐻1 ).
2
2 DATA SAMPEL Contoh: peneliti menduga bahwa metode
pembelajaran A lebih efektif daripada metode
Informasi pada langkah kedua yang pembelajaran B untuk meningkatkan daya
diperlukan adalah data tentang jumlah ingat anak. Rumusan hipotesis statistikanya
sampel, rata-rata, simpangan baku, varians, adalah:
dan mungkin koefisien korelasi bila dibutuhkan
saat menguji selisih dua rata-rata yang 𝐻0 : 𝜇𝐴 = 𝜇𝐵
dependen, seperti antara pretest ddengan
𝐻1 : 𝜇𝐴 > 𝜇𝐵
postest.
3 3 DISTRIBUSI SAMPLING
Berdasarkan hipotesis statistika pada langkah
pertama, distribusi sampling dapat ditentukan,
apakah menggunakan distribusi Z, distribusi t,
distribusi F, atau khi-kuadrat tergantung parameter
yang diuji dan banyaknya rata-rata juga.
4 KRITERIA PENGUJIAN
Pada langkah ini, yang dimaksud kriteri pengujian adalah
kriteria kapan menolak dan menerima 𝐻0 sesuai dengan
besar hasil perhitungan terhadap nilai Z, t, F atau khi-
kuadrat hitung yang dibandingkan dengan tabel kritis
4
untuk masing-masing distribusi sampling seperti tabel
kritis Z, t, F atau khi-kuadrat. Besar harga tabel-tabel kritis
tersebut ditentukan oleh taraf/level signifikansi yang dipilih
dan besar sampel atau derajat kebebasan.
Harapan peneliti dalam pengujian hipotesis adalah
menolak 𝐻0 sehingga harus diupayakan harga-harga Z, t,
F atau khi-kuadrat hitung lebih besar daripada harga tabel
pada taraf signifikansi tertentu.
5 5 PERHITUNGAN
Pada langkah ini, sesuai dengan distribusi sampling
dapat dilakukan perhitungan terhadap galat
(kekeliruan) baku /standar error untuk distribusi
sampling tertentu. Besarnya kekeliruan baku ini
ditentukan oleh besar kecilnya simpangan baku dan
jumlah sampel.
Jika galat baku semakin besar, maka semakin sulit
kemungkinan menolak hipotesis nol karena galat
baku yang besar ini akan menjadi pembagi sehingga
6
memperkecil harga Z, t, F atau khi-kuadrat dalam
pengujian hipotesis.
6 KESIMPULAN PENGUJIAN
Langkah terakhir adalah pengambilan keputusan
berkaitan dengan apakah hipotesis nol diterima atau
ditolak. Apabila 𝐻0 ditolak jangan menyatakan 𝐻1
diterima. Karena dalam pengujian hipotesis yang
ditolak dan diterima hanya 𝐻0 dan 𝐻1 tidak pernah
ditolak dan diterima karena 𝐻1 merupakan
konsekuensi logis dari hasil keputusan pengujian
terhadap 𝐻0
KONVENSIONAL MODERN
Bandingkan nilai statistik hitung dengan nilai Bandingkan nilai α dengan nilai sig (p-value).
statistik tabel. Jika nilai sig (p-value) < α maka Ho ditolak.
Jika nilai statistik hitung terletak pada Jika nilai sig (p-value) ≥ α maka Ho diterima.
daerah kritis maka Ho ditolak.
Jika nilai statistik hitung terletak pada
daerah penerimaan maka Ho diterima.
BEBERAPA CONTOH
Penyelesaian
Langkah-langkah untuk pengujian hipotesis sebagai berikut:
ഥ
𝑿−𝝁 𝟕𝟒−𝟕𝟎
𝒛= = = 𝟖, 𝟔𝟎
𝝈𝑿
ഥ 𝟎,𝟒𝟔𝟓
1−𝛼
(f) Kesimpulan pengujian
Berdasarkan perhitungan, kita peroleh harga 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 = 8,60.
oleh karena 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 > 1,65 maka kita menolak 𝐻0 pada 𝛼 =
0,05 sehingga dari hasil pengujian dapat disimpulkan bahwa
Harga z kritis = 1,65 rata-rata tingkat kecemasan siswa belajar matematika lebih
Maka, kriteria pengujian sebagai berikut: tinggi dari pada siswa yang diduga sebelumnya yaitu
Tolak 𝐻0 jika 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 > 1,65 dan terima 𝐻0 jika sebesar 70.
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 1,65
BEBERAPA CONTOH
Penyelesaian
Langkah-langkah untuk pengujian hipotesis sebagai berikut:
ഥ
𝑿−𝝁 𝟔𝟏−𝟔𝟎
𝒛= = = 𝟐, 𝟒𝟖𝟔
𝝈𝑿
ഥ 𝟎,𝟒𝟎𝟐
Penyelesaian
Langkah-langkah untuk pengujian hipotesis sebagai berikut:
ഥ −𝝁
𝑿 ഥ −𝝁
𝑿 𝟓𝟐−𝟔𝟎
𝒕= =𝒔 = = −𝟑, 𝟐𝟕
𝝈𝑿ഥ ൗ 𝒏−𝟏 𝟐,𝟒𝟓
Non
Parametrik
parametrik
Asosiasi Yule
Lambda
KOMPARATIF LEBIH DARI 2
KOMPARATIF DUA SAMPEL
SKALA SAMPEL
DESKRIPTIF ASOSIATIF
PENGUKURAN
SATU SAMPEL (HUBUNGAN)
DATA Berpasangan Berpasangan
Independen Independen
(Pairs) (Pairs)
Wilcoxon Mann-
matched Whitney U Kendall’s W Kruskal-Wallis Kendall-tau
pairs test
Marginal
Kolmogorov- Jonckheere-
Homoge- Gamma
Ordinal Run test Smirnov Terpstra
neity
Wald-
Woldfowitz Somers’ d
runs
Moses
Uncentainty
extreme
coefficient
reactions
KOMPARATIF KOMPARATIF
DUA SAMPEL LEBIH DARI 2 SAMPEL
SKALA
DESKRIPTIF ASOSIATIF
PENGUKURAN
SATU SAMPEL (HUBUNGAN)
DATA
Berpasangan Berpasangan
Independen Independen
(Pairs) (Pairs)
Regresi Ganda
Analisis Jalur
Asosiasi Korelasi
Interval/
Nominal Ordinal
Rasio
Nominal • Contingency • Eta
coefficient
• Phi
• Cramer’s V
• Uncentainty
coefficient
Asosiasi Ordinal • Gamma
• Spearman
• Somers’ d
• Kendal’s tau b
• Kendal’s tau c
The national mean for the English component of the ACT test is 18.9.
03 You wish to compare how students at your school perform on this
testt. You randomly select a sample of 25 students and obtain the
following results: 𝑋ത = 16.1, s = 5.2 (a) State formally the hypothesis
necessary to conduct a directional test. (b) test the null hypothesis at
the .05 significane level and state your conclusions
THANKS
FOR YOUR
TIME
@aadimi | Ahmad Dimyati Maestro