Hello.

SELAMAT DATANG DI OKS

MARI BERBAGI ILMU

Bersama Belajar
 HIPOTESIS
DUGAAN JAWABAN – DIBUKTIKAN KEBENARANNYA
 Hipotesis
❑Tujuan: penarikan kesimpulan
(menggeneralisir) nilai yang berasal
dari sampel terhadap keadaan populasi
melalui pengujian hipotesis.
❑Keyakinan ini didasarkan pada
besarnya peluang untuk memperoleh
hubungan tersebut secara kebetulan
(by chance)
❑ Semakin kecil peluang tersebut
(peluang adanya by chance), semakin
besar keyakinan bahwa hubungan
tersebut memang ada.
 PRINSIP UJI HIPOTESIS

1 2 3 4

Perbandingan Nilai Perbedaan Nilai Peluang Penolakan Hipotesis

Melakukan perbandingan antara nilai
sampel (data hasil penelitian) dengan
nilai hipotesis (nilai populasi) yang
diajukan
Peluang untuk diterima dan ditolaknya
suatu hipotesis tergantung besar
kecilnya perbedaan antara nilai sampel
dengan nilai hipotesis.
Bila perbedaan tersebut cukup besar,
maka peluang untuk menolak hipotesis
pun besar pula, sebaliknya bila
perbedaan tersebut kecil, maka peluang
untuk menolak hipotesis menjadi kecil.
Jadi, makin besar perbedaan antara
nilai sampel dengan nilai hipotesis,
makin besar peluang untuk menolak
hipotesis
 Berasal dari kata hipo dan thesis. Hipo
artinya sementara/lemah kebenarannya
dan thesis artinya pernyataan/teori.
• Pernyataan sementara yang perlu diuji kebenarannya.
Untuk menguji kebenaran sebuah hipotesis digunakan
pengujian yang disebut pengujian hipotesis.
• Pengujian hipotesis dijumpai dua jenis hipotesis, yaitu
hipotesis nol (Ho) dan hipotesis alternatif (Ha).
Hipotesis Nol (H0)

Hipotesis yang menyatakan tidak ada perbedaan sesuatu kejadian antara

kedua kelompok. Atau hipotesis yang menyatakan tidak ada hubungan
antara variabel satu dengan variabel yang lain.

❑ Tidak ada perbedaan berat badan bayi antara mereka yang dilahirkan dari ibu yang
merokok dengan mereka yang dilahirkan dari ibu yang tidak merokok.
❑ Tidak ada hubungan merokok dengan berat badan bayi.
Hipotesis yang menyatakan ada perbedaan suatu kejadian antara kedua
kelompok. Atau hipotesis yang menyatakan ada hubungan variabel satu
dengan variabel yang lain.

• Ada perbedaan berat badan bayi antara mereka yang dilahirkan dari ibu yang
merokok dengan mereka yang dilahirkan dari ibu yang tidak merokok.
• Ada hubungan merokok dengan berat badan bayi.

Hipotesis Alternatif (Ha)

 satu arah (one tail)

Bentuk hipotesis alternatif

akan menentukan arah uji
statistik

dua arah (two tail).

One tail (satu sisi)

Bila hipotesis alternatifnyanya

menyatakan adanya perbedaan dan
ada pernyataan yang mengatakan
hal yang satu lebih tinggi/rendah
dari hal yang lain.

Contoh :
Berat badan bayi dari ibu hamil
yang merokok lebih kecil
dibandingkan berat badan bayi dari
ibu hamil yang tidak merokok.
 Two Tail
Contoh (dua sisi)
Berat badan bayi dari ibu
hamil yang merokok
berbeda dibandingkan berat
badan bayi dari ibu yang
tidak merokok.
Merupakan hipotesis
alternatif yang hanya Atau dengan kata lain : Ada
menyatakan perbedaan perbedaan berat badan bayi
tanpa melihat apakah
antara mereka yang
hal yang satu lebih
tinggi/rendah dari hal dilahirkan dari ibu yang
yang lain. merokok dibandingkan dari
mereka yang tidak merokok.
BENTUK PENGUJIAN HIPOTESIS
DAN HIPOTESIS STATISTIKNYA
 MACAM-MACAM HIPOTESIS
HIPOTESIS DESKRIPTIF
Hipotesis deskripsif dapat diartkan: sebagai dugaan atau
jawaban sementara terhadap masalah deskriptif yang
berhubungan dengan variabel tunggal.
Contoh: Anda meneliti apakah sebuah merk minuman soda
mengandung alkohol.
Rumusan masalah: apakah benar sebuah merk minuman
soda mengandung alkohol? Maka hipotesis penelitian anda
adalah:
Ho: sebuah merk minuman soda mengandung alkohol.
H1: sebuah merk minuman soda tidak mengandung alkohol.
HIPOTESIS KOMPARATIF
Hipotesis komparatif dapat diartikan: sebagai dugaan atau jawaban
sementara terhadap rumusan masalah yang mempertanyakan perbandingan
(komparasi) antara dua variabel penelitian.
Contoh: Anda meneliti apakah ada perbedaan hasil belajar antara metode
pembelajaran pedagogi dan metode pembelajaran konvensional pada siswa
kelas 6 sekolah B.
Rumusan masalah: adakah perbedaan hasil belajar antara metode
pembelajaran pedagogi dan metode pembelajaran konvensional pada siswa
kelas 6 sekolah B? Maka hipotesis penelitian anda adalah:
Ho: Tidak ada perbedaan hasil belajar antara metode pembelajaran pedagogi
dan metode pembelajaran konvensional pada siswa kelas 6 sekolah B.
H1: Ada perbedaan hasil belajar antara metode pembelajaran pedagogi dan
metode pembelajaran konvensional pada siswa kelas 6 sekolah B.
 MACAM-MACAM HIPOTESIS
HIPOTESIS ASOSIATIF
Hipotesis asosiatif dapat diartikan sebagai dugaan atau
jawaban sementara terhadap rumusan masalah yang
mempertanyakan hubungan antara dua variabel penelitian.
Contoh: Anda akan meneliti apakah ada hubungan musim
panen tembakau di desa A dengan jumlah penjualan toko B.
Maka rumusan masalah: adakah hubungan musim panen
tembakau di desa A dengan jumlah penjualan toko B? Maka
hipotesis penelitian anda adalah:
Ho: Tidak ada hubungan musim panen tembakau di desa A
dengan jumlah penjualan toko B.
H1: Ada hubungan musim panen tembakau di desa A
dengan jumlah penjualan toko B.
HIPOTESIS KAUSAL
Hipotesis kausal dapat diartikan sebagai dugaan atau jawaban
sementara terhadap rumusan masalah yang mempertanyakan
pengaruh faktor prediktor terhadap variabel respon.
Contoh: Anda akan meneliti apakah KB Hormonal ada pengaruh
terhadap kejadian kanker leher rahim. Maka rumusan masalah
yang anda buat adalah: adakah pengaruh KB Hormonal terhadap
kejadian kanker leher rahim? Maka hipotesis penelitian anda
adalah:
Ho: Tidak ada pengaruh KB Hormonal terhadap kejadian kanker
leher rahim.
H1: Ada pengaruh KB Hormonal terhadap kejadian kanker leher
rahim.
 RUMUSAN
HIPOTESIS

Rumusan hipotesis terdiri dari H0 dan HA Beberapa kemungkinan rumusan

H0: hipotesis observasi hipotesis menggunakan tanda
matematis sebagai berikut:
HA: hipotesis alternatif
H0: = ≤ ≥
Rumusan hipotesis pada H0 dan HA dibuat
menggunakan simbol matematis sesuai Ha: ≠ > <
dengan hipotesis
 HIPOTESIS DESKRIPTIF (SATU SAMPEL)
H0: µ1= x
HA: µ1≠ x
UJI HIPOTESIS KOMPARATIF (DUA SAMPEL)
DUA H0: µ1= µ2 (TIDAK BEDA)

PIHAK HA: µ1≠ µ2 (BERBEDA)

HIPOTESIS ASOSIATIF HIPOTESIS KAUSAL

H0:  = 0 H0:  = 0
HA:  ≠ 0 HA:  ≠ 0
 HIPOTESIS DESKRIPTIF (SATU SAMPEL)
H0: µ1 ≥ x
HA: µ1 < x

UJI HIPOTESIS KOMPARATIF (DUA SAMPEL)

H0: µ1 ≥ µ2
PIHAK
HA: µ1< µ2
KIRI
HIPOTESIS ASOSIATIF HIPOTESIS KAUSAL
H0:  ≥ x H0:  ≥ x
HA:  < x HA:  < x
HIPOTESIS NOL BERBUNYI LEBIH BESAR
 HIPOTESIS DESKRIPTIF (SATU SAMPEL)
H0: µ1 ≤ x
HA: µ1 > x

UJI HIPOTESIS KOMPARATIF (DUA SAMPEL)

PIHAK H0: µ1 ≤ µ2

KANAN HA: µ1 > µ2

HIPOTESIS ASOSIATIF HIPOTESIS KAUSAL

H0:  ≥ x H0:  ≥ x
HA:  < x HA:  < x
HIPOTESIS NOL BERBUNYI LEBIH KECIL
• Untuk mengurangi kesalahan, biasakan memulai membuat hipotesis statistik dari
Ha dulu, lalu hal-hal yang belum tercantum di Ha kita masukan menjadi H0. Sebagai
contoh, jika di Ha kita memasukkan tanda ≠, maka di H0 kita harus memasukkan =.
Jika di Ha kita memasukkan tanda >, maka di H0 kita harus memasukkan hal-hal
yang belum dijelaskan di Ha, yaitu < dan =. Mudah kan?!

• Banyak kesalahan-kesalahan terjadi dengan menuliskan hipotesis statistik sebagai

berikut:

H0: ρ > 0 // ρ < 0 // ρ > 0

Ha: ρ ≤ 0 // ρ ≥ 0 // ρ < 0

Apakah kalian tahu di mana letak kesalahannya?

 KESALAHAN
PENGAMBILAN
KEPUTUSAN
• Dalam pengujian hipotesis kita
selalu dihadapkan suatu kesalahan
pengambilan keputusan.
• Ada dua jenis kesalahan
pengambilan keputusan dalam uji
statistik, yaitu:
✓ kesalahan tipe alpha
✓ Kesalahan tipe beta
MENENTUKAN TINGKAT
KEMAKNAAN
(LEVEL OF SIGNIFICANCE)
❑ Tingkat kemaknaan, atau sering disebut
dengan nilai , merupakan nilai yang
menunjukkan besarnya peluang salah
dalam menolak hipotesis nol.
❑ nilai  merupakan batas toleransi peluang
salah dalam menolak hipotesis nol.
❑ nilai  merupakan nilai batas maksimal
kesalahan menolak Ho.
❑ Nilai  dapat diartikan pula sebagai batas
maksimal kesalahan menyatakan adanya
perbedaan.
 WE ARE CREATIVE

Penentuan nilai  (alpha)

Kondisi Penelitian Nilai alpha Arah Pengujian

Tergantung dari tujuan dan Nilai  (alpha) yang sering Untuk pengujian 2 sisi, gunakan
kondisi penelitian. digunakan adalah 10 %, 5 % α/2, dan untuk pengujian 1 sisi,
atau 1 %. gunakan α.
Parametrik &
Nonparametrik
Parametrik & Nonparametrik

“
Prioritas utama pada penelitian yang melibatkan variabel numerik
(komparatif numerik) adalah analisis parametrik.
Alternatifnya adalah analisis nonparametrik.
PARAMETRIK
Objek pengamatan harus saling independen.
Artinya pemilihan sembarang kasus dari
populasi untuk dimasukan dalam sampel
tidak boleh menimbulkan bias.

Sebaran data harus berdistribusi normal

Variabel-variabel yang terlibat harus

setidaknya dalam skala interval, sehingga
memungkinkan digunakannya penanganan
secara ilmu hitung terhadap skor-skornya .

Populasi-populasi di mana objek

pengamatan ditarik harus memiliki
varians yang sama
 Keunggulan & Kekurangan

KELEBIHAN STATISTIK PARAMETRIK

• Tidak perlu dilakukan pengujian terhadap parameter populasi
• Data observasi dianggap saling bebas dan diambil dari populasi yang
memiliki distribusi normal dengan varian yang homogen. Asumsi-asumsi
yang rumit tersebut membuat pengujian menggunakan metode
parametrik dapat diandalkan akurasinya.

KEKURANGAN STATISTIK PARAMETRIK

• Populasi harus memiliki varian yang sama.Tentu hal ini merupakan hal
yang sulit karena kenyataannya semua varian dari populasi tidak
diketahui.
• Variabel variabel yang diteliti terbatas hanya untuk jenis data dengan
skala paling tidak adalah interval dan rasio.
• Distribusi populasi harus diketahui berdistribusi normal. Jika belum
diketahui tentu harus dicari terlebih dahulu menggunakan uji
normalitas.
NONPARAMETRIK

Kelompok data tidak

berdistribusi normal dan biasanya
Ukuran sampel kecil

Umumnya data yang dimiliki

memiliki skala nominal dan
ordinal
❑ Mudah dilakukan karena tidak membutuhkan asumsi
normalitas
❑ Secara umum metode perhitungan yang digunakan tidak
menggunakan perhitungan perhitungan matematik yang
rumit.
❑ pengujian hipotesis dilakukan secara langsung pada
pengamatan nyata
❑ Karena data umumnya bersifat kualitatif sehingga
terkadang tidak dibutuhkan jenjang atau urutan
❑ Dapat juga digunakan untuk kelompok populasi
berdistribusi normal sebagai uji pembanding statistik
parametrik
 • Pengujian dengan menggunakan
metode statistik non parametrik

- seringkali mengabaikan beberapa

informasi.
• Hasil uji metode statistik non
parametrik tidak dapat digunakan
untuk mengestimasi karakter
populasi. Karena prosesnya sederhana
dan cenderung menggunakan sampel
kecil dan tidak berdistribusi normal.
Selain itu penggunaan metode
statistik non parametrik hanya
membandingkan dua kelompok
tertentu.
 Statistik uji Nonparametrik
Kelompok Uji Statistik Uji
Uji Binomial, χ2, Run test, χ2 goodness of Fit, Kolmogorov Smirnov satu
•
Deskriftif
sampel
Dua sampel berhubungan
• Mc Nemar, Wilcoxon sampel berpasangan, Uji Tanda
Dua sampel independen
Komparatif • Uji median, Mann-Whitney, Kolmogorov Smirnov dua sampel, Wald
Wolfowidsz
Kasus lebih dari dua sampel independen
• χ2 k Sampel, Uji median, Kruskal Wallis
• Koefisien Kontingensi C, Koefisien ϕ untuk tabel 2×2, Rank Spearman,
Asosiatif τ – Kendall (Kendall-Tau)
• dll
 Statistik Paramerik Statistik Nonparametrik

Memerlukan asumsi distribusi dari data yang

Tidak memerlukan asumsi distribusi sehingga
digunakan. Biasanya distribusi data yang diperlukan
sebaran data bebas.
adalah distribusi normal.

Memerlukan data metrik (kuantitaif) dan nonmetrik

Memerlukan jenis data bersifat metrik (kuantitatif).
(kualitatif). Atau bisa dikatakan bahwa data yang
Bisa dikatakan juga bahwa data yang digunakan
digunakan bisa dalam bentuk data nominal, ordinal,
hanya data dalam bentuk data interval atau rasio.
interval atau rasio.

Biasanya jumlah data yang digunakan lebih atau

sama dengan (≥) 30 (data berukuran besar), sebab
data yang lebih atau sama dengan 30 diasumsikan Biasanya jumlah data yang digunakan kurang dari 30.
mengikuti teorema limit pusat (central limit
teorema).
 PARAMETRIK
YA

Distribusi YA YA YA YA Skala
Distribusi Sampel ditarik Varians
DATA

populasi pengukuran
populasi normal? secara random? kelompok sama
diketahui? interval/ratio?

TIDAK TIDAK TIDAK TIDAK TIDAK

NONPARAMETRIK
 Pasangan Skala & Tes
Skala Hubungan-hubungan yang membatasi Contoh-contoh Data Statistik Tes Statistik yang Sesuai

(1) Ekuivalensi Modus Tes Statistik

Nominal Frekuensi Nonparametrik.
Koefesien Kontingensi
(1) Ekuivalensi Median Tes Statistik
Persentil Nonparametrik

Ordinal (2) Lebih besar dari Sepearman

Kendal

(1) Ekuivalensi Mean (rata-rata) Tes Statistik

(2) lebih besar dari Deviasi standar Nonparametrik dan
Interval (3) Rasio sembarang dua interval diketahui Korelasi Produk momen Tungal dan Parametrik
berganda
1) Ekuivalensi Mean geometrik Tes Statistik
(2) lebih besar dari Koefesien variasi Nonparametrik dan
Rasio (3) Rasio sembarang dua interval diketahui Parametrik
(4) Rasio sembarang dua harga skala diketahui
 Pasangan Uji Parametrik & Nonparametrik
Jenis Uji Parametrik Non Parametrik Tipe Analisis

Mengetahui hubungan
Uji Korelasi Pearson,regresi Spearman, Theil korelasi linier antara dua
peubah

Uji 2 Independen Sampel t- Membandingkan dua

Mann Whitney
Kelompok Indpenden Test sample bebas

Analisa varians dengan

Uji lebih dari 2 Membandingkan tiga grup
Anova satu arah menggunakan peringkat
Kelompok Indpenden atau lebih
Kruskal-Wallis
Uji berulang kasus 2 Uji T sampel Meneliti perbedaan dalam
Wilcoxon
sampel berpasangan suatu grup

Membandingkan tiga grup

Uji Berulang Kasus lebh Anova satu arah Analisa varians dua arah atau lebih dengan
dari 2 Sampel berulang Friedman menggunakan dua faktor
yang berbeda
 Software Uji Parametrik & Nonparametrik
Jenis Uji Parametrik Non Parametrik

SPSS, R, EXCEL, PLS, STATCAL,

Uji Korelasi/Regresi SPSS, R, EXCEL,
EVIEWS, MINITAB

Uji 2 Kelompok Indpenden SPSS, STATA, STATCAL, MINITAB SPSS, STATA, STATCAL, MINITAB

Uji lebih dari 2

SPSS, R, SWANSTAT SPSS, STATA, MINITAB
Kelompok Indpenden

Uji berulang kasus 2 sampel SPSS, STATCAL SPSS, R, MINITAB

Uji Berulang Kasus lebh dari 2 AMOS, LISREL, SPSS, SAS,

SPSS, MINITAB, R, SMARTPLS
Sampel EVIEWS, MINITAB
“METODE STATISTIK YANG TEPAT
AKAN MENGHASILKAN SUATU
SIMPULAN YANG OPTIMAL ATAS
SUATU PENELITIAN”