Chapter 15

Quantitative Data Analysis: Hypothesis Testing

A. Pengujian Hipotesis

Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari

analisis data, baik dari percobaan yang terkontrol, maupun dari observasi
(tidak terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara
statistik jika kejadian tersebut hampir tidak mungkin disebabkan oleh faktor
yang kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan
sebelumnya.
1. Tipe Kesalahan 1, Kesalahan 2 dan Kekuatan Statistik
Hipotesis nol dianggap benar pada bukti statistik, sedangkan dalam bentuk uji
hipotesis menunjukkan sebaliknya. Bukti statistik yang dibutuhkan diperoleh
dari statistik inferensial, seperti analisis regresi atau manova. Satistik inferensial
membantu kita untuk menarik kesimpulan (atau untuk membuat
pendapat/perkiraan) tentang populasi dari sampel.
Tujuan pengujian hipotesis adalah menentukan secara akurat jika hipotesis nol
dapat ditolak karena hipotesis alternatif. Berdasarkan data sampel, penelitian
dapat menolak hipoteis nol dengan tingkat keyakinan tertentu : selalu ada risiko
bahwa pendapat yang dibuat tentang populasi tersebut salah.
Kesalahan tipe 1, disebut juga dengan alpha adalah probabilitas menolak
hipotesis nol ketika hal tersebut sebenarnya benar. Kesalah tipe 1 akan terjadi
jika kita menyimpulkan, berdasarkan data, kelelahan memengaruhi keinginan
untuk keluar dari perusahaan, yang pada kenyataannya hal tersebut tidak
memengaruhi. Probabilitas tipe 1 disebut juga dengan tingkat signifikan
ditentukan oleh peneliti. Tingkat signifikan yang umum dalan penilitian bisnis
adalah 5% dan 1%.
Kesalahan tipe 2 juga disebut beta, adalah probabilitas kegagal untuk menolak
hipotesis nol tertentu bahwa hipotesis alternatif tersebut benar misalnya
menyimpulkan berdasarkan data, bahwa kelelahan tidak memengaruhi
keinginan untuk keluat dari perusahaan ketika sebenarnya hal tersebut
memengaruhi.
2. Memilih Pengujian Statistik yang Tepat

Setelah memilih tingkat signifikasi statistik yang dapat diterima untuk menguji
hipotesis, langkah selanjutnya adalah menentukan metode yang sesuai untuk
menguji hipotesis tersebut. Univariate statistical techniques suatu sistem pakar
yang merekomendasikan satu atau lebih prosedur statistic setelah
mengumpulkan informasi mengenai sasaran (yaitu, tujuan analisis misalnya
untuk memahami buhungan antara dua variabel), dan data (yaitu, kategori,
skala). Univariate statistical techiniques merupakan panduan bagi mereka yang
tidak menguasai statistic tetapi ingin memastikan bahwa mereka memaki
teknik statistik yang tepat.
Adapun dalam penggunaannya Univariate statistical techiniques dijumpai
dalam membuat keputusan yang berkaitan dengan berbagai aspek desain
penelitian antara lain; sifat studi, horizon waktu, jenis studi, situasi studi, unit
analisis, desain pengambilan sampel, metode pengumpulan data, dan lain-lain.
a. Menguji Hipotesis Mean Tunggal
Uji 1 sampel digunakan untuk menguji hipotesis bahwa mean populasi
dari mana sampel diambil sama dengan standar perbandingan.
Asumsikan bahwa anda mengetahui bahwa rata-rata mahasiswa belajar
31 jam dalam seminggu. Dari apa yang diamati sejauh ini, kita berpikira
bahwa mahasiswa di universitas belajar lebih lama lagi. Sehingga kita
menanyakan kepada 20 teman kelas tentang berapa lama mereka belajar
dalam seminggu. Rata-rata lama belajar perminggu diketahui adalah 36,2
jam, 4 jam 12 menit lebih lama dibandingkan lama belajar mahasiswa
pada umumnya. Cara untuk memutuskan apakah ada perbedaan yang
signifikan antara mahasiswa dari universitas anda dan mahasiswa pada
umumnya bergantung pada tiga aspek: nilai rata-rata sampel (36,2 jam);
nilai perbandingannya standar (32 jam); dan tingkat ketidakpastian
mengenai seberapa baik rata-rata sampel mewakili rata-rata populasi
(kesalahan standar rata-rata sampel).
b. Menguji Hipotesis Dua Mean yang Berhubungan
Terdapat banyak contoh ketika kita tertarik untuk mengetahui apakah
dua kelompok berbeda satu sama lain pada variabel ketertarikan berskala
interval atau berskala rasio.
Dalam hal ini, akan ada dua pengamatan kepada setiap karyawan,
sebelum pelatihan dan setelah pelatihan. Kami akan menggunakan uji-t
sampel berpasangan untuk menguji hipotesis nol bahwa rata-rata
perbedaan antara pengukuran sebelum dan sesudah adalah nol.
The Wilcoxon signed‐rank test adalah tes non parametrik untuk
memeriksa perbedaan yang signifikan antara dua sampel terkait atau
pengukuran berulang pada sampel tunggal. Ini digunakan sebagai
alternatif uji-t sampel berpasangan ketika populasi tidak dapat
diasumsikan berdistribusi normal.
Uji McNemar adalah metode non parametrik yang digunakan pada data
nominal. Ini menilai signifikansi perbedaan antara dua sampel dependen
ketika variabel yang diminati adalah dikotomis. Ini digunakan terutama
dalam studi sebelum dan sesudah untuk menguji efek eksperimental.
Hasil dari penelitian nya adalah metode pelatihan baru memiliki efek
positif pada kinerja atlet.
c. Menguji Dua Mean yang Tidak Berhubungan
 Terdapat banyak contoh ketika kita tertarik untuk mengetahui apakah
dua kelompok berbeda satu sama lain pada variabel ketertarikan berskala
interval atau berskala rasio. Misalnya, apakah para wanita dan laki-laki
menekan masalah mereka untuk memperkenalkan flextime di tempat
kerja pada tingkat yang sama, atau apakah kebutuhan mereka berbeda ?.
Untuk menjawab pertanyaan seperti itu uji t sampel bebas dilakukan
untuk mengetahui jika terdapat perbedaan mean yang signifikan antara
dua kelompok dalam variabel ketertarikan. Yaitu variabel nominal yang
dibagi menjadi 2 subkelompok.
d. Menguji Hipotesis Beberapa Mean
Apakah uji-t menunjukkan apakah terdapat perbedaan mean yang
signifikan atau tidak dalam variabel terikat antara dua kelompok, analisis
varians membantu untuk meneliti perbedaan mean yang signifikan
diantara lebih dari dua kelompok pada variabel terikan berskala interval
atau rasio.
e. Analisis Regresi
Analisis regresi sederhana digunakan dalam situasi di mana satu variabel
bebas dihipotesiskan akan memengaruhi satu variabel terika, misalnya
asumsikan bahwa kita menyatakan bahwa kecenderungan untuk
membeli produk hanya bergantung pada kualitas produk yang dirasakan.
Analisis regresi berganda memberikan mean penilaian secara objektif
pada tingkat dan ciri-ciri hubungan antara variabel bebas dan variabel
terikat: koefisier regresi secara relative percaya bahwa varians dalam
kinerja bebas dalam prediksi variabel terikat.
1) Koefisien Regresi Terstandar
Koefisien regresi terstandar adalah estimasi yang berasal dari
analisis regresi berganda yang dilakukan pada variabel yang telah
distandarkan
2) Regresi dengan Variabel Dummy
Variabel dummy adalah variabel yang memiliki dua tingkat yang
jelas atau lebih yang dikodekan denagn 0 atau 1 . variabel
dummy membuat kita dapat menggunakan variabel nominal atau
ordinal sebagai variabel bebas untuk menjelaskan, memahami,
atau memprediksi variabel terikat.
3) Multikolinearitas
Multikolinearitas seringkali menjadi fenomoena statistic dimana
dua variabel bebas atau lebih dalam model regresi berganda
sangat berhubungan.

3. Data Warehousing, Data Mining, dan Penelitian Operasi

Data warehousing dan data mining merupakan aspek dari system informasi.
Kebanyakan perusahaan kini menyadari manfaat dari data warehouose yang
berfungsi sebagai tempat penyimpanan pusat semua data yang dikumpulkan diri
sumber-sumber yang berbeda termasuk yang berkaitan dengan keuangan
 perusahaan, manufaktur, penjualan, dan semacamnya. Penelitian Operasi
merupakan alat canggih lain yang digunakan untuk menyederhanakan dan
memperjelas jenis persoalan rumit tertentu yang harus dikuantifikasi
4. Beberapa Perangkat Lunak yang Berguna untuk Analisis Data
a) LISREL
b) MATLAB
c) Mplus
d) SAS/STAT
e) SPSS
f) SPSS AMOS
g) Stat