1. Hubungan Simetris
Hubungan simetris merupakan bentuk hubungan di mana dua
variabel atau lebih muncul secara bersamaan. Dalam bentuk hubungan ini
tidak ditemukan secara pasti adanya variabel bebas dan variabel terikat.
Hal ini disebabkan karena keberadaan satu variabel tidak disebabkan atau
tidak dipengaruhi oleh keberadaan variabel lainnya.
Contoh:
a. Hubungan antara bunyinya burung hantu dengan kematian seseorang.
b. Hubungan antara tingkat kemanisan buah rambutan dengan
keberadaan semut di pohon rambutan
c. Hubungan antara kekayaan kepala desa di pedesaan dengan tingkat
volume penjualan mobil di perkotaan.
2. Hubungan Kausal
Hubungan kausal merupakan bentuk hubungan yang sifatnya sebab-
akibat. Artinya keadaan satu variabel disebabkan atau ditentukan oleh
keadaan satu atau lebih variabel lain. Dalam bentuk hubungan ini, sudah
ditemukan secara pasti adanya variabel terikat dan variabel bebas.
Variabel yang nilai-nilainya bergantung pada variabel lain atau ditentukan
oleh variabel lain disebut sebagai variabel terikat dan disimbolkan dengan
“Y”. Variabel yang nilai-nilainya tidak bergantung pada variabel lain atau
menentukan nilai variabel lainnya disebut sebagai variabel bebas dan
disimbolkan dengan “X”.
Hubungan ini dapat terjadi apabila memenuhi beberapa syarat
berikut ini.
a. Asosiasi, menunjukkan kaitan di antara variabel seperti yang sering
diperoleh dengan teknik korelasi
b. Prioritas waktu, menunjukkan bahwa X (variabel bebas) harus terjadi
lebih dahulu sebelum Y (variabel terikat)
c. Hubungan sebenarnya, menunjukkan Y benar-benar disebabkan oleh
X bukan oleh faktor lain.
d. Rasional, menunjukkan logika yang mendasari hubungan-hubungan
tersebut.
Contoh
a. Hubungan antara periklanan dengan volume penjualan
b. Hubungan antara kurs valuta asing (valas) dengan harga saham.
c. Hubungan antara pelatihan dengan prestasi kerja.
2. Koefisien Penentu
Koefisien penentu (KP) atau koefisien determinasi (KD) adalah
angka atau indeks yang digunakan untuk mengetahui besarnya
sumbangan sebuah variabel atau lebih (variabel bebas, X) terhadap
variaasi (naik / turunnya) variabel yang lain (variabel terikat Y).
Nilai koefisien penentu berada antara 0 sampai 1 (0 < KP < 1).
Jika nilai koefisien penentu (KP) = 0, berarti tidak pengaruh variabel
independen (X) terhadap variabel dependen (Y).
Jika nilai koefisien penentu (KP) = 1, berarti variasi (naik / turunnya),
variabel dependen (Y) adalah 100% dipengaruhi oleh variabel
independen (X).
Jika nilai koefisien penentu (KP) berada di antara 0 dan 1 (0 < KP <
1) maka besarnya pengaruh variabel independen terhadap variasi
(naik / turunnya) variabel dependen adalah sesuai dengan nilai KP itu
sendiri, dan selebihnya berasal dari faktor-faktor lain.
3. Regresi
Regresi yang berarti peramalan merupkan teknik statistik (alat
analisis) hubungan yang digunakan untuk meramalkan atau
memperkirakan nilai dari satu variabel dalam hubungannya dengan
variabel yang lain melalui persamaan garis regresi.
Regresi ini dapat berbentuk regresi linear, yaitu regresi yang
memperlihatkan data yang ada dapat dinyatakan berada pada suatu garis
lurus (linear) dan regresi nonlinear, yaitu regresi yang memperlihatkan
data yang ada tidak dapat dinyatakan pada suatu garis lurus (nonlinear).
Regresi linear dapat berupa regresi linear sederhana, yaitu regresi linear
yang hanya melibatkan dua variabel yaitu satu variabel bebas X dan satu
variabel terikat Y dan regresi linear berganda, yaitu regresi linear yang
melibatkan lebih dari dua variabel, satu variabel terikat (Y) dan dua atau
lebih variabel bebas (X1, X2, X3, …. X11).
Regresi yang akan dibahas difokuskan pada regresi linear, baik
regresi linear sederhana maupun regresi linear berganda.
Tabel 4.2
Contoh soal:
Dengan menggunakan data dari Tabel 6.2, tentukan besarnya
koefisien korelasi dan jelaskan artinya!
Penyelesaian
n = 8 X = 124 X2 = 1.972
Y = 12,3 Y2 = 19,33 XY = 194.7
8(194,7) (124)(12,3)
r =
(8(1.972) (124) 2 )(8(19,33) (12,3) 2 )
= 0,885
6d2
rs = 1
n3 n
Keterangan:
d = selisih ranking X dan Y
n = banyaknya pasangan data
Keterangan:
x2 = kai kuadrat
n = jumlah semua frekuensi
KP = R = (KK)2 x 100%
Keterangan:
KK = koefisien korelasi
KP = R = r2 x 100%
( n)( XY ) ( X )( Y )
KP =
( N )( X 2 ) ( X ) 2 ( N )( Y 2 ) ( Y ) 2
Contoh soal:
Dengan menggunakan data dari Tabel 6.2, tentukan besarnya
koefisien penentu dan apa artinya?
Penyelesaian:
Dari penyelesaian contoh soal sebelumnya diperoleh:
r = 0,885
KP = r2 x 100%
= (0.885)2 x 100%
= 0,7832 x 100%
= 78,32%
Catatan:
Uraian selengkapnya tentang koefisien korelasi sederhana ini dapat
dilihat pada Buku Pokok-Pokok Materi Statistik 1 (Statistik
Deskriptif)
b . sx
r=
Sy
1 ( X ) 2
Sx = ( X ) 2
n n
1 ( Y ) 2
Sy = ( Y ) 2
n n
Contoh soal:
Dengan menggunakan data dari Tabel 6.1, tentukan besar koefisien korelasi
dengan menggunakan rumus di atas!
Penyelesaian:
n = 5 X = 41 X2 = 395
b = 1,5 Y = 113 Y2 = 2.709
1 412
Sx = 395
5 5
= 3,429
1 113 2
Sy = 2.709
5 5
= 5,571
1,5 (3,429)
r =
5,571
= 0,92
Cov ( X , Y ) xy
=
x y x y
xy = E( X x ) 2
y = E (Y y ) 2
1 1
2Zr = dan Zr =
n3 n3
Atau:
Zr – Z/2 Zr < Zr < Zr + Z/2 Z
Penyelesaian:
1 1 0,7
Zr = 2 ln 1 0,7 0,867
1
Zr = 0,33
12 3
= 5% = 0,05
/2 = 0,025
Z0,025 = 1,96
r n2
t0 =
1 r2
5) Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak.
(sesuai dengan kriteria pengujian)
Contoh soal:
Sampel sebanyak 6 psang data dari variabel X dan Y diperlihatkan
seperti berikut ini.
X = jumlah pekerja
Y = Produksi yang dihasilkan
X : 25 35 20 45 40 50
Y : 310 150 125 425 210 400
= 0,67
1. Formulasi hipotesis
H0 : =0
H1 : >0
2. Taraf nyata () dan nilai t tabel
= 5% = 0,025 db = 6 – 2 = 4
t0,05(4) = 2,132
3. Kriteria pengujian
H0 diterima apabila t0 < 2,132
H0 ditolak apabila t0 > 2,132
4. Nilai uji statistik
0,67 6 2
t0 =
1 (1,67) 2
= 1,811
5. Kesimpulan
Karena t0 = 1,811 < t0,05(4) = 2,132 maka H0 diterima.
Jadi, tidak ada hubungan antara jumlah pekerja dengan banyaknya
produksi yang dihasilkan.
b. Untuk asumsi 0
Pengujian hipotesis asumsi = 0 menggunakan distribusi Z sebagai uji
statistiknya. Prosedur pengujiannya ialah sebagai berikut.
1) Menentukan formula hipotesis
H0 : = 0 (0 mewakili nilali tertentu)
H1 : > 0 (0 lebih besar dari nilali tertentu)
< 0 (0 lebih kecil dari nilai tertentu)
0 (0 tidak sama dengan nilai tertentu)
2) Menentukan taraf nyata () dan nilai Z tabel)
Z = … atau Z/2 …
3) Menentukan kriteria pengujian
a) Untuk H0 : = 0 dan > 0:
(1) H0 diterima jika Z0 < Z’
(2) H0 ditolak jika Z0 > Z’
b) Untuk H0 : = 0 dan < 0:
(1) H0 diterima jika Z0 > –Z’
(2) H0 ditolak jika Z0 < –Z’
c) Untuk H0 : = 0 dan 0 0:
(1) H0 diterima jika –Z/2 < Z0 < Z/2’’
(2) H0 ditolak jika Z0 > Za/2 atau Z0 < –Z/2’
4) Menentukan nilai uji statistik
Z r Z r
Z0 =
Z r
5) Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak.
(sesuai dengan kriteria pengujian)
Contoh soal:
Sampel sebanyak 8 pasang data dari variabel X dan Y diperoleh nilai r
= 0,30. Ujilah apakah koefisien korelasi populasi () sama dengan 27
pada taraf nyata 5%!
Penyelesaian
1. Formulasi hipotesis
H0 : = 0,27
H1 : 0 ,27
2. Taraf nyata () dan nilai Z tabel
= 5% = 0,05 /2 = 0,025
Z0,025 = 1,96
3. Kriteria pengujian
H0 diterima apabila –1,96 < Z0 < 1,96
H0 ditolak apabila Z0 < –1,96 atau Z0 > 1,96
4. Nilai uji statistik
1 1 0,3
Zr = ln
2 1 0,3
= 0,31
1 1 0, 27
Zr = 2
ln
1 0, 27
= 0,28
1
Zr =
83
= 0,45
0,31 0,28
Z = 0,45
= 0,067
5. Kesimpulan
Karena Z0 = 0,067 < Z0,025 = 1,96 maka H0 diterima.
Jadi, koefisien populasi () = 0,27
F. REGRESI LINEAR SEDERHANA
1. Hubungan Antarvariabel
Hubungan antarvariabel dapat berupa hubungan linear ataupun
hubungan tidak linear. Misalnya, berat badan laki-laki dewasa sampai pada
taraf tertentu bergantung pada tinggi badan, keliling lingkaran bergantung
pada diameternya, dan tekanan gas bergantung pada suhu dan volumenya.
Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan
memberikan persamaan-persamaan tertentu.
Untuk dua variabel, hubungan linearnya dapat dinyatakan dalam
bentuk persamaan linear, yaitu:
Y = a + bX
Keterangan:
Y, X = variabel
a, b = bilangan konstan (konstanta)
Hubungan antara dua variabel pada persamaan linear jika
digambarkan secara grafis (scatter diagram), semua nilai Y dan X akan
berada pada suatu garis lurus. Dalam ilmu ekonomi, garis itu disebut garis
regresi.
Karena antara Y dan X memiliki hubungan, maka nilai X dapat
digunakan untuk menduga atau meramal nilai Y. dalam hal ini, X disebut
variabel bebas, yaitu variabel yang nilai-nilainya tidak bergantung pada
variabel lain dan Y disebut variabel terikat, yaitu variabel yang nilai-
nilainya bergantung pada variabel lain.
Hubungan antarvariabel yang akan dipelajari di sini hanyalah
hubungan linear sederhana, yaitu hubungan yang hanya melibatkan dua
variabel (Z dan Y) dan berpangkat satu.
2. Persamaan Garis Regresi Linear Sederhana
Regresi yang berarti peramalan, penaksiran, atau pendugaan
pertama kali diperkenalkan pada tahun 1877 oleh Sir Francis Galton (1822
– 1911) sehubungan dengan penelitiannya terhadap tinggi manusia.
Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi
badan ayahnnya.
Analisis regresi juga digunakan untuk menentukan bentuk (dari)
hubungan antarvariabel. Tujuan utama dalam penggunaan analisis itu
adalah untuk meramalkan atau memperkirakan nilai dari satu variabel
dalam hubungannya dengan variabel yang lain yang diketahui melalui
persamaan garis regresinya.
Untuk populasi, persamaan garis regresi linear sederhananya dapat
dinyatakan dalam bentuk:
y.x = A + BX
Keterangan
y.x = Rata-rata Y bagi X tertentu
A, B = Konstanta atau parameter atau koefisien regresi populasi
Karena populasi jarang diamati secara langsung, maka digunakan
persamaan regresi linear sederhana sampel sebagai penduga persamaan
regresi linear sederhana populasi. Bentuk persamaannya adalah
Y = a + bX
Keterangan
Y = Penduga bagi y.x
= variabel terikat (variabel yang diduga)
X = Variabel bebas (variabel yang diketahui)
a, b = Penduga parameter A dan B
= Koefisien regresi sampel
a = Intersep (nilai Y, bila X = 0)
b = Slop (kemiringan garis regresi)
A, B = Konstanta atau parameter atau koefisien regresi populasi
Persamaan Y = a + bX memberikan arti jika variabel X
mengeluarkan satu satuan maka variabel Y akan mengalami peningkatan
atau penurunan sebesar 1 x b.
Untuk membuat peramalan, penaksiran, atau pendugaan dengan
persamaan regresi, maka nilai a dan b harus ditentukan terlebih dahulu.
Dengan metode kuadrat terkecil (least square), nila a dan b dapat
ditentukan dengan rumus berikut.
XY n . X .Y
b = 2
X 2
N.X
a = Y -b. X
Contoh soal:
Berikut ini adal a hdata hasil pengamatan pemupukan dan hasil panen padi
untuk 5 percaobaan yang telah dilakukan.
X 3 6 9 10 13
Y 12 23 24 26 28
Penyelesaian:
Untuk menyelesaikan soal tersebut, terlebih dahulu dibuat tabel seperti berikut
ini.
X Y X2 Y2 XY
3 12 9 144 36
6 23 39 529 138
9 24 81 576 216
10 26 100 676 260
13 28 169 784 364
41 113 395 2.709 1.014
n = 5
41
X = = 8,2
5
113
Y = = 22,6
5
1.014 5(8,2) (22,6)
b =
395 5(8,2) 2
87,4
= 58,8
= 1,5 (dibulatkan)
a = 22,6 – 1,5 (8,2)
= 10,3
Y = n . a + b X
XY = a X + bX2
det A1
a =
det A
det A2
b =
det A
n X
A =
X X 2
Y X
A1 =
XY X2
n Y
A2 =
X
XY
Y 2 a . Y b . XY
Se =
n2
Se
Sb = ( X ) 2
X2
n
Contoh soal:
Tentukan kesalahan baku regresi, penduga a dan b dari Tabel 6.1!
Penyelesaian
Dari jawaban pada contoh soal sebelumnya, didapatkan:
a = 10,3 a = 10,3 b = 1,5
Y2 = 2.709 Y = 113 XY = 1.014
X2 = 395 X = 41
= 2,9
= 1,97
Contoh soal:
Tentukan pendugaan interval dari parameter A dan B dari Tabel 6.1
dengan = 5% atau tingkat keyakinan 95% dan jelaskan artinya!
Penyelesaian:
Dari jawaban pada contoh soal sebelumnya, didapatkan:
a = 10,3 b = 1,5
Sa = 1,97 Sb = 0,38
= 5% = 0,05 /2 = 0,025 db = 5 – 2 = 3
t0,025(3) = 3,81
a A0
t0 =
Sa
2) Untuk parameter B
b B0
t0 =
Sb
e. Membuat kesimpulan
Menyimpulkan apakah H0 diterima atau ditolak
Contoh soal
Ujilah parameter A dan B dengan menggunakan penduga a dan b pada
Tabel 6.1, dengan taraf nyata 5%!
Penyelesaian :
Dari jawaban contoh soal sebelumnya, didapatkan:
n = 5
a = 10,3 b = 1,5
Sa = 1,97 Sb = 0,38
1. Formulasi hipotesis
a. Untuk parameter A:
H0 : A = A0
H1 : A A0
b. Untuk parameter B:
H0 : B = B0
H1 : B B0
n = 8
X = 15,5
Y = 1,54
194,7 (8(15,5) (1,54)
b =
1,972 8(15,5) 2
= 0,075
a = 1,54 – 0,075(15,5)
= 0,35
= 0,09 (dibulatkan)
* Kesalahan baku penduga b:
0,09
Sb = 124 2
1972
8
= 0,013
c. Pendugaan interval bagi parameter B dengan tingkat keyakinan 99%:
b = 0,075 Sb = 0,013
1 - = 99% = 1% = 0,01 /2 = 0,005
db = 8 – 2 = 6
t(0,005(6) = 3,707
0,075 – 3,707(0,013) < B < 0,075 +3,707(0,013)
0,027 < B < 0,123
b 2 . ( X X ) 2
F0 = 2
Sc
(0,075) 2 (50)
=
(0,09) 2
= 34,72
5. Kesimpulan:
Karena F0 = 31,25 > F0,01(1,6) = 13,74. Maka H0 ditolak. Jadi, ada
pengaruh positif antara biaya promosi dan hasil penjualan, artinya
jika biaya promosi naik maka hasil penjualan akan meningkat
pula.
H. PERAMALAN (PREDIKSI)
Y sebagai penduga memiliki nilai yang mungkin sama atau tidak
sama dengan nilai sebenarnya. Untuk membuat Y sebagai penduga yang
dapat dipercaya, maka dibuat penduga bagi Y dengan menggunakan penduga
Y itu sendiri. Dengan demikian, Y sebagai penduga dapat digunakan
sebagai peramalan atau prediksi.
Ada tiga bentuk peramalan sehubungan dengan penduga Y tersebut,
yaitu sebagai berikut :
1. Peramalan Tunggal
Peramalan tunggal atau prediksi titik dirumuskan :
Y = a + bX
1 (X X )2
1
S (Y
y0 ) = Se n ( X ) 2
X
2
0
1 ( X X )2
S Y = Se
n ( X ) 2
X2
n
Contoh soal :
Dengan menggunakan data Tabel 6.2, kerjakan soal berikut ini !
a. Buatlah ramalan tunggal untuk hasil penjualan jika besarnya biaya
promosi Rp 20.000,00!
b. Buatlah ramalan interval untik individu Y, jika biaya promosi Rp
20.000,00 dengan tingkat keyakinan 99%!
c. Buatlah ramalan interval untuk rata-rata E(Y), jika biaya promosi Rp
20.000,00 dengan tingkat keyakinan 99%!
Penyelesaian
Dari jawaban contoh soal sebelumnya, diperoleh :
n = 8
X = 15,5
2 ( X 2 )
X – = 50
n
Se = 0,09
t0,005(6) = 3,707
Y = 0,38 + 0,075X
a. Ramalan tunggal :
X = 20
Y = 0,38 + 0,075(20)
= 1,88
Jadi apabila biaya promosi menjadi Rp 20.000,00 maka diharapkan
hasil penjualan mencapai Rp 1.880.000,00
b. Ramalan Y0 :
1 (20 15,5) 2
S (Y
y0 ) = 0,09 1
0
8 50
= 0,11
1,88 – 3,707(0,11) < Y0 < 1,88 + 3,707(0,11)
1,47 < Y0 < 2,29
Jadi, apabila promosi menjadi Rp 20.000,00 maka diharapkan hasil
penjualan adalah antara 1,47 juta sampai 2,29 juta, pada tingkat
keyakinan 99%
c. Ramalan E(Y) :
1 ( 20 15,5) 2
S Y = 0,09
8 50
= 0,065
1,88 – 3,707(0,065) < E(Y) < 1,88 + 3,707(0,065)
1,639 < E(Y) < 2,121
Jadi, apabila promosi menjadi Rp 20.000,00 maka diharapkan hasil
penjualan rata-rata adalah berkisar 1,639 juta sampai 2,121 juta, pada
tingkat keyakinan 99% 74+6
BAB 7
HIPOTESIS PENELITIAN
Tujuan Pembelajaran
1. KONSEP HIPOTESIS
Semula istilah hipotesis dari bahasa Yunani yang mempunyai dua kata
ialah “hupo” (sementara) dan “thesis” (pernyataan atau teori). Karena
hipotesis merupakan pernyataan sementara yang masih lemah kebenarannya .
maka perlu diuji kebenarannya. Kemudian para ahli menafsirkan arti hipotesis
adalah sebagai dugaan terhadap hubungan antara dua variabel atau lebih
(Kerlinger, 1973:18 dan Tuckman, 1982:5). Selanjutnya Sudjana (1992:219)
mengartikan hipotesis adalah asumsi atau dugaan mengenai satu hal yang
dibuat untuk menjelaskan hal itu yang sering dituntut untuk melakukan
pengecekannya. Hal ini jelas bahwa Sudjana mengatakan asumsi atau dugaan
yang bersifat umum sedangkan Kerlinger dan Tuckman lebih khusus lagi
mengenai arti hipotesis menjadi dugaan antara dua variabel atau lebih.
Atas dasar definisi di atas, sehingga dapat diartikan bahwa hipotesis
adalah jawaban atau dugaan sementara yang harus diuji lagi kebenarannya.
Hipotesis penelitian adalah hipotesis kerja (Hipotesis Alternatif Ha atau
H1) yaitu hipotesis yang dirumuskan untuk menjawab permasalahan dengan
menggunakan teori-teori yang ada hubungannya (relevan) dengan masalah
penelitian dan belum berdasarkan fakta serta dukungan data yang nyata di
lapangan. Hipotesis alternatif (Ha) dirumuskan dengan kalimat positif.
Secara statistik hipotesis diartikan sebagai pernyataan mengenai
keadaan populasi (parameter) yang akan diuji kebenarannya berdasarkan data
yang diperoleh dari sampel penelitian (statistic). Dengan demikian dalam
perhitungan statistik yang diuji adalah Hipotesis Nol (Ho). Jadi hipotesis nol
adalah pernyataan tidak adanya hubungan, pengaruh atau perbedaan antara
parameter dengan statistik lawannya adalah Ha yang menyatakan adanya
hubungan, pengaruh atau perbedaan antara parameter dan statistik. Hipotesis
Nol (Ho) dirumuskan dengan kalimat negatif.
Perlu diperhatikakn bagi pembaca, bahwa setiap penelitian tidak harus
berhipotesis, tetapi setiap penelitian harus dirumuskan masalahnya. Adanya
hipotesis dinyatakan berdasarkan pada rumusan masalah penelitian yang
diajukan. Agar rumusan masalah dapat terjawab dan hipotesis dapat teruji
berdasarkan data yang dikumpulkan oleh peneliti. Sehingga keduanya harus
dirumuskan dengan menggunakan kalimat yang jelas, tidak menimbulkan
banyak penafsiran dan spesifik supaya dapat diukur. Masalah penelitian
dirumuskan dalam bentuk kalimat tanya dan hipotesis dalam bentuk kalimat
pernyataan.
TABEL 57
Model Kesalahan Ketika Membuat Kesimpulan Dalam Pengujian
Hipotesis
TABEL 58
Tindakan Investor dalam Menanam Modal
TINDAKAN SEBENARNYA PENANAMAN MODAL
INVESTOR
HO benar Ho salah
Menanam Modal Tindakan yang Benar Kesalahan Model II ()
Tidak Menanam Kesalahan Model I () Tindakan yang Benar
Modal
7. HIPOTESIS STATISTIK
Hipotesis statistik adalah pernyataan statistik tentang populasi yang
diteliti. Jika menguji hipotesis penelitian dengan perhitungan statistik, maka
rumusan hipotesis tersebut perlu diubah ke dalam rumusan hipotesis statistik.
Kalau dalam rumusan hipotesis penelitian hanya dituliskan salah satu saja
yaitu hipotesis alternatif (Ha) atau hipotesis nol (Ho). Sedangkan dalam
hipotesis statistik keduanya dipasangkan sehingga dapat diambil keputusan
dengan tegas yaitu menerima Ho berarti menolak Ha begitu juga sebaliknya
apabila menolak Ho berarti menerima Ha. Hipotesis statistik ini dirumuskan
untuk menjelaskan gambaran dan parameter apa dari populasi.
Wilayah
Penolakan Ho
Wilayah
Penerimaan Ho
–ttabel
Jika – ttabel < t hitung < ttabel maka Ho diterima dan Ha ditolak
Wilayah
Penolakan Ho
Wilayah
Penerimaan Ho
ttabel
Jika –ttabel < thitung < ttabel maka Ho diterima dan Ha ditolak
b. Hipotesis Non Direksional
Hipotesis Non Direksional (hipotesis tidka langsung) adalah
hipotesis yang tidak men unjukkan arah tertentu. Jika rumusan Ha
berbunyi kalimt: tidak sama dengan (), maka sebaliknya Ho berbunyi
kalimat: sama dengan (=). Pengujian ini menggunakan uji dua pihak (two
tailed test). Contoh sebagai berikut:
Wilayah
Wilayah Penolakan Ho
Penolakan Ho Wilayah
Penerimaan Ho
–ttabel ttabel
9. SOAL-SOAL LATIHAN
a. Apa arti hipotesis penelitian dan hipotesis statistik?
b. Apa yang dimaksud dengan taraf signifikan?
c. Sebutkan macam-macam permasalahan dalam penelitian?
d. Sebutkan arti parameter dan statistik?
e. Bagaimana pengertian dan perbedaan hipotesis nol (Ho) dengan hipotesis
alternatif (Ha)?
f. Bagaimana teori kesalahan dalam pengujian hipotesis dan berikan
contohnya?