Handout 3

PROSEDUR PENGUJIAN HIPOTESIS

Kusnendi

SEKOLAH PASCASARJANA
UNIVERSITAS PENDIDIKAN INDONESIA
2022
 Prosedur Pengujian Hipotesis

A. Proses Inferensial
B. Pengujian Hipotesis
C. Prosedur Pengujian Hipotesis
 A. Proses Inferensial

POPULASI diambil secara acak SAMPEL

PARAMETER Inferensi (induktif) STATISTIK

Pengujian hipotesis
(Hypothesis testing)

Menarik kesimpulan berdasarkan

data sampel (statistik) untuk mengestimasi karakteristik
populasi (parameter).
 B. Pengujian Hipotesis

• Membuat keputusan berdasarkan data sampel tentang:

a. Pendugaan sebuah parameter: “Apakah benar rata-rata
IPK mahasiswa FPEB UPI sebesar 3.24?”
b. Menguji hubungan (test of relationships): “Apakah ada
hubungan antara X dengan Y?”
c. Menguji perbedaan (test of differences): “Apakah ada
perbedaan IPK mahasiswa penerima bea siswa
dibandingkan dengan IPK mahasiswa yang tidak
menerima bea siswa?”
 C. Prosedur Pengujian Hipotesis
Langkah 1: Langkah 2:
Langkah 3:
Merumuskan hipotesis Merumuskan hipotesis
Menentukan statistik uji
penelitian statistik

Langkah 6:
Langkah 5: Langkah 4:
Membuat kesimpulan
Menghitung statistik uji Menentukan kriteria uji
statistik
 1. Hipotesis Penelitian:
Direksional dan Nondireksional
• Hipotesis penelitian direksional: rumusan hipotesis yang
menyatakan secara tegas arah perbedaan dan atau pola hubungan
antarvariabel yang hendak di uji. Contoh: “IPK mahasiswa penerima
bea siswa lebih tinggi dibandingkan dengan IPK mahasiswa bukan
penerima beasiswa. Terdapat hubungan positif antara X dengan Y
atau X berpengaruh negatif terhadap Y.”
• Hipotesis penelitian nondireksional: rumusan hipotesis yang hanya
menyatakan ada perbedaan dan atau ada hubungan tanpa secara
tegas menyatakan arah perbedaan dan atau pola hubungan
antarvariabel yang akan diuji. Contoh: “Terdapat perbedaan antara
IPK mahasiswa penerima bea siswa dibandingkan dengan IPK
mahasiswa bukan penerima bea siswa. Ada hubungan antara X
dengan Y atau Ada pengaruh X terhadap Y.”
 2. Hipotesis Statistik:
Uji Satu Arah dan Uji Dua Arah
• Hipotesis statistik: operasionalisasi hipotesis penelitian yang
dirumuskan secara definitif ke dalam bentuk hipotesis nol (HO) dan
hipotesis alternatif (HA). Hipotesis Null - pernyataan tentang nilai
parameter populasi. Hipotesis Alternatif - pernyataan yang diterima
jika data membuktikan hipotesis nol salah.
• Hipotesis alternatif (HA) sama dengan hipotesis penelitian.
• Menguji hipotesis adalah menguji H0 dan bukan menguji HA.
Alasannya, HA merupakan kebalikan logis dari H0. Hasil uji HO ditolak,
berarti HA diterima, atau hasil uji HO diterima, artinya HA ditolak.
• Hipotesis statistik uji satu arah: dirumuskan untuk menguji hipotesis
penelitian direksional.
• Hipotesis statistik uji dua arah: dirumuskan untuk menguji hipotesis
penelitian nondireksional.
 Hipotesis Nol dan Alternatif
• The null hypothesis. The assumption that any difference or
relationship that exists between populations is due to chance.
The alternative hypothesis. A restatement of the hypothesis
in the same terms as those used in the null hypothesis except
that the differences or relationships are assumed to be real
and not due to chance (Burns & Burns, 2008: 231).
• Hipotesis nol. Asumsi bahwa setiap perbedaan atau
hubungan yang ada antara populasi adalah karena kebetulan.
Hipotesis alternatif. Pernyataan kembali hipotesis dalam
istilah yang sama seperti yang digunakan dalam hipotesis nol
kecuali bahwa perbedaan atau hubungan dianggap nyata dan
bukan karena kebetulan.
 Uji Satu Arah (Direksional)
• H0 : µA = µB (tidak ada perbedaan rata-rata IPK
mahasiswa penerima bea siswa dibandingkan
dengan rata-rata IPK mahasiswa bukan penerima bea
siswa).
HA : µA > µB (Rata-rata IPK mahasiswa penerima bea
siswa lebih tinggi dibandingkan rata-rata IPK
mahasiswa bukan penerima bea siswa).
• H0 : rYX = 0 (tidak ada hubungan antara X dengan Y).
HA : rYX > 0 (ada hubungan positif antara X dengan Y),
atau HA : rYX < 0 (ada hubungan negatif antara X
dengan Y).
 Uji Dua Arah (Nondireksional)
• H0 : µA = µB (tidak ada perbedaan rata-rata IPK
mahasiswa penerima bea siswa dibandingkan
dengan rata-rata IPK mahasiswa bukan penerima bea
siswa).
HA : µA ≠ µB (ada perbedaan rata-rata IPK mahasiswa
penerima bea siswa dibandingkan dengan rata-rata
IPK mahasiswa bukan penerima bea siswa).
• H0 : rYX = 0 (tidak ada hubungan antara X dengan Y).
HA : rYX ≠ 0 (ada hubungan antara X dengan Y).
 Pertanyaan Penelitian
Kuantitatif
Pengujian
Hipotesis
Perbedaan Hubungan
antarkelompok antarvariabel

Hipotesis
Penelitian

Hipotesis Hipotesis
Direksional Nondireksional

Hipotesis
Statistik

Hipotesis
Hipotesis Nol
Alternatif

Uji Satu Arah Uji Dua Arah

(Direksional) (NonDireksional)

H0 : ρ = 0 H0 : ρ = 0
H1: ρ > 0; H1: ρ < 0 H1 : ρ 0
• Hipotesis penelitian direksional negatif, uji satu arah negatif: “personal experience of ethnic
discrimination is negatively associated with job satisfaction.” (King, Dawson, Kravitz & Gulick, 2012).
Hipotesis statistik:
H0 : ρ = 0 : Tidak ada hubungan antara personal experience of ethnic discrimination dengan job
satisfaction.
H1 : ρ < 0: Terdapat hubungan negatif antara personal experience of ethnic discrimination dengan job
satisfaction.
• Hipotesis penelitian direksional positif, uji satu arah positif: ”perceived peer expertise level in a
particular domain is positively associated with peer expertise use in that domain. (Hong &
Gajendran, 2018).
Hipotesis statistik:
H0 : ρ = 0: Tidak ada hubungan antara perceived peer expertise level in a particular domain dengan
peer expertise use in that domain.
H1 : ρ > 0: Terdapat hubungan positif antara perceived peer expertise level in a particular domain
dengan peer expertise use in that domain.
• Hipotesis penelitian nondireksonal: “there is a relationship between self-efficacy for successfully
doing jobs and organizational performance.” (Memari, Valikhan, Aghababaee & Davali, 2013).
Hipotesis statistik:
H0 : ρ = 0 : Tidak ada hubungan antara self-efficacy for successfully doing jobs dengan organizational
performance.
H1 : ρ ≠ 0: Terdapat hubungan antara self-efficacy for successfully doing jobs dengan organizational
performance.
 3. Statistik Uji
• Uji z: digunakan untuk menguji pendugaan sebuah parameter,
menguji perbedaan dan hubungan antarvariabel dalam
statistika nonparametric, dan uji normalitas data.
• Uji Chi Square (χ2), digunakan untuk menguji hubungan
antara dua variabel dalam statistika non parametrik, uji
normalitas, dan uji overall fit dalam model persamaan
struktural.
• Uji t: pengganti uji z, digunakan untuk menguji perbedaan dua
rata-rata dan menguji hubungan atau pengaruh dua variabel.
• Uji F: digunakan untuk menguji perbedaan tiga atau lebih
rata-rata, dan menguji pengaruh bersama beberapa variabel
independen terhadap variabel dependen.
 4. Kriteria Uji
• Ketentuan atau pedoman yang digunakan dalam
pengambilan keputusan menolak atau menerima hipotesis
nol.
• H0 ditolak (tidak diterima) jika:
Nilai (z, t, F, χ2) hitung > nilai (z, t, F, χ2) tabel atau
Nilai p < α. Artinya, Nilai probabilitas kesalahan yang
hitung (p-value) lebih kecil dari tingkat kesalahan yang
ditetapkan (α).
• Dalam hal lainnya, H0 diterima (tidak dapat ditolak).
 Signifikan dan Tidak Signifikan
• If the p-value is less than alpha (p < α), then we reject
the null hypothesis, and we say the result is
statistically significant.
• If the p-value is greater than alpha (p > α), then we
fail to reject the null hypothesis, and we say the
result is statistically nonsignificant. (Stangor, 2011:
148).
 Alpha dan 1 – Alpha
• Keputusan pengujian hipotesis menolak atau
menerima H0 didasarkan pada tingkat kesalahan
tertentu.
• Tingkat kesalahan (level of significance, alpha level,
α) adalah probabilitas atau peluang kesalahan yang
ditetapkan peneliti dalam mengambil keputusan
menolak atau menerima hipotesis nol. Biasanya
ditetapkan α = 0.05 atau α = 0.01.
• Tingkat kepercayaan (level of confidance, 1 – α)
adalah tingkat keyakinan terhadap kebenaran hasil
pengujian hipotesis nol.
 Kesalahan Tipe I dan II
• Pengujian hipotesis memberikan dua kemungkinan
melakukan kesalahan: kesalahan tipe I dan kesalahan tipe
II.
• Kesalahan tipe I: menolak hipotesis nol padahal dalam
kenyataannya hipotesis nol benar.
• Kesalahan tipe II: menerima hipotesis nol padahal dalam
kenyataannya hipotesis nol salah.
• Peluang membuat kesalahan tipe I dinyatakan sebagai 
dan peluang membuat kesalahan tipe II sebagai .
• Kriteria yang digunakan dipakai  dan bukan . Artinya,
pengujian hipotesis selalu didasarkan pada asumsi bahwa
dalam keadaan sebenarnya hipotesis nol adalah benar.
 p(type I error) =  dan p(type II error) = 

Keadaan Sebenarnya
Hasil Uji
Ho Benar Ho Salah

Menolak Ho Kesalahan tipe I () Keputusan benar (1 - )

Menerima Ho Keputusan benar Kesalahan tipe II ()

✓ Usually, Type I error (α) is taken as 0.05 or 0.01, whereas Type II error (β) is
kept at 0.2 or less in the study (Verma & Verma: 2020: 21).
✓ (1 − ) disebut kuasa uji (power of the test): peluang menolak hipotesis nol
(H0) yang seharusnya ditolak, karena memang dalam keadaan sebenarnya
H0 salah (H1 benar). Power = 1 – β = Prob. (Rejecting the null hypothesis H0
when H0 is false) (Verma & Verma: 2020: 21).
 5. Menghitung Statistik Uji
• Rumus-rumus matematik terkait dengan
perhitungan statistik uji:
a. F
b. t
c. Z
d. χ2
 6. Kesimpulan Statistik
• Mengambil keputusan terkait dengan pengujian
hipotesis. Apakah hipotesis penelitian di terima
atau ditolak.
✓ Membanding nilai statistik uji empiris dengan
nilai statistik uji tabel pada tingkat kesalahan (α)
tertentu.
✓ Membandingkan nilai p, yaitu besarnya
probabilitas yang dihitung dalam melakukan
kesalahan Tipe I dengan tingkat kesalahan (α)
yang ditentukan peneliti.
a. Nilai statistik uji t untuk koefisien regresi X1 memberikan nilai p lebih kecil
dari tingkat kesalahan yang ditetapkan (β = 0,559, t = 3,571, p = 0,003 <
0,05). Oleh karena itu dapat disimpulkan hipotesis nol ditolak, dan jika
kesimpulan tersebut salah maka kesalahannya sebesar 0.003 atau sebesar
0.3 persen jauh lebih kecil dari 5 persen. Hasil uji signifikan dan hipotesis
penelitian pertama diterima.
b. Nilai statistik uji t untuk koefisien regresi X3 memberikan nilai p lebih besar
dari tingkat kesalahan yang ditetapkan (β = 0,141, t = 0,907, p = 0,337 >
0,05). Dengan demikian dapat disimpulkan hipotesis nol tidak dapat ditolak,
dan jika kesimpulan tersebut salah maka kesalahannya sebesar 0.378 atau
38,8 persen jauh lebih besar dari 5 persen. Hasil uji tidak signifikan dan
hipotesis penelitian ketiga ditolak, secara empiris tidak didukung data.
“The statistical results showed that two out of six hypotheses proposed and tested
were supported. The results revealed that brand association (β = 0.294, t-value =
5.046) and brand performance (β = 0.486, t-value = 8.618) were positively significant
in relation to brand equity. However, brand loyalty (β = 0.051, t-value = 0.839) was
not significantly related to brand equity. For the moderating effect, the results should
that student satisfaction was found to have no moderating relationship exist between
brand association, brand performance, and brand loyalty to brand equity of higher
learning institution. All the three proposed moderating hypotheses were rejected. To
summarize, H1 and H2 were supported, whereas H3, H4, H5, and H6 were rejected”
(Ming & Ling, 2019: 30).
 “As shown in Table 4, pay benefit satisfaction (β = 0.148, p < 0.05),
pay raise satisfaction (β = 0.245, p < 0.001), pay structure and
administration satisfaction (β = 0.278, p < 0.001) were found to be
positively related to organizational trust; thus giving support to H1, H3,
and H4. However, pay level satisfaction (β = –0.059, p > 0.05) was not
found to be related to organisational trust; thus, H2 was not supported”
(Gima & Cheah, 2020: 7).
 Daftar Pustaka
• Burns, R. B., & Burns, R. A. (2008). Business Research Methods and Statistics Using SPSS. Los
Angeles: SAGE.
• Gravetter, Frederick J.& Larry B. Wallnau. (2014). Essentials of Statistics for the Behavioral
Sciences, 8th Edition. USA: Wadsworth, Cengage Learning.
• Gima, Gabriel C. W., & Cheah, Wen-Sing. (2020). “Pay Satisfaction and Organisational Trust: An
Importance-Performance Map Analysis.” Journal of Applied Structural Equation Modeling,
4(1),1-16, Jan 2020.
• Howell, David C. (2014). Fundamental Statistics for the Behavioral Sciences, Eighth Edition. USA:
Wadsworth, Cengage Learning.
• Ming, Winnie Wong Poh & Ling, Toh Ting. (2019). “Students’ Perceptions of Brand Equity: The
Moderating Role of Student Satisfaction.” Journal of Applied Structural Equation Modeling.
3(2),24-39, June 2019.
• Nolan, Susan A. & Thomas E. Heinzen.(2012). Statistics for the Behavioral Sciences.Second
Edition. USA: Worth Publishers.
• Privitera, Gregory J. (2015). Statistics for the Behavioral Sciences. Second edition. Canada: SAGE
Publications, Inc.
• Shadish, William R., Thomas D. Cook & Donald Thomas Campbell. (2002). Experimental and
Quasi-Experimental Designs for Generalized Causal Inference. Boston: Houghton Mifflin
Company.
• Stangor, Charles. (2011). Research Methods for the Behavioral Sciences, Fourth Edition. USA:
Wadsworth, Cengage Learning.