STATISTIK :

PERUMUSAN, PENERIMAAN DAN

PENOLAKAN HIPOTESA

Tim Pengajar Statistik

Definisi hipotesis
• Adalah dugaan (jawaban sementara) yang akan diuji kebenarannya
(atau kepalsuannya)
• Mengapa disebut jawaban sementara? → Karena baru dibuat
berdasarkan teori yang relevan (belum berdasarkan fakta-fakta
empiris)
• Dugaan benar jika fakta empiris / kenyataan mendukung
• Dugaan salah jika fakta empiris / kenyataan menyangkal
Tipe Hipotesis (null dan alternatif) & Contoh:

Hnull / Hnol/ Ho:

• Tingkat kepercayaan diri mahasiswa Unair normal
• Tidak ada perbedaan antara A dan B
• Tidak ada korelasi A dengan B

Hipotesa alternatif / Hipotesa kerja / Ha:

• Tingkat kepercayaan diri mahasiswa Unair tinggi / diatas rata-rata
• Ada perbedaan antara A dan B
• Ada korelasi A dengan B
Non-directional (two-tailed) dan directional
(one-tailed)
Tes satu arah (one tailed test)→ Ketika Ha dirumuskan dengan menunjukkan
arah hubungan atau perbedaan
Contoh : motivasi belajar siswa laki-laki lebih tinggi dari perempuan
Hipotesis menunjukkan arah perbedaan one tailed test → letak daerah
penolakan sisi sebelah kanan distribusi samplingnya.

Tes dua arah (two tailed test) → Ketika Ha tidak menunjukkan arah
Contoh : Terdapat perbedaan motivasi belajar siswa laki-laki dan perempuan
Hipotesis tidak menunjukkan arah perbedaan two tailed test → letak daerah
penolakan pada kedua sisi distribusi samplingnya (masing-masing ½α= 0,025)
Analogi pengujian hipotesis statistik

HAKIM
(Ho)
JAKSA
(Ha) Praduga tak
bersalah
Praduga
TERDAKWA
bersalah
(DATA)
Region of rejection

• Adalah wilayah kritis akan membawa kita untuk menolak

hipotesis nol (itulah sebabnya daerah kritis juga kadang-
kadang disebut daerah penolakan).
• Luas daerah penolakan dinyatakan dalam α dan ditetapkan
sebelum pengujian hipotesis.
• Luas daerah penolakan (α ) biasanya 0.05
• Misalnya : α= 0.05 artinya, daerah penolakan Ho sebesar 5%
dari seluruh daerah yang tercakup dalam kurva distribusi
samplingnya.
Test statistics dan sampling distribution
• Diperlukan untuk menerima / menolak Ho
• Dilakukan dengan tes signifikansi
• Jika hasil perhitungan statistik berada diwilayah penolakan
dalam distribusi sampling, Ho ditolak
• Luas wilayah dinyatakan dalam alpa (α)
 Ketentuan
Kesimpulan uji hipotesis statistik dinyatakan dengan
ketentuan:
➢Ho ditolak atau
➢Ho tidak ditolak (diterima) pada tingkat / taraf signifikansi
α tertentu.
➢Jika Ho ditolak, maka Ha diterima dan sebaliknya, tidak
ada alternatif lain
 Kesalahan hasil uji hipotesis
• Sampel nyaris tak pernah identik dengan populasi, maka hasil uji
hipotesisi statistik selalu mengandung kesalahan (error).

• Klasifikasi kesalahan hasil uji hipotesis statitistik :

✓Kesalahan tipe I : menolak Ho padahal Ho “benar”
✓Besarnya probabilitas/kemungkinan mengalami kesalahan tipe I
disebut nilai α (size of test)
✓Kesalahan tipe II : menerima Ho padahal Ho “salah”.
✓ Besarnya probabilitas/kemungkinan mengalami kesalahan tipe
II disebut nilai β (1- β : power of test)
Contoh
Kesalahan Tipe I
• Jika H0 yang pada kenyataannya benar, seharusnya diterima, tetapi
peneliti memutuskan untuk menolaknya
• Misal : Tidak ada hubungan kecerdasan dan kecantikan, seharusnya
diterima tetapi peneliti menolak. Sehingga keputusannya Ada
hubungan antara kecerdasan dan kecantikan.

Kesalahan Tipe II
• Jika H0 yang pada kenyataannya salah, seharusnya ditolak, tetapi
peneliti memutuskan untuk menerimanya
• Misal : Tidak ada hubungan kecerdasan dan nilai ujian, seharusnya
ditolak tetapi peneliti menerima. Sehingga keputusannya Tidak ada
hubungan antara kecerdasan dan nilai ujian.
 Hubungan harga α dan β
Hakekat / Kenyataan
Kesimpulan uji
Ho “benar” Ho “salah”

Error Tipe I
Menolak Ho Power Of Test(1- β)
P(I) = (α)

Taraf kepercayaan Error Tipe II

Menerima Ho
(1- α) P(II) =(β)
12
 Karakteristik harga α
• Besarnya harga α menunjukkan besarnya kemungkinan menolak Ho
yang kenyataannya “benar”.
• Besarnya harga α menunjukkan besarnya kemungkinan terjadinya
kesimpulan false positip (menyimpulkan ada beda / ada hubungan/
ada pengaruh padahal sebenarnya tidak ada)
• Makin kecil harga α, makin kecil kemungkinan terjadinya false
positip atau makin besar harga (1- α) makin besar terjadinya true
positip (makin besar derajad kepercayaan)
• Penentuan besarnya harga α adalah hak prerogatif pemakai / peneliti
dan tergantung dari sifat masalahnya.
• Pada umumnya harga α berkisar antara : 1% sd 10%
 Effect size
•Beberapa peneliti sering menginterpretasikan keputusan berupa hasil
signifikansi secara statistik.
•Jika peneliti ingin mencari tahu besar pengaruh dan atau perbedaan yang
dihasilkan pada penelitian, peneliti dapat menambahkan informasi berupa
pengukuran terhadap besarnya efek (effect size)
•Effect size adalah konsep statistik yang mengukur kekuatan hubungan
antara dua variabel pada skala numerik.
• Definisi sederhana dari effect size adalah besarnya, atau ukuran, dari suatu
efek Cohen's d, atau hanya disebut sebagai “d”.
• Interpretasi standar yang ditawarkan oleh Cohen (1988) adalah:
0,8 = besar (8/10 dari satuan simpangan baku)
0,5 = sedang (1/2 dari standar deviasi)
0.2 = kecil (1/5 dari standar deviasi)
Lanjutan…
• Parameter ukuran minimal bergantung pada bidang
penelitiannya. Menurut Cohen (1988, 1992), ukuran efek rendah
jika nilai r bervariasi sekitar 0,1, sedang jika r bervariasi sekitar
0,3, dan besar jika r bervariasi lebih dari 0,5.
• Effect Size ada beragam jenisnya sesuai jenis analisanya,
misal :
• Effect Size untuk uji beda dua kelompok menggunakan
Cohen’s d
• Effect Size uji korelasi menggunakan koefisien r
• Effect Size Anova menggunakan Eta squared
(akan dipelajari di pertemuan yang lain)
Statistical Power
• Kekuatan uji statistik (power) dalam statistik inferensial
tradisional merupakan kontrol terhadap kesalahan Tipe II atau
disebut juga sebagai false negatives (1- β)
• Sebagian besar penelitian Psikologi dan humaniora
memberikan toleransi 20% terjadinya kesalahan Tipe II,
sehingga penelitian-penelitian tersebut memiliki Statistical
power sebesar 80% (Cohen, 1990)

Penerapan dari konsep-konsep yang dipelajari hari ini akan

dipelajari pada pertemuan yang lain.
Diskusi :

Mahasiswa mencari contoh :

• Hipotesa null dan Hipotesa alternatif
• Hipotesis 1 arah dan hipotesis 2 arah
• Kesimpulan yang didalamnya terdapat kesalahan tipe I
dan tipe II
Terima kasih