Ringkasan Singkat:

2.1. Tujuan Pembelajaran

- Pembelajaran di bab ini berfokus pada pengujian hipotesis, kekuatan, dan kontrol dalam penelitian.

- Tujuan pembelajaran termasuk membuat hipotesis konseptual, menguji hipotesis nol,

mempertimbangkan implikasi kesalahan inferensial, menjelaskan hasil keputusan inferensial, dan
mendiskusikan kekuatan dan ukuran efek dalam pengujian hipotesis.

- Penting juga untuk memahami peran replikasi dalam penelitian dan mengendalikan variabel-variabel
asing.

2.2. Pembahasan Hipotesis

- Hipotesis adalah tebakan tentang hubungan antara variabel dalam penelitian.

- Ada tiga tingkat hipotesis: konseptual, penelitian, dan statistik.

- Hipotesis statistik terdiri dari hipotesis nol (H0) dan hipotesis alternatif (H1).

- Hipotesis nol diuji statistik untuk menentukan apakah data mendukungnya, sementara hipotesis
alternatif menjadi pilihan jika hipotesis nol ditolak.

Dalam pengujian hipotesis, tujuan adalah untuk menolak hipotesis nol jika ada cukup bukti, yang
mendukung hipotesis alternatif.

Ringkasan Singkat:

Pada bagian ini, kita membahas proses menguji hipotesis dengan langkah-langkah berikut:

1. Nyatakan nol dan alternatifnya:

- Hipotesis nol (H0) menyatakan bahwa tidak ada perbedaan antara skor rata-rata orang yang
diberitahu bahwa mereka sedang dievaluasi dengan skor rata-rata orang yang tidak diberitahu evaluasi.
Ini adalah hipotesis yang kita harapkan untuk gagal.

- Hipotesis alternatif menyatakan bahwa skor rata-rata orang yang diberitahu evaluasi lebih tinggi
daripada yang tidak diberitahu evaluasi.

2. Kumpulkan data dan lakukan analisis statistik yang sesuai.

3. Tolak hipotesis nol dan terima hipotesis alternatif:

- Jika hasil analisis statistik mendukung hipotesis alternatif dan menolak hipotesis nol, maka hipotesis
nol ditolak, dan kita menerima hipotesis alternatif sebagai benar.

4. Nyatakan kesimpulan inferensial:

- Kesimpulan inferensial adalah pernyataan probabilitas tentang sifat populasi berdasarkan informasi
dari sampel.

- Ketika kita menolak hipotesis nol, ini menunjukkan bahwa kemungkinan besar hipotesis alternatif
benar, tetapi ada probabilitas kesalahan.

Selanjutnya, signifikansi statistik penting dalam pengujian hipotesis, dan sebuah pengaruh dikatakan
signifikan jika peluang terjadinya secara kebetulan kurang dari 5% (atau nilai yang ditetapkan
sebelumnya). Jika peluang ini rendah, maka hipotesis nol ditolak dan hipotesis alternatif diterima.
Kesalahan inferensial adalah potensi kesalahan dalam menyimpulkan berdasarkan analisis statistik.

Ringkasan Singkat:

Kesalahan Inferensial Tipe 1 (Type 1 Error) terjadi ketika kita menolak hipotesis nol (H0) yang
sebenarnya benar. Tingkat signifikansi yang digunakan, disimbolkan sebagai α (alpha), menunjukkan
probabilitas kesalahan tipe 1. Ini berarti kita menolak H0 ketika seharusnya kita tidak melakukannya.

Kesalahan Inferensial Tipe 2 (Type 2 Error) terjadi ketika kita gagal menolak hipotesis nol (H0) yang
sebenarnya salah. Simbol yang digunakan untuk menunjukkan probabilitas kesalahan tipe 2 adalah β
(beta). Ini berarti kita menerima H0 ketika seharusnya kita menolaknya.

Sebuah ilustrasi sederhana untuk kedua jenis kesalahan adalah sebagai berikut:

- Kesalahan Tipe 1: Koin yang menghasilkan ekor dalam lima lemparan berturut-turut dianggap palsu,
padahal koin tersebut sebenarnya asli.

- Kesalahan Tipe 2: Seorang ibu hamil dianggap tidak hamil (H0 benar), padahal ibu tersebut sebenarnya
hamil.

Untuk meningkatkan kekuatan dalam pengujian hipotesis, beberapa strategi termasuk meningkatkan
ukuran sampel, memaksimalkan manipulasi perlakuan, mengurangi variabilitas, dan merancang
penelitian yang lebih baik. Kekuatan statistik mengacu pada kemampuan untuk mendeteksi perbedaan
yang signifikan secara statistik antara hasil aktual dan yang diharapkan dalam hipotesis alternatif.
Namun, penting untuk diingat bahwa perbedaan yang signifikan statistik tidak selalu berarti perbedaan
yang penting dalam konteks praktis. Evaluasi ukuran efek adalah penting untuk menilai pentingnya hasil
statistik.

Ringkasan Singkat:

Ukuran Efek mengacu pada seberapa besar atau signifikannya perbedaan antara nilai yang
dihipotesiskan (nilai teoritis) dan nilai sebenarnya yang diamati dalam penelitian. Ini membantu peneliti
untuk mengevaluasi apakah efek yang diamati dalam penelitian itu penting secara praktis. Meskipun
hasil dapat signifikan secara statistik, itu belum tentu berarti efek tersebut penting dalam kehidupan
sehari-hari.

Ketika mengevaluasi ukuran efek, peneliti perlu mempertimbangkan seberapa besar perbedaan yang
harus diperhatikan dan seberapa besar perbedaan yang benar-benar penting dalam konteks penelitian.
Ini membantu dalam merancang studi dan menentukan apakah hasil penelitian memiliki relevansi
praktis.

Ada berbagai cara untuk menghitung ukuran efek, dan American Psychological Association (APA)
mencantumkan 13 estimasi ukuran efek yang umum digunakan. Beberapa pendekatan yang umum
digunakan termasuk statistik seperti Cohen's d, eta-squared, dan r. Penting untuk melaporkan rata-rata
kelompok dan mempertimbangkan variabilitas dalam hasil untuk benar-benar mengukur ukuran efek
dengan akurat.

Replikasi adalah langkah penting dalam penelitian untuk menguji kekuatan temuan penelitian. Dengan
mereplikasi penelitian dalam situasi yang berbeda, peneliti dapat mengurangi kesalahan dalam
menyimpulkan hasil penelitian. Replikabilitas meningkatkan validitas penelitian.

Validitas penelitian dapat dibagi menjadi validitas eksternal dan validitas internal. Validitas eksternal
menunjukkan apakah hasil penelitian dapat digeneralisasikan ke populasi lain, sementara validitas
internal menunjukkan apakah perubahan pada variabel dependen disebabkan oleh variabel independen
yang dimanipulasi dalam penelitian. Variabel asing (extraneous variable) dapat mempengaruhi validitas
internal, dan penting untuk mengendalikan mereka melalui metode seperti eliminasi, keteguhan,
pengacakan, tindakan berulang, atau menjadikan variabel sekunder sebagai variabel independen.

Ringkasan Kontrol Statistik:

Ketika penelitian menghadapi variabel asing yang tidak diketahui, metode statistik seperti analisis
kovariansi (ANCOVA) digunakan untuk mengendalikan variabel asing tersebut dalam analisis statistik.
Hal ini memungkinkan peneliti untuk mempertimbangkan efek variabel asing saat menganalisis data,
sehingga dampaknya dapat dikendalikan dan dihilangkan dari hasil penelitian.

Kendali statistik adalah langkah penting dalam penelitian psikologi untuk memastikan bahwa hasil
penelitian adalah akurat dan dapat diandalkan. Pemilihan metode pengendalian variabel asing harus
didasarkan pada karakteristik penelitian dan tujuan penelitian. Dengan menggunakan metode yang
sesuai, peneliti dapat meningkatkan validitas penelitian mereka dan membuat kesimpulan yang lebih
kuat tentang hubungan antara variabel yang diteliti.