-Sambungan-
- Jika rata-rata gaji awal pria $ 33,000 dan wanita $ 31,000 maka nilai probabilitasnya tinggi karena perbedaan keduanya tipis, oleh karena itu kita menerima Ho.
" Perbedaan mean kecil = probabilitas besar = Ho diterima = Hasil yang didapat adalah kebetulan (tidak signifikan) "
¤ Jika menggunakan SPSS, kebanyakan peneliti menyatakan bahwa nilai probabilitas itu kecil jika lebih kecil atau sama dengan 0,05. Dan probabilitasnya besar jika lebih besar atau sama dengan 0,05.
¤ Apabila output SPSS menunjukkan bahwa nilai probabilitas ketika gaji pria dan wanita sangat berbeda adalah 0,03, maka peniliti akan menolak Ho sebab 0,03 lebih kecil dari 0,05.
¤ Dan apabila nilai probabilitasnya 0,45 , maka Ho diterima karena lebih besar dari 0,05.
¤ Level signifikan adalah patokan tentang kapan peneliti menolak Ho.
Jadi, ada 2 poin dalam pengujian hipotesis dengan menggunakan level signifikan, yaitu :
1. Apabila nilai probabilitas lebih kecil atau sama dengan level signifikan, maka peneliti menolak Ho, dan hasil yang didapat berarti bukanlah kebetulan.
2. Apabila nilai probabilitas lebih besar dari level signifikan, maka Ho diterima.
¤ Level signifikan tidak selamanya 0,05. Peneliti dapat menggunakan level yang sesuai dengan penelitiannya sepanjang ia dapat menjelaskan mengapa level lain itu digunakan.
¤ Level signifikan 0,05 menjadi tren di kalangan peneliti karena sejarahnya Ronald Fisher yang pertama kali menggunakannya.
HYPOTHESIS - TESTING DECISION MATRIX
¤ Ada 4 kemungkinan Outcome dari pengujian hipotesis, yaitu :
1. TYPE A , yaitu terjadi ketika Ho adalah benar dan kita menerimanya.
2. TYPE B , yaitu terjadi ketika Ho adalah salah dan kita menolaknya.
3. TYPE I ERROR, yaitu kesalahan dimana ketika Ho adalah benar, namun peneliti menolaknya.
4. TYPE II ERROR, yaitu ketika Ho adalah salah, namun peneliti menerimanya.
CONTROLLING THE RISK OF ERRORS
¤ Type I Error dan Type II Error saling berbanding terbalik. Ketika kita mencoba mengurangi kemungkinan untuk melakukan Type I Error, maka sesungguhnya kita sedang meningkatkan kecenderungan untuk melakukan Type II Error.
¤ Solusi dari masalah di atas adalah dengan cara menambah jumlah partisipan dalam penelitian. Sebab sampel yang besar akan mendukung tes yang kuat dan sensitif.
¤ Jika kita menggunakan sampel yang besar dan juga telah mempunyai data yang signifikan, kita harus memastikan bahwa data itu termasuk Practically Significant. Yaitu apabila perbedaan antara kedua mean adalah besar / korelasionalnya kuat.
¤ Alat untuk menentukan kapan terpenuhinya practically significant adalah Effect-Size Indicator, yaitu perhitungan tentang kekuatan sebuah hubungan.
¤ Beberapa contoh Some Effect Size Indicator adalah :
- Cohen Standardized Effect Size
- Eta Squared
- Omega Squared
- Cramer's V
- Correlation Coefficient Squared
¤ Pengujian hipotesis hanyalah alat untuk menentukan apakah Ho atau H1 yang merupakan penjelasan terbaik dari data yang diperoleh.
¤ Statistically Significant tidak menjelaskan apapun tentang effect size/practical importance dari penemuan peniliti. Ia hanya menyatakan bahwa hal itu bukanlah suatu hasil yang kebetulan.
Nah, kurang lebih seperti itulah penjelasannya,
Jika terdapat kesalahan, saya terbuka akan kritikan.
Sekian dulu ya,
Thanx for reading,
Semoga bermanfaat..
:)
- Jika rata-rata gaji awal pria $ 33,000 dan wanita $ 31,000 maka nilai probabilitasnya tinggi karena perbedaan keduanya tipis, oleh karena itu kita menerima Ho.
" Perbedaan mean kecil = probabilitas besar = Ho diterima = Hasil yang didapat adalah kebetulan (tidak signifikan) "
¤ Jika menggunakan SPSS, kebanyakan peneliti menyatakan bahwa nilai probabilitas itu kecil jika lebih kecil atau sama dengan 0,05. Dan probabilitasnya besar jika lebih besar atau sama dengan 0,05.
¤ Apabila output SPSS menunjukkan bahwa nilai probabilitas ketika gaji pria dan wanita sangat berbeda adalah 0,03, maka peniliti akan menolak Ho sebab 0,03 lebih kecil dari 0,05.
¤ Dan apabila nilai probabilitasnya 0,45 , maka Ho diterima karena lebih besar dari 0,05.
¤ Level signifikan adalah patokan tentang kapan peneliti menolak Ho.
Jadi, ada 2 poin dalam pengujian hipotesis dengan menggunakan level signifikan, yaitu :
1. Apabila nilai probabilitas lebih kecil atau sama dengan level signifikan, maka peneliti menolak Ho, dan hasil yang didapat berarti bukanlah kebetulan.
2. Apabila nilai probabilitas lebih besar dari level signifikan, maka Ho diterima.
¤ Level signifikan tidak selamanya 0,05. Peneliti dapat menggunakan level yang sesuai dengan penelitiannya sepanjang ia dapat menjelaskan mengapa level lain itu digunakan.
¤ Level signifikan 0,05 menjadi tren di kalangan peneliti karena sejarahnya Ronald Fisher yang pertama kali menggunakannya.
HYPOTHESIS - TESTING DECISION MATRIX
¤ Ada 4 kemungkinan Outcome dari pengujian hipotesis, yaitu :
1. TYPE A , yaitu terjadi ketika Ho adalah benar dan kita menerimanya.
2. TYPE B , yaitu terjadi ketika Ho adalah salah dan kita menolaknya.
3. TYPE I ERROR, yaitu kesalahan dimana ketika Ho adalah benar, namun peneliti menolaknya.
4. TYPE II ERROR, yaitu ketika Ho adalah salah, namun peneliti menerimanya.
CONTROLLING THE RISK OF ERRORS
¤ Type I Error dan Type II Error saling berbanding terbalik. Ketika kita mencoba mengurangi kemungkinan untuk melakukan Type I Error, maka sesungguhnya kita sedang meningkatkan kecenderungan untuk melakukan Type II Error.
¤ Solusi dari masalah di atas adalah dengan cara menambah jumlah partisipan dalam penelitian. Sebab sampel yang besar akan mendukung tes yang kuat dan sensitif.
¤ Jika kita menggunakan sampel yang besar dan juga telah mempunyai data yang signifikan, kita harus memastikan bahwa data itu termasuk Practically Significant. Yaitu apabila perbedaan antara kedua mean adalah besar / korelasionalnya kuat.
¤ Alat untuk menentukan kapan terpenuhinya practically significant adalah Effect-Size Indicator, yaitu perhitungan tentang kekuatan sebuah hubungan.
¤ Beberapa contoh Some Effect Size Indicator adalah :
- Cohen Standardized Effect Size
- Eta Squared
- Omega Squared
- Cramer's V
- Correlation Coefficient Squared
¤ Pengujian hipotesis hanyalah alat untuk menentukan apakah Ho atau H1 yang merupakan penjelasan terbaik dari data yang diperoleh.
¤ Statistically Significant tidak menjelaskan apapun tentang effect size/practical importance dari penemuan peniliti. Ia hanya menyatakan bahwa hal itu bukanlah suatu hasil yang kebetulan.
Nah, kurang lebih seperti itulah penjelasannya,
Jika terdapat kesalahan, saya terbuka akan kritikan.
Sekian dulu ya,
Thanx for reading,
Semoga bermanfaat..
:)
No comments:
Post a Comment