Hipotesis Penelitian dalam Statistika (Part.2)

-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..
:)

Hipotesis Penelitian dalam Statistika (Part.1)

Hai bloggers !
:D

Kali ini saya ingin membahas tentang Hipotesis.
Hipotesis adalah dugaan/kesimpulan sementara yang masih harus di uji kebenarannya.

Nah, hipotesis ini terbagi 2.
Mau tau apa aja ?
Dan mau tau penjelasan lebih lanjut ?

Langsung aja,
Cekidot !

PENGUJIAN HIPOTESIS

¤ Pengujian hipotesis adalah bagian dari statistik inferensial tentang kapan kita menerima hipotesis nol dan kapan pula kita menolak hipotesis nol.

¤ Pertanyaan yang menjadi kunci adalah :
Apakah nilai dari sampel statistik saya mungkin dapat menolak hipotesis nol dan menerima hipotesis alternatif ?
Contoh :
Apabila peneliti melakukan sebuah eksperimen, dimana membandingkan kelompok yang diberikan metode baru tentang konseling (eksperimental grup) dengan yang tidak diberikan metode baru (kontrol grup).

-Dalam kasus Ho (Hipotesis Nol) menyatakan bahwa tidak ada efek / tidak ada beda antara keduanya.
- Dan H1 (Hipotesis Alternatif) menyatakan bahwa ada efek / ada perbedaan diantara keduanya

Jika pada akhirnya ternyata ke
dua grup menunjukkan hasil yang tidak mirip maka peneliti dapat menolak Ho dan menerima H1.
Inti dari pengujian hipotesis adalah untuk membantu peneliti untuk membuat keputusan yang pasti tentang kebenaran dari hipotesis nol dan alternatif.

HIPOTESIS NOL DAN HIPOTESIS ALTERNATIF

¤ Hipotesis nol dilambangkan dengan Ho.
Dalam penelitian pendidikan, Ho memprediksi bahwa tidak ada hubungan / tidak ada perbedaan hasil dalam populasi yang diuji.

Dalam kondisi tertentu, pengujian hipotesis berjalan di bawah asumsi bahwa Ho itu benar. Namun apabila ternyata hasil yang diperoleh dari penelitian sangat berbeda dari yang diperkirakan, maka peneliti menolak Ho dan menerima H1.

¤ Hipotesis alternatif, dilambangkan dengan H1.
H1 memprediksi ada perbedaan / ada hubungan, dan biasanya merupakan hipotesis yang sebenarnya dipercayai oleh si peneliti.

¤ Ho dan H1 tidak dapat diterima secara bersamaan.

# Pada dasarnya, peneliti lebih mendukung H1 daripada Ho.

# Ronald Fisher yang menemukan prosedur dari pengujian hipotesis. Yaitu ide untuk menentukan apakah sebuah hipotesis akan ditolak / diterima.

# Menurut logika dalam pengujian hipotesis, kita harus beranggapan bahwa sebuah efek tidak akan hadir sampai kita menemukan bukti yang baik, atau dengan kata lain kita menolak / menerima Ho apabila telah mendapatkan bukti.

# Contoh :
Apabila kita membandingkan metode belajar diskusi dengan metode ceramah.
Ho = mean diskusi sama dengan mean ceramah ( tidak ada beda ).
H1 = mean diskusi tidak sama dengan ceramah ( ada perbedaan ).

¤ Ada tiga poin penting dalam pengujian hipotesis :
1. Hipotesis alternatif tidak pernah menggunakan tanda (=).
2. Hipotesis alternatif berdasarkan pada satu dari tiga tanda yaitu 'tidak sama dengan' , 'kurang dari' , dan 'lebih besar dari'.
3. Hipotesis nol berdasarkan pada satu dari tiga tanda yaitu 'sama dengan' , 'lebih kecil atau sama dengan' , dan 'lebih besar atau sama dengan'.

HIPOTESIS ALTERNATIF DIRECTIONAL

¤ Hipotesis Alternatif Directional adalah yang menggunakan tanda 'lebih besar dari' atau 'lebih kecil dari'.

¤ Hipotesis Alternatif Nondirectional adalah yang menggunakan tanda 'tidak sama dengan'.


EXAMINING NILAI PROBABILITAS DAN MEMBUAT KEPUTUSAN

¤ Nilai probabilitas adalah sebuah probabilitas dari hasil penelitian yang mengastmsikan bahwa Ho itu benar.

¤ Memperoleh nilai probabilitas adalah kunci dalam pengujian hipotesis, sebab peneliti menggunakan ini adalah untuk menentukan apakah data-data sampel statistik mereka memungkinkan/tidak memungkinkan dalam menyatakan bahwa Ho itu benar.

¤ Contoh :

Peneliti membandingkan nilai gaji awal pria dengan gaji awal wanita.
Ho = Gaji awal pria sama dengan gaji awal wanita.
H1 = Gaji awal pria tidak sama dengan gaji awal wanita.

- Jika rata-rata gaji awal pria adalah $ 43,000 dan yang wanita $ 27,000 maka nilai probabilitasnya kecil karena ada perbedaan mean yang cukup besar dan hal ini tidak memungkinkan untuk menerima Ho, sehingga kita akan menerima H1. Kemudian kita juga harus mengklaim bahwa penemuan itu Statistically Significant.

Statistically Significant adalah klaim yang menyatakan bahwa hasil penelitian adalah bukan kebetulan semata

" perbedaan mean besar = probabilitas kecil = Ho ditolak = Signifikan (hasil bukan kebetulan) "

-Bersambung-