STATISTIKA BAB 9 (ANALISIS REGRESI & ANALISIS KORELASI)

BAB 9

ANALISIS REGRESI & ANALISIS KORELASI

1. ANALISIS REGRESI

A. PENGERTIAN REGRESI

        Secara umum ada dua macam hubungan antara dua variabel atau lebih, yaitu bentuk hubungan dan keeratan hubungan. Untuk mengetahui bentuk hubungan digunakan analisis regresi. Untuk keeratan hubungan dapat diketahui dengan analisis korelasi. Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna, atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang kompleks. Jika X1, X2, … , Xi adalah variabel-variabel independen dan Y adalah variabel dependen, maka terdapat hubungan fungsional antara X dan Y, di mana variasi dari X akan diiringi pula oleh variasi dari Y. Secara matematika hubungan di atas dapat dijabarkan sebagai berikut: Y = f(X1, X2, …, Xi, e), di mana : Y adalah variabel dependen, X adalah variabel independen dan e adalah variabel residu (disturbance term).

Berkaitan dengan analisis regresi ini, setidaknya ada empat empat kegiatan yang dapat dilaksanakan dalam analisis regresi, diantaranya :

(1) mengadakan estimasi terhadap parameter berdasarkan data empiris.
 (2) menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi variabel independen.
 (3) menguji apakah estimasi parameter tersebut signifikan atau tidak.
(4) melihat apakah tanda dan magnitud dari estimasi parameter cocok dengan teori (M. Nazir, 1983).

B. KOEFISIEN REGRESI SEDERHANA

        Regresi sederhana, bertujuan untuk mempelajari hubungan antara dua variabel. Model Regresi sederhana adalah , di mana, adalah variabel tak bebas (terikat), X adalah variabel bebas, a adalah penduga bagi intersap (α), b adalah penduga bagi koefisien regresi (b), dan α, b adalah parameter yang nilainya tidak diketahui sehingga diduga menggunakan statistik sampel.
Rumus yang dapat digunakan untuk mencari a dan b adalah :

 

 

 

 

 

 

 

 

 

 

 

C. UJI KEBERARTIAN REGRESI

        Pemeriksaan keberartian regresi dilakukan melalui pengujian hipotesis nol, bahwa koefisien regresi b sama dengan nol (tidak berarti) melawan hipotesis tandingan bahwa koefisien arah regresi tidak sama dengan nol.
Pengujian koefisien regresi dapat dilakukan dengan memperhatikan langkah-langkah pengujian hipotesis berikut:

1. Menentukan rumusan hipotesis Ho dan H1.

Ho : p = 0 : Tidak ada pengaruh variabel X terhadap variabel Y.
H1 : p ≠ 0 : Ada pengaruh variabel X terhadap variabel Y.

2. Menentukan uji statistika yang sesuai. Uji statistika yang digunakan adalah uji F. Untuk menentukan nilai uji F dapat mengikuti langkah-langkah berikut :

3. Menentukan nilai kritis (α) atau nilai tabel F pada derajat bebas dbreg b/a = 1 dan dbres = n – 2.
4. Membandingkan nilai uji F dengan nilai tabel F, dengan kriteria uji, Apabila nilai hitung F lebih besar atau sama dengan (≥) nilai tabel F, maka H0 ditolak.
5. Membuat kesimpulan

Langkah-langkah uji keberartian regresi di atas dapat disederhanakan dalam sebuah tabel anova sebagai berikut :

D. REGRESI GANDA

        Analisis regresi ganda merupakan pengembangan dari analisis regresi sederhana. Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila variabel bebasnya (X) dua atau lebih.

Analisis regresi ganda adalah alat untuk meramalkan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat (untuk membuktikan ada tidaknya hubungan fungsional atau hubungan kausal antara dua atau lebih variabel bebas X1, X2, …., Xi terhadap suatu variabel terikat Y.

 E. PENGUJIAN KEBERARTIAN REGRESI GANDA

Pemeriksaan keberartian pada analisis korelasi ganda dapat dilakukan dengan mengikuti langkah-langkah berikut :

2. ANALISIS KORELASI 

1. PENGERTIAN KORELASI
 

Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif.

Jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif. Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel Y.

2. KEGUNAAN

            Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) hubungan antar dua variabel atau lebih. Contoh: mengukur hubungan antara variabel:

-Motivasi kerja dengan produktivitas

-Kualitas layanan dengan kepuasan pelanggan

-Tingkat inflasi dengan IHSG

Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus akan menghasilkan keputusan, diantaranya:

-Hubungan kedua variabel tidak ada

-Hubungan kedua variabel lemah

-Hubungan kedua variabel cukup kuat

-Hubungan kedua variabel kuat

-Hubungan kedua variabel sangat kuat

Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0, maka hubungan semakin lemah.

3. ANALISIS KORELASI

 

   a. Analisis Korelasi Parsial
 

Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui hubungan antara dua variabel dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat tetap (sebagai variabel kontrol). Nilai korelasi (r) berkisar antar 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, dan sebaliknya. Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun). Data yang digunakan biasanya berskala interval atau rasio. Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut:

0,00 – 0,199 = sangat rendah

0,20 – 0,399 = rendah

0,40 – 0,599 = sedang

0,60 – 0,799 = kuat

0,80 – 1,000 = sangat kuat

Contoh kasus:
 

Kita mengambil contoh pada kasus korelasi sederhana di atas dengan menambahkan satu variabel kontrol. Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat ukur skala. Andi ingin meneliti tentang hubungan antara kecerdasan dengan prestasi belajar jika terdapat faktor tingkat stress pada siswa yang diduga mempengaruhi akan dikendalikan. Dengan ini Andi membuat 2 variabel yaitu kecerdasan dan prestasi belajar dan 1 variabel kontrol yaitu tingkat stress. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1=sangat tidak setuju, 2=tidak setuju, 3=setuju, dan 4=sangat setuju. Setelah membagikan skala kepada 12 responden didapatlah skor total item-item yaitu sebagai berikut:

Tabel Tabulasi Data (data fiktif)

Subjek Kecerdasan Prestasi Belajar Tingkat Stress

1 33 58 25

2 32 52 28

3 21 48 32

4 34 49 27

5 34 52 27

6 35 57 25

7 32 55 30

8 21 50 31

9 21 48 34

10 35 54 28

11 36 56 24

12 21 47 29 

   b. Analisis Korelasi Product Moment

Digunakan untuk menentukan besarnya koefisien korelasi jika data yang digunakan berskala interval atau rasio. Rumus yang digunakan:

Contoh kasus:

Seorang mahasiswa melakukan survei untuk meneliti apakah ada korelasi antara pendapatan mingguan dan besarnya tabungan mingguan di P’Qerto.

Untuk menjawab permasalahan tersebut diambil sampel sebanyak 10 kepala keluarga.
Cara melakukan perhitungan manual uji korelasi di atas adalah sebagai berikut:

Asumsi uji korelasi

Sebelum diimplementasi, uji korelasi harus memenuhi serangkaian asumsi, yaitu:

1. Normalitas, artinya sebaran variabel-variabel yang hendak dikorelasikan harus berdistribusi normal.

2. Linieritas, artinya hubungan antara dua variabel harus linier, misalnya ditunjukkan lewat straight-line.

3. Ordinal, artinya variabel harus diukur dengan minimal skala ordinal.

4. Homoskedastisitas, artinya variabilitas skor di variabel Y harus tetap konstan di semua nilai variabel X.

Kriteria Penerimaan Hipotesis

H0 : tidak terdapat korelasi positif antara tabungan dengan pendapatan

Ha : terdapat korelasi positif antara tabungan dengan pendapatan

H0 diterima jika r hitung ≤ r tabel ( , n-2) atau t hitung ≤ ttabel ( , n-2)

Ha diterima jika r hitung > r tabel ( , n-2) atau t hitung > ttabel ( , n-2)

Sampel: 10 kepala keluarga

Data yang dikumpulkan:

Tabungan 2 4 6 6 8 8 9 8 9 10

pendapatan 10 20 50 55 60 65 75 70 81 85

Analisis data:

N Xi Yi Xi^2 Yi^2 XY

1 2 10 4 100 20

2 4 20 16 400 80

3 6 50 36 2500 300

4 6 55 36 3025 330

5 8 60 64 3600 480

6 8 65 64 4225 520

7 9 75 81 5625 675

8 8 70 64 4900 560

9 9 81 81 6561 729

10 10 85 100 7225 850

jumlah 70 571 546 38161 4544

Pengujian hipotesis:

Dengan kriteria r hitung: r hitung (0,981) > r tabel (0,707)

Dengan kriteria t hitung:

t hitung (14,233) > t tabel (1,86)

kesimpulan:
karena r hitung > dari r tabel maka Ha diterima, karena t hitung > t tabel maka Ha diterima
“terdapat korelasi positif antara pendapatan dengan tabungan mingguan di P’Qerto”

Pemikiran utama korelasi product momen adalah seperti ini:

1. Jika kenaikan kuantitas dari suatu variabel diikuti dengan kenaikan kuantitas dari variabel lain, maka dapat kita katakan kedua variabel ini memiliki korelasi yang positif. Jika kenaikan kuantitas dari suatu variabel sama besar atau mendekati besarnya kenaikan kuantitas dari suatu variabel lain dalam satuan SD, maka korelasi kedua variabel akan mendekati.

2. Jika kenaikan kuantitas dari suatu variabel diikuti dengan penurunan kuantitas dari variabel lain,maka dapat kita katakan kedua variabel ini memiliki korelasi yang negatif. Jika kenaikan kuantitas dari suatu variabel sama besar atau mendekati besarnya penurunan kuantitas dari variabel lain dalam satuan SD,maka korelasi kedua variabel akan mendekati -1.

3. Jika kenaikan kuantitas dari suatu variabel diikuti oleh kenaikan dan penurunan kuantitas secara random dari variabel lain atau jika kenaikan suatu variabel tidak diikuti oleh kenaikan atau penurunan kuantitas variabel lain (nilai dari variabel lain stabil), maka dapat dikatakan kedua variabel itu tidak berkorelasi atau memiliki korelasi yang mendekati nol.

           Dari pemikiran ini kemudian lahirlah Rumus Korelasi Product Momen Pearson seperti yang sering kita lihat di buku. Ada beberapa rumus yang dapat diacu. Semuanya akan memberikan hasil r yang sama, hanya saja dengan melihatnya kita akan dapat melihat pemaknaan yang berbeda-beda.

Ada beberapa hal yang dapat kita pelajari dari rumus ini :

Rumus pertama :

           Jika setiap subjek yang memiliki nilai X lebih rendah dari meannya, memiliki nilai Y yang juga lebih rendah dari meannya, nilai r akan menjadi positif. Begitu juga jika setiap subjek yang memiliki nilai X lebih tinggi dari meannya, memiliki nilai Y yang lebih tinggi dari meannya. Jika setiap subjek yang memiliki nilai X yang lebih tinggi dari meannya, memiliki nilai Y yang lebih rendah dari meannya maka nilai r akan menjadi negatif. Begitu juga jika tiap subjek yang memiliki nilai X lebih rendah dari meannya memiliki nilai Y yang lebih tinggi dari meannya. Jika tiap nilai X yang lebih tinggi dari meannya terkadang diikuti oleh nilai Y yang lebih tinggi terkadang lebih rendah dari meannya maka nilai r akan cenderung mendekati 0 (nol).

Rumus kedua:

          Dari rumus kedua ini dapat kita simpulkan bahwa nilai korelasi sebenarnya nilai kovarian dari dua variabel x dan y yang distandardkan dengan menggunakan standard deviasi x dan standard deviasi y sebagai denominatornya. Nilai kovarian sangat dipengaruhi oleh satuan skala yang digunakan oleh kedua variabel. Misalnya kita menghitung kovarian dari tinggi badan dengan panjang rambut , pengen tahu apakah tinggi badan berkorelasi dengan panjang rambut. Kita menghitung tinggi badan dan panjang rambut dalam satuan meter. Kemudian kita hitung kovariannya. Setelah itu kita menggunakan data yang sama, hanya mengubah satuannya menjadi centimeter, lalu menghitung kovariannya. Nah kovarian dari hasil perhitungan kedua akan terlihat lebih besar daripada yang pertama. Lebih besar? Ya karena dengan menggunakan satuan centimeter, 1.4 meter akan menjadi 140 centimeter. Jika kita hitung kovariannya, perhitungan pertama akan menghitung dalam skala satuan (1.4, 1.5, dst) sementara perhitungan kedua akan menghitung dalam skala ratusan. Oleh karena itu perlu distandardkan agar data yang sama akan menghasilkan angka yang sama meskipun diubah skalanya.

Rumus ketiga:

           Zx dan Zy itu berbicara mengenai nilai X dan Y dalam satuan SD. Jika nilai X ada di bawah mean dari X maka nilai Zx akan negatif, jika nilai X ada di atas meannya maka nilai Zx akan positif. Begitu juga dengan Y. Seperti pada rumus pertama, jika Zx dan Zy sepakat (keduanya positif atau negatif) maka nilai r akan positif. Jika Zx dan Zy berlawanan (jika yang satu positif yang lain negatif) maka nilai r akan negatif. Nah misalnya ada seratus subjek memiliki nilai X dan Y. Lalu kita hitung satu-satu nilai Z dari X dan Y untuk tiap subjek. Tentu saja ada beberapa yang sangat sepakat yang lain agak sepakat yang beberapa berlawanan. Kemudian nilai-nilai Z ini dijumlahkan sehingga jika yang sepakat lebih banyak akan menghasilkan angka positif. Kalo yang berlawanan lebih banyak akan menghasilkan angka negatif. Kemudian hasil penjumlahan ini dicari rata-ratanya. Jadi bisa dibilang nilai r itu akan menggambarkan rata-rata keadaan X dan Y dari semua subjek dalam kelompok.

SUMBER :

http://menarailmuku.blogspot.com/2013/03/analisis-regresi.html 

http://fariidaelf.wordpress.com/materi-kuliah/korelasi-regresi/

 

STATISTIKA BAB 8 (ANALISIS VARIANSI)

BAB 8

ANALISIS VARIANSI

Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi. Konsep analisis variansi didasarkan pada konsep distribusi F dan biasanya dapat diaplikasikan untuk berbagai macam kasus maupun dalam analisis hubungan antara berbagai varabel yang diamati. Dalam perhitungan statistik, analisis Variansi sangat dipengaruhi asumsi-asumsi yang digunakan seperti kenormalan dari distribusi, homogenitas variansi dan kebebasan dari kesalahan.

Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik data setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa variansi dalam masing-masing kelompok dianggap sama. Sedangkan asumsi bebas menjelaskan bahwa variansi masing-masing terhadap rata-ratanya pada setiap kelompok bersifat saling bebas. Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi (lebih dari dua).

1. Hipotesis ANOVA satu arah

H0 : μ1= μ 2 = μ 3 = … = μ k

- Seluruh mean populasi adalah sama

- Tidak ada efek treatment ( tidak ada keragaman mean dalam grup )

H1 : tidak seluruhnya mean populasi adalah sama

- Terdapat sebuah efek treatment

- Tidak seluruh mean populasi berbeda ( beberapa pasang mungkin sama )

2. Partisi Variansi

Variansi total dapat dibagi menjadi 2 bagian :

SST = SSG + SSW

SST            : Total sum of squares (jumlah kuadrat total) yaitu penyebaran agregat nilai data individu melalui beberapa level faktor .

SSG/SSB    : Sum of squares between-grup (Jumlah kuadrat antara) yaitu penyebaran diantara mean sampel faktor .

SSW/SSE  : Sum of squares within-grup (jumlah kuadrat dalam) yaitu penyebaran yang terdapat diantara nilai data dalam sebuah level faktor tertentu .

Rumus jumlah kuadarat total ( total sum of squares )

SST = SSG + SSW

 

Dimana :

SST  : total sum of squares ( jumlah kadarat total )

k       : levels of treatment ( jumlah populasi )

ni      : ukuran sampel dari poplasi i

x ij    : pengukuran ke-j dari populsi ke-i

x       : mean keseluruhan ( dari seluruh nilai data )

3. Variansi total

Rumus untuk mencari variasi jumlah kuadrat dalam

 

Keterangan :
SSW/SSE  : jumlah kuadrat dalam

k                : levels of treatment ( jumlah populasi )

ni               : ukuran sampel dari poplasi i

x ij             : pengukuran ke-j dari populsi ke-i

x                : mean keseluruhaN ( dari seluruh nilai data )

Rumus untuk mencari varisi diantara grup

Keterangan :

SSB/SSG   : jumlah kuadrat diantara

k               : levels of treatment ( jumlah populasi )

ni              : ukuran sampel dari poplasi i

x ij            : pengukuran ke-j dari populsi ke-i

x               : mean keseluruhan ( dari seluruh nilai data )

Rumus variasi dalam kelompok

MSW =SSW/N-K

Dimana:

MSW  : Rata-rata variasi dalam kelompok

SSW   : jumlah kuadrat dalam

N-K    : derajat bebas dari SSW

Rumus variasi diantara kelompok

MSG = SSG/K-1

Dimana :

MSG/SSW  : Rata-rata variasi diantara kelompok

SSG            : jumlah kuadrat antara

k-1              : derajat bebas SSG

SUMBER : 
https://exponensial.wordpress.com/2010/01/01/anova-satu-arah-one-way-anova/

Statistika BAB 7 (PENGUJIAN HIPOTESIS)

BAB 7

PENGUJIAN HIPOTESIS

A. Pengertian Hipotesis

 

           Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk menjelaskan  hal itu yang sering dituntut untuk melakukan pengecekannya. (dalam penelitian hipotesis dapat diartikan jawaban sementara terhadap rumusan masalah penelitian). Jika asumsi itu atau dugaan itu dikhususkan mengenai populasi, umumnya mengenai nilai-nilai parameter populasi, maka hipotesis itu disebut  hipotesis statistik. kecuali dinyatakan lain, di sini dengan hipotesis dimaksudkan hipotesis statistik. Setiap hipotesis bisa benar atau tidak benar dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Langkah atau prosedur untuk menentukan apakah menerima atau menolak hipotesis dinamakan pengujian hipotesis.

        Dalam dunia  akademik, suatu  masalah  terlebih  dahulu  dijawab  secara  teoritik. Berdasarkan konsep teoritik tersebut maka dapat diajukan suatu hipotesis. Dengan hipotesis tersebut  suatu  masalah sudah dapat dijawab, tetapi  jawaban  masih  bersifat  teoritik  dan bersifat  sementara. Oleh  sebab itu, diperlukan data lapangan untuk memastikan kebenaran hipotesis  yang  diajukan.  Kebenaran  hipotesis  tergantung  pada  analisis  data    lapangan. Hipotesis yang diajukan dapat diterima kebenarannya jika  analisis   data    lapangan   sesuai dengan teori. Sebaliknya jika analisis data lapangan bertolak belakang (berbeda)  dengan teori,maka hipotesis yang diajukan dapat ditolak.

          Hipotesis dapat bersifat Kuantitatif dan dapat bersifat Kualitatif. Secara statistik, hipotesis yang bersifat kualitatif tidak dapat diuji, sedangkan yang dapat diuji adalah hipotesis yang bersifat kuantitatif. Hipotesis yang demikian, disebut Hipotesis Statistik (Statistical Hypothesis) karena selain harus disajikan dalam bentuk angka, hipotesis statistik juga merupakan pernyataan tentang bentuk fungsi yang menggambarkan hubungan antar variabel yang diteliti.

Secara statistika terdapat dua macam hipotesis, yaitu :

•   Hipotesis Nol (Null Hypothesis) yang diberi symbol dengan Ho, dan

•   Hipotesis Alternatif (Alternative Hypothesis) yang diberi symbol dengan Ha.

        Ho menyatakan tidak ada perbedaan antara statistik sampel dengan parameter populasi atau tidak ada hubungan antara dua variabel atau lebih. Ha menyatakan terdapat perbedaan antara statistik sampel dengan parameter populasi atau terdapat hubungan antara dua variabel atau lebih.Dalam merumuskan suatu hipotesis, agar hipotesis yang diajukan dapat diuji atau dianalisis maka yang perlu mendapatkan perhatian adalah bahwa hipotesis hendaknya :

a) Menyatakan hubungan antara dua variabel atau lebih;

b) Dinyatakan dalam kalimat pernyataan;

c) Dirumuskan secara jelas dan padat (sistematik); dan

d) Dapat diuji kebenarannya berdasarkan data lapangan.

B. Kesalahan dalam Pengujian Hipotesis

Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat terjadi, dikenal dengan nama-nama:

a)      Kekeliruan tipe I : ialah menolak hipotesis yang seharusnya diterima,

b)      Kekeliruan tipe II : ialah menerima hipotesis yang seharusnya ditolak.

Untuk meningkatkan hubungan antara hipotesis, kesimpulan dan tipe kekeliruan, dapat dilihat dalam tabel di bawah ini.

DAFTAR VI (1)

TIPE KEKELIRUAN KETIKA MEMBUAT KESIMPULAN

TENTANG HIPOTESIS

KESIMPULAN	KEADAAN SEBENARNYA
	HIPOTESIS BENAR	HIPOTESIS SALAH
Terima Hipotesis	BENAR	KELIRU (Kekeliruan Tipe II)
Tolak Hipotesis	KELIRU (Kekeliruan Tipe I)	BENAR

              Ketika merencanakan suatu penelitian dalam rangka pengujian hipotesis, jelas kiranya bahwa kedua tipe kekeliruan itu harus dibuat sekecil mungkin. Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan dalam peluang. Peluang membuat kekeliruan tipe I biasa dinyatakan dengan a (baca : alfa) dan peluang membuat kekeliruan tipe II dinyatakan dengan b (baca : beta). Berdasarkan ini, kekeliruan tipe I dinamakan pula kekeliruan a dan kekeliruan tipe II dikenal dengan kekeliruan b.

              Dalam penggunaanya, a disebut pula taraf signifikan atau taraf arti atau sering disebut pula taraf nyata. Besar kecilnya a dan b yang dapat diterima dalam pengambilan kesimpulan bergantung pada akibat-akibat atas diperbuatnya kekeliruan-kekeliruan itu. Selain daripada itu perlu pula dikemukakan bahwa kedua kekeliruan itu saling berkaitan. Jika a diperkecil, maka b menjadi besar dan sebaliknya. Pada dasarnya, harus dicapai hasil pengujian hipotesis yang baik, ialah pengujian yang bersifat bahwa di antara semua pengujian yang dapat dilakukan dengan harga a yang sama besar, ambillah sebuah yang mempunyai kekeliruan b paling kecil.

        Prinsip demikian memerlukan pemecahan matematik yang sudah keluar dari tujuan buku ini. Karenanya, untuk keperluan praktis, kecuali dinyatakan lain, a akan diambil lebih dahulu dengan harga yang biasa digunakan, yaitu a = 0,01 atau a = 0,05. Dengan a = 0,05 misalnya, atau sering pula disebut taraf nyata 5%, berarti kira-kira 5 dari tiap 100 kesimpulan bahwa kita akan menolak hipotesis yang seharusnya diterima. Dengan kata lain kira-kira 95% yakin bahwa kita telah membuat kesimpulan yang benar. Dalam hal demikian dikatakan bahwa hipotesis telah ditolak pada taraf nyata 0,05 yang berarti kita mungkin salah dengan peluang 0,05.

             

C. Cara Pengujian Hipotesis
1.   Menentukan Formulasi Hipotesis

Formulasi atau perumusan hipotesis statistik dapat dibedakan atas dua jenis, yaitu sebagai berikut : 

a.  Hipotesis nol atau hipotesis nihil 

     Hipotesis nol, disimbolkan H0 adalah hipotesis yang dirumuskan sebagai suatu pernyataan yang akan diuji. 

b. Hipotesis alternatif atau hipotesis tandingan

    Hipótesis alternatif disimbolkan H1 atau Ha adalah hipotesis yang

    dirumuskan sebagai lawan atau tandingan dari hipotesis nol.

    Secara umum, formulasi hipotesis dapat dituliskan :

H0 : q = q0

H1 : q > q0

    Pengujian ini disebut pengujian sisi kanan

H0 : q = q0

H1 : q < q0

    Pengujian ini disebut pengujian sisi kiri

H0 : q = q0

H1 : q ¹ q0

    Pengujian ini disebut pengujian dua sisi

2.      Menentukan Taraf Nyata (Significant Level)

Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai parameter populasinya. Taraf nyata dilambangkan dengan a (alpha). Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula penolakan hipotesis nol atau hipotesis yang diuji, padahal hipotesis nol benar. Besarnya nilai a bergantung pada keberanian pembuat keputusan yang dalam hal ini berapa besarnya kesalahan yang akan ditolerir. Besarnya kesalahan tersebut disebut sebagai daerah kritis pengujian (critical region oftest) atau daerah penolakan (region of rejection).

3.   Menentukan Kriteria Pengujian

Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau menolak hipotesis nol (H0) dengan cara membandingkan nilai a table distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk pengujiannya.

a.  Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih

besar daripada nilai positif atau negatif dari a tabel. Atau nilai uji

statistik berada di luar nilai kritis.

b.  Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih

kecil daripada nilai positif atau negatif dari a tabel. Atau nilai uji

statistik berada di dalam nilai kritis.

4.    Menentukan Nilai Uji Statistik

Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi tertentu dalam pengujian hipotesis. Uji statistik merupakan perhitungan untuk menduga parameter data sampel yang diambil secara random dari sebuah populasi.

5.    Membuat Kesimpulan

Pembuatan kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau penolakan hipotesis nol (H0), sesuai dengan kriteria pengujiannya. Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji statistik dengan nilai a tabel atau nilai kritis.

a.       Penerimaan H0 terjadi jika nilai uji statistik berada diluar nilai kritisnya

b.      Penolakan H0 terjadi jika nilai uji statitik berada di dalam nilai kritisnya

Dalam penelitian, hipotesis dapat diartikan sebagai jawaban sementara terhadap rumusan masalah dalam penelitian. Jika dugaan itu dikhususkan mengenai populasi, maka umumnya mengenai nilai-nilai parameterlah yang digunakan untuk menduganya atau disebut  hipotesis statistic.

Setiap hipotesis bisa benar atau tidak benar dan karenanya perlu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Langkah atau prosedur untuk menentukan apakah menerima atau menolak hipotesis dinamakan pengujian hipotesis.

D. Cara penentuan wilayah kritis

1. uji dua arah

Jika H₁ ≠ parameter, maka dalam distribusi yang digunakan, normal untuk angka z, Student untuk t, F, Chi-Square dan lainnya, diperoleh dua daerah kritis masing-masing pada ujung-ujung distribusi. Luas daerah kritis atau daerah penolakan pada tiap ujung adalah ½a. Karena adanya dua daerah penolakan ini, maka pengujian hipotesis dinamakan uji dua arah.
Ho : µ = µo

H1 : µ ≠ µo

Ilustrasi penolakan uji dua arah

2. uji satu arah (Kanan)

Untuk H₁ > parameter, maka dalam distribusi yang digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kanan. Luas daerah kritis atau daerah penolakan ini sama dengan a. Pengujian ini dinamakan uji satu pihak, tepatnya pihak kanan.
Ho : µ = µo

H1 : µ > µo

Ilustrasi uji satu arah (Kanan)

3. Uji satu arah (Kiri)

Jika H₁ < parameter, maka daerah kritis ada di ujung kiri dari distribusi yang digunakan. Luas = a yang menjadi batas daerah terima H_o oleh bilangan d yang didapat dari daftar distribusi yang bersangkutan. Peluang untuk mendapatkan d ditentukan oleh taraf nyata a. Uji ini dinamakan uji satu pihak, ialah pihak kiri.
Ho : µ = µo            H1 : µ < µo
 

Ilustrasi uji satu arah (Kiri) 

CONTOH :

Pernyataan yang hendak diuji adalah : “berat isi semen 40 kg”. dalam pernyataan yang terkandung pengertian kesamaan, yakni “target berat = 40kg”. jadi, pernyataan itu merupakan hipotesis H0. alternative H1 berupa sanggahannya oleh karena itu,

a.  Rumusan H0 dan H1 adalah sebagai berikut :

    H0 : Target berat = 40 kg

    H1 : Target berat ≠ 40 kg

b. Rumusan H0 dan H1 secara statistic

“Target berat” secara statistic berarti “tyaraf populasi berat isi semen µ”. Jadi, terjemahan statistic untuk H0 dan H1 adalah H0 : µ = 40 dan H1 : µ ≠ 40

E. Kegunaan Hipotesis

Kegunaan hipotesis antara lain :

1. Hipotesis memberikan penjelasan sementara tentang gejala-gejala serta memudahkan perluasan pengetahuan dalam suatu bidang
2. Hipotesis memberikan suatu pernyataan hubungan yang langsung dapat diuji dalam penelitian
3. Hipotesis memberikan arah kepada penelitian
4. Hipotesis memberikan kerangka untuk melaporkan lesimpulan penyelidikan

F. Ciri-ciri Hipotesis

Cirri-ciri hipotesis yang baik :

1. Hipotesis harus mempunyai daya penjelas
2. Hipotesis harus menyatakan hubungan yang diharapkan ada diaantara variable-variabel
3. Hipotesis harus dapat diuji
4. Hipotesis hendaknya konsistensi dengan pengetahuan yang sudah ada
5. Hipotesis hendaknya dinyatakan sederhana dan seringkas mungkin

G. Menggali dan Merumuskan Hipotesis

Dalam menggali hipotesis, peneliti harus :

1. Mempunyai banyak informasi tentang masalah yang ingin dipecahkan dengan jalan banyak membaca literature-literatur yang ada hubungannya dengan penelitian yang sedang dilaksanakan.
2. Mempunyai kemampuan untuk memeriksa keterangan tentang tempat-tempat, objek-objek serta hal-hal yang berhubungan satu sama lain dalam fenomena yang sedang diselidiki
3. Mempunyai kemampuan untuk menghubungkan suatu keadaan dengan keadaan lainnya yang sesuai dengan kerangka teori ilmu dan bidang yang bersangkutan.

Sebagai kesimpulan, maka beberapa petunjuk dalam merumuskan hipotesis dapat diberikan sebagai berikut :

1. Hipotesis harus dirumuskan secara jelas dan padat serta spesifik
2. Hipotesis sebaiknya dinyatakan dalam kalimat deklaratif dan berbentuk pernyataan
3. Hipotesis sebaiknya menyatakan hubungan antara dua atau lebih variable yang dapat diukur
4. Hendaknya dapat diuji
5. Hipotesis sebaiknya mempunyai kerangka teori

SUMBER :

http://cerdaskan.com/langkah-langkah-pengujian-hipotesis.html

http://detapujik.blogspot.com/2012/04/uji-hipotesis-satu-rata-rata.html

http://webmail.informatika.org/~rinaldi/Probstat/2010-2011/Pengujian%20Hipotesis.pdf http://materi-paksyaf.blogspot.com/2012/11/uji-hipotesis.html http://mtk10ayufarida.blogspot.com/2012/05/uji-hipotesis.html