CONTOH Hipotesis Penelitian dan Hipotesis Statistik Contoh HIPOTESIS DESKRIPTIF: 80% mahasiswa Unpar berasal dari keluarga berpendapatan menengah ke atas. Tindakan agresif banyak dilakukan oleh anak yang berasal dari keluarga
broken home.
Orang yang berpendidikan tinggi relatif lebih mudah menerima perubahan. Terjadi peningkatan jumlah masyarakat yang hidup di bawah garis kemiskinan semenjak dinaikkannya harga BBM ²²²
Contoh HIPOTESIS ASOSIATIF/KORELASIONAL: >>>
Ada H0: H1: 0
klik di sini untuk perbedaan PENGARUH dan HUBUNGAN <<<
hubungan
Terdapat hubungan H0: H1: > 0
antara
positif
antara
usia
dan
kepuasan
kerja. 0
loyalitas
konsumen. 0
=
kepuasan
konsumen dan
Ada hubungan antara tingkat kerajinan mahasiswa dan nilai yang diperoleh: semakin rajin mahasiswa, nilai yang diperoleh juga akan semakin baik. H0: 0 H1: > 0 Ada hubungan antara lama antrian dengan kepuasan pelanggan: semakin lama suatu antrian, kepuasan pelanggan juga akan semakin rendah. H0: 0 H1: < 0 Catatan: Mengapa H0 disebut hipotesis nol/null hypothesis?! Karena tanda µ= 0¶ (baca: sama dengan nol) HARUS diletakkan pada H0. Dengan me-reject H0, maka kita akan menerima H1, artinya: Ada hubungan/peng hubungan/pengaruh!!! aruh!!! Jika kita menerima H0, besarnya pengaruh/hubungan akan sama dengan nol. Sebagai contoh, dalam kasus regresi sebagai berikut: Y = 1,2 + 0X, karena besarnya pengaruh adalah sama s ama dengan nol, maka berapa pun nilai X yang dimasukkan, dimasukk an, Y akan bernilai 1,2. Tujuan dari uji hipotesis adalah menerima H1. Untuk mengurangi kesalahan, biasakan memulai membuat hipotesis statistik dari H1 dulu, lalu hal-hal yang belum tercantum di H1
kita masukan menjadi H0. Sebagai contoh, jika di H1 kita memasukkan tanda , maka di H0 kita harus memasukkan =. Jika di H1 kita memasukkan tanda >, maka di Ho kita harus memasukkan hal-hal yang belum dijelaskan di H1, yaitu < dan =. Mudah kan?! Banyak kesalahan-kesalahan terjadi dengan menuliskan hipotesis statistik sebagai berikut: > Ho: H1: 0 // 0 // < 0
0
//
<
0
//
>
0
Apakah kalian tahu di mana letak kesalahannya? ²²²
Contoh HIPOTESIS KAUSAL: Ada pengaruh Ho: H1: 0
antara
tingkat
awareness
dengan =
knowledge
konsumen. 0
Angka yang bukan nol nilainya bisa positif, bisa juga negatif. Digunakan untuk NONDIRECTIONAL HYPOTHESES. Dengan me-reject H0, pengaruhnya mungkin positif, mungkin juga negatif. Perhatikan baik-baik hipotesis berikut: Ada pengaruh Ho: H1: 0
antara
kepuasan
kerja
dengan
produktivitas =
karyawan. 0
Dengan me-reject H0, berarti H1 diterima: Ada pengaruh antara kepuasan kerja dengan produktivitas karyawan, namun kita tidak tahu pengaruhnya positif atau negatif. Jika hasil regresi memunculkan persamaan sebagai berikut: Y = 20 ± 3X, maka kita akan menerima H1 karena = -3 0, artinya: dengan kenaikan kepuasan kerja sebesar 1 akan menurunkan produktivitas karyawan sebesar 3 (pengaruhnya negatif), padahal seperti yang kita semua tahu bahwa semakin tinggi kepuasan kerja, produktivitas karyawan juga akan meningkat (pengaruhnya positif). Apakah hal ini benar? Bandingkan dengan hipotesis berikut: Ada pengaruh Ho: H1: > 0
positif
antara
kepuasan
kerja
dengan
produktivitas
karyawan. 0
Jika kita menggunakan DIRECTIONAL HYPOTHESES, dengan persamaan regresi yang sama: Y = 20 ± 3X, kita tentu akan menerima H0 karena nilai = -3 < 0. Itulah alasannya kenapa saya selalu NGOTOT UNTUK MENGGUNAKAN DIRECTIONAL HYPOTHESIS. ²²²
Contoh HIPOTESIS PERBEDAAN:
Ada perbedaan motivasi H0: p = w H1: p w // H1: p ± w 0
kerja // H0:
antara p
pria ±
dan w
wanita. = 0
Ada perbedaan motivasi kerja antara pria dan wanita, dimana wanita lebih bermotivasi dalam bekerja daripada H0: p w // H0: p ± w 0 H1: p < w // H1: p ± w < 0 Ada perbedaan pengaruh insentif finansial dan non finansial terhadap unjuk kerja. Insentif finansial lebih berpengaruh terhadap peningkatan unjuk kerja pegawai dibandingkan dengan insentif non finansial. H0: F NF // H0: F ± NF 0 H1: F > NF // H1: F ± NF > 0 ²²² CATATAN:
Untuk menghitung besarnya hubungan, kita menggunakan korelasi yang memiliki koefisien korelasi r untuk sampel dan untuk populasi. Untuk menghitung besarnya pengaruh, kita menggunakan regresi dengan persamaan Y = a + bX untuk sampel dan Y = + X untuk populasi. Besarnya pengaruh dilambangkan dengan b atau . Untuk uji beda, kita akan menguji rata-rata hitung yang dilambangkan dengan X-bar untuk sampel dan untuk populasi. Dalam penelitian, sangat diharapkan agar sampel yang diambil dapat mewakili populasi, karenanya dalam membuat hipotesis statistik, umumnya kita akan menggunakan parameter populasi.
