Contoh Hipotesis Penelitian Dan Hipotesis Statistik 5k6c5q

c c 80% mahasiswa Unpar berasal dari keluarga berpendapatan menengah ke atas. Tindakan agresif banyak dilakukan oleh anak yang berasal dari keluarga r Orang yang berpendidikan tinggi relatif lebih mudah menerima perubahan. Terjadi peningkatan jumlah masyarakat yang hidup di bawah garis kemiskinan semenjak dinaikkannya harga BBM ²²²

c ^^^ klik di sini untuk perbedaan PENGARUH dan HUBUNGAN <<< Ada H0: H1: ȡ  0

hubungan

Terdapat hubungan H0: H1: ȡ ^ 0

antara ȡ

positif

antara ȡ

usia

dan

kepuasan =

kepuasan

konsumen dan loyalitas ”

kerja. 0

konsumen. 0

Ada hubungan antara tingkat kerajinan mahasiswa dan nilai yang diperoleh: semakin rajin mahasiswa, nilai yang diperoleh juga akan semakin baik. H0: ȡ ” 0 H1: ȡ ^ 0 Ada hubungan antara lama antrian dengan kepuasan pelanggan: semakin lama suatu antrian, kepuasan pelanggan juga akan semakin rendah. H0: ȡ • 0 H1: ȡ < 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/pengaruh!!! 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 ȕ adalah sama dengan nol, maka berapa pun nilai X yang dimasukkan, 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: ȡ ^ H1: ȡ ” 0 // ȡ • 0 // ȡ < 0

0

//

ȡ

<

0

// ȡ

^

0

Apakah kalian tahu di mana letak kesalahannya? ²²²

c Ada pengaruh Ho: H1: ȕ  0

antara

tingkat ȕ

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: ȕ  0

antara

kepuasan ȕ

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 ȕ = -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: ȕ ^ 0

positif

antara ȕ

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 ȕ = -3 < 0. Itulah alasannya kenapa saya selalu NGOTOT UNTUK MENGGUNAKAN DIRECTIONAL HYPOTHESIS. ²²²

c

Ada perbedaan motivasi H0: ȝp = ȝw H1: ȝp  ȝw // H1: ȝp ± ȝw  0

kerja // H0:

antara ȝp

pria ±

dan ȝw

=

wanita. 0

Ada perbedaan motivasi kerja antara pria dan wanita, dimana wanita lebih bermotivasi dalam bekerja daripada pria. H0: ȝp • ȝw // H0: ȝp ± ȝw • 0 H1: ȝp < ȝw // H1: ȝp ± ȝw < 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: ȕF ” ȕNF // H0: ȕF ± ȕNF ” 0 H1: ȕF ^ ȕNF // H1: ȕF ± ȕNF ^ 0 ²²² c Untuk menghitung besarnya hubungan, kita menggunakan korelasi yang memiliki koefisien korelasi r untuk sampel dan ȡ untuk populasi. Untuk menghitung besarnya pengaruh, kita menggunakan regresi dengan persamaan Y = a + bX untuk sampel dan Y = Į + ȕX untuk populasi. Besarnya pengaruh dilambangkan dengan b atau ȕ. Untuk uji beda, kita akan menguji rata-rata hitung yang dilambangkan dengan X-bar untuk sampel dan ȝ untuk populasi. Dalam penelitian, sangat diharapkan agar sampel yang diambil dapat mewakili populasi, karenanya dalam membuat hipotesis statistik, umumnya kita akan menggunakan parameter populasi. |