Level of Significance

Level of Significance adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai parameter populasinya. Level of Significance dilambangkan dengan (alpha). Dalam bahasa Inggris umum, kata, significant mempunyai makna penting; sedang dalam pengertian statistik kata tersebut mempunyai makna benar tidak didasarkan secara kebetulan. Nilai signifikansi dari suatu hipotesis adalah nilai kebenaran dari hipotesis yang diterima atau ditolak. Hasil penelitian dapat benar tapi tidak penting. Signifikansi/probabilitas/ memberikan gambaran mengenai bagaimana hasil penelitian itu mempunyai kesempatan untuk benar. Jika kita memilih signifikansi sebesar 0,01, maka artinya kita menentukan hasil penelitian nanti mempunyai kesempatan untuk benar sebesar 99% dan untuk salah sebesar 1%. Secara umum kita menggunakan angka signifikansi sebesar 0,01; 0,05 dan 0,1. Pertimbangan penggunaan angka tersebut didasarkan pada tingkat kepercayaan (confidence interval) yang diinginkan oleh peneliti. Angka signifikansi sebesar 0,01 mempunyai pengertian bahwa tingkat kepercayaan atau bahasa umumnya keinginan kita untuk memperoleh kebenaran dalam penelitian kita adalah sebesar 99%. Jika angka signifikansi sebesar 0,05, maka tingkat kepercayaan adalah sebesar 95%. Jika angka signifikansi sebesar 0,1, maka tingkat kepercayaan adalah sebesar 90%.

Langkah-langkah pengujian hipotesis :

Langkah-langkah pengujian hiptesis statistik adalah sebagai berikut : 1. Menentukan Formulasi Hipotesis Formulasi atau perumusan hiptesis statistik dapat dibedakan atas dua jenis, yaitu sebagai berikut : a. Hiptesis nol atau hiptesis nihil Hiptesis nol, disimbolkan H0 adalah hiptesis yang dirumuskan sebagai suatu pernyataan yang akan diuji.

b. Hiptesis alternatif atau hiptesis tandingan Hiptesis alternatif disimbolkan H1 atau Ha adalah hiptesis yang dirumuskan

sebagai lawan atau tandingan dari hiptesis nol. Secara umum, formulasi hiptesis dapat dituliskan :

H0 : = H1 : > 0 Pengujian ini 0 disebut pengujian sisi kanan H0 : = H1 : < 0 Pengujian ini 0 disebut pengujian sisi kiri H0 : = H1 : 0 Pengujian ini 0 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 (alpha) Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula penolakan hipotesis nol atau hipotesis yang diuji, padahal hipotesis nol benar. Besarnya nilai 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 of test) 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 tabel 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 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 tabel. Atau nilai uji statistik berada di dalam nilai kritis.

daerah penolakan H0 daerah penerimaan H0

daerah penolakan H0

d1 d2 Gambar 1. Daerah kritis uji dua pihak

daerah penerimaan penolakan H0 d

daerah H0

Gambar 2. Daerah kritis uji satu pihak kanan

daerah penolakan penerimaan H0 d

daerah H0

Gambar 3. Daerah kritis uji satu pihak kiri

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 staistik dengan nilai tabel atau nial kritis. Beberapa Macam Pengujian Hipotesis 1. Berdasarkan Jenis Parameternya a. Pengujian hipotesis tentang rata-rata b. Pengujian hipotesis tentang proporsi c. Pengujian hipotesis tentang varians 2. Berdasarkan Jumlah Sampelnya a. Pengujian sampel besar (n > 30) b. Pengujian sampel kecil (n 30) 3. Berdasarkan Jenis Distribusinya a. Pengujian hipotesis dengan distribusi Z b. Pengujian hipotesis dengan distribusi t (t-student) c. Pengujian hipotesis dengan distribusi 2 (chi-square) d. Pengujian hipotesis dengan distrbusi F (F-ratio) 4. Berdasarkan Arah atau Bentuk Formulasi Hipotesisnya a. Pengujian hiptesis dua pihak (two tail test)

b. Pengujian hipotesis pihak kiri atau sisi kiri c. Pengujian hipotesis pihak kanan atau sisi kanan

Distribusi KAI Kuadrat

Pengujian dengan Kai Kuadrat berguna untuk pengujian hipotesa, tipenya dapat dibagi menjadi 5 macam yaitu : Pengujian untuk Kompabilitas. Pengujian Proporsi. Pengujian untuk sejumlah sampel (K) tertentu. Pengujian untuk ketidaktergantungan. Pengujian untuk Keragaman (varian). Distribusi Kai Kuadrat dapat disimbulkan dengan huruf dasar Yunani Chi ( ) dan ditulis dengan Chi kuadrat atau dibaca Kai Kuadrat, yaitu dengan menambahkan kuadrat pada simbol huruf Yunani tersebut.

Secara umum Kai Kuadrat dapat dirumuskan sbb :

Selanjutnya seperti disebutkan sebelumnya, fungsi dari Distribusi Kai Kuadrat ialah untuk Uji Hipotesis. Macam dari distribusi Kuadrat yang pertama adalah Pengujian untuk Kompabilitas. Pengujian ini prinsipnya adalah dengan memperbandingkan antara frekuensi observasi dan frekuensi teoritis (harapan).

Frekuensi observasi adalah frekuensi yang datanya diperoleh langsung dari pengamatan di lapangan, jadi niainya diperoleh dari masing-masing data yang diperoleh pada saat melakukan pengamatan. Sedangkan frekuensi teoritis (harapan) ialah frekuensi yang diperoleh dari perhitungan dengan rumus yang didasarkan dari nilai rata-rata, standar deviasi, yang diperoleh dari jumlah data observasi. Perhitungan frekuensi observasi dan frekuensi teoritis merupakan dasar untuk perhitungan nilai Kai Kuadrat hitung > X2 Nilai dari Kai Kuadrat hitung dapat dikatakan sesuai / kompatibel bila nilainya lebih kecil dari nilai Kai Kuadrat tabel, yang mana nilai dari Kai Kuadrat tabel dapat diperoleh dari Kai Kuadrat Tabel yang diwakili dengan kurva normal Kai Kuadrat

Pengujian untuk ketidaktergantungan Prinsip kerja dari pengujian ini adalah mencari hubungan antara beberapa sampel yang terbagi dalam dua variabel atau lebih, yang mana dari variabel tersebut dapat dibagi lagi menjadi beberapa kategori.

Langkah-langkah pengujian dalam test of independency. Menentukan hipotesa 0 (nol) & hipotesa altrnatif

Menentukan level of significance ( ) dan derajat bebas (db). Derajat bebas untuk pengujian ini yaitu (m-1)(k-1). Kriteria pengujian Menghitung Kai Kuadrat Kesimpulan nij = frekuensi observasi ke i sampel ke j hij = frekuensi teoritis = [(nio)/no] x nj

DISTRIBUSI STUDENT t
SEJARAH W.S. Gosset menuliskan distribusi peluang t pada saat bekerja diperusahaan bir di Irlandia (1908). Perusahaan tersebut melarang semua karyawan untuk menerbitkan hasil penelitiannya. Untuk menghindari larangan tersebut W.S. Gosset menerbitkan karyanya secara rahasia dengan nama student. Oleh sebab itulah distribusi t disebut sebagai distribusi peluang student t. DASAR Distribusi Student atau distribusi t, ialah Distribusi dengan variabel acak kontinu lainnya, selain daripada distribusi normal dengan fungsi densitasnya adalah : Untuk harga-harga n yang besar, biasanya n 30, distribusi t mendekati distribusi normal baku. Distribusi probabilitas t-Student diturunkan dari distribusi probabilitas normal baku, dalam bentuk yang berkaitan dengan distribusi probabilitas khi-kuadrat, yakni :

dengan z1, z2, z3, . . . sebagai distribusi probabilitas normal baku dan

c2n= z21 + z22 + z23 + . . . + z2n dari distribusi probabilitas khi-kuadrat. KURVA DISTRIBUSI t

TABEL DISTRIBUSI t

Distribusi t bentuk kurva simetris Puncak sebuah rata-ratanya ditengah berimpit dengan t=0, makin jauh dari puncaknya, kurva makin landai mendekati sumbu datarnya Kasus normal dengan jumlah sampel n < 30 dan simpangan baku populasi (s ) tidak diketahui sehingga nilainya digantikan dengan simpangan baku sampel ( S ) Misalkan t adalah variabel random berdistribusi student, maka distrbusi peluangnya adalah

, < t < Dimana K n-1 : bilangan tetap yang tergantung pana n : derajat kebebasan, dengan n jumlah sampel

n 30: distribusi t mendekati distribusi normal Luas di bawah kurva t antara ordinat t1 dan t2 merupakan peluang peubah acak t yang mendapat nilai antara t = t1 dan t = t2. Jadi dapat dituliskan sebagai berikut P ( t1 < t < t2 ) = = Nilai t1 dan t2 dapat ditentukan dari tabel t sedangkan luas di bawah kurva tergantung a yang diambil. Misalkan a = 0,05, maka t0,05 maksudnya luas di sebelah kanan t0,05 adalah 0,05 dan di sebelah kiri t0,05 adalah 0,95. Selain itu, karena sifat kesimetrisan maka distribusi t mempunyai sifat -ta = t1-a.