Arti sebuah Hipotesis

Hipotesis diartikan sebagai jawaban sementara yang memerlukan pengujian lanjut terhadap rumusan masalah penelitian. Untuk menguji kebenaran hipotesis dilakukanlah pengumpulan data. Dalam statistika yang diuji adalah hipotesis nol. Hipotesis nol adalah pernyataan tidak adanya perbedaan antara parameter dengan statistik (data sampel). Lawan dari hipotesis nol (Ho) adalah hipotesis alternatif (Ha), yang menyatakan ada perbedaan antara parameter dan statistik.

Menurut Nazir dalam Tiro bahwa hipotesis berguna sebagai pemberi batasan dan memperkecil jangkauan dan kerja, menyiagakan peneliti kepada kondisi fakta dan hubungan antarfakta yang kadangkala hilang begitu saja dari perhatian peneliti, sebagai alat sederhana dalam menfokuskan fakta yang bercerai berai tanpa koordinasi ke dalam suatu kesatuan penting dan menyeluruh, sebagai pedoman dalam pengerjaan serta penyesuaian dengan fakta dan antarfakta.

Hipotesis dikatakan baik jika sederhana, bisa menerangkan fakta, mempertimbangkan semua fakta yang relevan, masuk akal, berkaitan dengan ilmu, serta sesuai dan tumbuh dari hasil pengkajian, serta dapat diuji. Dikatakan sederhana dalam arti dapat diuji secara induktif melalui teknik analisis statistik.
Ho dan Ha dapat diuji dengan statistik chi-kuadrat jika terdapat dua peubah yang terlibat.

Dua peubah ini adalah peubah kategori yang pengukurannya menggunakan skala nominal. Masing-masing hipotesis dapat dibedakan sebagai hipotesis sederhana dan hipotesis majemuk. Hipotesis disebut sederhana apabila parameter populasi diasumsikan sama dengan satu bilangan tertentu, seperti Ho:µ=10. Hipotesis yang dikatakan majemuk bila terdapat lebih dari satu bilangan terhadap parameter, seperti H1:µ≠10 atau H1:µ>10 atau H1:µ<10.

Uji hipotesis adalah menaksir parameter populasi berdasarkan data sampel. Cara menaksir dengan a point estimate (titik taksiran) dan interval estimate (taksiran interval). Titik taksiran adalah suatu taksiran parameter populasi berdasarkan satu nilai dari rata-rata data sampel. Taksiran interval adalah adalah suatu taksiran parameter populasi berdasarkan nilai interval rata-rata data sampel.

Hipotesis tidak selamanya mesti diterima kebenarannya. Terkadang hipotesis ditolak karena tidak didukung oleh fakta empiris. Penolakan hipotesis dapat menjadi penemuan positif, karena telah memecahkan masalah ketidaktahuan dan memberi jalan kepada hipotesis yang lebih baik. Walaupun semua prosedur dilakukan dengan teliti, kemungkinan terjadinya suatu kesalahan dalam pengambilan keputusan tetap ada.

Dalam hal ini ada tiga macam kesalahan yang mungkin terjadi, yaitu (1) kesalahan jenis I, yakni menolak Ho yang benar (seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan α , (2) kesalahan jenis II, yakni menerima Ho yang salah (sehatusnya ditolak). Tingkat kesalahan dinyatakan dengan β, dan (3) kesalahan jenis III, yakni kesalahan merumuskan hipotesis. Dalam pengujian hipotesis kebanyakan digunakan kesalahan tipe I yaitu berapa persen kesalahan untuk menolak hipotesis nol (Ho) yang benar (yang seharusnya diterima).
Hipotesis diterima 100% apabila data sampel yang diperoleh dari hasil pemngumpulan data sama dengan nilai parameter populasi atau masih berada pada nilai interval parameter populasi.

Namun jika diluar nilai parameter populasi akan terdapat kesalahan. Kesalahan ini akan semakin besar jika data sampel jauh dari nilai parameter populasi. Tingkat kesalahan ini dinamakan level of significant atau tingkat signifikansi. Biasanya tingkat signifikansi yang diambil adalah 1% dan 5%. Suatu hipotesis dikatakan mempunyai kesalahan 1% bila penelitian yang dilakukan 100 sampel yang diambil dari populasi yang sama, maka akan terdapat satu kesimpulan salah yang diberlakukan untuk populasi.

Langkah-langkah pengujian Hipotesis:
1. Merumuskan Ho dan Ha dengan jelas sesuai dengan persoalan yang dihadapi.
2. Memilih uji statistik yang sesuai dengan asumsi sebaran populasi dan skala pengukuran data.
3. Menetapkan taraf signifikanan α. signifikansi berarti apa yang berlaku pada sekelompok kecil maka berlaku pada keseluruhan populasi tersebut.
4. Menghitung statistik uji berdasarkan data. Mengganti peubah acak dengan nilai-nilai pengamatan yang telah diperoleh.
5. Menentukan nilai kritis dan daerah kritis pengujian.
6. Membuat kesimpulan dengan jalan membandingkan nilai statistik dengan nilai kritis.