HIPOTESIS TIDAK TERDUKUNG, MENGAPA ?

HASIL PENELITIAN TIDAK SIGNIFIKAN

Oleh : Hendryadi

Sangat sering saya mendengar keluhan mengenai tidak signifikannya hasil penelitian. Beberapa bertanya “apakah boleh jika hasil penelitian tidak berhasil membuktikan teori”

Jawabannya : “JELAS BOLEH” dan “MENGAPA TIDAK BOLEH”

Karena menggunakan metode ilmiah, maka penelitian tentu saja memiliki toleransi terhadap keraguan yang muncul atas sebuah pernyataan atau kesimpulan, memiliki kemauan untuk mempertanyakan segala sesuatu, keinginan untuk melakukan berbagai pengujian dan membuka kesempatan atas adanya pertentangan satu sama lain. Dengan demikian, hasil penelitian terbuka untuk saling berbeda, saling mengkritik, bahkan saling bertentangan.

Dengan demikian, jika ada pendapat yang menyatakan “pokoknya harus signifikan !!”, maka saran saya lebih baik tidak usah diteliti saja, karena sudah yakin 100% signifikan. Logikanya…jika sudah yakin bahwa hubungan dua variabel yang diteliti “pasti” signifikan, maka tidak perlu ada pengujian hipotesis dan uji statistik. Cukup diyakini saja..dan tidak perlu diteliti.

Cara berpikir ilmiah itu adalah dimulai dari keraguan..makanya dilakukan pembuktian. Karena ragu..makanya diteliti. Jika sudah tidak ada keraguan..so..ngapain juga diteliti…he.he.he

Hipotesis yang diajukan tidak terdukung secara statistic ?

Dalam hipotesis statistik inferensial, pengujian hipotesis pada prinsipnya adalah pengujian signifikansi. Signifikansi sendiri merupakan taraf kesalahan yang didapatkan/diharapkan ketika peneliti hendak menggenalisasi sampel penelitiannya. Atau dengan kata lain, peneliti melakukan penaksiran parameter populasi berdasarkan data yang telah dikumpulkan dari parameter sampel penelitian.

Jika hasilnya tidak signifikan, maka artinya adalah data yang dikumpulkan tidak berhasil membuktikan keterkaitan antara X dan Y, dan bukan berarti X tidak berpengaruh terhadap Y, melainkan data sampel tidak berhasil membuktikan hubungan tersebut.

Mengapa bisa terjadi ?

Ada dua penyebab, pertama adalah memang data yang dikumpulkan tidak berhasil membuktikan hipotesis, dan kedua ada kesalahan dari si peneliti.

Untuk kesalahan pertama, maka tidak ada jalan lain kecuali melaporkan hasil penelitian apa adanya, atau melakukan menambahan data. Adakalanya, dibutuhkan sampel yang besar untuk membuktikan adanya hubungan dua variabel, terutama jika hubungan tersebut kecil.

Sedangkan kesalahan kedua (yang sering terjadi) adalah adalah kesalahan pengambilan sampel, kesalahan teknik analisis, kesalahan input data, kesalahan menginterpretasikan penolakan/penerimaan hipotesis (dikenal dengan istilah kesalahan tipe 1 dan 2), dan lain sebagainya.

Kesalahan pengambilan sampel

Contoh sederhana adalah seorang peneliti ingin meneliti mengenai kepuasan kerja karyawan. Kesalahan pengambilan sampel terjadi ketika sampel yang digunakan tidak mempertimbangkan aspek-aspek seperti pendidikan, pengalaman kerja, jenis kelamin dan lain sebagainya. Sebagai contoh : seorang karyawan yang berpendidikan S2 jelas memiliki harapan akan promosi lebih tinggi dibanding dengan karyawan yang berpendidikan SMA. Hal-hal sederhana seperti ini sering kali di abaikan sehingga menghasilkan jawaban kuesioner memiliki tingkat variabilitas tinggi.

Kesalahan Input data (coding)

Kesalahan pada input data atau coding sering terjadi terutama pada pernyataan negatif yang seharusnya dilakukan reverse score.

Kesalahan teknik analisis

Kesalahan teknik analisis umumnya terjadi ketika data yang digunakan “dipaksakan: untuk menggunakan teknik tertentu. Sebenarnya, dalam statistic, prinsip parsimony (kesederhanaan) adalah penting. Semakin sederhana maka akan semakin baik.

Kesalahan dalam menerima dan menolak Hipotesis

Kesalahan tipe I adalah kesalahan apabila menolak hipotesis nol (Ho) yang benar (seharusnya diterima).

Kesalahan tipe II adalah kesalahan jika menerima Hipotesis yang salah (seharusnya ditolak).

Bagaimana menjelaskan ketidakmampuan data membuktikan hipotesis ?

Sangat disarankan, pada tinjauan penelitian dicari juga penelitian yang mendukung dan menolak. Contoh : Pada penelitian A, B, dan C, DER terbukti berpengaruh negative dan signifikan terhadap return saham, namun pada penelitan D, E dan F diperoleh hasil sebaliknya yaitu DER tidak berpengaruh terhadap Return saham.

Dengan adanya tinjauan penelitian yang mendukung dan menolak tersebut, kita bisa menjelaskan bahwa paling tidak hasil penelitian ini relevan dengan peneltiian D, E, dan F, dan berbeda dengan peneltiian A, B, dan C.

 

Terimakasih

Semoga bermanfaat

 

 

 

Advertisements

Posted on September 6, 2012, in Coretan Ku and tagged . Bookmark the permalink. 189 Comments.

  1. ass,,
    pak saya ingin bertanya kalau data saya berdasarkan teori harus berpengaruh negatif, itu bisa pakai spss? soalnya dosen saya minta pakai spss. saya sudah coba pakai, tapi tidak signifikan dan tidak sesuai dengan perhitungan manual pak, mohon bantuannya ya pak.. makasih sebelum nya pak

  2. Asalamu’alaikum, mohon maaf pak sy mau bertanya, sya sudh nguji regresi, ada 5 hipotesis tp hasilnya positif dan tidak signifikan semua, akn tetapi lolos semua uji asumsi klasik, apakah tdk apa2 kalau semua hipotesis ditoolak? Atau terjdi suatu kesalahan? Trmksh

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: