Apa yang menyebabkan data tidak signifikan?

Nilai signifikansi dalam penelitian

Table of Contents Show

Nilai signifikansi dalam penelitian
Apa yang menyebabkan hasil penelitian tidak signifikan?
Apa yang membuat data tidak signifikan?
Apa yang dimaksud signifikan dan tidak signifikan?
Kapan data dikatakan signifikan?

Dalam pengujian hipotesis terdapat dua konsep penting yaitu Level of significance α dan nilai probability p. Level of significance adalah taraf pengujian sekumpulan data dalam pembuktian sebuah hipotesis (Agresti, 2009 : 143) yang biasanya dinyatakan dalam persen. Uji statistik pada dasarnya menguji tepat tidaknya sampel dalam menjelaskan populasi (Gujarati, 2009) sampai pada batas ketelitian error tertentu. Besarnya error penelitian itulah yang kemudian dikenal dengan istilah level of significance yang disimbolkan α.

Konsep signifikan

Konsep signifikan (taraf nyata) dalam statistik adalah keberartian. Misal seorang petani melakukan pemupukan rata-rata 300 kg urea untuk tanaman padi seluas 1 ha. Pada suatu musim tanam, dengan alasan untuk lebih menyuburkan pertumbuhan padi ditambah 1 ons urea. Dalam simulasi ini, secara nominal pupuk urea yang digunakan menjadi 300,01 kg. Persoalannya adalah apakah tambahan 0,01 kg secara instrinsik dapat dikatakan berarti (signifikan)?

Signifikansi dalam hipotesis

Terdapat dua tipe hipotesis yang sering digunakan dalam penelitian, yaitu :

Hipotesis compare
Jika hasil pengujian menunjukkan berbeda tidak signifikan bukan berarti antara dua sampel data tidak mempunyai perbedaan. Pasti secara nominal dalam setiap penelitian perbedaan menggunakan data yang berbeda. Hanya saja secara statistik perbedaan tersebut tidak signifikan.
Hipotesis correlational
Jika hasil pengujian menunjukkan berpengaruh tidak signifikan bukan berarti variabel bebas (X) tidak mempunyai pengaruh terhadap variabel terikat (Y). Hasil pengujian seperti ini bukan berarti variabel X benar-benar tidak berpengaruh terhadap Y, akan tetapi pengaruhnya tidak berarti karena mungkin sedemikian kecil efeknya. Misal dalam simulasi di atas, penambahan 0,01 kg pastilah ada pengaruh terhadap pertumbuhan beberapa rumpun padi. Tetapi dalam semesta 300 kg urea tentu efek 0,01 kg tidak terlihat secara nyata.
Jika dikaitkan dengan fungsi produksi Cobb-Douglas misalnya, jika ada satu faktor produksi (taruhlah tenaga kerja) berpengaruh tidak signifikan bukan berarti selama musim tanam tidak membutuhkan keterlibatan manusia. Tetap harus ada unsur tenaga kerja, tetapi perlu dikaji lebih lanjut terkait efisiensi dan efektivitasnya.

Kekeliruan diksi

Dikaitkan dengan tipe hipotesis, ada dua kekeliruan diksi yang "dianggap" tidak salah yaitu :

Tidak berbeda nyata
Kesimpulan pengujian seperti itu jelas keliru, karena dalam uji perbedaan pasti berasal dari populasi yang berbeda. Jika dituliskan tidak berbeda nyata berarti kedua populasi tersebut tidak berbeda (sama). Seharusnya ditulis berbeda tidak nyata, artinya kedua populasi itu berasal dari data yang berbeda (nominal) tetapi perbedaan tersebut tidak berarti (instrinsik).
Tidak berpengaruh nyata
Tipe penelitian korelasional dipastikan berasal dari dua variabel yang mempunyai sebaran data. Sehingga kesimpulan pengujian tidak berpengaruh nyata jelas keliru, karena berarti kedua populasi tersebut benar-benar tidak saling terkait. Seharusnya ditulis berpengaruh tidak nyata, artinya variasi perubahan variabel X sedemikian kecil terhadap variasi perubahan variabel Y, sehingga dapat diabaikan.

Besarnya level of significance

Di antara pakar statistik belum sepakat tentang berapa besarnya nilai α yang harus ditentukan dalam suatu penelitian (Sofiyuddin, 2005). Tetapi secara umum dapat diklasifikan berikut :

Penelitian sosial mengambil α 5% (0,05)
Penelitian eksakta mengambil α 1% (0,01)

Besarnya Arah pengujian

Implementasi nilai α dalam penelitian tergantung pada arah pengujian. Jika penelitian memutuskan memakai two tail maka nilai α harus dibagi menjadi dua dengan ketentuan sebagai berikut :

Penelitian sosial mengambil α 2,5% (0,025)
Penelitian eksakta mengambil α 0,05% (0,005)

Lebih rinci dapat dilihat pada instagram MikroStat

Keterkaitan p dengan cut of value

Perkembangan arsitektur platfon Windows berbasis 64 bit, telah merubah struktur pemrograman termasuk aplikasi untuk olah data (Moore, 2010). Aplikasi/program olah data seperti SPSS, R, Lisrel, eViews, Amos dan PLS telah menyertakan nilai probability p sehingga pengujian hipotesis tidak memerlukan tabel critical value. Adapun keterkaitan nilai p dengan cut of value sebagai berikut (Agresti, 2009, p.143):

Nilai p < α jika :
- Pengujian satu arah
  Nilai tcalc > ttable atau,
  Nilai -tcalc < -ttable
- Pengujian dua arah
  Nilai -ttable < tcalc < ttable
Nilai p > α jika :
- Pengujian satu arah
  Nilai tcalc < ttable atau,
  Nilai -tcalc > -ttable
- Pengujian dua arah
  Nilai -ttable > tcalc > ttable

Kriteria pengujian hipotesis

Ada dua pendapat terkait diterima tidaknya sebuah hipotesis.

Aliran klasik (Gujarati, 2009) : hipotesis diterima jika nilai p < α tanpa perlu memperhatikan arah hipotesis, negatif atau positif
Aliran neo klasik (Moore, 2010) : hipotesis diterima jika jika nilai p < α dan koefisien sesuai arah hipotesis.

Apa yang menyebabkan hasil penelitian tidak signifikan?

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.

Apa yang membuat data tidak signifikan?

Penyebab tidak signifikannya hasil uji statistik karena pola persebaran data yang tidak sama antara variabel yang diuji. Periksa terlebih dahulu skor total dari setiap variabel apakah telah membentuk pola yang sama atau tidak (ingat yang diperiksa skor total, bukan skor jawaban pada setiap item pernyataan).

Apa yang dimaksud signifikan dan tidak signifikan?

Menurut Kamus Besar Bahasa Indonesia, signifikan berarti penting atau berarti. Signifikan adalah salah satu bentuk kata sifat, sehingga dapat bersifat positif (signifikan) atau negatif (tidak signifikan).

Kapan data dikatakan signifikan?

Jika nilai p kurang dari atau sama dengan tingkat signifikansi, data tersebut dianggap signifikan secara statistik. Sebagai aturan umum, tingkat signifikansi (alfa) ditetapkan sebesar 0,05, berarti probabilitas kedua kelompok data tersebut sama hanya 5%.