Uji Hipotesis Penelitian (Skripsi & Tesis): Panduan Lengkap

Pelajari cara melakukan uji hipotesis untuk skripsi dan tesis—mulai konsep dasar, jenis uji (parametrik vs non-parametrik), langkah uji, contoh perhitungan sederhana, hingga penerapan di SPSS, AMOS, dan SmartPLS. Disertai template pelaporan dan FAQ.

Apa itu Uji Hipotesis?

Uji hipotesis adalah prosedur statistik untuk menilai kebenaran dugaan tentang populasi berdasarkan data sampel.

• H0 (Hipotesis nol): tidak ada pengaruh/perbedaan.
• H1 (Hipotesis alternatif): ada pengaruh/perbedaan.

Keputusan umumnya menggunakan p-value dan α (alpha), lazimnya 0,05.

Jenis Uji Hipotesis: Parametrik vs Non-Parametrik

Aspek	Parametrik	Non-Parametrik
Syarat utama	Data normal, varians homogen	Distribusi bebas, cocok untuk ordinal/nominal
Skala data	Interval/rasio	Ordinal/nominal (atau data tidak normal)
Contoh uji	t-test (independen/berpasangan), ANOVA, Korelasi Pearson, Regresi	Mann-Whitney U, Wilcoxon, Kruskal-Wallis, Chi-Square, Spearman
Kelebihan	Daya uji tinggi bila asumsi terpenuhi	Lebih fleksibel ketika asumsi gagal
Kekurangan	Sensitif terhadap pelanggaran asumsi	Daya uji cenderung lebih rendah

Tip cepat: Jika data tidak normal atau banyak outlier, pertimbangkan uji non-parametrik.

Baca Juga: Strategi Publikasi Ilmiah Cepat

Decision Tree: Memilih Uji yang Tepat

1. Tujuan
   • Membandingkan rata-rata dua kelompok? → t-test / Mann-Whitney
   • >2 kelompok? → ANOVA / Kruskal-Wallis
   • Hubungan/arah pengaruh? → Korelasi/Regresi / SEM
2. Jenis data
   • Numerik interval/rasio → cek normalitas & homogenitas.
   • Ordinal/nominal → non-parametrik (Mann-Whitney, Chi-Square, dsb).
3. Desain
   • Berpasangan (sebelum-sesudah pada orang yang sama) → Paired t-test / Wilcoxon.
   • Independen (dua kelompok berbeda) → Independen t-test / Mann-Whitney.
4. Asumsi (untuk parametrik)
   • Normalitas (Shapiro-Wilk/K-S)
   • Homogenitas varians (Levene’s)
   • Linearitas & tidak multikolinearitas (untuk regresi/SEM)

Langkah Uji Hipotesis (Umum)

1. Rumuskan H0 dan H1.
2. Tentukan α (mis. 0,05).
3. Pilih jenis uji sesuai tujuan, data, dan desain.
4. Hitung statistik uji di software (SPSS/AMOS/SmartPLS/R).
5. Bandingkan p-value dengan α.
6. Tarik kesimpulan (tolak/terima H0) & laporkan efek (effect size/CI).

Ingat: Laporkan effect size (mis. Cohen’s d, η², r) agar hasil lebih informatif, bukan hanya p-value.

Contoh Singkat

Riset: Apakah pelatihan kerja berpengaruh pada produktivitas karyawan?

• H0: Tidak ada pengaruh pelatihan terhadap produktivitas.
• H1: Ada pengaruh.
  Uji: Regresi linear sederhana (SPSS).
  Hasil: p-value = 0,003 < 0,05 → Tolak H0. Pelatihan berpengaruh signifikan pada produktivitas.

Baca Juga: Perbedaan Jurnal Predator dan Jurnal Kredibel

Penerapan di Software Statistik

1) SPSS (contoh cepat)

• t-test independen:Analyze → Compare Means → Independent-Samples T Test
  • Masukkan variabel dependen (numerik), grouping variable (dua kategori), Define Groups.
• ANOVA satu arah:Analyze → Compare Means → One-Way ANOVA
  • Centang Homogeneity of variance test; lanjut Post Hoc (Tukey/Bonferroni) bila signifikan.
• Regresi linear:Analyze → Regression → Linear
  • Cek Collinearity diagnostics, Plots (normal P-P), Durbin-Watson (autokorelasi).

2) AMOS (SEM-CB)

• Langkah: gambar model (measurement + structural) → set indikator → tentukan hubungan laten → Calculate Estimates.
• Laporan: fit indices (CFI/TLI > 0,90; RMSEA < 0,08), loading > 0,5/0,7, reliabilitas (CR/AVE), jalur & p-value.

3) SmartPLS (SEM-PLS)

• Langkah: buat model → PLS Algorithm → Bootstrapping (mis. 5.000 resample).
• Laporan: Outer loading (>0,7), reliabilitas (CR 0,7–0,95), validitas (AVE ≥ 0,5; HTMT < 0,85–0,90), R², Q², effect size f², signifikansi jalur (p < 0,05).

4) R (opsional ringkas)

• t-test: t.test(y ~ group, data=df, var.equal=TRUE)
• ANOVA: aov(y ~ group, data=df) + TukeyHSD
• Regresi: lm(y ~ x1 + x2, data=df) + summary

Contoh & Padanan Uji (Praktis)

Dua kelompok independen

• Normal & homogen → t-test independen
• Tidak normal/ordinal → Mann-Whitney U

Dua pengukuran berpasangan

• Normal → Paired t-test
• Tidak normal → Wilcoxon Signed-Rank

>2 kelompok

• Normal & homogen → ANOVA (+ post-hoc)
• Tidak normal/ordinal → Kruskal-Wallis

Hubungan antar variabel

• Normal, numerik → Pearson
• Tidak normal/ordinal → Spearman

Kategorikal

• Hubungan dua variabel kategorikal → Chi-Square (atau Fisher’s Exact bila sel kecil)

Cara Membaca Hasil (Template Pelaporan)

Contoh t-test independen

Rata-rata produktivitas karyawan yang mendapat pelatihan (M = 82,3, SD = 7,1) lebih tinggi dibanding yang tidak (M = 76,5, SD = 8,0). Perbedaan signifikan, t(118) = 3,01, p = 0,003, d = 0,55 (sedang).

Contoh ANOVA

Terdapat perbedaan kepuasan kerja antar tiga departemen, F(2, 147) = 5,62, p = 0,004, η² = 0,07. Uji lanjut Tukey menunjukkan Departemen A > C (p = 0,003).

Contoh Regresi

Pelatihan memprediksi produktivitas secara signifikan, β = 0,42, t = 3,24, p = 0,001; R² = 0,18.

Contoh SmartPLS (ringkas)

Model menunjukkan outer loading 0,72–0,88; CR 0,89–0,94; AVE 0,56–0,71; HTMT < 0,85. Jalur Pelatihan → Produktivitas signifikan (β = 0,41; p < 0,01). R² Produktivitas = 0,32.

Checklist Kualitas Pelaporan (Quick QA)

• Menyatakan H0/H1 dengan jelas.
• Menyebut α, ukuran sampel (n), dan metode sampling.
• Melaporkan hasil uji asumsi (normalitas/homogenitas).
• Menyertakan statistik uji, df, p-value, effect size, CI.
• Visual pendukung (boxplot/CI plot) bila perlu.
• Interpretasi substantif, bukan hanya “signifikan/tidak”.

Kesalahan Umum (dan Solusinya)

• Hanya pakai p-value → Tambahkan effect size & CI.
• Mengabaikan asumsi → Uji normalitas/homogenitas; gunakan alternatif non-parametrik bila gagal.
• Salah pilih uji → Rujuk decision tree di atas.
• Overclaim (menyimpulkan kausal dari data observasional) → Jelaskan batasan desain penelitian.

Software Populer & Kapan Dipakai

R/RStudio: fleksibel, reprodusibel, open-source (cocok untuk peneliti yang butuh skrip).

SPSS: uji dasar (t-test, ANOVA, korelasi, regresi)—mudah & cepat.

SmartPLS: SEM-PLS (eksploratif, model kompleks, sampel relatif kecil).

AMOS: SEM-CB (konfirmatori, when assumptions fit).

FAQ

Butuh Bantuan Analisis & Uji Hipotesis?

Britter siap dampingi risetmu: konsultasi metodologi, pemilihan uji, olah data (SPSS/AMOS/SmartPLS), hingga review hasil & penulisan Bab Metode/Hasil.
Hubungi Britter untuk sesi konsultasi privat atau paket asistensi skripsi/tesis.