Perumusan Hipotesis

Setiap pengujian hipotesis dimulai dari dua pernyataan yang disusun sebelum data dianalisis. Topik ini membahas cara menyusun hipotesis nol (null hypothesis, $H_0$) dan hipotesis alternatif (alternative hypothesis, $H_1$), memilih bentuk dua sisi atau satu sisi, serta menilai apakah sebuah pertanyaan penelitian dapat diuji dengan data. Contoh yang digunakan adalah perbandingan nilai ujian antara metode belajar A dan metode B, yaitu benang data yang dipakai di sepanjang modul ini. Setelah topik ini, pernyataan penelitian yang kabur dapat diterjemahkan menjadi sepasang hipotesis yang siap diuji.

Dua hipotesis yang berhadapan#

Hipotesis nol adalah pernyataan posisi awal yang menyatakan tidak ada beda, tidak ada pengaruh, atau tidak ada hubungan, sedangkan hipotesis alternatif adalah pernyataan tandingan yang menyatakan adanya beda, pengaruh, atau hubungan. Posisi hipotesis nol serupa dengan asas praduga tak bersalah, yaitu terdakwa dianggap tidak bersalah sampai bukti cukup kuat menunjukkan sebaliknya, dan $H_0$ dianggap benar sampai data memberikan bukti yang cukup untuk menolaknya. Untuk perbandingan nilai ujian dua metode belajar, hipotesis ditulis dengan rata-rata populasi (population mean) $\mu_A$ untuk metode A dan $\mu_B$ untuk metode B sebagai berikut.

Notasi $\mu$ merujuk rata-rata populasi yang tidak diketahui, sehingga pengujian bekerja dengan menilai kemungkinan selisih sampel apabila $H_0$ benar. Keputusan akhir pengujian hanya berupa menolak $H_0$ atau tidak menolak $H_0$. Menolak $H_0$ berarti data memberikan dukungan bagi $H_1$, sedangkan tidak menolak $H_0$ berarti buktinya belum cukup dan bukan berarti $H_0$ terbukti benar. Struktur ini menjaga agar klaim adanya beda selalu ditanggung oleh bukti data, bukan oleh ketiadaan bukti.

Arah satu sisi dan dua sisi#

Hipotesis alternatif dua sisi menyatakan beda tanpa menentukan arah, ditulis $H_1: \mu_A \neq \mu_B$, sehingga data yang menunjukkan metode A lebih baik maupun metode B lebih baik sama-sama melawan $H_0$. Hipotesis alternatif satu sisi menyatakan arah tertentu, misalnya $H_1: \mu_B > \mu_A$ ketika pertanyaan penelitian hanya mengakui kemungkinan metode B lebih baik. Pilihan bawaan yang aman adalah bentuk dua sisi karena tidak menutup kemungkinan hasil yang berlawanan dengan dugaan. Bentuk satu sisi hanya dipakai apabila arahnya dijustifikasikan sebelum data dikumpulkan, misalnya dari teori atau penelitian pendahuluan yang sudah mapan.

Penulisan $H_0$ pada baris kedua memuat tanda $\leq$ karena hipotesis nol menampung semua kemungkinan yang tidak diklaim oleh $H_1$. Sesudah data dihitung, arah yang tampak tidak boleh dipakai untuk mengubah bentuk $H_1$. Arah satu sisi yang dipilih setelah melihat selisihnya sama saja dengan menurunkan ambang bukti secara diam-diam.

Pertanyaan yang dapat diuji#

Hipotesis yang baik berbicara tentang besaran yang terukur dari data, misalnya selisih rata-rata nilai, proporsi kelulusan, atau kemiringan hubungan dua variabel. Pernyataan metode B lebih baik adalah klaim yang kabur karena kata lebih baik tidak menyebut ukurannya, sedangkan pernyataan rata-rata nilai metode B lebih tinggi daripada metode A menyebut besaran yang jelas beserta arahnya. Pertanyaan yang dapat diuji juga menyebut populasi yang dimaksud, misalnya seluruh siswa yang menerapkan metode tersebut, sehingga kesimpulan tidak melampaui cakupan datanya. Tiga unsur itu, yaitu besaran terukur, bentuk $H_0$ dan $H_1$, serta populasi sasaran, menjadi daftar periksa sebelum analisis dimulai.

Program berikut menyajikan data dua metode belajar yang menjadi contoh sepanjang modul, masing-masing dengan 25 peserta.

import numpy as np

# Data nilai ujian dua kelompok metode belajar (25 peserta per kelompok)
rng = np.random.default_rng(42)
nilai_a = np.round(rng.normal(72, 8, size=25))
nilai_b = np.round(rng.normal(72, 8, size=25))

print(f"Rata-rata metode A : {nilai_a.mean():.4f}")
print(f"Rata-rata metode B : {nilai_b.mean():.4f}")
print(f"Selisih (B - A)    : {nilai_b.mean() - nilai_a.mean():.4f}")

Rata-rata metode A : 71.8000
Rata-rata metode B : 73.6800
Selisih (B - A)    : 1.8800

Data menunjukkan metode B unggul 1.88 poin. Angka itu belum dapat disebut bukti adanya beda karena rata-rata sampel selalu berfluktuasi meskipun kedua kelompok berasal dari populasi yang sama. Pertanyaan pengujian kini terukur dan siap diuji, yaitu apakah selisih 1.88 poin masih wajar terjadi apabila $H_0: \mu_A = \mu_B$ benar.

Hipotesis ditetapkan sebelum data#

Urutan yang benar adalah merumuskan $H_0$ dan $H_1$ lebih dahulu, baru kemudian mengumpulkan atau membuka data. Kebalikannya dikenal sebagai HARKing (Hypothesizing After the Results are Known), yaitu membentuk hipotesis setelah hasil terlihat lalu menyajikannya seolah-olah dirumuskan sejak awal. Praktik ini menyembunyikan pengujian yang gagal dan menggelembungkan peluang hasil signifikan yang muncul karena kebetulan. Pembaca laporan kehilangan patokan untuk menilai berapa banyak pengujian yang sesungguhnya dilakukan sebelum satu hasil menonjol.

Penetapan awal juga melindungi pilihan arah. Apabila bentuk satu sisi dipilih, alasan arahnya tercatat bersama hipotesisnya, sehingga pembaca laporan dapat menilai keputusan tersebut sejak awal. Dokumen rencana analisis sederhana yang memuat hipotesis, taraf signifikansi, dan ukuran sampel menjadi bukti bahwa urutannya dijaga.

Kesalahan umum#

Kesalahan pertama adalah menempatkan klaim peneliti di dalam $H_0$, misalnya menulis $H_0: \mu_B > \mu_A$ untuk klaim keunggulan metode B, dan perbaikannya adalah menaruh klaim di $H_1$ karena $H_0$ selalu memuat bentuk kesetaraan. Kesalahan kedua adalah merumuskan hipotesis yang tidak menyebut besaran terukur, misalnya metode B membuat siswa lebih tekun, dan perbaikannya adalah memilih ukuran yang sungguh dapat dihitung dari data sebelum hipotesis ditulis. Kesalahan ketiga adalah memilih arah satu sisi setelah selisih teramati diketahui, dan perbaikannya adalah berpegang pada bentuk dua sisi kecuali arahnya telah dijustifikasikan sebelum data dikumpulkan. Kesalahan lain yang menyertai ketiganya adalah menganggap tidak menolak $H_0$ sebagai bukti bahwa kedua metode sama, padahal keputusan itu hanya berarti buktinya belum cukup. Ketiganya bermuara pada disiplin yang sama, yaitu hipotesis ditetapkan lebih dahulu dan diperlakukan sebagai kontrak dengan data.

Ringkasan#

• Hipotesis nol menyatakan tidak ada beda dan menjadi posisi awal yang dicoba dilawan data, sedangkan hipotesis alternatif memuat klaim beda beserta arahnya bila ada.
• Bentuk dua sisi adalah pilihan bawaan, sedangkan bentuk satu sisi menuntut justifikasi arah sebelum data dikumpulkan.
• Pertanyaan yang dapat diuji menyebut besaran terukur, bentuk $H_0$ dan $H_1$, serta populasi sasarannya.
• Hipotesis ditetapkan sebelum data dianalisis, dan tidak menolak $H_0$ berarti bukti belum cukup, bukan $H_0$ terbukti benar.

Referensi#

• OpenIntro Statistics — OpenIntro — Buku pengantar statistika yang membahas perumusan hipotesis nol dan alternatif.
• NIST/SEMATECH e-Handbook of Statistical Methods — NIST — Panduan resmi NIST berisi langkah baku pengujian hipotesis.
• scipy.stats — SciPy — Referensi resmi fungsi pengujian statistik yang dipakai pada topik-topik modul ini.