Tujuan
dari pengujian hipotesis ialah untuk menentukan apakah hipotesis null yang
ditolak demi mendukung hipotesis altermate telah diukur dengan akurat.
Berdasarkan dari data sampel, peneliti dapat menolak hipotesis null dengan
tingkat keyakinan tertentu: yakni memang selalu ada risiko bahwa kesimpulan
yang disususn mengenai populasi tidak benar.
Ada
dua jenis kesalahan (atau dua cara di mana kesimpulan hipotesis dapat menjadi
salah). Kesalahan tipe 1 (type 1 errors) disebut juga
sebagai alpha (ɑ),
ialah kemungkinan untuk menolak hipotesis null ketika sebenarnya hipotesis
tersebut adalah benar. Kesalahan tipe 1 juga di kenal sebagai tingkat yang
signifikan (significance level).Umumnya tingkat signifikansi dalam penelitian
bisnis adalah 5% (<0,05) dan 1% (<0,01).
Kesalahan
tipe II (type II errors), juga disebut sebagai beta (β), adalah kebalikan dari
kesalahan tipe I, dimana kemungkinan untuk menerima hipotesis null dimana
sebenarnya hipotesis alternate adalah benar. Dengan kata lain, bahwa semakin
kecil resiko kesalahan pada salah satu tipe, maka akan semakin besar risiko
kesalahan pada tipe lainnya.
Analisis
regresi sederhana (regression analysis) digunakan dalam sebuah situasi dimana
variable independent diduga mempengaruhi variable dependent
Analisis
regres iberganda (multiple regression analysis) serupa dengan analisis
regresisederhana, hanya saja dalam kasus tersebut, digunakan lebih dari satu
variable independent untuk menjelaskan
varians dalam variable dependent.
Standardized
regression coefficients
atau beta coeffiecients adalah estimasi yang dihasilkan dari sebuah analisis
regresi berganda yang dilaksanakan pada variable yang telah distandarisasikan
(proses dimana variable-variable ditransformasikan ke dalam variable-variable
yang memiliki mean atau nilai rata-rata 0 dan standar deviasi 1).
Variable
buatan (dummy variable) adalah variable yang memiliki dua atau lebih tingkatan
yang berbeda, yang diberi kode 0 atau 1.Variable ini memperbolehkan peneliti
untuk menggunakan variable nominal dan ordinal sebagai independent variable
untuk menjelaskan, memahami, dan memprediksi variable dependent.
Bagian ini berkaitan dengan variable
moderating, dimana dampak dari satu variable (X1) pada Y (variable
dependent) bergantung pada nilai dari variable yang lain, dimana yang dimaksud
ialah variable moderating (X²).interaksi semacam itu digolongkan sebagai
produk dari dua variable tersebut dalam sebuah model regresi.
Regresi logistic (logisticregression)
juga digunakan ketika variable dependent adalah nonmetris. Ketika variable
dependent hanya memiliki dua kelompok,
regresi logistic sering diminati, karena tidak menghadapi asumsi-asumsi yang
ketat seperti yang dihadapi apabila menggunakanan analisis diskriminan dan juga
karena sangat mirip dengan analisis regresi. Meskipun analisis regresi dan
analisis regresi logistic sangat berbeda dari sudut pandang statistic, akan
tetapi keduanya sangat mirip dari sudut pandang praktis.
Ada dua cara ANOVA (two-way ANOVA) yang
dapat digunakan untuk menguji pengaruh dua variable independent
nonmetrispada variable dependent metris tunggal. Dalam konteksini, variable independent
sering di sebut sebagai sebuah factor danoleh sebelum itu maka dibuat suatu desain yang bertujuan untuk menguji pengaruh dua variable independent
nonmetris pada variable
dependent metris tunggal
yang sering di sebut dengan desain factorial (factorialdesign). Desain factorial sangat popular
dalam ilmu social. ANOVA memungkinkan peneliti untuk memeriksa pengaruh utama (pengaruh dari variable
independent terhadap variable dependent), dan juga pengaruh interaksi yang antara variable
independent (atau factor-faktor).
MANOVA miripdengan ANOVA, dengan perbedaan bahwa ANOVA menguji perbedaan
mean atau nilai rata-rata untuk lebih dari dua kelompok terhadap satu variable dependent,
sedangkan MANOVA menguji perbedaan
mean antara kelompok-kelompok pada beberapa variable dependent
secara bersamaan,
dengan menggunakan jumlah kuadrat (sums of squares) dan cross-produk matrices.
Pengujian ANOVA berganda (multiple ANOVA tets), dengan menggunakan satu variable dependent pada satu waktu, akan rentan membiaskan hasil, sebab variable dependent secara bersamaan,
serta mengabaikan
pengaruh dari setiap korelasi di antara variable
tersebut. Dalam tes MANOVA, variable independen diukur pada skala nominal dan variable
dependent padaskala interval atauskalarasio.
Canonical correlation meneliti hubungan antara dua atau lebih
variable dependent dan beberapa
variable independent, singkatnya, beberapa teknik univariat,
bivariate, dan multivariate tersedia untuk menganalisis data sampel.
Menggunakan teknik-teknik ini memungkinkan peneliti untuk menggeneralisasikan hasil yang
diperoleh dari sample
kepopulasi pada umumnya.
Data mining berperan sebagai pelengkap dari fungsi data warehouse dimana data
mining berperan sebagai sebuah alat untuk mencapai tingkatan intelejensi bisnis baru. Data mining menggunakan (algoritma) untuk menganalisa data dalam sebuah cara yang bermakna, data mining
lebih mengefektifkan
data warehouse dengan mengidentifikasi hubungan-hubungan dan pola-pola yang tersembunyi dalam penyimpanan data tersebut.
Tidak ada komentar:
Posting Komentar