Riset Bisnis
Sesi 11 – Hypothesis Testing & Statistical Decision Making
Learning Guide
Sesi ini membahas pengujian hipotesis sebagai proses pengambilan keputusan berbasis data. Mahasiswa diarahkan untuk memahami bahwa uji statistik bukan sekadar membaca output software, melainkan proses penalaran ilmiah yang terstruktur.
Learning Objectives
- Memahami logika dasar pengujian hipotesis
- Menyusun hipotesis nol dan alternatif dengan benar
- Menafsirkan nilai signifikansi (p-value)
- Menghindari kesalahan umum dalam pengambilan keputusan statistik
1. Logic of Hypothesis Testing
Pengujian hipotesis adalah prosedur statistik untuk menentukan apakah data empiris memberikan cukup bukti untuk menolak hipotesis nol.
Prinsip Dasar:
Keputusan statistik selalu mengandung risiko kesalahan, namun risiko tersebut dapat dikendalikan secara ilmiah.
2. Null and Alternative Hypotheses
Hipotesis nol (H0) menyatakan tidak adanya pengaruh atau perbedaan, sedangkan hipotesis alternatif (H1) menyatakan adanya pengaruh atau perbedaan.
Contoh:
H0: Kualitas layanan tidak berpengaruh terhadap kepuasan pelanggan.
H1: Kualitas layanan berpengaruh terhadap kepuasan pelanggan.
3. Significance Level and p-Value
Tingkat signifikansi (α) menunjukkan batas toleransi risiko kesalahan dalam menolak hipotesis nol. Nilai p-value menunjukkan seberapa kuat bukti data terhadap H0.
- Jika p-value ≤ α → H0 ditolak
- Jika p-value > α → H0 gagal ditolak
Catatan Penting:
p-value bukan ukuran besar kecilnya pengaruh, melainkan ukuran kekuatan bukti statistik.
4. One-Tail vs Two-Tail Tests
Uji satu arah (one-tail) digunakan jika arah pengaruh sudah ditentukan, sedangkan uji dua arah (two-tail) digunakan jika arah pengaruh belum ditentukan.
Prinsip Akademik:
Pemilihan one-tail atau two-tail harus ditentukan sebelum analisis data, bukan setelah melihat hasil.
5. Type I and Type II Errors
Dalam pengujian hipotesis terdapat dua jenis kesalahan:
- Type I Error: Menolak H0 yang benar
- Type II Error: Gagal menolak H0 yang salah
Ilustrasi:
Type I Error: Menganggap strategi efektif padahal tidak.
Type II Error: Menganggap strategi tidak efektif padahal efektif.
6. Statistical vs Managerial Decision
Keputusan statistik tidak selalu identik dengan keputusan manajerial. Manajer perlu mempertimbangkan konteks bisnis, biaya, dan risiko.
Penegasan:
Hasil statistik membantu keputusan, tetapi tidak menggantikan pertimbangan manajerial.
Reflective Questions
- Mengapa p-value tidak boleh ditafsirkan sebagai besar pengaruh?
- Kapan uji satu arah dapat dibenarkan?
- Mengapa keputusan statistik perlu dikaitkan dengan konteks bisnis?
Referensi utama: Sekaran & Bougie; Zikmund et al.; Levine et al.