Apa yang membuat data tidak signifikan?

Bagaimana cara mengatasi hasil uji T yang tidak signifikan? Uji T merupakan salah satu uji hipotesis dalam analisis regresi linier sederhana maupun liniear multiples (berganda).

Cara mengatasi hasil uji T tidak signifikan dengan pemahaman tentang tujuannya. Tujuan penelitian itu untuk menguji teori yang dapat anda aplikasikan pada objek dan pada periode penelitian yang telah anda tentukan. Bagaimana dengan hasil ujian T berpengaruh tidak signifikan?.

Meski ada teori dulu banyak yang mengatakan kalau variabel X memiliki pengaruh signifikan dengan variabel Y. Itu bukanlah suatu keharusan penelitian anda hasilnya juga signifikan.

Simak Cara Mengatasi Hasil Uji T yang Tidak Signifikan

Jika teori yang anda ajukan melandasi hipotesis kurang kuat, sehingga hasil statistik menunjukan tidak adanya hubungan atau perbedaan signifikan pada hasil uji coba. Bisa saja disebabkan oleh beberapa hal seperti ini:

Hipoter yang Diajukan Tidak Mendukung Secara Statis

Cara mengatasi hasil uji T yang tidak signifikan dengan memperhatikan hipoter. Pada dasarnya, pengujian hipotesis untuk menguji signifikan variabel. Eknifikan disini diartikan taraf kesalahan yang saat penelitian dilakukan, maka anda harus lakukan penaksiran parameter populasinya berdasar data yang terkumpul.

Jika sudah melakukannya tetapi hasil tetap saja tidak signifikan, namun teori menunjukan adanya keterkaitan signifikan, berarti data objek yang dijadikan sampel penelitian tidak dapat membuktikan hubungan antar variabel.

Hal ini bukan berarti variabel X tidak berpengaruh dengan variabel Y, ini hanya karena sampel penelitian anda tidak berhasil membuktikan teori tersebut. Lalu apa penyebabnya sehingga hal ini terjadi?

Hasil Penelitian Kemenag Tidak Dapat Membuktikan Hipotesis

Jika seperti ini, maka anda harus melaporkan hasil tes yang sebenarnya. Atau anda malah bisa melakukan penambahan data, karena ada saatnya teori hanya bisa didukung dengan sampel atau periode yang lebih besar.

Baca Juga: Begini Cara Menentukan Diameter Besi Tulangan yang Perlu Kamu Ketahui

Kesalahan dari Si Peneliti

Kesalahan yang sering terjadi disini adalah kesalahan dalam pengambilan sampel. Lalu kesalahan teknik analisis, salah menginput data, atau malah salah dalam menginterpretasikan penolakan atau penerimaan hipoter.

Kesalahan Dalam Pengambilan Sampel Penelitian

Kenapa harus ada teori dalam teknik sampling? Karena untuk mengurangi kesalahan yang timbul saat pemilihan sampel. Dalam cara mengatasi hasil uji T yang tidak signifikan ketahui contohnya.

Contoh hasil penelitian yang tidak signifikan, kalau ingin mengukur berapa besar jumlah kepuasan kerja pt.123. Nah, kesalahan yang sering terjadi saat pengambilan sampel ialah saat sampel yang anda pilih ternyata tidak mempertimbangkan aspek-aspek utama. Seperti pengalaman kerja, jenis kelamin, pendidikan, dan sebagainya.

Kesalahan Data Input Penelitian

Kesalahan ini sangat tidak dapat ditoleransikan, jadi anda harus lebih teliti dalam memasukkan data input. Dahulukan data yang memiliki nilai negatif, jangan sampai tertulis dengan nilai positif.

Salah Memilih Teknik Analisis

Sebelum melakukan penelitian, ada baiknya anda membaca buku mengenai metodologi penelitian. Jangan sampai anda memaksakan data yang anda gunakan untuk dianalisis menggunakan cara tertentu.

Lebih baik anda juga meminta saran pembimbing sebelum menentukan teknik analisis. Karena dalam statistik prinsip kesederhanaan sangat diutamakan di dalamnya.

Kesalahan Saat Menerima Ataupun Menolak Hipotesis Penelitian

Ada 2 tipe kesalahan disini. Pertama, kesalahan saat menolak hipotesis nol (HO). HO tidak diterima padahal sebenarnya HO diterima. Kedua, saat hipotes menerima hipotesis nol (HO).

Itulah hal yang perlu anda teliti dan cara mengatasi hasil uji T yang tidak signifikan di spss. Hal yang paling utama saat anda melakukan penelitian, anda harus menelitinya sekali lagi dengan benar dan jangan takut untuk menanyakan bila anda kurang mengerti ke pembimbing.

Hasil penelitian mu signifikan ga sob ?

Gimana, signifikan semua ga ?

Duuh,, ga ada satupun yang signifikan nih. Mana pembimbing bilang harus signifikan.

Pertanyaan di atas adalah beberapa pertanyaan yang Saya dengar ketika menyelesaikan penelitian dulu. Bukan soal jawaban dari pertanyaan tersebut. Tapi lebih ke bagaimana solusi yang terbaik.

Ketika bimbingan ke dosen pembimbing, kita bawa tuh penelitian dengan harapan bisa di ACC hari itu. Mumet juga kalo harus bolak-balik, revisi lagi, ketemu pembimbing lagi. Mendingan jika pembimbingnya mudah di temui. Kalo sulit di temui ?, Dosen terbang ?, dan istilah-istilah lainnya.

Yaa.. disini Saya akan membahas, “Apakah Penelitian Harus Signifikan ?“.

Back to content. Berhubung konten ini sangat panjang, untuk mempermudah navigasi, silahkan pilih menu dan sub menu konten ini pada Daftar isi berikut:

  • Apa itu Signifikan ?
  • Apakah Penelitian Harus Signifikan ?
    • Mari kita bahas lebih dalam ..
  • Bagaimana Solusinya Jika Penelitian Tidak Signifikan ?
    • #1 Hipotesis yang diajukan Tidak Mendukung Secara Statistik ?
    • #2 Kesalahan Dalam Pengambilan Sample Penelitian
    • #3 Kesalahan Input Data Penelitian
    • #4 Salah Memilih Teknik Analisis
    • #5 Kesalahan Dalam Menerima atau Menolak Hipotesis Penelitian
  • Bagaimana Cara Menjelaskan Hasil Penelitian Tidak Signifikan ?
  • Pintasan Panduan Problem dan Solusi Penelitian

Apa itu Signifikan ?

Apa yang membuat data tidak signifikan?

Ketahui terlebih dahulu dasarnya. Apa itu signifikan ? “Signifikan adalah hal yang sangat penting dan tidak bisa lepas dari suatu persoalan“. Signifikan sangat sering dikaitkan dengan hasil dari suatu penelitian / riset.

Contohnya, Hasil penelitian tersebut menyatakan bahwa variabel X1 berpengaruh signifikan terhadap variabel Y.

Dengan bahasa sendiri, signifikan dapat dikatakan sebagai berikut:

Misalnya: “Variabel Kinerja Karyawan (X1) berpengaruh signifikan terhadap variabel Gaji (Y). Artinya:

  • Variabel X1 berpengaruh nyata terhadap variabel Y. atau,
  • Perubahan nilai pada variabel X1 dapat merubah nilai pada variabel Y. Atau,
  • Variabel X1 ini loh yang dapat merubah nilai pada variabel Y.


Nah, jika belum paham pengertian Signifikan, silahkan coret-coret pada kolom komentar. Next kita lanjut.

Apa yang membuat data tidak signifikan?

Sangat sering Saya menerima pertanyaan ini, baik itu dulu (tahun 2016) sewaktu Saya sedang menyelesaikan kuliah, hingga sekarang teman-teman pembaca setia M Jurnal sering bertanya. Apakah Penelitian Harus Signifikan ?

Jawabannya : “Tidak Harus” jadi “Boleh Signifikan” maupun “Tidak Signifikan”
Dengan catatan, tidak ada kesalahan dalam melakukan seluruh prosedur penelitian.

Mari kita bahas lebih dalam ..

Penelitian, baik itu jurnal, skripsi, tesis, dsb menggunakan metode ilmiah, maka peneliti harus realistis, tidak boleh memihak, tidak boleh bertindak atas tujuan lain yang memberikan keuntungan kepada pihak lain.

Tujuan Anda meneliti itu adalah untuk menguji apakah teori yang telah ada dapat di aplikasikan pada objek penelitian dan pada periode penelitian yang telah Anda tentukan.

Peneliti pun sah-sah saja memiliki keraguan yang muncul atas sebuah pernyataan atau kesimpulan pada hasil penelitian lain. Dengan kata lain, peneliti bertujuan untuk menguji teori tersebut.

Meskipun penelitian terdahulu menyatakan bahwa variabel X berpengaruh signifikan terhadap variabel Y, bukan berarti hasil penelitian Anda juga harus signifikan.

Karena hasil penelitian harus terbuka terhadap kritik meskipun hasil penelitian satu sama lain bertentangan. Itu lah tujuan meneliti, yaitu mencari tahu kebenaran.

Cara berfikir ilmiah seorang peneliti itu adalah ragu, lalu membuktikan. Artinya, Anda harus ragu terlebih dahulu dari teori yang telah ada, lalu membuktikannya terhadap kondisi nyata saat ini.

Naah, jika masih ada yang mendengar pendapat bahwa “Penelitian harus signifikan !”, Saya hanya bisa kasih saran, “Mending gak usah di teliti deh, karena udah yakin 100% signifikan“.

Logika sederhanya, kalau Anda udah yakin bahwa hubungan Variabel X dan variabel Y tersebut sudah pasti signifikan, buat apa di teliti lagi ?

Buat apa dilakukan pengujian hipotesis dan statistik lagi ?. Cukup yakin dan katakan saja bahwa variabel X dan Y itu udah pasti signifikan. jadi ga perlu di teliti lagi.

Bagaimana Solusinya Jika Penelitian Tidak Signifikan ?

Apa yang membuat data tidak signifikan?

Karena penelitian sifatnya adalah menguji, maka hasil penelitian tidak perlu sama. Namun, mengapa sebagian dosen pembimbing seolah-olah ingin hasil penelitian itu harus signifikan ?

Jawabannya: Karena belum yakin apakah Anda melakukan prosedur penelitian dengan benar.

Sebagian besar Pembimbing tidak akan terima hasil penelitian yang tidak signifikan. Apalagi jika Anda tidak memiliki pengalaman meneliti secara ilmiah sebelumnya. Yaa.. bisa dikatakan, “Pemula cenderung melakukan kesalahan sebelum menjadi mahir“. Hal ini wajar.

Naah, jika kasus ini yang Anda alami. Maka sebelum bimbingan penelitian lanjutan kepada pembimbing, ada baiknya cek kembali penelitian Anda. Mulai dari awal sampai akhir.

Karena, Jika hasil penelitian Anda tidak signifikan, maka Anda harus bisa menjelaskan pertanyaan berikut:

  1. Mengapa penelitian tersebut tidak signifikan ?
  2. Apakah Anda sudah melakukan prosedur penelitian dengan benar ?

Jika sudah cek ulang dan tahu jawabannya, silahkan bimbingan kembali. Naah berikut beberapa hal yang harus Anda cek terlebih dahulu sebelum bimbingan lanjutan hasil penelitian kepada pembimbing:

#1 Hipotesis yang diajukan Tidak Mendukung Secara Statistik ?

Pada prinsipnya, Pengujian hipotesis adalah untuk menguji signifikansi variabel. Signifikansi dalam artian adalah taraf kesalahan yang mungkin terjadi ketika peneliti menganalisa objek yang dijadikan sampel pada penelitian. Dengan kata lain, Anda harus melakukan penaksiran parameter populasi berdasarkan data yang telah dikumpulkan dari objek yang dijadikan sampel pada penelitian.

Jika sudah dilakukan, tetapi hasil penelitian tetap tidak signifikan, sedangkan teori menyebutkan ada keterkaitan yang signifikan. Maka artinya adalah Data objek yang dijadikan sampel pada penelitian tidak berhasil membuktikan hubungan antara variabel X dan variabel Y. It’s ok.

Dengan kata lain, bukan berarti Variabel X tidak berpengaruh terhadap Variabel Y. Hanya saja sampel penelitian tidak berhasil membuktikan teori tersebut.

Lalu mengapa hal ini bisa terjadi ? Penyebabnya adalah:

  1. Data sampel penelitian memang tidak berhasil membuktikan hipotesis.
    Jika hal ini terjadi, maka Anda harus melaporkan hasil penelitian yang sebenarnya. Atau bisa melakukan penambahan data (seperti menambah periode penelitian / objek (sample) penelitian / menambah varaibel penelitian yang termasuk dalam teori). Karena ada kalanya teori hanya dapat didukung dengan sample / periode yang lebih besar.
  2. Kesalahan dari si peneliti.
    Kesalahan peneliti yang paling sering terjadi adalah kesalahan dalam pengambilan sample, kesalahan memilih teknik analisis, salah meng-input data, hingga salah dalam menginterpretasikan penolakan / penerimaan hipotesis (kesalahan tipe 1 dan 2). Saran Saya, telitilah terlebih dahulu yaa..

#2 Kesalahan Dalam Pengambilan Sample Penelitian

Mengapa ada teori dalam pengambilan sampel (teknik sampling) ? Karena bertujuan untuk mengurangi kesalahan-kesalahan yang dilakukan dalam memilih sampel dari sejumlah populasi.

Contoh 1: Katakanlah Anda ingin meneliti mengenai Kepuasan Kerja Karyawan Pada PT ABCDEFG. Kesalahan yang sering terjadi dalam pengambilan sampel adalah ketika sampel yang Anda gunakan tidak mempertimbangkan aspek-aspek utama seperti pengalaman kerja, jenis kelamin, pendidikan, dsb.

Logikanya begini, seorang karyawan dengan Pendidikan terakhir adalah Strata 2 (S2) tentu memiliki harapan yang tinggi terhadap promosi jabatan di bandingkan dengan karyawan dengan pendidikan terakhir SMA.

Contoh 2: Katakanlah Anda ingin meneliti mengenai Pengaruh Rasio Likuiditas dan Solvabilitas terhadap Harga Saham Pada Emiten Yang Terdaftar dalam Index LQ45 Periode 2010 – 2019.

Dalam kasus ini, seiring bertumbuhnya harga saham, Emiten cenderung melakukan Stock Split (pemecahan harga saham) atau Stock Averse (penggabungan harga saham).

Jika selama periode penelitian terdapat emiten yang melakukan Stock Split atau Stock Averse, maka ada baiknya melakukan penyesuaian harga saham atau mengeliminasi emiten tersebut dari sampel penelitian menggunakan teknik sampling –>> Purposive Sampling.

Hal-hal sederhana seperti ini lah yang sering di abaikan dan menjadi kesalahan yang membuat hasil penelitian tidak signifikan (mendukung teori).

#3 Kesalahan Input Data Penelitian

Kesalahan dalam memasukkan data penelitian sangat tidak dapat di tolelir. Jadi telitilah terlebih dahulu dalam memasukkan data penelitian seperti data yang memiliki nilai negatif, jangan sampai tertulis dengan nilai positif. Kalau perlu cek beberapa kali ya..

#4 Salah Memilih Teknik Analisis

Sebelum menentukan teknik analisis yang benar, perbanyaklah membaca buku terutama buku-buku mengenai Metodology Penelitian.

Penting! Di Pusat Panduan Nyusun Skripsi M Jurnal, Saya sudah membagi cara-cara menyelesaikan penelitian berdasarkan metode analisis. Silahkan kunjungi Pusat Panduan Skripsi M Jurnal

Jangan sampai Anda memaksakan data yang digunakan untuk di analisa menggunakan teknik tertentu. Akan lebih baik lagi Anda meminta pendapat dari Pembimbing sebelum menentukan Teknik Analisis.

Karena dalam statistik, prinsip kesederhanaan (parsimony) sangat diutamakan. Semakin Sederhana suatu penelitian, maka akan semakin baik.

#5 Kesalahan Dalam Menerima atau Menolak Hipotesis Penelitian

Terdapat 2 tipe kesalahan dalam menerima / menolak hipotesis:

  1. Kesalahan Tipe I adalah kesalahan jika peneliti menolak hipotesis nol (Ho). Sedangkan sebenarnya Ho di terima.
  2. Kesalahan Tipe II adalah kesalahan jika peneliti menerima hipotesis nol (Ho). Sedangkan sebenarnya Ho di tolak.

Bagaimana Cara Menjelaskan Hasil Penelitian Tidak Signifikan ?

Apa yang membuat data tidak signifikan?

Jika Anda sudah lakukan pengecekan ulang dari proses analisis di atas, namun hasil penelitian tetap tidak signifikan, maka solusi terbaiknya adalah melaporkan hasil penelitian apa adanya.

Laporkan lah penelitian tanpa mengubah apapun hasil dari penelitian dan berikan alasan yang tepat mengapa data yang digunakan tidak mendukung toeri/hipotesis (tidak signifikan).

Agar lebih mudah di terima oleh Pembimbing. Saya sarankan poin – point berikut:

  1. Cari penelitian lain yang memiliki hasil sama dengan penelitian Anda (sama-sama tidak signifikan).
  2. Cari penelitian lain yang memiliki hasil berbeda dengan penelitian Anda (hasil penelitian signifikan).

Contohnya:

Hasil Penelitian dari “M JURNAL INDONESIA” menunjukkan bahwa ROA berpengaruh negatif dan signifikan terhadap return saham. Namun, hasil penelitian dari “M JURNAL ENGLISH” menunjukkan bahwa ROA berpengaruh positif dan tidak signifikan terhadap return saham.

Dengan adanya tinjauan dari penelitian terdahulu seperti yang disebutkan diatas, Anda bisa menjelaskan bahwa paling tidak hasil penelitian ini relevan dengan penelitian M JURNAL INDONESIA dan berbeda dengan hasil penelitian dari M JURNAL ENGLISH.

Naah, sekian saran dan penjelasan mengenai Apakah Penelitian Harus Signifikan ?. Saya yakin Anda sudah paham dan jauh lebih mengerti daripada Saya. Namun, jika ada pertanyaan, silahkan coret-coret di kolom komentar yaa.

Pintasan Panduan Problem dan Solusi Penelitian

  1. Tidak Signifikan ?: (Anda Disini).
  2. Variable Dominan: Cara menentukan Variable Paling Dominan dalam Penelitian Regresi Linier (Sederhana, Berganda, Data Time Series, Cross Section maupun Data Panel) + Contoh Hasil dari SPSS, E-Views, dan Excel.
  3. Kesalahan Uji Hipotesis: Belajar Dasar-dasar Kesalahan Dalam Pengambilan Keputusan dari Pengujian Hipotesis (uji 1 sisi atau 2 sisi).
  4. t hitung Negatif: Jika t hitung bernilai negatif, jangan buru-buru menerima H0 (tidak signifikan). Ini solusinya…
  5. Positif / Negatif Signifikan: Apa maksud dari Positif / Negatif Signifikan ? (Wajib Pahami Materi ini).
  6. R Square Rendah: Solusi jika nilai R Square terlalu rendah.
  7. Normalitas: Cara menyembuhkan Normalitas
  8. Multikolinearitas: Cara menyembuhkan Multikolinearitas
  9. Autokorelasi: Cara menyembuhkan Autokorelasi
  10. Heterokedastisitas: Cara menyembuhkan Heterokedastisitas

Apa yang membuat data tidak signifikan?
1

×

Apa yang membuat data tidak signifikan?

"Hidup ini singkat - bermimpilah yang besar dan wujudkan impianmu di tahun 2022 sebaik- baiknya!"

Bagaimana cara menjelaskan hasil penelitian tidak signifikan?

Bagaimana Cara Menjelaskan Hasil Penelitian Tidak Signifikan ?.
Cari penelitian lain yang memiliki hasil sama dengan penelitian Anda (sama-sama tidak signifikan)..
Cari penelitian lain yang memiliki hasil berbeda dengan penelitian Anda (hasil penelitian signifikan)..

Apa yang dimaksud dengan berpengaruh signifikan?

Menurut para ahli, Arti Signifikan adalah sesuatu/ seseorang yang dianggap penting atau berarti karena dapat memberikan pengaruh atau dampak, dan tidak bisa lepas dari suatu persoalan.

Apa yang menyebabkan 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).

Bagaimana jika uji F tidak lolos?

Jika uji F tidak signifikan, maka tidak disarankan untuk melakukan uji t atau uji parsial. Penentuan penerimaan hipotesis dengan uji t dapat dilakukan berdasarkan tabel t. Nilai t hitung hasil regresi dibandingkan dengan nilai t pada tabel.