Sains tidak bekerja dengan menebak-nebak. Ia bekerja berdasarkan prediksi terstruktur. Secara khusus, ini didasarkan pada hipotesis. Namun tidak semua hipotesis dibuat sama. Untuk memutuskan jenis hipotesis yang akan digunakan dalam penelitian Anda, Anda perlu mengetahui perbedaan antara hipotesis nol, hipotesis alternatif, dan hipotesis penelitian.
Hipotesis hanyalah jawaban yang mungkin, obyektif, dan tepat terhadap pertanyaan ilmiah. Tangkapannya? Harus dapat diuji. Anda harus bisa membuktikannya salah atau benar. Tanpa kemampuan untuk mengkonfirmasi atau menyangkalnya, itu hanya sekedar opini.
Jenis utama diklasifikasikan sebagai berikut.
Hipotesis penelitian
Ini adalah hal pertama yang dipikirkan kebanyakan orang. Hipotesis Penelitian (terkadang disebut Hipotesis Kerja) adalah tebakan terbaik Anda tentang hasilnya. Ini adalah gambaran hubungan yang diharapkan antar variabel.
Jika Anda mempelajari pengaruh tidur terhadap ingatan, hipotesis penelitian Anda mungkin: “Orang yang tidur 8 jam mengingat lebih banyak fakta dibandingkan orang yang tidur 4 jam.”
Ini sangat langsung. Ini spesifik. Inilah yang ingin Anda temukan. Namun ilmu pengetahuan yang mendalam jarang menguji hal ini secara langsung tanpa mempertimbangkan hal sebaliknya.
Hipotesis nol
Masukkan hipotesis nol. Ini adalah bagian pengujian statistik yang paling sering disalahpahami. Hipotesis nol menyatakan tidak ada hubungan antar variabel.
Dengan menggunakan tidur sebagai contoh, hipotesis nolnya adalah tidak ada perbedaan retensi memori antara orang yang tidur 8 jam dan orang yang tidur 4 jam.
Mengapa para ilmuwan harus peduli terhadap hal ini? Karena sains berkembang dengan menyangkal berbagai hal. Mulailah dengan berasumsi tidak terjadi apa-apa. Jika datanya cukup kuat, hipotesis nol dapat ditolak. Jika Anda tidak dapat menolaknya, Anda mungkin mengatakan bahwa tidak ada hal penting yang terjadi. Ini adalah tindakan perlindungan untuk mencegah munculnya pola dalam kebisingan.
Hipotesis alternatif
Menolak hipotesis nol memberi kita hipotesis alternatif. Ini adalah kebalikan logis dari nol. Jika data mempunyai pengaruh yang signifikan, maka itu adalah suatu kesimpulan.
Dalam studi tidur kami, jika nilai nolnya adalah “tidak ada perbedaan”, alternatifnya adalah “selisih”. Hal ini belum tentu terarah (seperti hipotesis penelitian), hanya saja ada hubungan.
Hipotesis statistik
Anda mungkin mendengar istilah hipotesis statistik. Ini lebih luas. Ini mengacu pada klaim tentang parameter populasi yang sedang diuji. Hipotesis nol dan hipotesis alternatif keduanya merupakan jenis hipotesis statistik.
Anggap saja sebagai istilah umum. Saat Anda melakukan uji-t atau uji Chi-kuadrat, secara teknis Anda menguji hipotesis statistik.
Mengapa perbedaan ini penting
Anda mungkin bertanya-tanya mengapa kita memerlukan begitu banyak label untuk konsep serupa. Jawabannya terletak pada kejelasan.
Dengan mengungkapkan hipotesis penelitian Anda dengan jelas, Anda mengetahui apa yang Anda cari. Jika Anda dengan jelas menyatakan hipotesis nol Anda, Anda tahu apa yang ingin Anda sangkal. analisis data Anda menjadi berantakan.
- Hipotesis Penelitian : Prediksi Anda sendiri.
- Hipotesis Nol : Hipotesis yang tidak berpengaruh.
- Hipotesis Alternatif : Kesimpulan jika null ditolak.
Memahami bagaimana mereka berinteraksi dapat mencegah ilmu pengetahuan yang ceroboh. itu
Kebanyakan orang mengira bahwa penelitian dimulai dari spekulasi belaka. Itu bukanlah cara kerja sains. Penelitian seringkali melibatkan beberapa asumsi. Mereka tidak ada secara terpisah. mereka berinteraksi.
Proyek panduan hipotesis kerja. Itu adalah mesin utama. Namun hal ini bergantung pada sistem cadangan untuk membuktikan manfaatnya. Hipotesis nol, hipotesis alternatif, dan hipotesis statistik bertindak sebagai filter. Mereka menghilangkan kebisingan. Mereka membantu mengisolasi fakta-fakta penting.
Mari kita uraikan komponen-komponen ini. Mari kita lihat karakteristik masing-masing jenis dan lokasi kemunculannya dalam data sebenarnya.
Hipotesis kerja: titik awal
Hipotesis kerja (atau hipotesis penelitian) adalah titik awalnya. Ini memetakan hubungan antar variabel. Ini bukan sekedar daftar. Prediksikan bagaimana keterkaitannya.
Hipotesis dapat diklasifikasikan menurut fokusnya. Apakah ini deskriptif? Menyebabkan? Berkorelasi? Atau apakah Anda membandingkan kelompok?
Hipotesis Deskriptif
Ini sangat sederhana. Mereka menggambarkan keadaan. Mereka tidak menjelaskan mengapa. Mereka hanya memberi tahu Anda apa yang diharapkan.
Anggap saja sebagai cuplikan. Anda mengantisipasi nilainya. Anda akan melihat fitur-fitur ini. Anda melewatkan hubungan sebab akibat.
Contoh: «Kejahatan di Caracas meningkat 50% dibandingkan tahun 2019. »
Pernyataan ini tentang tren. Laporan ini tidak menyatakan bahwa kemiskinan atau perubahan kebijakan merupakan penyebab kenaikan tersebut. Hanya saja jumlahnya terus meningkat.
Hipotesis sebab akibat
Di sini Anda akan masuk ke inti ilmu pengetahuan. sebab dan akibat.
Hipotesis ini menyatakan bahwa variabel yang satu mempengaruhi variabel yang lain secara langsung. Mereka bisa bersifat menjelaskan atau memprediksi.
Hipotesis penjelas Langsung ke intinya. Mereka menawarkan alasan untuk tautan tersebut.
* Contoh: «Konsumsi alkohol berlebihan menyebabkan kerusakan saraf. »
Ini akan memberi tahu Anda “mengapa” kerusakan itu terjadi. Ini menunjukkan mekanisme biologis.
Hipotesis prediktif menantikannya. Mereka memprediksi perilaku berdasarkan tren saat ini.
* Contoh: «Pemanasan global akan menyebabkan banjir dalam beberapa tahun mendatang. »
Ini adalah proyeksi. Hal ini mengasumsikan bahwa lintasan saat ini akan terus berlanjut.
Kedua tipe tersebut dapat dibangun menggunakan dua jalur logis yang berbeda: deduktif atau induktif.
Hipotesis deduktif bergerak dari umum ke khusus. Mari kita mulai dengan teorinya. Mari kita terapkan pada kasus ini.
* Contoh: «Semua makhluk hidup memiliki DNA. Bakteri adalah makhluk hidup. Itu sebabnya bakteri memiliki DNA. »
Ini adalah logika linier. Jika premis-premisnya benar, maka kesimpulannya juga harus benar.
Hipotesis Induktif berlaku sebaliknya. Dari yang khusus ke yang umum. Anda mengamati suatu pola. Anda membangun aturan.
* Contoh: Newton melihat apel jatuh. Dia mengamati orbit bulan. Dia memperhatikan perbedaannya. Salah satunya jatuh ke tanah. Yang lain tetap terjaga. Dia menerapkan hukum gravitasi umum.
Dia tidak memulai dengan hukum gravitasi. Dia memperhatikan efeknya. Dia menebak alasannya. Lalu dia mengujinya.
Hipotesis Korelasi
Korelasi bukanlah sebab-akibat. Ini adalah aturan emasnya.
Hipotesis ini mengukur derajat hubungan antar variabel. Mereka bertanya: Seberapa kuatkah mereka bergerak bersama?
Urutan variabel tidak menjadi masalah di sini. Jika A mempengaruhi B, maka B mempengaruhi A secara korelasional.
Hukum gravitasi universal Isaac Newton sebenarnya bersifat korelasional dalam pernyataannya.
* Perangkat: «Semakin besar massanya, semakin besar gaya tariknya. »
Bacalah secara terbalik: “Semakin besar gaya tarik menarik, semakin besar pula massanya.” Korelasinya terjadi dua arah.
Hubungan ini bisa bersifat positif, negatif, atau campuran.
- Positif: “Semakin besar impunitas, semakin tinggi kejahatannya.” Keduanya naik bersama-sama.
- Negatif: “Asupan rendah lemak mengurangi risiko penyakit jantung koroner.” Yang satu turun, yang lain menyusul.
- Campuran: «Semakin tinggi ketinggian, semakin rendah suhunya. » Hubungan terbalik.
Hipotesis perbedaan kelompok
Terkadang Anda tidak mencari tren. Anda sedang mencari perpecahan.
Hipotesis ini mengantisipasi perbedaan antar kelompok. Ini adalah perbandingan statistik.
Ada dua cara untuk menulisnya.
- Non-arah: Anda menyatakan ada perbedaan. Anda tidak mengatakan kelompok mana yang menang.
- Contoh: «Terdapat perbedaan angka kematian antara pria dan wanita. »
- Arah: Anda menentukan hasilnya. Anda memberi nama grup dengan nilai yang lebih tinggi (atau lebih rendah).
- Contoh: «Laki-laki memiliki angka kematian lebih tinggi dibandingkan perempuan. »
Versi kedua berisiko. Itu berkomitmen pada hasil tertentu. Jika data menunjukkan bahwa angka tersebut lebih tinggi pada wanita, Anda salah. Versi pertama lebih aman. Anda hanya mengklaim bahwa ada “beberapa” perbedaan di antara keduanya.
Hipotesis Nol (H₀)
Sains pada dasarnya bersifat skeptis. Asumsikan tidak terjadi apa-apa sampai terbukti sebaliknya.
Ini adalah hipotesis nol. Menolak hubungan antar variabel. Ini adalah pernyataan negatif. Berisi kata “tidak” atau “tidak”.
Simbolnya adalah H₀.
Tidak “menerima” nilai nol. Entah Anda menolaknya atau Anda tidak bisa menolaknya. Tujuan dari sebagian besar penelitian adalah menghilangkan angka nol.
Contoh: «BMI “tidak tergantung” pada gender seseorang. »
Ini adalah lokasi default. Tampaknya tidak ada hubungan antara massa otot dan jenis kelamin. Penelitian ini hadir untuk melawan rasa bosan tersebut.
Hipotesis alternatif (H₁)
Setiap hipotesis nol mempunyai pasangan.
Hipotesis lain. Ini adalah sisi lain dari nol. Ini menunjukkan bahwa hubungan tersebut ada.
Simbolnya adalah H₁.
Jika nilai nol berarti “tidak ada tautan”, nilai alternatif berarti “tautan terdeteksi”. Terima pilihannya atau tidak.
Cocokkan mereka dan lihat betapa bersemangatnya perasaan mereka.
H₀: «BMI tidak ada hubungannya dengan gender. »
H₁: «BMI berbeda untuk pria dan wanita. »
Peneliti mengumpulkan data. Mereka melakukan statistik. Jika buktinya cukup kuat, mereka menolak H₀. Ini menjaga H1.
Struktur biner ini adalah cara sains mengoreksi dirinya sendiri. Anda harus membuktikan pengecualian. Ini mencegah Anda mengasumsikan pola yang tidak ada.
Ini adalah kerangka yang ketat. Beberapa orang merasa kedinginan. Beberapa orang menganggapnya membebaskan. Hilangkan netralitas dengan memaksakan keputusan. Apakah ada perbedaan? ya atau tidak. Tidak, mungkin itu benar.
Hipotesis kerja menentukan arah. Hipotesis nol dan alternatif menyediakan forum. Data adalah jurinya.
Saat mengganti kata dengan angka: hipotesis statistik
Hipotesis bukan sekadar dugaan. Setidaknya bukan yang penting dalam data keras. Hipotesis statistik mengubah gagasan samar ini menjadi simbol. Tujuannya adalah untuk memeriksa atau mengatur parameter untuk satu atau lebih grup. Anda tidak menggunakannya saat Anda berencana menulis novel. Ini dapat digunakan ketika Anda ingin mengumpulkan data dalam jumlah besar. Persentase. Rata-rata. Metrik apa pun yang dapat diplot pada diagram.
Anggap saja sebagai jembatan antara pertanyaan dan spreadsheet.
Tiga cara mengukur hal yang tidak diketahui
Tidak semua hipotesis statistik dibuat dengan cara yang sama. Mereka masuk dalam kategori tertentu berdasarkan apa yang sebenarnya Anda coba buktikan.
Hipotesis estimasi merupakan tugas berat dalam studi deskriptif. Ini fokus pada satu variabel. Peneliti mencoba memperkirakan hasil statistik berdasarkan konteks. Daripada membandingkan berbagai hal, yang penting adalah mendefinisikan situasi saat ini. Jika Anda ingin mengetahui tinggi rata-rata suatu kelompok tertentu, ini adalah alat yang tepat. Ini adalah cuplikannya.
Hipotesis korelasi Carilah asosiasi. Mereka mempelajari hubungan antara dua variabel atau lebih. apakah mereka bergerak bersama? Apakah yang satu berubah ketika yang lain berubah? Ini bukanlah sebab dan akibat. Ini tentang pergaulan. Jika penjualan es krim dan serangan hiu meningkat pada bulan Juli, maka hipotesisnya adalah hubungan tersebut. Apakah yang satu mengarah ke yang lain, itu soal lain.
Perbandingannya menggunakan Perbedaan hipotesis rata-rata. Ini berhubungan dengan perbedaan kelompok. Analisis ini membandingkan perkiraan numerik antara dua kelompok atau lebih. Apakah obat baru ini bekerja lebih baik dibandingkan plasebo? Apakah kampanye pemasaran meningkatkan penjualan di area A tetapi tidak di area B? Asumsi seperti ini mencari kesenjangan. Perbedaannya adalah penemuan.
Mengapa Klasifikasi ini penting
Perbedaan ini mungkin tampak berlebihan secara akademis. Sebenarnya tidak. Mereka menentukan bagaimana matematika dilakukan.
Jika Anda memilih jenis yang salah, data Anda tidak akan memberi tahu Anda apa pun. Setelah menghabiskan waktu berminggu-minggu mengumpulkan data, Anda menyadari bahwa Anda menanyakan pertanyaan statistik yang salah. Hipotesis estimasi memerlukan perhitungan yang berbeda dari uji perbedaan rata-rata. Mencampurnya bersama-sama akan menimbulkan kebisingan.
Tujuannya adalah kejelasan. Anda dapat mengatur parameter seluruh studi dengan menentukan apakah akan memperkirakan nilai, memeriksa hubungan, atau membandingkan kelompok. Ini menyaring data yang tidak relevan bahkan sebelum Anda mulai mengumpulkannya.
Ini adalah landasan ketelitian ilmiah. Tanpa kerangka statistik ini, data hanya akan menjadi berantakan. Bagi mereka, itu menjadi bukti.
Hipotesis bukanlah jawabannya. Pertanyaan tepat inilah yang memungkinkan data berbicara.
Elemen Manusia dalam Matematika
Ada kecenderungan untuk memperlakukan statistik sebagai sesuatu yang dingin dan objektif. Itu adalah alat. Namun memilih hipotesis statistik yang akan digunakan sangatlah manusiawi. Ini mencerminkan apa yang dianggap penting oleh para peneliti.
Apakah kita peduli dengan rata-rata? Apa hubungan antara faktor-faktor tersebut? Perbedaan antar kelompok?
Pilihan-pilihan ini membentuk narasi penelitian. Dalam penelitian hasil pendidikan, hipotesis perbedaan rata-rata dapat digunakan untuk membandingkan nilai ujian antar sekolah. Pendekatan lain dapat dilakukan dengan menggunakan korelasi untuk menentukan apakah pendapatan rumah tangga berhubungan dengan kehadiran. Keduanya sah. Keduanya merupakan hipotesis statistik. Tapi mereka menceritakan kisah yang sangat berbeda tentang dunia yang sama.
Simbolnya akan muncul. Terserah masyarakat untuk memutuskan simbol mana yang penting.
