Anda disini: M Jurnal » Skripsi » T Hitung Negatif ? Bukan Berarti Tidak Signifikan ! Ini Solusinya

T Hitung Negatif ? Bukan Berarti Tidak Signifikan ! Ini Solusinya

Panduan ini Saya buat karena masih banyak pengunjung M Jurnal yang bertanya-tanya tentang Kenapa Nilai T Hitung Negatif yang menyebabkan tidak berpengaruh Signifikan ?

Padahal sebelumnya, Saya menjelaskan bahwa pengujian hipotesis dari t hitung vs t table akan sama hasilnya dengan sig. vs alpha penelitian.

Nah faktanya, jika t hitung bernilai negatif, sudah pasti Anda akan menerima H0 (tidak signifikan). Sementara itu, dalam keadaan tertentu, bisa jadi sig vs alpha penelitian menolak H0 (signifikan).

Hasilnya jadi tidak sama bukan ? Nah… untuk itulah Panduan ini Saya susun…

T HITUNG NEGATIF, BUKAN BERARTI TIDAK SIGNIFIKAN

ROLAN MARDANI

Hasil t hitung vs t tabel Sudah Pasti Sama dengan Hasil Sig vs Alpha Penelitian

Pada dasarnya, pengujian hipotesis bisa menggunakan 2 cara yaitu membandingkan t hitung vs t tabel dan membandingkan nilai sig vs alpha penelitian (dalam sofware E-Views Prob. vs Alpha).

Kedua metode ini SUDAH PASTI memberikan hasil yang sama ! Tidak mungkin beda…

Hanya saja ada kekeliruan pengambilan nilai t table dan menggunakan nilai t hitung yang salah apabila t hitung bernilai negatif.

Ads

Hasil Sig. vs Alpha SUDAH PASTI sama dengan t hitung vs t tabel

rolan mardani

Jadi jika hasil Sig. vs Alpha adalah menolak H0 (signifikan), maka sudah pasti hasil t hitung vs t tabel juga menolak H0 (signifikan).

Permasalahannya, Tidak Ada T Tabel yang Bernilai Negatif…

Bagaimana bisa jika t hitung bernilai negatif sedangkan t tabel bernilai positif memberikan hasil “Signifikan” ? Ternyata inilah sumber masalahnya…

Coba Anda lihat pada Tabel Distribusi T. Tidak ada satupun angka negatif disana. Semua bernilai positif meskipun Anda menggunakan Alpha 5% ataupun 1% sekalipun.

Sebelumnya pada SUB-BAB Hipotesis (lihat Pintasan Panduan), Saya sudah menjelaskan bahwa ada 2 jenis Pengujian Hipotesis yaitu Uji 1 sisi dan Uji 2 sisi.

Coba pahami konsep kedua jenis pengujian ini terlebih dahulu…

Pahami Uji 1 Sisi (One Tailed) dan 2 Sisi (Two Tailed)

Pengujian 2 sisi (Two-Tailed Test) dilakukan terhadap 2 sisi kurva (kiri dan kanan). Jika alpha penelitian Anda 5%, maka 2.5% akan berada disisi kiri dan 2.5% sisanya di sisi kanan.

Uji 2 Sisi (Two-Tailed Test)

Penting! Pastikan Anda memahami makna dari Alpha pada penelitian. Sebelumnya sudah Saya bahas pada SUB-BAB Kesalahan Uji Hipotesis (Lihat Pintasan Panduan)

Ads

Sementara itu, pengujian 1 sisi (One-Tailed Test) dilakukan terhadap 1 sisi kurva. Mudah-mudahan gambar berikut dapat menjelaskan maksud uji ini:

Uji 1 Sisi (One-Tailed Test)

Dengan uji 1 sisi, Anda akan mengalokasikan seluruh alpha (0.05 jika Anda menggunakan Alpha 5%) ke salah satu sisi pengujian.

FYI, pengambilan nilai t tabel pada tabel distribusi T untuk uji 1 sisi tidak sama dengan uji 2 sisi. Ini akan tergantung dengan Alpha penelitian yang Anda gunakan.

Okee… yang diatas adalah teori nya… Dari pada bingung, sekarang kita coba praktikkan, bagaimana cara pengujian hipotesis jika t hitung bernilai negatif.

Cara Pengujian Hipotesis Jika t Hitung Bernilai Negatif ?

Misalnya, Saya melakukan penelitian dengan judul Pengaruh Kurs, Inflasi, dan CPO terhadap IHSG. Periode penelitian = 30 Bulan. Berarti ada 30 sample per masing-masing variabel. Dan hasil uji t tampak seperti gambar berikut:

Jika t hitung negatif, bukan berarti tidak signifikan. Pahami contoh uji 1 sisi dan 2 sisi ini.

Ada 2 variabel dengan t hitung bernilai negatif (Variabel Kurs dan Inflasi). Sedangkan variabel CPO memiliki t hitung bernilai positif.

Saya akan bahas 1 per 1…

#1 Jika T hitung Negatif < T Tabel dan Sig < Alpha (Variabel Kurs)

Pertama-tama, fokus dahulu ke hasil uji t variabel Kurs. Pada Kolom Sig. Hasil uji t variabel Kurs menunjukkan ada pengaruh signifikan antara Kurs dengan IHSG (0.014 < 0.05) atau Tolak H0.

Sementara t hitung Variabel Kurs bernilai negatif yaitu -2.638. Selanjutnya, tentu Anda mengambil nilai t tabel dengan df = 30 – 3 = 27 pada alpha 0.05 yaitu sebesar 2.052.

Jika Anda langsung membandingkan t hitung vs t tabel, tentu hasilnya t hitung < t tabel (-2.638 < 2.052). Dengan kata lain, Kurs tidak berpengaruh Signifikan terhadap IHSG.

Waktu yang dibutuhkan: 1 menit.

Tentu hasilnya bertolak belakang dengan hasil sig. vs alpha. Jika Anda menemukan t hitung negatif seperti ini, sedangkan sig < alpha, maka solusinya lakukan uji 1 sisi seperti berikut:

  1. Tentukan Degree of Freedom (df) dengan rumus =n-k.

    yang mana n adalah jumlah sample (dalam contoh ini 30). Dan k adalah jumlah variabel bebas (dalam contoh ini ada 3). Sehingga degree of freedom untuk contoh ini = 30 – 3 = 27. Simpan dulu angka ini.Tentukan Degree of Freedom

  2. Ambil nilai t table berdasarkan probabilitas One-Tailed test

    Dalam tabel distribusi t, Anda akan menemukan 2 baris header yang membedakan antara uji 1 sisi dengan 2 sisi seperti gambar berikut:
    Uji 1 sisi (One-Tailed) dan uji 2 sisi (Two-Tailed). Solusi jika t hitung negatif tapi tidak signifikan.
    Baris pertama = Alpha untuk One-Tailed. Sedangkan baris ke dua = Alpha untuk Two-Tailed. Nah, t hitung negatif menggunakan uji 1 sisi. Jadi, gunakan nilai berdasarkan header kolom One-Tailed. Misalnya Alpha penelitian adalah 0.05, maka gunakan t tabel pada Kolom 0.05 berdasarkan One-Tailed (lingkaran biru).
    Sementara jika menggunakan uji 2 sisi (t hitung positif), gunakan nilai pada Kolom 0.05 berdasarkan Two-Tailed (lingkaran merah).

  3. Ambil nilai berdasarkan degree of freedom

    Dalam contoh ini, df = 27. Jadi nilai t table One-Tailed yang tepat adalah 1.703. Jangan bingung ! Cara membandingkannya ada pada tahap ke 4.
    Gunakan Nilai t tabel dari Alpha One-Tailed

  4. Gunakan Nilai Absolute dari t hitung dan bandingkan dengan t tabel

    Dalam contoh ini, t hitung = -2.638. Anda hanya perlu menggunakan angkanya saja (abaikan simbol negatif) sehingga t hitung menjadi = 2.638. Ini berlaku untuk uji 1 sisi.
    Gunakan Nilai Absolute dari t hitung negatif dan bandingkan dengan t tabel (khusus uji 1 sisi)
    Sudah terlihat jelas kesimpulannya… t hitung > t tabel 2.638 > 1.703, artinya tolak H0. Dengan kata lain, terdapat pengaruh signifikan antara variabel Kurs terhadap IHSG.

Jadi apa kesimpulannya ? Hasil pengujian: Sig < Alpha dan t hitung > t tabel = Sama-sama Signifikan.

#2 Jika T hitung Negatif < T Tabel dan Sig > Alpha (Variabel Inflasi)

Jika dipikir lagi, tidak ada masalah dengan hasil uji t variabel ini. Hasilnya sama-sama tidak signifikan (terima H0).

Namun perlu Saya tekankan… Ketika membandingkan nilai t hitung vs t tabel, Anda harus menggunakan nilai absolute dari t hitung tersebut dan gunakan nilai pada Kolom Alpha One-Tailed sesuai dengan Alpha Penelitian Anda serta sesuaikan pula dengan df.

Jadi pada pengujian hipotesis pada variabel Inflasi ini adalah…

  • t hitung -0.612 menjadi 0.612.
  • t tabel pada Kolom Alpha 0.05 One-Tailed dengan df 27 = 1.703

Kesimpulannya, t hitung vs t tabel = 0.612 < 1.703. Sedangkan berdasarkan sig. vs alpha = 0.546 > 0.05. Artinya, variabel Inflasi tidak berpengaruh signifikan terhadap IHSG (terima H0).

#3 Jika T hitung > T Tabel dan Sig < Alpha (Variabel CPO)

Tidak banyak yang bisa Saya bahas untuk variabel CPO. Karena Saya rasa tidak ada hal-hal yang menjadi kekeliruan dalam uji hipotesis variabel ini.

Dari contoh, t hitung = 2.314. Sedangkan Sig = 0.029.

Berhubung t hitung bernilai positif, Anda bisa menggunakan Uji 2 sisi.

Selanjutnya, bandingkan dengan nilai T Tabel berdasarkan Kolom Alpha Two-Tailed 0.05 yang sesuai dengan nilai df pada contoh ini (27). Jadi didapatlah nilai t tabel sebesar 2.052 (Alpha Two-Tailed).

Kesimpulannya:

  • t hitung vs t tabel = 2.314 > 2.052
  • sig vs alpha = 0.029 < 0.05

Artinya: Tolak H0. Dengan kata lain, variabel CPO berpengaruh signifikan terhadap IHSG.

Note: Saya harap hasil pengujian dari ketiga contoh di atas dapat memberikan gambaran kepada Anda bahwa Hasil Uji t berdasarkan t hitung vs t tabel akan sama dengan hasil berdasarkan sig vs alpha.

Jadi tidak mungkin hasil pengujian dari ke dua metode tersebut memberikan hasil yang berbeda. Karena memang tujuan ke dua metode tersebut sama-sama untuk mengetahui signifikan atau tidak.

Dan Anda bebas memilih menggunakan metode yang mana.

Mau menggunakan t hitung vs t tabel ? Boleh…

Mau menggunakan sig vs alpha ? Juga boleeh… Pilih saja salah satu.

Yang terpenting, tau prosedurnya seperti apa. Terutama yang selama ini menjadi kekeliruan: perbandingan t hitung vs t tabel jika t hitung bernilai negatif.

Pintasan Panduan Problem dan Solusi Skripsi

  1. Tidak Signifikan ?: Apakah penelitian harus signifikan ? Lihat jawaban dan solusinya.
  2. Variable Dominan: Cara menentukan Variable Paling Dominan dalam Penelitian Regresi Linier (Sederhana, Berganda, Data Time Series, Cross Section maupun Data Panel).
  3. Kesalahan Uji Hipotesis: Belajar Dasar-dasar Kesalahan Dalam Pengambilan Keputusan dari Pengujian Hipotesis (uji 1 sisi atau 2 sisi).
  4. t hitung Negatif: (Anda Disini).
  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

Apakah Panduan ini Membantu Menyelesaikan Permasalahan Anda ?

Rolan Mardani

Traktir Saya secangkir kopi supaya kuat begadang untuk membuat konten-konten Panduan yang berkualitas dan membantu menyelesaikan permasalahan Anda.

Bantu Orang Lain... Share Panduan ini:

4 tanggapan pada “T Hitung Negatif ? Bukan Berarti Tidak Signifikan ! Ini Solusinya”

  1. Berarti jika t dirubah menggunakan one tailed apakah arah hubungan tetap negatif?
    Lalu bagaimana nilai koefisien regresinya? Apakah tetap atau bagaimana? Jika kasusnya sama dengan variabel kurs diatas

    1. t hitung menentukan apakah berpengaruh signifikan atau tidak
      Arah hubungan dilihat dari nilai Beta.
      Nilai Beta ini yang dimasukkan kedalam persamaan regresi Y = a + B1X1 +B2X2 …..
      Sesuai variabel KURS di atas… Jadi…
      KURS berpengaruh negatif terhadap IHSG (-0.047). Artinya: Apabila KURS naik 1% (dengan asumsi variabel lain tetap), maka IHSG menurun sebesar 0.047%.
      Hasil ini signifikan pada alpha 5% berdasarkan hasil uji t (t hitung > t tabel = 2.638 > 1.703).
      Kurang lebih gitu kesimpulannya.

    1. Itu arah hubungan.
      Saya rasa kakak udah sering nemu hasil seperti ini: “Variabel X berpengaruh positif signifikan terhadap Y” atau “X berpengaruh negatif signifikan terhadap Y”.
      Atau sejenis nya yang menyertakan arah hubungan (Positif / Negatif).

Komentar Paling Lambat di Balas Pukul 23:59 :)