Apabila
kita berkeinginan menguji suatu hipotesis pada penelitian kuantitatif melalui
teknik statistik, pasti akan dihadapkan pada uji signifikansi dari hipotesis
yang diajukan tersebut. Sebelum ada software analisis statistik, uji
signifikansi dilakukan melalui beberapa langkah yang cukup menyulitkan. Setelah
didapatkan nilai statistik, kemudian ada beberapa langkah lagi sampai kemudian
harus mencari luas daerah di bawah kurva statistik, dan didapatkan daerah
penerimaan dan penolakan hipotesis nihil (H0) serta nilai
probabilitas kesalahannya (p-value), dan kemudian baru bisa ditentukan apakah
hipotesis yang diajukan diterima atau tidak.
Para
ahli statistik kemudian mencoba menyederhanakan dan mempersingkat proses
pengujian hipotesis dengan merumuskan tabel statistik secara empiris. Uji
signifikan menjadi lebih singkat dengan adanya tabel statistik, sehingga saat
itu, statistik menggunakan tabel statistik untuk menguji hipotesis disebut
sebagai statistik modern. Adanya software statistik menyebabkan seluruh
perhitungan statistik dapat secara mudah dilakukan dengan menggunakan software
tersebut, termasuk mencari p-value. Uji signifikansi dengan menggunakan
software statistik kemudian kembali dilakukan dengan mengacu pada p-value.
Di
buku-buku statistik, p-value didefinisikan sebagai peluang kesalahan ditolaknya
H0 atau sebuah hipotesis alternatif Ha diterima. Agar
lebih mudah dalam memahami p-value, dapat dibuat sebuah analogi. Misalnya,
populasi yang ingin diteliti berjumlah 10 ribu orang. Agar lebih mudah,
dilakukan sampling dan diambil 500 responden sebagai sampel. Kesimpulan dari
penelitian terhadap sampel tersebut, tentu akan digeneralisasikan atau
dikatakan berlaku untuk populasinya, atau para ahli menyebutnya sebagai proses
menaksir parameter.
Dalam
proses generalisasi atau mengangkat kesimpulan hasil penelitian sampel
dikatakan berlaku untuk populasinya, tentu tidak mungkin berharga mutlak. Misalnya, apabila kita ingin meneliti pengaruh
motivasi belajar terhadap prestasi belajar dengan sampel 100 responden. Secara
teori, maka apabila motivasi belajar tinggi, maka prestasi belajar juga akan
tinggi. Dari 100 responden terdapat 10% responden yang mempunyai motivasi
belajar tinggi, tetapi prestasi
belajarnya rendah atau sebaliknya. Apakah ketika digeneralisasikan terhadap
populasinya pasti juga terdapat 10% responden yang mempunyai motivasi tinggi
tetapi prestasi belajarnya rendah, atau sebaliknya ? Jawabnya, tentu saja
tidak. Di sini, yang terjadi adalah adanya peluang (kesalahan atau kebenaran).
Peluang kesalahan dan peluang kebenaran dalam proses generalisasi atau
mengangkat kesimpulan penelitian sampel dikatakan berlaku untuk populasinya,
adalah hal yang disebut Taraf
Signifikansi. Adapun p-value menunjukkan peluang kesalahan dari suatu
besaran statistik untuk dapat digunakan menaksir parameternya atau berlaku untuk
populasinya. Jadi, signifikansi adalah kemampuan untuk digeneralisasikan dengan
kesalahan tertentu.
Pada
sebuah penelitian, taraf signifikan ditetapkan oleh peneliti. Misalnya,
peneliti dalam penelitiannya menetapkan taraf signifikansi sebesar 5% (taraf
kesalahan). Hal ini berarti bahwa peluang kesalahan yang ditoleransi dalam
penelitian adalah sebesar 5% atau 0,05. Apabila hasil pengujian statistik
didapatkan p-value ≤ 0,05, maka berarti peluang kesalahan yang didapatkan masih
dalam toleransi yang ditetapkan peneliti, sehingga dikatakan signifikan. Apabila hasil pengujian
statistik didapatkan p-value > 0,05, maka berarti peluang kesalahan yang
didapatkan di luar toleransi yang ditetapkan peneliti, sehingga dikatakan tidak signifikan. Kriteria ini berlaku untuk seluruh uji signifikansi
secara statistik. Semoga informasi ini bisa membantu dan bermanfaat.