Hasil penelitian tidak signifikan: apa yang dicek dan cara melaporkannya
Hasil tidak signifikan berarti datamu tidak memberi bukti cukup untuk menolak hipotesis nol, bukan bukti bahwa penelitianmu gagal. Hipotesis yang tidak didukung data adalah temuan yang sah dan boleh dilaporkan apa adanya di Bab IV. Yang perlu kamu lakukan adalah mengecek data dan instrumen, lalu membahas hasilnya dengan jujur, tanpa mengubah data atau mengganti uji sampai hasilnya signifikan.
Tarik napas dulu: ini bukan akhir skripsimu
Kamu membuka output, mencari kolom Sig., dan angkanya di atas 0,05. Rasanya seperti berbulan-bulan kerja hilang begitu saja. Perasaan itu sangat umum, dan kabar baiknya: hampir selalu tidak seburuk yang kamu kira.
Bayangkan kamu menguji apakah minum kopi sebelum ujian membuat nilai naik. Hasilnya, tidak ada bukti nilai naik. Apakah itu informasi yang tidak berguna? Justru berguna: orang jadi tahu bahwa kopi bukan jalan pintas. Penelitian bekerja dengan cara yang sama. Tugasmu adalah menguji hipotesis dengan jujur, bukan memastikan hipotesis itu benar.
Secara statistik, hasil tidak signifikan berarti nilai p sama dengan atau lebih besar dari taraf yang kamu tetapkan di Bab III, biasanya 0,05. Artinya, data seperti punyamu cukup wajar muncul walaupun sebenarnya tidak ada pengaruh atau perbedaan. Penjelasan lengkapnya ada di artikel arti nilai signifikansi.
Dua contoh hasil tidak signifikan dari data sungguhan
Contoh pertama: satu variabel dalam regresi berganda. Data survei 445 mahasiswa S1 di Indonesia yang diterbitkan terbuka oleh penelitinya dipakai untuk menguji pengaruh empat variabel terhadap berpikir kritis. Mesin statistik StatPilot menghasilkan:
| Variabel bebas | t hitung | Sig. | Hasil |
|---|---|---|---|
| Literasi AI (AIL) | 2,470 | 0,014 | signifikan |
| Kecemasan terhadap AI (AIA) | -0,140 | 0,888 | tidak signifikan |
| Regulasi diri dalam belajar (SRL) | 7,172 | < 0,001 | signifikan |
| Keterlibatan belajar (LE) | 9,887 | < 0,001 | signifikan |
Kecemasan terhadap AI tidak signifikan (p = 0,888). Korelasi sederhananya dengan berpikir kritis juga sangat rendah (r = 0,049; p = 0,299), jadi hasil ini konsisten dari dua sudut. Sementara itu modelnya secara keseluruhan tetap signifikan (p < 0,001). Kenapa bisa begitu dijelaskan di artikel uji t dan uji F.
Contoh kedua: perbedaan dua kelompok. Data survei rasa takut gagal pada 273 mahasiswa ilmu keolahragaan dipakai untuk membandingkan skor perempuan (66 orang, rata-rata 2,71) dan laki-laki (207 orang, rata-rata 2,61) dengan uji t independen. Hasilnya t = 1,191 (df = 271), p = 0,235, tidak signifikan. Di data yang sama, hubungan jenis kelamin dengan pengalaman dilatih pelatih berlisensi diuji dengan chi-square, dan hasilnya juga tidak signifikan (p = 0,320).
Kedua penelitian ini tetap layak dilaporkan, dengan hasil apa adanya.
Yang perlu dicek sebelum menulis
Hasil tidak signifikan bukan tanda ada yang salah, tapi ini saat yang baik untuk memastikan tidak ada yang salah. Cek empat hal ini secara berurutan:
- Data. Apakah ada salah ketik saat memindahkan jawaban dari Google Forms, misalnya angka 6 di skala 1 sampai 5? Apakah butir yang kalimatnya negatif sudah dibalik skornya? Panduannya ada di artikel butir negatif (unfavorable). Yang kamu perbaiki hanya kesalahan pemindahan yang bisa kamu tunjukkan dari jawaban asli, bukan angka yang "kelihatan aneh".
- Instrumen. Lihat lagi hasil uji validitas dan uji reliabilitas variabel yang tidak signifikan. Pada contoh pertama, Cronbach's alpha kecemasan terhadap AI (0,683) adalah yang paling rendah di antara lima variabel. Bandingkan dengan batas yang dipakai jurusanmu. Alat ukur yang kurang konsisten membuat pengaruh lebih sulit terlihat, dan itu bahan yang jujur untuk pembahasan.
- Jumlah responden. Dengan responden sedikit, pengaruh yang kecil sulit terdeteksi. Ini bukan alasan untuk menambah responden diam-diam setelah melihat hasil, tapi boleh dibahas sebagai keterbatasan penelitian.
- Teori. Kembali ke Bab II. Apakah penelitian terdahulu juga menemukan hasil yang beragam? Apakah ada alasan teoretis mengapa pengaruhnya bisa lemah di sampelmu, misalnya karakteristik responden yang berbeda?
Yang tidak boleh dilakukan
Godaan terbesar saat hasil tidak signifikan adalah "mengutak-atik sampai signifikan". Istilahnya p-hacking. Bayangkan melempar anak panah ke dinding, lalu menggambar papan sasaran di sekeliling tempat anak panah itu menancap. Hasilnya terlihat tepat sasaran, padahal sasarannya dibuat belakangan.
Bentuk p-hacking yang paling sering:
- Mengubah atau menambah jawaban responden. Ini mengarang data, dan melanggar integritas akademik.
- Membuang responden supaya p turun. Responden hanya boleh dikeluarkan dengan aturan yang ditulis sebelum melihat hasil, misalnya isian yang tidak lengkap, dan aturan itu dilaporkan.
- Berganti-ganti uji statistik sampai ada yang signifikan. Uji dipilih dari jenis data dan hasil uji asumsi, bukan dari nilai p yang keluar.
- Mengganti taraf signifikansi dari 0,05 ke 0,10 setelah melihat hasil.
- Membuang variabel bebas yang tidak signifikan dari model, lalu melaporkan seolah model itu rencana awal.
Semua cara ini membuat hasil penelitianmu tidak bisa dipercaya, dan dosen penguji yang membandingkan Bab III dengan Bab IV sering bisa melihatnya. StatPilot sendiri tidak membuat, menambah, atau "memperbaiki" data responden.
Cara melaporkan dan membahasnya
Di bagian hasil, tulis keputusan hipotesis dengan bahasa yang tepat: "tidak terdapat pengaruh yang signifikan" atau "hipotesis tidak didukung data". Hindari "terbukti tidak berpengaruh", karena hasil tidak signifikan tidak membuktikan pengaruhnya nol. Contoh pola kalimat yang bisa kamu sesuaikan:
Kecemasan terhadap AI tidak berpengaruh signifikan terhadap berpikir kritis (t = -0,140; p = 0,888), sehingga H2 tidak didukung oleh data penelitian ini.
Di bagian pembahasan, yang kamu tulis sendiri, jelaskan kemungkinan alasannya dengan merujuk ke hasil pengecekan di atas dan ke penelitian terdahulu. Lalu tuliskan keterbatasan penelitian dan saran untuk penelitian berikutnya. Beda antara hasil dan pembahasan dijelaskan di artikel beda hasil dan pembahasan Bab IV.
Pertanyaan yang sering muncul
Apakah skripsi dengan hipotesis tidak signifikan tetap bisa diterima penguji?
Bisa, karena yang dinilai penguji adalah ketepatan metode dan kejujuran analisis, bukan apakah hipotesisnya terbukti. Yang membuat penguji khawatir justru hasil yang terlalu rapi tanpa penjelasan. Pastikan kamu bisa menjelaskan hasilnya dan keterbatasannya.
Bolehkah saya menambah responden setelah tahu hasilnya tidak signifikan?
Menambah responden hanya karena hasilnya belum signifikan termasuk p-hacking, karena kamu berhenti mengumpulkan data saat hasilnya sesuai keinginan. Kalau jumlah responden memang belum mencapai target yang ditulis di Bab III, diskusikan dengan dosen pembimbing dan laporkan prosesnya apa adanya.
Apa beda "tidak signifikan" dan "tidak berpengaruh"?
"Tidak signifikan" berarti data tidak memberi bukti cukup bahwa ada pengaruh. "Tidak berpengaruh" adalah klaim bahwa pengaruhnya nol, dan itu tidak bisa dibuktikan oleh satu uji yang tidak signifikan. Di skripsi, pakai "tidak berpengaruh signifikan" supaya maknanya tepat.
Apakah hasil tidak signifikan perlu dimasukkan ke abstrak?
Ya, kalau hasil itu bagian dari hipotesis utamamu. Abstrak harus menggambarkan temuan penelitian secara jujur, termasuk hipotesis yang tidak didukung data.