Ilmuwan berusaha untuk membangun teori atau menemukan hukum yang menjelaskan pengamatan atau hasil percobaan. Langkah pertama adalah membangun hipotesis, atau percobaan penjelasan, untuk serangkaian fakta, dan kemudian mengujinya. Biasanya, metode statistik digunakan: sampel data diperiksa untuk melihat apakah itu mendukung penjelasan yang diajukan. Biasanya, hipotesis nol, yang bertentangan dengan penjelasan akan dibangun — ini biasanya dilambangkan dengan H0 — sedangkan penjelasan itu sendiri disebut hipotesis alternatif, dilambangkan dengan HA. Awalnya diasumsikan bahwa H0 benar, dan tugas peneliti adalah menunjukkan bahwa data tidak mendukung kesimpulan ini.
Pengujian Hipotesis
Biasanya, H0 dan HA adalah dua pernyataan yang saling eksklusif — keduanya tidak mungkin benar. Mereka juga harus lengkap; yaitu, mereka harus mencakup semua kemungkinan hasil dari penyelidikan eksperimental. Sampel data diperoleh, yang dengannya hipotesis nol akan diuji. Sampel harus berukuran cukup untuk memungkinkan penarikan kesimpulan yang valid, dan harus bebas dari bias yang mungkin mempengaruhi hasil.
Peneliti kemudian harus menetapkan nilai, atau satu atau lebih set nilai, yang tidak akan mendukung H0. Jika data ditemukan sesuai dengan nilai-nilai ini, hipotesis nol akan ditolak, dan hipotesis alternatif kemudian dapat dikatakan mungkin benar. Data pengujian seringkali dapat direpresentasikan sebagai grafik, dengan puncak di tengah dan “ekor” di kedua sisi. Biasanya, sebagian besar nilai untuk hal yang diuji akan mengelompok di sekitar tengah kisaran, mengarah ke ekstrem rendah dan tinggi. Misalnya, satu set pengukuran ketinggian dari sampel besar orang akan menunjukkan mayoritas di sekitar tengah kisaran, dan angka yang lebih kecil menuju ujung yang sangat pendek dan sangat tinggi.
Ada tiga jenis tes yang dapat diterapkan pada sekumpulan data. Dalam uji arah kanan, telah ditentukan bahwa data yang berada di atas nilai tertentu, yang dikenal sebagai nilai kritis, tidak mendukung hipotesis nol; dalam uji arah kiri, data ini berada di bawah nilai kritis; dalam uji dua sisi, data yang tidak mendukung H0 terletak di atas dan di bawah nilai atau rentang nilai tertentu. Tidak mungkin untuk sepenuhnya menyangkal hipotesis nol; sebaliknya, peneliti harus menyetujui interpretasi data berdasarkan seberapa besar kemungkinan H0 akan ditolak padahal sebenarnya benar. Kemungkinan ini dikenal sebagai tingkat signifikansi. Misalnya, jika proporsi tertentu dari data berada di atas nilai kritis dalam uji arah kanan, ini mungkin menunjukkan bahwa hanya ada peluang 1% bahwa H0 benar.
Contoh
Sebuah perusahaan obat mungkin sedang menguji hasil pengobatan baru untuk mengurangi kolesterol. Dalam hal ini, hipotesis nolnya adalah bahwa kadar kolesterol tidak berkurang setelah minum obat, sedangkan hipotesis alternatifnya adalah kadarnya menurun. H0 akan dianggap benar, dan peneliti kemudian akan mengumpulkan data untuk dianalisis dalam upaya untuk menolaknya.
Data tersebut mungkin terdiri dari pengukuran kolesterol dalam sampel orang sebelum dan sesudah mengonsumsi obat, dibandingkan dengan sampel serupa yang tidak mengonsumsinya, selama periode yang sama. Para peneliti kemudian mungkin setuju tentang berapa banyak pengurangan, dan berapa proporsi sampel yang menggunakan obat tersebut, yang dapat dianggap signifikan. Informasi ini dapat digunakan untuk menetapkan nilai kritis, seperti pengurangan 10% pada 80% dari mereka yang menggunakan obat. Jika data jatuh di atas nilai-nilai ini, hipotesis nol ditolak, dan hipotesis alternatif diterima.