Mengapa Signifikansi Statistik Penting? simak artikel ini.

Apa itu Signifikansi Statistik?

Signifikansi statistik mengacu pada klaim bahwa hasil dari data yang dihasilkan oleh pengujian atau eksperimen tidak mungkin terjadi secara acak atau kebetulan, tetapi cenderung disebabkan oleh penyebab tertentu. Memiliki signifikansi statistik penting untuk disiplin ilmu atau praktisi yang sangat bergantung pada analisis data dan penelitian, seperti ekonomi, keuangan, investasi, kedokteran, fisika, dan biologi.

Signifikansi statistik dapat dianggap kuat atau lemah. Ketika menganalisis kumpulan data dan melakukan tes yang diperlukan untuk mengetahui apakah satu atau lebih variabel berpengaruh pada hasil, signifikansi statistik yang kuat membantu mendukung fakta bahwa hasilnya nyata dan tidak disebabkan oleh keberuntungan atau kebetulan. Secara sederhana, jika suatu statistik memiliki signifikansi tinggi maka itu dianggap lebih dapat diandalkan.

Masalah muncul dalam uji signifikansi statistik karena peneliti biasanya bekerja dengan sampel populasi yang lebih besar dan bukan populasi itu sendiri. Akibatnya, sampel harus mewakili populasi, sehingga data yang terkandung dalam sampel tidak boleh dibiaskan dengan cara apa pun. Dalam sebagian besar ilmu, termasuk ekonomi, signifikansi statistik relevan jika klaim dapat dibuat pada tingkat 95% (atau kadang-kadang 99%).

Memahami Signifikansi Statistik

Perhitungan signifikansi statistik (pengujian signifikansi) memiliki tingkat kesalahan tertentu. Peneliti harus menentukan terlebih dahulu probabilitas kesalahan pengambilan sampel, yang ada dalam tes apa pun yang tidak termasuk seluruh populasi.

Ukuran sampel merupakan komponen penting dari signifikansi statistik karena sampel yang lebih besar lebih rentan terhadap cacing. Hanya sampel acak dan representatif yang boleh digunakan dalam pengujian signifikansi. Tingkat di mana seseorang dapat menerima apakah suatu peristiwa signifikan secara statistik dikenal sebagai tingkat signifikansi.

Para peneliti menggunakan statistik uji yang dikenal sebagai nilai-p untuk membedakan apakah peristiwa tersebut berada di bawah tingkat signifikansi; jika ya, hasilnya signifikan secara statistik. Nilai-p adalah fungsi dari sarana dan standar deviasi sampel data.

Nilai p menunjukkan probabilitas di mana hasil statistik terjadi secara kebetulan atau dengan kesalahan pengambilan sampel. Dengan kata lain, nilai-p menunjukkan risiko bahwa tidak ada perbedaan atau hubungan yang sebenarnya. Nilai p harus berada di bawah tingkat signifikansi untuk hasil yang setidaknya dianggap signifikan secara statistik.

Kebalikan dari tingkat signifikansi, dihitung sebagai 1 minus tingkat signifikansi, adalah tingkat kepercayaan. Ini menunjukkan tingkat kepercayaan bahwa hasil statistik tidak terjadi secara kebetulan atau dengan kesalahan pengambilan sampel. Tingkat kepercayaan adat dalam banyak uji statistik adalah 95 persen, yang mengarah ke tingkat signifikansi adat atau nilai-p 5 persen.

KUNCI PEMAHAMAN

  • Signifikansi statistik mengacu pada klaim bahwa hasil dari data yang dihasilkan oleh pengujian atau eksperimen kemungkinan disebabkan oleh penyebab tertentu.
  • Jika suatu statistik memiliki signifikansi tinggi maka itu dianggap lebih dapat diandalkan.
  • Perhitungan signifikansi statistik tunduk pada tingkat kesalahan tertentu.
  • Signifikansi statistik dapat disalahartikan ketika peneliti tidak menggunakan bahasa dengan hati-hati dalam melaporkan hasil mereka.
  • Beberapa jenis tes signifikansi digunakan tergantung pada penelitian yang sedang dilakukan

Pertimbangan Khusus

Signifikansi statistik tidak selalu menunjukkan signifikansi praktis, yang berarti hasilnya tidak dapat diterapkan pada situasi bisnis dunia nyata. Selain itu, signifikansi statistik dapat disalahartikan ketika para peneliti tidak menggunakan bahasa dengan hati-hati dalam melaporkan hasil mereka. Karena hasil yang signifikan secara statistik tidak menyiratkan bahwa itu tidak acak, hanya saja probabilitasnya acak sangat berkurang.

Hanya karena dua seri data memiliki korelasi kuat satu sama lain tidak menyiratkan sebab-akibat. Sebagai contoh, jumlah film di mana aktor Nicolas Cage membintangi pada tahun tertentu sangat berkorelasi dengan jumlah tenggelam secara tidak sengaja di kolam renang. Tetapi korelasi ini palsu karena tidak ada klaim kausal teoritis yang dapat dibuat.

Masalah lain yang mungkin muncul dengan signifikansi statistik adalah data masa lalu, dan hasil dari data itu, apakah signifikan secara statistik atau tidak, mungkin tidak mencerminkan kondisi yang sedang berlangsung atau masa depan. Dalam berinvestasi, ini dapat memanifestasikan dirinya dalam model penetapan harga pada saat krisis keuangan ketika korelasi berubah dan variabel tidak berinteraksi seperti biasa. Signifikansi statistik juga dapat membantu investor membedakan apakah satu model penentuan harga aset lebih baik daripada yang lain.

Jenis Tes Signifikansi Statistik

Beberapa jenis tes signifikansi digunakan tergantung pada penelitian yang sedang dilakukan. Misalnya, tes dapat digunakan untuk satu, dua, atau lebih sampel data dengan berbagai ukuran untuk rata-rata, varian, proporsi, data berpasangan atau tidak berpasangan, atau distribusi data yang berbeda.

The Null Hypothesis

Semua faktor ini memiliki apa yang disebut hipotesis nol, dan signifikansi sering kali adalah tujuan pengujian hipotesis dalam statistik. Hipotesis nol yang paling umum adalah bahwa variabel yang dipermasalahkan sama dengan nol (biasanya menunjukkan bahwa variabel tersebut tidak berpengaruh pada hasil yang diinginkan). Jika Anda dapat menolak hipotesis nol dengan kepercayaan 95 persen atau lebih baik, para peneliti dapat meminta signifikansi statistik. Hipotesis nol juga dapat diuji untuk kesetaraan (bukan sama dengan nol) efek untuk dua atau lebih pengobatan alternatif — misalnya, antara obat dan plasebo dalam uji klinis.

Penolakan terhadap hipotesis nol, bahkan jika tingkat signifikansi statistik yang sangat tinggi tidak pernah dapat membuktikan sesuatu, hanya dapat menambahkan dukungan pada hipotesis yang ada. Di sisi lain, kegagalan untuk menolak hipotesis nol sering menjadi alasan untuk penolakan hipotesis.

Uji signifikansi statistik menggunakan sebagian besar matematika yang sama dengan perhitungan interval kepercayaan. Salah satu cara untuk menafsirkan signifikansi statistik adalah bahwa, katakanlah 95 persen atau 99 persen dari waktu, interval kepercayaan tidak akan mengandung nilai nol. Bahkan jika suatu variabel ditemukan signifikan secara statistik, itu masih harus masuk akal di dunia nyata.

Selain itu, efeknya dapat signifikan secara statistik tetapi hanya memiliki dampak yang sangat kecil. Sebagai contoh, mungkin sangat tidak mungkin karena kebetulan bahwa perusahaan yang menggunakan kertas toilet dua lapis di kamar mandi mereka memiliki karyawan yang lebih produktif, tetapi peningkatan produktivitas absolut setiap pekerja cenderung sangat kecil.

Sumber :

https://www.investopedia.com/terms/s/statistical-significance.asp

baca juga :

https://matob.web.id/note/software-statistik-gratis-open-source/