Signifikansi Statistik

Definisi Signifikansi Statistik

Signifikansi statistik adalah kemungkinan pengamatan tidak disebabkan oleh kesalahan pengambilan sampel. Ini menyiratkan bahwa pengamatan memiliki penyebab khusus untuk itu. Oleh karena itu, untuk mempertimbangkan pengamatan signifikan secara statistik, itu harus menghapus pengujian.

Untuk membuktikan signifikansi statistik, dataset harus menolak hipotesis nol. kebenaran mutlak dan selalu benar. Jadi, meskipun sampel diambil dari populasi, hasil yang diperoleh dari studi sampel tersebut akan sama dengan asumsi.read more. Untuk membuktikan hipotesis nol salah, p-nilai pengamatan harus kurang dari tingkat signifikansi. P-valueP-valueP-Value, atau Nilai Probabilitas, adalah faktor penentu pada hipotesis nol untuk kemungkinan hasil yang diasumsikan benar, diterima atau ditolak, & penerimaan hasil alternatif jika hasil yang diasumsikan ditolak . read more adalah probabilitas pengamatan yang disebabkan oleh faktor acak.

Takeaway kunci

Signifikansi statistik menunjukkan bahwa pengamatan disebabkan oleh alasan tertentu dan bukan faktor acak.

Tingkat signifikansi diwakili oleh α. Peneliti memastikan nilainya dan biasanya 0,01, 0,05, atau 0,1.
Hipotesis nol mengasumsikan bahwa penelitian itu salah. Namun, hipotesis alternatif yang merupakan asumsi peneliti dapat terbukti benar, menolak hipotesis nol.
Nilai konvensional α = 0,05. Oleh karena itu, jika nilai p untuk suatu dataset ≤ 0,05, maka hasilnya signifikan secara statistik. Jika p-value > 0,05, maka penelitian tersebut mungkin tidak signifikan secara statistik.

Memahami Tingkat Signifikansi Statistik

Signifikansi statistik secara luas diterapkan sebagai alat penelitian kuantitatif oleh para peneliti untuk pengambilan keputusan. Alat ini diterapkan di berbagai bidang yang berbeda seperti bisnis, pemasaran, periklanan, investasi, dan keuangan.

Dua faktor berikut menentukan signifikansi.

Ukuran Sampel : Jumlah pengamatan sangat berkontribusi pada tingkat signifikansi. Kumpulan data yang besar (harus sampel acak) sering menghilangkan kesalahan pengambilan sampel Kesalahan Pengambilan Sampel Rumus kesalahan pengambilan sampel digunakan untuk menghitung kesalahan statistik yang terjadi ketika orang yang melakukan tes tidak memilih sampel yang mewakili seluruh populasi yang dipertimbangkan. Rumus sampling error = Z x (σ /√n)baca selengkapnya.
Ukuran Efek : Korelasi antara dua set data atau variabel disebut ukuran efek. Ukuran efek sizeEffect SizeEffect yang lebih besar mengukur intensitas hubungan antara dua set variabel atau grup. Itu dihitung dengan membagi perbedaan antara rata-rata yang berkaitan dengan dua kelompok dengan standar deviasi. Ini adalah konsep statistik. Oleh karena itu, menyiratkan bahwa dua penelitian berbeda menunjukkan nilai yang sangat mirip. Ukuran efek yang lebih besar menunjukkan bahwa data secara statistik lebih signifikan.

Nilai alpha (α) mewakili signifikansi statistik. Nilai tradisional alpha adalah 0,05, yaitu 5%. Ini berfungsi sebagai ambang 95% untuk signifikansi. Ini menyiratkan bahwa peluang akurasi hasil adalah 95%.

Untuk mencapai signifikansi statistik, setidaknya salah satu kondisi yang diberikan harus dipenuhi:

Nilai p harus lebih rendah dari nilai alpha.
Nilai hipotesis nol seharusnya tidak memiliki tempat dalam selang kepercayaan.

Interval kepercayaan Interval Keyakinan Interval Keyakinan mengacu pada tingkat ketidakpastian yang terkait dengan statistik tertentu & sering digunakan bersama dengan Margin of Error. Interval Keyakinan = Rata-Rata Sampel ± Faktor Kritis × Standar Deviasi Sampel. baca lebih lanjut mengacu pada kisaran terjamin di mana nilai sebenarnya jatuh. Untuk p-value 0,05, yaitu 5%, sisa 95% dianggap interval kepercayaan.

Misalnya, pada Juni 2020, Uji Coba ASPEN tidak mencapai Signifikansi Statistik pada titik akhir utamanya. Demikian dilansir Reuters.

Uji Signifikansi Statistik (Nilai-P)

Signifikansi statistik terdiri dari menemukan hasil dan memvalidasi hasil. Dataset harus berhasil menolak hipotesis nol.

#1 – Pengujian Hipotesis Statistik

Hipotesis adalah asumsi peneliti. Peneliti berasumsi bahwa mereka akan mendapatkan hasil tertentu, bahkan sebelum melakukan tes. Asumsi ini didasarkan pada hubungan antara variabel atau kumpulan data yang berbeda.

Dua jenis hipotesis yang digunakan untuk analisis data adalah sebagai berikut:

Hipotesis Nol : Sekarang, jika teori yang diajukan oleh para peneliti terbukti salah, hipotesis peneliti dianggap nol. Ini dilambangkan dengan H0.
Hipotesis Alternatif : Namun, jika teori peneliti terbukti valid, itu disebut sebagai hipotesis alternatif. Ini dilambangkan dengan H1.

#2 – Nilai p yang signifikan secara statistik

Nilai-p menunjukkan nilai probabilitas, yang merupakan kemungkinan suatu hasil yang dihasilkan dari keacakan atau kebetulan, bukan fakta. Dengan demikian, tingkat signifikansi statistik dapat dianalisis dengan bantuan nilai p yang berkisar antara 0 dan 1. Hasil statistik diyakini akurat bila nilai p sama dengan atau kurang dari 0,05. Dengan kata lain, hanya ada 5% kemungkinan bahwa data tersebut disebabkan oleh keacakan atau kebetulan.

Anda bebas menggunakan gambar ini di situs web Anda, templat, dll., Harap berikan kami tautan atribusiBagaimana Memberikan Atribusi? Tautan Artikel untuk Dihiperlink
Misalnya: Sumber: Signifikansi Statistik (wallstreetmojo.com)

Oleh karena itu, pengujian akan menghasilkan dua kemungkinan berikut.

nilai-p ≤ 0,05 : Nilai-p sama dengan atau lebih kecil dari 0,05 menunjukkan bahwa hipotesis nol mungkin salah. Dengan demikian, ada kemungkinan hasilnya lebih signifikan secara statistik.
p-value > 0.05 : Sebaliknya, nilai yang melebihi 0.05 menandakan bahwa hipotesis nol tampaknya mungkin, dan hasilnya mungkin tidak signifikan secara statistik.

Perhitungan Signifikansi Statistik

Pertimbangkan masalah berikut berdasarkan skenario hipotetis. Samuel, pemilik taman hiburan, ingin para tamu menghabiskan lebih banyak waktu di taman. Rata-rata waktu yang dihabiskan oleh 20 tamu yang berkunjung ke taman adalah 199 menit. Samuel memutuskan untuk memasang wahana baru. Untuk pengujian, ambang signifikansi diasumsikan sebesar 5%, rata-rata sampel adalah 200 menit, dan standar deviasi adalah 200 menit. Berdasarkan data yang diberikan, lakukan uji signifikansi untuk Samuel.

Data yang Diberikan:

µ = 199 menit
n = 20
µ tersisa 199 menit sebelum memasang wahana baru
µ > 199 menit setelah memasang wahana baru
α = 5% atau 0,05
x̄ = 200 menit
σ = 200 menit

Perhitungan

Kami akan menerapkan uji-z di sini,

Z = (x̄ – μ) / √(σ2 / n)

Z = (200 – 199) / √(200 / 20)

Z = 1 / 3,16228

Z = 0,31623 = 0,3

Sekarang mari kita tentukan skor-z atau nilai-p pada tabel-z yang diberikan:

Z	0,00	0,1	0,2	0,3	0,4
0,0	0,50000	0,50399	0,50798	0,51197	0,51595

Jadi, nilai p adalah 0,51197.

Di sini, p-nilai > α, yaitu, 0,51197 > 0,05

Oleh karena itu, hipotesis nol dapat benar, dan hasilnya tidak signifikan secara statistik.

Pengguna dapat memilih dari berbagai kalkulator yang tersedia secara online untuk melakukan uji signifikansi.

Signifikansi Statistik vs Praktis

Signifikansi statistik mengesampingkan kebetulan acak dan menunjukkan bahwa data adalah hasil dari penyebab tertentu. Namun, signifikansi praktis menemukan besarnya efek itu dan relevansinya di dunia nyata.

Sementara para peneliti menggunakan ukuran sampel dan nilai-p untuk memastikan signifikansi statistik, ukuran efek dari kumpulan data menunjukkan signifikansi praktis.

Dengan demikian, memperoleh signifikansi statistik tanpa menentukan signifikansi praktis tidak akan banyak membantu.

Pertanyaan yang Sering Diajukan (FAQ)

Apa signifikansi statistik dalam penelitian?

Tes signifikansi banyak digunakan dalam penelitian ilmiah, ekonomi, dan medis untuk menentukan keandalan hasil tes dengan menganalisis peluang hipotesis nol menjadi kenyataan.

Bagaimana cara menentukan signifikansi statistik?

Langkah-langkah menghitung signifikansi adalah sebagai berikut.
1. Temukan hipotesis nol dan alternatifnya, yaitu H0 dan H1.
2. Asumsikan ambang batas signifikansi atau tingkat signifikansi (α).
3. Dapatkan sampel dan data untuk melakukan pengujian.
4. Jalankan uji statistik seperti uji-z, uji-T, ANOVA, atau Chi-Square.
5. Periksa apakah data tersebut signifikan secara statistik dengan menentukan nilai p.
6. Menafsirkan hasil atau menyimpulkan penelitian.

Mengapa nilai p 0,05 signifikan?

Sebuah p-nilai 0,05 merupakan alpha, yaitu, ambang batas signifikansi statistik. Ini adalah batas probabilitas, dan oleh karena itu setiap nilai di luar ini dianggap tidak signifikan secara statistik. Jika p-value di atas 5%, maka ini menunjukkan bahwa lebih dari 5% nilai tersebut disebabkan oleh kebetulan. Akibatnya, kumpulan data tidak dapat digunakan sebagai bukti signifikan untuk menunjukkan sebab-akibat.

Artikel yang Direkomendasikan

Ini telah menjadi Panduan untuk Signifikansi Statistik dan Maknanya. Di sini kita membahas uji signifikansi (p-value) dan cara memahami tingkatannya beserta contoh dan perhitungannya. Anda juga dapat melihat artikel berikut untuk mempelajari lebih lanjut –