SERI BELAJAR STATISTIK: Memahami Uji Signifikansi dengan p-value

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 H_a 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.

Categories: STATISTIK