 Sampai tahun 2021 ini, masih banyak sekali mahasiswa atau penulis pemula yang masih salah dalam menuliskan P-value. Sebelum membahas bagaimana sebaiknya menulis P-Value, kita harus bahas dulu, apa sebenarnya P-value? Dalam statistik, P-value adalah probabilitas untuk memperoleh hasil setidaknya sama ekstrimnya dengan hasil pengamatan dari uji hipotesis statistik, dengan asumsi bahwa hipotesis nol benar. Nilai p digunakan sebagai alternatif untuk titik penolakan untuk memberikan tingkat signifikansi terkecil di mana hipotesis nol akan ditolak.P-value yang lebih kecil berarti ada bukti yang lebih kuat yang mendukung hipotesis alternatif. Dengan bahasa lain, nilai P-value hanya memberi tahu Anda seberapa besar kemungkinan data yang telah Anda amati terjadi di bawah hipotesis nol. Jika nilai p di bawah ambang signifikansi Anda (biasanya p <0,05), Anda dapat menolak hipotesis nol Bagaimana cara menuslis P-Value yang benar? Berikut beberapa peraturan yang umum diikuti dalam penulisan P-value, baik di skripsi, tesis ataupun tulisan ilmiah lainnya. · P selalu dicetak miring dan berhuruf besar. · Jangan gunakan 0 sebelum koma desimal untuk nilai statistik P, alfa, dan beta karena tidak boleh sama dengan 1, dengan kata lain, tulis P <.001 daripada P <0.001 (walaupun ada beberapa jurnal yang memperbolehkan penulisan nol didepan koma). · Nilai P aktual * harus dinyatakan (P = .04) daripada menyatakan pernyataan pertidaksamaan (P <.05), kecuali P <.001. · Nilai P tidak boleh dicantumkan sebagai tidak signifikan (NS) karena, untuk meta-analisis, nilai sebenarnya penting dan tidak memberikan nilai P yang tepat adalah bentuk pelaporan yang tidak lengkap. · Jika P> 0,01 maka nilai P harus selalu dinyatakan dalam 2 digit apakah signifikan atau tidak. Saat pembulatan, 3-digit dapat diterima jika pembulatan akan mengubah signifikansi suatu nilai (misalnya, Anda dapat menulis P = .049 daripada .05). · Jika P <0,01, maka harus dinyatakan menjadi 3 digit. · Untuk nilai P kurang dari 0,001, laporkan sebagai P <0,001, bukan nilai P yang sebenarnya. Mengekspresikan P ke lebih dari 3 digit signifikan tidak menambahkan informasi yang berguna karena nilai P yang tepat dengan hasil ekstrim sensitif terhadap bias atau penyimpangan dari model statistik. · P = .000 (seperti yang dikeluarkan (output) oleh beberapa program statistik) tidak mungkin dan harus ditulis sebagai P <.001 Dalam kasus yang jarang, nilai P dapat diekspresikan ke lebih dari 3 tempat desimal (misalnya, P = 1 × 10−5) dalam kasus studi asosiasi genom, studi yang melibatkan koreksi Bonferroni, dll. Dalam pengujian hipotesis statistik, nilai p atau nilai probabilitas atau signifikansi asimtotik adalah probabilitas untuk suatu model statistik dimana, apabila hipotesis nol benar, maka parameter (misalnya, perbedaan rata-rata sampel antara dua kelompok) akan sama dengan atau lebih besar daripada nilai yang sebenarnya.[1] Penggunaan nilai p dalam pengujian hipotesis statistik sering kali digunakan dalam berbagai bidang penelitian[2] seperti fisika, ekonomi, keuangan, ilmu politik, psikologi,[3] biologi, kriminologi, dan sosiologi.[4]
Nilai P Value adalah konsep dasar yang perlu dipahami oleh orang yang mempelajari statistika. Seringkali kita mengartikan bahwa nilai p value hanya menyatakan ada perbedaan/hubungan dalam sebuah uji statistika.
Perlu diketahui bahwa nilai P Value didapat dari perhitungan matematis dengan teori peluang. Sebagai contoh : Seorang peneliti melakukan penelitian mengenai hubungan rokok dengan terjadinya penyakit jantung pada 100 orang. Hasil uji statistika menunjukkan nilai p value 0,02 yang berarti HA di terima H0 ditolak.
Nilai P Value 0,02 diartikan jika H0 itu benar terjadi peluangnya maksimal sebesar 2% sedangkan peluang untuk HA terjadi sebesar 98% pada sampel atau merokok tidak berhubungan dengan terjadinya penyakit jantung kemungkinan paling besar hanya pada 2 orang (sampel). Interpretasi (penafsiran) yang sama juga dilakukan pada semua jenis nilai p value untuk semua jenis uji hipotesis seperti perbedaan proporsi, uji perbedaan rerata, kolerasi, anova, regresi linear ataupun ganda dan berbagai macam uji non parametrik lainnya. Terdapat kekurangan dalam nilai P Value yang belum mampu untuk menjelaskan besaran (faktor risiko) dan arah perbedaan (menentukan faktor risiko atau faktor pelindung)
P-value Definisi dari p-value adalah nilai peluang terkecil dari suatu pengujian hipotesisi sehingga nilai statistik uji yang diamati masih berarti1 . Ada juga pendapat lain yang menyatakan bahwa p value merupakan suatu besaran peluang, dengan asumsi H0 benar, memeroleh ‘statistik uji’(test statistic)2. P-value ini sudah populer di kalangan peneliti sebagai pendekatan dalam memberikan kesimpulan “tolak atau “gagal tolak” dari klaim (hipotesis ) yang diajukan. Pun, pendekatan p-value dalam pengambilan keputusan cukup wajar karena hampir semua program komputer dalam perhitungan pengujian hipotesis memberikan p-value tersebut bersamaan dengan nilai yang sesuai dengan uji statistik-nya. Signifikansi statistik? Dalam kesimpulan penelitian, biasanya disebutkan apakah hipotesis nol itu “diterima (gagal tolak)” atau ditolak. Juga, penolakan/penerimaan hipotesis nol ini sering diikuti oleh penyebutan suatu nilai tertentu, misal 5% atau 10% (yang sering disebut dengan taraf signifikansi/taraf nyata). Apa pula maksud dari taraf signifkansi ini? Secara sederhana, 5% ini adalah besarnya peluang menolak hipotesis nol ketika hipotesis nol tersebut benar. Artinya, penarikan kesimpulan menolak atau tidak menolak hipotesis nol disertai dengan informasi bahwa penolakan atau ‘penerimaan’ hipotesis nol tersebut disertai dengan kemungkinan dilakukannya kesalahan, yaitu menolak hipotesis nol ketika sesungguhnya hipotesis nol tersebut adalah benar, dengan besarnya peluangnya adalah 5%.Cara pengujian seperti ini sejalan dengan logika sederhana, misal dihipotesiskan bahwa teman kita adalah ‘jujur’, dan peluang dia menipu kita bila dia ‘jujur’ adalah kecil, tetapi bila hal ini terjadi (yaitu dia menipu kita), maka hipotesis bhwa dia jujur ditolak. Lantas apa kaitannya p-value dengan taraf signifikansi ini?ingat bahwa p-value merupakan peluang terekstrem (terkecil) dalam menguji hipotesis3. Nah, penolakan/penerimaan hipotesis yang kita buat itu harus mengacu kepada taraf signifikansi yang kita buat tadi. Apakah nanti hasilnya masuk ke daerah penerimaan atau daerah penolakan Perlu Diperhatikan Asra (2012) menyatakan bahwa ada dua hal yang perlu diperhatikan dalam menggunakan p-value yakni : 1 1. Signifikansi hanya untuk nilai sampel Dalam pengujian hipotesis secara statistik, kebermaknaan (significance) dari suatu perbedaan yang dihasilkan dalam nilai-nilai sampel (yang biasa disebut statistik), misal dalam uji berda 2 rata-rata. Yang akan disebut berbeda signfikan adalah nilai-nilai sampel, sedangkan perbedaan nilai-nilai parameter populasi tidak diketahui Dengan kata lain, kita boleh menyatakan,misalnya, bahwa “ada perbedaan yang bermakna antara nilai rata-rata sampel”. Akan tetapi, kita tidak boleh menyatakan bahwa ‘rata-rata populasi berbeda secara bermakna atau signifikan’, karena pernyataan ini salah (karena memang nilai-nilai populasi tidak diketahui, dan kalau diketahui maka sesungguhnya tidak perlu ada pengujian statistik berdasarkan sampel).Juga, kita tidak pernah tahu apakah rata-rata populasi tersebut berbeda signifikan atau tidak. Yang kita bisa kita lakukan yakni mengungkapkan hipotesis yaitu kedua rata-rata populasi sama besar. 2 2. Signifikansi secara statistik bisa berbeda dengan signifikansi secara substansi Ada kutipan menarik ”statistical test of hypothesis do not necessary determine what is of practical significance. Only person knowledgeable in the area of investigation is qualified to decide that”, dapat dipahami bahwa signifikansi secara statistik tidaklah selalu berarti signifikan secara substansi, karena memang dasar penentuan signifikansi keduanya berbeda. Signifikansi secara statistik itu maksudnya pengujian hipotesis secara prosedur statistik menghasilkan keputusan tolak Ho atau gagal tolak Ho. Sedangkan, signifikansi secara substansi adalah signifikan secara ilmu statistik yang mendasari terjadinya perbedaan antara statistik dengan nilai parameter, yang dihipotesakan (bisa jadi berdasarkan substansi disiplin ilmu tertentu, selain statistika). Dengan kata lain, Ho bisa saja tidak ditolak secara statistik (karena tidak signifikannya perbedaan antara statistik dan nilai parameter), tetapi secara substansi Ho tersebut ditolak,karena perbedaan yang diperoleh antara statistik dan parameter dapat dianggap signifikan. Atau, sebaliknya, H0 bisa saja ditolak secara statistik, dengan kata lain signifikan secara statistik, tetapi secara substansi bisa saja hal tersebut tidaklah signifikan. Dalam analisis regresi, biasa dilakukan pengujian secara statistik terhadap hipotesis nol terhadap koefisien regresi pada populasi sama dengan nil (Ho:Bi=0, untuk variabel independen/bebas ke i). bila ternyata dalam pengujian statistik tidak terjadi penolakan terhadap hipotesis nol ini, maka peneliti cenderung menyatakan tidak adanya hubungan (tentunya secara statistik) antara variabel bebas ke I dengan dependen variabelnya,(Y). Biasanya juga disimpulkan untuk tidak menggunakan variabel ini dalam analisis regresi yang digunakan. Dengan kata lain, hanya variabel dengan koefisien regresi yang bermakna secara statistik yang dipakai dalam regresi. Tindakan seperti ini perlu hati-hati karena 2 hal Pertama, ketidakbermaknaan secara statistik suatu koefisien regresi dari suatu variabel bisa saja terjadi karena ukuran sampel yang digunakan dalam penelitian adalah kecil. Mungkin saja dengan ukuran sampel yang lebih besar, koefisien regresi dari variabel tersebut akan menjadi signifikan secara statistik. Kedua, tidak signifikannya secara statistik sebuah variabel bebas bisa juga terjadi karena adanya fenomena yang disebut dengan istilah multikolinieritas yaitu adanya korelasi antara variabel tersebut dengan variabel independen lainnya. Dengan adanya multikolnieritas tersebut, maka sebagian ‘efek’ dari variabel bebas terhadap Y sudah terjelaskan/terambil oleh variabel lain yang berkorelasi dengan variabel tersebut, sehingga efek variabel tersebut (yang diwakili oleh koefisien regresinya) menjadi tidak signifikan secara statistik. Dengan kata lain, bisa saja secara statistik suatu variabel tidak perlu digunakan di dalam model yang dibuat (karena hasil pengujian koefisien regresinya tidak signifikan secara statistik), tetapi secara teori atau ‘akal sehat’, variabel tersebut masih tetap dipakai di dalam model tersebut karena memang variabel tesebut merupakan sebab dari variabel terikat (dependent variable). Sumber Inspirasi : 1Walpole,Ronald E dan Raymond H Myers. 1995. Ilmu Peluang dan Statistika Untuk Insinyur dan Ilmuan Edisi ke 4. Penerbit ITB : Bandung 2Asra, Abuzar. 2012. Cerdas Menggunakan Statistik Edisi Pertama. Penerbit IN Media : Bogor 3Bain,Lee J dan Max Engerhardt. Introduction to Probability and Mathematical Statistics 2nd Edition. PWS-KENT Publishing Company : Boston |
Apa maksud dari p value dalam anova
Pos Terkait
Copyright © 2024 idkuu.com Inc.
