Kemaknaan StatistikRossi Sanusi (24 Desember 2012)

Kata “statistik” pada ungkapan “kemaknaan statistik” mengartikan angka atau gambar peringkas pada sampel. Angka peringkas (AP) dapat berupa AP pemusatan (Mean, modus, median), AP penyebaran (range, inter-quartile range, SD), AP selisih (selisih Mean, selisih proporsi) dan AP hubungan (koefisien korelasi). Gambar peringkas dapat berupa histogram, polygon, pie diagram dsb. Teknik-teknik meringkas dapat dilihat di pustaka  statistik diskripsi. Penggunaan kata “statistik” yang kedua ini menunjukkan “ilmu statistik”.

Angka peringkas pada populasi disebut “parameter”, yang biasanya dinyatakan dengan huruf Yunani. Misalnya, μ dan δ adalah, berturut-turut, Mean dan d (selisih) pada populasi. Dengan menggunakan teknik-teknik statistik diskripsi, data dari suatu sampel yang dipilih tanpa bias (i.e., secara random) dapat diringkas menjadi statistik yang mewakili parameter terkait. Namun pemilihan sampel tanpa bias tidak menjamin sepenuhnya bahwa statistik-statistik yang dihasilkan akan mewakili parameter-parameter terkait. Sampling Error (kesalahan sampling yang tidak disengaja) mungkin terjadi. Dugaan bahwa sampling error terlalu besar (sehingga statistik tidak mewakili parameter) dinyatakan dengan hipotesis statistik nol (H0) dan batas untuk menetapkan sampling error kecil/terlampau besar dinyatakan dengan α. Dengan rumus-rumus statistik inferensi dapat dihitung besarnya error. Kalau error-nya lebih kecil daripada α peneliti dapat menolak H0 dan menginferensi bahwa statistik yang diperoleh pada sampel mewakili parameter yang bersangkutan. Teknik-teknik menginferensi dapat dilihat di pustaka statistik inferensi.

Hasil penelitian yang “bermakna secara statistik” hanya menunjukkan bahwa statistik yang dihasilkan pada sampel mewakili parameter populasi. Statistik tersebut dapat saja tidak bermakna secara praktis. Misalnya, koefisien korelasi (r) atau selisih Mean (d) yang terlampau kecil (tidak bermakna secara praktis). Batas kemaknaan secara praktis sebaiknya disebutkan pada hipotesis penelitian. Misalnya, “Ada hubungan yang bermakna antara X dan Y (r ≥ rmin; rmin = 0.80)”; atau, “Subyek-subyek yang mendapat intervensi X1 akan menunjukkan Mean hasil post-test O yang lebih besar secara bermakna dibandingkan subyek-subyek yang mendapat intervensi X0 (d ≥ dmin; dmin = 10)”. Hipotesis penelitian yang mengandung batas kemaknaan praktis (contoh, rmin atau dmin) diperlukan pada penelitian korelasi atau intervensi, yang dilakukan pada populasi maupun pada sampel. Sedangkan hipotesis statistik (yang mengandung batas kemaknaan statistik) hanya diperlukan pada penelitian yang dilakukan pada sampel. Kemaknaan statistik dapat  dicapai dengan memperbesar besar sampel (n). Kemaknaan praktis dapat dicapai dengan kerangka konsep dan rancangan penelitian yang valid.

Letak hipotesis penelitian dan hipotesis statistik di naskah (proposal) tesis dan disertasi juga berbeda. Hipotesis penelitian diletakkan di akhir Bab II, setelah kerangka teori dan kerangka konsep, sebagai hasil dari telaah pustaka. Sedangkan hipotesis statistik diletakkan di Bab III (Metoda Penelitian) di sub-bab Metoda Pengumpulan Data, jika peneliti mengumpulkan data pada sampel yang dipilih tanpa bias. Hipotesis statistik tidak diperlukan jika peneliti mengumpulkan data pada populasi. Hipotesis statistik juga tidak ada gunanya jika ada sampling

bias, yaitu jika unit-unit pengamatan/analisis tidak dipilih secara acak untuk menjadi anggota sampel.

Rujukan

The reporting of statistics in medical educational studies: an observational study. Norman A Desbiens BMC Medical Research Methodology 2007, 7:35 (20 July 2007). Abstract | Full text | PDF | PubMed

Heed the data when results are not significant . Detail Only Available By: Hewitt, Catherine; Mitchell, Natasha; Torgerson, David. BMJ: British Medical Journal (International Edition). 1/5/2008, Vol. 336 Issue 7634, p23-25. 3p. 2 Charts.