Anda di halaman 1dari 2

Kemaknaan Statistik

Rossi 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, dan 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 . Dengan rumus-rumus
statistik inferensi dapat dihitung besarnya error. Kalau error-nya lebih kecil daripada 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 posttest 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.

Anda mungkin juga menyukai