EFFECT SIZE

YE YC
SC

= Effect Size
Y E = Rerata Kelompok Percobaan (Experiment)
Y C = Rerata Kelompok Pembanding (Control)
SC = Simpangan Baku Kelompok Pembanding
ES pertama kali diungkapkan di forum internasional tahun 1976 oleh Gene Glass dalam
Seminar Tahunan Asosiasi Psikolog Amerika Serikat.
ES mengukur berapa besar pengaruh suatu variabel terhadap variabel yang lain.
Contoh:
Suatu kelas murid (kelompok E) selalu mengucapkan salam.
Kelas yang lain (kelompok C) tidak melakukannya.
Kedua kelas dilakukan tes dengan soal yang sama.
Rata-rata hasil tes kedua kelas dibandingkan.
Jika nilai ES < 0,3 dianggap rendah
Jika nilai ES antara 0,3 sampai 0,7 dianggap sedang.
Jika nilai ES > 0,7 dianggap tinggi.
ES dapat digunakan untuk membandingkan kejadian sesudah percobaan dengan kejadian
sebelum percobaan.

UKURAN EFEK DALAM LAPORAN HASIL PENELITIAN

Dali S. Naga
Abstract. Many research reports in psychology and education fail to mention the
effect size of their hypothesis testing. They use instead the inappropriate term very
significant while their actual intensions are effect size. As the term reveals, effect size is
the size of whatever effect applied by researchers in their hypothesis testing. APA Task
Force on Statistical Inference recommends that whenever researchers report a
statistically significance effect, they have to provide also a report of the effect size.
Keywords: effect size, hypothesis testing
Pendahuluan
Sangat sedikit buku statistika terapan dan buku metodologi penelitian yang
membahas ukuran efek (effect size) dalam pengujian hipotesis. Di antara buku statistika
yang sedikit itu terdapat buku tulisan Gravetter and Wallnau (2004), buku tulisan
Welkowitz, Ewen, Cohen (1982), dan buku tulisan Shavelson (1996) ketiga-tiganya di
bidang ilmu perilaku. Minium (1978) juga menyinggung ukuran efek namun sangat
samar-samar. Dan di antara buku metodologi penelitian yang sedikit itu terdapat buku
tulisan Isaac dan Michael (1995) yang juga terletak di bidang ilmu perilaku.
Sebenarnya banyak peneliti di bidang psikologi dan pendidikan sangat ingin
melaporkan ukuran efek yang dicapai di dalam penelitian mereka. Namun karena kurang
pemahaman, mereka terjebak pada istilah yang kurang memadai sangat signifikan.
Istilah yang memadai adalah ukuran efek yang dapat diperoleh melalui sedikit
perhitungan dan bukan sangat signifikan. Bahkan menurut panduan yang diterbitkan
oleh APA Task Force tentang inferensi statistik (Gravetter, 2004), ketika peneliti
melaporkan efek signifikansi secara statistika, mereka perlu melaporkan juga ukuran
efeknya (effect size).
Karena jarang ditulis di buku maka ukuran efek tidak banyak dikenal orang.
Sementara itu, APA sendiri mengharapkan peneliti melaporkan ukuran efek setelah
mereka berhasil menguji hipotesis mereka. Untuk itu di sini kita melihat kedua-duanya,
efek signifikansi dan ukuran efek.
Taraf Signifikansi
Di dalam pengujian hipotesis, peneliti mempunyai pilihan untuk menggunakan
data populasi (sensus, enumerasi) atau menggunakan data sampel. Jika peneliti
menggunakan data populasi maka pengujian hipotesis dapat dilakukan secara langsung.
Karena seluruh data sudah dilihat oleh peneliti maka peneliti dapat langsung memutuskan
untuk menerima atau menolak hipotesis tanpa ada embel-embel lagi.
Tetapi jika peneliti menggunakan data sampel maka pengujian hipotesis menjadi
lebih rumit. Sampel hanya merupakan sebagian dari populasi sehingga peneliti hanya

melihat sebagian data populasi. Dengan melihat data sampel atau sebagian data populasi,
peneliti mengambil keputusan tentang populasi. Masalahnya adalah bahwa sampel
mengandung kekeliruan pensampelan, misalnya, dari populasi dengan rerata sama
dengan 5 dapat ditarik sampel dengan rerata sama dengan 3 atau 7. Ini adalah kekeliruan
pensampelan dan kekeliruan pensampelan ini membentuk distribusi probabilitas.
Dengan demikian pengambilan keputusan pada parameter populasi perlu
memperhatikan distribusi probabilitas kekeliruan pensampelan ini. Keputusan tentang
populasi ini mengandung risiko keliru. Agar risko keliru dalam pengambilan keputusan
tentang parameter populasi adalah kecil maka peneliti menentukan bahwa risiko keliru
cukuplah sebesar 0,05 atau 0,01 saja atau bahkan lebih kecil lagi. Risiko keliru inilah
yang dikenal sebagai taraf signifikansi. Karena taraf signifikansi adalah ukuran risiko
keliru dalam pengambilan keputusan maka kata sangat signifikan atau sangat berarti
merupakan kata yang tidak tepat.
Ukuran Efek
Setelah berhasil menguji hipotesis dengan taraf signifikansi tertentu, maka
bahasan selanjutnya adalah ukuran efek. Ukuran efek adalah besarnya efek yang
ditimbulkan oleh parameter yang diuji di dalam pengujian hipotesis. Ukuran efek
bergantung kepada jenis parameter yang diuji. Jika parameter itu adalah perbedaan rerata
dua populasi maka ukuran efek ditentukan oleh seberapa besar perbedaan itu. Jika
parameter itu adalah perbedaan proporsi dua populasi maka ukuran efek ditentukan oleh
seberapa besar perbedaan itu. Jika parameter itu adalah koefisien korelasi maka ukuran
efek ditentukan oleh seberapa besar perbedaan itu. Jadi, apabila peneliti ingin berbicara
tentang besarnya perbedaan rerata atau proporsi atau koefisien korelasi maka istilah yang
tepat adalah ukuran efek dan bukan lagi taraf signifikansi
Ukuran efek pada rerata. Cara yang paling sederhana dan langsung untuk
menghitung ukuran efek pada satu rerata adalah d dari Cohen. Menurut Cohen, ukuran
efek pada rerata adalah selisih rerata yang dinyatakan dalam satuan simpangan baku
Ukuran efek d Cohen = (selisih rerata) / (simpangan baku)
Untuk pengujian hipotesis satu rerata maka (selisih rerata) = (rerata pada H1)
(rerata pada H0). Namun di sini kita mengganti rerata pada H 1 dengan rerata pada sampel
sehingga (selisih rerata) = (rerata sampel) (rerata pada H0). Apabila simpangan baku
populasi diketahui maka simpangan baku yang digunakan adalah simpangan baku
populasi . Tetapi dalam hal simpangan baku populasi tidak diketahui maka simpangan
baku yang digunakan adalah simpangan baku sampel s.
Untuk pengujian hipotesis selisih dua rerata maka (selisih rerata) = (selisih dua
rerata pada H1) (selisih dua rerata pada H0). Namun di sini kita mengganti selisih dua
rerata pada H1 dengan selisih dua rerata pada sampel sehingga (selisih rerata) = (selisih
dua rerata pada sampel) (selisih dua rerata pada H0). Simpangan baku adalah
simpangan baku paduan mereka sp. Dalam hal simpangan baku sampel adalah s1 dan s2
dengan ukuran sampel n1 dan n2 maka sp adalah

sp

( n1 1) s12 ( n2 1) s 22
( n1 1) ( n2 1)

Kriteria yang diusulkan oleh Cohen tentang besar kecilnya ukuran efek adalah
sebagai berikut:
0 < d < 0,2
0,2 < d < 0,8
d > 0,8

Efek kecil (selisih rerata kurang dari 0,2 simpangan baku)

Efek sedang (selisih rerata sekitar 0,5 simpangan baku)
Efek besar (selisih rerata lebih dari 0,8 simpanga baku)

Ukuran efek pada proporsi. Ukuran efek pada proporsi adalah mirip dengan
ukuran efek pada rerata manakala ukuran mereka cukup besar (n > sekitar 20) yakni pada
saat distribusi probabilitas kekeliruan pensampelan pada proporsi mendekati distribusi
probabilitas normal. Ukuran efek d Cohen pada proporsi adalah
Ukuran efek d Cohen = (selisih proporsi) / (simpangan baku)
Untuk satu proporsi, (selisih proporsi) = (proporsi pada H 1) (proporsi pada H0).
Namun di sini proporsi pada H1 kita ganti dengan proporsi pada sampel sehingga (selisih
proporsi) = (proporsi pada sampel) (proporsi pada H0). Simpangan baku dapat
menggunakan nilai simpangan baku proporsi [p(1 p)] atau nilai simpangan baku
maksimumnya yakni sebesar 0,5.
Untuk dua proporsi, (selsisih proporsi) = (selisih dua proporsi pada H1) (selisih
dua proporsi pada H0). Namun di sini selisih dua proporsi pada H1 kita ganti dengan
selisih dua proporsi pada sampel sehingga (selisih proporsi) = (selisih dua proporsi pada
sampel) (selisih dua proporsi pada H0). Simpangan baku adalah simpangan baku
paduan. Untuk selisih proporsi pada X dan Y dengan proporsi sampel p X dan pY serta
ukuran sampel nX dan nY, simpangan baku paduan itu adalah
n X p X nY pY
n X nY

s X sY

n X p X nY pY
n X nY

1
1

n X nY

Kriteria ukuran efek adalah sama dengan kriteria pada ukuran efek rerata.
Ukuran efek pada koefisien korelasi. Ukuran efek pada koefisien korelasi
adalah langsung diperoleh dari koefisien korelasi sampel. Untuk koefisien korelasi di
antara X dan Y ukuran efek adalah
Ukuran efek d Cohen = (selisih koefisien korelasi)
Dalam hal H0 adalah XY = 0 maka (selisih koefisien korelasi) = (koefisien
korelasi sampel). Dalam hal H0 adalah XY = 0 maka (selisih koefisien korelasi) =
(transformsi Fisher dari koefisien korelasi sampel) (transformasi Fisher dari koefisien
korelasi 0). Dalam hal selisih dua koefisien korelasi, misalnya, XY UV maka (selisih

koefisien korelasi) = (transformasi Fisher dari koefisien korelasi XY) (transformsi

Fisher dari koefisien korelasi UV). Rumus transformasi Fisher adalah Z = tanh-1.
Kriteria yang diusulkan oleh Cohen tentang kecil besarnya ukuran efek dalam hal
koefisien korelasi (Shavelson, 1996) adalah
d = sekitar 0,1 adalah efek kecil
d = sekitar 0,3 adalah efek sedang
d = sekitar 0,5 adalah efek besar
Gravetter dan Wallnau (2004) menggunakan koefisien determinasi r2 sebagai
ukuran efek. Dan sebagai kriteria ditentukan
0,01 < r2 < 0,09 adalah efek kecil
0,09 < r2 < 0,25 adalah efek sedang
r2 > 0,25 adalah efek besar
Dengan demikian kecil besarnya hasil pengujian hipotesis tentang koefisien
korelasi hendaknya dilihat dari ukuran efek ini dan bukan dari kecilnya ukuran taraf
signifikansi.
Ukuran efek pada analisis variansi. Ukuran efek pada analisis variansi
ditentukan oleh Jumlah Kuadrat (JK). Pada analisis variansi satu jalan terdapat JKtotal dan
JKantara kelompok. Pada analisis variansi dua jalan dengan efek utama A dan B terdapat JK A,
JKB, JKAxB, dan JKtotal. Ukuran efek (Gravetter and Wallnau, 2004) pada analisis variansi
adalah
Analisis variansi satu jalan

2
A

Analsis variansi dua jalan

B2

JK antara kelompok
JK total

JK total

JK A
JK B JK AxB

JK total

JK B
JK A JK AxB

2
AxB

JK total

JK AxB
JK A JK B

Ukuran efek pada ketergantungan. Ketergantungan di antara dua variabel dapat

diuji melalui statistika khi-kuadrat. Apabila hipotesis nol berhasil ditolak maka kita
menentukan ukuran efek dari ketergantungan itu. Ada banyak ukuran efek
ketergantungan yang dapat kita gunakan. Satu di antaranya adalah koefisien Cramer
V

2
n

dengan n sebagai ukuran sampel dan sebagai derajat kebebasan (Gravetter and Wallnau,
2004). Menurut kriteria Cohen, ukuran efek dari ketergantungan ini dipengaruhi oleh
derajat kebebasan yakni
Untuk derajat kebebasan = 1

0,10 < V < 0,30 efek kecil

0,30 < V < 0,50 efek sedang
V > 0,50 efek besar

Untuk derajat kebebasan = 2

0,07 < V < 0,21 efek kecil

0,21 < V < 0,35 efek sedang
V > 0,35 efek besar

Untuk derajat kebebasan = 3

0,06 < V < 0,17 efek kecil

0,17 < V < 0,29 efek sedang
V > 0,29 efek besar

Dengan demikian kekuatan keterantungan Cramer dapat digunakan sebagai

ukuran efek dari ketergantungan itu.
Penutup
Taraf signifikansi pada pengujian hipotesis hanya menggambarkan besarnya
risiko keliru pada pengambilan keputusan untuk menolak hipotesis H 0 dan sama sekali
tidak menggambarkan berapa besar efek dari parameter yang diuji. Besarnya efek
parameter yang diuji termasuk selisih di antara parameter ditentukan oleh ukuran efek.
Cohen telah merekomendasikan kriteria ukuran efek kecil, sedang, dan besar. Ukuran
efek inilah yang sebaiknya dilaporkan pada hasil pengujian hipotesis. Dalam hal ini APA
juga merekomendasikan pelaporan ukuran efek dalam pengujian hipotesis.
Daftar Pustaka
Gravetter, F. J. and Wallnau, L.B.(2004). Statistics for the behavioral sciences. Sixth
edition. Belmont, CA: Wadsworth/Thomson.
Isaac, S and Michael, W.B. (1995). Handbook in research and evaluation for education
and the behavioral sciences. Third edition. San Diego, CA: Educational and
Industrial Testing Services.
Minium, E.W. (1978). Statistical reasoning in psychology and education. New York:
John Wiley & Sons.
Shavelson, R.J. (1996). Statistical reasoning for the behavioral sciences. Third edition.
Boston: Allyn and Bacon.

Welcowitz, J., Ewen, R.B., and Cohen, J. (1982). Introductory statistics for the
behavioral sciences. Third edition. Orlando, Florida: Harcourt, Brace Jovanovich,
Inc.