1

BAB I
PENDAHULUAN

Setelah berhasil menguji hipotesis dengan taraf signifikansi tertentu, maka bahasan
selanjutnya adalah ukuran efek Ukuran efek (effect size) adalah ukuran kekuatan hubungan
antara dua variabel dalam suatu populasi statistik. Ketika dari hasil uji hipotesa terdapat suatu
perbedaan signifikan secara statistik, hal ini tidak berarti bahwa perbedaan itu besar, penting atau
menolong dalam membuat keputusan. Untuk mengetahui jika suatu perbedaan tidak hanya
bermakna secara statistik tetapi juga penting atau berarti, dibutuhkan menghitung ukuran efek.
1,2

Ada banyak cara untuk menghitung ukuran efek bergantung pada desain evaluasi yang
digunakan. Umumnya, ukuran efek dihitung dengan mengambil perbedaan diantara dua grup
(misalnya mean kelompok kasus dikurang mean kelompok kontrol) dan dibagi dengan standar
deviasi salah satu kelompok.
3

Ketika berdasarkan penghitungan ukuran efek diperoleh nilai maka akan
diinterpretasikan apakah efek kecil, sedang atau besar sehingga dapat membantu dalam membuat
keputusan dalam bidang kesehatan.
3















2

BAB II
ISI

2.1 Definisi dan Manfaat Ukuran Efek
Dalam statistik, ukuran efek (effect size) adalah ukuran kekuatan hubungan antara dua
variabel dalam suatu populasi statistik. Ukuran efek dihitung dari data, adalah suatu statistik
deskriptif yang menyampaikan besarnya perkiraan hubungan tanpa membuat suatu pernyataan
apakah hubungan yang tampak dalam data mencerminkan hubungan yang sebenarnya dalam
populasi. Dengan jalan demikian, ukuran efek pelengkap statistik inferensial seperti p-value.
1
Untuk mengetahui jika suatu perbedaan tidak hanya bermakna secara statistik tetapi juga penting
atau berarti, dibutuhkan untuk menghitung ukuran efek.
3
Konsep ukuran efek telah terlihat dalam bahasa sehari-hari. Misalnya, suatu program
penurunan berat badan menyatakan bahwa program tersebut dapat mengurangi berat badan rata-
rata 30 pon. Pada kasus ini, 30 pon adalah indikator tuntutan ukuran efek. Contoh yang lain
adalah suatu program belajar menyatakan dapat meningkatkan prestasi sekolah satu peringkat,
maka peningkatan peringkat ini adalah tuntutan ukuran efek. Kedua contoh ini adalah ukuran
efek absolut yang maksudnya menyampaikan perbedaan rata-rata dua kelompok tanpa
memperhatikan variabilitas dalam satu kelompok. Contohnya, jika program penurunan berat
badan menghasilkan penurunan berat badan rata-rata 30 pon, kita tidak tahu apakah setiap
partisipan turun 30 pon, atau setengah dari partisipan turun 60 pon dan setengah partisipan tidak
turun sama sekali.
1
Ketika suatu perbedaan signifikan secara statistik, hal ini tidak berarti bahwa perbedaan
itu besar, penting atau menolong dalam membuat keputusan. Hanya menyatakan bahwa dapat
dipercaya ada perbedaan. Misalnya, dilakukan evaluasi efek aktifitas EE pada pengetahuan
pelajar dengan pre dan posttest. Skor rata-rata dari 100 siswa adalah 83 sementara skor rata-rata
posttest adalah 84. Walaupun bahwa perbedaan skor secara statistik signifikan, perbedaannya
sangat sedikit, program tidak memastikan adanya peningkatan pengetahuan pelajar yang berarti.
3
Melaporkan ukuran efek dipertimbangkan sebagai cara yang baik untuk menampilkan
temuan penelitian empiris di berbagai bidang. Laporan ukuran efek memfasilitasi interpretasi
yang sebenarnya, ketika signifikansi hasil penelitian berlawanan sengan statistik. Ukuran efek
3

paling utama digunakan dalam penelitian sosial dan medis. Ukuran efek relatif dan absolut
menyampaikan informasi yang berbeda, dan dapat digunakan melengkapi.
1


2.2 Jenis 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 rerata itu. Jika parameter itu adalah perbedaan proporsi dua populasi maka ukuran
efek ditentukan oleh seberapa besar perbedaan proporsi 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.
2
Ada banyak cara untuk menghitung ukuran efek bergantung pada desain evaluasi yang
digunakan. Umumnya, ukuran efek dihitung dengan mengambil perbedaan diantara dua grup
(misalnya mean kelompok kasus dikurang mean kelompok kontrol) dan dibagi dengan standar
deviasi salah satu kelompok. Misalnya, dari evaluasi pada kelompok yang diberi pengobatan dan
kelompok kontrol, ukuran efeknya adalah perbedaan mean antara kedua kelompok dibagi dengan
standar deviasi kelompok kontrol. Sebagai interpretasinya sering digunakan petunjuk umum
yang dikembangkan oleh Cohen
3
:
- < 0,1 = trivial effect
- 0,1-0,3 = small effect
- 0,3-0,5 = moderate effect
- >0,5 = large effect

Jenis ukuran efek:
- Korelasi Pearson r
- Ukuran efek berdasarkan mean :
o Cohens g
o Glasss
o Hedges
- Cramer
4

- Odds ratio
- Resiko relatif

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 (mean) yang dinyatakan dalam satuan simpangan baku (standart deviasi).
2

Ukuran efek d Cohen = (selisih rerata) / (simpangan baku)

Untuk pengujian hipotesis satu rerata maka (selisih rerata) = (rerata pada H
1
) (rerata
pada H
0
)
.
Namun di sini kita mengganti rerata pada H
1
dengan rerata pada sampel sehingga
(selisih rerata) = (rerata sampel) (rerata pada H
0
). Apabila simpangan baku populasi diketahui
maka simpangan baku yang digunakan adalah simpangan baku populasi o. Tetapi dalam hal
simpangan baku populasi tidak diketahui maka simpangan baku yang digunakan adalah
simpangan baku sampel s.
2

Untuk pengujian hipotesis selisih dua rerata maka (selisih rerata) = (selisih dua rerata
pada H
1
) (selisih dua rerata pada H
0
). Namun di sini kita mengganti selisih dua rerata pada H
1

dengan selisih dua rerata pada sampel sehingga (selisih rerata) = (selisih dua rerata pada sampel)
(selisih dua rerata pada H
0
). Simpangan baku adalah simpangan baku paduan mereka s
p
. Dalam
hal simpangan baku sampel adalah s
1
dan s
2
dengan ukuran sampel n
1
dan n
2
maka s
p
adalah


) ( ) (
) ( ) (
1 1
1 1
2 1
2
2 2
2
1 1
+
+
=
n n
s n s n
s
p


Kriteria yang diusulkan oleh Cohen tentang besar kecilnya ukuran efek adalah sebagai
berikut:
0 < d < 0,2 Efek kecil (selisih rerata kurang dari 0,2 simpangan baku)
0,2 < d < 0,8 Efek sedang (selisih rerata sekitar 0,5 simpangan baku)
d > 0,8 Efek besar (selisih rerata lebih dari 0,8 simpanga baku)

5

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.
2

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 H
0
). Namun
di sini proporsi pada H
1
kita ganti dengan proporsi pada sampel sehingga (selisih proporsi) =
(proporsi pada sampel) (proporsi pada H
0
). Simpangan baku dapat menggunakan nilai
simpangan baku proporsi \[p(1 p)] atau nilai simpangan baku maksimumnya yakni sebesar
0,5.
2
Untuk dua proporsi, (selsisih proporsi) = (selisih dua proporsi pada H
1
) (selisih dua
proporsi pada H
0
). Namun di sini selisih dua proporsi pada H
1
kita ganti dengan selisih dua
proporsi pada sampel sehingga (selisih proporsi) = (selisih dua proporsi pada sampel) (selisih
dua proporsi pada H
0
). Simpangan baku adalah simpangan baku paduan. Untuk selisih proporsi
pada X dan Y dengan proporsi sampel p
X
dan p
Y
serta ukuran sampel n
X
dan n
Y
, simpangan baku
paduan itu adalah
2
:


Y X Y X
Y Y X X
Y X
Y Y X X
s s
n n n n
p n p n
n n
p n p n
Y X
1 1
1 +
|
|
.
|

\
|
+
+

|
|
.
|

\
|
+
+
=

o

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
2
:

Ukuran efek d Cohen = (selisih koefisien korelasi)

6

Dalam hal H
0
adalah
XY
= 0 maka (selisih koefisien korelasi) = (koefisien korelasi
sampel). Dalam hal H
0
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
.
2
Kriteria yang diusulkan oleh Cohen tentang kecil besarnya ukuran efek dalam hal
koefisien korelasi 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 menggunakan koefisien determinasi r
2
sebagai ukuran efek. Dan
sebagai kriteria ditentukan

0,01 < r
2
< 0,09 adalah efek kecil
0,09 < r
2
< 0,25 adalah efek sedang
r
2
> 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.
2

Ukuran efek pada analisis variansi. Ukuran efek pada analisis variansi ditentukan oleh
Jumlah Kuadrat (JK). Pada analisis variansi satu jalan terdapat JK
total
dan JK
antara kelompok
. Pada
analisis variansi dua jalan dengan efek utama A dan B terdapat JK
A
, JK
B
, JK
AxB
, dan JK
total
.
Ukuran efek pada analisis variansi adalah
2
:

Analisis variansi satu jalan
total
kelompok antara
JK
JK
=
2
q

7


Analsis variansi dua jalan
B A total
AxB
AxB
AxB A total
B
B
AxB B total
A
JK JK JK
JK
JK JK JK
JK
JK JK JK
JK
A

=

=

=
2
2
2
q
q
q

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.
2


v
_
n
V
2
=

dengan n sebagai ukuran sampel dan v sebagai derajat kebebasan. Menurut kriteria Cohen,
ukuran efek dari ketergantungan ini dipengaruhi oleh derajat kebebasan yakni
2
:

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 ketergantungan Cramer dapat digunakan sebagai ukuran efek
dari ketergantungan itu.
2
8

BAB III
KESIMPULAN

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. Hasil uji hipotesa yang bermakna secara statistik,
yaitu adanya perbedaan mean, proporsi atau yang lainnya tidak dapat menyimpulkan bahwa
perbedaan itu bermakna dalam keadaan yang sebenarnya, sehingga diperlukan ukuran efek.
Dimana ukuran efek akan menggambarkan kekuatan hubungan antara dua variabel tersebut.
Besarnya efek parameter yang diuji termasuk selisih di antara parameter ditentukan oleh ukuran
efek. Cohen telah merekomendasikan kriteria ukuran efek kecil, sedang, dan besar.




















9

DAFTAR PUSTAKA
1. Effect Size. Available from: http://en.wikipedia.org/wiki/Effect_size
2. Dali. Ukuran Efek dalam Suatu Penelitian. Available from:
http://dali.staff.gunadarma.ac.id/Publications/files/399/4861-aARCHE.doc [Accesed june
2011]
3. Power Analysis, Statistical Significance and Effect size. Available from:
http://meera.snre.umich.edu [Accesed June 2011]