P-value adalah angka paling disalahpahami dalam sains. Banyak mahasiswa mengira p < 0.05 berarti “Hipotesis Saya Benar 95%”. Itu salah besar. Panduan ini meluruskan definisi, cara baca, dan miskonsepsi fatal yang bisa merusak skripsi Anda.
Kembali ke Peta
❓ Apa Itu P-Value? (Analogi Koin Ajaib)
🤔 Definisi Sederhana
P-value adalah probabilitas mendapatkan hasil data se-ekstrem atau lebih ekstrem dari yang Anda amati, JIKA hipotesis nol (H₀) benar.
Bayangkan teman Anda punya koin yang dia klaim “adil” (H₀: peluang kepala = 50%).
Anda melempar 10 kali, dan hasilnya 10 kali Kepala semua.
Pertanyaan: “Jika koin ini benar-benar adil (H₀ benar), seberapa besar peluang kejadian aneh (10 Kepala) ini terjadi?”
Jawabannya: Sangat kecil (sekitar 0.001).
Karena peluangnya sangat kecil (p-value rendah), Anda menjadi curiga dan menolak klaim teman Anda bahwa koin itu adil. Anda menyimpulkan: “Koin ini curang!”
📊 Aturan Main
- P-value KECIL (≤ 0.05) → Data sangat aneh jika H₀ benar → Tolak H₀ (Signifikan).
- P-value BESAR (> 0.05) → Data wajar saja jika H₀ benar → Gagal Tolak H₀ (Tidak Signifikan).
🚫 Miskonsepsi Fatal (Jangan Sampai Salah!)
❌ Apa yang BUKAN P-Value
Banyak peneliti pemula terjebak di sini. Hafalkan ini:
- ❌ Probabilitas bahwa H₀ benar.
- ❌ Probabilitas bahwa hasil Anda terjadi karena kebetulan.
- ❌ Ukuran besaran efek (effect size).
- ❌ Bukti kebenaran mutlak (100% pasti).
P-value hanya mengukur inkompatibilitas antara data Anda dan model H₀. P-value kecil berarti “Data ini tidak cocok dengan H₀”, bukan “H₁ pasti benar”.
⚠️ Paradoks Sampel Besar (Jebakan Batman!)
🤔 Signifikan ≠ Penting
Dengan sampel yang sangat besar (misal: n = 10.000), perbedaan yang sangat sepele (misal: penurunan tekanan darah 0,1 mmHg) bisa menghasilkan p-value < 0.001 (sangat signifikan).
🧪 Buktikan Sendiri: Geser slider sampel ke 10.000 di Lab Zona C (Tab Paradoks P-Value) dan lihat bagaimana efek sepele pun jadi “signifikan”!
🔄 Satu Arah vs Dua Arah
🤔 Kapan Pakai yang Mana?
- Dua Arah (Two-Tailed): “Apakah ada perbedaan?” (Bisa lebih besar ATAU lebih kecil). Ini standar default yang aman.
- Satu Arah (One-Tailed): “Apakah X > Y?” (Hanya peduli satu arah). Lebih sensitif (power tinggi), tapi berisiko jika tebakan arah Anda salah.
💡 Tips: Gunakan dua arah kecuali Anda punya alasan teori yang sangat kuat untuk mengabaikan arah sebaliknya.
Materi Sebelumnya
← Konsep Uji StatistikLanjut ke Materi Berikutnya
Parametrik vs Non-Param →