Signifikansi Statistik | Finansial 2022

Apa Signifikansi Statistik?

Signifikansi statistik mengacu pada klaim bahwa hasil dari data yang dihasilkan oleh pengujian atau eksperimen tidak mungkin terjadi secara acak atau kebetulan tetapi cenderung dikaitkan dengan penyebab tertentu. Memiliki signifikansi statistik penting untuk disiplin ilmu atau praktisi yang sangat bergantung pada analisis data dan penelitian, seperti ekonomi, keuangan, investasi , kedokteran , fisika, dan biologi.

Signifikansi statistik dapat dianggap kuat atau lemah. Saat menganalisis kumpulan data dan melakukan pengujian yang diperlukan untuk melihat apakah satu atau lebih variabel berpengaruh pada hasil, signifikansi statistik yang kuat membantu mendukung fakta bahwa hasil itu nyata dan bukan disebabkan oleh keberuntungan atau kebetulan. Secara sederhana, jika nilai p kecil maka hasilnya dianggap lebih dapat diandalkan.

Masalah muncul dalam pengujian signifikansi statistik karena peneliti biasanya menangani sampel dari populasi yang lebih besar dan bukan populasi itu sendiri. Akibatnya, sampel harus mewakili populasi, sehingga data yang terdapat dalam sampel tidak boleh bias dengan cara apa pun. Dalam sebagian besar ilmu, termasuk ekonomi, signifikansi statistik relevan jika klaim dapat dibuat pada tingkat 95% (atau terkadang 99%).

Memahami Signifikansi Statistik

Penghitungan signifikansi statistik (pengujian signifikansi) tunduk pada tingkat kesalahan tertentu. Peneliti harus menentukan terlebih dahulu kemungkinan kesalahan pengambilan sampel , yang ada dalam pengujian apa pun yang tidak mencakup seluruh populasi.

Ukuran sampel adalah komponen penting dari signifikansi statistik karena sampel yang lebih besar tidak terlalu rentan terhadap cacing. Hanya sampel acak dan representatif yang harus digunakan dalam pengujian signifikansi. Tingkat di mana seseorang dapat menerima apakah suatu peristiwa signifikan secara statistik dikenal sebagai tingkat signifikansi.

Peneliti menggunakan statistik uji yang dikenal sebagai nilai p untuk menentukan signifikansi statistik: jika nilai p berada di bawah tingkat signifikansi, maka hasilnya signifikan secara statistik. Nilai p adalah fungsi sarana dan deviasi standar dari sampel data.

Nilai-p menunjukkan probabilitas di mana hasil statistik tertentu terjadi, dengan asumsi hanya ada peluang yang bertanggung jawab untuk hasil tersebut. Jika probabilitas ini kecil, maka peneliti dapat dengan aman mengatur peluang kita sebagai penyebabnya. Nilai p harus berada di bawah tingkat signifikansi agar hasil setidaknya dianggap signifikan secara statistik.

Kebalikan dari tingkat signifikansi, yang dihitung sebagai 1 dikurangi tingkat signifikansi, adalah tingkat kepercayaan. Ini menunjukkan tingkat kepercayaan bahwa hasil statistik tidak terjadi secara kebetulan atau karena kesalahan pengambilan sampel. Tingkat kepercayaan biasa dalam banyak uji statistik adalah 95 persen, yang mengarah ke tingkat signifikansi biasa atau nilai-p 5 persen.

Poin-poin penting

Signifikansi statistik mengacu pada klaim bahwa hasil dari data yang dihasilkan oleh pengujian atau eksperimen cenderung dikaitkan dengan penyebab tertentu.
Jika statistik memiliki signifikansi tinggi, maka statistik tersebut dianggap lebih dapat diandalkan.
Penghitungan signifikansi statistik tunduk pada tingkat kesalahan tertentu.
Signifikansi statistik dapat disalahartikan ketika peneliti tidak menggunakan bahasa secara hati-hati dalam melaporkan hasil mereka.
Beberapa jenis uji signifikansi digunakan tergantung pada penelitian yang dilakukan

Pertimbangan Khusus

Signifikansi statistik tidak selalu menunjukkan signifikansi praktis, yang berarti hasil tidak dapat diterapkan pada situasi bisnis dunia nyata. Selain itu, signifikansi statistik dapat disalahartikan ketika peneliti tidak menggunakan bahasa secara hati-hati dalam melaporkan hasil mereka. Karena suatu hasil signifikan secara statistik tidak berarti bahwa itu tidak acak, hanya saja kemungkinannya menjadi acak sangat berkurang.

Hanya karena dua seri data memiliki korelasi yang kuat satu sama lain tidak berarti penyebab. Misalnya, jumlah film yang dibintangi aktor Nicolas Cage pada tahun tertentu sangat berkorelasi dengan jumlah tenggelam yang tidak disengaja di kolam renang. Tetapi korelasi ini palsu karena tidak ada klaim kausal teoritis yang dapat dibuat.

Masalah lain yang mungkin timbul dengan signifikansi statistik adalah data masa lalu, dan hasil dari data tersebut, apakah signifikan secara statistik atau tidak, mungkin tidak mencerminkan kondisi yang sedang berlangsung atau yang akan datang. Dalam berinvestasi, ini dapat memanifestasikan dirinya dalam model penetapan harga yang rusak selama masa krisis keuangan karena korelasi berubah dan variabel tidak berinteraksi seperti biasa. Signifikansi statistik juga dapat membantu investor membedakan apakah satu model penetapan harga aset lebih baik dari yang lain.

Jenis Uji Signifikansi Statistik

Beberapa jenis uji signifikansi digunakan tergantung pada penelitian yang dilakukan. Misalnya, pengujian dapat digunakan untuk satu, dua, atau lebih sampel data dengan berbagai ukuran untuk rata-rata, varians, proporsi, data berpasangan atau tidak berpasangan, atau distribusi data yang berbeda.

Hipotesis Nol

Semua faktor ini memiliki apa yang disebut hipotesis nol , dan signifikansi sering kali menjadi tujuan pengujian hipotesis dalam statistik. Hipotesis nol yang paling umum adalah parameter yang dimaksud sama dengan nol (biasanya menunjukkan bahwa variabel memiliki pengaruh nol pada hasil yang diinginkan). Jika Anda dapat menolak hipotesis nol dengan keyakinan 95 persen atau lebih baik, peneliti dapat menggunakan signifikansi statistik. Hipotesis nol juga dapat diuji untuk kesetaraan (bukan sama dengan nol) efek untuk dua atau lebih pengobatan alternatif — misalnya, antara obat dan plasebo dalam uji klinis.

Penolakan hipotesis nol, bahkan jika tingkat signifikansi statistik yang sangat tinggi tidak pernah dapat membuktikan sesuatu, hanya dapat menambah dukungan pada hipotesis yang ada. Di sisi lain, kegagalan untuk menolak hipotesis nol sering menjadi alasan untuk penolakan hipotesis.

Sebuah uji signifikansi statistik berbagi banyak matematika yang sama seperti yang menghitung interval kepercayaan. Dalam situasi umum, cara untuk menafsirkan signifikansi statistik adalah interval kepercayaan 95 persen yang sesuai tidak mengandung nilai nol. Sekalipun suatu variabel ditemukan signifikan secara statistik, variabel itu tetap masuk akal di dunia nyata.

Selain itu, suatu pengaruh dapat menjadi signifikan secara statistik tetapi hanya memiliki pengaruh yang sangat kecil. Misalnya, mungkin sangat kecil kemungkinannya karena perusahaan yang menggunakan tisu toilet dua lapis di kamar mandi mereka memiliki karyawan yang lebih produktif, tetapi peningkatan produktivitas absolut setiap pekerja cenderung sangat kecil.