Interpretasi Hasil Analisis

Sebelas chapter sebelumnya memperlengkapi kita dengan teknik: memprofil satu kolom, menyilang dua kolom, memodelkan angka dan peluang, menguji kelompok dan kategori, lalu mengunci rencana dan menguji keandalannya. Peralatan itu menghasilkan angka; tetapi keputusan tidak diambil atas angka — keputusan diambil atas makna. Di sinilah babak terakhir yang paling mudah diremehkan: laporan yang salah hampir selalu bukan karena hitungannya keliru, melainkan karena tafsirnya melampaui apa yang bisa dijamin datanya. Pada chapter penutup Section ini kita melatih tiga keterampilan tafsir: membedakan signifikansi statistik dari besaran praktis, membaca hasil di tengah ketidakpastian dan konteks bisnis, lalu memilih bahasa laporan yang tepat — tidak melampaui bukti, juga tidak ragu-ragu tanpa alasan.

Signifikan Secara Statistik, Belum Tentu Penting Secara Praktis #

p-value menjawab satu pertanyaan yang sempit: seberapa konsisten hasil ini dengan ulir acak semata. Ia tidak menjawab seberapa besar hasilnya dan tidak menjawab apakah hasilnya bernilai — dua hal yang justru ditunggu pengambil keputusan. Dampaknya mudah didemokan. Tim marketing Toko Kopi Kita menguji varian pesan promosi baru terhadap pesan lama, dengan metrik nilai transaksi (ribu rupiah). Eksperimen daring mengumpulkan 5.000 transaksi per varian; uji coba di satu toko hanya menghimpun 20 transaksi per varian. Kedua simulasi berikut deterministik berkat benih tetap:

import numpy as np
from scipy import stats

rng = np.random.default_rng(42)

# Eksperimen daring: 5.000 transaksi per varian, selisih kecil
daring_a = rng.normal(43.0, 10, 5000)
daring_b = rng.normal(43.5, 10, 5000)

# Uji coba toko: 20 transaksi per varian, selisih besar
toko_a = rng.normal(43.0, 10, 20)
toko_b = rng.normal(48.0, 10, 20)

for label, a, b in [("Daring n=5000", daring_a, daring_b),
                    ("Toko   n=20  ", toko_a, toko_b)]:
    hasil = stats.ttest_ind(b, a)
    d = (b.mean() - a.mean()) / np.sqrt((a.std() ** 2 + b.std() ** 2) / 2)
    print("%s selisih %+5.2f ribu | t=%5.2f p=%.4f | Cohen's d=%.2f"
          % (label, b.mean() - a.mean(), hasil.statistic, hasil.pvalue, d))

Output yang Dihasilkan:

Daring n=5000 selisih +0.69 ribu | t= 3.44 p=0.0006 | Cohen's d=0.07
Toko   n=20   selisih +3.80 ribu | t= 1.29 p=0.2046 | Cohen's d=0.42

Mari kita baca saksama kedua baris itu:

1. Eksperimen daring menghasilkan p=0.0006 — jauh di bawah ambang 0,05, seolah temuan yang sangat meyakinkan. Tetapi selisihnya hanya 690 rupiah per transaksi, sekitar 1,6% dari nilai rata-rata 43 ribu, dengan Cohen’s d 0,07 yang tergolong efek sangat kecil. Pada sampel sebesar itu, hampir semua selisih — sekecil apa pun — akan tampak signifikan.
2. Uji coba toko memperlihatkan kebalikannya: selisih 3.800 rupiah (hampir 9%) dengan d=0,42 tergolong efek menengah, tetapi p=0.2046 belum cukup meyakinkan pada 40 transaksi. Kesimpulan yang benar bukan “tidak ada efek”, melainkan “efek sebesar ini belum terbukti dengan data sesedikit ini”.
3. Kolom p dan kolom d menjawab pertanyaan berbeda — satu soal kebetulan, satu soal besaran — dan laporan yang layak selalu memuat keduanya. Pembahasan lengkapnya ada di chapter Ukuran Efek dan p-value .

Ketidakpastian dan Ambang Praktis #

Besaran dan signifikansi pun belum menuntup keputusan; kita perlu tahu seberapa pasti selisih itu dan diukur terhadap apa. Interval kepercayaan menjawab yang pertama, ambang praktis menjawab yang kedua. Kita hitung interval kepercayaan 95% untuk selisih eksperimen daring:

import numpy as np
from scipy import stats

rng = np.random.default_rng(42)
daring_a = rng.normal(43.0, 10, 5000)
daring_b = rng.normal(43.5, 10, 5000)

hasil = stats.ttest_ind(daring_b, daring_a)
selisih = daring_b.mean() - daring_a.mean()
galat = np.sqrt(daring_a.var(ddof=1) / len(daring_a) + daring_b.var(ddof=1) / len(daring_b))
t_kritis = stats.t.ppf(0.975, len(daring_a) + len(daring_b) - 2)

print("Selisih rata-rata       : %+.2f ribu rupiah" % selisih)
print("Galat standar           : %.3f ribu" % galat)
print("95%% interval kepercayaan: %+.2f sampai %+.2f ribu" % (selisih - t_kritis * galat, selisih + t_kritis * galat))

Output yang Dihasilkan:

Selisih rata-rata       : +0.69 ribu rupiah
Galat standar           : 0.201 ribu
95% interval kepercayaan: +0.30 sampai +1.09 ribu

Bedah singkatnya: galat adalah galat standar selisih dua rata-rata — akar dari penjumlahan ragam tiap kelompok dibagi ukurannya — dan stats.t.ppf(0.975, ...) mengambil nilai t kritis dua sisi pada taraf 95%; selisih ditambah-dikurangi t_kritis * galat membentuk intervalnya. Pembacaan untuk keputusan: selisih kedua varian berada di antara 300 dan 1.090 rupiah per transaksi. Sekarang masuk konteks: penerapan varian baru menuntut voucher 2.000 rupiah per transaksi. Batas atas interval pun — 1.090 rupiah — masih di bawah biaya 2.000 rupiah, sehingga keputusan yang masuk akal adalah menolak varian baru meskipun p-value-nya 0,0006. Signifikansi tidak pernah menutup pertanyaan “layak atau tidak”; pertanyaan itu dijawab dengan mempertemukan angka, ketidakpastiannya, dan konteks biayanya.

Empat Pertanyaan Sebelum Melaporkan #

Kedua contoh di atas bisa diringkas menjadi daftar periksa yang berlaku untuk hasil analisis mana pun — regresi, uji kelompok, segmen, model peluang:

Bahasa Laporan: Presisi Tanpa Keberanian Melampaui Data #

Empat pertanyaan itu kemudian diucapkan dalam kalimat, dan di sinilah laporan sering melenceng. Tabel berikut memasangkan pernyataan yang terlalu berani dengan versi yang tetap peduli namun setia pada data — semuanya diambil dari hasil-hasil Section ini:

Pola tabelnya konsisten: sebut angka beserta satuan, sebut ketidakpastiannya, sebut batas berlakunya, dan pilih kata kerja yang sesuai — “berkaitan dengan” untuk asosiasi, “terbukti” hanya untuk eksperimen terkendali sebagaimana dilatih pada analisis konfirmasi.

Kesalahan Interpretasi yang Paling Sering Muncul #

Lima kekeliruan berikut muncul berulang di banyak laporan, dan semuanya sudah kita lengkapi penangkalnya di chapter-chapter sebelumnya:

1. Korelasi dibaca sebab-akibat. r=0,996 pun bisa lahir dari confounder — tiket museum dan kopi susu di chapter korelasi. Sebab-akibat menuntut desain eksperimen, bukan angka asosiasi yang lebih tinggi.
2. p-value dibaca sebagai peluang hipotesis nol benar. p=0,2046 bukan “peluang 20% efeknya kosong”; p-value mengukur peluang melihat hasil sejauh itu bila hipotesis nol benar.
3. Ekstrapolasi di luar rentang data. Taksiran garis regresi untuk harga 30 ribu — di luar rentang 18–28 ribu yang diamati — adalah ramalan tanpa pijakan.
4. Angka proporsi tanpa penyebut. “75% pembayar QRIS” dari 8 transaksi matcha latte adalah proporsi dari sampel kecil; selalu laporkan jumlah pengamannya.
5. Satu angka tanpa asumsi. Kemiringan 154 ribu per bulan runtuh menjadi 92 ribu begitu satu hari borongan dikeluarkan; kesimpulan yang jujur membawa rentang, bukan satu titik.

Merangkai Dua Belas Chapter #

Sebagai penutup Section, mari kita lihat kembali keseluruhan perjalanan sebagai satu kerangka kerja — dari pertanyaan sampai laporan:

Urutannya bukan kebetulan: kita mengenali data lebih dulu, baru menghubungkan, memodelkan, menguji, lalu menjaga diri dari tipu daya kesimpulan sendiri. Setiap bab menambah satu lapis pengaman, dan lapis terakhir — tafsir yang disiplin — yang menentukan apakah seluruh lapisan di bawahnya menghasilkan keputusan yang lebih baik.

Rangkuman #

• p-value mengukur konsistensi hasil dengan ulir acak, bukan besaran dan bukan nilai bisnisnya; laporan yang layak memuat ukuran efek berdampingan dengan signifikansi.
• Interval kepercayaan memberi rentang kemungkinan selisih; mempertemukannya dengan ambang praktis — bukan dengan ambang 0,05 saja — adalah jalan dari angka ke keputusan.
• Empat pertanyaan sebelum melaporkan: berapa besar, seberapa pasti, apa maknanya bagi bisnis, di mana batasnya.
• Bahasa laporan memilih kata sesuai kekuatan bukti: asosiasi untuk korelasi, rentang untuk hasil yang sensitif, “terbukti” hanya untuk eksperimen terkendali.
• Kesalahan tafsir paling umum — kausalitas dari korelasi, p-value yang salah dibaca, ekstrapolasi, proporsi tanpa penyebut, satu angka tanpa asumsi — semuanya dicegah dengan disiplin yang sudah kita latih sepanjang Section ini.

Sepanjang dua belas chapter ini, kolom yang kita analisis selalu berbentuk siap pakai: angka dengan satuan yang jelas, kategori yang rapi. Data mentah di lapangan jarang semurah itu — teks perlu diubah menjadi angka, skala antar fitur perlu disamakan, tanggal perlu dibuka menjadi turunannya. Seni menyiapkan kolom agar siap dianalisis dan dimodelkan itulah yang menunggu kita pada Section berikutnya. Lanjut ke Feature Engineering .

Referensi #

1. SciPy — scipy.stats
2. NumPy — The absolute basics for beginners