P-Value

Ambang α telah ditetapkan di muka; kini giliran data berbicara melalui satu angka. p-value adalah hasil perhitungan yang paling sering dikutip dalam laporan penelitian — dan sekaligus yang paling sering disalahartikan. Chapter ini mendefinisikannya dengan presisi penuh, memperlihatkan cara membacanya pada kedua kasus sekolah yang menemani section ini, membongkar daftar hal-hal yang bukan p-value, lalu menutup dengan pedoman membaca angka ini secara dewasa: p = 0.05 bukan garis batas yang memisahkan penemuan dari kegagalan.

Definisi yang Presisi #

Setiap kata pada definisi berikut penting, jadi kita tandai bagian kuncinya:

p-value = P(data setara dengan atau lebih ekstrem dari yang diamati
            BILA H0 BENAR)

Dua frasa teballah yang membuat definisi ini sering salah dibaca. “Setara atau lebih ekstrem dari yang diamati” berarti p-value menghitung dua wilayah sekaligus: sampel yang benar-benar kita pegang, plus seluruh sampel hipotetis yang akan terlihat lebih mengejutkan lagi (rata-rata lebih tinggi atau lebih rendah dari 83 pada kasus kita). “Bila H0 benar” berarti seluruh perhitungan dilakukan di dunia tempat klaim μ = 80 itu nyata — p-value adalah peluang di dunia H0, bukan peluang tentang H0 itu sendiri. Pembedaan ini menjadi dasar seluruh tabel miskonsepsi di bawah.

Bentuk komputasinya sambung-menyambung dengan chapter-chapter sebelumnya. Statistik uji t mengubah jarak sampel ke klaim menjadi satuan standard error; distribusi t-Student (df = n − 1) lalu memberi tahu peluang statistik semacam itu muncul bila H0 benar. Pada kasus sekolah, t = 1.5 dengan df = 15 berarti rata-rata sampel berjarak 1.5 standard error di atas klaim — dan p-value tinggal menghitung luas ekor di luar titik itu.

Cara Membaca: Bandingkan dengan Alpha #

Aturan bacanya satu kalimat, dan tidak punya pengecualian:

p-value < α  ->  tolak H0
p-value ≥ α  ->  gagal menolak H0

Semakin kecil p-value, semakin kuat bukti melawan H0 — bukan semakin kecil peluang H0 benar, bukan semakin besar efeknya. Logikanya: p-value kecil berarti data yang diamati tergolong sangat langka di dunia H0; kita menghadapi pilihan “klaim benar dan kejadian langka terjadi” atau “klaim salah”, dan bila kelangkaannya melampaui ambang risiko α yang disanggupi, prosedur memilih yang kedua.

Kedua kasus sekolah memperlihatkan rentang keputusannya. Kasus pertama: n = 16, x̄ = 83, s = 8 → t = 1.5 → p-value 0.1544 (dua arah, dibulatkan ke empat desimal). Karena 0.1544 ≥ 0.05, kita gagal menolak H0 — selisih tiga poin masih cukup wajar terjadi bila μ = 80 memang benar. Kasus kedua memakai sampel dengan x̄ = 86.5, s = 8, n = 16 → t = 3.25 → p-value 0.0054. Karena 0.0054 < 0.05, H0 ditolak — rata-rata sampel sejauh 3.25 standard error dari klaim, jarak yang hanya muncul pada kurang dari 1% pengulangan pengambilan sampel bila klaim benar. Perhatikan bahwa kedua sampel sama ukurannya; yang berubah hanyalah jarak ke klaim, dan itulah satu-satunya hal yang dilihat p-value.

Yang Bukan p-Value #

Empat pembacaan keliru berikut muncul berulang kali di laporan dan media — tabel ini layak dibaca dua kali:

Baris ketiga dan keempat akan kembali dibedah dengan angka pada chapter Interpretasi Hasil Pengujian — di sana kita menghitung kasus beda mean hanya satu poin yang tetap signifikan secara statistik karena sampelnya besar.

Distribusi p-Value saat H0 Benar #

Pertanyaan bagus untuk menguji pemahaman: bila H0 benar dan pengujian diulang berkali-kali, bagaimana sebaran p-value yang dihasilkan? Jawabannya: seragam pada 0 sampai 1 — setiap interval selebar 0.1 berpeluang tepat 10% menampung p-value berikutnya.

Penjelasan intuitif cukup sederhana. Ambil ambang berapa pun, misalnya 0.05. Bila H0 benar, peluang p-value jatuh di bawah 0.05 adalah — sesuai definisi — tepat 0.05, karena p-value di bawah ambang berarti terjadinya data dengan peluang 5% di dunia H0. Argumen yang sama berlaku untuk ambang 0.10, 0.37, atau 0.92: peluang p-value berada di bawah x selalu tepat x. Satu-satunya distribusi dengan sifat demikian adalah seragam, dan akibat langsungnya sejalan dengan janji α: dari seluruh pengujian bermula dengan H0 yang benar, tepat 5% di antaranya (pada α = 0.05) akan menghasilkan p-value < 0.05 dan menolak H0 secara keliru.

Konsekuensi pentingnya sering diabaikan: bila 20 peneliti menguji efek yang sebenarnya tidak ada, rata-rata satu dari mereka akan mendapat p < 0.05 murni karena keberuntungan. Paham ini menjadi fondasi masalah pengujian berganda yang menanti pada chapter ANOVA dan Interpretasi Hasil Pengujian.

p = 0.05 Bukan Garis Batas Mutlak #

Konvensi α = 0.05 nyaman untuk komunikasi, tetapi membaca p = 0.049 sebagai “ada efek” dan p = 0.051 sebagai “tidak ada efek” adalah penyalahgunaan. Dua p-value yang berjarak 0.002 itu lahir dari data yang hampir sama ekstremnya; keputusan biner membantu prosedur, bukan menambah informasi. American Statistical Association (ASA) menegaskan hal ini dalam pernyataan resminya tahun 2016 tentang statistical significance dan p-value, dengan butir-butir yang intinya dapat kita ringkas menjadi tiga pedoman praktis:

• Laporkan p-value apa adanya, bukan hanya “signifikan/tidak signifikan” — p = 0.03 dan p = 0.0003 memuat informasi berbeda meski keduanya melampaui ambang yang sama.
• Jangan pisahkan p-value dari desain, ukuran sampel, dan konteks — bukti yang sama kuat dari n = 400 dan n = 16 mempunyai arti keandalan yang berbeda.
• p-value bukan ukuran pentingnya hasil; keputusan “layak ditindaklanjuti” mempertimbangkan besar efek, biaya, dan manfaat — bukti statistik hanya salah satu masukan.

Menghitung dengan Python #

Kedua kasus sekolah dihitung dalam satu blok dengan scipy.stats.t; fungsi sf (survival function) memberi luas ekor kanan P(T > x), dan faktor dua mengubahnya menjadi p-value dua arah:

from scipy.stats import t

p1 = 2 * t.sf(1.5, 15)     # kasus 1: x-bar = 83, t = 1.50
p2 = 2 * t.sf(3.25, 15)    # kasus 2: x-bar = 86.5, t = 3.25

print(f"p-value kasus 1 (t = 1.50) : {p1:.4f}")
print(f"p-value kasus 2 (t = 3.25) : {p2:.4f}")

Output yang Dihasilkan:

p-value kasus 1 (t = 1.50) : 0.1544
p-value kasus 2 (t = 3.25) : 0.0054

Mari kita bedah blok tersebut: baris p1 = 2 * t.sf(1.5, 15) menghitung P(|T| > 1.5) untuk distribusi t dengan df = 15 — simetri kurva membuat luas dua ekor cukup dihitung dua kali luas satu ekor kanan. Kedua hasil dicetak dengan format :.4f agar stabil pada empat desimal, konsisten dengan seluruh pembulatan di section ini. Angka 0.1544 dan 0.0054 inilah yang sejak chapter pertama kita bandingkan dengan α = 0.05.

p-value kini berdiri sebagai bahasa bersama keputusan, tetapi keputusan itu sendiri belum tentu benar — dua jenis kesalahan mengintai di kedua sisi setiap keputusan, dan probabilitas keduanya dapat dihitung. Galat Tipe I sudah sempat kita singgung lewat α; bab berikutnya mengundang pasangannya, galat Tipe II, ke meja yang sama, membangun matriks keputusan 2×2 yang lengkap beserta konsep power yang menentukan berapa sampel yang seharusnya kita kumpulkan. Pendalaman resmi konsep-konsep chapter ini tersedia pada NIST Engineering Statistics Handbook dan Khan Academy .