Significance Level

Sebelum satu butir data dikumpulkan, prosedur pengujian sudah menuntut satu keputusan: seberapa besar risiko kesalahan yang sanggup kita tanggung bila kelak menolak H0 yang sebenarnya benar? Jawaban itulah significance level α — ambang yang ditetapkan di muka dan menjadi pembanding tetap bagi p-value. Chapter ini membedah makna α sebagai luas daerah kritis pada distribusi, nilai-nilai yang lazim beserta konteks pemakaiannya, pertukaran yang menyertainya, serta dua miskonsepsi yang paling sering menempel pada besaran ini: tertukarnya α dengan p-value dan pembacaan α sebagai ukuran kebenaran hasil.

Ambang Risiko yang Ditentukan Sebelum Data #

Significance level adalah peluang maksimum galat Tipe I yang disetujui sebelum pengujian dimulai — galat Tipe I berarti menolak H0 yang benar, dan pembahasan penuhnya menempati chapter berikutnya. Definisi ini membawa satu konsekuensi prosedural yang tidak bisa dinegosiasikan: α dipilih sebelum data dilihat. Alasannya sama dengan mengapa pertandingan ditentukan aturan mainnya sebelum kick-off — bila ambang boleh digeser setelah hasil terlihat, siapa pun yang ingin kesimpulan tertentu tinggal memilih ambang yang membuat p-value miliknya lolos, dan prosedur kehilangan kejujurannya.

Penetapan di muka juga membuat risiko terukur secara eksplisit. Dengan α = 0.05, peneliti telah menyatakan: “bila H0 benar dan prosedur ini diulang berkali-kali, kira-kira 5% dari pengujian akan keliru menolak H0”. Pernyataan itu adalah janji tentang perilaku prosedur dalam jangka panjang, bukan tentang satu pengujian tertentu — dan pembedaan ini akan kembali muncul saat kita membahas miskonsepsi α di akhir chapter.

Nilai Lazim: 0.05, 0.01, 0.10 #

Tidak ada hukum alam yang menetapkan angka α; yang ada adalah konvensi yang tumbuh dari kebiasaan bidang. Tiga nilai yang paling sering dijumpai:

Pilihan angka sebaiknya mengikuti bobot kesalahan, bukan kebiasaan semata. Uji khasiat obat baru memakai ambang ketat karena mengumumkan efek yang tidak nyata berarti pasien menerima terapi sia-sia; studi eksploratif justru memakai ambang longgar karena tujuannya mencari hipotesis kandidat yang layak diuji ulang secara independen — melewatkan kandidat menjanjikan dianggap lebih mahal daripada mengikutsertakan yang kelak ternyata tidak bermakna.

Alpha sebagai Luas Daerah Kritis #

Cara paling konkret memahami α adalah menggambarkannya pada kurva distribusi statistik uji. Untuk pengujian dua arah dengan α = 0.05 pada distribusi normal baku, 5% luas kurva dipotong sama rata ke dua ekor — masing-masing 2.5% — dan batas potongnya adalah z = −1.96 dan z = 1.96:

                    daerah tolak      gagal tolak      daerah tolak
                     (2.5%)                             (2.5%)
                       |                                   |
                       v                                   v
             .....      |   .........................    |      .....
          ..      ..    |  ..                     ..  |   ..      ..
        .           .   | .    luas 95% = gagal     . |  .           .
      .               .  |.      tolak H0            .|.               .
     .                 . |                             | .              .
 ----+------------------+--------+---------+---------+--+--------------+----
    -3               -1.96       0                  1.96               3
                       ^                                  ^
                  batas kritis                       batas kritis

Statistik uji yang jatuh di luar batas kritis berada di daerah tolak, dan H0 ditolak; statistik di tengah membuat kita gagal menolak. Luas total daerah tolak itulah α — bukan posisi batasnya, bukan bentuk kurvanya. Sketsa yang sama berlaku pada setiap distribusi: pada distribusi t dengan df = 15, α = 0.05 dua arah memotong batas kritis di ±2.1314 (angka yang sudah kita jumpai pada chapter Distribusi t-Student); ekor t yang lebih tebal menuntut batas lebih jauh daripada 1.96 untuk mempertahankan luas 5%.

Memperkecil α menggeser batas kritis menjauh dari pusat: untuk α = 0.01 dua arah, batas normalnya menjadi ±2.5758; untuk α = 0.10, melonggar menjadi ±1.6449. Hubungan α dengan batas kritis inilah yang membuat pilihan α terasa langsung oleh data — statistik uji yang sama, misalnya z = 2.2, ditolak pada α = 0.05 (2.2 > 1.96) tetapi lolos pada α = 0.01 (2.2 < 2.5758).

Pertukaran di Balik Alpha Kecil #

α kecil terdengar sebagai pilihan yang selalu lebih aman, tetapi pengujian tidak memberikan perlindungan gratis. Mengetatkan α mengecilkan daerah tolak, sehingga pengujian menjadi lebih sulit menolak H0 — termasuk ketika H0 memang salah. Risiko kegagalan jenis ini (gagal menolak H0 yang salah, galat Tipe II) meningkat ketika α diturunkan, selama ukuran sampel tidak berubah. Jadi pilihan α adalah pertukaran: menurunkan peluang galat Tipe I berarti menaikkan peluang galat Tipe II pada sampel yang sama.

Pertukaran ini dihitung dan dikelola lewat konsep power = 1 − β, dan seluruh mekanismenya menjadi pokok bahasan chapter Type I dan Type II Errors. Untuk sekarang, cukup pegang intuisinya: α bukan tuas yang boleh ditarik ke angka kecil sembarangan tanpa memikirkan berapa sampel yang tersedia. Pengujian dengan n = 10 dan α = 0.001 hampir mustahil menolak H0 apa pun yang terjadi — ambangnya jauh, data sedikit, kekuatan ujinya kecil.

Memilih Alpha dari Biaya Kesalahan #

Kerangka praktisnya: bandingkan biaya dua kesalahan, lalu beri perlindungan lebih besar pada sisi yang lebih mahal.

• Penyaring pesan berpromosi (spam filter). Galat Tipe I di sini berarti menandai pesan penting sebagai spam — pengguna kehilangan undangan kerja atau notifikasi penting; galat Tipe II hanya berarti satu pesan promosi lolos ke kotak masuk. Karena Tipe I lebih mahal, ambang penandaan dibuat ketat: butuh bukti sangat kuat sebelum pesan ditandai.
• Tes penyaring penyakit pada kelompok berisiko tinggi. Galat Tipe II (penyakit ada tetapi tidak terdeteksi, terapi tertunda) jauh lebih mahal daripada galat Tipe I (hasil positif keliru, cukup dikonfirmasi ulang dengan tes lanjutan). Penyaringnya sengaja dibuat peka meski berarti lebih banyak hasil positif keliru; pekerjaan memilah diserahkan ke tes konfirmasi.

Perhatikan bahwa pada contoh kedua keputusan “membiarkan α relatif besar” diambil dengan sadar karena biaya konfirmasi ulang murah. Pemilihan α yang baik selalu memperhitungkan apa yang terjadi setelah keputusan diambil — bukan sekadar memakai 0.05 karena semua orang memakainya.

Alpha Bukan p-Value #

Dua besaran ini bekerja pada waktu yang berbeda dan menjawab pertanyaan yang berbeda, namun sering tertukar karena keduanya berupa peluang di skala 0-1. Tabel berikut memisahkannya:

Hubungan keduanya sederhana: p-value dihitung, lalu dibandingkan dengan α yang sudah berdiri di muka. Hasil perbandingan itulah yang menentukan tolak atau gagal tolak — mekanisme yang telah kita lihat pada alur lima langkah di chapter pertama.

Dengan ambang yang kini berdiri, kerangka hanya kehilangan satu komponen: besaran yang dihitung dari data dan dibandingkan dengan α. Komponen itu adalah p-value — angka yang paling sering disalahartikan dalam seluruh statistika terapan. Chapter berikutnya mendefinisikannya dengan presisi penuh, memperlihatkan cara membacanya lewat kedua kasus sekolah kita, lalu membongkar daftar panjang hal-hal yang bukan merupakan p-value; rujukan resmi untuk pendalaman adalah NIST Engineering Statistics Handbook dan Penn State STAT 500 .