The short answer
Nilai p adalah probabilitas untuk melihat hasil yang setidaknya sama ekstremnya dengan hasil Anda, jika hipotesis nol (tidak ada efek nyata) memang benar. Nilai p yang kecil (biasanya di bawah 0,05) menunjukkan bahwa data Anda tidak biasa berdasarkan asumsi tersebut — bukti yang menentang hipotesis nol, bukan bukti bahwa hipotesis itu salah, dan bukan probabilitas bahwa hipotesis nol itu sendiri benar.
Poin-poin penting
- p <0,05 tidak membuktikan suatu efek nyata; Artinya, data yang diamati tidak akan mungkin diperoleh jika memang tidak ada pengaruhnya.
- Nilai p bergantung pada statistik pengujian, ukuran sampel, dan variabilitas — efek yang kecil dan tidak penting masih dapat menghasilkan nilai p yang kecil jika sampelnya cukup besar.
- Uji dua sisi membagi signifikansi pada kedua arah dan umumnya melaporkan nilai p sekitar dua kali lipat dari uji satu sisi yang cocok.
- Statistik pengujian yang berbeda (z, t, chi-kuadrat, F) berasal dari distribusi yang berbeda, sehingga statistik numerik yang sama dapat menghasilkan nilai p yang sangat berbeda bergantung pada pengujian mana yang diterapkan.
Ambang batas signifikansi umum
| rentang nilai p | Interpretasi yang khas |
|---|---|
| p ≥ 0.10 | Sedikit atau tidak ada bukti yang menentang hipotesis nol |
| 0.05 ≤ p < 0.10 | Bukti yang lemah atau marginal |
| 0.01 ≤ p < 0.05 | Moderate evidence — commonly called "significant" |
| p < 0.01 | Bukti kuat yang menentang hipotesis nol |
Garis-garis ini merupakan konvensi, bukan hukum alam – bidang-bidang yang berbeda (kedokteran, fisika, ilmu sosial) menerapkan ambang batas yang berbeda-beda, bergantung pada seberapa besar biaya yang harus dikeluarkan untuk melakukan positif palsu.
Ekor satu vs. ekor dua
| Tes | Pertanyaan diajukan | hubungan nilai p |
|---|---|---|
| Berekor dua | Apakah ada perbedaan di kedua arah? | ~2× nilai p satu sisi |
| Berekor satu | Apakah ada perbedaan dalam satu arah tertentu? | ~1/2 nilai p dua sisi |
Contoh yang berhasil: nilai p uji-z
z = 1,96, uji dua sisi
p = 2 × (1 − Φ(1,96)) = 2 × (1 − 0,9750) = 0,05
Inilah sebabnya mengapa 1,96 sering muncul dalam statistik — ini adalah skor-z yang nilai p dua sisinya berada tepat pada ambang batas konvensional 0,05, menjadikannya batas standar untuk tingkat kepercayaan 95%.
Kesalahan umum yang harus dihindari
- Treating the p-value as "the probability the null hypothesis is true" — it's computed assuming the null IS true, so it can't simultaneously measure the odds that it's true.
- Memilih arah tes satu sisi setelah melihat ke arah mana datanya condong — arahnya harus ditentukan sebelum melihat hasilnya, atau tes tersebut tidak lagi valid.
- Memperlakukan p = 0,05 sebagai garis tegas — nilai p 0,049 dan 0,051 mewakili bukti yang hampir sama meskipun berada pada sisi berlawanan dari ambang batas umum.
- Membingungkan signifikansi statistik dengan kepentingan praktis — sampel yang cukup besar dapat membuat efek yang kecil dan tidak penting menjadi signifikan secara statistik.
Kalkulator terkait
- Kalkulator Interval Keyakinan — memperkirakan kisaran daripada menguji hipotesis tunggal.
- Kalkulator Skor Z — mengonversi nilai mentah menjadi skor-z yang dapat diuji kalkulator ini.
- Standard Deviation Calculator — menghitung variabilitas yang dimasukkan ke dalam sebagian besar statistik pengujian.
- Kalkulator Ukuran Sampel — rencanakan penelitian dengan kekuatan yang cukup untuk mendeteksi efek nyata.