Tweet

Follow us on instagram: @pacmannai

Follow @pacmannai

4 Apr, 33 tweets, 6 min read

Bintang - bintang di penelitian, apa artinya?⭐️⭐️⭐️
.
.
.
A thread

Hayo siapa yang udah familiar sama maksud ‘***’ atau ‘**’ atau bahkan ‘*’ di paper / penelitian yang kalian bacaa?

Jadi gini guys, tanda bintang yang biasa kalian liat di paper / penelitian itu menandakan p-value dari variabel yang digunakan.

Thread kali akan ngebahas apa sih p-value itu dan apa yang bisa dipetik dari bintang - bintang di paper yang kalian baca. Simak yaaa biar ga cuma jawab ‘artinya signifikan’ lagi ajaa hehe

Biar lebih mudah buat dipahamin, kita pake contoh kasus aja yaa. Misalkan nih ceritanya kita mau menguji efektivitas 2 obat sejenis yang baru aja dikembangin. Kita kasih nama obatnya ‘Obat A’ dan ‘Obat B’.

Agar bisa tau apakah kedua obat ini punya efek menyembuhkan yang sama atau engga, maka kita harus melakukan testing. Jadi kita cari volunteer yang mau ikut serta di testing ini.

Setelah nemu volunteer, selanjutnya kita bagi mereka ke dalam 2 kelompok. Nantinya, 1 kelompok ini akan dikasih Obat A dan yang 1 nya lagi dikasih Obat B. Oh iya, para volunteer ini ga tau ya mereka minum obat yang mana.

Karena kita mau liat efektivitas Obat A dan Obat B, ada kemungkinan efektivitas keduanya sama kan? Nah, kita bisa buat hipotesis kalau tidak ada perbedaan efek antara Obat A dengan Obat B. Hipotesis ini kita sebut sebagai null hypothesis

Namun, disisi lain, ada juga kemungkinan salah satu obat lebih efektif dibandingkan obat lainnya. Nah, kita jadikan ini sebagai hypothesis kedua, yakni alternative hypothesis

Intinya adalah, null hypothesis itu menggambarkan keadaan ‘klaim’ kita dan alternative hypothesis menggambarkan ketidakvalidan ‘klaim’ yang kita buat.

Nah, setelah kedua kelompok volunteer meminum obat, kita mendapatkan hasil seperti ini:

Kalau kita perhatikan, perbedaan persentase jumlah volunteer yang sembuh setelah minum Obat A lebih banyak dibandingkan dengan yang minum Obat B.Yang jadi pertanyaan adalah, seberapa yakin kita kalau Obat A lebih efektif dibandingkan dengan Obat B?

Ditambah, ketika melakukan testing, banyak hal-hal di luar kendali yang dapat terjadi. Contohnya bisa aja kelompok volunteer yang minum Obat A imunnya lebih kuat dibandingkan yang minum Obat B, jadinya lebih banyak volunteer yang sembuh setelah minum Obat A

Atau bisa juga karena beberapa volunteer yang minum Obat B itu ternyata memang punya alergi obat, jadinya jumlah yang sembuh lebih sedikit dibandingkan dengan yang minum Obat A?

Kalau hanya melihat data itu aja, apakah kita bisa menyimpulkan kalau obat sakit kepala yang diuji ini efektif? Apakah kita bisa langsung menyimpulkan kalau null hypothesis yang kita buat valid?

Nopee, kaya yang udah mimin jelasin tadi, banyak hal yang diluar kontrol kita yang ga diobservasi ketika testing. Nah, disinilah p-value berperan. Oke, sebelum kita bahas gimana perannya p-value pada kasus ini, ada baiknya kita tau dulu arti dari p-value.

Probability value atau biasa disingkat dengan ‘p-value’ adalah angka diantara 0 hingga 1 yang menunjukkan seberapa yakin kita bahwa ada perbedaan antara 2 kelompok. Semakin mendekati 0, maka kita semakin yakin kalau kedua kelompok tersebut berbeda.

Nah, kalau dalam kasus ini, berarti p-value ini angka antara 0 -1 yang nunjukin seberapa yakin kita terhadap adanya perbedaan efek antara Obat A dengan Obat B.

Lalu, yang jadi pertanyaannya adalah, adakah batasan khusus untuk mengatakan kalau ada perbedaan antara 2 kelompok?

Pada umumnya, batasan yang dipakai itu 0.05. Batasan ini biasanya disebut sebagai significance level. Tapi, ini bukan nilai yang saklek kok. Misal nih untuk hal-hal yang emang kedua kelompok itu harus berbeda banget, kalian bisa nerapin batasan yang lebih rendah.

Untuk mengetahui nilai p-value, kita bisa ngelakuin yang namanya hypothesis testing, salah satunya bisa menggunakan t-test. Nah, kita tentuiin dulu nih berapa significance level yang ingin kita pakai.

Kalau nilai p-valuenya lebih kecil dari significance level, maka null hypothesis nya akan ditolak dan kita akan menerima alternative hypothesis. Dan sebaliknya, kalau nilai p-valuenya lebih besar dari significance level, berarti kita akan menerima null hypothesis.

Anggaplah untuk contoh kita ini, p-value nya 0.24, artinya p-value lebih besar dibandingkan dengan significance level (0.05). Berarti, kita dapat menerima null hypothesis, yakni kita tidak menemukan adanya perbedaan antara kesembuhan volunteer yang minum Obat A dengan Obat B

Nah terus 0.24 ini apakah hanya berarti kalau null hypothesis di reject?

Jawabannya: enggak. Jadi maksud dari 0.24 itu adalah kalau null hypothesis nya diterima (kedua kelompok punya mean yang identik satu sama lain), maka ada 24% kemungkinan terdapat perbedaan yang lebih besar dari yang kita amati pada sampel.

Atau kalau dalam kasus kita, ini berarti di dunia dimana efektivitas obat A sama dengan efektivitas obat B, maka ada 24% kemungkinan efektivitas salah satu obat lebih besar dibandingkan obat lainnya pada sampel yang kita amati..

Oh iya guys, perlu diingat bahwa nilai p-value di atas significance level (0.05) hanya menunjukkan kalau kita ga menemukan bukti adanya perbedaan antar 2 kelompok uji, bukan berarti ‘tidak ada bukti bahwa 2 kelompok tersebut berbeda’.

Dalam kata lain, p-value diatas significance level menunjukkan kalau peneliti ga menemukan perbedaan dalam observasi, namun peneliti gatau apakah perbedaan yang sebenarnya ada atau tidak.

Dan terakhir, perlu diingat kalaupun null hypothesis nya di reject dan alternative hypothesis nya diterima, angka p-value itu bukan menunjukkan besarnya perbedaan antara 2 kelompok uji.

Singkatnya gitu guys tentang p-value. Kalau kalian ingin belajar statistik agar bisa jadi Data Scientist dan Business Intelligence yang handal, non degree program Pacmann.AI bisa menuhin keinginan kamu ini.

Kurikulum non degree program Pacmann udah mencakup materi statistik yang memang dibutuhkan untuk jadi DS dan BI. Cek kurikulum lengkapnya di bit.ly/brosurpacmannai dan jangan lupa daftarin diri kalian di bit.ly/PendaftaranNon… sekarang juga 🤩