Jika Anda ingin memenangkan pameran sains, menganalisis data Anda secara statistik adalah cara yang bagus untuk menonjol dari kompetisi, tetapi ketika Anda mendapatkan hasilnya – katakanlah P = 0,04 – apa artinya sebenarnya ? Anda dapat melakukan semua matematika dari bagian pertama posting ini, tetapi jika Anda tidak benar-benar memahami hasil tes statistik angka, Anda masih tidak benar-benar tahu apa yang ditemukan eksperimen Anda.
Misalnya: Bisakah Anda menolak “hipotesis nol” berdasarkan hasil Anda? Apa artinya itu? Mungkinkah temuan Anda karena kebetulan? Apa korelasi memberitahu Anda tentang hubungan antara dua variabel? Ini adalah jenis pertanyaan yang harus Anda jawab untuk mendapatkan interpretasi hasil pameran sains Anda dengan benar.
Hipotesis Nol
Setiap kali Anda melakukan statistik, Anda mengadu “hipotesis nol” dengan “hipotesis eksperimental” Anda. Hipotesis nol pada dasarnya selalu sama: Tidak ada hubungan antara hal-hal yang Anda uji. Dalam eksperimen ilmiah, Anda menganggap hipotesis nol itu benar sampai Anda memiliki cukup bukti untuk membantahnya. Dengan kata lain, Anda tidak menganggap Anda akan mendapatkan hasil tertentu dari percobaan Anda – Anda menganggap hipotesis Anda tidak benar sampai hasil ilmiah memberi tahu Anda sebaliknya.
Bingung? Ini sebuah contoh. Katakanlah Anda sedang melakukan proyek sains untuk mengetahui apakah anjing kidal atau tidak. Hipotesis nol Anda mungkin bahwa anjing tidak memiliki kaki yang dominan. Dari sana, hasil Anda akan memberi tahu Anda apakah hipotesis nol Anda benar, atau apakah anjing tampaknya kidal atau tidak.
Tapi bagaimana Anda bisa membedakan antara hasil nyata dan apa yang mungkin terjadi secara kebetulan? Statistik, tentu saja!
Menentukan bukti apa yang “cukup” adalah tugas uji statistik, dan karena Anda menguji hipotesis nol, sebaiknya tentukan dengan tepat apa itu untuk eksperimen Anda. Anda harus benar-benar melakukan ini sebelum memulai pekerjaan Anda, tetapi bahkan jika Anda telah berfokus pada hipotesis eksperimental Anda (hubungan yang Anda curigai mungkin benar-benar ada), mudah untuk menyusun hipotesis nol setelah faktanya.
Nilai P dan Signifikansi Statistik
Jika percobaan Anda memberi Anda alasan yang cukup untuk menolak hipotesis nol, ini disebut hasil “signifikan secara statistik”. Namun, seperti kebanyakan hal dalam sains, ada definisi yang sangat spesifik tentang arti sebenarnya ini, dan Anda harus menjelaskannya dengan jelas saat melihat hasil pameran sains Anda. Definisi tersebut bermuara pada arti nilai P yang Anda dapatkan dari uji statistik Anda.
Nilai P sering disalahartikan sebagai “probabilitas bahwa hasilnya adalah karena kebetulan,†dan meskipun ini dekat dengan maknanya, sebenarnya tidak benar . Nilai P malah memberi tahu Anda kemungkinan bahwa, jika hipotesis nol itu benar, Anda akan mendapatkan hasil Anda karena gangguan statistik acak. Misalnya, jika Anda menguji apakah sebuah koin memiliki bobot yang tidak merata (dengan hipotesis nol bahwa itu adalah koin yang adil), hasil dari 45 kepala hingga 55 ekor kemungkinan besar akan membalik koin yang adil karena variasi statistik umum, dan inilah yang dikuantifikasi oleh nilai P.
“Tingkat signifikansi†adalah nilai cut-off untuk P – apapun di bawah ini dianggap cukup tidak mungkin bagi Anda untuk menolak hipotesis nol. Ini biasanya dipilih sebagai P = 0,05 (jadi hanya ada 5% kemungkinan bahwa hasil Anda akan diperoleh di dunia di mana hipotesis nol itu benar), tetapi pada akhirnya ini hanya sebuah konvensi. Dalam beberapa keadaan, tingkat signifikansi P = 0,10 baik-baik saja, dan dalam keadaan lain, para ilmuwan “meningkatkan standar” sedikit dan menetapkan batas yang lebih ketat dari P = 0,01. Biasanya yang terbaik adalah tetap berpegang pada P = 0,05, tetapi pahamilah bahwa terkadang ada variasi.
Menafsirkan Korelasi
Jika Anda menguji perbedaan antara dua kelompok, memahami arti signifikansi statistik sudah cukup, tetapi jika pengujian Anda melibatkan korelasi antara dua variabel (misalnya, jumlah cahaya yang diterima tanaman dan seberapa tinggi pertumbuhannya, atau jumlah upaya sebelumnya dan skor Anda dalam sebuah permainan), semuanya sedikit berbeda. Tes untuk korelasi mengembalikan nilai antara −1 dan +1, dan memahami ini dan apa yang disiratkan oleh salah satu jenis korelasi untuk kausalitas sangat penting untuk menginterpretasikan hasil Anda.
Pertama, skor korelasi mudah dipahami jika Anda mempertimbangkan kasus ekstrim. Setiap nilai korelasi positif berarti kedua variabel meningkat secara bersamaan , dan nilai +1 adalah korelasi sempurna , dimana grafik satu variabel terhadap variabel lainnya adalah garis lurus. Dengan cara yang sama, setiap nilai korelasi minus berarti bahwa ketika satu variabel meningkat, yang lain menurun, dan nilai −1 adalah korelasi negatif sempurna. Terakhir, nilai 0 berarti tidak ada korelasi sama sekali. Tentu saja, sebagian besar hasil akan berupa desimal (seperti 0,65), dengan nilai yang lebih besar (angka yang lebih tinggi, baik positif maupun negatif) yang berarti korelasi yang lebih kuat.
Namun, peringatan utama adalah bahwa korelasi tidak menyiratkan sebab -akibat . Dengan kata lain, hanya karena dua hal berkorelasi tidak berarti bahwa yang satu menyebabkan yang lain, dan Anda tidak boleh tergoda untuk menarik kesimpulan seperti itu dalam tulisan Anda hanya berdasarkan korelasi. Contoh yang baik adalah korelasi antara gigi kuning dan kanker paru-paru: Gigi kuning bukanlah penyebab kanker paru-paru; merokok menyebabkan gigi kuning dan kanker paru-paru. Dengan cara yang sama, hasil Anda mungkin disebabkan oleh faktor lain yang belum Anda pertimbangkan, jadi membuat klaim kausal tanpa bukti yang sangat kuat di luar korelasi sederhana selalu berisiko.
Dengan mengingat poin-poin ini, apa pun proyek pameran sains Anda, Anda harus dapat melakukan statistik yang Anda perlukan dan menjelaskan dengan tepat apa yang mereka tunjukkan. Anda mungkin tidak menang, tetapi apa yang telah Anda pelajari memberi Anda alat yang Anda butuhkan untuk benar-benar menarik perhatian juri.
Gambar Erik Isakson/Tetra/GettyImages
