Jika Anda ingin memenangkan pameran sains Anda, menganalisis data Anda secara statistik adalah cara yang bagus untuk menonjol dari kompetisi, tetapi ketika Anda mendapatkan hasilnya – katakanlah P = 0,04 – apa itu sebenarnya berarti? Anda dapat melakukan semua matematika dari bagian pertama dari posting ini, tetapi jika Anda tidak benar-benar memahami angka yang dihasilkan oleh uji statistik, Anda masih belum benar-benar mengetahui apa yang ditemukan eksperimen Anda.
Misalnya: Dapatkah Anda menolak "hipotesis nol” berdasarkan hasil Anda? Apa artinya itu? Apakah mungkin 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 adil sains Anda dengan benar.
Hipotesis Null
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 pengujian. Dalam eksperimen ilmiah, Anda menganggap hipotesis nol itu benar sampai Anda memiliki cukup bukti untuk membantahnya. Dengan kata lain, Anda tidak berasumsi bahwa Anda akan mendapatkan hasil tertentu dari eksperimen Anda — Anda menganggap hipotesis Anda tidak benar sampai hasil ilmiah mengatakan sebaliknya.
Bingung? Berikut adalah contoh. Katakanlah Anda sedang mengerjakan 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, yang terbaik adalah menentukan dengan tepat apa itu untuk eksperimen Anda. Anda harus benar-benar melakukan ini sebelum memulai pekerjaan Anda, tetapi bahkan jika Anda telah fokus pada eksperimen Anda hipotesis (hubungan yang Anda curigai mungkin benar-benar ada) mudah untuk mengumpulkan hipotesis nol setelahnya faktanya.
Nilai P dan Signifikansi Statistik
Jika eksperimen Anda memberi Anda cukup alasan untuk menolak hipotesis nol, ini disebut hasil "signifikan secara statistik". Tetapi, seperti kebanyakan hal dalam sains, ada definisi yang sangat spesifik tentang apa artinya ini sebenarnya, dan Anda harus jelas tentang hal itu saat melihat hasil pameran sains Anda. Definisi turun ke arti dari P nilai yang Anda dapatkan dari uji statistik Anda.
Itu P nilai sering disalahartikan sebagai "probabilitas bahwa hasilnya adalah karena kebetulan," dan meskipun ini dekat dengan maknanya. sebenarnya tidak benar. Itu P value 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 koin memiliki bobot yang tidak merata (dengan hipotesis nol bahwa itu adalah koin yang adil), hasilnya dari 45 kepala menjadi 55 ekor akan cukup mungkin dari membalik koin yang adil karena variasi statistik umum, dan inilah yang itu P nilai mengkuantifikasi.
"Tingkat signifikansi" adalah nilai batas untuk P – apa pun di bawah ini dianggap cukup tidak mungkin bagi Anda untuk menolak hipotesis nol. Ini biasanya dipilih sebagai P = 0,05 (jadi hanya ada kemungkinan 5% 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 di tempat lain, para ilmuwan "menaikkan standar" sedikit dan menetapkan batas yang lebih ketat dari P = 0.01. Biasanya yang terbaik adalah tetap berpegang pada P = 0,05, tetapi pahami 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 permainan), semuanya sedikit berbeda. Tes untuk korelasi mengembalikan nilai antara 1 dan +1, dan memahami ini dan apa yang tersirat dari kedua jenis korelasi untuk kausalitas sangat penting untuk menafsirkan hasil Anda.
Pertama, skor korelasi mudah dipahami jika Anda mempertimbangkan kasus-kasus ekstrem. Setiap nilai korelasi positif berarti kedua variabel meningkat bersama, dan nilai +1 adalah a sempurna korelasi, dimana grafik suatu variabel terhadap variabel lainnya berbentuk 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 atau negatif) yang berarti korelasi yang lebih kuat.
Namun, peringatan utama adalah bahwa Korelasi tidak berarti sebab-akibat. Dengan kata lain, hanya karena dua hal berkorelasi tidak berarti yang satu menyebabkan yang lain, dan Anda tidak boleh tergoda untuk menarik kesimpulan seperti itu dalam tulisan Anda berdasarkan korelasi sendirian. Contoh yang baik adalah korelasi antara gigi kuning dan kanker paru-paru: Bukan gigi kuning itu sebab kanker paru-paru; bahwa merokok menyebabkan gigi kuning dan kanker paru-paru. Dengan cara yang sama, hasil Anda dapat disebabkan oleh faktor lain yang belum Anda pertimbangkan, jadi selalu berisiko untuk membuat klaim kausal tanpa bukti yang sangat kuat di luar korelasi sederhana.
Dengan mengingat poin-poin ini, apa pun proyek pameran sains Anda, Anda harus dapat melakukan statistik yang Anda butuhkan 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 mendapatkan perhatian juri.