---
title: Melaporkan hasil negatif
tags: MOOC, wibisana, statistik, metode penelitian
description: Materi singkat yang disusun utk WIBISANA.
defaultTiming: 120
---

# p>0.05
## Melaporkan hasil negatif

<!-- Put the link to this slide here so people can follow -->
salindia: https://hackmd.io/@ameliazein/hasil-negatif

---

# Saya akan menceritakan sebuah cerita horor :ghost:

---

# p>0.05 :scream:

---

# Horor bukan? :smile:

---

# Mmmm.. sebenarnya tidak juga kok :wink:

---

## Definisi *p-value*

Probabilitas sebuah tes statistik (yang dilakukan di masa depan) akan ==setidaknya sama besar/ekstrimnya== seperti yang terobservasi dalam penelitian yang dilakukan, ==apabila== semua asumsi terpenuhi dan hipotesis yang diuji (hipotesis nol) benar.

[Greenland, et.al., (2016)](https://doi.org/10.1007/s10654-016-0149-3)

---

# Bingung yah? :confused:

---

<img src="https://www.distilled.net/uploads/i_do_not_think_it_[significant]_means_what_you_think_it_means.jpg" style="width:60%;" class="fancyimage"/>

---

## Coba kita gunakan analogi :raising_hand:

Amel adalah seorang dosen Psikologi Unair, dan Ilham adalah suaminya. Berdasarkan hasil observasinya ketika membandingkan Amel dengan dosen yang lain, Ilham menyimpulkan bahwa Amel adalah ==dosen yang tercantik== di Psikologi Unair (p=0.03).

---

<img src="https://i.pinimg.com/originals/86/d8/60/86d8606bd9072e7d74c19d3718f054bc.jpg" style="width:70%;" class="fancyimage"/>

---

## Hipotesisnya :exclamation:

<div style="text-align: left">

H0: Semua dosen Psikologi Unair ==sama cantiknya== (tidak ada perbedaan level kecantikan)<br>
H1: Amel adalah dosen yang ==paling cantik== (ada perbedaan level kecantikan)</br>
</div>

---

## Apa arti *p-value* dari analogi ini? :dizzy_face:

<div style="text-align: left">

Kalau seandainya semua dosen sama cantiknya (H0) adalah benar, maka peluang ==laki-laki lain== (bukan Ilham) mengobservasi dosen lain yang sama cantiknya dengan Amel, adalah kecil sekali (0.03).

Jadi ==mungkin==, H0 ga bener (ditolak).

</div>

---

Artinya, *p-value* adalah ==peluang== yang melekat pada observasi/penelitian di ==masa depan== (*in the long run*), bukan pada penelitian/observasi yang sedang dilakukan.

---

Juga, *p-value* sangat bergantung pada ==ukuran sampel==. Pada jumlah sampel yang terlalu besar, atau terlalu kecil, *p-value* hampir-hampir ==tidak ada artinya== sama sekali.

---

### Pada ukuran sampel yang kecil, *nothing is significant*, sedangkan pada ukuran sampel yang besar, *everything is significant*.

:rooster: :rooster: :rooster:

---

## Apa yang membuat p>0.05?

<div style="text-align: left">
Bisa jadi...

* Ukuran sampel terlalu kecil
* *Statistical power* kurang memuaskan
* Observasi/penelitian hanya mendeteksi *random noise*
</div>

---

## *p-value*>0.05 = tidak ada efek?

<div style="text-align: left">

Tidak.

Pendekatan *null hypothesis significant testing* (NHST) ada dua aliran.

* Fisher, yang menguji signifikansi (*test of significance*)
* Neyman & Pearson, yang menguji penerimaan (*test of acceptance*)

</div>

---

Keduanya pendekatan yang berbeda, jadi jangan dikombinasikan :laughing:

:::info
Baca [Perezgonzalez (2015)](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4347431/) untuk mengetahui lebih lanjut.
:::

---

## Dua kemungkinkan *test of significance*

<div style="text-align: left">

* H0 (mungkin) ditolak
- Masih **mungkin**, karena kita butuh pengujian berkali-kali untuk memastikan hasilnya konsisten (*frequent testing*)
* H0 gagal ditolak
- H0 ditolak, ==bukan berarti== H0 diterima:exclamation:

</div>

:::warning
The absence of evidence is not the evidence of absence [(Alderson 2004)](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC351831/)
:::

---

Kalau anda tidak punya bukti bahwa efek/pengaruh/korelasi/perbedaan itu (mungkin) ada, bukan berarti tidak ada sama sekali.

:::warning
Apabila anda gagal menolak H0, bukan berarti H0 dinyatakan dapat diterima
:::

---

<img src="https://i.pinimg.com/originals/1e/30/41/1e3041cbac01fb863fbd2edfc6ae9236.jpg" style="width:50%;" class="fancyimage"/>

---

# Contoh 1

<div style="text-align: left">

### *r*=0.3, *p*=0.055

"...after conducting Pearson's correlation analysis, we failed to reject null hypothesis, even though our analysis yielded a rather moderate correlation coefficient"

</div>

---

# Contoh 2

<div style="text-align: left">

### *B*=0.3, *SE*=0.04, *p*=0.055

"...to analyse our data, we performed ordinary least square regression, and we are not convinced that we have an evidence to confirm the existence of an adequate relationship between x and y.."

"..or there **might** be an association. However, it could be anything but linear" (tambahan dari mba [Zida](https://www.facebook.com/zida.husnina). Thanks mba!:pray:)

</div>

---

# Contoh 3

<div style="text-align: left">

### *t*(20)=0.6, *p*=0.66

"...to detect whether there was a difference between control and treatment group, we performed Student's t-test. We failed to find any evidences to reject our hypothesis which is a meaningful difference between control and treatment group does not exist..."

</div>

---

### Terima kasih!
#### Semoga bermanfaat :wink:

Silahkan hubungi saya via:

- [Personal website](https://rameliaz.github.io/)
- [Twitter](https://twitter.com/ameliazein)
- [atau email](mailto:[e-mail])