Langka, Tapi Bukan Kebetulan? Memahami "Signifikan Secara Statistik"
Jujur saja: waktu kuliah statistik, saya bingung sekali dengan istilah "signifikan secara statistik". Pertanyaan saya waktu itu sederhana — kejadian yang sangat langka pun bisa terjadi karena kebetulan, kan? Jadi bagaimana kita bisa bilang sesuatu "bukan kebetulan"?
Ternyata pertanyaan itu justru kunci untuk memahaminya.
Mulai dari koin
Bayangkan koin yang adil. Dilempar 10 kali, kita berharap sekitar 5 kali angka dan 5 kali gambar. Sekarang bagaimana kalau keluar 10 kali angka berturut-turut?
Mungkin terjadi? Mungkin. Peluangnya kurang dari 1 banding 1.000. Langka, tapi bukan mustahil. Lalu kenapa ahli statistik akan bilang "koin ini kemungkinan besar tidak adil"?
Cara berpikir seorang detektif
Bayangkan dua skenario di rumah kamu:
Skenario A
Ada satu jejak sepatu berlumpur di lantai yang bersih. Mungkin ada yang tidak sengaja menginjak lumpur. Aneh sedikit, tapi wajar. Kita tidak akan langsung menuduh maling. Ini tidak signifikan.
Skenario B
Jejak berlumpur, jendela pecah, brankas terbuka, dan ada catatan "kuenya saya ambil ya!". Bisa saja semuanya kebetulan terjadi bersamaan... tapi kesimpulan yang jauh lebih masuk akal: ada maling. Ini signifikan.
Itulah intinya. "Signifikan" bukan berarti mustahil terjadi karena kebetulan. Artinya: terlalu tidak mungkin untuk dianggap kebetulan, sehingga kita memilih percaya ada penyebab nyata.
P-value: garis ajaibnya
P-value menjawab satu pertanyaan: "Kalau asumsi awal saya benar (misalnya koinnya adil), berapa peluang melihat hasil seekstrem ini atau lebih ekstrem?"
- P-value tinggi (misalnya 20–30%) — hasil seperti ini biasa terjadi secara kebetulan. Tidak signifikan.
- P-value sangat rendah (biasanya di bawah 5% atau 1%) — terlalu jarang untuk kebetulan. Kita tolak anggapan "cuma kebetulan". Signifikan.
Kenapa analis bisnis wajib paham ini?
Karena setiap hari kita membandingkan: toko A vs toko B, kampanye lama vs kampanye baru, sebelum vs sesudah program. Bilang "penjualan grup A lebih tinggi" tanpa uji statistik itu berisiko — bedanya bisa saja cuma fluktuasi acak. Alat yang sering dipakai:
T-test
Membandingkan rata-rata dua grup. Ada versi paired (sebelum-sesudah pada subjek yang sama) dan unpaired (dua grup berbeda).
ANOVA
Membandingkan tiga grup atau lebih sekaligus. Memberi tahu "ada beda", tapi belum tahu grup mana.
Post hoc test
Dipakai setelah ANOVA untuk menunjuk grup mana yang berbeda (misalnya Tukey atau Dunnett).
A/B test
Eksperimen terkontrol — cara paling kuat untuk membuktikan sebuah perubahan benar-benar berdampak.
Signifikan bukan berarti mustahil kebetulan. Signifikan berarti terlalu tidak mungkin untuk kita anggap kebetulan.← Kembali ke daftar