Sig. 0,051 Ditolak? Cara Jujur Melaporkan Hasil Mepet

Nilai sig. 0,051 tidak lolos kalau ambang yang kamu pakai 0,05. Tapi angka itu juga bukan bukti bahwa hubungan yang kamu teliti tidak ada. Yang terjadi cuma satu: data yang kamu kumpulkan belum cukup kuat untuk menolak hipotesis nol pada taraf yang kamu tetapkan sendiri di bab tiga. Secara statistik, jarak antara 0,049 dan 0,051 hampir tidak berarti apa-apa. Yang berbeda jauh justru cara kebanyakan mahasiswa menuliskannya.

#Jadi sig. 0,051 itu signifikan atau tidak?

Tidak, kalau alfa kamu 0,05. Keputusan uji hipotesis memang biner. Nilai p lebih kecil dari alfa berarti H0 ditolak, nilai p lebih besar atau sama dengan alfa berarti H0 gagal ditolak. Karena 0,051 lebih besar dari 0,05, kesimpulan formalnya adalah tidak terdapat pengaruh yang signifikan pada taraf 5 persen. Titik.

Dua hal yang sering salah dipahami di sini. Pertama, gagal menolak H0 bukan sinonim dari H0 terbukti benar. Uji hipotesis tidak pernah membuktikan ketiadaan hubungan, dia cuma gagal menemukan bukti yang cukup kuat. Kedua, SPSS menampilkan kolom Sig. dalam tiga desimal, jadi angka 0,051 yang kamu lihat bisa berasal dari nilai asli mana saja antara 0,0505 dan 0,0514. Kalau kamu mau tahu angka sebenarnya, klik dua kali sel itu di output viewer dan SPSS akan menampilkan desimal penuhnya.

#Dari mana angka 0,05 itu sebenarnya datang?

Bukan dari hukum alam. Ambang 5 persen berasal dari saran praktis Ronald Fisher pada 1920-an, yang menilai peluang satu dari dua puluh sebagai batas yang nyaman untuk dipakai dalam pekerjaan pertanian saat itu. Fisher sendiri tidak memaksudkannya sebagai garis mati. Dia menulis bahwa peneliti boleh memilih taraf lain sesuai konteks penelitiannya.

Yang membuat 0,05 terasa seperti hukum adalah kebiasaan. Buku ajar memakainya sebagai contoh, dosen memakainya sebagai standar, dan akhirnya mahasiswa memakainya tanpa pernah menuliskan alasannya. American Statistical Association pernah menerbitkan pernyataan resmi yang mengingatkan bahwa nilai p tidak mengukur besarnya efek, tidak mengukur pentingnya temuan, dan tidak layak dijadikan satu-satunya dasar keputusan ilmiah.

Konsekuensi praktisnya untuk skripsimu: taraf signifikansi adalah pilihan yang kamu buat di bab tiga, sebelum melihat data. Setelah data terbuka, pilihan itu sudah terkunci.

#Apa yang boleh kamu tulis di bab empat tanpa mengarang?

Hasil mepet tetap bisa dilaporkan dengan jujur dan tetap terbaca kuat. Yang kamu butuhkan bukan kalimat yang memoles angka, tapi kalimat yang memberi pembaca informasi lebih banyak daripada nilai p saja.

1. Laporkan apa adanya lebih dulu. Contoh: hasil uji menunjukkan nilai t sebesar 1,97 dengan signifikansi 0,051, sehingga pada taraf 5 persen H0 gagal ditolak.
2. Sebutkan arah dan besar koefisiennya. Contoh: koefisien regresi bertanda positif sebesar 0,214, yang berarti arah hubungan sesuai dugaan teoretis meski belum mencapai taraf signifikansi yang ditetapkan.
3. Sebutkan besar efeknya, bukan cuma nilai p. Angka ini tidak terpengaruh ukuran sampel, jadi dia menjawab pertanyaan yang berbeda.
4. Sebutkan keterbatasan daya uji secara spesifik. Contoh: dengan 96 responden dan efek sekecil ini, penelitian berikutnya perlu sampel yang lebih besar untuk mendeteksinya secara andal.
5. Tutup dengan implikasi yang tidak melebihi data. Tulis bahwa temuan ini mengindikasikan arah yang perlu diuji ulang, bukan bahwa pengaruhnya terbukti.

Yang sebaiknya kamu hindari: frasa mendekati signifikan dan signifikan secara marginal. Dua frasa itu dibaca penguji sebagai usaha mengaburkan keputusan yang sudah jelas. Kalau kamu memang ingin bekerja di taraf 10 persen, taraf itu harus sudah tertulis di bab tiga sebelum analisis, dengan alasannya, bukan muncul tiba-tiba di bab empat.

#Kenapa menambah sampel supaya lolos itu masalah?

Ini bagian yang jarang dijelaskan ke mahasiswa. Bayangkan kamu sudah mengumpulkan 100 responden, hasilnya 0,051, lalu kamu menyebar 30 kuesioner lagi dan nilainya turun jadi 0,038. Angka itu terlihat sah. Masalahnya ada di prosedurnya, bukan di angkanya.

Alfa 5 persen adalah janji bahwa kalau H0 sebenarnya benar, kamu hanya akan salah menolaknya pada 5 dari 100 penelitian. Janji itu berlaku untuk satu kali pengujian pada ukuran sampel yang sudah ditentukan di awal. Begitu kamu mengecek hasil, lalu menambah data, lalu mengecek lagi, lalu berhenti tepat saat angkanya lolos, kamu memberi diri sendiri banyak kali kesempatan untuk mendapat hasil yang kebetulan. Peluang salahmu tidak lagi 5 persen, dan kamu tidak punya cara menghitung berapa sebenarnya.

Kalau kamu betul-betul kekurangan responden karena target sampel di bab tiga belum terpenuhi, itu kasus yang berbeda dan memang harus dilanjutkan. Hitung dulu target n itu secara eksplisit, misalnya dengan kalkulator ukuran sampel, lalu kumpulkan sampai angka itu tercapai dan jalankan analisis satu kali.

#Besar efek: angka yang membuat hasil mepet tetap layak dilaporkan

Nilai p mencampur dua hal yang berbeda, yaitu seberapa besar efeknya dan seberapa banyak datamu. Besar efek memisahkan keduanya. Dua penelitian dengan koefisien korelasi sama persis bisa menghasilkan p 0,003 dan p 0,051 cuma karena jumlah respondennya berbeda.

Angka ambang di tabel itu konvensi, bukan batas mutlak, dan di beberapa bidang efek 0,15 sudah dianggap penting secara praktis. Gunakan sebagai pembanding kasar, lalu bandingkan juga dengan hasil penelitian sejenis di tinjauan pustakamu. Kalau koefisienmu sebanding dengan penelitian lain tapi nilai p-nya tidak lolos, itu informasi yang jauh lebih berguna untuk pembaca daripada satu baris kesimpulan bahwa hipotesis ditolak.

#Kesalahan yang sering terjadi saat hasil mepet

• Membulatkan 0,051 menjadi 0,05 di tabel bab empat, lalu menyimpulkan signifikan. Penguji yang meminta file output SPSS akan menemukannya dalam satu menit.
• Menulis kesimpulan bab lima yang menyatakan ada pengaruh, padahal bab empat menyatakan H0 gagal ditolak. Ketidakcocokan antar bab ini yang paling sering ditagih saat sidang.
• Mengganti alfa ke 0,10 tanpa menyentuh bab tiga. Kalau tarafnya diubah, bab tiga harus ikut diperbaiki beserta alasan pemilihannya.
• Menyalahkan instrumen tanpa bukti. Kalau kamu menduga reliabilitas rendah jadi penyebab, lampirkan angka Cronbach alpha-nya, jangan cuma menduga di paragraf keterbatasan.
• Menghapus hipotesis yang tidak lolos dari daftar hipotesis. Hipotesis yang gagal didukung tetap harus dilaporkan, dan justru itu bagian yang jujur dari sebuah penelitian.
• Menutup bab lima tanpa saran yang bisa dikerjakan. Hasil mepet memberi arah yang jelas untuk peneliti berikutnya, jadi tulis arah itu secara konkret, misalnya jumlah sampel minimal atau variabel kontrol yang perlu ditambah.

#Kalau penguji menolak hasil yang tidak signifikan, apa jawabannya?

Siapkan tiga hal sebelum sidang. Pertama, nilai p lengkap beserta besar efeknya, supaya kamu bisa menunjukkan bahwa arah hubungan tetap ada dan sebesar apa. Kedua, perhitungan ukuran sampel dari bab tiga, supaya terlihat bahwa jumlah responden bukan angka asal. Ketiga, dua atau tiga penelitian sejenis yang juga melaporkan hasil tidak signifikan di variabel yang sama, kalau ada.

Yang membuat penguji keras biasanya bukan hasilnya, tapi kesan bahwa mahasiswanya tidak memahami apa yang sedang dilaporkan. Mahasiswa yang bisa menjelaskan kenapa ambang 0,05 itu pilihan, dan apa bedanya nilai p dengan besar efek, hampir selalu melewati bagian ini dengan lancar. Kalau kamu sedang merapikan keseluruhan naskah, urutan kerjanya ada di panduan skripsi dari nol.

#Apakah boleh mengubah alfa dari 0,05 ke 0,10 setelah melihat hasil?

Tidak. Taraf signifikansi ditetapkan sebelum analisis karena fungsinya membatasi peluang salahmu. Mengubahnya setelah melihat nilai p sama dengan memindahkan garis finis setelah lomba selesai. Kalau bidangmu memang lazim memakai 10 persen, misalnya pada penelitian eksploratif dengan sampel kecil, tulis itu di bab tiga beserta rujukannya.

#Nilai sig. saya 0,000. Apa artinya nol?

Bukan nol. SPSS membulatkan ke tiga desimal, jadi 0,000 berarti nilai p lebih kecil dari 0,0005. Tulis sebagai p lebih kecil dari 0,001, jangan tulis p sama dengan 0,000 karena nilai p tidak pernah benar-benar nol.

#Uji t saya tidak signifikan tapi uji F signifikan. Mana yang dipakai?

Dua-duanya, karena keduanya menjawab pertanyaan berbeda. Uji F menguji apakah model secara keseluruhan menjelaskan variasi variabel terikat, sedangkan uji t menguji sumbangan tiap variabel bebas satu per satu. Kombinasi F signifikan dengan semua t tidak signifikan sering menandakan multikolinearitas, jadi periksa nilai VIF-nya sebelum menyimpulkan.

#Apakah skripsi dengan hasil tidak signifikan bisa lulus?

Bisa. Yang dinilai pada sidang adalah ketepatan metode, kejujuran pelaporan, dan kualitas pembahasan, bukan apakah hipotesismu didukung. Yang membuat skripsi gagal justru pelaporan yang tidak konsisten antara bab empat dan bab lima.

#Besar efek tidak muncul di output SPSS saya. Harus dihitung manual?

Untuk uji t independen, SPSS versi baru menampilkan Cohen d di tabel terpisah. Kalau versimu tidak punya, hitung dari selisih rata-rata dibagi simpangan baku gabungan. Untuk regresi, R kuadrat sudah tersedia di tabel Model Summary. Untuk ANOVA, centang kotak estimates of effect size di menu Options sebelum menjalankan analisis.

#Apakah 0,051 boleh dibulatkan menjadi 0,05?

Secara penulisan angka, pembulatan dua desimal memang menghasilkan 0,05. Secara keputusan statistik, tidak, karena ambangnya adalah lebih kecil dari 0,05 dan 0,051 tidak memenuhinya. Laporkan tiga desimal penuh supaya pembaca bisa menilai sendiri. Soal memilih uji korelasi atau regresi untuk analisismu, bedanya dibahas di korelasi atau regresi.