Ukuran efek adalah ukuran kuantitatif dari besarnya suatu fenomena atau kekuatan suatu hubungan. Berbeda dengan p-value yang hanya memberi tahu Anda apakah suatu efek ada, ukuran efek memberi tahu Anda seberapa besar efek tersebut. Ukuran efek yang umum termasuk Cohen's d untuk perbedaan grup, eta-squared untuk ANOVA, dan korelasi r untuk hubungan.

Apa itu eta-squared dan apa bedanya dengan omega-squared?

Eta-squared mengukur proporsi total varians yang dijelaskan oleh suatu faktor dalam ANOVA. Omega-squared adalah estimator yang kurang bias untuk kuantitas yang sama. Eta-squared cenderung melebih-lebihkan efek populasi, terutama dengan sampel kecil. Cohen menyarankan tolok ukur 0,01 (kecil), 0,06 (sedang), dan 0,14 (besar) untuk kedua ukuran tersebut.

Kalkulator Ukuran Efek

Hitung dan visualisasikan ukuran efek termasuk Cohen's d, Hedges' g, Glass's delta, eta-squared, omega-squared, dan Cohen's f. Lihat tumpang tindih distribusi animasi, rumus langkah demi langkah, probabilitas CLES, dan panduan interpretasi untuk penelitian statistik Anda.

Embed Kalkulator Ukuran Efek Widget

Tentang Kalkulator Ukuran Efek

Memahami Ukuran Efek dalam Penelitian

Ukuran efek adalah statistik esensial yang menguantifikasi besarnya suatu fenomena, melengkapi informasi yang diberikan oleh p-value. Meskipun p-value memberi tahu Anda apakah suatu efek signifikan secara statistik, ukuran efek memberi tahu Anda seberapa besar efek tersebut. Perbedaan ini sangat penting untuk menilai signifikansi praktis — hasil yang signifikan secara statistik dengan ukuran efek yang sangat kecil mungkin tidak memiliki kepentingan di dunia nyata.

📏

Cohen's d

Perbedaan rata-rata terstandarisasi antara dua grup menggunakan SD gabungan

🎯

Hedges' g

Cohen's d yang dikoreksi biasnya, lebih disukai untuk sampel kecil (n < 20)

Glass's Delta

Perbedaan rata-rata yang distandarisasi hanya oleh SD grup kontrol

η²

Eta-Squared

Proporsi total varians yang dijelaskan dalam ANOVA

ω²

Omega-Squared

Estimasi varians-dijelaskan yang kurang bias dibandingkan η²

Cohen's f

Ukuran efek untuk ANOVA, diturunkan dari η²

Cara Menghitung Cohen's d

Cohen's d mengukur perbedaan terstandarisasi antara dua rata-rata grup:

$$d = \frac{M_1 - M_2}{SD_{pooled}}$$

di mana standar deviasi gabungan (pooled standard deviation) adalah:

$$SD_{pooled} = \sqrt{\frac{(n_1 - 1) \cdot SD_1^2 + (n_2 - 1) \cdot SD_2^2}{n_1 + n_2 - 2}}$$

Cohen's d sebesar 0,5 berarti kedua rata-rata grup berbeda setengah standar deviasi. Hedges' g menerapkan faktor koreksi $J = 1 - \frac{3}{4 \cdot df - 1}$ untuk mengurangi bias d yang cenderung naik pada sampel kecil.

Menginterpretasikan Ukuran Efek dengan CLES

Common Language Effect Size (CLES) menerjemahkan Cohen's d menjadi probabilitas intuitif: peluang bahwa individu yang dipilih secara acak dari Grup 1 akan memiliki skor lebih tinggi daripada individu yang dipilih secara acak dari Grup 2. Ini dihitung sebagai:

$$CLES = \Phi\left(\frac{d}{\sqrt{2}}\right)$$

di mana $\Phi$ adalah CDF normal standar. Misalnya, d = 0,5 sesuai dengan CLES sekitar 64%, yang berarti ada peluang 64% anggota Grup 1 acak mengungguli anggota Grup 2 acak.

Eta-Squared vs. Omega-Squared

Dalam ANOVA, eta-squared (η²) mewakili proporsi total varians yang dijelaskan oleh variabel independen:

$$\eta^2 = \frac{SS_{between}}{SS_{total}} = \frac{F \times df_{between}}{F \times df_{between} + df_{within}}$$

Namun, η² cenderung melebih-lebihkan efek populasi. Omega-squared (ω²) memberikan estimasi yang kurang bias:

$$\omega^2 = \frac{df_{between} \times (F - 1)}{df_{between} \times (F - 1) + N}$$

Konversi Antar Ukuran Efek

Dari	Ke	Rumus
Cohen's d	Point-biserial r	$r = \frac{d}{\sqrt{d^2 + \frac{(n_1+n_2)^2}{n_1 \cdot n_2}}}$
Korelasi r	Cohen's d	$d = \frac{2r}{\sqrt{1 - r^2}}$
t-test (independen)	Cohen's d	$d = t \times \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}$
t-test (berpasangan)	Cohen's d_z	$d_z = \frac{t}{\sqrt{n}}$
η²	Cohen's f	$f = \sqrt{\frac{\eta^2}{1 - \eta^2}}$

Kapan Harus Menggunakan Setiap Ukuran Efek

Skenario	Direkomendasikan	Alasan
Dua grup dengan varians sama	Cohen's d atau Hedges' g	Ukuran standar; g lebih disukai jika n < 20 per grup
Varians tidak sama	Glass's delta	Hanya menggunakan SD grup kontrol, tidak terpengaruh oleh varians perlakuan
Ukuran berulang / berpasangan	Cohen's d_z	Berdasarkan skor perbedaan; memperhitungkan korelasi dalam subjek
ANOVA satu arah	η² atau ω²	η² untuk penggunaan deskriptif; ω² untuk estimasi populasi yang kurang bias
Analisis korelasi	r dan r²	r mengukur kekuatan; r² memberikan proporsi varians bersama
Meta-analisis	Hedges' g	Koreksi bias sangat penting saat menggabungkan berbagai ukuran sampel

Pertanyaan yang Sering Diajukan

Apa itu ukuran efek?

Ukuran efek adalah ukuran kuantitatif dari besarnya suatu fenomena atau kekuatan hubungan antar variabel. Berbeda dengan p-value yang menunjukkan apakah suatu efek ada, ukuran efek memberi tahu Anda seberapa besar efek tersebut. Hal ini penting untuk meta-analisis, analisis kekuatan (power analysis), dan mengevaluasi signifikansi praktis dalam studi penelitian.

Apa itu Cohen's d dan bagaimana cara menginterpretasikannya?

Cohen's d mengukur perbedaan terstandarisasi antara dua rata-rata grup, dihitung sebagai perbedaan rata-rata dibagi dengan standar deviasi gabungan. Jacob Cohen menyarankan tolok ukur 0,2 (kecil), 0,5 (sedang), dan 0,8 (besar), tetapi ini harus diinterpretasikan dalam konteks bidang penelitian spesifik Anda. Di beberapa bidang, d sebesar 0,2 mungkin mewakili efek intervensi yang berarti.

Apa perbedaan antara Cohen's d dan Hedges' g?

Hedges' g adalah versi Cohen's d yang dikoreksi biasnya. Cohen's d sedikit melebih-lebihkan ukuran efek populasi, terutama dengan sampel kecil (n < 20 per grup). Hedges' g menerapkan faktor koreksi J untuk mengurangi bias ini. Untuk sampel besar, nilainya hampir identik.

Apa itu Common Language Effect Size (CLES)?

CLES menyatakan Cohen's d sebagai probabilitas: peluang bahwa orang yang dipilih secara acak dari satu grup akan memiliki skor lebih tinggi daripada orang yang dipilih secara acak dari grup lainnya. CLES sebesar 69% berarti ada probabilitas 69% bahwa anggota Grup 1 acak mengungguli anggota Grup 2 acak. Ini jauh lebih intuitif daripada nilai d mentah bagi audiens non-teknis.

Kapan saya harus menggunakan eta-squared vs. omega-squared?

Eta-squared (η²) umum dilaporkan tetapi cenderung melebih-lebihkan ukuran efek populasi, terutama dengan sampel kecil. Omega-squared (ω²) memberikan estimasi yang kurang bias dan umumnya direkomendasikan untuk tujuan inferensial. Untuk tujuan deskriptif dalam sampel spesifik Anda, η² dapat diterima. Keduanya berbagi tolok ukur interpretasi yang sama: 0,01 (kecil), 0,06 (sedang), 0,14 (besar).

Bisakah ukuran efek bernilai negatif?

Ya, ukuran efek berarah seperti Cohen's d dan korelasi r bisa bernilai negatif. Cohen's d negatif berarti Grup 2 memiliki rata-rata lebih tinggi dari Grup 1. r negatif menunjukkan hubungan terbalik. Tanda tersebut menunjukkan arah, sementara nilai absolut menunjukkan magnitudo. Ukuran berbasis varians (η², ω², r²) selalu non-negatif.

Kutip konten, halaman, atau alat ini sebagai:

"Kalkulator Ukuran Efek" di https://MiniWebtool.com/id/kalkulator-ukuran-efek/ dari MiniWebtool, https://MiniWebtool.com/

oleh tim miniwebtool. Diperbarui: 2026-04-16

Anda juga dapat mencoba Penyelesai Matematika AI GPT kami untuk menyelesaikan masalah matematika Anda melalui pertanyaan dan jawaban dalam bahasa alami.

Alat terkait lainnya:

Detektor Konten AIBaru

Penghitung Token AIBaru

Penghitung karakterUnggulan

Kalkulator Interval Keyakinan

Kalkulator Nilai PBaru

Kalkulator Ukuran Efek

Tentang Kalkulator Ukuran Efek

Memahami Ukuran Efek dalam Penelitian

Cara Menghitung Cohen's d

Menginterpretasikan Ukuran Efek dengan CLES

Eta-Squared vs. Omega-Squared

Konversi Antar Ukuran Efek

Kapan Harus Menggunakan Setiap Ukuran Efek

Pertanyaan yang Sering Diajukan

Alat terkait lainnya:

Statistik dan analisis data:

Alat unggulan:

Dari	Ke	Rumus
Cohen's d	Point-biserial r	\(r = \frac{d}{\sqrt{d^2 + \frac{(n_1+n_2)^2}{n_1 \cdot n_2}}}\)
Korelasi r	Cohen's d	\(d = \frac{2r}{\sqrt{1 - r^2}}\)
t-test (independen)	Cohen's d	\(d = t \times \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}\)
t-test (berpasangan)	Cohen's d_z	\(d_z = \frac{t}{\sqrt{n}}\)
η²	Cohen's f	\(f = \sqrt{\frac{\eta^2}{1 - \eta^2}}\)