Kalkulator Cohen's d

Cohen's d mengukur besarnya perbedaan antara dua rata-rata dalam satuan simpangan baku, sehingga efek dari penelitian yang berbeda bisa dibandingkan. Masukkan rata-rata, simpangan baku, dan ukuran sampel di atas dan lihat d, Hedges' g, interval kepercayaannya, dan U3 beserta langkahnya secara instan.

Dua kurva yang tumpang tindih: d = 0,333

Kelompok 1 (rata-rata 105) dan kelompok 2 (rata-rata 100) sama-sama punya simpangan baku 15, jadi jarak kedua rata-rata hanya 5 β€” sepertiga simpangan baku. Kurva keduanya hampir berhimpit, dan daerah yang diarsir adalah U3: 63,1% dari kelompok 2 berada di bawah rata-rata kelompok 1.

Kelompok 2 β€” rata-rata 100 Kelompok 1 β€” rata-rata 105 U3 = 63,1% 557085100115130145
d = 0,333 00,20,50,81,22,0

d = 0,333 β€” efek kecil

Pengukur di atas memakai skala |d| dari 0 sampai 2,0: di bawah 0,2 dapat diabaikan; 0,2–0,5 kecil; 0,5–0,8 sedang; 0,8–1,2 besar; 1,2–2,0 sangat besar; di atas 2,0 huge. Penanda pada 0,333 jatuh di zona hijau β€” efek kecil. Dua angka lain dari contoh ini: tumpang tindih kedua kurva 86,8% dan peluang keunggulan (PoS) 59,3% β€” skor acak dari kelompok 1 mengalahkan skor acak dari kelompok 2 kira-kira 59,3% dari waktu.

Apa itu Cohen's d?

Cohen's d adalah selisih dua rata-rata yang dibagi dengan simpangan baku gabungannya (pooled). Rumusnya: d = (x̄₁ βˆ’ xΜ„β‚‚) Γ· sp, dengan sp = √(((n1βˆ’1)s1Β² + (n2βˆ’1)s2Β²) Γ· (n1+n2βˆ’2)). Karena dibagi simpangan baku, d tidak punya satuan β€” efek dari penelitian yang berbeda, dengan skala ukur yang berbeda, bisa dibandingkan langsung.

Contoh: selisih 5 poin dengan simpangan baku 15 memberi d = 0,333 β€” efek kecil. Selisih 5 poin yang sama dengan simpangan baku 2,5 memberi d = 2,0 β€” efek huge. Angka mentahnya sama, tetapi besarnya efek sangat berbeda: itulah gunanya standardisasi.

Untuk satu sampel, d = (xΜ„ βˆ’ ΞΌβ‚€) Γ· s; untuk data berpasangan, dz = rata-rata selisih Γ· simpangan baku selisih. Ketiga rumus itu menghitung hal yang sama: seberapa besar perbedaannya, dalam satuan simpangan baku.

Cohen's d yang baik itu berapa?

Tidak ada nilai yang β€œbaik” secara mutlak β€” patokan Cohen (1988) hanya titik acuan, bukan vonis. Yang penting selalu konteks bidang dan soalnya.

|d|KategoriArti praktis
< 0,2Dapat diabaikanPerbedaannya terlalu kecil untuk dipedulikan
0,2 – 0,5Efek kecilTerlihat bila dicari, tetapi tumpang tindihnya besar
0,5 – 0,8Efek sedangPerbedaan yang jelas β€” contoh d = 0,605 pada studi DexoCalc
0,8 – 1,2Efek besarKedua kelompok sudah cukup terpisah
1,2 – 2,0Efek sangat besarPerbedaan yang dramatis
β‰₯ 2,0HugeKelompok hampir tidak tumpang tindih (perluasan Sawilowsky)

Di bidang pendidikan, d = 0,3 bisa berarti besar; di bidang kedokteran, d = 0,3 bisa berarti kecil β€” tergantung biaya, risiko, dan ukuran perubahan mentahnya. Selalu laporkan juga interval kepercayaan d dan perubahan mentahnya, bukan hanya kategorinya.

Cohen's d vs Hedges' g β€” mana yang dilaporkan?

Cohen's d sedikit melebih-lebihkan efek pada sampel kecil. Hedges' g mengoreksinya: g = d Γ— J, dengan J = 1 βˆ’ 3 Γ· (4Nβˆ’9) dan N = jumlah seluruh sampel. Pada sampel besar, J hampir 1 sehingga g β‰ˆ d; pada sampel kecil, koreksinya besar.

Aturannya: laporkan g bila sampel kecil, d bila sampel besar. Contoh paling dramatis ada di bawah: dengan 3 orang per kelompok, J = 0,80 β€” g = 0,400, jauh di bawah d = 0,500. Dengan 20 pasangan, g = 0,479 berbanding d = 0,500 β€” koreksinya masih terasa. Dengan 25 orang per kelompok, g = 0,328 berbanding d = 0,333 β€” hampir tidak ada bedanya.

Alat di atas selalu menampilkan keduanya, jadi Anda tidak perlu memilih di tengah jalan: laporkan g bila pembaca Anda peduli pada sampel kecil, dan sebutkan d sebagai pembanding.

Contoh soal 1: efek kecil yang intervalnya melewati nol

Dua kelompok, masing-masing 25 orang: kelompok 1 rata-rata 105, kelompok 2 rata-rata 100, simpangan baku keduanya 15. Simpangan baku gabungan sp = √(((25βˆ’1) Γ— 15Β² + (25βˆ’1) Γ— 15Β²) Γ· (25+25βˆ’2)) = 15,000. Maka d = (105 βˆ’ 100) Γ· 15,000 = 0,333; J = 1 βˆ’ 3 Γ· (4 Γ— 50 βˆ’ 9) = 0,984; g = 0,333 Γ— 0,984 = 0,328. Galat baku = √((25+25) Γ· (25 Γ— 25) + 0,333Β² Γ· (2 Γ— 50)) = 0,285, jadi interval kepercayaan 95% = 0,333 Β± 1,96 Γ— 0,285 = [βˆ’0,225; 0,892].

U3 = 63,1% β€” sekitar 63,1% dari kelompok 2 berada di bawah rata-rata kelompok 1. Tumpang tindih = 86,8% dan peluang keunggulan = 59,3% β€” skor acak dari kelompok 1 mengalahkan skor acak dari kelompok 2 kira-kira 59,3% dari waktu.

Pelajaran terpenting ada pada intervalnya: interval melewati 0, jadi data ini konsisten dengan tidak ada efek β€” meskipun d = 0,333. Ukuran efek dan signifikansi menjawab pertanyaan yang berbeda: d mengukur besarnya, sedangkan nilai-p mengukur kecocokan data dengan hipotesis nol. Efek kecil dengan sampel 25 orang per kelompok belum cukup untuk menyimpulkan apa pun.

Contoh soal 2: efek sangat besar (huge)

Kelompok 1 rata-rata 120, kelompok 2 rata-rata 100, simpangan baku keduanya 10, masing-masing 30 orang. sp = 10,000, d = (120 βˆ’ 100) Γ· 10,000 = 2,000; J = 1 βˆ’ 3 Γ· (4 Γ— 60 βˆ’ 9) = 0,987; g = 1,974. Interval kepercayaan 95% = [1,380; 2,620] β€” seluruh interval jauh di atas nol, jadi efeknya nyata dan besar. U3 = 97,7%, tumpang tindih = 31,7%, peluang keunggulan = 92,1%.

Catatan rumus: interval ini memakai rumus galat baku SE = √((n1+n2) Γ· (n1Β·n2) + dΒ² Γ· (2(n1+n2))) β€” rumus yang sama dipakai di seluruh halaman ini, termasuk pada contoh 1. Rumus lain (misalnya yang memakai koreksi Hedges) memberi [1,377; 2,623] β€” selisihnya hanya di desimal ketiga dan tidak mengubah kesimpulan apa pun.

Contoh soal 3–5: satu sampel, dari statistik t, dan data berpasangan

Satu sampel. Rata-rata sampel 108, simpangan baku 12, n = 36, nilai klaim ΞΌβ‚€ = 100: d = (108 βˆ’ 100) Γ· 12 = 0,667; J = 1 βˆ’ 3 Γ· (4 Γ— 36 βˆ’ 9) = 0,978; g = 0,652. Interval kepercayaan 95% = [0,306; 1,028] β€” tidak memuat 100, jadi efeknya berbeda nyata dari nol. U3 = 74,8%, tumpang tindih = 73,9%, peluang keunggulan = 68,1%. Keputusannya: efek sedang.

Dari statistik t. Sebuah uji-t satu sampel menghasilkan t = 2,5 dengan 25 orang per kelompok: d = 2,5 Γ— √(1/25 + 1/25) = 2,5 Γ— 0,2828 = 0,707; g = 0,696; interval kepercayaan 95% = [0,136; 1,279]; U3 = 76,0%, tumpang tindih = 72,4%, peluang keunggulan = 69,1%. Keputusannya: efek sedang. Rumus untuk satu sampel/berpasangan berbeda: d = t Γ· √n.

Data berpasangan. Rata-rata selisih 5, simpangan baku selisih 10, 20 pasangan: dz = 5 Γ· 10 = 0,500; J = 1 βˆ’ 3 Γ· (4 Γ— 20 βˆ’ 9) = 0,958; g = 0,479. Interval kepercayaan 95% = [0,035; 0,965]; U3 = 69,1%, tumpang tindih = 80,3%, peluang keunggulan = 63,8%. Keputusannya: efek sedang. Perhatikan: g = 0,479 berbanding d = 0,500 β€” dengan hanya 20 pasangan, koreksi Hedges masih terasa.

Contoh soal 6: memeriksa dengan data nyata (DexoCalc)

Sebuah studi membandingkan active recall (rata-rata 78,4, simpangan baku 9,6, n = 42) dengan re-reading (rata-rata 72,1, simpangan baku 11,2, n = 40). Simpangan baku gabungan sp = 10,41, d = (78,4 βˆ’ 72,1) Γ· 10,41 = 0,605 (DexoCalc membulatkannya menjadi 0,61); g = 0,599; interval kepercayaan 95% = [0,162; 1,048]; U3 = 72,7%, tumpang tindih = 76,2%, peluang keunggulan = 66,6%. Keputusannya: efek sedang.

Sebagai tambahan, Glass's Ξ” memakai hanya simpangan baku kelompok kontrol (re-reading, s = 11,2): Ξ” = (78,4 βˆ’ 72,1) Γ· 11,2 = 0,563 β€” sedikit lebih kecil dari d, karena simpangan baku kontrol lebih besar dari gabungannya.

Contoh soal 7: sampel sangat kecil β€” laporkan g, bukan d

Kelompok A: 2, 4, 6; kelompok B: 1, 3, 5. Rata-ratanya 4 dan 3; sp = 2,00; d = (4 βˆ’ 3) Γ· 2,00 = 0,500. Tetapi dengan 3 orang per kelompok, J = 1 βˆ’ 3 Γ· (4 Γ— 6 βˆ’ 9) = 0,80 β€” koreksi paling dramatis yang mungkin: g = 0,500 Γ— 0,80 = 0,400. Interval kepercayaan 95% = [βˆ’1,125; 2,125] β€” sangat lebar, melewati 0, dan mencakup hampir semua kategori efek. U3 = 69,1%, tumpang tindih = 80,3%, peluang keunggulan = 63,8%.

Keputusannya: efek sedang β€” tetapi perkiraannya tidak presisi (n = 3 per kelompok). Dengan sampel sekecil ini, laporkan g, bukan d: d melebih-lebihkan efek sebesar 25%.

Cohen's d negatif: arah, bukan ukuran

Balik contoh 1: kelompok 1 rata-rata 100, kelompok 2 rata-rata 105, simpangan baku 15, masing-masing 25 orang. Maka d = (100 βˆ’ 105) Γ· 15,000 = βˆ’0,333; g = βˆ’0,328; interval kepercayaan 95% = [βˆ’0,892; 0,225]; U3 = 36,9%, tumpang tindih = 86,8%, peluang keunggulan = 40,7%.

Tandanya menunjukkan arah: kelompok 1 lebih rendah. Besarnya adalah |d| = 0,333 β€” d = βˆ’0,5 dan d = +0,5 sama-sama besar. Jangan pernah membaca d negatif sebagai β€œefek negatif” β€” tidak ada efek negatif dalam ukuran ini, hanya arah yang berlawanan.

Tabel acuan: U3, tumpang tindih, dan peluang keunggulan

Untuk d berapa pun, tiga angka ini selalu bergerak bersama. U3 = Ξ¦(d) adalah porsi kelompok 2 di bawah rata-rata kelompok 1; tumpang tindih = 2Ξ¦(βˆ’|d|/2) adalah porsi kedua kurva yang berhimpit; peluang keunggulan = Ξ¦(d/√2) adalah peluang skor acak kelompok 1 mengalahkan skor acak kelompok 2.

dU3Tumpang tindihPeluang keunggulan
0,257,9%92,0%55,6%
0,569,1%80,3%63,8%
0,878,8%68,9%71,4%
1,084,1%61,7%76,0%
1,288,5%54,9%80,2%
2,097,7%31,7%92,1%

Satu baris lagi untuk yang suka korelasi: untuk dua kelompok sama besar, r = d Γ· √(dΒ²+4) β€” untuk d = 0,2; 0,5; 0,8; 1,0; 1,2; 2,0 nilainya 0,100; 0,243; 0,371; 0,447; 0,514; 0,707. r bukan keluaran alat ini, tetapi berguna bila Anda membandingkan dengan studi yang melaporkannya.

Menghitung Cohen's d di Excel

Excel tidak punya fungsi COHEN β€” rumusnya ditulis sendiri dari sel-selnya. Letakkan rata-rata di A2:A3, simpangan baku di B2:B3, dan ukuran sampel di C2:C3:

Yang dihitungRumus ExcelHasil (contoh 1)
Simpangan baku gabungan (D2)=SQRT(((C2-1)*B2^2+(C3-1)*B3^2)/(C2+C3-2))15,000
Cohen's d (D3)=(A2-A3)/D20,333
Hedges' g=D3*(1-3/(4*(C2+C3)-9))0,328
U3=NORM.S.DIST(D3; TRUE)0,631 (63,1%)

Di sini D2 adalah sel simpangan baku gabungan dan D3 adalah sel Cohen's d. NORM.S.DIST adalah fungsi distribusi normal baku β€” periksa namanya di daftar fungsi Excel menurut abjad (Microsoft Support, Bahasa Indonesia).

Kesalahan umum

  • Membaca d tanpa interval kepercayaannya. d = 0,333 dengan interval [βˆ’0,225; 0,892] belum membuktikan apa pun. Selalu laporkan intervalnya.
  • Melaporkan d pada sampel kecil tanpa g. Dengan 3 orang per kelompok, d melebih-lebihkan efek sebesar 25%. Laporkan Hedges' g.
  • Mengira d negatif berarti efek negatif. Tandanya hanya arah β€” besarnya adalah |d|.
  • Membandingkan d dari desain yang berbeda tanpa catatan. d dari data berpasangan (dz) dan d dari dua kelompok independen tidak dihitung dengan cara yang sama; sebutkan desainnya.
  • Menilai pentingnya hasil hanya dari kategorinya. β€œEfek besar” belum tentu penting secara praktis β€” periksa juga besar perubahan mentahnya, biaya, dan risikonya.

Pertanyaan yang sering diajukan

Cohen's d adalah perbedaan dua rata-rata yang distandardisasi β€” berapa simpangan baku jarak kedua rata-rata. d = 0,333 berarti kedua rata-rata berjarak sepertiga simpangan baku; d = 2,0 berarti berjarak dua simpangan baku penuh.

0,2 kecil; 0,5 sedang; 0,8 besar β€” patokan Cohen, bukan vonis. Yang penting tergantung bidang dan soal: di bidang pendidikan d = 0,3 bisa berarti besar, di bidang lain bisa berarti kecil. Selalu laporkan juga interval kepercayaan dan perubahan mentahnya.

g = d Γ— (1 βˆ’ 3 Γ· (4Nβˆ’9)) β€” koreksi bias sampel kecil. Laporkan g bila sampel kecil, d bila sampel besar. Dengan 3 orang per kelompok, g = 0,400 berbanding d = 0,500; dengan 25 orang per kelompok, g = 0,328 berbanding d = 0,333 β€” hampir sama.

Ya β€” tandanya menunjukkan arah, dan besarnya adalah nilai mutlak. d = βˆ’0,333 berarti kelompok 1 lebih rendah 0,333 simpangan baku; d = βˆ’0,5 dan d = +0,5 sama-sama besar.

Kedua rata-rata sama β€” tidak ada perbedaan sama sekali. U3-nya 50%, tumpang tindihnya 100%, dan peluang keunggulannya 50%: kedua kelompok tidak bisa dibedakan.

Kelompok independen: d = t Γ— √(1/n1 + 1/n2); satu sampel/berpasangan: d = t Γ· √n. Contoh: t = 2,5 dengan 25 orang per kelompok memberi d = 2,5 Γ— 0,2828 = 0,707. Untuk mendapatkan statistik t-nya, pakai kalkulator uji-t satu sampel.

Rentang ukuran efek yang cocok dengan data. Bila interval melewati 0, data konsisten dengan tidak ada efek β€” sama seperti nilai-p yang lebih besar dari 0,05. Contoh: d = 0,333 dengan interval [βˆ’0,225; 0,892] belum membuktikan apa pun.

Tidak β€” besarnya efek bukan bukti pentingnya hasil. Periksa juga besar perubahan mentahnya, biaya, dan risikonya. d = 2,0 pada perubahan 1 poin bisa tidak penting, sedangkan d = 0,3 pada perubahan yang menyelamatkan nyawa bisa sangat penting.

Langkah Selanjutnya

Jelajahi Alat Lainnya

Sumber: Lakens, D. (2013), β€œCalculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs.” Frontiers in Psychology, 4, 863. Baca artikelnya. Patokan 0,2/0,5/0,8 berasal dari Cohen, J. (1988), Statistical Power Analysis for the Behavioral Sciences, edisi ke-2. Lihat juga semua kalkulator statistik dan metodologi kami.