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.
d = 0,333 β efek kecil
Pengukur di atas memakai skala |d| dari 0 sampai 2,0: di bawah 0,2 dapat diabaikan; 0,2β0,5 kecil; 0,5β0,8 sedang; 0,8β1,2 besar; 1,2β2,0 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 = (xΜβ β xΜβ) Γ· sp, dengan sp = β(((n1β1)s1Β² + (n2β1)s2Β²) Γ· (n1+n2β2)). 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 β 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 βbaikβ secara mutlak β patokan Cohen (1988) hanya titik acuan, bukan vonis. Yang penting selalu konteks bidang dan soalnya.
| |d| | Kategori | Arti praktis |
|---|---|---|
| < 0,2 | Dapat diabaikan | Perbedaannya terlalu kecil untuk dipedulikan |
| 0,2 β 0,5 | Efek kecil | Terlihat bila dicari, tetapi tumpang tindihnya besar |
| 0,5 β 0,8 | Efek sedang | Perbedaan yang jelas β contoh d = 0,605 pada studi DexoCalc |
| 0,8 β 1,2 | Efek besar | Kedua kelompok sudah cukup terpisah |
| 1,2 β 2,0 | Efek sangat besar | Perbedaan yang dramatis |
| β₯ 2,0 | Huge | Kelompok 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 β 3 Γ· (4Nβ9) dan N = jumlah seluruh sampel. Pada sampel besar, J hampir 1 sehingga g β 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 = β(((25β1) Γ 15Β² + (25β1) Γ 15Β²) Γ· (25+25β2)) = 15,000. Maka d = (105 β 100) Γ· 15,000 = 0,333; J = 1 β 3 Γ· (4 Γ 50 β 9) = 0,984; g = 0,333 Γ 0,984 = 0,328. Galat baku = β((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 = [β0,225; 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 β 100) Γ· 10,000 = 2,000; J = 1 β 3 Γ· (4 Γ 60 β 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 = β((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 3β5: 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 β 100) Γ· 12 = 0,667; J = 1 β 3 Γ· (4 Γ 36 β 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 β(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· βn.
Data berpasangan. Rata-rata selisih 5, simpangan baku selisih 10, 20 pasangan: dz = 5 Γ· 10 = 0,500; J = 1 β 3 Γ· (4 Γ 20 β 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 β 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 β 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 β 3) Γ· 2,00 = 0,500. Tetapi dengan 3 orang per kelompok, J = 1 β 3 Γ· (4 Γ 6 β 9) = 0,80 β koreksi paling dramatis yang mungkin: g = 0,500 Γ 0,80 = 0,400. Interval kepercayaan 95% = [β1,125; 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 β 105) Γ· 15,000 = β0,333; g = β0,328; interval kepercayaan 95% = [β0,892; 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 = β0,5 dan d = +0,5 sama-sama besar. Jangan pernah membaca d negatif sebagai βefek negatifβ 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¦(β|d|/2) adalah porsi kedua kurva yang berhimpit; peluang keunggulan = Ξ¦(d/β2) adalah peluang skor acak kelompok 1 mengalahkan skor acak kelompok 2.
| d | U3 | Tumpang tindih | Peluang keunggulan |
|---|---|---|---|
| 0,2 | 57,9% | 92,0% | 55,6% |
| 0,5 | 69,1% | 80,3% | 63,8% |
| 0,8 | 78,8% | 68,9% | 71,4% |
| 1,0 | 84,1% | 61,7% | 76,0% |
| 1,2 | 88,5% | 54,9% | 80,2% |
| 2,0 | 97,7% | 31,7% | 92,1% |
Satu baris lagi untuk yang suka korelasi: untuk dua kelompok sama besar, r = d Γ· β(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 dihitung | Rumus Excel | Hasil (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)/D2 | 0,333 |
| 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 [β0,225; 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. βEfek besarβ 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 β 3 Γ· (4Nβ9)) 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 = β0,333 berarti kelompok 1 lebih rendah 0,333 simpangan baku; d = β0,5 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 β(1/n1 + 1/n2); satu sampel/berpasangan: d = t Γ· βn. 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 [β0,225; 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
Kalkulator Uji-t Satu Sampel
Uji apakah rata-rata sampel berbeda dari nilai yang diklaim: statistik t, nilai-p, t kritis, dan Cohen's d.
Hitung βKalkulator Nilai-p
Hitung nilai-p dan ambang signifikansi dari skor z dan nilai t. Lihat kurva, daerah kritis, dan keputusannya.
Hitung βSumber: Lakens, D. (2013), βCalculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs.β 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.