{"id":548,"date":"2023-07-29T13:27:37","date_gmt":"2023-07-29T13:27:37","guid":{"rendered":"https:\/\/statorials.org\/id\/ukuran-efek\/"},"modified":"2023-07-29T13:27:37","modified_gmt":"2023-07-29T13:27:37","slug":"ukuran-efek","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/ukuran-efek\/","title":{"rendered":"Ukuran efek: apa itu dan mengapa itu penting"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><em>\u201cSignifikansi statistik adalah hal yang paling tidak menarik dari hasil ini. Anda perlu menggambarkan hasil dalam bentuk ukuran besarnya \u2013 tidak hanya dampak suatu pengobatan terhadap masyarakat, namun juga seberapa besar dampaknya terhadap mereka.<\/em> -Gene V. Kaca<\/span><\/p>\n<hr>\n<p> <span style=\"color: #000000;\">Dalam statistik, kita sering menggunakan <a href=\"https:\/\/statorials.org\/id\/p-menghargai-signifikansi-statistik\/\" target=\"_blank\" rel=\"noopener\">nilai p<\/a> untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara dua kelompok.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kita ingin mengetahui apakah dua teknik belajar yang berbeda menghasilkan nilai ujian yang berbeda. Jadi, kita mempunyai kelompok yang terdiri dari 20 siswa yang menggunakan satu teknik belajar untuk mempersiapkan ujian sementara kelompok lain yang terdiri dari 20 siswa menggunakan teknik belajar yang berbeda. Kami kemudian memberikan tes yang sama kepada setiap siswa.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Setelah menjalankan uji-t dua sampel untuk menentukan perbedaan rata-rata, kami menemukan bahwa nilai p untuk pengujian tersebut adalah 0,001. Jika kita menggunakan tingkat signifikansi 0,05, ini berarti terdapat perbedaan yang signifikan secara statistik antara hasil rata-rata kedua kelompok. Jadi, teknik belajar berdampak pada hasil tes.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, meskipun nilai p memberi tahu kita bahwa teknik belajar berdampak pada nilai ujian, nilai p tidak memberi tahu kita <em>besarnya<\/em> dampak tersebut. Untuk memahami hal ini, kita perlu mengetahui <strong>ukuran efeknya<\/strong> .<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Berapa ukuran efeknya?<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\"><strong>Ukuran efek<\/strong> adalah cara untuk mengukur perbedaan antara dua kelompok.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Meskipun nilai p dapat memberi tahu kita apakah ada perbedaan yang signifikan secara statistik antara dua kelompok, ukuran efek dapat memberi tahu kita <em>seberapa besar<\/em> perbedaan tersebut. Dalam praktiknya, ukuran efek jauh lebih menarik dan berguna untuk diketahui dibandingkan nilai p.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ada tiga cara untuk mengukur ukuran efek, bergantung pada jenis analisis yang Anda lakukan:<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>1. Perbedaan rata-rata yang terstandarisasi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Bila Anda ingin mempelajari perbedaan rata-rata antara dua kelompok, cara yang tepat untuk menghitung besaran pengaruh adalah dengan menggunakan <strong>perbedaan rata-rata terstandarisasi<\/strong> . Rumus yang paling populer untuk digunakan dikenal sebagai Cohen&#8217;s <em>d<\/em> , yang dihitung sebagai berikut:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\"><sub>Cohen<\/sub> <em>D<\/em> = ( <span style=\"border-top: 1px solid black;\">x1<\/span> \u2013 <span style=\"border-top: 1px solid black;\">x2<\/span> )\/ <sub>s<\/sub><\/span><\/p>\n<p> <span style=\"color: #000000;\">dimana <span style=\"border-top: 1px solid black;\">x<\/span> <sub>1<\/sub> dan <span style=\"border-top: 1px solid black;\">x<\/span> <sub>2<\/sub> masing-masing adalah rata-rata sampel dari kelompok 1 dan kelompok 2, dan <em>s<\/em> adalah simpangan baku populasi dari mana kedua kelompok tersebut diambil.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dengan menggunakan rumus ini, ukuran efek mudah diinterpretasikan:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">A <em>d<\/em> dari 1 menunjukkan bahwa rata-rata kedua kelompok berbeda satu standar deviasi.<\/span><\/li>\n<li> <span style=\"color: #000000;\">A <em>d<\/em> dari 2 berarti rata-rata kelompok berbeda dua standar deviasi.<\/span><\/li>\n<li> <span style=\"color: #000000;\">A <em>d<\/em> sebesar 2,5 menunjukkan bahwa kedua mean tersebut berbeda sebesar 2,5 standar deviasi, dan seterusnya.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Cara lain untuk menafsirkan ukuran efek adalah: ukuran efek 0,3 berarti bahwa skor rata-rata orang di Grup <em>2<\/em> adalah 0,3 standar deviasi di atas rata-rata orang di kelompok <em>1<\/em> dan oleh karena itu melebihi skor 62% dari kelompok <em>1<\/em> . .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tabel berikut menunjukkan ukuran efek yang berbeda dan persentilnya yang sesuai:<\/span><\/p>\n<div style=\"max-width: 50%; margin: 0 auto;\">\n<table>\n<tbody>\n<tr>\n<th> <strong><span style=\"color: #000000;\">Ukuran efek<\/span><\/strong><\/th>\n<th> <strong><span style=\"color: #000000;\">Persentase kelompok <em>2<\/em> yang berada di bawah rata-rata penduduk kelompok <em>1<\/em><\/span><\/strong><\/th>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">50%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,2<\/span><\/td>\n<td> <span style=\"color: #000000;\">58%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,4<\/span><\/td>\n<td> <span style=\"color: #000000;\">66%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,6<\/span><\/td>\n<td> <span style=\"color: #000000;\">73%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,8<\/span><\/td>\n<td> <span style=\"color: #000000;\">79%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.0<\/span><\/td>\n<td> <span style=\"color: #000000;\">84%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.2<\/span><\/td>\n<td> <span style=\"color: #000000;\">88%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.4<\/span><\/td>\n<td> <span style=\"color: #000000;\">92%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.6<\/span><\/td>\n<td> <span style=\"color: #000000;\">95%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.8<\/span><\/td>\n<td> <span style=\"color: #000000;\">96%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">2.0<\/span><\/td>\n<td> <span style=\"color: #000000;\">98%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">2.5<\/span><\/td>\n<td> <span style=\"color: #000000;\">99%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">3.0<\/span><\/td>\n<td> <span style=\"color: #000000;\">99,9%<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p> <span style=\"color: #000000;\">Semakin besar effect size maka semakin besar pula perbedaan rata-rata individu pada masing-masing kelompok.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Secara umum, <em>d<\/em> sebesar 0,2 atau kurang dianggap sebagai ukuran efek kecil, <em>d<\/em> sekitar 0,5 dianggap sebagai ukuran efek sedang, dan <em>d<\/em> sebesar 0,8 atau lebih besar dianggap sebagai ukuran efek besar.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi, jika rata-rata dua kelompok tidak berbeda paling sedikit 0,2 standar deviasi, maka perbedaannya tidak signifikan, bahkan jika nilai p signifikan secara statistik.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>2. Koefisien korelasi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Saat Anda ingin mempelajari hubungan kuantitatif antara dua variabel, cara paling umum untuk menghitung besaran pengaruh adalah dengan menggunakan <a href=\"https:\/\/statorials.org\/id\/koefisien-korelasi-pearson-1\/\" target=\"_blank\" rel=\"noopener\">koefisien korelasi Pearson<\/a> . Ini adalah ukuran hubungan linier antara dua variabel <em>X<\/em> dan <em>Y.<\/em> Nilainya antara -1 dan 1 dimana:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">-1 menunjukkan korelasi linier negatif sempurna antara dua variabel<\/span><\/li>\n<li> <span style=\"color: #000000;\">0 menunjukkan tidak ada korelasi linier antara dua variabel<\/span><\/li>\n<li> <span style=\"color: #000000;\">Angka 1 menunjukkan korelasi linier positif sempurna antara dua variabel<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Rumus untuk menghitung koefisien korelasi Pearson cukup rumit, namun dapat ditemukan <a href=\"https:\/\/en.wikipedia.org\/wiki\/Pearson_correlation_coefficient\" target=\"_blank\" rel=\"noopener\">di sini<\/a> bagi yang berminat.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Semakin jauh koefisien korelasi dari nol, maka semakin kuat hubungan linear antara dua variabel. Hal ini juga dapat dilihat dengan membuat scatterplot sederhana dari nilai variabel <em>X<\/em> dan <em>Y.<\/em><\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya diagram sebar berikut menunjukkan nilai dua variabel dengan koefisien korelasi <em>r =<\/em> 0,94.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai tersebut jauh dari nol, menunjukkan adanya hubungan positif yang kuat antara kedua variabel.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4813 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg\" alt=\"\" width=\"331\" height=\"309\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Sebaliknya, scatterplot berikut menunjukkan nilai dua variabel yang memiliki koefisien korelasi <em>r =<\/em> 0,03. Nilai ini mendekati nol, menunjukkan bahwa hampir tidak ada hubungan antara kedua variabel.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4814 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet2.jpg\" alt=\"\" width=\"327\" height=\"306\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Secara umum, ukuran efek dianggap kecil jika nilai koefisien korelasi Pearson <em>r<\/em> sekitar 0,1, sedang jika <em>r<\/em> sekitar 0,3, dan besar jika <em>r<\/em> sama dengan atau lebih besar dari 0,5.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>3. Rasio peluang<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Saat Anda ingin mempelajari peluang keberhasilan dalam kelompok perlakuan versus peluang keberhasilan dalam kelompok kontrol, cara paling umum untuk menghitung besarnya efek adalah dengan menggunakan <strong>rasio odds<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kita mempunyai tabel berikut:<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<th> <span style=\"color: #000000;\">Ukuran efek<\/span><\/th>\n<th> <span style=\"color: #000000;\">#Kesuksesan<\/span><\/th>\n<th> <span style=\"color: #000000;\">#Catur<\/span><\/th>\n<\/tr>\n<tr>\n<td> <strong><span style=\"color: #000000;\">Kelompok pengobatan<\/span><\/strong><\/td>\n<td> <span style=\"color: #000000;\">MEMILIKI<\/span><\/td>\n<td> <span style=\"color: #000000;\">B<\/span><\/td>\n<\/tr>\n<tr>\n<td> <strong><span style=\"color: #000000;\">Kelompok kontrol<\/span><\/strong><\/td>\n<td> <span style=\"color: #000000;\">VS<\/span><\/td>\n<td> <span style=\"color: #000000;\">D<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p> <span style=\"color: #000000;\">Rasio odds akan dihitung sebagai berikut:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Rasio peluang = (AD) \/ (BC)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Semakin jauh rasio odds dari 1, semakin tinggi kemungkinan pengobatan akan menghasilkan efek nyata.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Manfaat Menggunakan Ukuran Efek Dibandingkan Nilai-P<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Ukuran efek memiliki beberapa keunggulan dibandingkan nilai p:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Ukuran efek membantu kita mendapatkan gambaran yang lebih baik tentang <em>seberapa besar<\/em> perbedaan antara dua kelompok atau <em>seberapa kuat<\/em> hubungan antara dua kelompok. Nilai p hanya dapat memberi tahu kita apakah <em>terdapat<\/em> perbedaan signifikan atau hubungan signifikan.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Berbeda dengan nilai p, ukuran efek dapat digunakan untuk membandingkan secara kuantitatif hasil penelitian berbeda yang dilakukan di lingkungan berbeda. Karena alasan ini, ukuran efek sering digunakan dalam meta-analisis.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Nilai P dapat dipengaruhi oleh ukuran sampel yang besar. Semakin besar ukuran sampel, semakin besar kekuatan statistik dari uji hipotesis, sehingga memungkinkan untuk mendeteksi efek yang kecil sekalipun. Hal ini dapat menyebabkan nilai p yang rendah, meskipun ukuran efeknya kecil dan mungkin tidak memiliki signifikansi praktis.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Sebuah contoh sederhana dapat menggambarkan hal ini dengan jelas: misalkan kita ingin mengetahui apakah dua teknik belajar menghasilkan nilai ujian yang berbeda. Kami memiliki kelompok yang terdiri dari 20 siswa yang menggunakan satu teknik belajar sementara kelompok lain yang terdiri dari 20 siswa menggunakan teknik belajar yang berbeda. Kami kemudian memberikan tes yang sama kepada setiap siswa.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Rata-rata skor kelompok 1 sebesar <b>90,65<\/b> dan rata-rata skor kelompok 2 sebesar <b>90,75<\/b> . Standar deviasi untuk sampel 1 adalah <strong>2,77<\/strong> dan standar deviasi untuk sampel 2 adalah <strong>2,78<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ketika kita melakukan uji-t dua sampel independen, ternyata statistik pengujiannya adalah <strong>-0,113<\/strong> dan nilai p yang sesuai adalah <strong>0,91<\/strong> . Perbedaan antara nilai rata-rata tes tidak signifikan secara statistik.<\/span><\/p>\n<p data-slot-rendered-dynamic=\"true\"> <span style=\"color: #000000;\">Namun, pertimbangkan jika ukuran sampel kedua sampel sama-sama <strong>200<\/strong> , namun rata-rata dan deviasi standarnya tetap sama.<\/span><\/p>\n<p data-slot-rendered-dynamic=\"true\"> <span style=\"color: #000000;\">Dalam kasus ini, uji t dua sampel independen akan menunjukkan bahwa statistik uji adalah <strong>-1,97<\/strong> dan nilai p yang sesuai sedikit di bawah <strong>0,05<\/strong> . Perbedaan antara nilai tes rata-rata signifikan secara statistik.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Alasan mendasar mengapa ukuran sampel yang besar dapat menghasilkan kesimpulan yang signifikan secara statistik adalah karena rumus yang digunakan untuk menghitung statistik uji <em>-t<\/em> :<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\"><strong>statistik uji <em>t<\/em><\/strong> = [ ( <span style=\"border-top: 1px solid black;\">x<\/span> <sub>1<\/sub> \u2013 <span style=\"border-top: 1px solid black;\">x<\/span> <sub>2<\/sub> ) \u2013 d ] \/ (\u221a <span style=\"border-top: 1px solid black;\">s <sup>2<\/sup> <sub>1<\/sub> \/ n <sub>1<\/sub> + s <sup>2<\/sup> <sub>2<\/sub> \/ n <sub>2<\/sub><\/span> )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa jika n <sub>1<\/sub> dan n <sub>2<\/sub> kecil, penyebut bilangan bulat dari statistik <em>uji-t<\/em> adalah kecil. Dan jika dibagi dengan angka kecil, maka akan didapat angka yang besar. Artinya, statistik uji <em>-t<\/em> akan besar dan nilai p yang terkait akan kecil, sehingga menghasilkan hasil yang signifikan secara statistik.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Apa yang dianggap sebagai ukuran efek yang baik?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Pertanyaan yang sering diajukan siswa adalah: <strong><em>Apa yang dianggap sebagai ukuran efek yang baik?<\/em><\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Jawaban singkatnya: ukuran dampak tidak bisa \u201cbaik\u201d atau \u201cburuk\u201d karena ukuran dampak hanya mengukur besarnya perbedaan antara dua kelompok atau kekuatan hubungan antara dua kelompok.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, kita dapat menggunakan aturan praktis berikut untuk mengukur apakah besaran suatu dampak kecil, sedang, atau besar:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>D Cohen:<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><em>D<\/em> sebesar 0,2 atau kurang dianggap sebagai ukuran efek yang kecil.<\/span><\/li>\n<li> <span style=\"color: #000000;\">A <em>d<\/em> sebesar 0,5 dianggap sebagai ukuran efek sedang.<\/span><\/li>\n<li> <span style=\"color: #000000;\">A <em>d<\/em> sebesar 0,8 atau lebih besar dianggap sebagai ukuran efek yang besar.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>Koefisien Korelasi Pearson<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Nilai absolut <em>r<\/em> sekitar 0,1 dianggap sebagai ukuran efek yang kecil.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Nilai absolut <em>r<\/em> sekitar 0,3 dianggap sebagai ukuran efek sedang.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Nilai absolut <em>r<\/em> yang lebih besar dari 0,5 dianggap sebagai ukuran efek yang besar.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Namun, definisi korelasi \u201ckuat\u201d dapat bervariasi dari satu bidang ke bidang lainnya. Lihat <a href=\"https:\/\/statorials.org\/id\" target=\"_blank\" rel=\"noopener\">artikel ini<\/a> untuk lebih memahami apa yang dianggap sebagai korelasi kuat di berbagai industri.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u201cSignifikansi statistik adalah hal yang paling tidak menarik dari hasil ini. Anda perlu menggambarkan hasil dalam bentuk ukuran besarnya \u2013 tidak hanya dampak suatu pengobatan terhadap masyarakat, namun juga seberapa besar dampaknya terhadap mereka. -Gene V. Kaca Dalam statistik, kita sering menggunakan nilai p untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara dua [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Ukuran Efek: Apa Artinya dan Mengapa Penting - Statologi<\/title>\n<meta name=\"description\" content=\"Penjelasan sederhana tentang ukuran efek dalam statistik, termasuk beberapa contoh.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/ukuran-efek\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Ukuran Efek: Apa Artinya dan Mengapa Penting - Statologi\" \/>\n<meta property=\"og:description\" content=\"Penjelasan sederhana tentang ukuran efek dalam statistik, termasuk beberapa contoh.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/ukuran-efek\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T13:27:37+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/ukuran-efek\/\",\"url\":\"https:\/\/statorials.org\/id\/ukuran-efek\/\",\"name\":\"Ukuran Efek: Apa Artinya dan Mengapa Penting - Statologi\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-29T13:27:37+00:00\",\"dateModified\":\"2023-07-29T13:27:37+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Penjelasan sederhana tentang ukuran efek dalam statistik, termasuk beberapa contoh.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/ukuran-efek\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/ukuran-efek\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/ukuran-efek\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Ukuran efek: apa itu dan mengapa itu penting\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Ukuran Efek: Apa Artinya dan Mengapa Penting - Statologi","description":"Penjelasan sederhana tentang ukuran efek dalam statistik, termasuk beberapa contoh.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/ukuran-efek\/","og_locale":"id_ID","og_type":"article","og_title":"Ukuran Efek: Apa Artinya dan Mengapa Penting - Statologi","og_description":"Penjelasan sederhana tentang ukuran efek dalam statistik, termasuk beberapa contoh.","og_url":"https:\/\/statorials.org\/id\/ukuran-efek\/","og_site_name":"Statorials","article_published_time":"2023-07-29T13:27:37+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"6 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/ukuran-efek\/","url":"https:\/\/statorials.org\/id\/ukuran-efek\/","name":"Ukuran Efek: Apa Artinya dan Mengapa Penting - Statologi","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-29T13:27:37+00:00","dateModified":"2023-07-29T13:27:37+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Penjelasan sederhana tentang ukuran efek dalam statistik, termasuk beberapa contoh.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/ukuran-efek\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/ukuran-efek\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/ukuran-efek\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Ukuran efek: apa itu dan mengapa itu penting"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/548"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=548"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/548\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=548"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=548"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=548"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}