Jacob Cohan adalah seorang pendiri dalam bidang statistika psikologis dan berkontribusi besar pada kemajuan ilmu statistika kontemporer. Cohan lahir pada 20 April 1923 dan meninggal pada 20 Januari 1998. Dia dikenal sebagai salah satu ahli statistik Amerika yang terkenal karena mengenalkan konsep daya statistik, analisis efek, dan regresi multivariat kepada ilmu statistika dan psikologi. Ia mengawali karier pendidikannya saat berada di Universitas New York (NYU) AS
Karya seorang Cohen yang terkenal salah satunya adalah buku yang berjudul "Statistical Power Analysis for the Behavioral Sciences", yang diterbitkan pada tahun 1988 merupakan karyanya yang paling terkenal. Buku oini membahas konsep daya statistik dan bagaimana ia dapat digunakan dalam ilmu perilaku. Untuk menentukan ukuran sampel yang paling sesuai untuk sebuah penelitian, buku ini telah menjadi rujukan Utama
Analisa statistik Cohan
kontribusi utama Jacob Cohan: Penemuan Jacob Cohen dalam statistika daya dan ukuran efek adalah salah satu kontribusi terbesarnya. Konsep statistik daya Cohan mengubah cara para peneliti melihat perencanaan penelitian statistik. Menghitung sampel yang diperlukan untuk mendapatkan hasil yang signifikan secara statistik dapat dilakukan oleh peneliti dengan memahami daya statistik.
Metodologi Analisis Cohan
Cohan juga dikenal membuat ukuran efek, seperti Cohen's d dan Cohen's kappa, yang berguna untuk mengukur seberapa besar pengaruh variabel tertentu terhadap hasil penelitian. Dengan menggunakan ukuran efek ini, peneliti dapat melihat dampak substantif dari variabel yang diteliti, bukan hanya signifikansi statistiknya.
1. Kekuatan Statistik
Kekuatan statistik (statistical power) adalah probabilitas untuk mendeteksi efek yang benar-benar ada (misalnya, perbedaan antara kelompok) dalam sebuah studi. Ini diukur sebagai 1 - β, di mana β adalah risiko terjadinya kesalahan tipe II (false negative).
Cohen mengidentifikasi beberapa faktor utama yang mempengaruhi kekuatan statistik:
- Ukuran Sampel (N): Semakin besar ukuran sampel, semakin tinggi kekuatan statistiknya.
- Ukuran Efek (Effect Size): Ukuran efek adalah ukuran besarnya perbedaan atau hubungan yang diteliti. Efek yang lebih besar lebih mudah dideteksi.
- Tingkat Signifikansi (α): Biasanya ditetapkan pada 0.05, tingkat signifikansi adalah probabilitas melakukan kesalahan tipe I (false positive).
Tingkat signifikansi yang lebih rendah (misalnya, 0.01) akan mengurangi kekuatan statistik.