2. Variabilitas dalam Data:
 Variabilitas yang lebih rendah dalam data (standar deviasi yang lebih kecil) meningkatkan kekuatan statistik.
3. Ukuran Efek (Effect Size)
Cohen memperkenalkan berbagai ukuran efek yang digunakan dalam analisis statistik:
- Cohen's d: Ukuran efek untuk perbedaan rata-rata antara dua kelompok
- Cohen's f: Ukuran efek untuk analisis varians (ANOVA).
- Cohen's q: Ukuran efek untuk korelasi antara dua variabel
4. Power Analysis digunakan untuk menentukan ukuran sampel yang diperlukan untuk mendeteksi efek tertentu dengan probabilitas (kekuatan) tertentu. Ini sering dilakukan sebelum studi dimulai, untuk memastikan agar studi dirancang dengan baikÂ
5. Pentingnya Kekuatan Statistik
Kekuatan statistik yang memadai penting untuk beberapa alasan:
Menghindari Kesalahan Tipe II: Studi dengan kekuatan statistik yang rendah memiliki risiko tinggi untuk gagal mendeteksi efek yang sebenarnya ada.
Replikasi dan Keandalan: Studi dengan kekuatan statistik yang tinggi lebih mungkin untuk direplikasi, meningkatkan kepercayaan dalam temuan tersebut.
Efisiensi Penelitian: Menggunakan ukuran sampel yang sesuai menghindari pemborosan sumber daya dalam penelitian.
6. Threshold Kekuatan Statistik
Cohen menyarankan bahwa kekuatan statistik 0.80 (80%) adalah standar minimum yang disarankan, yang berarti ada probabilitas 80% untuk mendeteksi efek yang ada jika efek itu benar-benar ada.
Kontribusi Jacob Cohen dalam bidang kekuatan statistik sangat berpengaruh, membantu peneliti merancang studi yang lebih kuat dan valid. Memahami dan menerapkan konsep kekuatan statistik dapat meningkatkan kualitas dan keandalan hasil penelitian, serta meminimalkan risiko kesalahan interpretasi data.
