Signifikansi Statistik: Ukuran Sampel dan Daya Statistik

Signifikansi Statistik: Ukuran Sampel dan Daya Statistik - Untuk memahami dunia di sekitar kita, peneliti secara resmi menggunakan metode ilmiah sebagai cara untuk memisahkan kebenaran yang diduga dari kebohongan. Ilmu Saraf Kognitif bertujuan untuk memahami bagaimana sistem genetik, neurologis, dan perilaku mendukung kemampuan organisme untuk merasakan, berinteraksi, bernavigasi, dan memikirkan dunia di sekitar mereka.

Ini berarti ilmu saraf kognitif merancang eksperimen dan mengumpulkan data di semua tingkatan analisis. Program penelitian di seluruh dunia yang berusaha untuk memperdalam pemahaman kita tentang dunia alami secara rutin menguji asumsi atau hipotesis dalam serangkaian eksperimen kecil yang terencana dengan baik. Eksperimen ini cenderung menyelidiki faktor-faktor spesifik yang mungkin atau tidak mempengaruhi hasil sambil meminimalkan pengaruh faktor luar yang tidak relevan seperti lingkungan, orientasi seksual, ras, atau status sosioekonomi.

Scenario Satu: Studi Pelepasan Dopamin

Dalam Ilmu Saraf Kognitif, dopamin umumnya dianggap sebagai senyawa "menyenangkan". Pelepasannya di Nucleus Acccumbens (NuAc) dipicu oleh perilaku atau hal-hal yang membuat kita termotivasi untuk bertindak. Ini dapat mencakup:

• 
  
  
  

• Menikmati makanan yang baik

• 
  
  
  

  
  
  
  

• Waktu bersama orang tercinta

• 
  
  
  

  
  
  
  

• Seks

• 
  
  
  

  
  
  
  

• Gula

• 
  
  
  

Misalkan kita ingin mengetahui apakah tingkat dopamin puncak di NuAc terjadi sebelum, selama, atau setelah terpapar pada rangsangan visual yang diinginkan atau familiar. Kita dapat menggunakan desain eksperimen EEG yang diadopsi dari studi Amatya Johanna Mackintosh. Kita dapat berhipotesis bahwa pelepasan dopamin terjadi selama dan mencapai puncaknya sedikit setelah terpapar rangsangan visual yang familiar atau diinginkan.

Sekarang, yang paling penting, dari mana kita mendapatkan subjek uji?

Dalam situasi eksperimen, "populasi" merujuk pada kelompok kolektif yang lebih besar yang sedang dipelajari. Tidak praktis dan tidak mungkin bahwa laboratorium Anda dapat merancang teknik untuk merekrut dan mengumpulkan data tentang pelepasan dopamin dari ratusan ribu atau jutaan orang.

Oleh karena itu, kita akan berusaha mengumpulkan data dari kelompok atau sampel yang lebih kecil dan representatif untuk memahami populasi. Untuk melakukan itu, kita perlu menjawab dua pertanyaan utama.

1. 
   
   
   

2. Berapa banyak individu yang perlu dimasukkan dalam sampel kita?

3. 
   
   
   

   
   
   
   

4. Bagaimana hal ini berkaitan dengan signifikansi praktis dan daya statistik?

5. 
   
   
   

Mari kita bahas lebih lanjut di bawah.

Daya Statistik dan Efek Nyata

Daya statistik didefinisikan sebagai probabilitas suatu uji mendeteksi perbedaan yang signifikan secara statistik ketika perbedaan tersebut benar-benar ada. Ini juga dapat disebut sebagai efek nyata.

Efek nyata adalah dasar dari desain eksperimen. Laporan Cohen 1988, terkenal karena kontribusinya terhadap metode ilmiah, berpendapat bahwa suatu studi harus dirancang untuk memiliki probabilitas 80% dalam mendeteksi efek nyata. Angka 80% ini mewakili desain uji daya tinggi (HP), sedangkan nilai yang mendekati 20% adalah desain uji daya rendah (LP).

Cohen menyarankan agar studi selalu memiliki probabilitas kurang dari 20% untuk membuat kesalahan tipe II, yang dikenal sebagai negatif palsu. Ia juga menggunakan rentang pedoman yang sama untuk penemuan yang terlewat, yang terjadi ketika seorang peneliti secara tidak akurat melaporkan tidak ada efek signifikan saat perbedaan benar-benar ada.

Kenapa Daya Statistik Penting?

Pikirkan skenario ini. Jika efek nyata ada di 100 studi berbeda dengan kekuatan 80%, tes statistik akan mendeteksi efek nyata di 80 dari 100. Namun, ketika sebuah studi memiliki daya penelitian 20%, jika ada 100 efek non-null yang nyata dalam hasil, studi ini diharapkan hanya menemukan 20 di antaranya.

Kekurangan Daya Statistik dalam Penelitian Ilmu Saraf

Tidak mengejutkan, karena sifat penelitian ilmu saraf yang memerlukan banyak sumber daya, bidang ini memiliki kekuatan statistik median sekitar 21% dan rata-rata berkisar 8%-31%. Daya statistik yang rendah dalam penelitian ilmu saraf:

• 
  
  
  

• Menimbulkan keraguan pada replikabilitas temuan.

• 
  
  
  

  
  
  
  

• Menunjukkan ukuran efek yang dibesar-besarkan.

• 
  
  
  

  
  
  
  

• Mengurangi kemungkinan hasil yang signifikan secara statistik yang secara akurat merepresentasikan efek nyata.

• 
  
  
  

Dengan demikian, kondisi saat ini dari penelitian ilmu saraf terjebak oleh masalah daya statistik karena nilai-nilai ini jauh di bawah ambang teoritis Cohen.

Mendirikan Kelompok Sampel yang Representatif

Tujuan Skenario Satu: Hindari kesalahan pengambilan sampel dan kesalahan tipe I dan II dalam uji kita dengan pengambilan sampel yang inklusif dan besar.

Berapa banyak pemindaian otak manusia yang perlu dimasukkan dalam set sampel kita jika kita ingin eksperimen ini bermakna secara praktis? Signifikansi praktis merujuk pada apakah hasil dari eksperimen berlaku di dunia nyata.

Kemampuan eksperimen seorang ahli saraf untuk menentukan efek (daya statistik) terkait dengan ukuran sampel. Melanjutkan parameter skenario 1, tujuannya masih untuk mengumpulkan cukup data sehingga kita dapat secara statistik mengevaluasi jika ada efek nyata dalam waktu pelepasan dopamin setelah menunjukkan rangsangan visual yang penuh emosi. Kita juga perlu menetapkan kriteria untuk inklusi ke dalam sampel yang meminimalkan potensi kesalahan pengambilan sampel.

Bagaimana Menghindari Kesalahan Pengambilan Sampel

Duakata penting yang harus dipahami sebelum melanjutkan.

1. 
   
   
   

2. Kesalahan Pengambilan Sampel: Ketika melakukan pengambilan sampel, selalu ada kemungkinan bahwa data yang dikumpulkan dari individu yang dipilih tidak akan mewakili populasi.

3. 
   
   
   

   
   
   
   

4. Signifikansi Statistik: Signifikansi statistik berarti bahwa data kita dan efek yang diamati kemungkinan adalah efek yang nyata. Dalam sebagian besar ilmu biomedis, signifikansi statistik ditetapkan dengan tingkat signifikansi atau p-value sebesar .05. Pada dasarnya, ini berarti para ilmuwan 95% yakin pada efek yang diamati dalam eksperimen mereka.

5. 
   
   
   

Perhatikan apakah data menunjukkan adanya hubungan (misalnya, pelepasan dopamin). Ada kemungkinan 5% bahwa efek tersebut terjadi karena kebetulan dan tidak terkait dengan variabel (rangsangan visual). Ini akan menjadi kesalahan Tipe I. Sebaliknya, ada probabilitas 5% bahwa data yang kita kumpulkan dapat menunjukkan tidak ada hubungan antara pelepasan dopamin dan rangsangan visual ketika, pada kenyataannya, ada efek nyata - negatif palsu atau kesalahan Tipe II.

Menetapkan kriteria inklusi dengan hati-hati lebih berdampak karena ada titik pengembalian yang menurun setelah ukuran sampel tertentu.

Kita berharap untuk mengumpulkan data yang merepresentasikan semua manusia, dan kita ingin kesimpulan kita menjadi signifikan secara praktis dan signifikan secara statistik. Untuk merancang set sampel kita dengan sukses, kesalahan pengambilan sampel, kesalahan tipe I (positif palsu), atau kesalahan tipe II (negatif palsu) harus diperhitungkan dan dihindari.

Eksperimen kita menguji hipotesis berikut:

• 
  
  
  

• Hipotesis nol - Tidak ada hubungan atau efek antara waktu pelepasan dopamin di NAc dan rangsangan visual yang bernilai emosional.

• 
  
  
  

  
  
  
  

• Hipotesis - Ada hubungan antara waktu pelepasan dopamin di NAc dan rangsangan visual yang bernilai emosional, dan puncak pelepasan dopamin terjadi setelah melihat rangsangan visual.

• 
  
  
  

Ada hubungan antara waktu pelepasan dopamin di NAc dan rangsangan visual yang bernilai emosional. Ketika data tidak signifikan secara statistik:

• 
  
  
  

• Hipotesis kita ditolak.

• 
  
  
  

  
  
  
  

• Tidak ada efek atau perbedaan nyata yang ditemukan.

• 
  
  
  

  
  
  
  

• Efek yang diamati sama mungkin dihasilkan dari kebetulan.

• 
  
  
  

Memahami Populasi?

Batasan praktis dalam desain eksperimen.

Dalam penelitian ilmu saraf, kriteria inklusi formal biasanya mencoba untuk mengacak dan/atau menyamakan kemungkinan inklusi di seluruh populasi untuk menghindari kesalahan pengambilan sampel. Kita perlu menghindari memilih individu hanya karena mereka adalah yang terdekat atau paling mudah diakses untuk mengumpulkan data, karena ini adalah resep untuk kesalahan pengambilan sampel.

Pendekatan terbaik dalam menghasilkan set sampel adalah menggunakan kriteria inklusi yang secara acak menyamakan kemungkinan pemilihan di seluruh populasi. Misalnya, dengan menggunakan data sensus, kita dapat memperoleh informasi kontak untuk 50 individu yang dipilih secara acak di setiap kabupaten di Ohio. Ini akan meminimalkan bias pemilihan karena nama-nama akan dipilih secara acak dari semua wilayah geografis.

Mendirikan desain eksperimen, meningkatkan ukuran sampel, dan sepenuhnya menyadari kriteria inklusi yang tidak bias, acak, dan sama dapat dengan cepat menghadapi batasan praktis. Ini merupakan masalah bagi penelitian ilmiah di semua level, dari latihan akademis hingga universitas penelitian yang berdedikasi. Biasanya, batasan anggaran dan waktu adalah yang pertama memaksa kompromi. Secara kolektif, isu-isu terkait signifikansi statistik ini adalah area penelitian yang aktif.

Apa itu Ukuran Efek Nyata?

Karena daya statistik yang rendah dalam penelitian ilmu saraf, kita cenderung melebih-lebihkan ukuran efek nyata yang mengarah pada rendahnya reproduksibilitas banyak studi. Selain itu, kompleksitas inheren dari penelitian ilmu saraf menjadikan daya statistik sangat penting.

Salah satu metode yang dapat diadopsi oleh bidang ini adalah meningkatkan daya suatu studi dengan meningkatkan ukuran sampel. Ini meningkatkan probabilitas untuk mendeteksi efek nyata. Memilih ukuran sampel yang sesuai adalah kunci untuk merancang penelitian yang:

• 
  
  
  

• Membuat penemuan praktis.

• 
  
  
  

  
  
  
  

• Memajukan pemahaman kita tentang berbagai proses di otak.

• 
  
  
  

  
  
  
  

• Mengembangkan terapi yang efektif.

• 
  
  
  

Mengatasi Tantangan dalam Penelitian Ilmu Saraf Kontemporer: Platform EmotivLAB

Desain eksperimen penelitian ilmu saraf harus berusaha untuk menetapkan ukuran kelompok sampel yang lebih besar dan kriteria inklusi yang lebih baik untuk mencapai signifikansi statistik yang dapat diandalkan. Dengan akses ke platform yang memfasilitasi sumber daya seperti EmotivLAB, peneliti diberikan akses ke individu-individu subjek yang lebih beragam dan lebih representatif - meningkatkan ukuran sampel dan inklusivitas dari semua demografi dengan minimal tambahan biaya logistik bagi kelompok penelitian.

Penelitian ilmu saraf modern dapat rentan terhadap kesalahan pengambilan sampel karena keterbatasan sumber daya yang tersedia untuk merekrut kelompok yang beragam untuk set sampel eksperimental. Konsep "kelompok WEIRD" merangkum isu ini. Sebagian besar penelitian universitas dilakukan dengan anggaran kecil pada subjek eksperimental yang umumnya berbicara tentang orang Barat, Berpendidikan, dan berasal dari negara yang Maju, Kaya, dan Demokratis. Namun, peralatan pengumpulan data jarak jauh, seperti platform EEG EmotivLAB, memungkinkan peneliti untuk menjangkau kelompok yang lebih baik untuk merekrut sampel yang lebih mewakili populasi.

Platform EmotivLAB dan peralatan EEG jarak jauh tidak hanya membantu peneliti memperluas keberagaman individu yang termasuk dalam kelompok sampel eksperimen. Ini juga mengatasi isu-isu terkait ukuran sampel secara keseluruhan dan jangkauan geografis ke dalam populasi sasaran.

Platform EmotivLAB membebaskan peneliti dari batasan saat ini dan sebaliknya memungkinkan mereka untuk memfokuskan energi mereka pada desain eksperimen dan analisis hasil. Platform kami mencocokkan eksperimen dengan individu yang paling sesuai dalam kolam subjek. Tidak perlu menghabiskan waktu untuk merekrut peserta, mengatur dan menjadwalkan mereka, serta melakukan pengumpulan data di laboratorium. Semua yang diperlukan adalah demografi yang diinginkan ditentukan di platform online, dan EmotivLAB akan membuat eksperimen tersedia bagi kontributor yang paling sesuai dengan parameter yang diinginkan. Peserta dapat melaksanakan eksperimen di rumah mereka sendiri, menggunakan peralatan mereka sendiri. Kemandirian mereka dengan headset menghilangkan kebutuhan bagi peneliti untuk memberikan instruksi tentang penggunaannya.

Selain itu, platform EmotivLAB menyediakan kontrol kualitas dan penilaian data rekaman EEG otomatis. Jumlah besar data berkualitas rendah tidak membantu mengatasi kesalahan pengambilan sampel atau kesalahan statistik dalam desain eksperimen. Namun, memiliki akses ke lebih banyak data berkualitas tinggi menyediakan solusi untuk membantu menghindari kesalahan dalam:

• 
  
  
  
  

• Pengambilan sampel

• 
  
  
  
  

  
  
  
  

• Populasi

• 
  
  
  
  

  
  
  
  

• Signifikansi statistik

• 
  
  
  
  

Ingin Mempelajari Lebih Lanjut Tentang Apa yang Dapat Dilakukan oleh Platform EmotivLAB untuk Penelitian Anda?

EmotivLABS memungkinkan Anda untuk membangun eksperimen Anda, menerapkan eksperimen Anda dengan aman dan terjamin, merekrut dari panel peserta global yang terverifikasi, dan mengumpulkan data EEG berkualitas tinggi, semuanya dari satu platform. Klik di sini untuk mempelajari lebih lanjut atau meminta demo.