Kekuatan statistik menjawab pertanyaan yang harus ditanyakan setiap peneliti sebelum mengumpulkan data: jika efek yang saya cari memang nyata, seberapa besar kemungkinan penelitian saya benar-benar menemukannya? Penelitian yang kurang berdaya adalah salah satu kesalahan yang paling umum – dan paling dapat dicegah – dalam penelitian terapan, karena menghasilkan hasil “tidak ada perbedaan yang signifikan” yang sebenarnya “tidak cukup data untuk diketahui”. Kalkulator ini menjalankan analisis daya perkiraan z standar untuk perbandingan dua sampel di kedua arah: daya dari ukuran sampel yang direncanakan, atau ukuran sampel yang diperlukan untuk mencapai daya target.
Cara kerja kalkulator
Kekuatan bergantung pada empat hal yang saling melengkapi: ukuran efek yang ingin Anda deteksi, tingkat signifikansi (α), ukuran sampel, dan apakah pengujian tersebut bersifat satu atau dua sisi. Jika yang lain tetap, kekuatan akan meningkat seiring dengan bertambahnya ukuran efek, seiring dengan bertambahnya ukuran sampel, atau saat α dilonggarkan (dibuat kurang ketat). Kalkulator ini menggabungkan keempat masukan tersebut menjadi satu parameter nonsentralitas — seberapa jauh efek sebenarnya mendorong distribusi pengambilan sampel menjauh dari hipotesis nol — dan membaca daya yang dihasilkan dari kurva normal standar. Model ini mengasumsikan dua kelompok independen dengan ukuran yang sama, desain yang paling umum dalam penelitian komparatif (tes A/B, uji coba pengobatan vs kontrol, sebelum/sesudah perbandingan dengan kelompok kontrol).
Mengapa 80% kekuasaan adalah konvensi
Buku teks analisis kekuatan Jacob Cohen yang berpengaruh pada tahun 1988 mengusulkan 80% sebagai keseimbangan default yang masuk akal: kekuatan yang cukup sehingga efek nyata lebih mungkin ditemukan daripada terlewatkan, tanpa memerlukan sampel besar yang tidak praktis. Konvensi tersebut terhenti, dan sebagian besar jurnal, peninjau hibah, dan dewan peninjau kelembagaan kini mengharapkan setidaknya 80% kekuasaan untuk dilaporkan atau direncanakan. Beberapa bidang — terutama uji klinis, di mana efek yang terlewat dapat berarti pengobatan yang efektif akan dibatalkan — malah mendorong kekuatan sebesar 90%, dan menerima ukuran sampel yang lebih besar sebagai akibat dari tingkat negatif palsu yang lebih rendah.
Batasan dan kasus tepi
Kalkulator ini menggunakan perkiraan z, yang akurat untuk sampel yang cukup besar namun sedikit melebih-lebihkan pangkat untuk sampel yang sangat kecil dibandingkan dengan perhitungan berbasis distribusi t yang tepat (kesenjangan menyusut dengan cepat seiring bertambahnya n melewati sekitar 20-30 per kelompok). Model ini juga mengasumsikan ukuran kelompok yang sama, hasil yang berkesinambungan dengan data yang kira-kira normal, data dengan varian yang sama, dan desain antar subjek (kelompok independen) — ini bukan alat yang tepat untuk desain berpasangan/pengukuran berulang, proporsi, ANOVA dengan lebih dari dua kelompok, atau regresi, yang masing-masing memiliki rumus kekuatannya sendiri. Perlakukan hasilnya sebagai perkiraan perencanaan: pengurangan jumlah kelompok di dunia nyata, ukuran kelompok yang tidak setara, dan asumsi yang dilanggar semuanya mengurangi daya efektif di bawah apa yang dilaporkan kalkulator.