Menghindari Rumus Statisika yang Bias
Melalui kelas ini, kamu diajak untuk:
- Menemukan bias di dalam penerapan statistika.
Ruang Rawan Bias
Rumus penghitungan statistik masih memberi ruang bagi setiap peneliti untuk melakukan improvisasi. Pertanyaan riset, pemilihan data, hipotesis, pilihan rumus, membutuhkan sentuhan manusia.
Letak Bias di Statistik
Dalam statistika, bias berarti menaksir data dengan nilai yang terlalu rendah atau terlalu tinggi. Bias di dalam dataset dapat muncul ke dalam beragam bentuk.
1. Memilih Sampel dari Populasi
Bias bisa terjadi ketika memilih sampel dari populasi yang keliru. Metode sampling membutuhkan presisi. Namun, beberapa peneliti sering mengabaikan salah satu sampel yang justru diperlukan, tapi menitikberatkan sampel yang tak berguna.
2. Membangun Instrumen Pengambilan Data
Medium pengambilan data seperti survei, polling, dan kuesioner rawan melahirkan bias. Hal ini bisa terjadi di penyusunan pertanyaan kepada objek penelitian. Pemilihan kata memiliki peran krusial dalam menentukan bias tidaknya proses penghitungan.
3. Pengambilan Data
Jejak bias masih berlanjut saat proses mengumpulkan data dari instrumen yang dipakai. Ketidakjelasan hingga kesalahan input dapat menghasilkan pergeseran data yang signifikan, dan membuat penelitian semakin terdistorsi.
4. Konteks Waktu
Pemilihan periode riset juga memungkinkan lahirnya bias dalam penelitian statistik.
Menghindari Sampling Bias
Pemilihan sampel menjadi kiat kunci dalam menghindari bias. Prasyarat utama pengambilan sampel yang tepat adalah dengan tidak memilihnya sendiri atau random sampling. Tapi random sampling saja tidak cukup mewakili seluruh target populasi.
Stratifikasi Sampling
Bagi sampel ke dalam kelompok dengan karakteristik tertentu. Pengelompokannya berdasarkan data kategorik seperti nama, merek, warna, dan sebagainya. Kelompok karakteristik disebut sebagai strata, sedangkan anggotanya adalah stratum.
Cluster Sampling
Cluster sampling adalah pilihan tepat ketika populasi objek penelitian yang dapat dibagi rata ke dalam kelompok kecil. Misalnya data bola di atas yang bisa diplastikin ke dalam bungkus dengan pembagian sesuai persentase warna.
Systematic Sampling
Systematic sampling dimulai dengan mensejajarkan data ke dalam satu baris. Kemudian tentukan angka k tertentu. Pemilihan angkanya bisa acak, dan penerapannya harus konsisten dalam pemilihan sampel. Namun perlu diperhatikan bahwa sampling model ini tidak cukup representatif.