Salah satu temuan dari Tufts University, tentang issue tersebut adalah sangat banyaknya variabel yang dimasukkan dalam penelitian. Fenomena ini seringkali terjadi pada riset sosial dan epidemiology. Peneliti memasukkan sebanyak-banyaknya variabel untuk mendukung keputusan tertentu. Sehingga kadang variabel yang tidak atau kurang relevan dengan topik riset menjadi sangat mempengaruhi.
Sebagai contoh : sebuah studi mengenai partisipasi wanita dalam mendukung pendapatan rumah tangga. Salah satu variabel yang dimasukkan periset (sebagai variabel bebas) adalah "kegemaran/ hobby" wanita.
Menyikapi contoh ini, sebenarnya lebih baik seorang periset menguji dulu kekuatan hubungan antar variabel bebas dan variabel respon. Selain itu, yang perlu dicermati adalah seberapa banyak variabel bebas ini dapat menjelaskan variabel respon. Dan inilah manfaat statistik, kadang dalam sebuah analisis (terutama yang menyangkut pemodelan), kita tidak perlu memaksakan semua variabel masuk hingga tingkat keragaman mencapai 90% - 100%. Memang, tingkat keragaman yang tinggi akan semakin baik, namun bila variabel yang dibutuhkan untuk itu sampai puluhan, dimana masing-masing variabel memiliki kontribusi kecil, apa manfaatnya ? Toh, dalam statistik kita mengenal tingkat kepercayaan, error dan batas kepercayaan.
Berikut solusi dalam menentukan variabel bebas :
- Lakukan tinjauan pada teori-teori terkait, variabel apa saja yang dapat mempengaruhi respon (anda bisa cari sebanyak-banyaknya variabel pada tahap ini)
- Lakukan survey awal, untuk memilih variabel mana yang benar-benar menjadi pengaruh pada respon (anda bisa menggunakan uji korelasi) dan uji keterkaitan antar variabel bebas
- Pilih variabel-variabel tertentu yang signifikan dapat menjelaskan tingkat keragaman dalam respon
Dengan jeli memilih variabel-variabel dalam sebuah riset, anda akan memperoleh hasil yang lebih dipercaya dan tidak sulit untuk diaplikasikan dalam kehidupan sehari-hari.
.jpg)
.jpg)
0 komentar:
Post a Comment