Bias undercount: penjelasan & contoh

Bias yang kurang dihitung adalah bias yang terjadi ketika beberapa anggota populasi tidak cukup terwakili dalam sampel.

Jenis bias ini sering terjadi dalam pengambilan sampel praktis dan pengambilan sampel respons sukarela , yang mana Anda mengumpulkan sampel yang mudah diperoleh namun sering kali menyebabkan jumlah anggota populasi yang terlalu rendah.

Mengapa bias yang kurang dihitung menjadi masalah?

Bias penghitungan yang kurang menjadi masalah karena menyebabkan sampel tidak mewakili populasi. Tujuan pengumpulan data untuk suatu sampel adalah untuk memperoleh data dengan cara yang lebih cepat dan sederhana dibandingkan mengumpulkan data untuk seluruh populasi, serta untuk dapat mengekstrapolasi hasil dari sampel ke populasi yang lebih besar. lebar.

Namun, untuk mengekstrapolasi hasilnya, sampel harus mewakili populasi kita secara keseluruhan. Idealnya, kita ingin sampel kita menjadi versi “mini” dari populasi. Sayangnya, bias yang kurang dihitung dapat menyebabkan orang-orang dalam sampel kami terlihat sangat berbeda dengan orang-orang dalam populasi yang lebih luas.

Misalnya, peneliti ingin mengetahui pendapat warga suatu kota tentang potensi undang-undang baru. Untuk mengumpulkan data, mereka pergi ke perpustakaan terdekat dan menanyakan pendapat pengunjung tentang potensi undang-undang baru tersebut. Meskipun ini adalah cara yang mudah untuk mengumpulkan data, para peneliti berisiko meremehkan beberapa tipe orang, termasuk:

• Orang-orang dikurung di rumah
• Orang yang tidak suka mengunjungi perpustakaan
• Orang yang pergi ke perpustakaan lain di bagian lain kota

Karena penelitian ini mengecualikan tipe orang tertentu, kecil kemungkinan hasil penelitian dapat mewakili populasi.

Misalnya, orang-orang yang sering mengunjungi perpustakaan ini kemungkinan besar akan mendukung potensi undang-undang baru tersebut dibandingkan masyarakat lainnya. Artinya, ketika hasil survei diketahui, akan terlihat tingginya persentase warga di kota ini yang mendukung potensi undang-undang baru tersebut, padahal kenyataannya sebagian besar warga tidak mendukungnya.

Gambar di bawah ini mengilustrasikan masalah ini: misalkan lingkaran hijau melambangkan masyarakat yang mendukung undang-undang baru tersebut, sedangkan lingkaran merah melambangkan masyarakat yang menentang undang-undang baru tersebut:

Perlu dicatat bahwa sebagian besar orang yang mendukung undang-undang baru ini dimasukkan dalam sampel, namun sampel tersebut tidak mewakili populasi secara keseluruhan. Hasil survei menunjukkan bahwa sebagian besar masyarakat mendukung undang-undang baru tersebut, padahal kenyataannya hal tersebut tidak benar.

Contoh bias yang kurang dihitung

Contoh berikut mengilustrasikan beberapa kasus di mana bias penghitungan yang terlalu rendah dapat terjadi.

Contoh 1

Peneliti ingin mengetahui pendapat warga suatu kota tentang pembangunan taman baru. Untuk mengumpulkan data, peneliti menghadiri pertemuan kota setempat dan menanyakan pendapat penduduk. Sayangnya, bentuk pengambilan sampel praktis ini mungkin mengalami kekurangan dalam penghitungan kelompok berikut:

• Masyarakat yang tidak memiliki akses transportasi untuk menghadiri pertemuan kota
• Orang-orang yang bahkan tidak mengetahui bahwa rapat kota sedang berlangsung
• Orang yang bekerja di malam hari dan tidak bisa menghadiri pertemuan kota

Oleh karena itu, pendapat orang-orang tersebut tidak akan diperhitungkan dalam hasil penelitian. Karena kelompok-kelompok tertentu tidak dihitung secara tepat, kecil kemungkinan sampel dapat mewakili populasi secara keseluruhan.

Contoh 2

Peneliti ingin mengetahui berapa jam sehari orang menonton televisi di suatu negara. Untuk mengumpulkan data untuk penelitian ini, mereka secara acak memilih nama dari direktori telepon lokal dan menelepon orang-orang untuk menanyakan tentang konsumsi televisi mereka. Ini adalah bentuk pengambilan sampel yang mudah dan mungkin mengalami kekurangan perhitungan pada kelompok berikut:

• Orang-orang yang sangat kaya yang tidak mencantumkan nomor telepon mereka di direktori telepon lokal
• Kaum muda yang hanya menggunakan telepon seluler dan nomornya tidak tercantum dalam direktori telepon lokal

Oleh karena itu, jumlah tayangan televisi yang ditonton oleh orang-orang kaya dan generasi muda akan diremehkan dalam penelitian ini. Karena kelompok-kelompok tertentu tidak dihitung secara tepat, kecil kemungkinan sampel dapat mewakili populasi secara keseluruhan.

Contoh 3

Para peneliti ingin mengetahui pendapat warga kota tertentu tentang peraturan lalu lintas yang baru. Maka mereka menyebarkan kuesioner kepada orang-orang yang melewati pusat perbelanjaan setempat. Ini merupakan bentuk convenience sampling yang mungkin akan mengalami kekurangan cakupan pada kelompok berikut:

• Masyarakat yang tidak memiliki akses transportasi untuk menuju pusat perbelanjaan (sehingga sebagian besar tidak terpengaruh oleh peraturan jalan raya)
• Orang yang tidak suka pergi ke mal (sehingga mungkin memilih untuk tidak mengemudi di area sibuk)
• Orang-orang pergi ke mal lain di kota lain

Oleh karena itu, pendapat orang-orang tersebut tidak akan diperhitungkan dalam hasil penelitian. Karena kelompok-kelompok tertentu tidak dihitung secara tepat, kecil kemungkinan sampel dapat mewakili populasi secara keseluruhan.

Bagaimana mencegah bias yang kurang dihitung

Bias penghitungan yang lebih rendah sering kali diakibatkan oleh pengambilan sampel yang praktis. Untuk menghilangkan (atau setidaknya meminimalkan) dampak bias penghitungan yang kurang, bentuk pengambilan sampel yang lebih baik adalah dengan menggunakan sampel acak sederhana .

Dalam sampel jenis ini, setiap anggota populasi mempunyai peluang yang sama untuk dipilih menjadi bagian sampel.

Keuntungan dari pendekatan ini adalah bahwa sampel acak sederhana umumnya mewakili populasi yang diteliti karena setiap anggota mempunyai peluang yang sama untuk dimasukkan ke dalam sampel.

Bila kita menggunakan pendekatan ini dibandingkan dengan convenience sampling, kita akan lebih yakin dengan kemampuan kita untuk mengekstrapolasi hasil sampel ke populasi yang lebih luas, karena kemungkinan besar anggota dari setiap (atau hampir setiap) kelompok populasi akan dimasukkan ke dalam sampel. . .

Sumber daya tambahan

Apa itu bias seleksi mandiri?
Apa itu bias SEO?
Apa yang dimaksud dengan bias non-respons?