Variabel pesaing: definisi & contoh

Variabel penyerta (kadang-kadang disebut “kovariat”) adalah variabel yang bukan merupakan kepentingan utama dalam suatu penelitian, namun mungkin mempunyai interaksi dengan variabel-variabel yang diteliti.

Kegagalan memperhitungkan jenis variabel ini dapat menyebabkan hasil analisis yang bias atau menyesatkan. Oleh karena itu penting untuk mengobatinya bila memungkinkan.

Dalam studi observasional, penting untuk menyadari bahwa variabel yang muncul bersamaan dapat menyebabkan interpretasi data dan hubungan antar variabel yang tidak biasa. Dalam studi eksperimental, penting untuk merancang eksperimen sedemikian rupa sehingga menghilangkan atau mengurangi risiko variabel yang menyertainya.

Contoh berikut mengilustrasikan beberapa kasus di mana variabel penyerta mungkin ada dalam sebuah penelitian:

Contoh 1

Peneliti ingin memahami hubungan kepadatan penduduk dan penjualan es krim. Namun cuaca merupakan variabel penyerta yang kemungkinan besar mempengaruhi penjualan es krim.

Jadi, jika peneliti ingin melakukan regresi linier untuk mengukur hubungan antara kepadatan penduduk dan penjualan es krim, mereka juga harus berupaya mengumpulkan data mengenai cuaca sehingga mereka dapat mengontrol variabel ini dalam regresi dan dapat memperoleh perkiraan tepat. pengaruh kepadatan penduduk terhadap penjualan es krim.

Contoh 2

Peneliti ingin memahami hubungan antara jam latihan yang dihabiskan dan rata-rata poin yang dicetak pemain bola basket per pertandingan. Namun, variabel penyerta yang mungkin mempengaruhi rata-rata poin yang dicetak adalah jumlah menit bermain per pertandingan.

Oleh karena itu, peneliti juga harus melacak jumlah menit bermain seorang pemain per game sehingga mereka dapat memasukkannya sebagai variabel dalam analisis regresi dan mengisolasi pengaruh jam yang dihabiskan untuk berlatih terhadap rata-rata poin yang dicetak per game.

Terkait: Bagaimana Menafsirkan Koefisien Regresi

Contoh 3

Peneliti ingin mengetahui apakah suatu pupuk tertentu menyebabkan peningkatan pertumbuhan tanaman atau tidak. Namun paparan sinar matahari dan frekuensi penyiraman merupakan dua variabel penyerta potensial yang dapat mempengaruhi pertumbuhan tanaman.

Oleh karena itu, peneliti juga harus mengumpulkan data mengenai paparan sinar matahari dan frekuensi penyiraman agar dapat dimasukkan sebagai variabel dalam analisis regresi dan dapat memahami pengaruh pupuk terhadap pertumbuhan tanaman, setelah memperhitungkan paparan sinar matahari dan frekuensi penyiraman.

Bagaimana mengidentifikasi dan menghilangkan variabel penyerta

Untuk mengungkap variabel yang terjadi bersamaan, akan sangat membantu jika kita memiliki keahlian domain di bidang yang sedang diteliti. Dengan mengetahui variabel potensial apa yang dapat mempengaruhi hubungan antar variabel penelitian yang tidak secara eksplisit dimasukkan dalam penelitian, Anda mungkin dapat mengungkap potensi variabel yang terjadi bersamaan.

Dalam studi observasional, akan sangat sulit untuk menghilangkan risiko variabel yang menyertainya. Dalam kebanyakan kasus, hal terbaik yang dapat Anda lakukan hanyalah mengidentifikasi, bukan mencegah, potensi variabel yang muncul bersamaan yang dapat berdampak pada penelitian.

Namun, dalam studi eksperimental, dampak variabel penyerta sebagian besar dapat dihilangkan melalui desain eksperimen yang baik.

Misalnya, kita ingin mengetahui apakah dua pil mempunyai dampak berbeda terhadap tekanan darah. Kita tahu bahwa variabel penyerta seperti pola makan dan kebiasaan merokok juga mempengaruhi tekanan darah. Oleh karena itu kita dapat mencoba mengendalikan variabel-variabel penyerta ini dengan menggunakan rancangan acak. Artinya kami secara acak menugaskan pasien untuk meminum pil pertama atau kedua.

Karena kami membagi pasien ke dalam kelompok secara acak, kami dapat berasumsi bahwa variabel yang bersamaan akan mempengaruhi kedua kelompok secara kira-kira sama. Artinya, setiap perbedaan tekanan darah mungkin disebabkan oleh pil, bukan pengaruh variabel yang menyertainya.