<\/p>\n
Bias yang kurang dihitung<\/strong> adalah bias yang terjadi ketika beberapa anggota populasi tidak cukup terwakili dalam sampel.<\/span><\/p>\n Jenis bias ini sering terjadi dalam pengambilan sampel praktis<\/a> dan pengambilan sampel respons sukarela<\/a> , yang mana Anda mengumpulkan sampel yang mudah diperoleh namun sering kali menyebabkan jumlah anggota populasi yang terlalu rendah.<\/span><\/p>\n Bias penghitungan yang kurang menjadi masalah karena<\/span> 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.<\/span><\/p>\n Namun, untuk mengekstrapolasi hasilnya, sampel harus mewakili populasi kita<\/a> secara keseluruhan. Idealnya, kita ingin sampel kita menjadi versi \u201cmini\u201d 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.<\/span><\/p>\n 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:<\/span><\/p>\n Karena penelitian ini mengecualikan tipe orang tertentu, kecil kemungkinan hasil penelitian dapat mewakili populasi.<\/span><\/p>\n 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.<\/span><\/p>\n 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:<\/span><\/p>\n 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.<\/span><\/p>\n Contoh berikut mengilustrasikan beberapa kasus di mana bias penghitungan yang terlalu rendah dapat terjadi.<\/span><\/p>\n 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:<\/span><\/p>\n 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.<\/span><\/p>\n 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:<\/span><\/p>\n 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.<\/span><\/p>\n 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<\/span> merupakan bentuk convenience sampling yang mungkin akan mengalami kekurangan cakupan pada kelompok berikut:<\/span><\/p>\n 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.<\/span><\/p>\n 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<\/a> .<\/span><\/p>\n Dalam sampel jenis ini, setiap anggota populasi mempunyai peluang yang sama untuk dipilih menjadi bagian sampel.<\/span><\/p>\n 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.<\/span><\/p>\n 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. . .<\/span><\/p>\n Apa itu bias seleksi mandiri? 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 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Mengapa bias yang kurang dihitung menjadi masalah?<\/strong><\/span><\/h3>\n
\n
Contoh bias yang kurang dihitung<\/strong><\/span><\/h2>\n
Contoh 1<\/strong><\/span><\/h3>\n
\n
Contoh 2<\/strong><\/span><\/h3>\n
\n
Contoh 3<\/strong><\/span><\/h3>\n
\n
Bagaimana mencegah bias yang kurang dihitung<\/strong><\/span><\/h2>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Apa itu bias SEO?<\/a>
Apa yang dimaksud dengan bias non-respons?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"