Perbedaan valid dan reliabel, sumber foto: dokpri.
Statistika begitu kental dengan acara pengukuran sebuah objek. Hasil dari pengukuran itulah yang lalu menjadi materi baku analisis dan pengambilan kesimpulan.
Hasil pengukuran yang baik yaitu yang dikatakan valid dan reliabel. Konsep valid dan reliabel begitu banyak dipakai dalam statistika, meskipun seringkali keduanya justru tidak banyak diketahui baik secara konseptual maupun secara praktik.
Valid dan reliabel, apa bedanya? Inilah waktunya kita ulas perbedaan itu. Valid secara sederhananya didefinisikan sebagai hasil pengukuran yang di dalamnya tidak mengandung bias atau penyimpangan terhadap parameter populasi. Sebuah estimator hasil suatu survei dikatakan telah memenuhi konsep valid jikalau estimator survei tersebut sama persis dengan parameter populasi.
Sedangkan reliabel yaitu hasil pengukuran yang mengandung ketelitian atau presisi yang baik. Presisi baik diidentikkan dengan kondisi selang iman dalam menerka parameter yang sempit. Selang iman yang sempit dalam artian semakin besarnya ukuran sampel mengakibatkan margin of error (moe) semakin kecil.
Untuk lebih memahami mengenai konsep valid dan reliabel, sebaiknya kita perhatikan gambaran berikut.
Valid tapi tidak reliabel, sumber foto: dokpri.
Ada kondisi dikala suatu hasil pengukuran itu valid, namun sesungguhnya tidak reliabel. Kondisi ini mengatakan kurangnya tingkat ketelitian atau presisi dari pengukuran. Tidak ada bias di dalam pengukuran sehingga nilai dugaan sama persis terhadap nilai parameter yang sebenarnya.
Reliabel tapi tidak valid, sumber foto: dokpri.
Sebaliknya, ada pula kondisi hasil pengukuran reliabel tetapi ternyata tidak valid. Ini merupakan imbas adanya bias dalam pengukuran. Bias merupakan simpangan atau terdapat selisih antara estimator terhadap parameter sesungguhnya (true value). Bias sanggup berasal dari sampling, sanggup pula berasal dari non-sampling. Bias dari sampling sanggup diminimalisir dengan perbaikan teknik sampling, sedangkan bias non-sampling sanggup dikurangi dengan cara memanajemen Sumber Daya Manusia secara baik dan benar.
Begitu pula dengan perbaikan operasional sampling, bias akan sanggup ditekan besarnya. Ini menjadi urgensi sulitnya mengukur bias lantaran berkaitan bersahabat dengan human error atau sopan santun hazard.
Untuk itulah diharapkan desain survei yang baik untuk mencapai pengukuran yang valid dan reliabel. Lebih jelasnya, coba kita perhatikan beberapa desain survei berikut.
Beberapa desain survei, sumber foto: dokpri.
Tampak estimator desain survei A dan C terletak disisi kanan parameter sebenarnya, sehingga A dan C mempunyai bias. Sementara itu, desain survei B dan D sempurna pada nilai parameter yang sebenarnya. Desain A lantaran tidak mempunyai presisi yang baik dan juga mempunyai bias maka A dikatakan belum reliabel dan belum valid. Desain B, lantaran sudah valid tetapi belum reliabel lantaran belum presisi (tampak variasinya besar yang ditunjukkan oleh kurva yang intervalnya lebih panjang). Desain C, sudah reliabel sih, tetapi masih belum valid lantaran C tampak terdapat bias terhadap parameter sebenarnya. Dan desain survei yang alhasil paling manis yaitu desain D, ia mempunyai presisi (variasinya kecil, tampak lebih sempit kurvanya) dan tidak mempunyai bias lantaran nilai estimator yang dihasilkan oleh desain D sama dengan parameter sebenarnya.
Dalam pembahasan mengenai valid dan reliabel ini, kita perlu membahas pula soal akurasi dan presisi. Ini penting mengingat konsep valid dan reliabel sangat bersahabat berkaitan dengan tinggi atau rendahnya keakurasian dan kepresisian pengukuran.
Suatu pengukuran kita katakan akurasinya tinggi kalau hasil pengukuran mengandung nilai variabel eror yang kecil dan biasnya juga kecil dan berdampak pada total eror yang kecil. Sedangkan hasil pengukuran dikatakan mempunyai presisi yang tinggi dikala nilai variabel erornya kecil. Variabel eror merupakan besarnya penyimpangan penduga sejumlah survei (kegiatan statistik) terhadap rata-rata penduga parameter yang diharapkan.
Untuk lebih memahami mengenai perbedaan akurasi dan presisi, kita sanggup memerhatikan gambaran hasil tembak papan panahan berikut.
Akurasi tinggi, presisi rendah, sumber foto: dokpri.
Terlihat bahwa hasil tembak panahan tersebut mengatakan akurasi yang tinggi lantaran mengumpul di sekitar titik tengah. Titik tengah dalam hal ini merupakan nilai parameter sebenarnya. Tetapi tidak presisi lantaran titik tembak yang dihasilkan menyebar berjauhan.
Akurasi rendah, presisi tinggi, sumber foto: dokpri.
Dari hasil tembak panahan pada ilustrasi, akurasi yang rendah ditunjukkan oleh hasil titik tembakan jauh dari titik tengah yang mengejawantahkan nilai parameter sebenarnya. Tapi kondisi ini dikatakan presisinya tinggi lantaran titik panahan terlihat lebih mengumpul pada suatu area tertentu.
Sumber http://www.ngobrolstatistik.com/
