Kriteria Model Statistik yang Baik

Nah, kini saatnya kita membahas mengenai model statistik itu sendiri.

Bagaimana sih model statistik itu dikatakan baik ?

Menurut Gujarati (2006), suatu model statistik dapat dikatakan sebagai model yang baik apabila memenuhi beberapa kriteria berikut  :

(1) Parsemoni. Suatu model tidak akan pernah dapat secara sempurna menangkap realitas sehingga hal ini menjadi urgensi bagi kita untuk melakukan sedikit abstraksi atau penyederhanaan dalam pembuatan model. Maksudnya, ketikdakmampuan model kita dalam mencakup semua realitas yang ada itu menjadikan kita harus berfokus membuat model khusus untuk menjelaskan realitas yang menjadi tujuan penelitian kita saja.

(2) Mempunyai identifikasi tinggi. Artinya dengan data yang tersedia, parameter-parameter yang diestimasi memiliki nilai yang unik (tunggal, berdiri sendiri) sehingga hanya akan ada satu parameter saja.

(3) Keselarasan atau Goodness of fit. Khusus untuk analisis regresi, ialah menerangkan sebanyak mungkin variasi variabel terikat dengan menggunakan variabel bebas dalam model. Oleh karena itu, suatu model dikatakan baik jika indikator pengukur kebaikan model, yaitu adjusted R square bernilai tinggi. Nah, disini biasanya banyak penelitian salah kaprah dalam menjelaskan modelnya melalui nilai R square (koefisien determinasi) model. Banyak penelitian empiris yang justru menggunakan R square saja, bukan adjusted R square. Coba kita amati formula dari R square berikut :

[caption id="attachment_347840" align="aligncenter" width="218" caption="Formula R square, sumber : Dok. Penulis"][/caption]

Bandingkan dengan formula adjusted R square berikut :

[caption id="attachment_347843" align="aligncenter" width="307" caption="Formula Adjusted R square, sumber : Dok. Penulis"]

1405391351207963173

[/caption]

Terlihat jelas, bahwa perbedaan nilai R square dan adjusted R square adalah pada faktor koreksi (derajat bebas). R square tidak memiliki faktor koreksi sehingga jika dalam model, variabel bebas terus ditambah, maka nilainya akan terus membesar. Sementara itu, penambahan variabel bebas belum tentu menaikkan angka adjusted R square sebab ia mampu menjelaskan apakah proporsi keragaman variabel terikat (dependen) mampu dijelaskan oleh variabel bebas atau tidak. Penambahan variabel bebas tentu belum menjadi jaminan nilai adjusted R square meningkat sebab bisa saja terdapat variabel yang sebenarnya tidak mampu menjelaskan proporsi keragaman variabel terikat malah masuk dalam model sehingga secara implisit merusak model. Inilah biasanya yang banyak saya temui dalam artikel ilmiah dan karya ilmiah, bahkan tesis juga pernah saya temukan.

(4) Konsistensi dengan teori. Model yang baik adalah model yang diharapkan sama persis dengan teori yang menjadi rujukan literatur penelitian. Hal ini disebabkan penelitian yang tidak mendasar pada teori yang ada akan justru menyesatkan penelitian-penelitian selanjutnya (salah tetapi menjadi keumuman).

Kalau tidak ada landasan teori, berarti bukan disebut karya ilmiah dong...

(5) Kekuatan prediksi. Validitas suatu model statistik berbanding lurus dengan kemampuan model dalam memprediksi realitas kedepan. Oleh karena itu, diharapkan untuk memilih model yang prediksi teoritisnya berasal dari penelitian empiris (ilmiah).

Demikian sekelumit ulasan mengenai model yang baik dalam penelitian ilmiah. Salam

Artikel terkait : Regresi dan Korelasi