Kamis, 27 Juli 2017

Ekonometrika: Mengapa Lebih Mementingkan Kesalahan Tipe I?

Sumber foto:http://www.sascommunity.org/planet/blog/category/proc-reg/

Ekonometrika begitu erat kaitannya dengan statistika. Sebab, ekonometrika mengkolaborasikan antara fenomena ekonomi dengan instrumen statistik untuk menghasilkan suatu model perekonomian. Pada bagian awal pembahasan model ekonometrika, kita telah mengetahui bahwa asumsi dasar sebuah penelitian adalah ketidakpercayaan terhadap teori ekonomi yang ada. Dengan alasan realita atau fenomena ekonomi, teori menjadi sebuah kondisi ideal yang (masih) perlu diuji kebenarannya.

Landasan awal itu melahirkan apa yang disebut sebagai hipotesis awal. Bahasa umumnya orang mengatakan sebagai hipotesis nol. Sebagai anggapan sementara, hipotesis menjadi titik pangkal diadakannya sebuah penelitian. Jika hasilnya menerima hipotesis awal, maka akan semakin memperkuat teori. Namun sebaliknya, jika hasilnya menolak maka menjadi suatu “pengurang” kekuatan teori sebelumnya sebagai teori “baru”.

Kasus mudahnya ketika hipotesis awal menyatakan bahwa terdapat hubungan antara biaya iklan terhadap volume penjualan. Kerangka ini memicu kita memiliki sifat ilmiah sehingga memunculkan rasa tidak percaya dengan statemen itu. Minimal diri kita mengatakan, “Benarkah?” atau “Apa benar demikian?”. Sifat itulah yang menjadi dorongan kuat bagi kita untuk membuktikan sebuah kebenaran teori.
Berangkat dari motif itu, penelitian dilakukan. Dalam berbagai literatur umum, diketahui bahwa kesalahan penelitian perlu diperhatikan adalah kesalahan tipe I.

Mengapa?.

Kesalahan tipe I merupakan salah satu kesalahan yang lumrah terjadi saat pengujian hipotesis. Kesalahan tipe I didefinisikan sebagai kesalahan pengambilan keputusan menolak hipotesis awal, padahal hipotesis awal itu benar. Selain kesalahan tipe I, ada pula kesalahan tipe II, yaitu kesalahan yang terjadi karena menerima hipotesis awal, padahal sebenarnya hipotesis awal itu salah. Lantas, mengapa berbagai penelitian yang ada selalu menggunakan kesalahan tipe I dibandingkan kesalahan tipe II?.

Bila kita amati kembali, kesalahan tipe I merupakan kesalahan karena menolak hipotesis awal. Dasar penolakan itu, sebagai penguji, kita telah berbekal data atau informasi numeris. Dari hasil pemungutan data itulah, hipotesis awal kita uji kebenarannya. Data atau informasi itu pula yang melandasi keilmiahan bila hasilnya menolak hipotesis awal.

Logikanya, kita benar-benar bisa mengukur sekaligus mengetahui peluang kesalahan uji kita dengan data yang ada. Pun, ukuran besarnya peluang kesalahan itu dapat kita nyakini, sebab aspek teknis dan metodologis terkandung dalam data serta bagaimana data tersebut didapatkan.

Sangat berbeda bila kita menggunakan kesalahan tipe II sebagai dasar menolak atau menerima hipotesis awal. Dari definisinya, kesalahan tipe II sangat sulit diukur sebab kebenaran hipotesis awal sendiri belum terbukti tanpa melakukan uji berdasar data atau informasi yang tersedia. Bagaimana mungkin telah terjadi kesalahan menerima hipotesis awal padahal bernilai salah?. Tentu, untuk menerima hipotesis awal, diperlukan adanya landasan berupa data atau informasi dahulu.

Saat pernyataan biaya iklan mempunyai pengaruh terhadap volume penjualan bernilai salah, pada kondisi ini, tidak terdapat inferensi yang mendukungnya. Selain itu, keterbatasan informasi tidaklah cukup mampu menjustifikasi bahwa pernyataan tersebut benar. Situasi inilah yang menjadi tumpuan penggunaan kesalahan tipe I dalam penelitian dibanding kesalahan tipe II. Penelitian yang diadakan motifnya ingin menolak, apa dasarnya? Ya, data atau informasi yang kemudian diuji menggunakan statistik uji yang relevan. Hasilnya, bila kenyataannya menerima, maka menjadi “kemakluman” karena teori terbentuk dari hasil kebanyakan penelitian sebelumnya. Namun sebaliknya, apabila hasilnya menolak, kita pun memiliki dasar, yaitu hasil uji hipotesis terhadap data.

Kesalahan tipe I begitu tampak jelas karena memiliki landasan data, begitu pula besarannya pun dapat diatur sedemikian rupa. Menurut Walpole (1995), kesalahan tipe I dapat diminimalkan dengan jalan menambah jumlah sampel atau amatan data. Dalam kaidah pengujian hipotesis pada umumnya, ukuran sampel atau amatan data yang semakin bertambah memberikan peluang besar bagi kita bahwa kesalahan tipe I yang terjadi dapat diperkecil. Bila kesalahan tipe I itu disimbolkan sebagai α, maka peluang kita adalah sebesar 1 – α.