Language
Country/Area
No result found
Inovasi John Tukey: Bagaimana Tingkat Kesalahan Keluarga Mempengaruhi Statistik?
Dalam statistik, tingkat kesalahan berdasarkan keluarga (FWER) mengacu pada probabilitas satu atau lebih penemuan palsu (kesalahan Tipe I) yang terjadi dalam beberapa uji hipotesis. Ini adalah konsep utama bagi peneliti yang ingin mengurangi tingkat kesalahan saat melakukan beberapa pengujian.
John Tukey memperkenalkan konsep tingkat kesalahan berdasarkan keluarga pada tahun 1953 untuk mengukur probabilitas terjadinya kesalahan Tipe I dalam kelompok tertentu.
Konsep tingkat kesalahan berdasarkan keluarga berada dalam kerangka statistik yang penting, yang mencakup konsep yang terkait dengan eksperimen. Ryan mengusulkan Tingkat Kesalahan Berdasarkan Eksperimen pada tahun 1959, yang menunjukkan probabilitas terjadinya kesalahan Tipe I dalam suatu eksperimen. Tingkat kesalahan eksperimen dapat dianggap sebagai serangkaian pengujian yang semua pengujian dalam rangkaian tersebut dikontrol secara seragam.
Dalam statistik, kata "keluarga" memiliki beberapa definisi. Hochberg dan Tamhane (1987) mendefinisikan "keluarga" sebagai "setiap rangkaian kesimpulan yang secara bermakna memperhitungkan beberapa ukuran kesalahan yang komprehensif." Definisi ini menekankan ketepatan dan efek seleksi dalam analisis statistik.
| Hipotesis | Hasil |
|---|---|
| H1 | ... |
| H2 | ... |
Saat melakukan beberapa uji hipotesis, beberapa hasil mungkin terjadi. Misalnya, dengan asumsi ada m hipotesis, jumlah hipotesis benar dan jumlah positif palsu akan memengaruhi kesimpulan statistik akhir.
Inti dari tingkat kesalahan keluarga adalah untuk mengendalikan setidaknya satu kesalahan Tipe I.
Ada beberapa metode tradisional untuk mengendalikan tingkat kesalahan familial. Yang paling terkenal meliputi:
- Program Bonferroni
- Program Šidák
- Program Tukey
- Metode Tangga Holm
- Metode step-up Hochberg
Ambil prosedur Bonferroni sebagai contoh, metode yang sangat sederhana yang mengendalikan tingkat kesalahan familial secara keseluruhan dengan membagi tingkat signifikansi setiap uji hipotesis dengan jumlah total pengujian.
Penelitian telah menunjukkan bahwa metode tangga Holm lebih kuat daripada metode Bonferroni dan dapat secara efektif mengendalikan tingkat kesalahan semua asumsi.
Dalam menguji hipotesis, ahli statistik juga perlu mempertimbangkan ketergantungan antara pengujian. Metode tradisional seperti Bonferroni dan Holm memberikan solusi yang relatif konservatif yang cocok untuk mendeteksi ketergantungan uji silang dalam beberapa hipotesis.
Namun, sifat konservatif dari metode ini juga berarti bahwa kinerjanya mungkin dibatasi oleh beberapa jenis struktur ketergantungan. Dalam beberapa kasus, penerapan strategi resampling, seperti pengenalan metode bootstrapping dan penggantian, dapat meningkatkan kemampuan untuk mengendalikan tingkat kesalahan dan meningkatkan kinerja deteksi.
Dari semua strategi ini, pengendalian tingkat kesalahan berbasis keluarga memberikan perlindungan yang lebih ketat daripada pengendalian False Discovery Rate (FDR).
Perlu dicatat bahwa setiap metode memiliki kekuatan dan kelemahannya sendiri dalam mengendalikan tingkat kesalahan. Sangat penting untuk memilih strategi pengendalian yang tepat berdasarkan latar belakang penelitian dan karakteristik hipotesis. Lebih jauh, mengendalikan tingkat kesalahan keluarga sering kali menjadi bagian dari upaya untuk mengurangi ketidakpastian dan risiko pengambilan keputusan, yang sangat penting dalam penelitian ilmiah.
Dalam jangka panjang, bagaimana menyeimbangkan pengendalian tingkat kesalahan dan menjaga validitas hasil akan terus menjadi tantangan dalam penelitian statistik. Dalam konteks ini, inovasi John Tukey layak untuk kita renungkan, dan bagaimana dampaknya terhadap ilmu data akan berubah?
