Bias adalah kesalahan dalam perkiraan karena kesalahan sistematis yang menyebabkan hasil tinggi atau rendah secara konsisten dibandingkan dengan nilai sebenarnya. Bias individu dari suatu estimasi yang diketahui bias adalah selisih antara nilai estimasi dan nilai sebenarnya. Jika estimasi tidak diketahui bias, perbedaannya juga bisa disebabkan oleh kesalahan acak atau ketidakakuratan lainnya. Berlawanan dengan bias, yang selalu bertindak dalam satu arah, kesalahan ini bisa positif atau negatif.
Untuk menghitung bias suatu metode yang digunakan untuk banyak estimasi, temukan kesalahan dengan mengurangkan setiap estimasi dari nilai aktual atau nilai observasi. Tambahkan semua kesalahan dan bagi dengan jumlah estimasi untuk mendapatkan bias. Jika kesalahan bertambah hingga nol, perkiraannya tidak bias, dan metode tersebut memberikan hasil yang tidak bias. Jika perkiraan bias, dimungkinkan untuk menemukan sumber bias, dan menghilangkannya untuk memperbaiki metode.
TL;DR (Terlalu Panjang; Tidak Dibaca)
Hitung bias dengan menemukan perbedaan antara perkiraan dan nilai sebenarnya. Untuk menemukan bias suatu metode, lakukan banyak estimasi, dan jumlahkan error di setiap estimasi dibandingkan dengan nilai sebenarnya. Membagi dengan jumlah perkiraan memberikan bias metode. Dalam statistik, mungkin ada banyak perkiraan untuk menemukan satu nilai. Bias adalah perbedaan antara rata-rata estimasi ini dan nilai sebenarnya.
Bagaimana Bias Bekerja
Ketika perkiraan bias mereka secara konsisten salah dalam satu arah karena kesalahan dalam sistem yang digunakan untuk perkiraan. Misalnya, prakiraan cuaca dapat secara konsisten memprediksi suhu yang lebih tinggi daripada yang sebenarnya diamati. Perkiraannya bias, dan di suatu tempat dalam sistem ada kesalahan yang memberikan perkiraan terlalu tinggi. Jika metode peramalan tidak memihak, ia mungkin masih memprediksi suhu yang tidak benar, tetapi suhu yang salah terkadang lebih tinggi dan terkadang lebih rendah dari suhu yang diamati.
Bias statistik bekerja dengan cara yang sama tetapi biasanya didasarkan pada sejumlah besar perkiraan, survei, atau prakiraan. Hasil ini dapat direpresentasikan secara grafis dalam kurva distribusi dan biasnya adalah perbedaan antara rata-rata distribusi dan nilai sebenarnya. Jika ada bias, akan selalu ada perbedaan meskipun beberapa perkiraan individu mungkin berada di salah satu sisi dari nilai sebenarnya.
Bias dalam Survei
Contoh bias adalah perusahaan survei yang menjalankan polling selama kampanye pemilu, tetapi hasil polling mereka secara konsisten melebih-lebihkan hasil untuk satu partai politik dibandingkan dengan hasil pemilu yang sebenarnya. Bias dapat dihitung untuk setiap pemilihan dengan mengurangkan hasil aktual dari prediksi jajak pendapat. Bias rata-rata dari metode polling yang digunakan dapat dihitung dengan mencari rata-rata kesalahan individu. Jika biasnya besar dan konsisten, perusahaan polling dapat mencoba mencari tahu mengapa metode mereka bias.
Bias dapat berasal dari dua sumber utama. Entah pemilihan peserta untuk jajak pendapat itu bias, atau bias itu diakibatkan oleh interpretasi informasi yang diterima dari para peserta. Misalnya, jajak pendapat internet pada dasarnya bias karena peserta jajak pendapat yang mengisi formulir internet tidak mewakili seluruh populasi. Ini adalah bias seleksi.
Perusahaan polling menyadari bias seleksi ini dan mengkompensasi dengan menyesuaikan angka. Jika hasilnya masih bias, itu bias informasi karena perusahaan tidak menginterpretasikan informasi dengan benar. Dalam semua kasus ini, perhitungan bias menunjukkan sejauh mana nilai estimasi berguna dan kapan metode memerlukan penyesuaian.
AndreyPopov/iStock/GettyImages
