Pray Nadeak's Blog

(Indahnya Berbagi)

Principle of Parsimony : Kesederhaan Tetap yang Terbaik

on February 15, 2013

Ada yang pernah mendengar istilah Principle of Parsimony? Principle of Parsimony itu merupakan salah satu prinsip yang dipegang dalam membuat model-model statistik. Model statistik adalah persamaan yang dibentuk dari sejumlah data sampel untuk menggambarkan hubungan antara variabel-variabel yang dipengaruhi dengan variabel-variabel-variabel yang mempengaruhinya. Principle of Parsimony sendiri merupakan suatu prinsip yang menyatakan bahwa semakin sederhana sebuah model statistik dengan jumlah variabel dependen (yang dipengaruhi) cukup informatif untuk menjelaskan model, semakin baik pula model statistik tersebut.

Istilah Principle of Parsimony ini pertama kali diperkenalkan oleh dosen Analisis Ketahanan Hidup (Survival Analysis) saya, Pak Mohammad Dokhi. Bapak ini berulang kali menyebut istilah itu di kelas. Itulah yang membuat istilah tersebut saya masih ingat sampai sekarang.

Selain Pak Dokhi, ada pula dosen yang menyinggung-nyinggung Principle of Parsimony ini di kelas. Dosen tersebut adalah Pak MA. Yulianto, dosen Riset Operasi (Operation Research). Beliau dalam kuliah pernah menyebutkan bahwa BPS (Badan Pusat Statistik) seringkali merilis hasil-hasil peramalan statistik berdasarkan model-model statistik yang sederhana. Contohnya saja peramalan produksi padi yang selalu menggunakan regresi linier sederhana dengan variabel dependen hasil produksi dan variabel independen luas tanam. Peramalan tersebut lebih efektif karena selain mudah dalam interpretasi hasil, sehingga mudah pula melihat hubungan yang logis antara luas tanam dan hasil produksi.

Namun, pada tanggal 15 Februari 2013, saya diingatkan kembali oleh partner lomba DAC (Data Analysis Competition) saya, Listra Tandi Roma, akan Principle of Parsimony ini. Ketika saya dan Listra mencoba menganalisis data dari soal babak penyisihan online yang diberikan, ternyata dari output SPSS terindikasi bahwa terjadi multikolinearitas dalam model. Saya pun mencoba memikirkan solusi yang tepat untuk mengatasi multikolinearitas ini. Ketika itu saya menjadi teringat akan Confirmatory Factor Analysis –salah saatu teknik analisis multivariat yang kami pelajari di kampus- yang dapat meringkas variabel-variabel yang berkorelasi tinggi (multikolinearitas) menjadi satu faktor sehingga dapat mengatasi masalah multikolinearitas tersebut. Namun demikian, partner saya kurang setuju dengan usulan tersebut karena model yang terbentuk tadi akann menjadi lebih ribet, muter-muter dan susah diinterpretasikan. Dia lebih setuju kalau saya menggunakan Stepwise Regresion untuk menghilangkan variabel-variabel bebas yang menyebabkan multikolinearitas sehingga model jadi lebih baik dan lebih sederhana.

Saya pun tetap keukeuh dengan pendirian saya. Namun ketika membaca soal-soal nomor akhir, pendirian saya pun langsung berubah. Saya pun langsung setuju dengan pendapat partner saya, karena lebih cocok dengan permintaan soalnya. Soalnya meminta agar para peserta dapat menunjukkan model terbaik dengan variabel-variabel independen mana yang berpengaruh kuat serta memberi kesimpulan umum dan saran dari sluruh hasil analisis. Saya baru sadar kalo Stepwise Regression lebih cocok karena lebih mudah dalam interpretasinya lebih mudah -jumlah variabelnya sedikit dan hubungannya linier- sehingga lesimpulan umum dan saran pun lebih mudah didapat.

Tak disangka ternyata Principle pf Parsimony kembali hadir menyapaku di masa-masa penulisan skripsiku. Dalam  metoologi skripsiku, aku menggunakan prinsip Principle of Parsimony untuk menentukan model terbaik untuk menjelaskan ketahanan sekolah siswa usia 7-15 tahun di Jawa Barat tahun 2011. Principle of Parsimony ini tertuang dalam suatu kriteria yang dinamakan AIC (Akaike Information Criterion) yang dihitung dengan rumus sebagai berikut:

AIC = -2 Loglikelihood + 2p

dimana -2 Loglikelihood merupakan representasi kecocokan model (goodness of fit) dan 2p merupakan representasi kerumitan model. Makin kecil nilai -2 Loglikelihood makin besar peluang model untuk cocok (fit) dan makin kecil nilai 2p makin sederhana pula model tersebut. Jika dikaitkan dengan principle of parsimony, maka model dengan AIC terkecil merupakan model yang terbaik untuk menjelaskan peristiwa tersebut.

Jadi, Principle of Parsimony mengajarkan “simplicity is always be the best helper to help you solving your problems


Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

FORUM STATISTIKA

Speaks With Data

Scholarship and Career Tips

About scholarship, career and work life..

Merajut Kata

Untuk-MU, ALLAH-ku.. Untuk Mereka, Orangtuaku.. Untukmu, Saudaraku..

anesanurul.wordpress.com/

Free like a sea, High like a Sky

minyak ikan kod

hanya tuang pikiran daripada bengong

The Wina

Because of all stories, nothing lasts forever

Immigration Reheated.

Politics & policy of immigration reform. Hoping third time's the charm.

Patrick Tucker

Writer. Editor. Futurist

divorcescience

the scientific study of divorce & support for families

cobodoe

a dreamer

Indahnya Ilmu

Biarkan jari-jarimu menari~

Pray Nadeak's Blog

(Indahnya Berbagi)

The WordPress.com Blog

The latest news on WordPress.com and the WordPress community.

%d bloggers like this: