Eksplorasi 1.3 Apakah Orang Menggunakan Prototyping Wajah ?

Suatu study Psychonomic Bulletin and Review (Lea, Thomas, Lamkin & Bell, 2007) menunjukkan suatu bukti bahwa “orang menggunakan prototyping wajah ketika mereka menemukan nama yang berbeda”. Orang diberikan dua wajah untuk mengidentifikasi mana yang Tim dan mana yang Bob. Para peneliti menulis bahwa semua orang “luar biasa setuju” wajah yang mana adalah Tim dan wajah yang mana adalah Bob, tetapi mereka tidak memberikan alasan yang tepat dari studi mereka.

Langkah 1. Merumuskan Masalah. Mereka akan mengumpulkan data dari seluruh kelas untuk mengivestigasi pertanyaan peneliti apakah murid tersebut memiliki kecenderungan untuk mengaitkan beberapa bentuk wajah dengan nama.

Langkah 2. Merancang Penelitian dan Mengumpulkan Data. Setiap murid di dalam kelas akan ditunjukkan dua gambar dari wajah seorang lelaki yang akan digunakan untuk studi pengamatan. Anda akan ditanya untuk menentukan nama Bob ke salah satu foto dan nama Tim ke foto yang lainnya. Setiap murid akan mengumpulkan jawaban nama yang diberikan untuk gambar di sebelah kiri. Kemudian nama yang diidentifikasi oleh peneliti dengan wajah yang ada di sebelah kiri akan diungkapkan.

  • Identifikasi unit pengamatan yang kita gunakan dalam studi ini.
  • Identifikasi variabel. Apakah variabel tersebut kategorial atau kuantitatif?

Parameter yang digunakan disini adalah suatu kemungkinan jangka panjang yang dimana murid dalam kelas akan memilih nama yang sama untuk wajah di sebelah kiri.

  • Buatlah hipotesis nol dan hipotesis alternatif yang akan dites ketika data telah dikumpulkan. Kemukakan keduanya dalam kata-kata dan simbol. (Petunjuk: Coba pikirkan tentang parameter dan pertanyaan peneliti yang penting di sini.)

Coba lihat kedua foto berikut :

BobandTim.png

  • Apakah menurut Anda wajah yang disebelah kiri adalah Bob atau Tim? Kumpulkan jawaban (data) untuk semua murid di dalam kelas.

Langkah 3. Pengolahan Data.

  • Berapa banyak siswa yang memilih Tim sebagai nama yang ada di sebelah kiri? Berapa banyak siswa yang berpartisipasi dalam studi ini (ukuran sampel)? Berapa proporsi yang memilih nama Tim untuk yang di sebelah kiri?

Angka(Tim di sebelah kiri) :                        Ukuran Sampel :

Proporsi (Tim di sebelah kiri) :

Ketika kita akan membuat suatu analisis dengan variabel binary, biasa kita sebut dengan keluaran (output) “sukses” dan yang lainnya adalah “gagal”, dan kemudian kita fokus pada analisis dari hasil “sukses”. Ini adalah suatu batasan dimana hasil terdefinisi sebagai sukses, tetapi Anda harus memastikan apakah Anda melakukannya secara consisten melalui analisis. Dalam kasus ini kita katakan “Tim di sebelah kiri” adalah hasil sukses karena dalam studi sebelumnya kita mendapatkan bahwa jawaban ini lebih banyak dipilih.

Langkah 4. Inferensi Statistik. Anda akan menggunakan applet One Proportion untuk menginvestigasi seberapa mengejutkan pengamatan statistik yang dilakukan di dalam kelas, jika murid hanya memilih nama secara acak untuk menentukan wajah.

  • Sebelum Anda menggunakan applet, indikasikan bahwa Anda akan memasukkan beberapa nilai sebagai berikut :
  1. Kemungkinan sukses :
  2. Ukuran sampel :
  3. Angka perulangan :
  • Lakukan analisis simulasi. Pastikan bahwa tombol “Proportion of heads” terpilih dalam applet dan tidak “Number of Heads”
  1. Indikasikan bagaimana untuk menghitung perkiraan nilai (hitung angka untuk simulasi statistik yang sama dengan _____ atau ______ ).
  2. Tuliskan perkiraan nilai p. 
  3. Gunakan nilai untuk mengevaluasi kekuatan bukti yang diberikan dari data sampel yang menentang hipotesis nol, mendukung hipotesis alternatif yang dibuat oleh para murid untuk mendukung nama Tim (sebagai prediksi dari peneliti) sebagai pilihan nama untuk gambar di sebelah kiri.

Nilai p adalah langkah yang paling banyak digunakan untuk mengevaluasi kekuatan bukti, tetapi sekarang kita akan mencoba untuk mengeksplorasi suatu langkah alternatif untuk melihat kekuatan bukti. Sasaran dari ukuran kekuatan bukti yaitu untuk menentukan nilai apakah statistik pengamatan jatuh pada ekor dari distribusi nol( dan ini mengejutkan jika hipotesis nol benar) atau dari seluruh nilai yang sama kita dapat melihat ketika hipotesis nol benar.

  • Periksalah kotak applet pada Summary Stats 
  1. Catat rata-rata nilai dari simulasi statistik.
  2. Jelaskan mengapa itu masuk akal bahwa rata-rata dekat dengan 0.5.
  3. Catat standar deviasi (SD) dari simulasi statistik.
  4. Catat (lagi) nilai statistik dari kelas pengamatan. (Apakah proporsi dari siswa dalam kelas memilih nama Tim di sebelah kiri?).  p̂ = …….
  5. Hitung berapa standar deviasi dari kelas pengamaten dari statistik dimana didapatkan dari rata-rata hipotesis dari hipotesis nol, 0.5. Dengan kata lain, kurangkan 0.5 dari nilai pengamatan, dan kemudian bagi dengan standar deviasinya. Dengan kata lain juga, hitung: (statistik pengamatan – 0.5)/ SD dari distribusi nol.

Perhitugan Anda di #8c disebut dengan statistik standarisasi. Itu mengajarkan kepada kita seberapa jauh dari rata-rata pengamatan statistik merupakan jawaban dari “seberapa jauh standar deviasi”.

Screen Shot 2016-09-02 at 3.13.20 PM.png

Sekali Anda menghitung nilai ini, pemikiran Anda adalah “bagaimana standar deviasi dari statistik pengamatan jatuh dari nilai parameter hipotesis”

Pertanyaan Anda selanjutnya adalah bagaimana untuk mengevaluasi kekuatan bukti yang menentang hipotesis nol berdasarkan nilai standarisasi. Ini beberapa garis panduan:

Garis Paduan untuk Mengevaluasi Kekuatan Bukti dari Nilai Standarisasi Statistik 

Standarisasi memberikan kita secara cepat, jalan yang formal untuk mengevaluasi kekuatan bukti menentang hipotesis nol. Untuk standarisasi statistik :

di antara -1.5 dan 1.5                      : kecil atau bukti tidak menentang hipotesis nol;

di bawah -1.5 atau di atas 1.5       : bukti cukup untuk menentang hipotesis nol;

di bawah -2 atau di atas 2             : bukti kuat untuk menentang hipotesis nol;

di bawah -3 atau di atas 3              : bukti sangat kuat untuk menentang hipotesis nol.

Diagram di Gambar di bawah ini mengilustrasikan dasar untuk menggunakan statistik standarisasi untuk menentukan kekuatan bukti.

uow153319.png
Gambar 1. Posisi dari standarisasi statistik dari distribusi bentuk lonceng

Gambar tersebut dapat di simpulkan dengan beberapa ide.

Ide : Pengamatan yang jatu lebih dari 2 atau 3 Standar Deviasi dari rata-rata dapat dipertimbangkan di ekor distribusi. 

Langkah 5. Penarikan Kesimpulan

  • Coba pikirkan kekuatan bukti yang menentang distribusi nol.
  1. Berdasarkan dari nilai statistik standarisasi, z, di #8 dan garis panduan di atas, berapa bukti yang dapat diberikan oleh kelas data yang menentang hipotesis nol?
  2. Seberapa dekat evaluasi Anda untuk kekuatan bukti berdasarkan statistik standarisasi dibandingkan dengan kekuatan bukti berdasarkan nilai p pada #7c?

Sekarang, coba mundur ke belakang lebih jauh dan pikirkan bagaimana cakupan inteferensi. Kita dapat menemukan bahwa dalam beberapa besar kelas, nilai pengamatan memberikan bukti kuat bahwa murid akan lebih baik menebak secara acak di mana wajah dari Tim dan wajah dari Bob. Dalam kasus ini, apakah Anda berpikir bahwa sebagian besar murid di dalam kelas di tekolah Anda akan setuju dengan mana rajah dari Tim dan Bob? Apakah Anda berpikir bahwa sejumlah besar orang akan setuju mana wajah dari Tim? Untuk lebih lanjut, apakah ini berarti bahwa kebanyakan orang menganggap sebagai sumber dari prototyping wajah?

Langkah 6. Mengevaluasi dan Mengulang Kembali

  • Berdasarkan dari batasan studi, berikan pertanyaan pengamatan yang dapat Anda investigasikan selanjutnya.

Ekstensi:

  • Di #5 kalian catat proporsi dari murid di dalam kelas yang memilih nama Tim dengan foto di sebelah kiri. Pikirkan bagaimana proporsi yang benar lebih besar dari (contoh: Jika di dalam kelas ada 60%, bayangkan 70%).
  1. Seberapakah nilai p akan berpengaruh : Lebih besar – Sama – Lebih Kecil
  2. Bagaimanakah standarisasi statistik ini akan berpengaruh: Lebih besar – Sama – Lebih Kecil
  3. Bagaimanakah standarisasi statistik ini akan berpengaruh menentang hipotesis nol: Lebih besar – Sama  – Lebih Kecil
  • Misalkan ini lebih kecil dari setengah jumlah murid di dalam kelas dan pilih nama Tim untuk gambar di sebelah kiri, maka hasil untuk kelas akan berkebalikan dengan dugaan peneliti dan hipotesis alternatif.
  1. Apa yang dapat kita katakan tentang nilai standarisasi dari statistik dalam kasus ini? Jelaskan. (Petunjuk: Anda tidak dapat memberikan nilai untuk standarisasi statistik, tetapi kalian dapat mengatakan sesuatu yang lebih spesifik tentang nilai tersebut.)
  2. Apa yang dapat Anda katakan tentang nilai kekuatan bukti dari hipotesis nol dan untuk kebaikan dari hipotesis alternatif dalam kasus ini?