METOPEN-Statistik 2

 

Nama : Aurelia Apriliyani
NIM/OFF : 250321803931/A25
Mata Kuliah : Metodologi Penelitian Kuantitatif
Tugas : Review Artikel ke-12 (Statistik 2: Korelasi dan Regresi)

Novelty Artikel

Artikel ini menawarkan kebaruan dalam menjelaskan secara kuantitatif mekanisme terjadinya bias variabel terabaikan (omitted variable bias) pada model regresi yang umum digunakan di Physics Education Research (PER). Berbeda dari penelitian-penelitian sebelumnya yang hanya menyinggung potensi bias secara konseptual, studi ini menggunakan model regresi linier dan data autentik (E-CLASS survey) untuk memvisualisasikan bagaimana korelasi antarvariabel memengaruhi estimasi koefisien regresi. Kebaruan lain terletak pada penekanan metodologis: penulis menunjukkan secara matematis dan empiris bahwa ketika variabel yang dikorelasikan dengan variabel bebas maupun terikat diabaikan, hasil estimasi menjadi tidak valid. Ini menjadikan artikel ini sebagai salah satu referensi awal yang secara eksplisit mengkaji hubungan antara teori kausalitas, asumsi “ignorability”, dan analisis regresi linear dalam penelitian pendidikan fisika.

Keterlamaan Artikel

Keterbatasan artikel ini terletak pada ruang lingkup dan desain demonstratifnya. Model yang digunakan bersifat ilustratif dan tidak dimaksudkan untuk menghasilkan temuan substantif baru tentang hasil belajar siswa. Analisis hanya menggunakan regresi linier sederhana tanpa mempertimbangkan model regresi hierarkis atau multilevel yang umum dalam data pendidikan fisika. Selain itu, tidak ada uji korelasi antarvariabel menggunakan statistik inferensial (uji signifikansi r) karena fokus artikel adalah pada bias konseptual, bukan analisis hubungan empiris yang mendalam. Penelitian ini juga tidak menguji secara komparatif antara berbagai teknik pengendalian variabel (misal propensity score atau hierarchical modeling), sehingga ruang aplikasinya terbatas pada konteks demonstrasi metodologis.

 

Analisis / Review Kritis

Abstrak : Artikel ini menyoroti bagaimana penghilangan variabel-variabel penting dalam model regresi dapat menyebabkan bias estimasi dalam penelitian pendidikan fisika. Dengan menggunakan model analitis dan dataset nyata dari survei E-CLASS, penulis menunjukkan bahwa bias meningkat seiring besarnya korelasi antara variabel terabaikan dan variabel yang disertakan dalam model. Melalui serangkaian model regresi linear berganda, artikel ini mendemonstrasikan dampak pengendalian (atau penghilangan) variabel seperti jenis instruksi laboratorium dan status URM (Underrepresented Minority) terhadap skor pascates siswa fisika.	Judul	Exploring the Effects of Omitted Variable Bias in Physics Education Research
	Penulis	Cole Walsh, Martin M. Stein, Ryan Tapping, Emily M. Smith, & N. G. Holmes
	Nama Jurnal	Physical Review Physics Education Research (2021) – Open Access
	Tujuan penelitian	1.      Menjelaskan secara teoretis dan empiris mekanisme munculnya bias akibat variabel terabaikan dalam model regresi. 2.      Mengilustrasikan dampak korelasi antarvariabel terhadap bias koefisien regresi menggunakan data nyata. 3.      Memberikan rekomendasi metodologis untuk pemilihan dan pengendalian variabel dalam penelitian kuantitatif pendidikan fisika.
	Metode	1.      Jenis penelitian : Pendekatan kuantitatif eksplanatori (metodologis-demonstratif). 2.      Model analisis : Regresi linear berganda dengan variabel kontrol (pre-test score, major, instruction type, URM status). 3.      Teknik analisis : Perhitungan koefisien korelasi Pearson (r) antarvariabel untuk menentukan potensi bias, diikuti uji perbandingan tiga model regresi (Model 1, 2, 3). 4.      Data : 556 respon mahasiswa fisika Universitas Cornell yang mengisi instrumen E-CLASS (pre-post survey). Tahapan Penelitian : 1.      Menentukan model “benar” (true model) dengan tiga variabel: pre-test, major, dan variabel X (omitted). 2.      Menghilangkan variabel X untuk mensimulasikan bias pada koefisien regresi. 3.      Menggunakan persamaan (4) yang menghubungkan nilai r (Pearson) antarvariabel dengan besar bias pada β₁. 4.      Menguji tiga model regresi empiris untuk menilai efek pengendalian terhadap bias. 5.      Menafsirkan perubahan nilai koefisien dan p-value untuk menilai besaran bias.
	Hasil	1.      Terdapat korelasi kuat antara variabel major dan jenis instruksi (r = 0.574), menyebabkan bias besar bila variabel instruksi dihilangkan dari model. 2.      Setelah menambahkan variabel kontrol “instruction”, efek major terhadap post-test turun drastis (dari β = 3.43 menjadi β = 0.99), menunjukkan bahwa sebagian besar efek semula berasal dari variabel yang terabaikan. 3.      Korelasi lemah antara major dan URM status (r = −0.067) menunjukkan bias minimal bila variabel tersebut dihilangkan. 4.      Secara matematis, bias meningkat seiring kenaikan korelasi antarvariabel (r) dan efek “true β” variabel yang dihilangkan.
	Implikasi	Artikel ini memiliki implikasi kuat bagi penelitian kuantitatif pendidikan fisika yang sering menggunakan regresi linier berganda dan analisis korelasi. Penulis menegaskan pentingnya memeriksa korelasi antarvariabel sebelum membangun model regresi agar tidak terjadi kesalahan atribusi pengaruh. Dalam konteks metodologi, artikel ini menjadi panduan bagi peneliti fisika pendidikan dalam: ·         Menentukan variabel kontrol yang relevan secara teori. ·         Menghindari kesalahan interpretasi koefisien regresi akibat variabel laten atau terabaikan. ·         Menyadarkan bahwa signifikansi statistik bukan satu-satunya dasar dalam pemilihan variabel, tetapi harus mempertimbangkan hubungan kausal dan korelasi antarvariabel.
	Kata Kunci	Omitted Variable Bias, Regresi Linear, Korelasi Pearson, Analisis Kuantitatif, Pendidikan Fisika, Validitas Model Statistik
	Kesimpulan	Penelitian ini menegaskan bahwa regresi dan korelasi adalah dua teknik yang saling bergantung dalam analisis kuantitatif pendidikan fisika. Korelasi antarvariabel menentukan arah dan besar bias dalam model regresi, sementara regresi memungkinkan estimasi pengaruh relatif antarvariabel. Penulis menekankan pentingnya pengendalian variabel konfounding melalui desain penelitian (randomisasi atau model hierarkis) untuk memastikan estimasi koefisien regresi yang tidak bias. Studi ini menjadi rujukan metodologis bagi peneliti yang menerapkan regresi dan korelasi dalam konteks quasi-eksperimental pendidikan fisika.

 

 

 

 

 

Metode (Kajian)	GAP (Celah Penelitian)	Hasil	Keterlamaan	Keterbaruan (Novelty)
Regresi linear berganda dengan analisis korelasi Pearson antarvariabel (pre-test, major, instruction, URM).	Minimnya pemahaman empiris tentang bagaimana variabel terabaikan menyebabkan bias dalam model regresi pada penelitian pendidikan fisika.	Korelasi tinggi antarvariabel memunculkan bias besar dalam estimasi koefisien regresi; penambahan variabel kontrol mengurangi bias signifikan.	Model terbatas pada regresi linier sederhana dan tidak menggunakan model multilevel; tidak membahas metode koreksi bias lain seperti propensity score.	Studi pertama yang menggabungkan pendekatan matematis dan empiris untuk menjelaskan hubungan antara korelasi, bias, dan validitas model regresi dalam konteks pendidikan fisika.

 

Sources ; https://journals.aps.org/prper/abstract/10.1103/PhysRevPhysEducRes.17.010119