News

Hadirkan Terobosan Baru Bidang Statistika

Rab, 24 Jan 2018
11:19 am
Berita Terkini
Share :
Oleh : Yoga Ari Tofan   |

Dewasa ini, Ilmu statistika semakin sering dibutuhkan untuk mengatasi persoalan ketidakpastian. Ketika variabel yang digunakan dalam penelitian tidak dapat diukur secara langsung (variable laten), maka digunakan pendekatan statistika Structural Equation Modelling (SEM) sebagai solusinya.  Namun sayangnya, tidak semua hubungan antar data dapat dijelaskan dengan SEM. Melalui disertasi yang diteliti oleh Ruliana, ia berhasil menjawab kelemahan SEM tersebut.

Ruliana berhasil merampungkan disertasinya ini dengan memperoleh nilai sangat memuaskan pada sidang terbuka promosi doktor, Rabu (10/1) lalu. Inovasi yang dihadirkan oleh Ruliana adalah menggunakan SEM non linear dengan Polynomial Truncated Spline. Selama ini, SEM seringkali digunakan dalam penelitian bidang sosial, misalnya, untuk menentukan indikator yang memengaruhi motivasi seseorang.

Kemudian, luaran dari SEM ini kerap diasumsikan linear pada hubungan antara variabel latennya. Sementara itu, pada kenyataannya terdapat data dengan hubungan antara variabel laten yang tidak linear. “Oleh karenanya, dikembangkan SEM untuk non linear,” ucap dosen yang akrab disapa Ruliana tersebut.

Sebelumnya, penelitian mengenai SEM non linear juga telah banyak dilakukan. Namun secara khusus hanya berlaku untuk model data kuadratik, polynomial dan interaksi. Sehingga, dikembangkanlah inovasi SEM non linear menggunakan Polynomial Truncated Spline. “Konsepnya sama halnya dengan SEM non linear, hanya saja mampu menjelaskan hubungan variabel laten yang tidak jelas model polanya,” tuturnya.

Polynomial  Truncated Spline ini memanfaatkan informasi tambahan atau titik knot yang belum ada pada SEM non linear sebelumnya.  Titik knot menjadi hal yang penting ketika Polynomial Truncated Spline diterapkan di dunia industri. “Ketika suatu industri tidak mampu mengimbangi antara target kerja yang tinggi pada karyawannya dengan kerealistisan. Di situlah letak titik knot diperlukan untuk mencari sesuatu yang realistis. Misalnya dapat diteliti dari motivasi karyawan untuk mencapai target kerja yang optimal,” ujarnya.

Dalam menerapkan SEM non linear tersebut, Ruliana menuturkan, jika dirinya harus membuat suatu algoritma atau sitaks program untuk pengaplikasiannya. Berbeda halnya dengan SEM pada umumnya yang sudah tersedia software data. Jadi hanya cukup memasukkan data kemudian keluar output. “Letak kesulitan membuat SEM non linear ini memang harus berusaha mengolah formula terlebih dahulu,” tuturnya. (cha/owi)

Latest News