Machine Translated by Google

Penilaian di bawah Ketidakpastian: Heuristik dan Bias

Amos Tversky; Daniel Kahneman

Sains, Seri Baru, Vol. 185, No. 4157. (27 September 1974), hlm. 1124-1131.

URL stabil:

http://links.jstor.org/sici?sici=0036-8075%2819740927%293%3A185%3A4157%3C1124%3AJUUHAB%3E2.0.CO%3B2-M

Science saat ini diterbitkan oleh American Association for the Advancement of Science.

Penggunaan Anda atas arsip JSTOR menunjukkan penerimaan Anda terhadap Syarat dan Ketentuan Penggunaan JSTOR, tersedia
di http://www.jstor.org/about/terms.html. Syarat dan Ketentuan Penggunaan JSTOR menyatakan, sebagian, bahwa kecuali Anda telah memperoleh izin
sebelumnya, Anda tidak boleh mengunduh seluruh edisi jurnal atau beberapa salinan artikel, dan Anda dapat menggunakan konten dalam arsip JSTOR
hanya untuk kepentingan pribadi Anda, bukan -penggunaan komersial.

Silakan hubungi penerbit mengenai penggunaan lebih lanjut dari karya ini. Informasi kontak penerbit dapat diperoleh
di http://www.jstor.org/journals/aaas.html.

Setiap salinan dari setiap bagian dari transmisi JSTOR harus berisi pemberitahuan hak cipta yang sama yang muncul di layar atau halaman cetak
dari transmisi tersebut.

JSTOR adalah organisasi nirlaba independen yang didedikasikan untuk dan melestarikan arsip digital jurnal ilmiah. Untuk informasi lebih lanjut
mengenai JSTOR, silakan hubungi support@jstor.org.

http://www.jstor.org Kam
5 Apr 16:07:46 2007
Machine Translated by Google
Keputusan di bawah Ketidakpastian:
Heuristik dan Bias
Bias dalam penilaian mengungkapkan beberapa heuristik
pemikiran di bawah ketidakpastian.
Amos Tversky dan Daniel Kahneman
Banyak keputusan didasarkan pada keyakinan
tentang kemungkinan peristiwa yang tidak pasti
seperti hasil pemilu, kesalahan terdakwa, atau
nilai dolar di masa depan. Keyakinan ini
biasanya dinyatakan dalam pernyataan seperti
adalah seperti "Saya pikir ..i.tu
, ". ",t"id"kaekm
muunnggkkin
i nan . y,"a menilai probabilitas dan untuk memprediksi nilai.
.. dan seterusnya. Kadang-kadang, ke .
t eynatkainga n
peristiwa yang tidak pasti diekspresikan dalam
bentuk numerik sebagai peluang atau probabilitas
subjektif. Apa yang menentukan seperti itu?
Bagaimana orang menilai kemampuan probabilitas
dari suatu peristiwa yang tidak pasti atau nilai
kuantitas yang tidak pasti? Artikel ini menunjukkan
bahwa orang bergantung pada sejumlah prinsip
heuristik yang mengurangi tugas kompleks seperti
menilai probabilitas dan memprediksi nilai ke
operasi penilaian yang lebih sederhana.
Secara umum, heuristik ini cukup berguna, tetapi
terkadang menyebabkan kesalahan yang parah
dan sistematis.
Penilaian subjektif dari probabilitas menyerupai
penilaian subjektif dari kuantitas fisik seperti
jarak atau ukuran. Penilaian ini semua didasarkan
pada data validitas terbatas, yang diproses
menurut aturan heuristik. Misalnya, jarak tampak
suatu objek sebagian ditentukan oleh kejelasannya. Misalnya, ketika A ib sangat mewakili B,
Semakin tajam objek terlihat, semakin dekat probabilitas bahwa A berasal dari B dinilai tinggi.
tampaknya. Aturan ini memiliki beberapa validitas,
hecaust: dalam adegan tertentu objek yang lebih
jauh terlihat kurang tajam daripada objek yang
lebih dekat. Namun, ketergantungan pada aturan
ini menyebabkan kesalahan sistematis dalam
estimasi jarak. Secara khusus, jarak sering
ditaksir terlalu tinggi ketika visibilitas buruk karena
kontur objek kabur. Di sisi lain, jarak sering
diremehkan
Penulisnya adalah anggota departemen psikologi
di Universitas Hebt'cw, Yerusalem, I~rael.
dikawinkan saat visibilitas bagus karena objek
terlihat tajam. Dengan demikian, ketergantungan
pada kejelasan sebagai indikasi jarak mengarah
ke bias umum. Bias semacam itu juga ditemukan
dalam penilaian probabilitas intuitif. Artikel ini
menjelaskan tiga heuristik yang digunakan untuk
..n
Bias yang mengarah pada heuristik ini disebutkan,
dan implikasi terapan dan teoretis dari pengamatan
ini5 dibahas.
keterwakilan
Banyak dari pertanyaan probabilistik yang
menjadi perhatian orang termasuk salah satu dari
jenis berikut: Berapa probabilitas bahwa objek A
termasuk dalam kelas B? Berapa peluang
kejadian A berasal dari proses B?
Berapa probabilitas bahwa proses R akan
menghasilkan kejadian A? Dalam menjawab
pertanyaan seperti itu, orang biasanya
mengandalkan heuristik keterwakilan, di mana
probabilitas dievaluasi oleh sejauh mana A
mewakili B, yaitu, sejauh mana A menyerupai B.
Di sisi lain, jika A tidak mirip dengan B, probabilitas
bahwa A berasal dari B dinilai rendah.
Untuk ilustrasi penilaian berdasarkan
keterwakilan, pertimbangkan seorang individu
yang telah dijelaskan oleh mantan tetangga
sebagai berikut: "Steve sangat pemalu dan
tertutup, selalu membantu, tetapi dengan sedikit
minat pada orang lain, atau pada dunia realitas.
A jiwa yang lemah lembut dan rapi, dia
membutuhkan keteraturan dan struktur, dan
hasrat untuk detail."
Bagaimana orang menilai probabilitas bahwa
Steve terlibat dalam hal tertentu ?
pekerjaan dari daftar kemungkinan (misalnya,
petani, penjual, pilot maskapai penerbangan,
pustakawan, atau dokter)? Bagaimana orang
mengurutkan penghuni ini dari yang paling
mungkin? Dalam representa tivenes> heuristic,
probabilitas bahwa Steve adalah seorang
Pustakawan, misalnya, IS dinilai oleh sejauh
mana dia mewakili, atau mirip dengan, stereotip
seorang pustakawan. Memang, penelitian dengan
masalah jenis ini telah menunjukkan bahwa
orang mengurutkan pekerjaan berdasarkan
probabilitas dan kesamaan dengan cara yang
persis sama (I). Pendekatan ini terhadap
ji~dg~~ient of probability menyebabkan kesalahan
serius, karena kesamaan, atau keterwakilan,
tidak 1t1-
dipengaruhi oleh beberapa faktor yang
seharusnya mempengaruhi penilaian probabilitas.
l1zrer7ritivitas terhadap kemungkinan hasil
sebelumnya. Salah satu faktor yang tidak
berpengaruh pada keterwakilan tetapi harus
memiliki pengaruh besar pada probabilitas adalah
probabilitas sebelumnya, atau frekuensi tingkat
dasar, dari hasil. Dalam kasus Steve, misalnya,
fakta bahwa ada lebih banyak petani daripada
pustakawan dalam populasi harus dimasukkan ke
dalam perkiraan yang masuk akal tentang
probabilitas bahwa Steve adalah pustakawan
daripada petani. Pertimbangan frekuensi tarif
dasar, bagaimanapun, tidak mempengaruhi
kesamaan Steve dengan stereotip pustakawan
dan petani.
Jika orang mengevaluasi probabilitas dengan
keterwakilan, oleh karena itu, probabilitas
sebelumnya akan diabaikan. Hipotesis ini diuji
dalam percobaan di mana probabilitas sebelumnya
dimanipulasi (I).
Subyek diperlihatkan deskripsi kepribadian
singkat dari beberapa individu, yang diduga
diambil secara acak dari sekelompok 100
profesional-insinyur dan pengacara. Subyek
diminta untuk menilai, untuk setiap deskripsi,
kemungkinan kemampuan yang dimiliki oleh
seorang insinyur daripada seorang pengacara.
Dalam satu kondisi eksperimental, subjek
diberitahu bahwa kelompok dari mana deskripsi
telah ditarik terdiri dari 70 insinyur dan 30
pengacara. Dalam kondisi lain, subjek diberitahu
bahwa kelompok itu terdiri dari 30 insinyur dan
70 pengacara. Kemungkinan bahwa deskripsi
tertentu milik seorang insinyur daripada seorang
pengacara harus lebih tinggi dalam kondisi
pertama, di mana ada mayoritas insinyur,
daripada dalam kondisi kedua, di mana ada
mayoritas pengacara. Secara khusus, dapat
ditunjukkan dengan menerapkan aturan Bayes
bahwa rasio odds ini harus (.7/.312, atau 5.44,
untuk setiap deskripsi. Dalam pelanggaran tajam
aturan Bayes, subjek dalam dua kondisi
menghasilkan essen
ILMU, VOL. 185
Machine Translated by Google
umumnya penilaian probabilitas yang sama.
Rupanya, subjek mengevaluasi kemungkinan
yang serupa bahwa deskripsi tertentu diinginkan
oleh seorang insinyur daripada seorang
pengacara, dengan sejauh mana deskripsi ini
mewakili dua stereotip, dengan sedikit atau tanpa
memperhatikan probabilitas sebelumnya dari
kategori.
Subyek menggunakan probabilitas sebelumnya
dengan benar ketika mereka tidak memiliki
informasi lain. Dengan tidak adanya sketsa
kepribadian, mereka menilai probabilitas bahwa
individu yang tidak dikenal adalah seorang
insinyur menjadi 0,7 dan 0,3, masing-masing,
dalam dua kondisi tingkat dasar. Namun,
probabilitas sebelumnya secara efektif diabaikan
ketika deskripsi diperkenalkan, bahkan ketika
deskripsi ini sama sekali tidak informatif.
Tanggapan terhadap deskripsi berikut
menggambarkan fenomena ini
sebutan:
Dick adalah seorang pria berusia 30 tahun. Dia
menikah tanpa anak. Seorang pria dengan
kemampuan tinggi dan motivasi tinggi, ia berjanji
akan cukup sukses di bidangnya. Dia sangat
disukai oleh rekan-rekannya.
Deskripsi ini dimaksudkan untuk tidak
menyampaikan informasi yang relevan dengan
pertanyaan apakah Dick adalah seorang insinyur
atau seorang pengacara. Akibatnya, probabilitas
bahwa Dick adalah seorang insinyur harus sama
dengan proporsi insinyur dalam kelompok, seolah-
olah tidak ada deskripsi yang diberikan. Subyek,
bagaimanapun, menilai probabilitas Dick menjadi
seorang insinyur menjadi 0,5 terlepas dari apakah
proporsi yang dinyatakan insinyur dalam kelompok
adalah 0,7 atau 0,3. Terbukti, orang-orang
merespons secara berbeda ketika tidak diberikan
bukti dan ketika diberikan bukti yang tidak
berharga. Ketika tidak ada bukti spesifik yang
diberikan, probabilitas sebelumnya digunakan
dengan benar; ketika bukti yang tidak berharga
diberikan, probabilitas sebelumnya diabaikan (1).
Ketidakpekaan terhadap ukuran
sampel. Untuk mengevaluasi kemungkinan
memperoleh hasil tertentu dalam sampel
yang diambil dari populasi tertentu, orang
biasanya menerapkan heuristik keterwakilan.probabilitas posterior, yaitu kemampuan
Artinya, mereka menilai kemungkinan hasil
sampel, misalnya, bahwa tinggi rata-rata dalam
sampel acak sepuluh pria akan menjadi 6 kaki
(180 sentimeter), dengan kesamaan hasil ini
dengan parameter yang sesuai (yaitu, dengan
tinggi rata-rata dalam populasi laki-laki).
Kesamaan statistik sampel dengan parameter
populasi tidak bergantung pada ukuran sampel.
Akibatnya, jika probabilitas dinilai dengan
keterwakilan, maka probabilitas yang dinilai dari
statistik sampel pada dasarnya akan independen
dari
27 SEPTEMBER 1974
ukuran sampel. Memang, ketika subjek menilai
distribusi tinggi rata-rata untuk sampel berbagai
ukuran, mereka menghasilkan distribusi yang
identik.
Misalnya, probabilitas memperoleh tinggi rata-
rata lebih besar dari 6 kaki diberi nilai yang sama
untuk sampel 1000, 100, dan 10 pria (2).
Selain itu, subjek gagal untuk menghargai peran
ukuran sampel bahkan ketika itu ditekankan
dalam perumusan masalah. Pertimbangkan
pertanyaan berikut:
Sebuah kota tertentu dilayani oleh dua rumah
sakit. Di rumah sakit yang lebih besar, sekitar 45
bayi lahir setiap hari, dan di rumah sakit yang
lebih kecil, sekitar 15 bayi lahir setiap hari.
Seperti yang Anda ketahui, sekitar 50 persen
dari semua bayi adalah laki-laki. Namun,
persentase pastinya bervariasi dari hari ke hari.
Beberapa kali mungkin lebih tinggi dari 50 persen,
terkadang lebih rendah.
Untuk jangka waktu 1 tahun, setiap rumah
sakit mencatat hari-hari di mana lebih dari 60
persen bayi yang lahir adalah laki-laki.
Menurut Anda, rumah sakit mana yang mencatat
lebih banyak hari seperti itu? b Rumah sakit
yang lebih besar (21) b Rumah sakit yang
lebih kecil (21) b Hampir sama (yaitu, dalam
jarak 5 persen satu sama lain) (53)
Nilai dalam kurung adalah jumlah mahasiswa
S1 yang memilih setiap jawaban.
Sebagian besar subjek menilai probabilitas
memperoleh lebih dari 60 persen anak laki-laki
adalah sama di rumah sakit kecil dan besar,
mungkin karena peristiwa ini dijelaskan oleh
statistik yang sama dan oleh karena itu sama-
sama mewakili populasi umum. Sebaliknya, teori
sampling mensyaratkan bahwa jumlah hari yang
diharapkan di mana lebih dari 60 persen bayi laki-
laki jauh lebih besar di rumah sakit kecil daripada
di rumah sakit besar, karena sampel besar
cenderung tidak menyimpang dari 50 persen.
Gagasan mendasar tentang statistik ini jelas
bukan bagian dari repertoar intuisi orang.
Ketidakpekaan yang serupa terhadap ukuran
sampel telah dilaporkan dalam penilaian
probabilitas bahwa sampel telah diambil dari satu
populasi daripada dari yang lain. Perhatikan
contoh berikut ini:
Bayangkan sebuah guci berisi bola, yang %
nya memiliki satu warna dan 1/3 lainnya . Satu
individu telah mengambil 5 bola 'dari guci, dan
menemukan bahwa 4 berwarna merah dan 1
berwarna putih. Individu lain telah mengambil 20
bola dan menemukan bahwa 12 berwarna merah
dan 8 berwarna putih. Manakah dari dua individu
yang harus merasa lebih yakin bahwa guci itu
berisi 2/3 bola merah dan 95 bola putih, daripada
sebaliknya? Peluang apa yang harus diberikan
setiap individu?
Dalam soal ini, odds posterior yang benar
adalah 8 banding 1 untuk sampel 4 : 1 dan 16
banding 1 untuk sampel 12 : 8, dengan
menjumlahkan peluang sebelumnya yang sama.
Namun, kebanyakan orang merasa bahwa
sampel pertama memberikan bukti yang jauh
lebih kuat untuk hipotesis bahwa guci itu
didominasi warna merah, karena proporsi bola
merah lebih besar pada sampel pertama daripada
sampel kedua. Di sini sekali lagi, penilaian intuitif
didominasi oleh proporsi sampel dan pada
dasarnya tidak terpengaruh oleh ukuran sampel,
yang memainkan peran penting dalam penentuan
odds posterior yang sebenarnya (2). Selain itu,
perkiraan intuitif peluang posterior jauh lebih
ekstrem daripada nilai yang benar. Meremehkan
dampak bukti telah diamati berulang kali dalam
masalah jenis ini (3, 4).
Itu telah diberi label "konservatisme."
Kesalahpahaman tentang kesempatan. Orang
berharap bahwa urutan peristiwa yang dihasilkan
oleh proses acak akan mewakili karakteristik
penting dari proses itu bahkan ketika urutannya
pendek. Dalam mempertimbangkan pelemparan
koin untuk kepala atau ekor, misalnya, orang
menganggap urutan HTHTTH lebih mungkin
daripada urutan HHHTTT, yang tidak tampak
acak, dan juga lebih mungkin daripada urutan HH
HHTH, yang tidak mewakili keadilan koin (2).
Dengan demikian, orang berharap bahwa
karakteristik penting dari proses akan terwakili,
tidak hanya secara global di seluruh rangkaian,
tetapi juga secara lokal di setiap bagiannya.
Urutan perwakilan lokal, bagaimanapun,
menyimpang secara sistematis dari harapan
kebetulan: mengandung terlalu banyak pergantian
dan terlalu sedikit lari. Lain
konsekuensi dari kepercayaan pada perwakilan
lokal adalah kesalahan penjudi yang terkenal.
Setelah mengamati garis merah panjang di roda
roulette. misalnya, kebanyakan orang secara
keliru percaya bahwa hitam sekarang sudah
jatuh tempo, mungkin karena kemunculan hitam
akan menghasilkan urutan yang lebih representatif
daripada kemunculan merah tambahan. Peluang
umumnya dipandang sebagai proses koreksi diri
di mana penyimpangan dalam satu arah
menyebabkan penyimpangan dalam arah yang
berlawanan untuk mengembalikan keseimbangan.
Faktanya, penyimpangan tidak "dikoreksi"
sebagai proses kebetulan terungkap, mereka
hanya diencerkan.
Kesalahpahaman tentang peluang tidak
terbatas pada subjek yang naif. Sebuah studi
tentang intuisi statistik dari psikolog penelitian
berpengalaman (5) mengungkapkan keyakinan
yang melekat pada apa yang dapat disebut
"hukum bilangan kecil", yang menurutnya sampel
kecil pun sangat
Machine Translated by Google
mewakili populasi dari mana mereka diambil.
Tanggapan para peneliti ini mencerminkan
harapan bahwa hipotesis yang valid tentang
suatu populasi akan diwakili oleh hasil yang
signifikan secara statistik dalam sampel -
dengan sedikit memperhatikan ukurannya.
Akibatnya , phaarsailppeenneeliltitiia
tenrlkaeluciplercaya pada
ples dan terlalu melebih-lebihkan replikasi
hasil tersebut. Dalam pelaksanaan penelitian
yang sebenarnya, bias ini mengarah pada
pemilihan sampel dengan ukuran yang tidak
memadai dan interpretasi temuan yang
berlebihan.
Ketidakpekaan terhadap prediktabilitas.
Orang terkadang diminta untuk membuat
prediksi numerik seperti nilai masa depan
suatu saham, permintaan akan suatu
komoditas, atau hasil pertandingan sepak bola.
Prediksi seperti itu sering dibuat oleh
keterwakilan. Misalnya, seandainya
seseorang diberi deskripsi tentang sebuah
perusahaan dan diminta untuk memprediksi
keuntungannya di masa depan. Jika deskripsi
perusahaan sangat menguntungkan, laba
yang sangat tinggi akan muncul paling
mewakili deskripsi itu; jika deskripsinya biasa-
biasa saja, penampilan yang biasa-biasa
saja akan tampil paling representatif.
Sejauh mana deskripsi itu menguntungkan
tidak terpengaruh oleh keandalan deskripsi
itu atau sejauh mana deskripsi itu
memungkinkan prediksi yang akurat.
Oleh karena itu, jika orang memprediksi
hanya berdasarkan deskripsi yang disukai,
prediksi mereka tidak akan peka terhadap
keandalan bukti dan akurasi prediksi yang
diharapkan.
Cara penilaian ini melanggar teori statistik
normatif di mana ekstremitas dan jangkauan
prediksi dikendalikan oleh pertimbangan
prediktabilitas. Ketika prediktabilitas adalah
nihil, prediksi yang sama harus dibuat dalam
semua kasus. Misalnya, jika deskripsi
perusahaan tidak memberikan informasi
yang relevan dengan laba, maka nilai yang
sama (seperti laba rata-rata) harus diprediksi
untuk semua perusahaan.
Jika prediktabilitas sempurna, tentu saja nilai
yang diprediksi akan sesuai dengan nilai
sebenarnya dan rentang prediksi akan sama
dengan rentang hasil.
Secara umum, semakin tinggi prediktabilitas,
semakin luas rentang nilai prediksi.
Beberapa studi tentang prediksi numerik
telah menunjukkan bahwa prediksi intuitif
melanggar aturan ini, dan bahwa subjek
menunjukkan sedikit atau tidak sama sekali
mempertimbangkan pertimbangan
prediktabilitas (I). Dalam salah satu studi ini, Misalnya, orang lebih percaya diri dalam
subjek disajikan dengan beberapa paragraf,
masing-masing menggambarkan kinerja siswa
guru penyok selama pelajaran praktek
tertentu. Beberapa subjek diminta untuk
mengevaluasi kualitas pelajaran yang
dijelaskan dalam paragraf dalam skor
persentil, relatif terhadap populasi tertentu.
Mata pelajaran lain diminta untuk
memprediksi, juga dalam skor persentil,
kedudukan masing-masing siswa guru 5
tahun setelah pelajaran praktik. Penghakiman
yang dibuat di bawah dua kondisi itu identik.
Artinya, prediksi kriteria jarak jauh
(keberhasilan seorang guru setelah 5 tahun)
identik dengan evaluasi informasi yang
menjadi dasar prediksi (kualitas pelajaran
praktik). Para siswa yang membuat prediksi
ini tidak diragukan lagi menyadari
prediktabilitas terbatas kompetensi mengajar
berdasarkan pelajaran percobaan tunggal 5
tahun sebelumnya; namun demikian, prediksi
mereka sama ekstremnya dengan evaluasi
mereka.
Ilusi validitas. Seperti yang telah kita lihat,
orang sering memprediksi dengan memilih
hasil (misalnya, pekerjaan) yang paling
mewakili masukan (misalnya, deskripsi
seseorang). Keyakinan yang mereka miliki
dalam prediksi mereka terutama bergantung
pada tingkat keterwakilan (yaitu, pada
kualitas kecocokan antara hasil yang dipilih
dan input) dengan sedikit atau tanpa
memperhatikan faktor-faktor yang membatasi
akurasi prediksi.
Dengan demikian, orang mengungkapkan
keyakinan besar dalam prediksi bahwa
seseorang adalah seorang pustakawan
ketika diberikan deskripsi kepribadiannya
yang sesuai dengan stereotip pustakawan,
bahkan jika deskripsi itu sedikit, tidak dapat
diandalkan, atau ketinggalan zaman.
Keyakinan yang tidak beralasan yang
dihasilkan oleh kesesuaian yang baik antara
hasil yang diprediksi dan informasi input
dapat disebut ilusi validitas. Ilusi ini tetap
ada bahkan ketika hakim menyadari faktor-
faktor yang membatasi keakuratan
prediksinya. Ini adalah pengamatan umum
bahwa psikolog yang melakukan wawancara
seleksi sering mengalami keyakinan yang
cukup besar dalam prediksi mereka, bahkan
ketika mereka mengetahui banyak literatur
yang menunjukkan wawancara seleksi
sangat keliru. Ketergantungan lanjutan pada
wawancara klinis untuk seleksi, meskipun
demonstrasi berulang dari ketidakmampuannya,konteks yang pasti akan terjadi.
cukup membuktikan kekuatan efek ini.
Kedua, ketika mereka mengenali terjadinya
Konsistensi internal pola input merupakan
penentu utama dari kepercayaan seseorang
dalam prediksi berdasarkan input ini.
memprediksi nilai rata-rata akhir siswa
yang catatan tahun pertamanya seluruhnya
terdiri dari nilai B daripada dalam memprediksi
nilai rata-rata siswa yang catatan tahun
pertamanya mencakup banyak nilai A dan C.
Pola yang sangat konsisten paling sering
diamati ketika variabel ~nput sangat
berlebihan atau berkorelasi.
Oleh karena itu, orang cenderung memiliki
keyakinan yang besar dalam prediksi
berdasarkan variabel input yang berlebihan.
Namun, hasil dasar dalam statistik korelasi
menegaskan bahwa, mengingat variabel
input validitas yang dinyatakan, prediksi
berdasarkan beberapa input tersebut dapat
mencapai akurasi yang lebih tinggi ketika
mereka independen satu sama lain daripada
ketika mereka berlebihan atau berkorelasi.
Dengan demikian, redundansi dan input
mengurangi akurasi meskipun meningkatkan
kepercayaan diri, dan orang sering kali yakin
dengan prediksi yang kemungkinan besar
melenceng (I).
Kesalahpahaman tentang regresi. Misalkan
sekelompok besar anak-anak telah diperiksa
pada dua versi tes bakat yang setara. Jika
seseorang memilih sepuluh anak dari antara
mereka yang melakukan yang terbaik pada
salah satu dari dua versi, dia biasanya akan
menemukan kinerja mereka pada versi
kedua agak mengecewakan.
Sebaliknya, jika seseorang memilih sepuluh
anak dari antara mereka yang melakukan
yang terburuk pada satu versi, mereka akan
ditemukan, rata-rata, melakukan sedikit lebih
baik pada versi lainnya. Lebih umum,
pertimbangkan dua variabel X dan Y yang
memiliki distribusi yang sama. Jika seseorang
memilih individu yang rata-rata skor X
menyimpang dari rata-rata X sebesar k unit,
maka rata-rata skor Y mereka biasanya akan
menyimpang dari rata-rata Y kurang dari k
unit. Pengamatan ini menggambarkan
fenomena umum yang dikenal sebagai
regresi menuju ; maksudnya, yang pertama
kali didokumentasikan oleh Galton lebih dari
100 tahun yang lalu.
Dalam perjalanan hidup normal, seseorang
menemukan banyak contoh kemunduran
terhadap rata-rata, dalam perbandingan
tinggi badan ayah dan anak, kecerdasan
suami dan istri. atau kinerja individu pada
ujian berturut-turut. Namun demikian, orang
tidak berkembang benar dalam pelajaran
tentang fenomena ini. Pertama, mereka
tidak mengharapkan regresi dalam banyak
regresi, mereka sering menciptakan
penjelasan kausal palsu untuk itu (I).
Kami menyarankan bahwa fenomena
regresi tetap sulit dipahami karena sesuai
dengan keyakinan bahwa hasil yang
diprediksi harus maksimal.
ILMU, VOL. 185
Machine Translated by Google
mewakili input, dan, karenanya, bahwa nilai
variabel hasil harus sam a ekstremnya dengan
nilai variabel input.
Kegagalan untuk mengenali impor regresi
dapat memiliki konsekuensi yang merusak,
seperti yang diilustrasikan oleh pengam atan
berikut (I). Dalam diskusi tentang pelatihan
penerbangan, instruktur berpengalaman
mencatat bahwa pujian untuk pendaratan
mulus sekutu biasanya diikuti dengan
pendaratan yang lebih buruk pada percobaan
berikutnya, sem entara kritik keras setelah
pendaratan kasar biasanya diikuti dengan
perbaikan pada percobaan berikutnya.
Instruktur m enyimpulkan bahwa penghargaan
verbal merugikan pembelajaran, sedangkan
hukum an verbal berm anfaat, bertentangan
dengan doktrin psikologis yang diterima.
Kesimpulan ini tidak beralasan karena adanya
regresi terhadap mean. Seperti dalam kasus
lain dari ujian berulang, peningkatan biasanya
akan mengikuti kinerja yang buruk dan
penurunan biasanya akan mengikuti kinerja
yang luar biasa, bahkan jika instruktur tidak
menanggapi pencapaian peserta pelatihan
pada percobaan pertam a. Karena instruktur
memuji peserta pelatihan mereka setelah
mendapatkan hasil yang baik dan menegur
mereka setelah mendapatkan yang buruk,
mereka mencapai kesimpulan yang salah dan
berpotensi membahayakan bahwa hukum an
lebih efektif daripada hadiah.
Dengan demikian, kegagalan untuk
memahami efek regresi menyebabkan
seseorang memperkirakan secara berlebihan
efektivitas hukum an dan merem ehkan
efektivitas hadiah. Dalam interaksi sosial,
serta dalam pelatihan, penghargaan biasanya
diberikan ketika kinerjanya baik, dan hukum an
biasanya diberikan ketika kinerjanya buruk.
Oleh karena itu, hanya dengan regresi saja,
perilaku kemungkinan besar akan meningkat
setelah hukum an dan kemungkinan besar
akan menurun setelah penghargaan.
Akibatnya, kondisi manusia sedemikian rupa
sehingga, secara kebetulan saja, seseorang
paling sering diberi penghargaan karena
menghukum orang lain dan paling sering
dihukum karena memberi penghargaan
kepada mereka. Orang pada umumnya tidak menyadari kemungkinan ini.
Faktanya, peran regresi yang sulit dipahami
dalam menentukan konsekuensi nyata dari
penghargaan dan hukum an tampaknya telah
luput dari perhatian siswa di bidang ini.
Ketersediaan
Ada situasi di mana orang menilai frekuensi
kelas atau probabilitas suatu peristiwa dengan
mudah dengan
27 SEPTEMBER 1974
contoh atau kejadian mana yang dapat diingat.
Misalnya, seseorang dapat menilai risiko
serangan jantung di antara orang paruh baya
dengan mengingat kejadian seperti itu di
antara kenalannya.
Demikian pula, seseorang dapat mengevaluasi
probabilitas bahwa suatu usaha bisnis tertentu
akan gagal dengan membayangkan berbagai
kesulitan yang mungkin dihadapinya. Heuristik
yang menghakimi ini disebut ketersediaan.
Ketersediaan adalah petunjuk yang berguna
untuk menilai frekuensi atau probabilitas,
karena contoh kelas besar biasanya dipanggil
kembali lebih baik dan lebih cepat daripada
contoh kelas yang kurang sering. Namun,
ketersediaan dipengaruhi oleh faktor selain
frekuensi dan probabilitas. Akibatnya,
ketergantungan pada ketersediaan
menyebabkan bias diprediksi, beberapa di
antaranya diilustrasikan di bawah ini.
Bias karena pengambilan kembali dalam
kuda-kuda. Ketika ukuran suatu kelas dinilai
dari ketersediaan posisinya , kelas yang
instance-nya mudah diambil akan tampak
lebih banyak daripada kelas dengan frekuensi
yang sama yang instance-nya kurang dapat
diambil. Dalam demonstrasi dasar efek ini,
subjek m endengar daftar kepribadian terkenal
dari kedua jenis kelamin dan kemudian diminta
untuk menilai apakah daftar tersebut berisi
lebih banyak nam a pria daripada wanita.
Daftar yang berbeda disajikan untuk kelompok
mata pelajaran yang berbeda. Dalam beberapa
daftar, pria relatif lebih terkenal daripada
wanita, dan di daftar lain wanita relatif lebih
terkenal daripada pria. Dalam setiap daftar,
subjek salah menilai bahwa kelas (jenis
kelamin) yang memiliki kepribadian lebih
terkenal lebih banyak (6).
Selain keakraban, ada faktor lain. seperti
arti-penting, yang mempengaruhi pengambilan
contoh. Misalnya, dampak melihat rumah
terbakar pada probabilitas subjektif dari
kecelakaan semacam itu mungkin lebih besar
daripada dampak membaca tentang kebakaran
di koran lokal. Selanjutnya, kejadian baru-baru
ini cenderung relatif lebih tersedia daripada
kejadian sebelumnya.
Sudah m enjadi pengalaman umum bahwa
kemungkinan subjektif dari kecelakaan lalu
lintas meningkat sementara ketika seseorang
melihat sebuah mobil terbalik di sisi jalan.
Bias drte ke efektivitas set pencarian .
Misalkan satu sampel kata (dari tiga
huruf atau lebih) secara acak dari teks
bahasa Inggris. Apakah lebih mungkin
kata itu dimulai dengan r atau r adalah
huruf ketiga? Orang-orang mendekati
masalah ini dengan mengingat kata-kata yang
mulailah dengan r (jalan) dan kata-kata yang
memiliki r di posisi ketiga (m obil) dan nilai
frekuensi relatifnya dengan kemudahan kata-
kata dari kedua jenis itu muncul dalam pikiran.
Karena lebih mudah untuk m encari kata
dengan huruf pertam a daripada huruf ketiga,
kebanyakan orang menilai kata-kata yang
dimulai dengan konsonan tertentu lebih banyak
daripada kata-kata di mana konsonan yang
sama muncul di posisi ketiga. Mereka
melakukannya bahkan untuk konsonan, seperti
r atau k, yang lebih sering berada di posisi
ketiga daripada di posisi pertama (6).
Tugas yang berbeda menghasilkan set
pencarian yang berbeda. Misalnya, Anda
diminta untuk menilai frekuensi kemunculan
kata abstrak (pikiran, cinta) dan kata konkret
(pintu, air) dalam bahasa Inggris tertulis. Cara
alami untuk m enjawab pertanyaan ini adalah
dengan mencari konteks di mana kata itu bisa
muncul. Tampaknya lebih mudah untuk
memikirkan konteks di mana konsep abstrak
disebutkan (cinta dalam kisah cinta) daripada
memikirkan konteks di mana kata konkret
(seperti pintu) disebutkan. Jika frekuensi kata
dinilai berdasarkan ketersediaan konteks di
mana kata itu muncul, kata abstrak akan
dinilai relatif lebih banyak daripada kata
konkret. Bias ini telah diam ati dalam penelitian
terbaru (7) yang menunjukkan bahwa frekuensi
kemunculan kata-kata abstrak jauh lebih tinggi
daripada kata-kata konkret. disam akan dengan
frekuensi objektif. Kata-kata abstrak juga
dinilai muncul dalam variasi konteks yang jauh
lebih banyak daripada kata-kata konkret.
Sampah irnaginnbility . Terkadang
kita harus menilai frekuensi kelas yang
instance-nya tidak disimpan di
memori tetapi dapat dihasilkan sesuai dengan
aturan yang diberikan. Dalam situasi seperti
itu, seseorang biasanya menghasilkan
beberapa contoh dan mengevaluasi frekuensi
atau probabilitas dengan kemudahan yang
relevan dalam sikap dapat dibangun. Namun,
kemudahan dalam membuat instance tidak
selalu mencerminkan frekuensi aktualnya, dan
mode evaluasi ini rentan terhadap bias.
Sebagai ilustrasi, pertimbangkan sekelompok
10 orang yang membentuk komite dari
k anggota, 2 < k < 8. Berapa
komite yang berbeda dari anggota k dapat
dibentuk? Jawaban yang benar untuk soal ini
diberikan oleh koefisien binomial (If) yang
mencapai maksimum 2,52 untuk k = 5.
Jelasnya, jumlah komite dari k anggota sam a
dengan jumlah komite (10 -k) anggota, karena
setiap panitia k
Machine Translated by Google
anggota mendefinisikan kelompok unik (10 -
k) bukan anggota.
Salah satu cara untuk m enjawab
pertanyaan ini tanpa perhitungan adalah
dengan m embangun secara m ental komite
anggota k dan m engevaluasi jumlah mereka
dengan kemudahan yang mereka pikirkan.
Komite jagung dari beberapa anggota,
katakanlah 2, lebih tersedia daripada komite
dari banyak anggota, katakanlah 8. Skema
paling sederhana untuk pembangunan komite adaglaehjala dan diagnosis sebenarnya negatif, dan
pembagian grup menjadi himpunan-himpunan yang terpisah-pisah.
Orang dengan mudah melihat bahwa mudah
untuk membangun lima komite yang terpisah
dari 2 anggota, sementara tidak mungkin
untuk membuat dua komite yang terpisah dari
8 anggota. Akibatnya, jika frekuensi dinilai
dengan imajinasi, atau ketersediaan untuk
konstruksi, komite kecil akan muncul lebih
banyak daripada komite yang lebih besar,
bertentangan dengan fungsi berbentuk lonceng
yang benar. Mem ang, ketika subjek naif
diminta untuk memperkirakan jumlah komite
yang berbeda dari berbagai ukuran, perkiraan
mereka adalah fungsi monoton yang menurun
dari ukuran komite (6). Misalnya, perkiraan
median jumlah komite yang terdiri dari 2
anggota adalah 70, sedangkan perkiraan untuk
komite yang terdiri dari 8 anggota adalah 20
(jawaban yang benar adalah 45 untuk kedua
kasus).
Tm aginability mem ainkan peran penting
dalam evaluasi probabilitas dalam situasi
kehidupan nyata. Risiko yang terlibat dalam
ekspedisi yang penuh petualangan, misalnya,
dievaluasi dengan membayangkan
kemungkinan-kemungkinan yang tidak dapat
diatasi oleh ekspedisi tersebut. Jika banyak
kesulitan seperti itu digambarkan dengan
jelas, ekspedisi dapat dibuat tampak sangat
berbahaya, meskipun kemudahan
membayangkan bencana tidak perlu
mencerminkan kemungkinan yang sebenarnya.
Sebaliknya, risiko yang terlibat dalam suatu
usaha mungkin terlalu diremehkan jika
beberapa kemungkinan bahaya sulit untuk
dibayangkan, atau hanya tidak terpikirkan.
Korelasi buruk. Chapman dan Chapm an
(8) telah menggambarkan bias yang menarik
dalam penilaian frekuensi dengan mana dua
peristiwa terjadi bersam aan.
Mereka mempresentasikan hakim naif dengan
informasi tentang beberapa pasien mental
hipotetis. Data untuk setiap pasien terdiri dari
diagnosis klinis dan gambar seseorang yang
dibuat oleh pasien. Kemudian para juri
memperkirakan frekuensi setiap diagnosis
(seperti paranoia atau kecurigaan) disertai
dengan berbagai fitur gambar (seperti mata
yang aneh). Subyek sangat melebih-lebihkan
frekuensi kemunculan bersam a
asosiasi alami, seperti kecurigaan dan mata
yang aneh. Efek ini diberi label korelasi ilusi.
Dalam penilaian mereka yang salah tentang
data yang telah mereka paparkan, subjek
yang naif "menemukan kembali" banyak
pengetahuan klinis umum, tetapi tidak
berdasar, mengenai interpretasi tes
menggambar orang. Koreksi korelasi ilusi
sangat resisten terhadap data yang kontradiktif.
Itu bertahan bahkan ketika korelasi antara
itu mencegah hakim mendeteksi hubungan
yang sebenarnya ada.
Ketersediaan memberikan jumlah akun
alami untuk efek korelasi ilusi.
Penilaian seberapa sering dua peristiwa terjadi
bersam aan dapat didasarkan pada
kekuatan ikatan asosiatif di antara mereka.
Ketika asosiasinya kuat, orang mungkin akan
menyimpulkan bahwa peristiwa-peristiwa itu
sering dipasangkan. Akibatnya. asosiasi yang
kuat akan dinilai sering terjadi bersam a.
Menurut pandangan ini, korelasi ilusi antara
kecurigaan dan gambar m ata yang aneh,
misalnya, disebabkan oleh fakta bahwa
kecurigaan lebih mudah dikaitkan dengan
mata daripada dengan bagian tubuh lainnya.
Pengalam an seumur hidup telah
mengajarkan kita bahwa, secara umum,
contoh kelas besar diingat dengan lebih baik dan lseisbw
daripada contoh kelas yang lebih jarang;
bahwa kemungkinan kejadian lebih mudah
untuk dibayangkan daripada yang tidak
mungkin; dan bahwa hubungan asosiatif
antara peristiwa diperkuat ketika peristiwa
sering terjadi bersam aan. Akibatnya, manusia
memiliki prosedur (heuristik ketersediaan)
untuk memperkirakan jumlah kelas,
kemungkinan suatu peristiwa, atau frekuensi
kemunculan bersam a, dengan kemudahan
operasi mental yang relevan dari pengambilan. , Untuk menjawab pertanyaan seperti itu
konstruksi, atau asosiasi dapat dilakukan. dengan cepat, orang dapat melakukan
Namun, seperti yang telah ditunjukkan oleh
contoh-contoh sebelumnya, prosedur estimasi
yang berharga ini menghasilkan kesalahan
sistem atis.
Penyesuaian dan Penahan
Dalam banyak situasi, orang m embuat
perkiraan dengan memulai dari nilai awal
yang disesuaikan untuk m enghasilkan jawaban akEhsirt.imasi median untuk deret menaik adalah
Nilai awal, atau titik awal, mungkin disarankan
oleh rumusan m asalah, atau mungkin hasil
dari perhitungan parsial. Dalam kedua kasus,
penyesuaian biasanya tidak cukup (4).
Artinya, titik awal yang berbeda m enghasilkan
perkiraan yang berbeda, yang bias terhadap
nilai awal. Kami m enyebutnya
penahan fenomena.
Penyesuaian yang tidak memadai. Dalam
dem onstrasi efek penahan, subjek diminta
untuk memperkirakan berbagai kuantitas,
dinyatakan dalam persentase (misalnya,
persentase negara-negara Afrika di PBB).
Untuk setiap kuantitas, angka antara 0 dan
100 ditentukan
ditambang dengan memutar roda
keberuntungan di hadapan subjek. Subyek
diinstruksikan untuk menunjukkan terlebih
dahulu apakah angka itu lebih tinggi atau lebih
rendah dari nilai kuantitas, dan kemudian
memperkirakan nilai kuantitas dengan
bergerak ke atas atau ke bawah dari angka
yang diberikan. Kelompok yang berbeda diberi
nom or yang berbeda untuk setiap kuantitas,
dan angka arbitrer ini memiliki efek yang nyata
pada perkiraan. Misalnya, perkiraan m edian
persentase negara-negara Afrika di PBB
adalah 25 dan 45 untuk kelompok yang
masing-masing menerima I0 dan 65, sebagai
titik awal. Imbalan untuk akurasi tidak
mengurangi efek penahan.
Penahan terjadi tidak hanya ketika titik
awal diberikan kepada subjek, tetapi juga
ketika subjek m endasarkan perkiraannya
pada hasil beberapa perhitungan yang tidak
lengkap. Sebuah studi estimasi numerik intuitif
menggambarkan efek ini. Dua kelompok
i hacseepkaotlah menengah m emperkirakan,
dalam 5 detik, ekspresi numerik yang tertulis
di papan tulis. Satu kelompok memperkirakan
produk
sementara kelompok lain memperkirakan
produk
beberapa langkah perhitungan dan
memperkirakan produk dengan ekstrapolasi
atau penyesuaian. Karena penyesuaian
biasanya tidak cukup, prosedur ini harus
mengarah pada penilaian yang terlalu rendah.
Selanjutnya, karena hasil dari beberapa
langkah pertam a perkalian (per yang dibentuk
dari kiri ke kanan) lebih tinggi dalam barisan
menurun daripada dalam barisan menaik,
ekspresi sebelumnya harus dinilai lebih besar
daripada yang terakhir. Kedua prediksi itu terbukti.
512, sedangkan estimasi median untuk deret
menurun adalah 2.250. Jawaban yang benar
adalah 40.320.
Bias dalam evaluasi peristiwa
konjungtif dan disjlrnctive . Baru - baru ini
ILMU, VOL. 185
Machine Translated by Google
studi oleh Bar-Hillel (9) subjek diberi kesempatan
untuk bertaruh pada salah satu dari dua acara.
Ada tiga jenis kejadian yang digunakan: (i)
kejadian sederhana, seperti pengambilan
kelereng merah dari kantong yang berisi 50
persen kelereng merah dan 50 persen kelereng
putih; (ii) kejadian-kejadian yang berhubungan,
seperti pengambilan kelereng merah tujuh kali
berturut-turut, dengan penggantian, dari sebuah
kantong yang berisi 90 persen kelereng merah
dan 10 persen kelereng putih; dan (iii) peristiwa
yang memisahkan, seperti pengambilan kelereng
merah sekurang-kurangnya sekali dalam tujuh
kali percobaan berturut-turut, dengan
penggantian, dari sebuah kantong yang berisi
10 persen kelereng merah dan 90 persen kelereng pourtaihng akan cenderung meremehkan probabilitas
Dalam masalah ini, sebagian besar subjek lebih kegagalan dalam sistem yang kompleks. Dengan
suka bertaruh pada peristiwa konjungtif
(probabilitasnya 0,48) daripada pada peristiwa
sederhana (probabilitasnya 0,50). Subjek juga
lebih suka bertaruh pada peristiwa sederhana
daripada peristiwa disjungtif, yang memiliki
probabilitas 0,52.
Dengan demikian, sebagian besar subjek bertaruh pada
peristiwa yang lebih kecil kemungkinannya di kedua
perbandingan. Pola pilihan ini menggambarkan temuan umum p
Studi pilihan di antara pertaruhan dan penilaian
probabilitas menunjukkan bahwa orang
cenderung melebih-lebihkan kemungkinan
peristiwa konjungtif (10) dan meremehkan
kemungkinan peristiwa disjungtif. Bias ini mudah
dijelaskan sebagai efek jangkar. Probabilitas
yang dinyatakan dari peristiwa dasar (berhasil
pada satu tahap) memberikan titik awal alami
untuk estimasi probabilitas dari kedua peristiwa
konjungtif dan disjungtif.
Karena penyesuaian dari titik awal biasanya
tidak cukup, perkiraan akhir tetap terlalu dekat
dengan probabilitas kejadian dasar dalam kedua
kasus. Perhatikan bahwa probabilitas keseluruhan
dari kejadian konjungtif lebih rendah daripada
probabilitas setiap kejadian elementer, sedangkan
probabilitas keseluruhan dari kejadian disjungtif
lebih tinggi daripada probabilitas setiap kejadian
elementer.
Sebagai konsekuensi dari penahan, probabilitas
keseluruhan akan ditaksir terlalu tinggi dalam
masalah konjungtif dan diremehkan dalam
masalah disjungtif.
Bias dalam evaluasi peristiwa majemuk
sangat signifikan dalam konteks perencanaan.
Keberhasilan penyelesaian suatu usaha, seperti
pengembangan produk baru, biasanya memiliki
karakter penghubung: agar usaha berhasil,
setiap rangkaian peristiwa harus terjadi. Bahkan
ketika masing-masing peristiwa ini sangat
mungkin terjadi, kemungkinan keberhasilan
secara keseluruhan bisa sangat rendah jika
jumlah peristiwanya adalah
27 SEPTEMBER 1974
besar. Kecenderungan umum untuk melebih-
lebihkan kemungkinan peristiwa konjungtif
mengarah pada optimisme yang tidak beralasan
dalam evaluasi kemungkinan bahwa sebuah
rencana akan berhasil atau bahwa sebuah
proyek akan selesai tepat waktu. Sebaliknya,
struktur disjungtif biasanya ditemui dalam
evaluasi risiko. Sistem yang kompleks, seperti
reaktor nuklir atau tubuh manusia, akan tidak
berfungsi jika salah satu komponen esensialnya
gagal.
Bahkan ketika kemungkinan kegagalan di setiap
komponen kecil, kemungkinan kegagalan
keseluruhan bisa tinggi jika banyak komponen
yang terlibat. Menjadi penyebab anchoring,
demikian, arah bias penahan kadang-kadang
dapat disimpulkan dari struktur peristiwa. Struktur
konjungsi seperti rantai mengarah ke perkiraan
yang berlebihan, struktur disjungsi seperti corong
mengarah ke perkiraan yang terlalu rendah.
Penahan dalam penilaian distribusi
probabilitas subyektif. Dalam analisis keputusan,
. araahli seringkali diminta untuk mengungkapkan pemilihan XI, yang mungkin diperoleh dengan
keyakinan mereka tentang suatu kuantitas, menyesuaikan perkiraan terbaik seseorang ke
seperti nilai rata-rata Dow-Jones pada hari bawah. Akibatnya, interval kepercayaan antara
tertentu, dalam bentuk distribusi probabilitas. X,, dan X,, akan terlalu sempit, dan distribusi
Distribusi seperti itu biasanya dibangun dengan probabilitas yang dinilai akan terlalu ketat.
meminta orang tersebut untuk memilih nilai
kuantitas yang sesuai dengan persentil tertentu
dari distribusi probabilitas subjektifnya. Sebagai
contoh, hakim mungkin diminta untuk memilih
sebuah angka, X,,, sehingga probabilitas
subjektifnya bahwa angka ini akan lebih tinggi
dari nilai rata-rata Dow-Jones adalah 0,90.
Artinya, dia harus memilih nilai X,, sehingga dia
hanya bersedia menerima peluang 9 banding 1
bahwa rata-rata Dow-Jones tidak akan
melebihinya. Distribusi probabilitas subjektif
untuk nilai rata-rata Dow Jones dapat dibangun
dari beberapa penilaian yang sesuai dengan
persentil yang berbeda.
Dengan mengumpulkan distribusi probabilitas
subjektif untuk banyak kuantitas yang berbeda,
adalah mungkin untuk menguji juri untuk kalibrasi
yang tepat. Seorang hakim benar (atau secara
eksternal) dikalibrasi dalam serangkaian masalah
jika tepat II persen dari nilai sebenarnya dari
kuantitas yang dinilai jatuh di bawah nilai Xn
yang dinyatakannya. Misalnya, nilai sebenarnya
harus berada di bawah X,, untuk 1 persen
kuantitas dan di atas X,, untuk 1 persen kuantitas.
Dengan demikian, nilai sebenarnya harus berada
dalam interval kepercayaan antara X,,, dan X,,
pada 98 persen dari masalah.
Beberapa peneliti (11) memiliki ob
mempertahankan distribusi probabilitas untuk
banyak kuantitas dari sejumlah besar juri.
Distribusi ini menunjukkan penyimpangan yang
besar dan sistematis dari kalibrasi yang tepat.
Dalam kebanyakan penelitian, nilai aktual dari
besaran yang dinilai lebih kecil dari X, atau lebih
besar dari X, untuk sekitar 30 persen masalah.
Artinya, subjek menyatakan interval kepercayaan
yang terlalu sempit yang mencerminkan kepastian
lebih dari yang dibenarkan oleh pengetahuan
mereka tentang jumlah yang dinilai. Bias ini
umum terjadi pada subjek yang naif dan canggih,
dan tidak dihilangkan dengan memperkenalkan
aturan penilaian yang tepat, yang memberikan
insentif untuk kalibrasi eksternal. Efek ini paling
tidak sebagian disebabkan oleh penahan.
Untuk memilih X,, untuk nilai rata-rata Dow-
Jones, misalnya, adalah wajar untuk memulai
dengan memikirkan perkiraan terbaik dari Dow-
Jones dan menyesuaikan nilai ini ke atas. Jika
penyesuaian ini-seperti kebanyakan yang lain-
tidak cukup, maka X,, tidak akan cukup ekstrim.
Efek penahan serupa akan terjadi dalam
Untuk mendukung interpretasi ini dapat
ditunjukkan bahwa probabilitas subjektif secara
sistematis diubah oleh prosedur di mana
perkiraan terbaik seseorang tidak berfungsi
sebagai jangkar.
Distribusi probabilitas subjektif untuk t
kuantitas tertentu (rata-rata Dow-Jones) dapat
diperoleh dengan dua cara berbeda: (i) dengan
meminta subjek untuk memilih nilai Dow-Jones
yang sesuai dengan persentil tertentu dari
distribusi probabilitasnya dan (ii ) dengan
meminta subjek untuk menilai kemampuan prob
bahwa nilai sebenarnya dari Dow-Jones akan
melebihi beberapa nilai yang ditentukan. Kedua
prosedur tersebut secara formal ekuivalen dan
harus menghasilkan distribusi yang identik.
Namun, mereka menyarankan mode penyesuaian
yang berbeda dari jangkar sen yang berbeda.
Dalam prosedur (i), titik awal alami adalah
perkiraan kuantitas yang terbaik. Dalam prosedur
(ii), di sisi lain, subjek dapat berlabuh pada nilai
yang dinyatakan dalam
pertanyaan. Sebagai alternatif, dia mungkin
mendapat tugas pada peluang genap, atau
peluang 50-50, yang merupakan titik awal alami
dalam estimasi kemungkinan. Dalam kedua
kasus, prosedur (ii) harus menghasilkan peluang
yang kurang ekstrim daripada prosedur (i).
Untuk membedakan dua prosedur, satu set
24 kuantitas (seperti distribusi udara
Machine Translated by Google
tance dari New Delhi ke Peking) disajikan
kepada sekelompok mata pelajaran yang
dinilai baik XI, atau X,, untuk setiap masalah.
Kelompok subjek lain menerima penilaian
median dari kelompok pertama untuk masing-
masing dari 24 kuantitas.
Mereka diminta untuk menilai peluang bahwa
masing-masing nilai yang diberikan melebihi
nilai sebenarnya dari kuantitas yang relevan.
Jika tidak ada bias, kelompok kedua harus
mengambil peluang yang ditentukan untuk
kelompok pertama, yaitu, 9 : 1. Namun, jika
peluang genap atau nilai yang dinyatakan
berfungsi sebagai jangkar, peluang kelompok
kedua harus kurang ekstrim, yaitu, mendekati
1 : 1. Memang, peluang median yang
dinyatakan oleh kelompok ini, di semua
masalah, adalah 3 : 1. Ketika penilaian dari
kedua kelompok diuji untuk kalibrasi
eksternal, ditemukan bahwa subjek pada
kelompok pertama terlalu ekstrim, sesuai
dengan penelitian sebelumnya.
Peristiwa yang mereka definisikan memiliki
probabilitas 0,10 sebenarnya diperoleh
dalam 24 persen kasus. Sebaliknya, subjek
pada kelompok kedua terlalu konservatif.
Peristiwa yang mereka tandatangani
kemungkinan rata-rata 0,34 sebenarnya
diperoleh dalam 26 persen kasus. Hasil ini
menggambarkan cara di mana derajat
kalibrasi tergantung pada prosedur elisitasi.
Diskusi
Artikel ini berkaitan dengan
bias kognitif yang berasal dari ketergantungan
pada heuristik menghakimi. Bias ini tidak
disebabkan oleh efek motivasi seperti angan-
angan atau distorsi penilaian oleh hadiah
dan hukuman. Memang, beberapa kesalahan
penilaian parah yang dilaporkan sebelumnya
terjadi meskipun fakta bahwa subjek didorong
untuk akurat dan diberi penghargaan untuk
jawaban yang benar (2, 6).
Ketergantungan pada heuristik dan
prevalensi bias tidak terbatas pada orang
awam. Peneliti berpengalaman juga rentan
terhadap bias yang sama—ketika mereka
berpikir secara intuitif. Misalnya,
kecenderungan untuk memprediksi hasil
yang paling mewakili data, dengan tidak
memperhatikan probabilitas sebelumnya,
telah diamati dalam penilaian intuitif individu
yang telah memiliki pelatihan ekstensif dalam
statistik (1, 5). Meskipun statistik canggih
menghindari kesalahan mendasar, seperti
kesalahan penjudi, penilaian intuitif mereka
bertanggung jawab untuk kesalahan serupa
dalam masalah yang lebih rumit dan kurang
transparan.
Tidak mengherankan bahwa heuristik
yang berguna seperti keterwakilan dan
ketersediaan dipertahankan, meskipun
kadang-kadang menyebabkan kesalahan
dalam prediksi atau estimasi. Apa yang
mungkin mengejutkan adalah kegagalan
orang untuk menyimpulkan dari pengalaman
seumur hidup seperti aturan statistik
mendasar seperti regresi terhadap mean,
atau pengaruh ukuran sampel pada
variabilitas sampel. Meskipun setiap orang,
dalam perjalanan hidup yang normal,
dihadapkan pada banyak contoh dari mana
aturan-aturan ini dapat dibuat, sangat sedikit
orang yang menemukan prinsip-prinsip
pengambilan sampel dan regresi sendiri.
Prinsip-prinsip statistik tidak dipelajari dari
pengalaman sehari-hari karena sikap yang
relevan tidak dikodekan dengan tepat.
Misalnya, orang tidak menemukan bahwa
baris-baris yang berurutan dalam sebuah
teks lebih berbeda dalam panjang kata rata-
rata daripada halaman-halaman yang
berurutan, karena mereka sama sekali tidak
cenderung pada panjang kata rata-rata
dalam baris atau halaman individu. Dengan
demikian, orang tidak mempelajari hubungan
antara ukuran sampel dan variabilitas sampling, kmaeresn
Kurangnya kode yang tepat juga
menjelaskan mengapa orang biasanya tidak
mendeteksi bias dalam penilaian probabilitas
mereka. Seseorang mungkin dapat
mempelajari apakah penilaiannya dikalibrasi
secara eksternal dengan menghitung proporsi
peristiwa yang benar-benar terjadi di antara
peristiwa-peristiwa yang ia berikan
probabilitas yang sama. Namun, tidak wajar
untuk mengelompokkan peristiwa berdasarkan
probabilitas yang dinilai. Dengan tidak
adanya pengelompokan seperti itu, tidak
mungkin satu individu ganda untuk
menemukan, misalnya, bahwa hanya 50
persen dari prediksi yang dia tetapkan
dengan probabilitas 0,9 atau lebih tinggi yang bekneapre
Analisis empiris bias kognitif memiliki
implikasi untuk peran teoritis dan terapan
dari kemungkinan yang dinilai. Teori
keputusan modern (12, 13) menganggap
probabilitas subjektif sebagai opini terukur
dari orang yang diidealkan. Secara khusus,
probabilitas subjektif dari suatu peristiwa
tertentu ditentukan oleh serangkaian taruhan
tentang peristiwa ini yang bersedia diterima
oleh orang tersebut. Ukuran probabilitas
subjektif yang konsisten atau koheren secara demikian, hakim yang rasional akan
internal dapat diturunkan untuk seorang
individu jika pilihannya di antara taruhan
memenuhi prinsip-prinsip tertentu, yaitu
aksioma teori. Kemampuan prob yang
diturunkan bersifat subjektif dalam arti bahwa sesuai dengan pengetahuannya tentang
individu yang berbeda diperbolehkan memiliki materi pelajaran, hukum probabilitas, dan
probabilitas yang berbeda untuk kejadian yang shaem
Kontribusi utama dari pendekatan ini adalah
menyediakan pendekatan yang ketat
interpretasi subjektif dari probabilitas yang
berlaku untuk peristiwa unik dan tertanam
dalam teori umum keputusan rasional.
Mungkin perlu dicatat bahwa, sementara
probabilitas subjektif kadang-kadang dapat
disimpulkan dari preferensi di antara taruhan,
mereka biasanya tidak terbentuk dengan
cara ini. Seseorang bertaruh di tim A
daripada di tim B karena dia percaya bahwa
tim A lebih mungkin menang; dia tidak
menyimpulkan keyakinan ini dari preferensi
taruhannya. Jadi, pada kenyataannya,
probabilitas subjektif menentukan preferensi
di antara taruhan dan tidak diturunkan
darinya, seperti dalam teori aksiomatik
keputusan rasional (12).
Sifat subjektif yang inheren dari probabilitas
telah membawa banyak siswa pada
keyakinan bahwa koherensi, atau konsistensi
internal, adalah satu-satunya kriteria yang
valid dimana probabilitas yang dinilai harus
dievaluasi. Dari sudut pandang teori formal
probabilitas subjektif, setiap rangkaian
penilaian probabilitas yang konsisten secara
internal sama baiknya dengan yang lainnya.
Kriteria ini tidak sepenuhnya memuaskan,
kiapu
snerdaantgaku
aniatn
ukpp
r oebmabe
ililtaaja
s rsaunbtjerkste
ifbut berlimpah.
yang konsisten secara internal dapat tidak
sesuai dengan keyakinan lain yang dianut
oleh individu. Pertimbangkan seseorang
yang probabilitas subjektif untuk semua
kemungkinan hasil dari permainan lempar
koin mencerminkan kekeliruan penjudi.
Artinya, perkiraannya tentang kemungkinan
munculnya ekor pada lemparan tertentu
meningkat dengan jumlah kepala berurutan
yang mendahului lemparan itu. Penilaian
orang semacam itu bisa konsisten secara
internal dan oleh karena itu dapat diterima
sebagai probabilitas subjektif yang memadai
menurut kriteria teori formal. Probabilitas ini,
bagaimanapun, tidak sesuai dengan
-bre
canyaar amneunm
jaudm
i ke
bnayha
wtaakno.in tidak
memiliki memori dan karena itu mampu
menghasilkan ketergantungan berurutan.
Untuk probabilitas yang dinilai untuk dianggap
memadai, atau rasional, dalam konsistensi
internal tidak cukup. Penilaian harus sesuai
dengan seluruh jaringan kepercayaan yang
dipegang oleh individu. Sayangnya, tidak
ada prosedur formal sederhana untuk menilai
kesesuaian seperangkat penilaian probabilitas
dengan sistem keyakinan total hakim. Meski
mengupayakan kecocokan, meskipun
konsistensi internal lebih mudah dicapai dan
dinilai. Secara khusus, ia akan berusaha
untuk membuat penilaian probabilitasnya
uar i.stik dan bias penilaiannya sendiri.
Machine Translated by Google

ILMU, VOL. 185

Machine Translated by Google
Ringkasan
Artikel ini menjelaskan tiga heuristik yang
digunakan dalam membuat penilaian di bawah
ketidakpastian: (i) keterwakilan, yang biasanya
digunakan ketika orang diminta untuk menilai
probabilitas bahwa suatu objek atau peristiwa A
termasuk dalam kelas atau proses B; (ii)
ketersediaan sikap atau skenario, yang sering
digunakan ketika orang diminta untuk menilai
frekuensi kelas atau kemungkinan perkembangan
tertentu; dan (iii) penyesuaian dari jangkar, yang
biasanya digunakan dalam prediksi numerik ketika
nilai yang relevan tersedia.
Heuristik ini sangat ekonomis
Perawatan Kesehatan Pedesaan di Meksiko?
Struktur pendidikan dan administrasi saat ini harus
berubah dalam rangka meningkatkan pelayanan kesehatan di daerah pedesaan.
Struktur perawatan kesehatan saat ini di
Meksiko memusatkan perhatian pada perkotaan
populasi, meninggalkan komunitas pedesaan
praktis tanpa pengawasan. Ada dua faktor utama
yang menyebabkan situasi ini. Salah satunya
adalah kurangnya koordinasi di antara berbagai
lembaga yang bertanggung jawab atas kesehatan
masyarakat dan di antara lembaga-lembaga
pendidikan. Yang lainnya adalah kurangnya
informasi mengenai sifat masalah di pedesaan.
Dalam upaya memberikan solusi atas masalah-
masalah tersebut, telah dirancang suatu program
yang mempertimbangkan kondisi lingkungan,
malnutrisi, kemiskinan, dan faktor budaya negatif
yang bertanggung jawab atas tingginya insiden
penyakit tertentu di antara penduduk pedesaan.
Hal ini didasarkan pada pengembangan sistem
informasi nasional untuk pengumpulan dan
penyebaran informasi yang berkaitan dengan
perawatan kesehatan umum, serta pedesaan,
yang akan memberikan dasar bagi sistem
perawatan kesehatan nasional, dan tergantung
pada pembentukan program pelatihan bagi para
profesional dalam kedokteran komunitas.
dan biasanya efektif, tetapi mereka menyebabkan
kesalahan sistematis dan dapat diprediksi.
Pemahaman yang lebih baik tentang heuristik ini
dan bias yang mereka pimpin dapat meningkatkan
penilaian dan keputusan dalam situasi
ketidakpastian.
Referensi dan Catatan
1. D. Kahneman dan A. Tversky, Psychol. Putaran.
SO, 237 (1973).
2. ---, Psikologi Kognitif. 3, 430 (1972).
3. W. Edwards, dalam Bentuk Representasi
Penghakiman Manusia, B. Kleinmuntz, Ed. (Wiley,
New York, 1968), hlm. 17-52.
4. P. Slovic dan S. Lichtenstein, Organ. Perilaku
Bersenandung. Kinerja 6, 649 (1971).
5. A. Tversky dan D. Kahneman, Psychol. Banteng.
76, 105 (1971).
6. -, PsikologKiognitif. 5, 207 (1973).
7. R.C. Galbraith dan BJ Underwood,
m. Kognisi 1, 56 (1973).
Luis Cafiedo
Wilayah kontinental dan kepulauan
Meksiko, termasuk perairan pedalaman, adalah
2.022.058 kilometer persegi (1, 2). Pada tahun
1970 populasi Meksiko adalah 48.377.363,
dimana 24.055.305 per anak laki-laki (49,7
persen) berusia di bawah 15 tahun. Populasi
India membentuk 7,9 persen dari total (2, 3).
Seperti ditunjukkan pada Tabel 1, 42,3 persen
dari total penduduk tinggal di komunitas yang
berpenduduk kurang dari 2.500 jiwa, dan di
komunitas tersebut layanan publik serta alat
komunikasi sangat langka atau tidak ada sama
sekali. Sebagian besar (39,5 persen) dari populasi
yang aktif secara ekonomi bergerak di bidang
pertanian (4).
Tingkat pertumbuhan penduduk negara itu
tinggi, 3,5 persen per tahun, dan tampaknya
bergantung pada pendapatan, lebih tinggi di
antara 50 persen penduduk yang berpenghasilan
kurang dari 675 peso ($50) per keluarga per bulan
(5). Mayoritas penduduk ini tinggal di pedesaan.
Penyebab kematian terbanyak di pedesaan
adalah gizi buruk, penyakit infeksi dan parasit (6,
7), komplikasi kehamilan, dan
8. L.J. Chapman dan JP Chapman, I.
tidak normal. Psvchol. 73. 193 (1967): ibid... 74..
271 (1969).
9. M. Bar-Hillel, Organ. Perilaku Cepat. Per
formasi 9, 396 (1973).
10. J. Cohen, E. I. Chesnick, D. Haran, Br. J.
Ps~kol.63. 41 (1972).
11. M: Alpert dan H. ~iiffa, naskah manu tidak
diterbitkan; CAS von Holstein, Acta Psychol.
35, 478 (1971); R. L. Winkler, J. Am. Slat.
Asosiasi 62, 776 (1967).
12. L.J. Savage, The Foirndatior of Statistics (Wiley,
New York, 1954).
13. B. De Finetti, dalam Ensiklopedia Internasional
Ilmu Sosial, D. E. Sills, Ed. (Mac miUan, New York,
1968), vol. 12, hal. 496-
504.
14. Penelitian ini didukung oleh Advanced Research
Projects Agency dari Departemen Pertahanan dan
dipantau oleh Office of Naval Research di bawah
kontrak N00014-
73-C-0438 ke Institut Penelitian Oregon, Eugene.
Dukungan tambahan untuk penelitian ini diberikan
oleh Research and Development Authority of the
Hebrew University, Yerusalem, Israel.
kecelakaan (2). Pada tahun 1970 ada 34,- 107
dokter di Meksiko (2). Rasio penduduk terhadap
dokter, yaitu 1423,7, bukan merupakan indeks
representatif dari distribusi sumber daya yang
sebenarnya karena ada kelangkaan besar tenaga
kesehatan di daerah pedesaan dan konsentrasi
tinggi di daerah perkotaan (Gbr. 1) (7, 8 ).
Untuk meningkatkan kesehatan di tingkat
nasional, situasi ini harus diubah. Kesalahan yang
dibuat dalam upaya sebelumnya untuk
meningkatkan perawatan kesehatan harus
dihindari, dan penggunaan tenaga kerja yang
tersedia dan sumber daya ilmu pengetahuan
modern harus dibuat untuk menghasilkan jawaban
yang layak di tingkat masyarakat. Meskipun
tujuan utama seorang spesialis kedokteran
komunitas adalah untuk mengendalikan penyakit,
pengendalian tersebut tidak dapat dicapai kecuali
tindakan diambil terhadap penyebab penyakit
yang mendasarinya; telah diamati bahwa solusi
parsial tidak efisien (9). Sebagai latar belakang
program baru yang telah dirancang untuk
memberikan perawatan kesehatan di masyarakat
pedesaan, pertama-tama saya akan memberikan
ringkasan dari upaya sebelumnya yang telah
dilakukan untuk memberikan perawatan tersebut,
menggambarkan berbagai medis di institusi dan
organisasi lain yang bertanggung jawab untuk
pelatihan tenaga medis dan untuk membangun
fasilitas yang diperlukan untuk perawatan
kesehatan.
Penulis adalah peneliti di departemen biologi molekuler
di Instituto de Investi gaciones Biomkdicas, Universidad
Nacional Aut6-noma de Mexico, Ciudad Universitaria,
Mexico 20, DF Artikel ini diadaptasi dari makalah yang
dipresentasikan pada pertemuan Science and Man in
the Americas, yang diselenggarakan bersama oleh
Consejo Nacional de Ciencia y Tecnologia de Mkxico
dan American Association for the Advancement of
Science dan diadakan di Mexico City, 20 Juni hingga 4
Juli 1973.
Machine Translated by Google

http://www.jstor.org

KUTIPAN TERKAIT
- Halaman 1 dari 1 -

Anda telah mencetak artikel berikut:

Penilaian di bawah Ketidakpastian: Heuristik dan Bias Amos

Tversky; Daniel Kahneman Sains, Seri Baru, Vol. 185, No. 4157.
(27 September 1974), hlm. 1124-1131.
URL stabil:
http://links.jstor.org/sici?sici=0036-8075%2819740927%293%3A185%3A4157%3C1124%3AJUUHAB%3E2.0.CO%3B2-M

Artikel ini merujuk pada kutipan terkait berikut. Jika Anda mencoba mengakses artikel dari lokasi di luar kampus,
Anda mungkin diminta untuk masuk terlebih dahulu melalui situs web perpustakaan Anda untuk mengakses JSTOR. Silakan
kunjungi situs web perpustakaan Anda atau hubungi pustakawan untuk mempelajari tentang opsi akses jarak jauh ke JSTOR.

Referensi dan Catatan

11Penilaian Distribusi Sebelumnya dalam Analisis Bayesian

Robert L. Winkler
Jurnal Asosiasi Statistik Amerika, Vol. 62, No. 319. (Sep. 1967), hlm. 776-800.
URL stabil:
http://links.jstor.org/sici?sici=0162-1459%28196709%2962%3A319%3C776%3ATAOPDI%3E2.0.CO%3B2-E

CATATAN: Penomoran referensi dari aslinya telah dipertahankan dalam daftar kutipan ini.