Apa yang Sebenarnya Dicari Pemilih dari Seorang Kandidat
Daftar isi
Usia, pendidikan, pekerjaan, dan identitas hadir bersama pada diri seorang calon. Eksperimen profil rekaan membantu memisahkan pengaruh tiap ciri, sambil mengingatkan bahwa menyukai calon dan memilihnya dapat memberi hasil berbeda.
Calon muda berpendidikan tinggi berhadapan dengan calon yang lebih tua dan berpengalaman. Jika pemilih menyukai calon pertama, apa penyebabnya: usia, pendidikan, atau justru kelemahan lawannya?
Ciri-ciri itu melekat pada satu orang sehingga sulit dipisahkan. Membandingkan dua politisi sungguhan juga membawa perbedaan partai, popularitas, jaringan, dan cara berkampanye.
Kemenangan calon menunjukkan siapa yang lebih dipilih, tetapi belum menjelaskan bagian mana dari profilnya yang menentukan keputusan.
Jens Hainmueller, Daniel J. Hopkins, dan Teppei Yamamoto menawarkan cara untuk membuka paket tersebut. Dalam artikel yang terbit di Political Analysis pada 2014, mereka menjelaskan bagaimana eksperimen conjoint dapat mengukur pengaruh beberapa ciri secara bersamaan. Salah satu contoh mereka adalah penilaian terhadap calon presiden hipotetis di Amerika Serikat.
Pemilih menghadapi orang yang utuh
Untuk memisahkan pengaruh pendidikan, misalnya, kita memerlukan perbandingan yang tidak selalu memasangkan gelar tinggi dengan pengalaman atau pendapatan tinggi.
Eksperimen conjoint melakukannya dengan profil calon rekaan. Responden membandingkan dua profil yang cirinya diacak. Pendidikan tertentu dapat hadir bersama beragam usia dan pekerjaan, sehingga pengaruhnya lebih mudah dipisahkan.
Cobalah pasangan berikut untuk merasakan tugas responden. Pilihan Anda di sini hanya latihan, bukan bagian dari pengukuran pemilih Indonesia.
Dua calon, banyak pertimbangan
Baca profilnya, beri nilai dukungan, lalu pilih satu calon. Coba hingga enam pasangan untuk melihat perbedaan antara penilaian dan pilihan Anda.
Latihan pribadi · Profil hipotetis dari kategori penelitian AS- Usia
- 45 tahun
- Pendidikan tinggi
- Universitas negeri
- Pekerjaan
- Pemilik usaha
- Pendapatan tahunan
- US$54 ribu
- Agama
- Katolik
- Latar ras atau etnis
- Hispanik
- Dinas militer
- Tidak pernah
- Gender
- Laki-laki
- Usia
- 60 tahun
- Pendidikan tinggi
- Universitas Ivy League
- Pekerjaan
- Guru sekolah menengah
- Pendapatan tahunan
- US$92 ribu
- Agama
- Protestan arus utama
- Latar ras atau etnis
- Asian American
- Dinas militer
- Pernah
- Gender
- Perempuan
Profil berisi delapan ciri. Pilihlah setelah membaca keduanya.
Ubah sendiri ciri kedua calon
Gunakan untuk mencoba perbandingan. Mengubah profil tidak menghasilkan prediksi dukungan.
Banyak ciri, satu cara untuk memisahkannya
Contoh kandidat dalam penelitian ini memuat delapan atribut. Ada usia, pendidikan perguruan tinggi, pekerjaan, pendapatan tahunan, agama, latar ras atau etnis, gender, dan pengalaman dinas militer. Partai serta sikap kebijakan tidak dimasukkan. Penulis memang memusatkan contoh ini pada ciri pribadi kandidat, bukan mencoba menjelaskan seluruh pertimbangan dalam pemilu.
Gabungan nilai delapan atribut itu menghasilkan 186.624 kemungkinan profil. Peneliti tidak menampilkan semuanya kepada tiap responden; mereka mengacak profil dan membaca pola dari banyak perbandingan.
Mengapa dua calon saja belum cukup
Aktifkan atau matikan atribut untuk melihat banyaknya profil yang mungkin. Semua atribut aktif menunjukkan ruang pilihan dalam rancangan asli.
Survei kandidat ini melibatkan 311 responden yang direkrut melalui Amazon Mechanical Turk. Mereka ditawari enam pasangan profil. Analisis yang dilaporkan menggunakan 1.733 perbandingan, atau 3.466 profil yang dinilai. Jumlah profil bukan jumlah orang. Satu responden dapat memberi beberapa jawaban.
Pengaruh satu ciri dihitung sebagai rata-rata di antara campuran ciri lain dan lawan yang tersedia dalam rancangan tersebut.
Pendidikan memberi keuntungan, tetapi angka perlu dibaca utuh
Hasil contoh ini memperlihatkan bahwa pendidikan dapat mengubah penilaian. Kandidat lulusan Ivy League, kelompok universitas bergengsi di Amerika Serikat, memperoleh skor dukungan rata-rata 0,13 lebih tinggi daripada kandidat tanpa gelar sarjana. Angka tersebut berada pada skala yang sudah diubah menjadi 0 sampai 1.
Pada skala dukungan asli 1–7, selisih 0,13 tadi setara sekitar 0,78 poin. Ini perubahan nilai dukungan, bukan tambahan 13 persen suara.
Pekerjaan juga menimbulkan perbedaan. Kandidat yang disebut bekerja sebagai penjual mobil mendapat penilaian sekitar 0,08 lebih rendah daripada pemilik usaha. Usia 75 tahun mendapat penilaian sekitar 0,07 lebih rendah daripada usia 36 tahun. Pengalaman dinas militer memberikan kenaikan yang lebih kecil, sekitar 0,03.
Titik pada grafik menunjukkan taksiran pengaruh; garisnya menunjukkan ketidakpastian. Selisih kecil dengan rentang lebar memberi dasar yang lebih lemah untuk menyatakan ada perbedaan.
Ciri mana yang mengubah penilaian?
Enam perbandingan yang angkanya disebutkan dalam teks penelitian. Pilih satu baris untuk membaca pembanding dan ketidakpastiannya.
Keuntungan lulusan Ivy League dihitung terhadap profil tanpa gelar sarjana, bukan terhadap semua kandidat lain.
Buka catatan angka dan pengukuran
Angka disalin dari halaman jurnal 19, bagian 5.1. Enam hasil ini dipilih karena koefisien dan galat bakunya tertulis dalam uraian. Skor 1 sampai 7 diubah menjadi 0 sampai 1 dengan rumus (skor − 1) ÷ 6. Untuk mengembalikan selisih ke skala asal, kalikan dengan 6.
Perbedaan gender tidak terlihat jelas dalam contoh ini; pengaruh pendapatan dan latar ras atau etnis relatif terbatas. Temuan pada sampel dan profil tersebut belum membuktikan bahwa diskriminasi tidak terjadi dalam pemilu.
Rata-rata bukan cerita setiap pemilih
Ukuran rata-rata ini disebut AMCE. Contohnya, perbandingan lulusan Ivy League dan calon tanpa gelar sarjana dihitung di antara beragam kombinasi usia, pekerjaan, serta profil lawan yang ditentukan eksperimen.
Pembanding menentukan arti angka. Keuntungan lulusan Ivy League dihitung terhadap calon tanpa gelar sarjana; pengaruh usia 75 tahun dibandingkan dengan usia 36 tahun.
Rata-rata tidak berarti semua pemilih memiliki selera yang sama. Ukuran ini juga tidak memberi skor kemenangan bagi seorang politisi tertentu.
Menyukai calon belum tentu membuat orang memilihnya
Salah satu bagian paling menarik dari penelitian ini muncul ketika penulis membedakan dua pertanyaan. Seberapa besar seseorang mendukung tiap calon? Dan jika harus memilih satu dari dua calon, siapa yang dipilih?
Kandidat berpendapatan sangat tinggi, 5,1 juta dolar setahun, mendapat skor dukungan sekitar 0,031 lebih rendah daripada kandidat berpendapatan 32 ribu dolar. Namun, ketika responden harus memilih satu dari dua profil, penulis melaporkan bahwa penalti untuk kandidat sangat kaya itu hampir nol.
Ciri yang membuat calon kurang disukai belum tentu membuatnya kalah dipilih. Responden tetap membandingkan dengan lawan yang tersedia, termasuk ketika keduanya sama-sama kurang disukai.
Perbedaan jenis ukuran terlihat pula pada agama. Dibandingkan profil dengan kategori agama None, atau tanpa agama, profil Mormon mendapat skor dukungan sekitar 0,06 lebih rendah. Dalam pilihan berpasangan, peluangnya dipilih turun rata-rata sekitar 14 poin persentase. Keduanya mengukur hal yang berbeda sehingga besar angkanya tidak bisa langsung dipertandingkan.
Pertanyaan berubah, makna angkanya ikut berubah
Bandingkan dua ukuran dari responden yang sama. Skor dukungan menilai tiap calon. Pilihan berpasangan menentukan satu calon di antara dua alternatif.
US$5,1 juta dibandingkan US$32 ribu per tahun
Setara dengan sekitar −0,186 poin pada skala asal 1 sampai 7.
Perkiraan interval 95% dari −0,060 sampai −0,002.
Penilaian yang sedikit lebih rendah tidak diikuti penalti yang berarti dalam perbandingan satu lawan satu.
Teks tidak memberikan koefisien dan galat baku rinci untuk contoh ini.
Kurang disukai belum tentu berarti tidak dipilih. Profil lawan dan ciri lain ikut hadir dalam keputusan.
Angka agama tersebut merekam jawaban peserta survei Amerika Serikat. Ia tidak menilai kualitas suatu agama atau menetapkan pola pemilih Indonesia.
Eksperimen yang rapi tetap memiliki batas
Pengacakan membantu menghubungkan perubahan profil dengan perubahan jawaban. Namun, sampel Mechanical Turk tidak mewakili seluruh pemilih Amerika Serikat, apalagi Indonesia.
Pemilu juga memberi informasi yang lebih rumit daripada profil singkat. Rekam jejak, cerita dari orang lain, partai, dan program dapat memengaruhi pilihan. Dua unsur terakhir sengaja tidak dimasukkan dalam contoh kandidat ini.
Rancangan pun perlu diuji: apakah responden lelah, lebih sering memilih profil di sisi tertentu, atau terlalu memperhatikan atribut yang ditulis lebih dahulu? Tanpa pemeriksaan, pengaruh penyajian dapat tertukar dengan pengaruh ciri calon.
Jawaban yang dianggap pantas juga dapat memengaruhi survei. Banyaknya atribut tidak otomatis menghilangkan bias tersebut.
Pertanyaan yang lebih berguna untuk pemilu kita
Di Indonesia, pendekatan ini dapat membantu menguji klaim tentang calon muda, berpengalaman, atau dekat dengan warga. Kita perlu menyusun profil pembanding dan sampel yang sesuai, bukan meminjam persentase dari Amerika Serikat.
Penelitian pilkada, misalnya, dapat menguji pengalaman pemerintahan, rekam pelayanan, dan hubungan dengan daerah. Ini kemungkinan rancangan baru, bukan temuan artikel tersebut.
Faktor yang ingin dibandingkan harus hadir dan didefinisikan dengan jelas. Jika partai tidak dimasukkan, eksperimen tidak dapat menjawab pengaruh partai.
Saat membaca klaim tentang selera pemilih, periksa tiga hal: dibandingkan dengan siapa, diukur melalui pertanyaan apa, dan ditanyakan kepada pemilih yang mana.
Orang menilai calon sebagai satu sosok, lalu memilih di antara pilihan yang tersedia. Mengurai cirinya membantu memahami keputusan itu tanpa menganggap satu sifat selalu menentukan hasil.
Rujukan dan catatan angka
Hainmueller, Jens, Daniel J. Hopkins, dan Teppei Yamamoto. 2014. Causal Inference in Conjoint Analysis — Understanding Multidimensional Choices via Stated Preference Experiments. Political Analysis 22(1), 1–30. DOI 10.1093/pan/mpt024.
- Naskah penelitian pada laman penerbit. Rancangan kandidat pada bagian 2.1, hasil pada bagian 5.1 dan Gambar 2, serta pembahasan pemeriksaan rancangan dan batas penelitian pada bagian 5.3 dan 6.
- Daftar publikasi penulis dan arsip replikasi yang dirujuk penulis. Visual angka di halaman ini memakai koefisien dan galat baku dalam teks artikel, bukan pengolahan ulang dataset replikasi.
Profil latihan memakai kategori asli penelitian dengan label berbahasa Indonesia. Latihan, perhitungan jumlah kombinasi, dan ringkasan pilihan pembaca adalah alat penjelas. Pembahasan kemungkinan penelitian Indonesia merupakan interpretasi dan usulan penulis blog.
Catatan pembacaan data
Catatan sumber dan batas pembacaan disajikan bersama rujukan di atas.
Komentar
Diskusikan tulisan ini. Komentar pembaca ditampilkan setelah disetujui penulis.
Belum ada komentar. Jadilah yang pertama berdiskusi.