Heuristiks dan bias

Jenis-jenisheuristiks
Bias
 Heuristiks

 Heuristiks mengurangkan kehendak

pemprosesan maklumat dlm membuat
keputusan
 Heuristiks adalah ‘rules-of-thumb’
 Contoh:
 “Semakin mahal, semakin baik kualitinya”
 “Lakukan apa yg dilakukan oleh org lain”
 “Jika ragu-ragu, tanyalah pakar”
Stereotaip adalah gunaan
heuristiks
Stereotaip

Pensyarah Jururawat
Artis Akauntan
Jurutera Pelajar
 Heuristiks memberi kita….

 Satu cara berkesan dlm mengendali

masalah kompleks
 Ia menghasilkan keputusan yg baik
 Tetapi….’
 Heuristiks boleh membawa kepada
keputusan yg bias
 Sangkaan prejudis atau
 Erotan sistematik disebabkan oleh
pengaplikasian heuristiks
 Algoritma and Heuristiks

 Algoritma mendapatkan penyelesaian

optima (jika ia wujud). Ia menyediakan
kepastian (certainty). Tetapi mustahil
secara praktikalnya untuk diaplikasi.
 Heuristiks adalah “rules of thumb”. Ia
mendaptkan penyelesain “good
enough”. Tetapi tiada kepastian ia akan
menghasilkan penyelesaian yg tepat.
E.g.,: Perbezaan antara Algoritma
and Heuristiks
 Outfielder in Baseball. Objective: Catch ball.
 Can either estimate ball speed, distance, wind
speed, throwing angle, own speed, ball
aerodynamics, etc. (in a short time, then start
running).
 Or: One can keep the angle of the ball in the
viewing field constant by running.  Will catch
ball AND will already be running.
 Heuristiks Keperwakilan

 Jika sesuatu lebih mudah diwakili dlm

sesuatu cara tertentu, org akan
memikirkan bahawa ia adalah sama
secara fizikal dgn perwakilan mental
 E.g.,: Mengelak ulangan dlm
memperoleh nombor rawak
 Heuristiks Keperwakilan

A large city hospital records births by gender, in

the order of their arrival. Here are some
sequences of eight births. Which one of
these eight birth sequences is likely to be
most commonly recorded?
(a) BBBBBBBB
(b) BBBBGGGG
(c) BGBBGGGB Pilihan paling biasa

Jawapan: kesemua adalah berkemungkinan sama. (c )

 Heuristiks Keperwakilan
Linda is 31 years old, single, outspoken, and very
bright. She majored in philosophy. As a student, she
was deeply concerned with issues of discrimination
and social justice, and also participated in antinuclear
demonstrations. Please check off the most likely
alternative:
 Linda is a bank teller
 Linda is a bank teller and is active in the feminist
movement
• “As the amount of detail in a scenario increases, its probability can only
decrease steadily, but its representativeness and hence its apparent likelihood
may increase. The reliance on representativeness, we believe, is a primary reason
for the unwarranted appeal of detailed scenarios and the illusory sense of insight
that such constructions often provide..” Tversky & Kahneman
 Heuristiks Keperwakilan

Heuristiks Bias

Keperwakilan •Tdk sensitif kpd base rate

•Tdk sensitif kpd saiz
sample
•Salah konsepsi tentang
kemungkinan
 Heuristiks Keperwakilan
 Neglecting base rates
 Base rates = relative frequency with which an
event occurs
 Kahneman & Tversky (1973)
 A panel of psychologists have interviewed and
administered personality tests to 30 engineers and 70
lawyers, all successful in their respective fields. On the
basis of this information, thumbnail descriptions of the
30 engineers and 70 lawyers have been written. You wil
find on your forms five descriptions, chosen at random
from the 100 available descriptions. For each description,
please indicate your probablility that the person
described is an engineer, on a scale from 0 to 100.
 Heuristiks Keperwakilan

 Neglecting base rates

 Jack is a 45-year-old man. He is married and has
four children. He is generally conservative, careful,
and ambitious. He shows no interest in political
and social issues and spends most of his free time
on his many hobbies which include home
carpentry, sailing, and mathematical puzzles.
 Heuristiks Keperwakilan
 Neglecting base rates
 Apabila subjeks diminta utk mengagak kebarangkalian
seseorang yang dipilih drp 100 huraian secara rawak
(seseorang yang tiada hurain spesifik) itu adalah seorang
engineer, secara purata subjek memberi kebarangkalian
lebih kurang 30%.

 TETAPI
 Apabila subjeks diberi maklumat huraian (termasuklah
maklumat yg tiada kaitan sama ada berkenaan engineer
atau lawyer), subjek tidak menghiraukan base rate.
 Dick is a 30-year-old man. He is married with no
children. A man of high ability and high motivation, he
promises to be quite successful in his field. He is well
liked by his colleagues.
 Heuristiks Keperwakilan
 Kebarangkalian huraian adalah seorang engineer sepatutnya
mengikut base rate iaitu 30 %.
 Wlbagaimana pun subjek memberi kebarangkalian 50 % I.e.
subjek tidak menghiraukan maklumat base rate dan menilai
huraian sebagai mempunyai perwakilan yang sama bagi
seorang engineer atau lawyer
 Beberapa kajian mengkaji keadaan mana org mengguna atau
menghindar maklumat base rate
Ajzen (1977) mendapati org mengguna maklumat base rate
jika ia konsisten dgn teori intuitif tentang sebab musabab
E.g., Subjek diminta meramal CGPA pelajar berasaskan faktor-
faktor penyebab(e.g., jumlah masa belajar setiap minggu) atau
maklumat noncausal – ss mengguna base rate apabila
maklumat adalah penyebab walaupun diberitahu faktor
noncausal juga meramal prestasi pelajar
 Heuristiks Keperwakilan
 The law of small numbers
 Sample rawak sesuatu populasi akan menyamai
satu sama lain
 E.g., jika seseorang diminta menulis sekuen balingan duit
syiling tanpa melakukannya secara realiti, orang akan
cuba membuatkan sekuen itu seberapa rawak yang
mungkin
 “gambler’s fallacy” = kepercayaan bahawa suatu hasil
yang berjaya akan tercapai setelah mengalami banyak
nasib yang tidak baik – satu siri cubaan yang tidak
terikat dgn hasil yang sama akan diikuti oleh hasil yang
bertentangan
 Heuristiks Keperolehan

 Org tidak begitu mahir dlm

mengagak kebarangkalian
 Menggunakan “shortcuts”
 Secara asasnya: contoh yg diwakili
berlebihan dlm perwakilan mental,
maka lebih cepat diingati
 Heuristiks Keperolehan

In the English language, are there more

words that: Lebih mudah
mengingati ‘r’ di
(a) Begin with the letter ‘r’ permulaan perkataan

(b) Have the letter ‘r’ as their third letter

 Heuristiks Keperolehan
Consider the two structures

Structure A Structure B
XX
X X X X X X X X
XX
X X X X X X X X
XX
X X X X X X X X
XX
XX
XX
XX
XX
XX
 Heuristiks Keperolehan

A path is a line that connects an X in the top row of a

structure to an X in the bottom row by passing through
one (and only one) X in each row. In other words, a path
conncets three X’s in Structure A (one in each of the
three rows) and nine X’s in Structure B (one in each of
the nine rows).
i) Dalam struktur yang mana terdapat lebih banyak jalan
(path)?
ii) Anggaran berapa banyak jalan dalam Struktur A?
Struktur B?
 Heuristiks Keperolehan
 Kbykan org mendapati lebih mudah membayangkan
jalan melalui Struktur A drp Struktur B, akibatnya
mereka meneka Struktur A mengandungi lebih byk
jalan drp Struktur B

HOWEVER

 Kedua-dua struktur mengandungi bilangan jalan yang

sama I.e. 512 possible combinations
 8x8x8 = 512
 2x2x2x2x2x2x2x2x2 = 512
 Heuristiks Persauhan
A recent university graduate with a degree in
computing joins a software firm. Estimate
the starting salary for this employee. Your
friend, who knows very little about the
profession or industry, guesses at an annual
salary of $25,000. What is your estimate?
(a) $15,000
(b) $17,000
(c) $20,000
(d) $23,000 Paling
(e) $27,000 popular
 Bias persauhan

 Titik permulaan pertimbangan

mempunyai pengaruh besar terhadap
pertimbangan/keputusan akhir
 E.g.,: 1x2x3x4x5x6x7x8x9
vs 9x8x7x6x5x4x3x2x1
 Bias Framing
 Cara sesuatu masalah diperkatakan
mempengaruhi t/l org memberi respons
 E.g., 90% kemungkinan pulih vs. 10%
kemungkinan mati mempengaruhi ahli
bedah utk membuat keputusan
meneruskan pembedahan
 E.g.,: Rugi vs. Untung tidak sama
 Bias korelasi ilusi
 Org melihat struktur di mana boleh
 Malah dlm kekaburan (sesetengah org
dpt melihat muka)
 Apa yg padan dgn model mental itulah yg
mungkin. Ciri-ciri ini kemudiannya
mendapat lebih perhatian dan diwakili
berlebihan dlm perwakilan mental
 Bias penentuan
 Org cuba mencari maklumat yang
menentukan jangkaan asal, bukannya
maklumat untuk menidakkan sesuatu
(falsify)
 Bias yakin berlebihan

 Org secara amnya mempunyai

keyakinan lebih tinggi dlm
pertimbangan mereka drp yg dicadang
oleh data atau jangkaan
 Pengesahan sosial

 Kita menentukan apa yg baik dgn

memperoleh pengetahuan tentang apa
yg difikirkan baik oleh org lain
 Kesimpulan
 Org menghadapi pelbagai jenis bias yg
menghindar mereka drp mencapai
keputusan optima
 Kesukaan

 Kita lebih suka mengatakan ‘ya’ kpd

permintaan org yg kita suka dan kenal
 Ketrampilan menarik
 Kesamaan
 Pujian
 Kebiasaan
 Mengapa?
 Mengawal tindakan
 Heuristiks dan bias membolehkan kita
mencapai keputusan dgn cepat, bertindak dan
kekal dgnnya dgn yakin
 Dlm jangka masa panjang, ini mungkin adalah
lebih rasional
 Org perlu bertindak terhadap maklumat. Jalan
pintas ini selalunya mencukupi, terutama jika
org perlu bertindak pantas drp hanya
memikirkan sahaja