Teknik matching digunakan ketika dataset tidak memiliki comparable control group. Untuk lebih mudah kita gunakan contoh program subscription, misalnya pada Tokopedia, terdapat program langganan Plus.
Katakanlah Anda diminta menganalisa apakah program Plus bermanfaat dan bagaimana impactnya terhadap keuangan perusahaan.
Masalahnya disini adalah Anda tidak dapat membandingkan antara non plus subcriber dan plus subcriber. Subcriber memutuskan sendiri untuk berlangganan, disini juga kita menghadapi (self)-selection bias.
Menggunakan teknik matching, masalah diatas dapat diatasi dengan membuat group yang memilik karakteristik mirip dengan treatment group (group yang membeli subscription).
Pada gambar pertama, terdapat control group dan treatment group. Dengan proses matching, kita akan memilih member dari control group yang paling mirip karakteristiknya dengan treatment, lalu dibuat menjadi control group.
Unconfoundedness
Unconfoundedness adalah konsep yang penting dalam teknik matching. Untuk menjelaskannya lihat gambar dan penjelasan berikut.
- variables (confounders) yang digunakan harus dapat menjelaskan entitas (W).
- Karakteristik mirip dengan mereka yang ada dalam treatment (X).
- Setelah proses matching, kombinasi dari confounders dan treament akan menghasilkan keluaran (Y).
Yang perlu diperhatikan asumsi dari confounders cukup tricky, Anda perlu berhati-hati dalam menggunakannya. Perlu ekstra usaha dalam menentukan cofounders.
Pada modul berikutnya kita akan belajar mengiplementasikannya menggunakan Python.