Ini Cara Mendeteksi Kebohongan Statistik

Kita hidup di era di mana data dan statistik selalu berada di sekitar kita dan mempengaruhi persepsi kita terhadap sesuatu. Kita perlu kritis melihat statistik agar mampu membuat pilihan yang lebih baik.

Kali ini saya akan membahas buku How to Lie with Statistics karya Darrell Huff. Buku ini membahas bagaimana angka dalam statistik bisa dimanipulasi dan tidak menginformasikan data secara utuh, bahkan ketika ditampilkan secara objektif. Dalam hidup, kita pasti sering melihat statistik. Mulai dari statistik pertumbuhan ekonomi, penambahan jumlah penduduk, hingga survei calon presiden dan wakil presiden. Setiap kali seseorang ingin membuat alasan kuat mengapa sebuah ide itu benar, mereka sering mengandalkan statistik. Sering kali, kita menemui statistik dan menerima angkanya sebagai suatu hal yang benar dan akurat, karena bersumber dari para ahli. Namun, seperti apa pun dalam hidup, statistik tidak pernah sesederhana itu. Sangat jarang sekali, angka dalam statistik dibuat tanpa ada bias pikiran sama sekali. Oleh karena itu, statistik selalu tidak akan pernah 100% akurat. Melalui buku ini, Darrel ingin membuat kita untuk melihat statistik dengan lebih cermat dan kritis supaya kita terhindar dari informasi yang kurang tepat atau kurang utuh, misalnya statistik di berita, survei elektabilitas, bahkan hingga riset kedokteran.

Saya merangkumnya menjadi tiga hal menarik dari buku ini:

Cermat dalam hasil survei
Sumber foto: aidanfinn.com

Cermat dalam hasil survei

Masih ingat pemilihan presiden tahun 2014 lalu? Saat itu ada dua kandidat yaitu Joko Widodo-Jusuf Kalla dan Prabowo Subianto-Hatta Rajasa. Menariknya, pada perhitungan hasil quick count, ada 4 dari 12 lembaga survei yang hasilnya berbeda dengan hasil dari KPU atau Komisi Pemilihan Umum. Perbedaannya mulai dari 1-5% dan memenangkan pasangan Prabowo-Hatta. Padahal, hasil dari KPU memenangkan Jokowi-Jusuf Kalla sebagai presiden Indonesia. Kenapa hal itu bisa terjadi? Kenapa empat lembaga survei itu bisa punya hasil yang berbeda? Ada hal yang harus kamu pahami soal pemilihan sampel dalam hasil survei. Agar setiap statistik mampu memberikan hasil yang akurat, sampel yang digunakan harus representatif. Oleh karena itu, ketika kamu melihat statistik yang mengklaim dapat secara akurat menggambarkan hasil tertentu, ingatlah bahwa semua itu tergantung pada metode pengambilan sampel yang digunakan. Apakah sampel yang digunakan representatif atau tidak? Atau malah sampel responden berada di lokasi mayoritas pendukung salah satu calon? Hasil statistik yang akurat memang butuh biaya, waktu, dan tenaga yang besar. Hal ini tentu saja tidak mudah, apalagi ditambah dengan penyumbang dana di balik dari hasil statistik tersebut.

Bukan cuma soal isu representatif, jumlah sampel yang terlalu kecil juga memberikan hasil yang tidak akurat. Contoh sederhananya seperti ini, jika kamu melempar koin dan menebak yang keluar, apakah gambar atau angka? Jika dalam 10 kali percobaan, kamu mungkin mendapat 8 kali dalam bentuk gambar. Tapi, apabila kamu melakukan 100 kali percobaan, kecil kemungkinannya kamu bisa mendapatkan 80 kali dalam bentuk gambar. Tentu saja, hal yang sama juga berlaku dengan sampel. Maka, jangan kaget, ketika Perusahaan melakukan tes produk baru kepada responden yang sedikit. Kemudian, hasilnya bagus. Tapi, ketika diproduksi dalam jumlah banyak, kok gak laku? Apakah jumlah sampelnya sudah cukup banyak atau belum? Apakah sampelnya sudah representatif belum? Pertanyaan ini yang harus dijawab dengan serius. 

Bentuk bias dalam statistik
Sumber foto: vision.org

Bentuk bias dalam statistik

Statistik adalah kumpulan persamaan matematika yang kita gunakan untuk menganalisis sesuatu. Statistik membantu kita untuk mendapatkan informasi tentang apa yang terjadi di dunia di sekitar kita. Walaupun memiliki banyak kegunaan, sayangnya statistik juga dapat digunakan untuk memanipulasi, memberikan hasil sensasional, dan kadang membingungkan. Darrell memberikan contoh berbagai bentuk bias yang perlu kita waspadai agar kita bisa lebih kritis dalam membaca statistik. 

Salah satu contoh adalah semi-attached figure. Cara mendeteksinya cukup mudah yaitu apabila ada dua hal atau lebih yang terdengar sama dan kemudian menarik perbandingan di antara mereka. Orang akan dipengaruhi untuk mengambil kesimpulan sendiri dari data yang disajikan. Contohnya seperti ini, kamu ingin menjual obat flu, tetapi tidak dapat secara gamblang membuktikannya efektif, Maka, kamu bisa menggunakan laporan laboratorium yang menunjukkan kalau obat kamu mampu membunuh ribuan kuman dalam waktu kurang dari tujuh detik. Selanjutnya, kamu tinggal mengambil gambar dokter dan pakai klaim yang disebutkan di atas. Tentu saja, penelitian kamu tidak menunjukkan kalau obat itu benar-benar berfungsi dalam tubuh manusia, atau bahkan apakah obat tersebut aman bagi manusia atau tidak. Namun, bagi orang awam, studi seperti itu sangat meyakinkan. Hal lain yang perlu kita waspadai adalah manipulasi grafik. Sebagai contoh, jika kamu ingin menunjukkan perbedaan upah antara pria dan wanita, dan selisihnya adalah $ 10.000 per tahun. Sebagai perbandingan, wanita menghasilkan $ 90.000 per tahun dan pria menghasilkan $ 100.000 per tahun. Maka, kamu bisa menggunakan sebuah grafik batang untuk menunjukkan perbandingannya. Jika kamu menggunakan grafik batang dengan dimulai dari $0, maka kamu hanya melihat perbedaan yang sedikit saja. Tapi, jika grafik batang kamu dimulai dari $ 75.000, maka akan terlihat gap perbedaan yang besar apabila menggunakan ukuran grafik yang sama. Perbedaan cara menyajikan data dapat memberikan persepsi yang berbeda bagi orang lain.

Kritis dalam melihat statistik
Sumber foto: trainingexpress.org.uk

Kritis dalam melihat statistik

Tidak ada yang menggunakan statistik untuk melemahkan argumen mereka sendiri. Oleh karena itu, statistik biasanya digunakan untuk mendukung tujuan atau agenda seseorang. Penting bagi kita untuk kritis terhadap hasil statistik. Darrell memberikan beberapa tips untuk melihat statistik dengan lebih kritis. Pertama, siapa yang memproduksi riset itu? Hal ini penting agar kita lihat, apakah lembaga yang mengeluarkan riset itu independen atau tidak? Apakah punya agenda tersembunyi atau tidak? Apakah selama ini dia selalu cenderung pada salah satu pihak atau netral? Sebagai contoh, banyak lembaga survei yang perusahaannya satu induk dengan jasa konsultan politik. Hal ini, tentu saja, menjadi pertanyaaan, apakah lembaga survei ini independen atau tidak? Atau malah hasil survei-nya merupakan pesanan dari salah satu pasangan calon untuk mempengaruhi masyarakat. Kedua, bagaimana cara statistik ini dibuat? Apakah jumlah sampelnya cukup banyak? Apakah jumlah sampelnya representatif? Bagaimana cara dia menyebar kuesioner-nya? Apakah lokasi penyebaran kuesioner merupakan lokasi yang menguntungkan salah satu pihak? Semua pertanyaan ini bertujuan agar kita memahami statistik bukan hanya hasil akhirnya saja, tapi kita juga harus melihat prosesnya. 

Ketiga, apa yang hilang? Teknik yang paling sering digunakan untuk menyajikan informasi yang kurang akurat adalah dengan menyembunyikan informasi. Jadi, informasi yang tersembunyi atau hilang dapat mengungkapkan lebih banyak kebenaran tentang statistik itu sendiri. Apakah riset tersebut menyediakan data mentah untuk bisa diolah oleh pihak lain? Keempat, apakah subyek risetnya berubah? Ada contoh yang menarik soal hal ini. “Populasi” dari salah satu wilayah yang luas di Tiongkok adalah 28 juta penduduk. Lima tahun kemudian, jumlahnya menjadi 105 juta penduduk. Kenapa dalam lima tahun jumlah penduduknya meningkat tajam? Ternyata ada perbedaan dari jenis sensus yang dilakukan. Sensus pertama bertujuan untuk pajak dan militer, yang kedua adalah untuk bantuan kelaparan. Tujuan riset yang berbeda bisa menghasilkan hasil statistik yang berbeda. Kelima, ini yang paling penting, apakah masuk akal? Setiap perhitungan statistik akan mengarahkan kita untuk mengambil keputusan tertentu. Kita cenderung akan mengambil kesimpulan dari hasil statistik tersebut. Jadi, sebagai orang awam dan bukan seorang ahli statistik, pertanyaan terakhir yang harus kita ajukan adalah apakah hasilnya masuk akal atau tidak rasional dan di luar konteks? Hal penting yang harus diIngat yaitu statistik tidak berbohong, tapi manusianya iya.

Untuk video animasinya, bisa ditonton di:

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google

You are commenting using your Google account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.