Angka Bisa Berbohong: Belajar Baca Data di Balik Statistik Media
Angka yang sama bisa bercerita dua hal yang berbeda. Tergantung siapa yang memilih data, memotong grafik, atau memilih kata yang tepat. Statistik tidak netral—ia adalah alat narasi yang bisa dibengkokkan seperti pisau dapur.
Kita hidup di era di mana data menjadi bahasa baru. Setiap hari, kita dibanjiri oleh angka: tingkat pengangguran turun, pertumbuhan ekonomi naik, tingkat kepuasan publik menurun, dan seterusnya. Angka-angka ini tampak objektif, seolah-olah mereka adalah batu yang tidak bisa dibantah. Tapi di balik setiap angka, ada pilihan—pilihan tentang apa yang diukur, bagaimana diukur, dan bagaimana disajikan.
Dan di sinilah letak masalahnya: statistik bisa berbohong. Bukan karena angkanya palsu, tetapi karena cara penyajiannya bisa menciptakan kesan yang sangat berbeda dari realitas. Sebuah grafik yang sama bisa membuat Anda percaya bahwa ekonomi sedang booming atau sedang runtuh, tergantung pada di mana sumbu Y dimulai, atau periode waktu mana yang dipilih.
Untuk menjadi konsumen informasi yang cerdas, kita perlu belajar membaca di antara angka. Kita perlu memahami trik-trik yang sering digunakan oleh media, politisi, dan siapa pun yang ingin membangun narasi dengan data. Ini bukan tentang menjadi paranoid, tetapi tentang menjadi melek data.
Trik Sumbu Y: Mengubah Sedikit Menjadi Banyak
Salah satu trik paling umum dalam visualisasi data adalah memotong sumbu Y. Dalam grafik batang atau garis, sumbu vertikal biasanya dimulai dari nol. Tetapi jika Anda memulai dari angka yang lebih tinggi—misalnya, dari 50 alih-alih 0—perbedaan kecil akan terlihat sangat dramatis.
Bayangkan sebuah grafik yang menunjukkan tingkat kepuasan publik naik dari 52% menjadi 56%. Jika sumbu Y dimulai dari 0, perubahannya tampak kecil dan tidak signifikan. Tetapi jika sumbu Y dimulai dari 50%, lonjakan 4% itu akan terlihat seperti lompatan besar. Pembaca akan berpikir bahwa terjadi perubahan besar, padahal sebenarnya hanya naik sedikit.
Media sering menggunakan trik ini untuk menciptakan sensasi. Sebuah judul seperti "Kepuasan Publik Melonjak Drastis!" akan didukung oleh grafik yang sumbu Y-nya dipotong. Ini bukan kesalahan—ini adalah pilihan desain yang disengaja untuk membangun narasi.
Cara menghindarinya: selalu periksa skala sumbu Y. Apakah dimulai dari nol? Jika tidak, tanyakan pada diri sendiri: "Apakah perubahan ini benar-benar signifikan, atau hanya terlihat besar karena skala yang dipotong?"
Seleksi Waktu: Memilih Periode yang Cocok
Trik lain yang sering digunakan adalah memilih periode waktu yang menguntungkan. Jika Anda ingin menunjukkan bahwa ekonomi sedang membaik, Anda bisa memilih tahun di mana angka pertumbuhan tertinggi dan membandingkannya dengan tahun yang paling buruk. Hasilnya akan terlihat seperti kebangkitan yang spektakuler.
Sebaliknya, jika Anda ingin menunjukkan bahwa ekonomi sedang terpuruk, Anda bisa memilih tahun terbaik sebagai titik awal dan membandingkannya dengan tahun yang lebih rendah. Perbedaannya akan tampak seperti kejatuhan yang dramatis.
Contoh klasik: sebuah laporan tentang tingkat kriminalitas bisa memilih periode di mana angka kejahatan sedang rendah, lalu membandingkannya dengan periode di mana angka kejahatan sedang tinggi. Hasilnya bisa menunjukkan "lonjakan" atau "penurunan" yang sama sekali tidak mencerminkan tren jangka panjang.
Cara menghindarinya: lihatlah data dalam konteks yang lebih luas. Jangan hanya melihat satu titik waktu—lihatlah tren selama beberapa tahun. Dan tanyakan: "Apakah periode yang dipilih ini representatif, atau dipilih untuk mendukung narasi tertentu?"
Rata-rata yang Menyesatkan: Ketika Median Lebih Baik
Rata-rata (mean) adalah salah satu statistik yang paling sering digunakan, tetapi juga paling mudah disalahgunakan. Rata-rata sangat sensitif terhadap nilai ekstrem (outlier). Bayangkan sebuah desa dengan 10 penduduk. Satu orang adalah miliarder, dan sembilan lainnya hidup pas-pasan. Rata-rata kekayaan desa itu akan tampak tinggi, padahal mayoritas penduduknya miskin.
Dalam konteks yang lebih luas, media sering menggunakan rata-rata untuk menggambarkan "pendapatan rata-rata" atau "kekayaan rata-rata" di suatu negara. Angka ini sering kali jauh lebih tinggi daripada pendapatan yang sebenarnya dirasakan oleh kebanyakan orang karena adanya segelintir orang super kaya yang mendongkrak rata-rata.
Di sinilah median—nilai tengah—menjadi lebih informatif. Median tidak terpengaruh oleh nilai ekstrem. Jika Anda melihat angka median, Anda mendapatkan gambaran yang lebih akurat tentang kondisi mayoritas.
Cara menghindarinya: ketika Anda melihat angka rata-rata, tanyakan: "Apa yang terjadi pada mereka di bawah rata-rata?" Dan carilah data median jika tersedia. Jika tidak, setidaknya sadari bahwa rata-rata bisa menyesatkan.
Korelasi dan Kausalitas: Ketika Dua Hal Berjalan Bersamaan
Salah satu kesalahan paling umum dalam membaca statistik adalah menyamakan korelasi dengan kausalitas. Hanya karena dua hal berjalan bersamaan tidak berarti satu menyebabkan yang lain.
Contoh klasik: di musim panas, penjualan es krim meningkat, dan begitu pula jumlah orang yang tenggelam. Apakah es krim menyebabkan orang tenggelam? Tentu tidak. Faktor penyebabnya adalah musim panas—orang lebih banyak berenang, dan lebih banyak membeli es krim. Keduanya adalah efek dari penyebab yang sama.
Dalam dunia media, korelasi sering disajikan sebagai kausalitas untuk menciptakan judul yang menarik. "Penelitian Menunjukkan: Anak yang Banyak Main Game Berprestasi Buruk di Sekolah." Mungkin ada korelasi, tetapi apakah game yang menyebabkan nilai buruk? Atau mungkin anak yang sudah nilainya buruk cenderung lebih banyak bermain game? Atau ada faktor lain, seperti lingkungan keluarga?
Cara menghindarinya: selalu tanyakan "mengapa". Jangan puas dengan hubungan yang dangkal. Pikirkan faktor-faktor lain yang mungkin berperan. Korelasi adalah petunjuk, bukan bukti.
Angka Absolut vs Relatif: Skala itu Penting
Pernahkah Anda melihat judul: "Kejahatan Meningkat 50%!" Terdengar mengerikan, bukan? Tetapi jika kejahatan meningkat dari 2 kasus menjadi 3 kasus, itu adalah peningkatan 50%, tetapi dalam angka absolut, hanya bertambah satu kasus. Konteksnya sangat berbeda.
Media sering menggunakan angka relatif (persentase) karena terdengar lebih dramatis daripada angka absolut. Ini adalah trik lama yang sangat efektif. Peningkatan dari 100 menjadi 120 adalah 20%, tetapi peningkatan dari 10 menjadi 12 juga 20%. Dalam kasus pertama, perubahannya signifikan; dalam kasus kedua, mungkin tidak.
Cara menghindarinya: selalu cari angka absolut di samping persentase. Jangan hanya membaca "naik 50%" tanpa bertanya: "50% dari apa?" Dan berapa jumlah absolutnya? Ini akan memberi Anda gambaran yang lebih jelas tentang signifikansi data.
Data yang Hilang: Ketika Sebagian Cerita Dirahasiakan
Trik terakhir dan paling halus adalah menyembunyikan data. Sebuah laporan bisa menampilkan angka-angka yang mengesankan, tetapi mengabaikan data yang tidak mendukung narasi. Ini bukan tentang berbohong—ini tentang memilih apa yang akan ditampilkan dan apa yang akan diabaikan.
Contoh: sebuah penelitian tentang efektivitas obat bisa menampilkan bahwa 80% pasien sembuh. Tetapi jika penelitian ini tidak menyertakan data tentang efek samping, atau tentang pasien yang tidak menyelesaikan pengobatan, gambaran yang disajikan tidak lengkap.
Media sering melakukan ini dalam laporan politik atau ekonomi. Mereka menampilkan angka yang mendukung satu pihak, dan mengabaikan data yang tidak mendukung. Ini adalah bias seleksi, dan sangat sulit dideteksi jika Anda tidak tahu bahwa data tersebut ada.
Cara menghindarinya: cari sumber data asli. Jangan hanya percaya pada ringkasan yang disajikan. Cari laporan lengkap, atau bandingkan dengan sumber lain. Jika data yang disajikan terlihat terlalu bagus (atau terlalu buruk), mungkin ada bagian cerita yang dihilangkan.
Menjadi Pembaca Data yang Cerdas
Statistik adalah alat yang ampuh. Ia bisa membantu kita memahami dunia, membuat keputusan yang lebih baik, dan meminta pertanggungjawaban kepada mereka yang berkuasa. Tetapi seperti alat lainnya, ia bisa digunakan untuk membangun atau menghancurkan.
Kunci untuk tidak tertipu adalah skeptisisme yang sehat. Bukan skeptisisme yang menolak semua data, tetapi skeptisisme yang bertanya: "Apa yang tidak saya lihat? Bagaimana angka ini diperoleh? Apa konteksnya?"
Dengan belajar membaca data secara kritis, kita tidak hanya melindungi diri kita dari manipulasi, tetapi juga menjadi warga yang lebih baik dalam demokrasi yang bergantung pada informasi. Karena pada akhirnya, angka tidak berbohong—tetapi orang yang menyajikannya bisa.
"Ada tiga jenis kebohongan: kebohongan, kebohongan besar, dan statistik." — Benjamin Disraeli
Jadi, lain kali Anda melihat grafik atau angka di berita, berhentilah sejenak. Lihat sumbunya. Periksa periodenya. Tanyakan pada diri sendiri tentang apa yang mungkin hilang. Dan ingat: statistik adalah bahasa kekuasaan. Belajarlah membacanya, agar Anda tidak menjadi korban dari mereka yang menguasainya.