Coba bayangkan kamu sedang mencari kerja. Di sebuah iklan lowongan tertulis dengan huruf tebal: “Gaji rata-rata karyawan Rp54,5 juta per bulan!” Jantung berdebar, CV langsung dikirim, dan di kepala sudah terbayang cicilan rumah yang lunas lebih cepat.
Lalu hari pertama masuk kantor, kamu baru tahu fakta kecilnya. Kantor itu punya sepuluh orang. Sembilan di antaranya digaji Rp5 juta. Satu orang sisanya, kebetulan sang pemilik, menggaji dirinya sendiri Rp500 juta.
Hitung sendiri: (9 × 5 juta + 500 juta) ÷ 10 = 54,5 juta. Iklannya tidak berbohong. Angkanya benar. Tapi apakah kamu merasa dibohongi? Tentu saja.
Inilah yang sejak lama membuat saya betah di dunia statistik sekaligus gemas dengannya. Statistik hampir tidak pernah berbohong. Yang sering berbohong adalah cara kita menyajikan dan membacanya. Judul keynote yang pernah saya bawakan di kampus pun saya ambil dari sini: How to Lie with Statistics. Bukan untuk mengajari orang berbohong, tapi supaya tidak mudah dibohongi.
Setelah lebih dari dua puluh tahun bekerja dengan survei, riset politik, penelitian akademik, sampai dashboard untuk perusahaan migas dan otomotif, saya menemukan pola yang berulang. Hampir semua angka yang menyesatkan lolos karena orang lupa menanyakan empat hal sederhana. Mari kita bahas satu per satu, pelan-pelan, tanpa rumus yang bikin pusing.
1. Rata-rata dari apa, dan siapa yang ikut dihitung?
Mari kembali ke kantor tadi. Selain rata-rata (mean), ada ukuran lain yang namanya median, yaitu nilai tengah kalau semua data diurutkan dari yang terkecil sampai terbesar. Di kantor tadi, median gajinya Rp5 juta. Dan Rp5 juta itulah yang benar-benar dirasakan sebagian besar karyawan.
Kenapa bisa selisih sejauh itu? Karena rata-rata itu seperti timbangan yang terlalu sensitif: satu nilai ekstrem saja sudah cukup menggesernya. Bayangkan kamu menimbang beras di timbangan emas. Bisa saja angka yang keluar akurat sampai ke milligram, tapi alatnya tidak cocok untuk keperluan yang kamu butuhkan. Untuk data yang miring ke satu sisi, seperti pendapatan, harga rumah, atau saldo tabungan, median hampir selalu lebih jujur.
Aturan praktisnya begini: kalau rata-rata dan median jauh berbeda, itu pertanda ada nilai ekstrem yang sedang “menarik” angkanya. Jangan berhenti di satu angka. Lihat juga sebarannya.
Pertanyaan keduanya sama pentingnya: siapa yang tidak ikut dihitung? Ambil contoh survei kepuasan pelanggan yang hanya diisi oleh pelanggan aktif. Hasilnya hampir pasti bagus, karena pelanggan yang kecewa sudah pindah ke tempat lain dan tidak ada di daftar responden. Para ahli menyebutnya survivorship bias: kita hanya melihat yang bertahan, lalu mengira semuanya baik-baik saja. Kalau kamu menilai kondisi sebuah perusahaan dari karyawan yang masih bertahan, kamu mungkin melewatkan cerita dari mereka yang sudah resign.
2. Berapa orang yang disurvei, dan bagaimana mereka dipilih?
“Surveinya melibatkan 10.000 responden!” Kedengarannya meyakinkan. Tapi pertanyaan yang lebih penting adalah dari mana 10.000 orang itu datang.
Kalau tautan survei disebarkan di satu grup percakapan yang isinya orang-orang yang sepemikiran, sepuluh ribu respons itu sebenarnya cuma satu suara yang diulang sepuluh ribu kali. Sebaliknya, 400 orang yang dipilih secara acak dari populasi yang jelas bisa memberi gambaran yang jauh lebih bisa dipercaya.
Soal margin of error, ada hitungan yang enak dihafal untuk survei dengan tingkat kepercayaan 95%:
- Sampel 300 orang: margin of error sekitar ±5,7%
- Sampel 400 orang: sekitar ±4,9%
- Sampel 1.000 orang: sekitar ±3,1%
Artinya, kalau sebuah survei acak mengatakan 52% responden memilih A dan 48% memilih B dengan sampel 400 orang, selisih empat poin itu masih tertelan margin of error. Judul berita “A unggul” jadi terlalu berani. Inilah yang membuat dunia survei dan quick count menuntut disiplin: ukuran sampel, cara penarikan sampel, dan margin of error harus disebut terang-terangan. Kalau ketiganya tidak disebut, perlakukan angka itu sebagai opini yang memakai kostum statistik.
3. Dibandingkan dengan apa?
Angka tanpa pembanding itu seperti skor 3-0 tanpa tahu siapa lawannya: kedengarannya hebat, tapi tak ada yang tahu artinya. “Penjualan kami naik 20%.” Bagus, sampai kamu tahu bahwa pasar secara keseluruhan naik 35% pada periode yang sama. Dibandingkan pasar, kamu justru tertinggal.
Pembanding yang adil punya tiga syarat: per kapita (supaya wilayah besar tidak otomatis kalah atau menang), periode yang sama (jangan bandingkan bulan Lebaran dengan bulan biasa), dan definisi yang sama (ini yang paling sering terlewat).
Contoh yang menarik ada di data kriminal. Kota besar hampir selalu memimpin jumlah kasus kejahatan, tapi itu karena penduduknya memang banyak. Begitu dibagi dengan jumlah penduduk, urutannya bisa terbalik.
Di dunia dashboard bisnis pun sama. Saya pernah ikut membangun dashboard 21 halaman untuk memantau kinerja enam wilayah di sebuah perusahaan migas. Dashboard secantik apa pun tidak ada gunanya kalau angka pada setiap halamannya tidak punya pembanding yang jelas: dibanding target, dibanding bulan lalu, atau dibanding wilayah lain. Direktur tidak butuh banyak grafik. Direktur butuh grafik yang menjawab pertanyaan “kita sedang baik atau buruk?”.
4. Siapa yang membuat grafik ini, dan apa yang ingin ia tunjukkan?
Pertanyaan keempat ini lebih ke soal kewaspadaan. Grafik adalah alat persuasi yang sangat kuat, dan karena itu juga alat yang paling mudah disalahgunakan. Beberapa trik yang sering muncul:
- Sumbu dipotong. Sumbu vertikal tidak dimulai dari nol, sehingga selisih kecil terlihat seperti lonjakan besar.
- Skala yang berbeda-beda. Dua grafik disandingkan, tapi skalanya tidak sama, sehingga kesannya serupa padahal tidak.
- Periode yang dipilih sendiri. Tren yang tampak naik tajam hanya karena grafik dimulai tepat di titik terendah.
- Persentase tanpa angka dasarnya. “Naik 300%” bisa berarti dari 1 kasus menjadi 4 kasus.
Bukan berarti setiap pembuat grafik berniat menipu. Sering kali itu sekadar kelalaian. Tapi sebagai pembaca, kita tidak perlu tahu niatnya. Kita cukup memeriksa sumbu, skala, periode, dan angka dasarnya sebelum percaya.
Satu kebiasaan kecil yang mengubah cara kamu membaca angka
Keempat pertanyaan tadi bisa dirangkum jadi satu kebiasaan: jangan menerima angka sebagai fakta, perlakukan sebagai klaim yang perlu diuji. Klaim yang baik tidak akan takut diuji. Klaim yang goyah akan terlihat goyah begitu kamu bertanya, “dari apa, dari siapa, dibandingkan dengan apa, dan siapa yang membuatnya?”
Kebiasaan ini berguna di mana saja: saat membaca berita, membaca laporan kantor, menilai tawaran investasi, sampai menyusun skripsi. Mahasiswa yang terbiasa bertanya begini biasanya langsung naik kelas dalam menulis bab hasil dan pembahasan, karena ia berhenti melaporkan angka dan mulai menafsirkan angka.
Dan kalau suatu hari kamu merasa data yang kamu pegang terlalu rumit atau kesimpulannya terasa janggal, itu bukan tanda kamu kurang pintar. Itu tanda yang sehat bahwa ada sesuatu yang perlu dicek ulang.
Butuh angka survei yang bisa dipertanggungjawabkan sejak desain sampelnya? Lihat layanan riset pasar dan survei kami.
Sedang menyusun skripsi, tesis, atau disertasi, atau butuh data institusimu dibaca dengan jujur? Saya dan tim di datalytics.indo membantu dari desain penelitian, uji instrumen, analisis (regresi, PLS-SEM/SEM, analisis jalur, faktor, klaster, dan lainnya), sampai interpretasi hasil. Ada juga bimbingan privat SPSS, SmartPLS, LISREL, Power BI, dan Excel/VBA. Hubungi kami untuk mendapatkan solusi terbaik.