Menyingkap Makna di Balik Angka

Kebohongan Berbasis Data

Benjamin Disraeli (1804-1881) pernah menyampaikan kalimat yang menggelitik para peminat statistika, Ia mengatakan “there are three kinds of lies: lies, damned lies and statistics”, artinya “ada tiga jenis kebohongan, yaitu: kebohongan sesungguhnya, kebohongan terkutuk (dari sumpah), dan kebohongan statistik”.

Selanjutnya Darell Huff (1913-2001) dalam karyanya How To Lie with Statistics pernah mengungkapkan the crooks already know these tricks, honest men must learn them in self-defense (para penjahat sudah mengetahui tipuan ini, orang jujur harus mempelajarinya untuk membela diri).

Kutipan dari kedua tokoh di atas dimaksudkan untuk menjelaskan bahwa ada penyalahgunaan atau penyelewengan dalam statistika, baik karena unsur kesengajaan, minimnya pengetahuan, atau bahkan dimaksudkan untuk menyesatkan.

Statistik menjadi pedang bermata dua yang dapat digunakan untuk menginformasikan atau mengelabui.

Para pengambil keputusan, termasuk politisi, bisnis, dan stekholder lain, seringkali cenderung memanipulasi atau menggiring data statistik untuk menciptakan narasi yang mendukung agenda-agenda mereka.

Para “pelaku” biasanya dengan sengaja memilih data yang mendukung argumen atau variabel tertentu dan mengabaikan data yang memberikan gambaran lebih lengkap. Proses ini disebut pemilihan sampel atau cherry-picking data.

Sebagai contoh dalam konteks politik, lembaga survei (pesanan) kandidat tertentu hanya memilih data yang menunjukkan pencapaian “bagus” dalam rangka menaikkan elektabilitas dan di sisi lain ia mengabaikan data yang merinci kegagalan, rekam jejak kelam, hingga kebijakan kontroversial yang pernah dikeluarkan.

Selanjutnya, cara penyajian data pun kadang tak lepas dari manipulasi.

Tujuannya adalah untuk menciptakan kesan (baik) yang sesuai dengan kepentingan pihak yang bersangkutan.

Grafik yang tidak proporsional, penskalaan sumbu yang (secara sadar) dibuat tidak benar, hingga dengan menggunakan visualisasi data yang menyesatkan dapat membuat angka-angka terlihat lebih dramatis atau mendukung argumen yang diinginkan.

Teknik-teknik ini dapat menciptakan kesan palsu yang tak sesuai dengan kondisi sebenarnya.

Selain itu, istilah yang ambigu dan cara interpretasi yang tendensius juga dapat digunakan untuk memanipulasi persepsi publik terhadap data.

Misalnya dengan mengganti istilah “rakyat miskin” dengan istilah yang lebih lembut seperti "kelas menengah-bawah", hal ini dapat memberikan gambaran yang lebih positif tanpa mengubah kenyataan statistik.

Penggunaan data statistik yang tidak jujur ini dapat merugikan masyarakat dengan menciptakan pemahaman yang keliru atau menyesatkan tentang isu-isu penting.