Literasi Data: Cara Membaca Grafik dan Mengenali Statistik Menyesatkan

Setiap hari kita disuguhi data: grafik di berita, persentase di iklan, infografis di media sosial, sampai klaim "terbukti secara ilmiah" di kemasan produk. Sebagian besar disajikan dengan jujur. Namun sebagian lainnya — sengaja atau tidak — membuat kesimpulan terlihat lebih kuat daripada kenyataannya. Literasi data adalah kemampuan membaca semua itu dengan kritis.

Artikel ini membahas langkah membaca grafik, enam pola statistik menyesatkan yang paling sering muncul beserta contohnya, dan latihan untuk mengasah kemampuan ini. Kemampuan yang sama juga diuji dalam soal numerasi dan penalaran matematika TKA dan UTBK.

Empat langkah membaca grafik

Sebelum menyimpulkan apa pun dari sebuah grafik, biasakan memeriksa empat hal:

1. Judul dan sumber. Apa yang diukur, oleh siapa, kapan, dan dari berapa banyak data?
2. Sumbu dan satuan. Apa yang diwakili sumbu-$x$ dan sumbu-$y$? Dimulai dari berapa? Satuannya apa — orang, rupiah, atau persen?
3. Pola utama. Naik, turun, stabil, atau berfluktuasi? Adakah titik yang jauh berbeda dari yang lain?
4. Kesimpulan yang wajar. Apa yang benar-benar didukung data — dan apa yang hanya tafsiran?

Pola 1: sumbu yang dipotong

Grafik batang seharusnya dimulai dari nol, karena panjang batang mewakili besarnya nilai. Jika sumbu-$y$ dimulai dari angka lain, perbedaan kecil terlihat sangat besar.

Kenaikan dari 50 ke 52 adalah $\frac{52 - 50}{50} = 4\%$. Pada grafik kiri, batang kedua tampak tiga kali lebih tinggi karena yang terlihat hanya bagian di atas 49. Grafik garis kadang boleh tidak dimulai dari nol untuk menunjukkan perubahan kecil, tetapi pembaca perlu selalu memeriksa angka di sumbunya.

Pola 2: persentase tanpa basis

"Kasus naik 100%!" terdengar mengkhawatirkan. Namun naik dari 2 menjadi 4 juga 100%. Sebaliknya, "hanya naik 5%" bisa berarti ribuan orang jika basisnya besar. Selalu tanyakan: persen dari berapa?

Hal serupa terjadi pada risiko relatif. "Risiko naik dua kali lipat" bisa berarti dari 1 dalam 10.000 menjadi 2 dalam 10.000 — perubahan yang secara mutlak sangat kecil.

Pola 3: korelasi dianggap sebab-akibat

Dua hal yang naik-turun bersamaan belum tentu saling menyebabkan.

Contoh klasik: penjualan es krim dan kasus tenggelam sama-sama naik di musim panas. Es krim tidak menyebabkan orang tenggelam; keduanya dipicu faktor ketiga, yaitu cuaca panas yang membuat orang membeli es krim dan berenang. Faktor ketiga seperti ini disebut variabel perancu. Untuk menyimpulkan sebab-akibat, dibutuhkan desain penelitian yang lebih kuat, misalnya eksperimen terkontrol.

Pola 4: rata-rata yang menipu

"Rata-rata pendapatan warga desa ini Rp15 juta per bulan" bisa benar secara hitungan, tetapi menyesatkan jika satu-dua orang berpenghasilan sangat tinggi sementara sebagian besar jauh di bawahnya. Pada data yang miring atau memiliki pencilan, median sering lebih mewakili "orang pada umumnya". Penjelasan lengkap dan contohnya ada di artikel mean, median, dan modus.

Pola 5: sampel kecil atau tidak mewakili

Survei "9 dari 10 orang menyukai produk ini" kehilangan makna jika hanya 10 orang yang ditanya, atau jika semuanya adalah pelanggan setia. Periksa ukuran sampel dan cara memilihnya. Survei daring yang diisi sukarela, misalnya, cenderung diisi orang yang punya pendapat kuat.

Pola 6: memilih rentang waktu atau data yang menguntungkan

Grafik harga saham yang hanya menampilkan satu minggu kenaikan bisa menyembunyikan penurunan setahun penuh. Grafik yang memilih titik awal dan akhir tertentu — atau hanya menampilkan sebagian kategori — dapat membentuk cerita yang berbeda dari keseluruhan data. Tanyakan: apa yang tidak ditampilkan?

Pola 7: grafik yang "terlalu indah"

Efek tiga dimensi, potongan diagram lingkaran yang ditarik keluar, atau ikon bergambar dengan ukuran tidak proporsional bisa mengubah kesan besar-kecilnya data. Pada diagram lingkaran 3D, potongan di bagian depan tampak lebih besar daripada potongan berukuran sama di bagian belakang. Pada ikon bergambar, menggandakan tinggi dan lebar sebuah gambar membuat luasnya menjadi empat kali — padahal datanya hanya dua kali.

Prinsipnya sederhana: semakin banyak hiasan, semakin perlu kita kembali ke angka aslinya. Grafik yang baik membuat perbandingan mudah dilihat, bukan sekadar enak dipandang.

Contoh menganalisis infografis

Sebuah infografis berbunyi: "Pengguna aplikasi belajar X naik 250%, membuktikan nilai siswa membaik!" Gunakan pertanyaan berikut: naik 250% dari berapa pengguna? Dalam rentang waktu kapan? Apakah ada data nilai siswa sebelum dan sesudah? Apakah kenaikan nilai mungkin disebabkan hal lain, seperti kurikulum baru? Tanpa jawaban atas pertanyaan-pertanyaan ini, infografis tersebut hanya menunjukkan pertumbuhan pengguna — bukan bukti peningkatan nilai.

Latihan: kritisi klaim berikut

1. Sebuah iklan menyatakan "pengguna kami naik 300% dalam sebulan". Informasi apa yang kamu butuhkan sebelum terkesan?
2. Sebuah artikel menyimpulkan "siswa yang sarapan nilainya lebih tinggi, jadi sarapan meningkatkan nilai". Apa kemungkinan variabel perancunya?
3. Grafik batang menunjukkan penjualan 120 dan 126 dengan sumbu-$y$ mulai dari 118. Berapa persen kenaikan sebenarnya?

Literasi data di sekolah dan ujian

Soal numerasi di TKA dan soal penalaran di UTBK sering menyajikan tabel atau grafik, lalu meminta peserta menilai pernyataan mana yang pasti benar, mungkin benar, atau tidak dapat disimpulkan. Kemampuan membedakan ketiganya adalah inti literasi data. Contoh soal membaca grafik dengan pembahasan lengkap ada di artikel penalaran matematika UTBK dan TKA.

Ringkasan

• Baca grafik dengan empat langkah: sumber, sumbu, pola, dan kesimpulan yang wajar.
• Waspadai sumbu terpotong, persentase tanpa basis, dan korelasi yang dianggap sebab-akibat.
• Rata-rata bisa menipu pada data miring; median sering lebih mewakili.
• Periksa ukuran dan cara memilih sampel, serta data apa yang tidak ditampilkan.
• Literasi data melindungi dari informasi menyesatkan sekaligus menjadi kemampuan yang diuji di TKA dan UTBK.