Statistik di Media
Statistik di media
Penulis artikel atau naskah yang dipublikasikan sering menggunakan data untuk menjelaskan apa yang ingin disampaikan melalui tulisan. Nilai statistik dari data itu digunakan untuk mendukung argumen pada suatu tulisan. Tampilan visual dalam bentuk diagram digunakan untuk lebih mendeskripsikan informasi.
Penyalahgunaan Statistik
Saat seseorang berargumentasi atau mencoba menyampaikan pendapatnya, mereka mungkin sengaja membuat pilihan agar data terlihat dengan cara tertentu guna membuktikan pendapatnya. Terkadang hal ini dilakukan secara tidak sengaja dan terkadang dilakukan dengan sengaja untuk menyesatkan.
Ada banyak cara seseorang memutarbalikkan data, diantaranya:
Cherry-picking atau Petik ceri - memilih data yang menguntungkan, penggunaan data secara selektif untuk mendukung posisi seseorang, dan mengabaikan data lain yang cenderung bertentangan dengan pendapat seseorang. Praktik bias dalam memilih data atau kumpulan data secara selektif yang mendukung kesimpulan atau sudut pandang tertentu dan mengabaikan informasi yang bertentangan. Hal ini dapat menyebabkan hasil yang menyesatkan dalam analisis data.
Pada halaman web https://en.wikipedia.org/wiki/Cherry_picking diperlihatkan contohnya, seperti berikut ini.
Global Warming Hiatus Cherry-pickingsering digunakan dalam penolakan sains seperti penolakan perubahan iklim . Misalnya, dengan sengaja memilih periode waktu yang mendukung kepentingannya, seperti rentang tahun 1998–2012, walaupun pada rentang itu tren pemanasan sedang berlangsung tetapi cenderung melemah.Survei dan pengambilan sampel yang bias - penyusunan pertanyaan survei dan pewawancara memengaruhi tanggapan yang diberikan atau cara memilih responden tidak acak.
Generalisasi yang berlebihan - menyatakan kesimpulan tentang suatu populasi dari kelompok data yang tidak mewakili populasi.
Korelasi dan sebab-akibat - jika diamati hubungan antara dua variabel A dan B, kita tergoda untuk mengambil kesimpulan bahwa A menyebabkan B. Namun, mungkin saja B menyebabkan A, keduanya mungkin saling menyebabkan satu sama lain, mungkin ada faktor ketiga yang menyebabkan keduanya atau hubungan tersebut mungkin tidak ada sama sekali.
Perbandingan yang buruk - terkadang dua kumpulan data tidak dapat dibandingkan satu sama lain secara bermakna. Misalnya, jika penutur asli bahasa Inggris dibandingkan dengan penutur bukan penutur asli dalam tugas pemahaman bacaan bahasa Inggris, kita tidak dapat menyimpulkan bahwa penutur asli tersebut “lebih cerdas” padahal mereka pasti memiliki kemampuan yang lebih baik.
