Pandangan Saya Mengenai Statistik

Bagaimana saya memandang statistik? Apa itu statistik menurut saya?

Saya masih ingat guyonan seorang teman ketika membahas definisi statistik:" Ya sesuai namanya: Statis-tik. Isinya ya statis, dari dulu begitu-begitu saja".  Waktu itu saya setuju saja mengingat dari dulu kuliah statistik ya isinya itu-itu saja.

Banyak juga teman saya pada saat itu (dan mungkin sekarang juga) yang memandang statistik sebagai kumpulan rumus dan aturan-aturan yang 'jatuh dari langit'. Seakan-akan cara untuk melakukan analisis data sudah ditentukan dari 'sono-nya' dan tidak dapat diubah.

Selain itu banyak juga yang menganggap analisis statistik yang satu seakan berbeda sama sekali dari analisis yang lain, sehingga begitu banyak rumus dan definisi yang harus dihafalkan. Banyaknya jenis analisis ini membuat begitu banyak aturan yang harus diingat, dan tidak boleh dilanggar karena 'jatuh dari langit'.

Seiring berjalannya waktu, dengan bertambahnya buku, artikel yang saya baca dan juga pendidikan yang saya alami, dan pengajaran yang saya lakukan, pandangan saya mengenai statistik banyak berubah. Berikut ini adalah beberapa pandangan saya terhadap statistik saat ini.

Statistik adalah Alat

Sama seperti palu, obeng, jarum, dan pensil, statistik adalah alat, yang dibuat dan digunakan untuk memenuhi tujuan tertentu. Oleh karena itu, statistik hanyalah 'abdi' bagi suatu tujuan. Misalnya dalam konteks penelitian, tujuan penelitian-lah yang menjadi penentu teknik statistik yang akan digunakan, bukan sebaliknya.

Dalam praktek yang saya jumpai, seringkali teknik statistik menjadi lebih penting daripada tujuan penelitian. Misalnya, penilaian terhadap ke'layak'an penelitian sering didasarkan pada teknik analisis yang digunakan :"Rasanya nggak OKE kalau disertasi S3 tidak menggunakan Structural Equation Model"  misalnya. Atau penelitian yang dilakukan melulu berisi hubungan antara dua variabel, hanya karena wawasan teknik analisis statistiknya terbatas.

Pengguna statistik sering lupa bahwa yang perlu ditentukan pertama adalah menentukan apa yang akan dilakukan terlebih dulu, baru kemudian menentukan bagaimana-nya. Statistik, dalam konteks ini adalah salah satu dari 'bagaimana-nya' ini.

Pengguna statistik juga sering abai melakukan evaluasi terkait dengan kecocokan antara tujuan dan cara mencapai tujuan tersebut. Seolah-olah teknik analisis yang 'keren' sudah menjadi justifikasi terhadap mutu kesimpulannya.

Sebagaimana alat pada umumnya, terkadang menggunakan alat yang sederhana menjadi lebih efisien daripada menggunakan alat yang lebih kompleks. Misalnya menghitung total belanja yang perlu dibayar seringkali sudah dapat dipecahkan menggunakan pensil dan kertas (bahkan kadang tanpa bantuan sama sekali). Kita tidak membutuhkan komputer dengan prosesor terbaru untuk melakukannya.

Demikian juga dengan statistik. Teknik analisis yang kompleks tidak selalu tepat dalam kondisi tertentu. Bahkan terkadang teknik analisis yang lebih kompleks menjadi tidak efisien dan tidak menjawab tujuan yang ingin dicapai.

Efektivitas dan efisiensi alat juga sangat tergantung pada pengetahuan dan ketrampilan pemakainya. Semakin banyak pengetahuan dan ketrampilan pengguna mengenai suatu alat, semakin optimal fungsi alat tersebut dalam mencapai tujuan. Bahkan dalam kondisi tertentu, alat yang sama bisa digunakan untuk memenuhi tujuan yang berbeda jika kita mengetahui prinsip-prinsip dasarnya.

Statistik berisi kumpulan ide-ide mengenai cara memperoleh informasi dari data

Statistik bukan kumpulan 'aturan' yang harus dipatuhi. Rumus-rumus teknik analisis statistik selalu berasal dari ide untuk menggali informasi dari data. Memandang statistik sebagai kumpulan aturan akan membuat seolah-olah teknik-teknik analisis data menjadi kaku, misalnya rumus analisis A itu ya seperti itu. Kalau mau melakukan analisis A, lakukan dengan cara begitu, dst. Padahal teknik analisis selalu berasal dari kumpulan pemikiran mengenai kondisi data, dan melibatkan asumsi untuk menyederhanakan kondisi riil data agar memudahkan dalam analisis.

Teknik analisis statistik tertentu seringkali atau hampir selalu didasarkan pada 'teori' atau cara pandang terhadap data. Tidak jarang saya temui, 'filosofi' ahli yang menyusun teknik analisis statistik sangat mempengaruhi cara analisis yang disusunnya. Misalnya ahli-ahli yang percaya bahwa nyaris tidak ada data riil yang mengikuti distribusi normal akan lebih banyak menawarkan teknik analisis yang 'robust' terhadap pelanggaran bentuk distribusi, dst. Secara khusus dalam teknik analisis pengukuran, teori atau cara pandang ahli terhadap, misalnya, bagaimana skor dihasilkan oleh seorang individu, akan mempengaruhi teknik analisis yang disajikan. Karena pandangan ahli terhadap data bisa berubah, demikian juga teknik analisis statistik pun ikut berubah dan berkembang.

Statistik oleh karena itu menjadi sangat aktif berkembang mengikuti cara pandang terhadap data dari orang-orang yang mempelajarinya. Statistik oleh karenanya tidak statis.

Tidak jarang juga cara pandang yang berbeda ini dapat menghasilkan teknik-teknik analisis yang bisa memberikan hasil analisis yang mirip. Oleh karena itu satu teknik analisis dapat dipertukarkan dengan teknik analisis lain.

Garbage in Garbage out

Teknik analisis statistik yang paling maju sekalipun memiliki keterbatasan. Salah satu keterbatasannya adalah ketidakmampuan statistik dalam mengolah data yang buruk untuk menghasilkan kualitas analisis yang baik. Misalnya jika pengukuran yang digunakan dalam pengambilan data memiliki banyak kesalahan pengukuran, statistik akan tetap memberikan hasil analisis yang tidak menggambarkan realitas.

Ketika asumsi yang mendasari suatu analisis statistik dilanggar, tentu saja analisis akan memberikan hasil yang tidak dapat dipercaya.

Teknik analisis statistik bukan satu-satunya penentu kualitas suatu hasil. Bagaimana data diperoleh, desain penelitian yang dirancang, termasuk kajian teoretik yang dilakukan, menentukan mutu dari hasil analisis.

Pemahaman akan statistik tidak sama dengan pemahaman akan cara pengoperasian software analisis data

Kehadiran banyak sofware analisis data yang user-friendly membuat banyak orang sering tergoda untuk mengabaikan dasar pemahaman analisis statistik dan menggantikannya dengan ketrampilan untuk mengoperasikan software tersebut. Seolah-olah pemahaman teknik analisis statistik identik dengan pemahaman cara mengoperasikan software.

Pandangan ini menjadi sangat berbahaya karena dapat menyebabkan terjadinya misused atau abused teknik analisis statistik. Tanpa pemahaman yang baik akan teknik analisis statistik tertentu, pengguna akan memiliki resiko yang lebih besar untuk salah menggunakan teknik analisis tersebut.
Misalnya, melakukan analisis regresi dengan menggunakan program tertentu sangatlah mudah. Sehingga dengan mudah juga peneliti dapat memasukkan atau mengeluarkan variabel dari keseluruhan analisis tanpa pertimbangan yang matang. Atau menggunakan metode 'step wise' yang sebenarnya sering dianggap tidak sepantasnya dilakukan.
Contoh lainnya terkait dengan praktek analisis faktor. Sering saya jumpai, teman-teman yang melakukan analisis faktor dengan menggunakan program tertentu, melakukan kesalahan dalam memilih teknik estimasi yang digunakan karena mengandalkan default dari software tersebut.

Selain itu, dalam menyusun algorithm dari suatu teknik analisis, tidak jarang pembuat software analisis statistik melakukan kekeliruan atau memiliki keterbatasan atau menggunakan paradigma yang berbeda, sehingga dapat terjadi kekeliruan analisis, atau adanya keterbatasan opsi-opsi yang ditawarkan. Tanpa memahami teknik analisis nya sendiri , peneliti akan memiliki kesadaran yang rendah akan resiko kesalahan hasil analisis atau peneliti akan memaksakan suatu teknik tertentu tanpa memperhatikan kesesuaian teknik tersebut terhadap kondisi datanya sendiri.

Teknologi berkembang dan akan berdampak pada cara pengumpulan data, struktur data dan pada akhirnya analisis data

Perkembangan teknologi yang tak terhindarkan telah banyak menyebabkan revolusi dalam teknik pengumpulan data dan struktur data. Dulu, kita masih berurusan dengan data berjumlah ratusan atau ribuan. Saat ini data dapat mencapai angka jutaan atau ratusan juta. Misalnya dalam penelitian mengenai gen manusia, penelitian neuroscience, dan lain-lain.

Data tidak lagi dikumpulkan menggunakan paper-pencil test, bahkan tidak hanya dengan tes lagi dalam segala bentuknya. Interaksi antara manusia dengan komputer atau halaman suatu website sudah menghasilkan jutaan data.

Struktur data tidak lagi lengkap seperti dulu, tetapi dapat mengandung sangat banyak missing value.

Dalam perkembangan seperti ini, makin besar kebutuhan cara-cara menganalisis data yang dapat menangani data seperti itu. Oleh karena itu pemahaman akan dasar-dasar statistik sangat penting agar kita dapat mengembangkan teknik-teknik yang dapat menjawab tantangan ini.

Belajar statistik = Belajar berpikir

Belajar statistik bagi saya merupakan sarana belajar berpikir kritis, runtut, logis, dan berdasar data.  Belajar statistik membuat  kita belajar memaknai data dengan bertanggung jawab, berhati-hati agar tidak melakukan interpretasi berlebihan, tahu keterbatasan dari metode-metode yang digunakan sehingga waspada akan keterbatasn interpretasi hasil analisis dan dampaknya.

Seringkali interpretasi analisis statistik tidak semudah yang selama ini dibayangkan. Kehati-hatian sangat diperlukan dalam melakukan interpretasi dan memutuskan apakah hasil analisis bisa dipercaya. Karena prinsip-prinsip statistik tidak berasal 'dari langit', maka pasti punya kelemahan. Nah belajar statistik dan mengamati kelemahan-kelemahan ini dan tahu keterbatasan tiap analisis membuat saya makin kritis dan tidak terima begitu saja hasil analisis dari metode yang 'canggih' sekalipun. Dan mengajari saya banyak juga tentang bagaimana berpikir yang 'bener'.

Jadi bagi saya belajar statistik itu juga belajar berpikir yang 'bener', menunda kesimpulan supaya tidak meloncat, dan pada akhirnya menjadi bijak, semoga...