Data dan Rasa Harus Serumah

Oleh: Anton Hendranata *)

INVESTORTRUST - Di era ketika data tersedia di mana-mana, kita sering mengira kebenaran menjadi semakin mudah ditemukan. Angka dianggap objektif. Grafik terlihat meyakinkan. Tabel memberi kesan presisi. Namun justru di titik ini, risiko terbesar muncul: data bisa menyesatkan, bukan karena salah, tetapi karena cara ia disajikan dan dibaca.

Buku klasik How to Lie with Statistics mengingatkan satu hal sederhana—kebohongan tidak selalu datang dari angka yang keliru. Ia sering muncul dari cara memilih, menyusun, dan menafsirkan data. Statistik bisa tampak rapi, tetapi tetap menipu.

Masalahnya bukan pada data, melainkan pada narasi yang dibangun di atasnya. Contoh paling sederhana adalah penggunaan statistik rata-rata. Ia memberi gambaran umum, tetapi sering menutupi realitas. Ketika satu kelompok sangat tinggi sementara yang lain tertinggal, rata-rata tetap terlihat “baik-baik saja”. Padahal distribusinya timpang. Di titik ini, median atau sebaran jauh lebih relevan, tetapi sering diabaikan karena tidak selalu mendukung cerita yang ingin disampaikan.

Bias yang sama muncul dalam pemilihan data. Kesimpulan kerap dibangun dari sampel yang tidak mewakili keseluruhan. Hasil survei bisa terlihat meyakinkan, tetapi jika tidak representatif, kesimpulannya bisa melenceng. Data tetap benar, tetapi tidak menggambarkan realitas secara utuh.

Hal yang sama berlaku pada pemilihan periode. Data bisa terlihat membaik atau memburuk hanya karena titik awalnya diubah. Grafik yang dimulai dari titik rendah akan tampak melonjak. Sebaliknya, jika dimulai dari titik tinggi, kesannya melemah. Realitasnya tidak berubah—yang berubah hanya cara bercerita.

Manipulasi visual memperkuat bias tersebut. Skala grafik dapat membuat perubahan kecil terlihat dramatis, atau sebaliknya, menyamarkan perubahan besar. Pada akhirnya, yang ditangkap pembaca sering kali bukan substansi, melainkan kesan.

Kesalahan lain yang kerap terjadi adalah menyamakan korelasi dengan sebab-akibat. Dua variabel yang bergerak bersama belum tentu saling memengaruhi. Namun dalam praktik, hubungan ini sering ditarik terlalu jauh tanpa dasar yang cukup kuat.

Di sinilah akal sehat menjadi pembeda. Data tidak cukup dibaca sebagai angka. Ia harus diuji dengan logika. Apakah masuk akal? Apakah konsisten dengan realitas? Apakah ada faktor lain yang belum diperhitungkan? Tanpa pertanyaan ini, analisis mudah berubah menjadi pembenaran.

Disiplin dan Integritas

Dalam konteks Indonesia, urgensi ini menjadi semakin nyata. Dunia bergerak dalam ketidakpastian tinggi. Harga energi bergejolak, rantai pasok belum sepenuhnya pulih, dan arah kebijakan global berubah cepat. Tekanan terhadap inflasi, nilai tukar, dan fiskal bisa datang tanpa banyak peringatan.

Dalam situasi seperti ini, kesalahan membaca data bukan lagi sekadar masalah teknis. Ia langsung berdampak pada arah kebijakan. Kenaikan harga minyak, misalnya, tidak cukup dibaca sebagai perubahan harga. Ia menyangkut asumsi APBN, elastisitas konsumsi, hingga beban subsidi dan defisit. Tanpa membaca secara utuh, respons bisa keliru—terlalu reaktif atau justru terlambat.

Hal yang sama berlaku pada kebijakan moneter. Kenaikan inflasi tidak cukup dilihat dari angkanya saja, tetapi dari sumbernya. Apakah didorong permintaan atau gangguan pasokan? Jika diagnosisnya salah, respons kebijakan juga akan salah sasaran.

Di sektor keuangan, interpretasi data menentukan arah intermediasi. Perlambatan kredit tidak selalu berarti masalah likuiditas. Sering kali persoalannya ada di sisi permintaan. Tanpa membaca indikator secara utuh—termasuk permintaan kredit dan undisbursed loan—kebijakan bisa salah arah, mendorong suplai ketika yang dibutuhkan justru pemulihan demand.

Inilah tantangan utama hari ini: bukan kekurangan data, tetapi risiko salah membaca data. Karena itu, disiplin dan integritas dalam membaca data harus menjadi bagian dari desain kebijakan.

Ada beberapa prinsip sederhana. Lihat konteks global dan domestik secara bersamaan. Pahami struktur di balik angka, bukan hanya agregatnya. Uji konsistensi antar-indikator. Dan yang tidak kalah penting, jaga independensi analisis—data harus dibaca apa adanya, bukan sesuai kebutuhan narasi.

Pada akhirnya, kebijakan yang baik selalu berangkat dari kejujuran terhadap data.

Dalam dunia yang semakin tidak pasti, akurasi membaca data menjadi fondasi stabilitas. Negara tidak hanya dituntut responsif, tetapi juga presisi. Terlalu cepat tanpa dasar yang kuat berisiko. Terlalu lambat karena ragu membaca data juga sama berbahayanya.

Karena itu, kualitas kebijakan tidak ditentukan oleh seberapa banyak data yang digunakan, tetapi oleh kejernihan dalam memahaminya. Data tetap penting. Tetapi tanpa akal sehat, ia mudah disalahgunakan.

Dan dalam kebijakan, salah membaca data bukan sekadar kekeliruan analisis—ia adalah biaya kolektif yang harus dibayar oleh seluruh perekonomian. Kesalahan kecil dalam membaca angka bisa mengarah pada keputusan besar yang salah arah, dengan dampak yang tidak mudah dipulihkan.

Di tengah banjir data, tantangan kita bukan lagi kekurangan informasi, melainkan menjaga kejernihan dalam memahaminya. Karena pada akhirnya, ekonomi yang kuat tidak dibangun dari banyaknya data, tetapi dari akal sehat dan integritas dalam menggunakannya.

*) Anton Hendranata:

Alumni Statistika IPB

Chief Economist PT Bank Rakyat Indonesia (Persero) Tbk

CEO BRI Research Institute

(Pandangan pribadi penulis)