penyebab
statistika kurang diminati? Bagaimana dampak kekurangan minat pada bidang statistik ini dalam kehidupan masyarakat? Semua itu muncul dalam benak saya sehabis membaca informasi dalam siaran press itu.
Teringat pada waktu kuliah dulu, ada seorang mahasiswa yang tidak naik kelas di tahun kedua. Orang tua sang mahasiswa menulis surat ke Rektor IPB yang dibacakan oleh beliau di depan kelas. Surat itu pada dasarnya mempertanyakan mengenai anaknya. Katanya anak saya itu pandai, kenapa dia tidak naik kelas? Kan “Statistik kerjanya hanya menghitung angka, masak anak saya nggak mampu
berhitung”. Masalah ini ditanggapi cukup serius waktu itu, karena untuk meluruskan pandangan orang tentang Statistik.
Sudah bukan rahasia lagi bahwa pelajaran Statistik adalah momok bagi mahasiswa. Tidak hanya di Indonesia di Amerika pun sama saja, sehingga banyak yang menghindar untuk mengambil
matakuliah Statistik kalau memungkinkan. Hal ini bukan karena tingkat kesulitan dari mata pelajaran Statistik itu sendiri tetapi “image” yang berkembang sebelumnya sudah menakutkan. Pada waktu saya mengambil matakuliah Statistics Theory, waktu
pelajaran kepala 4000 an (untuk Undergraduate Senior, dan Master) masih sekitar 15 orang per kelas mahasiswanya. Kelas 5000 an (untuk Master dan PhD) turun menjadi sekitar 10, dan kelas 6000 an (khusus untuk PhD) hanya tinggal 3 orang. Siapa yang mau
mengambil kelas yang isinya hanya tiga orang, belum lagi kalau dosennya galak? Tentunya kelas ini diambil hanya karena
diwajibkan. Untuk kelas-kelas Statistik Terapan jumlah
memang kalau orang-orang Amerika sendiri agak kurang berminat pada jurusan ini. Jangan tanya bagaimana saya bisa menarik
inference seperti ini karena saya tidak bisa membuktikannya secara empirik.
Ilmu Statistik itu muncul sebenarnya karena kita semua punya keterbatasan. Keterbatasan dalam arti waktu, biaya, sumber daya manusia dll. Selain itu kalaupun kita tidak mempunyai keterbatasan dan bisa melakukan sensus, ada populasi tertentu yang hampir tidak mungkin kita hitung rata-ratanya. Contohnya, bagaimana kita menghitung rata-rata usia orang Indonesia secara tepat. Setiap menit ada yang lahir dan ada yang meninggal, setiap hari ada yang keluar dan ada yang masuk ke Indonesia, ada pula yang tidak mau dirinya dihitung dst. Jadi hampir tidak mungkin kita bisa menghitung rata-rata usia orang Indonesia secara tepat. Disinilah perlunya
statistik. Istilah-istilah seperti sample, survey, standard error misalnya, semuanya memperlihatkan bagaimana dengan
keterbatasan yang ada kita bisa melakukan inferenceinference yang tepat pula. Bagaimana memilih alat ini adalah suatu seni. yang mendekati kebenaran. Jadi kalau dilihat statistik adalah suatu alat yang kalau digunakan untuk situasi yang tepat akan menghasilkan Mungkin ada contoh menarik yang sangat popular di sini, sewaktu ada mahasisiwa yang mau meneliti mengenai kebiasaan minum minuman keras dari kalangan mahasiswa secara umum. Mahasiswa tersebut lalu mengambil samplenya di pintu library kampus
Community College di malam hari. Dia mengambil sample setiap orang yang keluar dari library pada malam itu. Hasilnya bisa di duga akan sangat bias karena sample yang diambil hanya dari
pengunjung Community College Library, tidak memasukkan mahasiswa dari regular 4 years College. Karena penelitian
dilakukan di malam hari, kemungkinan besar mahasiswanya berusia lebih tua dari rata-rata mahasiswa regular dan biasanya sudah mempunyai pekerjaan tetap. Dan yang paling penting secara umum mahasiswa yang ke library pada malam hari kecil kemungkinannya adalah juga peminum yang kuat. Jadi bisa diduga kesimpulan dari survey ini sangat bias karena sample yang diambil tidak
representatif.
sehingga bibit baru tumbuh dari bekas panen sebelumnya.
Tujuannya agar petani tidak perlu membeli bibit lagi. Sebelum di lempar ke masyarakat harusnya pemerintah tahu kalau sifat penelitian seperti itu adalah repeatable, dalam arti kalau diulang dalam kondisi yang sama akan mengeluarkan hasil yang sama. Ternyata setelah dipasarkan, ditanam oleh petani didaerah lain gagal menghasilkan hasil yang sama dengan yang dijanjikan.
Terlihat bahwa pemerintah tidak terlalu perduli dengan statistik. Jika perduli tentunya sebelum benih dari padi ini dilempar ke
masyarakat, mereka akan melakukan penelitian kembali dengan kondisi yang berbeda, lokasi yang berbeda dst. Dan apakah akan memberikan hasil yang sama? Untuk hal ini alangkah baiknya melibatkan orang yang mengetahui lebih dalam tentang
experimental design sehingga design penelitiannya lebih baik dan hasilnya lebih meyakinkan.
Banyak yang bisa dilakukan kalau kita familiar dengan statistik. Yang paling penting adalah kita bisa menjadi lebih berhati-hati kalau membaca kesimpulan dari suatu penelitian. Misalnya pada waktu UUP akan di undangkan, ada salah satu badan yang mengadakan jajak pendapat (maaf, lupa nama badannya). Kesimpulan yang di peroleh adalah sebagian besar masyarakat Indonesia menyetujui RUUP ini. Begitu membaca, pertanyaan yang muncul tentunya
adalah bagaimana jajak pendapat (opinion polls) ini dilakukan. Lalu apakah sample yang diambil sudah representatif, lalu berapa besar sample-nya dan masih banyak lagi pertanyaan yang bisa diajukan. Coba misalnya kita ganti lokasi samplenya dengan sample yang berasal dari daerah Bali atau Papua, apakah kesimpulannya akan tetap sama? Terlihat bahwa betapa berbahayanya kalau salah menyimpulkan, dan kesimpulan itu digunakan untuk kebijaksanaan pemerintah. Contoh lain dalam bidang pemasaran yang pernah saya temui adalah ada perusahaan yang hampir bangkrut karena
kesalahan dalam pengambilan keputusan. Hasil survey yang diperoleh perusahaan itu mengatakan kalau permintaan bahan bangunan tertentu sedang tinggi. Perusahaan tersebut lalu
mengimpor bahan-bahan bangunan tersebut sebanyak-banyaknya, yang ternyata tidak laku terjual. Ternyata survey tersebut tidak valid sehingga kesimpulannya salah.
