Manipulasi Visualisasi Grafik Data Untuk Menciptakan Asumsi Semu

Tidak disangkal memang melihat visual grafik lebih nyaman dan lebih mudah dipahami dibandingkan dengan melihat data berupa angka-angka. Maka tidak heran kita sering disajikan informasi data sebuah perusahaan maupun data kinerja suatu permerintahan menggunakan visualisasi grafik.

Namun ternyata dengan visualisasi grafik yang mudah dipahami ini dapat dimanfaatkan untuk memanipulasi kinerja sebenarnya dibandingkan dengan sebelum-sebelumnya atau kata lain yang lebih halus, menciptakan asumsi sesuai keinginan. Ini sebenarnya trik-trik manipulasi yang biasanya digunakan oleh perusahaan besar maupun para politikus untuk menciptakan asumsi sesuai harapan pemilik data.

Dan manipulasi asumsi perbandingan data ini bisa dilakukan dengan beberapa cara lho. Cara ini dikupas dan dijelaskan secara gamblang dari Ted Ed, How to spot a misleading graph – Lea Gaslowitz

Contoh pertama:

manipulasi grafik penjualan mobil chevy

 

Di grafik ini, nampak secara visual bahwa penjualan mobil buatan Chevy hampir 2x melampaui penjualan mobil buatan Toyota.

Tapi perhatikan baik-baik label angka di bagian kiri grafik tersebut. Grafiknya memiliki rentang dari 95–100%. Dan jika dilihat dengan teliti, penjualan Toyota berada di kisaran 96,5% dan Chevy di kisaran 98,5%. Hanya beda 2% namun tampilan grafik tersebut seolah-olah Chevy dan Toyota terpaut jauh.

Jika grafiknya dibuat dari 0–100%, maka penampakannya akan tampak seperti ini:

 

grafik penjualan mobil chevy

Nyaris tidak ada bedanya.

Contoh lainnya manipulasi asumsi dengan visualisasi grafik:

 

grafik penganguran amerika

Lihat apa yang janggal? Ini lebih jelasnya:

 

manipulasi grafik penganguran amerika

Ternyata grafik yang dihasilkan menggunakan skala jangka waktunya yang tidak konsisten.

Ini adalah contoh jika jangka waktunya dibuat konsisten tanpa di manipulasi:

grafik penganguran amerika realgrafik penganguran amerika real

Selain jangka waktu yang tidak konsisten, pengambilan data yang diambil untuk dibuatkan ke dalam bentuk grafik, sering kali teknik cherry picking. Lebih jelasnya bisa lihat videonya dibawah.

Contoh lainnya lagi grafik menciptakan asumsi:

perbedaan data visualisasi temperatur laut

 

Kedua grafik di atas adalah grafik perubahan suhu laut dari tahun 1880 sampai 2016.

data grafik temperatur laut global

Grafik pertama, menunjukkan suhu rata-rata laut. Perhatikan indikator suhu pada bagian kiri. Terlihat tidak ada perubahan yang berarti, kan?

Padahal perubahan sekecil 0.5°C pun, akan membawa DAMPAK BESAR pada lingkungan.

data grafik visualisasi temperatur laut

 

Maka dari itu grafik kedua, yang menunjukkan rata-rata perubahan suhu laut jauh lebih berguna. Perhatikan indikator suhu pada bagian kiri.

Perlu saya tekankan bahwa semua grafik di atas dibuat berdasarkan data yang valid. Bukan data fiktif. Namun cara penyampaian grafik tersebutlah yang menciptakan asumsi.

Contoh yang paling mudah dipahami adalah contoh pertama tadi. Chevy membuat grafik tersebut seolah-olah produk mereka jauh di atas pesaing mereka. Padahal presentasi grafik tersebut sangat menyesatkan.

Mempresentasikan grafik dengan cara-cara yang manipulatif, sangat menyesatkan dan berbahaya bagi yang melihat grafik tersebut.

Maka dari itu, ketika Anda melihat sebuah grafik, perhatikan hal ini baik-baik:

  • Label dari grafik tersebut
  • Angka yang ada
  • Skala yang digunakan
  • Serta apa konteks dari grafik tersebut.

Dijelaskan dengan sangat baik di video ini:

Bagaimana Pendapat Anda?

  • WordPress
  • Facebook
Leave a Reply

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.