Statistika deskriptif: celah dan bagaimana mengatasinya

Pemilu 1992 di Inggris Setelah kajian yang mendalam dan hati - hati, partai buruh menyatakan mereka akan menaikkan pajak untuk orang - orang kaya. Partai konservative serta merta membuat pernyataan kampanye, " The average family is going to pay 1000 pounds in additional taxes. Can you afford that?" Hasil pemilu: partai buruh kalah. (http://www.bbc.co.uk/news/special/politics97/background/pastelec/92keyiss.shtml) Apa yang salah? Padahal sesungguhnya, sekitar 80 % penduduk Inggris sebenarnya akan menerima keuntungan dari kebijakan partai buruh tersebut (karena tunjangan pribadi dari pemerintah akan dinaikkan). Perekonomian Yunani Sepintas dari grafik terlihat bahwa perekonomian Yunani berkembang sangat baik. Perhatikan saja pertumbuhan total hutang negara, di tiga batang pertama terjadi peningkatan tajam, namun di empat batang terakhir tidak ada penambahan hutang yang berarti.   Kenyataannya? Baru - baru ini Yunani dinyatakan bangkrut! Rumah idaman murah  Anda diberi penawaran yang menggiurkan dari salah satu agen penjualan rumah. "Rumah real estate harga super murah" demikian kira - kira slogannya. Anda pun segera mendatangi kantor pemasaran terkait. Foto - foto rumah idaman terpampang indah di galeri kantor pemasaran. Rupanya mereka membangun beberapa kelas rumah, dari kelas sederhana sampai kelas real estate. Oleh salah satu pegawai , anda disuguhi data - data yang menenteramkan hati.  Apa yang tertulis di iklan tidak meleset, toh di statistik yang disajikan tertulis rata - rata harga penjualan rumah yang dicapai selama ini. Memang terjangkau, batin anda. Namun, tak lama kemudian Anda terpaksa melangkah lunglai menjauhi kantor tersebut. Selamat tinggal rumah idaman. Kenapa? Bukankah tadi katanya terjangkau? Apa yang salah? (Sumber: Buku "Statistika Tanpa Stres") Contoh - contoh di atas adalah bagaimana statistik sederhana bisa disalahgunakan jika tidak dianalisa secara cermat. Bagaimana dalam kehidupan sehari - hari, seringkali kita mendengar ungkapan: secara rata - rata, kebanyakan, dan semacamnya. Statistika sederhana semacam ini, sebenarnya mudah sekali memberikan kenyataan yang 'menyesatkan', jika tidak didampingi oleh ukuran pendukung lainnya. Karena itulah, kenapa setiap pembahasan mengenai ukuran pemusatan, selalu harus didampingi dengan ukuran penyebaran.  Kenapa sebelum meringkas data, entah dalam bentuk tabel maupun grafik, perhatikan skala data, sumbu grafik, dan hal terkait lainnya. Kelihatannya sepele, bukan? Ah, itu mah otomatis... Tapi, tak jarang kita 'tertipu' seperti ditunjukkan oleh ilustrasi di atas. Bagaimana supaya kita terhindar dari hal - hal di atas? Hal ini dibahas di salah satu artikel "tau-data Indonesia". Silakan dibaca ya :) Note: Jika anda tahu apa yang salah dengan ketiga contoh di atas, silakan tulis di kolom comment ya.