Cara Uji Data (Ampuh dan Paling Cepat)

Kebanyakan, yang dianggap data, belum terbebas sepenuhnya dari asumsi dan penghakiman. Jika data tidak kita uji, hasilnya tidak layak dipakai sebagai pernyataan ilmiah.

Data yang Kita Butuhkan

Data yang layak “saya” butuhkan adalah:

• Memiliki konteks bernilai tinggi. Data bernilai karena konteks data. Kurs ETH (Etherium) hari ini, sekadar data. Akan menarik jika kita sampaikan konteks data itu, misalnya dengan mengaitkan itu dengan kurs ETH “sebelum” peperangan Russia-Ukraina, sehingga kita dapat data bahwa Ukraina buka donasi untuk perang berbentuk ETH. Sejak kapan ada perang buka donasi publik?
• Relevan. Jika tak-relevan, tinggalkan saja.
• Berhubungan dengan data lain dan memperkuat data lain. Tidak ada data yang sendirian. Data selalu terhubung dengan data lain, sehingga di sinilah suatu data bisa terlihat kuat, atau sebaliknya: layak dibandingkan dengan data lain yang dianggap bertentangan. Misalnya: standar kesejahteraan penduduk, diukur dengan versi berbeda-beda. Contohnya bisa kita lihat dalam “Mengupas Angka PDRB per Kapita Jawa Tengah“.
• Reliabilitas tinggi. Reliabilitas data adalah derajat konsistensi data yang bersangkutan. Realibilitas berkenaan dengan pertanyaan, apakah suatu data dapat dipercaya sesuai dengan kriteria yang telah ditetapkan.
• Validated. Sudah teruji.

Apa yang sering disebut orang sebagai data, kebanyakan berupa “fakta plus asumsi”. Pernyataan “kotor”, belum melewati filter, subyektif, dan perlu pengujian.

Cara Menguji Data

Bagaimana cara uji data?

Pisahkan Data dari Asumsi

Orang menciptakan interpretasi, hipotesis, atau prediksi. Jika kamu melakukan pengujian secara ketat, kebanyakan orang adalah pencerita dan pembohong. Jarang sekali yang berperan sebagai penyaji-data.

Uji dengan 4 pertanyaan berikut, untuk pisahkan data dari asumsi:

Kamu bisa memakai 4 pertanyaan ini untuk menguji suatu data, agar terpisahkan dari asumsi:

1. HOW-TO. Bagaimana cara kamu mengenal itu? Sekilas atau intensif?
2. EPISTEMOLOGY. Bagaimana cara kamu tahu? Dari perkataan orang atau dari hasil riset kamu?
3. EVIDENCE. Apa buktinya? Tanpa bukti, berarti hanya asumsi.
4. GENEALOGY. Apa yang membuatmu berpikir seperti itu? Pelajari faktor-faktor dan proses terbentuknya data ini.

Hindari Generalisasi

Generalisasi mengubah yang partikular (khusus) menjadi universal (umum).

Generalisasi merupak tindakan berbahaya, karena membuat kesimpulan tergesa-gesa, dan menyamaratakan konteks. Ini tindakan berbahaya.

Kata yang sering dipakai dalam proses “generalisasi”:

• Selalu
• Tidak pernah
• Tidak seorangpun
• Semua orang

Lawan “generalisasi” dengan..

• Detail.
• Spesifik.
• Kontekstual.

Bebaskan dari Keterbatasan

Sering terjadi: pelarangan atau kewajiban imajiner yang membatasi pilihan, ketika kita sedang menguji data.

Orang sering “tidak bisa” dan “tidak berdaya” ketika sebenarnya mereka bisa.

Pandangan terhadap agama yang tidak membebaskan, kelas sosial, politik kantor, pekerjaan formal, skema feodalisme, tidak melihat dunia secara apa adanya, semua itu membuat pilihan terbatas.

Bagaimana mengatasi keterbatasan ketika akan mengakses data?

Ketika sumber informasi kamu berkata “Saya harus..” (menolak dengan memberikan syarat berat), katakan konsekuensi jika mereka membatasi, “Apa yang terjadi jika?”.

• Apa yang terjadi jika publik tidak tahu?
• Apa yang terjadi jika informasi ini didiamkan?
• Apa efeknya bagi..
• Apa kerugian yang akan ditanggung?

Ingat selalu, kebanyakan narasumber ini “menilai” tanpa menceritakan “gambar besar” dan tidak menimbang konsekuensi berikutnya. Untuk menembusnya, ceritakan konsekuensi yang bisa terjadi.

Ketika mereka mengatakan “Saya tidak bisa..” kamu harus abaikan ketakutan pada hasil. Misalnya, ia bilang “saya tidak bisa -bercerita-“, berarti masalahnya pada “metode bercerita”, sehingga ia tidak bisa mencapai hasil bernama ” bisa bercerita”.

Bebaskan Data dari Penghakiman (Judgement)

Penghakiman itu penilaian subyektif terhadap sesuatu, situasi, atau seseorang.

Menilai boleh, tetapi kalau berbentuk penghakiman, hasilnya akan mengecewakan jika diterapkan pada data.

Orang sering memotong di tengah, dengan penilaian “kemarin”, bukan “sekarang”. Ini bisa karena pengalaman buruk, data yang tidak lengkap, atau asumsi awal.

Bagaimana agar terbebas dari penghakiman?

Kita bisa blokir penghakiman sepihak, dengan 4 pertanyaan berikut:

• SOURCE. Siapa yang mengatakan kepadamu? Apakah sumbernya terpercaya?
• TANGIBLE. Dalam bentuk apa? Atau: Bagaimana wujudnya? Bisakah kita ukur dan kita inderai?
• DENIAL. Dalam hal apa ini tidak bisa diterima? Bertentangan dengan data lain?
• DECLASSIFIED. Adakah sesuatu dalam pikiranmu? Kecurigaan? Ingin mengejar lebih jauh dan menggali lebih dalam?

Setelah data menjadi data, barulah kita bisa memproses data itu.

Saya berikan 1 contoh, bagaimana menguji asumsi.

Kebanyakan orang menerima bahwa Steve Jobs membuat Apple. Hanya karena kebanyakan media menulis: Steve Jobs membuat Apple computer.

Coba gunakan cara di atas untuk menguji, benarkah data itu?

Setelah itu, coba baca artikel ini:

The Founding of Apple Computers, Inc.

https://guides.loc.gov/this-month-in-business-history/april/apple-computers-founded

Siapa yang mendirikan dan membuat Apple? (Credit: Library of Congress)Contoh lain. Kebanyakan orang menerima, skema “Piramida Kebutuhan Manusia” itu buatan Abraham Maslow. Kelas perkuliahan dan buku-buku psikologi banyak yang mengatakan demikian. Bisakah kamu menerima itu sebagai data?

Setelah kamu uji data itu, coba baca artikel ini:

Maslow tidak membuat piramida kebutuhan manusia. (Credit: Medium)Tentu saja kamu boleh tidak setuju dengan pendapat siapapun, asalkan bisa menguji data. Dengan cara ini, kamu bisa menguji banyak sekali data (tepatnya: yang dianggap sebagai data) ternyata hanya asumsi atau penghakiman.

Cara di atas dapat kamu terapkan di riset, menulis, membaca, dll. Sangat disarankan kalau kamu melakukan riset atau menulis sesuatu yang bernilai dan menantang pendapat publik. [dm]