Angka yang benar tetap bisa menyesatkan bila dibaca secara keliru. Section ini melatih membaca hasil statistik secara kritis, membedakan signifikansi statistik dan praktis, mengenali pola statistika menyesatkan, serta menjunjung etika dan privasi data.
Kerangka membaca laporan statistik dan survei milik orang lain: telusuri siapa pengumpul data, ukuran dan cara pengambilan sampel, definisi variabel, serta interval versus angka titik — lengkap dengan delapan pertanyaan skeptis sebelum memercayai sebuah angka.
Buka → # Statistical vs Practical SignificanceSignifikansi statistik hanya menyatakan bukti bahwa efek ada, bukan bahwa efek cukup besar untuk bermakna: pahami mekanisme sampel besar yang menurunkan ambang, peran effect size seperti Cohen's d, lebar confidence interval, dan pertimbangan biaya-manfaat dalam keputusan praktis.
Buka → # Kesalahan Interpretasi StatistikKatalog tujuh kesalahan interpretasi yang paling sering muncul — dari rata-rata dari rata-rata, pengabaian base rate, kekeliruan persentase poin, hingga ekstrapolasi linier — masing-masing dilengkapi contoh angka dan koreksi membacanya.
Buka → # Misleading StatisticsKenali teknik penyajian data yang menyesatkan: sumbu-y terpotong, jarak waktu tidak seragam, skala ganda dua sumbu, persentase tanpa dasar sampel, perbandingan tidak sebanding, hingga Simpson's paradox pada data penerimaan mahasiswa — ditutup checklist memeriksa grafik.
Buka → # Correlation vs CausationPerluas kewaspadaan korelasi-kausalitas ke ranah jurnalistik dan kebijakan: kenali hierarki bukti dari RCT hingga studi ekologi, bedah contoh confounder dan arah terbalik pada pemberitaan, lalu susun panduan melaporkan dan menilai klaim kausalitas secara bertanggung jawab.
Buka → # Etika dan Privasi DataStatistik tidak pernah netral: pahami kerahasiaan data sensus, prinsip persetujuan dan minimisasi, perbedaan anonimisasi dan pseudonimisasi, risiko re-identification, regulasi GDPR dan UU PDP, serta checklist etika sebelum mempublikasikan analisis.
Buka →