Seluruh course ini berbicara tentang cara mengolah data; chapter ini berbicara tentang data itu sendiri sebagai barang yang berharga dan berisiko. Setiap tabel yang kita analisis berasal dari orang-orang yang memberikan jawaban, transaksi, atau jejak digital mereka — sering tanpa memahami ke mana data itu mengalir. Pada saat yang sama, keputusan metodologis yang tampak teknis (apa yang diukur, siapa yang dikeluarkan, bagaimana tabel diagregasi) selalu punya sisi etika. Chapter ini merangkum prinsip dan praktik yang menjaga analisis tetap sah secara ilmiah sekaligus aman bagi orang-orang di balik datanya.

Keputusan Statistik adalah Keputusan Etika #

Statistik tidak pernah sepenuhnya netral, karena tiga pilihan selalu diambil manusia sebelum rumus bekerja. Pertama, apa yang diukur: mendefinisikan “keberhasilan sekolah” sebagai nilai ujian membuat sekolah menggeser sumber daya ke hal yang diukur dan meninggalkan yang tidak diukur; mendefinisikan “kemiskinan” dengan satu garis batas menentukan siapa yang berhak atas bantuan. Kedua, siapa yang dimasukkan: kelompok yang tidak terwakili dalam sampel tidak akan terwakili dalam kebijakan yang dibangun dari sampel itu. Ketiga, bagaimana angka dibingkai: persentase yang sama dapat diberitakan sebagai kemajuan atau kemunduran bergantung pembanding yang dipilih — tema chapter Misleading Statistics. Analis yang menyadari ketiga pilihan itu akan menuliskannya secara terbuka; analis yang tidak menyadarinya menjalankan pilihan itu diam-diam.

Kerahasiaan Data Sensus sebagai Standar #

Lembaga statistik resmi menempatkan kerahasiaan responden sebagai fondasi kerja. Di Indonesia, BPS mengumpulkan data sensus dan survei dengan jaminan bahwa data perseorangan dijaga kerahasiaannya dan diatur undang-undang; di Amerika Serikat, Census Bureau bekerja di bawah aturan federal yang dikenal sebagai Title 13, yang melarang data identitas responden dipakai untuk tujuan selain statistik dan mengenakan sanksi bagi pelanggarnya. Aturan seketat itu bukan formalitas: kualitas statistik resmi bergantung pada kesediaan warga menjawab dengan jujur, dan kesediaan itu bergantung pada keyakinan bahwa jawaban tidak jatuh ke tangan yang salah. Kepercayaan semacam ini dibangun dalam puluhan tahun dan bisa runtuh dalam satu kejadian; karena itu tradisi kerahasiaan lembaga statistik layak dianggap standar minimal bagi siapa pun yang mengumpulkan data dari manusia.

Prinsip Etika Data Sehari-hari #

Tiga prinsip menutupi sebagian besar keputusan sehari-hari. Persetujuan yang terinformasi (informed consent): responden tahu data apa yang dikumpulkan, untuk apa, dan dapat menolak atau menarik diri. Minimisasi data: kumpulkan hanya variabel yang benar-benar diperlukan untuk tujuan analisis — setiap kolom tambahan adalah tanggung jawab sekaligus risiko tambahan. Pembatasan tujuan: data yang dikumpulkan untuk keperluan statistik tidak otomatis boleh dipakai untuk keperluan lain seperti pemasaran atau penegakan aturan. Ketiganya mengikuti logika yang sama dengan kerahasiaan sensus: semakin sedikit dan semakin terarah data yang kita pegang, semakin kecil kemampuan data itu untuk merugikan orang.

Anonimisasi dan Pseudonimisasi #

Dua kata ini sering dipakai bergantian padahal konsekuensinya berbeda. Pseudonimisasi mengganti identitas dengan kode sementara atribut lain dibiarkan utuh: baris (“Budi Santoso”, “12 April 1990”, “Jl. Kenanga 5”, “diagnosis X”) menjadi (“P-0471”, “12 April 1990”, “Jl. Kenanga 5”, “diagnosis X”). Tabel kunci yang memetakan kode ke nama masih tersimpan di suatu tempat, sehingga prosesnya bisa dibalik — dan data semacam ini tetap terhitung data pribadi dalam hampir semua kerangka regulasi. Anonimisasi melepas identitas secara tidak dapat dibalik: (“P-0471”, “30-34 tahun”, “Kecamatan Kenanga”, “diagnosis X”) — tanggal lahir menjadi kelompok usia, alamat menjadi wilayah, dan tidak ada tabel kunci di mana pun. Pemahaman beda keduanya menentukan klaim apa yang boleh dibuat tentang sebuah dataset.

Agregasi dan Penyuntingan Sel Kecil #

Publikasi tabel frekuensi punya batas bawah. Tabel “jumlah penerima bantuan per kelurahan per kategori pekerjaan” yang memuat sel berisi dua orang akan mengungkap kedua individu itu kepada siapa pun yang mengenal demografi kelurahannya — kategori yang langka plus wilayah yang kecil adalah resep identifikasi. Praktik standar lembaga statistik karena itu menyunting sel kecil: pedoman umum yang dipakai banyak lembaga menahan publikasi sel dengan penghitung di bawah 5, lalu menggabungkannya dengan kategori tetangga atau wilayah yang lebih besar. Pembaca kehilangan detail, dan itu memang harga yang dibayar agar tabel tidak menjadi alat pelacak orang. Sebagai analis, kebiasaan yang sama berlaku: periksa sel terkecil dari tabel sebelum tabel itu diterbitkan.

Risiko Re-identification #

Dataset yang “sudah anonim” kerap tidak seanonim klaimnya. Studi klasik tentang keunikan data menunjukkan bahwa kombinasi kode pos, tanggal lahir, dan jenis kelamin cukup untuk membedakan mayoritas penduduk Amerika Serikat — tiga kolom yang tampak tidak berbahaya menjadi sidik jari ketika berada bersama. Dua kejadian yang sering dikutip: dataset log pencarian daring yang dirilis untuk keperluan riset berhasil dikaitkan kembali ke individu tertentu lewat pola pencarian yang khas, dan dataset penilaian film yang dirilis untuk kompetisi sistem rekomendasi berhasil sebagian diidentifikasi ulang dengan menggabungkannya dengan basis penilaian publik lain. Pelajarannya satu: yang menentukan apakah data dapat mengenali orang adalah keunikan kombinasi kolom, bukan hilangnya kolom nama.

Bias Algoritmik dalam Satu Paragraf #

Analisis yang diotomatisasi mewarisi sejarah datanya. Model yang dilatih pada data keputusan masa lalu akan mempelajari pola keputusan masa lalu, termasuk pola yang merugikan kelompok tertentu; karena itu keputusan yang diambil model dapat memperpanjang ketimpangan yang sama sambil tampak netral karena “hanya mengikuti data”. Penyebab-penyebabnya — sampel yang tidak mewakili, non-respon, dan definisi variabel yang bias — telah dibedah pada chapter Bias dan Kualitas Data di Section Pengumpulan dan Jenis Data. Konsekuensinya cukup ditegaskan sekali: sebelum model atau uji statistik apa pun dipakai untuk menilai manusia, pertanyaan pertamanya adalah data latih itu berasal dari keputusan siapa.

GDPR dan UU PDP #

Dua kerangka regulasi layak dikenal setiap analis. GDPR, regulasi perlindungan data Uni Eropa yang berlaku sejak 2018, menjadikan persetujuan, minimisasi, pembatasan tujuan, hak akses, dan hak penghapusan sebagai kewajiban pengendali data, dengan sanksi administratif yang besar. Indonesia memiliki UU Pelindungan Data Pribadi (UU PDP) — UU No. 27/2022 — yang disahkan tahun 2022 dan memberikan masa transisi dua tahun setelah diundangkan bagi penyesuaian sistem; prinsip-prinsipnya sejalan dengan GDPR: pemrosesan yang sah dan terbatas tujuan, transparansi, serta akuntabilitas pengendali data. Analis tidak perlu menjadi ahli hukum, tetapi perlu tahu bahwa “karena datanya sudah ada” bukan dasar pemrosesan yang sah di kedua kerangka itu.

Kode Etik Statistisi #

Profesi statistik punya panduan etika yang lebih tua dari regulasi perlindungan data modern. Declaration on Professional Ethics dari International Statistical Institute (ISI) merinci kewajiban statistisi terhadap masyarakat dan subjek data — antara lain menjaga kerahasiaan responden, menolak penyajian yang menyesatkan, melaporkan ketidakpastian secara jujur, dan membuka metodologi untuk pemeriksaan. Kode semacam ini berguna justru pada situasi yang belum diatur undang-undang: keputusan sehari-hari tentang tabel mana yang layak diterbitkan dan bagaimana angka dirangkai. Teks deklarasinya dapat dibaca pada laman ISI .

Praktik Aman untuk Analis #

Sebagian besar risiko bisa ditutup dengan kebiasaan yang murah dan konsisten:

  • Pseudonymize sedini mungkin: ganti identitas dengan kode sebelum data masuk tahap analisis.
  • Jangan mengumpulkan variabel yang tidak masuk rencana analisis.
  • Setelah agregasi, hapus atau kunci tabel kunci identitas.
  • Periksa sel kecil (pedoman umum: penghitung di bawah 5) sebelum tabel dipublikasikan.
  • Uji keunikan kombinasi kolom yang akan dirilis bersama.
  • Catat dasar persetujuan responden beserta batasan penggunaannya.
  • Batasi akses dataset mentah hanya pada orang yang mengerjakannya.

Checklist Etika Sebelum Publikasi #

Satu daftar terakhir menutup section ini — pertanyaan yang layak dijawab sebelum analisis apa pun meninggalkan meja kita:

  1. Apakah setiap responden memberikan persetujuan yang terdokumentasi untuk tujuan ini?
  2. Apakah data identitas masih diperlukan, atau sudah waktunya dihapus atau dipseudonymize?
  3. Apakah ada sel kecil (penghitung di bawah 5) yang bisa mengenali individu pada tabel yang akan dirilis?
  4. Apakah kombinasi kolom yang dipublikasikan cukup unik untuk memungkinkan re-identification?
  5. Apakah kelompok kecil dilaporkan dengan bingkai yang adil dan tidak melabeli?
  6. Apakah metodologi, pembatasan, dan sumber pendanaan ditulis secara terbuka?
  7. Apakah pembaca tahu siapa yang mengumpulkan data dan untuk tujuan apa?

Dengan kerangka membaca, kehati-hatian interpretasi, dan kesadaran etika ini, perlengkapan kita lengkap: statistika sebagai alat yang kuat sekaligus alat yang menuntut tanggung jawab. Section berikutnya, Proyek, mengajak memakai seluruh perangkat itu pada tiga analisis utuh — data nilai siswa, harga komoditas, dan dataset dengan Python — dari pertanyaan pertama hingga laporan akhir. Standar resmi untuk praktik statistik dan kerahasiaan data di Indonesia dapat ditelusuri di BPS .