Korelasi 0.9981 antara jam belajar dan nilai pada chapter sebelumnya kuat, dan uji signifikansinya pun lolos dengan mulus. Bagian paling menyesatkan dari statistika dimulai tepat di sini: banyak orang melompat dari “keduanya berkorelasi” ke “yang satu menyebabkan yang lain”. Lompatan itu tidak sah. Dua variabel yang bergerak seiring hanya memberi tahu bahwa mereka bergerak seiring — untuk menyebut hubungan sebab-akibat, kita butuh bukti yang jenisnya berbeda. Chapter ini membedah tiga penjelasan alternatif di balik setiap korelasi yang teramati, mendemonstrasikan satu di antaranya dengan data sintetis, lalu menutup dengan pertanyaan skeptis yang layak diajukan sebelum memercayai korelasi mana pun.

Tiga Penjelasan di Balik Satu Korelasi #

Kapan pun korelasi antara X dan Y teramati, peta lengkap kemungkinannya hanya berisi beberapa jalur — dan hanya satu di antaranya adalah sebab-akibat:

Diagram ini bukan formalitas: pada studi observasional — penelitian yang hanya mengamati tanpa mengatur perlakuan — tiga jalur pertama selalu terbuka, dan data semata tidak bisa memilihkan jalurnya. Kita bedah ketiganya satu per satu.

Jalur Pertama: Kebetulan (Korelasi Semu) #

Dengan cukup banyak pasangan variabel yang dicoba, korelasi yang tampak mengesankan pasti muncul dari kebetulan murni. Contoh klasik yang sering dikutip dari kumpulan korelasi semu (ilustratif — perlakukan angkanya sebagai gurauan statistik, bukan data resmi): jumlah film yang dibintangi seorang aktor terkenal per tahun dilaporkan berkorelasi kuat dengan jumlah insiden di kolam renang pada tahun yang sama. Tidak ada mekanisme yang masuk akal menghubungkan keduanya; yang terjadi adalah ribuan kombinasi deret waktu diadu, dan yang kebetulan tinggi dipilih untuk dipajang.

Peluangnya diperbesar oleh dua kebiasaan modern: penggalian data otomatis yang menguji ribuan pasangan variabel sekaligus, dan kecenderungan hanya melaporkan yang berhasil. Menguji 1.000 pasangan variabel yang sesungguhnya saling bebas tetap menyisakan sekitar 50 korelasi “signifikan” pada α = 0.05 — tema yang berbatasan dengan pembahasan p-value pada Section Pengujian Hipotesis. Korelasi kebetulan biasanya menghilang saat sampel diperbesar atau diteliti ulang oleh pihak lain.

Jalur Kedua: Variabel Pengacau (Confounding) #

Penjelasan paling umum di dunia nyata: variabel ketiga — confounder atau variabel pengacau — mendorong X dan Y sekaligus sehingga keduanya tampak bergerak seiring tanpa saling memengaruhi. Dua contoh standarnya:

  • Penjualan es krim dan kejadian dehidrasi berkorelasi positif setiap tahun — bukan karena es krim berhubungan dengan dehidrasi, melainkan karena musim kemarau yang panas menaikkan keduanya bersamaan: orang membeli es krim lebih banyak dan beraktivitas di bawah matahari lebih lama.
  • Jumlah petugas pemadam yang dikerahkan berkorelasi positif dengan luas area kebakaran yang terjadi — bukan karena mengerahkan petugas memperluas kebakaran, melainkan karena kebakaran besar yang memanggil lebih banyak petugas. Di kota besar dengan bangunan luas dan padat, keduanya sama-sama tinggi.

Pada kedua contoh itu, korelasi X dan Y nyata — angkanya bisa diverifikasi — tetapi cerita sebab-akibatnya keliru karena variabel ketiga (musim, skala kota) belum diperhitungkan.

Demonstrasi Confounder pada Data Sintetis #

Mekanisme confounding bisa dibangun dan dipecahkan secara numerik dengan data kecil. Sepuluh hari observasi dibagi lima hari panas (suhu 31-35 °C) dan lima hari sejuk (21-25 °C); penjualan es krim (lusin per hari) dan jumlah kasus dehidrasi di pos kesehatan (kasus per hari) sama-sama naik saat suhu naik:

python 
import statistics

suhu = [31, 32, 33, 34, 35, 21, 22, 23, 24, 25]
es_krim = [29, 34, 32, 35, 35, 20, 23, 21, 26, 25]
dehidrasi = [13, 10, 14, 13, 15, 2, 1, 5, 2, 5]

print(f"r es krim vs dehidrasi (semua hari) = {statistics.correlation(es_krim, dehidrasi):.4f}")
print(f"r suhu vs es krim                   = {statistics.correlation(suhu, es_krim):.4f}")
print(f"r suhu vs dehidrasi                 = {statistics.correlation(suhu, dehidrasi):.4f}")
print(f"r es krim vs dehidrasi (hari panas) = {statistics.correlation(es_krim[:5], dehidrasi[:5]):.4f}")
print(f"r es krim vs dehidrasi (hari sejuk) = {statistics.correlation(es_krim[5:], dehidrasi[5:]):.4f}")

Output yang Dihasilkan:

text 
r es krim vs dehidrasi (semua hari) = 0.8628
r suhu vs es krim                   = 0.9665
r suhu vs dehidrasi                 = 0.9636
r es krim vs dehidrasi (hari panas) = 0.0000
r es krim vs dehidrasi (hari sejuk) = 0.0000

Mari kita bedah kode di atas:

  1. Baris 7 (korelasi yang menipu): menggabungkan seluruh sepuluh hari, es krim dan dehidrasi berkorelasi 0.8628 — kuat menurut pedoman chapter Korelasi, dan persis jenis angka yang sering dilaporkan media sebagai hubungan.
  2. Baris 8-9 (jejak pengacau): suhu berkorelasi 0.9665 dengan es krim dan 0.9636 dengan dehidrasi — variabel ketiga ini hampir menjelaskan keduanya sendirian.
  3. Baris 10-11 (mengurai): ketika suhu ditahan konstan — korelasi dihitung terpisah pada lima hari panas dan lima hari sejuk — korelasi es krim dengan dehidrasi jatuh ke tepat 0.0000. Hubungan yang tampak nyaris sempurna itu sepenuhnya pinjaman dari suhu.

Jalur Ketiga: Arah yang Terbalik #

Kadang sebab-akibatnya nyata, tetapi arahnya berlawanan dari yang kita duga. Siswa dengan nilai tinggi memiliki kepercayaan diri tinggi — tetapi manakah yang mendahului? Kepercayaan diri mendorong belajar lebih giat (kepercayaan diri → nilai), atau nilai yang membaik menumbuhkan kepercayaan diri (nilai → kepercayaan diri), atau keduanya saling menguatkan bergantian. Data korelasional tidak membedakan ketiganya. Kehati-hatian sama berlaku pada contoh klasik arsitektur: kota dengan banyak gedung megah tampak makmur, padahal kemakmuranlah yang mendanai gedungnya — membaca arah dari korelasi semata bisa membalikkan keseluruhan cerita.

Kapan Kausalitas Bisa Diklaim #

Alat yang sah untuk klaim sebab-akibat adalah eksperimen terkontrol dengan randomisasi: peserta dialokasikan secara acak ke kelompok perlakuan dan kelompok pembanding, sehingga variabel pengacau tersebar hampir seimbang di kedua kelompok dan selisih hasil dapat diatribusikan ke perlakuan. Prinsip ini sudah kita kenal pada pembahasan metode pengumpulan data di Section Pengumpulan dan Jenis Data, dan statistikanya dikerjakan lewat uji hipotesis dua sampel dari Section Pengujian Hipotesis. Ketika randomisasi tidak mungkin dilakukan — karena alasan etika atau praktis — studi observasional tetap bisa membangun dugaan kausalitas, tetapi harus bekerja lebih keras: mengontrol confounder lewat desain (mencocokkan kelompok, membatasi rentang variabel) atau lewat analisis, memeriksa urutan waktu, dan mencari dosis-respon.

Kasus paling terkenal adalah merokok dan kanker paru. Tidak pernah ada eksperimen yang meminta sekelompok orang merokok selama puluhan tahun, sehingga buktinya seluruhnya observasional — namun klaim kausalitasnya tetap kokoh karena bersifat kumulatif: korelasi yang kuat dan konsisten lintas negara dan dekade, dosis-respon yang jelas (semakin banyak rokok, semakin tinggi risiko), urutan waktu yang benar (merokok mendahului diagnosis), dan mekanisme biologis yang terukur — zat pemicu kanker dalam asap rokok. Satu korelasi tidak pernah cukup; gunung bukti dari berbagai arah yang mendirikan sebab-akibat.

Daftar Pertanyaan Skeptis #

Sebelum menerima klaim “X berkaitan dengan Y”, uji dengan daftar ringkas ini:

  • Berapa besar sampelnya, dan apakah hubungan tetap pada sampel yang lebih besar atau studi ulang? (kebetulan surut saat data bertambah)
  • Apakah hubungan bertahan pada subkelompok yang berbeda — wilayah lain, kelompok usia lain, periode lain? (confounder sering bocor di subkelompok)
  • Variabel ketiga apa yang bisa mendorong keduanya sekaligus? (selalu cari confounder lebih dulu)
  • Mana yang tercatat lebih dulu — X atau Y? (sebab harus mendahului akibat)
  • Bisakah arahnya terbalik dari yang diceritakan?
  • Datanya observasional atau hasil eksperimen dengan randomisasi?
  • Adakah mekanisme yang masuk akal menghubungkan X ke Y?

Kita kini tahu apa yang tidak bisa diberikan korelasi. Namun dalam banyak kasus — termasuk kasus jam belajar dan nilai — pertanyaan praktis kita memang bukan “apa penyebabnya”, melainkan “berapa nilai yang diperkirakan bila seorang siswa belajar 5.5 jam”. Untuk menjawabnya, kebersamaan dua variabel perlu dirumuskan menjadi sebuah persamaan garis yang bisa dipakai memprediksi: itulah pekerjaan simple linear regression, chapter berikutnya.