Korelasi tidak bermakna sebab-akibat

Anda mendatangi sebuah seminar, dimana anda disajikan berbagai macam informasi. Lalu anda terpaku pada sebuah grafik yang menurut anda cukup menarik. Coba anda lihat sendiri apakah grafik dibawah ini cukup menarik..

aaeaaqaaaaaaaanoaaaajdu3njk4mjvjltbmogqtndmwmi04mgjjltzkytaxnja0mjhkmw

Wow…ini sangat menarik. Apa hal pertama yang anda lihat? Lihatlah garis biru dan merah yang berdampingan dan saling mengikuti satu sama lain. Apakah anda sejenak berpikir kedua hal tersebut saling berpengaruh satu sama lain? Tunggu dulu! Coba anda perhatikan keterangan grafik diatas. Beneran nih??? Penjualan es krim dan kebakaran hutan?? Logika saya tiba-tiba macet dan berpikir ulang mengenai sebab-akibat, bagaimana mungkin es krim menyebabkan kebakaran hutan??.

Percaya atau tidak kita sering melakukan ini dalam kehidupan sehari-hari, kejadian banjir jakarta disebabkan oleh hujan di bogor, jalanan macet disebabkan oleh banyak angkot, hidup saya menderita karena jokowi jadi presiden. Cukup familiar?? Contoh-contoh diatas memang menggelitik rasa penasaran kita mengenai apa penyebab suatu hal terjadi. Logika jika ini terjadi maka itu terjadi adalah logika sebab akibat. Namun kita harus sangat berhati-hati untuk menghubungkan dua kejadian yang seakan-akan berhubungan namun kenyataannya keduanya hanya semata-mata akibat dari suatu SEBAB yang sama-sama tidak atau belum kita ketahui.

Kembali ke ES KRIM dan KEBAKARAN HUTAN, dengan menggunakan logika sederhana kita mengetahui bahwa keduanya tidak berhubungan, namun ada hal yang menghubungkannya. Kita bisa menggambarkannya sebagai berikut:

Kebakaran hutan—>Suhu tinggi–>Musim Kemarau–>Suhu tinggi—> Makan Es krim–>Penjualan es krim meningkat

Terlihat lebih masuk akal kan?

Kenyataannya memang antara penjualan es krim dan kebakaran hutan mempunyai korelasi yang sangat tinggi let’s say 90% namun demikian tidak serta merta kita bisa menyimpulkan  or berspekulasi bahwa penjualan es krim yang menyebabkan kebakaran hutan atau kebakaran hutan yang membuat penjualan es krim meningkat.

Lalu bagaimana membuktikan bahwa dua variabel punya hubungan sebab akibat? Nah disinilah anda membutuhkan pemodelan regresi dan rancangan percobaan.  Kemampuan metode ini dalam memisahkan faktor-faktor yang benar-benar berpengaruh (secara signifikan) terhadap faktor-faktor lain (termasuk didalamnya adalah error-galat) memberikan kita bantuan apakah sebuah faktor benar-benar memiliki hubungan berpengaruh atau hanya sekedar kebetulan semata.

Sepertinya berikutnya bagus juga untuk membedah rumus korelasi dan rumus anova/regresi untuk menemukan bagaimana metode ini dapat memisahkan faktor kebetulan ini. 🙂

Coba kita lihat rumus korelasi berikut:

korelasi-5

Jika kita bedah rumus korelasi diatas kita hanya melihat jika ada dua variabel X dan Y maka besarnya r hanya ditentukan seberapa besar perubahan X dan Y bergerak pada suatu rentang tertentu. Disini kita hanya dapat menyimpulkan bahwa X dan Y berubah searah (+) atau berlawanan (-) dan jika jarak antara data X dan Y cukup dekat maka korelasinya kuat sedangkan jika jarak antara X dan Y berjauhan maka korelasinya lemah. Jika pertanyaan kita adalah jika X bergerak satu satuan, berapa satuankah Y bergerak? Karena jika pergerakan X tidak membuat Y bergerak sama sekali artinya X tidak mempengaruhi Y.  Dengan perhitungan korelasi, kita tidak mendapatkan informasi pergerakan Y saat X bergerak. Jadi jelas sudah konsep korelasi tidak bisa menjawab kausalitas (Sebab- akibat). Sudah cukup jelas??

Like & share –>jika artikelnya cukup berguna

Komentar–> jika ada yang kurang jelas 🙂

 

A dan B dan C dan D tidak sama dengan A+B+C+D

Seminggu yang lalu Indonesia memasuki era kepemimpinan yang baru. Jokowi dan JK di daulat menjadi presiden dan wakil presiden Indonesia yang baru. Setelah membentuk sebuah kabinet dengan tag line kerja, kerja, kerja, para menteri memulai marathon dengan start ala sprint. Tidak ada masa bulan madu, langsung tancap gas mulai dari hari pertama. Seperti tidak ingin membuang waktu, beberapa kementerian telah memulai start sprint mereka dengan rapat-rapat di jajaran kementerian masing-masing. Pada rapat perdana yang digelar sehari setelah pelantikan, Presiden Jokowi memberikan arahan yang secara pribadi sangat penting yakni melepas ego sektoral masing-masing kementerian. Ini bukan arahan yg baru, namun penekanan Presiden dalam kalimat-kalimat awal rapat cabinet nya memberikan sinyal bahwa ini adalah hal yang utama dan pertama yang harus dilaksanakan.

Dalam dunia statistika seringkali diperlukan penyusunan sebuah model yang baik. Model ini tersusun atas variable bebas dan variable terikat. Variabel bebas adalah variable yang menjadi penentu dan sifatnya bebas, sedangkan variable terikat adalah output atau hasil yang diharapkan tercermin oleh keberadaan variable bebas. Analogi penyusunan model ini dapat digunakan untuk menggambarkan keadaan inisiatif-inisiatif yang akan dilaksanakan oleh pemerintah melalui berbagai kementeriannya. Let’s say pemerintah mempunyai empat inisiatif yaklni A, B, C dan D dilaksanakan oleh empat kementerian yang berbeda namun mempunyai tujuan yang sama let’s say X. Apakah kita dapat dengan yakin mengatakan bahwa jika semua inisiatif ini dilakukan secara baik maka output nya menjadi A+B+C+D?? Jawaban belum tentu. Pada saat inisiatif ini disusun tentu menggunakan asumsi (jika begini maka begitu) , semakin banyak asumsi yang digunakan maka semakin luas range output dari inisiatifnya. Berikut beberapa penyebabnya:

  • Interaksi dan kanibalisasi dari berbagai inisiatif. Bisa jadi dua inisiatif membutuhkan sumber daya yang sama sehingga keduanya saling berkompetisi mendapatkan sumber daya yang sama.
  • Output dari inisiatif itu sejatinya terbatas. Penjelasan dalam bentuk contoh akan lebih memudahkan, jika peningkatan devisa kita maksimum hanya 300 trilyun maka sebanyak apapun inisiatif yang ada tidak akan pernah membuat devisa kita menjadi 600 trilyun. Anda bisa membayangkan jika setiap kementerian pada akhir inisiatif mengklaim keberhasilan inisiatifnya. Inisiatif A diklaim meningkatkan devisa 200 T, Inisiatif B 200 T, Inisiatif C 100 T, Inisatif D 100 T. Totalnya 600 T padahal kenyataanya naiknya Cuma 300 T.

Kita bisa membayangkan berapa banyak inisiatif yang akan dilakukan oleh pemerintah, dengan berbagai macam asumsi yang dipasangkan. Sekarang anda bisa membayangkan betapa susahnya melakukan sinkronisasi inisiatif inter dan antar kementerian. Beberapa inisiatif yang simple, executable dan terukur akan jauh lebih baik dibandingkan dengan banyak inisiatif namun ribet dan susah dilaksanakan. Selamat bekerja!