
SAUDARA PENGARANG
- Data tidak bersifat neutral; pengumpulan, pemilihan dan metodologi mempengaruhi dapatan, jadi kualiti dan kesesuaian data lebih penting daripada jumlah sahaja.
- Model AI hanya mengesan pola daripada data latihan; bias atau representasi tidak lengkap akan menjejaskan keputusan automatik.
- Tingkatkan celik statistik melalui pendidikan fokus interpretasi, pemikiran kritikal dan aplikasi dunia nyata untuk elak tafsiran salah dan manipulasi angka.
Kita sekarang berada dalam era data raya (big data) dan perkembangan pesat teknologi kecerdasan buatan (AI). Ini bermaksud, pemprosesan data raya atau data besar menjadi lebih mudah menggunakan teknologi AI.
Keputusan analisa ini kemudian diterjemah dalam bentuk keputusan strategik dan menjadi sandaran kepada pembuatan keputusan dalam pelbagai sektor termasuk industri seperti perniagaan, pendidikan dan dasar awam.
Angka semakin dilihat sebagai sumber kebenaran yang diyakini. Istilah seperti “berdasarkan analisis” dan “dipacu data” (data-driven) digunakan secara meluas dalam era data raya dan AI hari ini. Ini kerana, keputusan bersandarkan data sering dianggap lebih objektif dan tepat.
Namun, di sebalik keyakinan itu, wujud persoalan yang jarang diberi perhatian iaitu sejauh mana data tersebut benar-benar difahami dan sejauh mana penilaian kritikal dibuat sebelum menerima keputusan berasaskan data tersebut.
Penghasilan Data Secara Neutral Tidak Pernah Wujud
Hakikatnya, data tidak pernah wujud secara neutral. Ia terhasil daripada proses pengumpulan, pemilihan dan analisis yang dipengaruhi oleh objektif kajian, kekangan sumber dan keputusan metodologi. Setiap peringkat ini melibatkan andaian tertentu yang mempengaruhi dapatan kajian.
Oleh itu, ketepatan sesuatu dapatan analisis tidak hanya bergantung kepada jumlah data yang besar tetapi kepada kualiti, kesesuaian dan cara data tersebut dianalisis. Tanpa kefahaman ini, angka boleh kelihatan meyakinkan tetapi sebenarnya tidak mencerminkan realiti sepenuhnya.
Dalam konteks AI, kebergantungan kepada data menjadi lebih ketara dan kompleks. Model pembelajaran mesin dibangunkan dengan mengenal pasti corak dalam data lampau untuk menghasilkan ramalan atau membuat keputusan secara automatik. Bagaimanapun, model ini tidak memahami konteks di sebalik data tersebut.
Ia hanya dapat mengesan pola berdasarkan maklumat yang diberikan. Sekiranya data latihan mengandungi bias, tidak lengkap atau tidak mewakili populasi sebenar, keputusan yang dihasilkan akan turut dipengaruhi oleh kelemahan tersebut.
Ini menunjukkan bahawa kecanggihan teknologi tidak menghapuskan kepentingan asas statistik, malah menjadikannya lebih kritikal. Dalam masa sama, penggunaan angka dalam komunikasi awam juga semakin meluas pada masa sekarang.
Peratusan, purata dan pelbagai bentuk visualisasi data digunakan untuk menyampaikan maklumat secara cepat dan meyakinkan. Namun, tanpa konteks yang mencukupi, angka-angka ini mudah disalah tafsir.
Purata, sebagai contoh, boleh menutup variasi dalam data dan memberikan gambaran yang terlalu umum. Peratusan pula boleh kelihatan signifikan tanpa maklumat tentang saiz sampel atau kaedah pengiraan. Dalam keadaan ini, angka bukan sahaja gagal menjelaskan realiti, malah berpotensi membentuk persepsi yang mengelirukan.
Cabaran ini menjadi lebih ketara dalam persekitaran digital yang pantas. Maklumat berasaskan data boleh disebarkan secara meluas dalam masa yang singkat tanpa semakan yang mencukupi.
Visualisasi yang dimanipulasi, pemilihan data secara selektif dan penggunaan istilah statistik tanpa penjelasan yang tepat boleh mempengaruhi cara sesuatu isu difahami oleh khalayak.
Dalam situasi ini, statistik berisiko digunakan sebagai alat untuk menyokong naratif tertentu dan bukannya sebagai asas untuk memahami keadaan sebenar secara objektif.
Statistik Sebagai Alat Memahami Realiti dan Kebenaran
Oleh itu, kemahiran dan celik statistik dalam kalangan masyarakat perlu diperkukuh. Kefahaman terhadap konsep asas seperti kebarangkalian, purata dan taburan data membolehkan individu menilai maklumat dengan lebih rasional dan berasaskan bukti.
Lebih penting, ia membina keupayaan untuk menyoal sumber data, memahami batasan analisis dan menyedari bahawa setiap dapatan mempunyai tahap ketidakpastian tertentu. Keupayaan ini penting bagi mengelakkan penerimaan maklumat secara pasif terutamanya dalam persekitaran yang dipenuhi dengan data.
Peranan institusi pendidikan juga perlu disesuaikan dengan keperluan semasa. Pengajaran statistik tidak boleh terhad kepada latihan pengiraan semata-mata tetapi perlu memberi penekanan kepada interpretasi, pemikiran kritikal dan aplikasi dunia sebenar.
Pendekatan ini penting bagi melahirkan individu yang bukan sahaja mampu menggunakan data tetapi juga berupaya menilai kesahihan dan kebolehpercayaan sesuatu analisis secara sistematik.
Dalam dunia yang semakin dipacu oleh data dan AI, kepercayaan semata-mata tidak lagi mencukupi. Statistik seharusnya berfungsi sebagai alat untuk mendekati kebenaran melalui analisis yang teliti dan berasaskan bukti.
Tanpa kefahaman mendalam, angka dengan mudah boleh disalah tafsir atau dimanipulasi, sekali gus membawa kepada keputusan yang tidak tepat dan berisiko.
Akhirnya, cabaran utama hari ini bukanlah kekurangan data tetapi kekurangan kefahaman terhadap data. Keupayaan untuk mentafsir dan menilai maklumat secara kritikal menjadi asas kepada pembuatan keputusan yang lebih rasional dan bertanggungjawab.
Dalam era AI, mereka yang benar-benar memahami statistik bukan sahaja mampu membaca angka tetapi juga memahami makna dan implikasi di sebaliknya.
Artikel ini merupakan pandangan peribadi penulis dan tidak semestinya mewakili pandangan mahu pun pendirian rasmi RTM.

Prof. Madya Dr. Nazrina Aziz
Pensyarah Kanan, Pusat Pengajian Sains Kuantitatif
Universiti Utara Malaysia (UUM)
e-mel: nazrina@uum.edu.my