Base Rate Neglect
Lupa Angka Dasar · Base Rate Fallacy
- Asal
- Daniel Kahneman & Amos Tversky, 1973
- Level
- Menengah
- Baca
- ±5 menit
Intinya
Kita menilai peluang dari cerita yang mencolok dan lupa bertanya: dari awalnya, seberapa umum hal ini terjadi?
- 18 ditandai sistem
- 2 lolos
- 49 ikut ditandai (5%)
- 931 aman
- 20 fiktif (2%)
- 18 ditandai sistem
- 2 lolos
- 980 asli (98%)
- 49 ikut ditandai (5%)
- 931 aman
Dalam 30 detik
Base rate adalah angka dasar: seberapa sering sesuatu terjadi di populasi sebelum kita melihat bukti khusus. Saat ada cerita yang meyakinkan, misalnya calon karyawan yang tampak cocok atau tanda peringatan dari sistem, kita cenderung melupakan angka dasar itu. Hasilnya, kita terlalu yakin pada ramalan dan alarm. Obatnya adalah berpikir dalam frekuensi: “dari 1.000 kasus seperti ini, berapa yang benar-benar terjadi?”
Asal-usul
Dipaparkan di “On the Psychology of Prediction” (Psychological Review, 1973) lewat soal Tom W., mahasiswa fiktif yang jurusannya ditebak dari deskripsi kepribadian, lalu dipertajam lewat soal taksi hijau dan biru. Intinya: deskripsi yang hidup mengalahkan angka statistik yang membosankan.
01Soal taksi: saksi 80% akurat, peluangnya cuma 41%
Soal klasik dari Tversky dan Kahneman: di sebuah kota, 85% taksi berwarna hijau dan 15% biru. Malam itu terjadi tabrak lari, dan seorang saksi bilang taksinya biru. Tes menunjukkan saksi ini bisa membedakan dua warna itu dengan benar 80% dari waktu. Seberapa besar peluang taksinya memang biru?
Jawaban yang paling sering muncul adalah 80%, persis keakuratan saksi. Jawaban yang benar sekitar 41%. Bayangkan 100 kejadian serupa: 15 kali pelakunya taksi biru, dan saksi benar menyebut biru di 12 kasus. 85 kali pelakunya taksi hijau, dan saksi keliru menyebut biru di 17 kasus. Dari 29 kali saksi bilang biru, cuma 12 yang benar: 12 dari 29, sekitar 41%.
02Contoh: alarm pesanan fiktif di toko online
Misalnya toko online “Rumah Rajut” menerima 1.000 pesanan COD sebulan, dan dari pengalaman sekitar 2% di antaranya fiktif. Kamu memasang aturan deteksi yang menangkap 90% pesanan fiktif. Kedengarannya hebat. Tapi aturan itu juga keliru menandai 5% pesanan asli.
Hitung pakai frekuensi: 18 dari 20 pesanan fiktif tertangkap, tapi 49 dari 980 pesanan asli ikut ditandai. Dari 67 pesanan yang ditandai, cuma 18 yang benar-benar fiktif. Kalau semua pesanan bertanda langsung dibatalkan, kamu mengusir 49 pembeli asli setiap bulan demi menangkap 18 pesanan iseng.
Keputusan yang lebih waras: pesanan bertanda dikonfirmasi dulu lewat chat atau telepon, bukan dibatalkan. Logika yang sama berlaku di rekrutmen. Kalau cuma sedikit pelamar yang benar-benar cocok, “lulus tes” tetap belum berarti “pasti bagus”.
03Sebagai pemilik: “usahaku pasti beda”
Base rate neglect paling mahal saat membuka usaha baru. Kamu punya cerita yang meyakinkan: lokasi ramai, resep enak, teman-teman antusias. Pertanyaan yang jarang ditanyakan: dari semua usaha sejenis yang dibuka di daerah ini, berapa yang masih buka setelah tiga tahun? Banyak usaha kecil, terutama kuliner, tutup di tahun-tahun awal. Angka persisnya beda-beda tiap tempat dan sering dibesar-besarkan, jadi cari angka dasar dari lingkunganmu sendiri.
- Hitung kedai, laundry, atau toko sejenis yang buka dan tutup di sekitar lokasimu dalam tiga tahun terakhir.
- Mulai dari angka dasar itu, lalu geser naik atau turun berdasarkan keunggulan yang bisa kamu buktikan, bukan yang kamu rasakan.
- Pakai juga untuk proyek: dari semua renovasi atau aplikasi yang pernah kamu kerjakan, berapa yang selesai tepat waktu? Lihat Planning Fallacy.
04Pelangganmu: testimoni yang mengalahkan statistik
Pelanggan juga mengabaikan angka dasar. Satu testimoni “turun 10 kg dalam sebulan” terasa lebih meyakinkan daripada kenyataan bahwa kebanyakan orang turun jauh lebih sedikit. Bisnis yang jujur nggak menyajikan hasil terbaik seolah-olah hasil biasa. Tunjukkan hasil yang umum dialami, tulis “hasil tiap orang berbeda” dengan sungguh-sungguh, dan biarkan kasus luar biasa tampil sebagai kasus luar biasa. Lihat juga Survivorship Bias dan Social Proof.
Kapan dipakai
- Menilai alarm, tes, atau sinyal: deteksi pesanan fiktif, tes rekrutmen, temuan audit.
- Memutuskan membuka usaha, cabang, atau produk baru dengan cerita yang sangat meyakinkan.
- Membaca testimoni, studi kasus, atau klaim hasil luar biasa dari vendor.
- Menyusun klaim hasil di iklan supaya nggak menyesatkan pelanggan.
Jebakan & kritik
- Angka dasar yang salah sama buruknya dengan nggak memakai angka dasar. Statistik populer seperti “90% usaha gagal di tahun pertama” sering beredar tanpa sumber jelas.
- Kelompok pembandingnya harus tepat. Angka dasar restoran di kota besar belum tentu berlaku untuk warung di kota kecil.
- Jangan abaikan bukti spesifik. Kalau buktinya benar-benar kuat, seperti rekam jejak bertahun-tahun, wajar menggeser jauh dari angka dasar.
- Biasnya nyata, tapi nggak mutlak. Dalam beberapa eksperimen, orang memakai angka dasar dengan baik, terutama saat angka itu disajikan sebagai frekuensi atau terasa punya hubungan sebab-akibat.
Coba minggu ini
Teori baru kepakai kalau dipraktikkan. Centang yang sudah kamu jalanin.
0/3 DICENTANG · TERSIMPAN DI BROWSER INI
Baca juga
- AN-11Expected ValueKalikan tiap hasil yang mungkin dengan peluangnya lalu jumlahkan, dan kamu dapat rata-rata hasil sebuah keputusan kalau ia diulang berkali-kali.
- BI-13Survivorship BiasKalau yang kamu pelajari cuma yang selamat, kamu akan menyimpulkan resep sukses dari data yang separuhnya sudah dibuang.
- BI-14Planning FallacyKita memperkirakan waktu, biaya, dan risiko proyek sendiri terlalu optimis, walaupun tahu proyek serupa dulu juga molor.
- BI-11Availability HeuristicKita menilai seberapa sering atau seberapa mungkin sesuatu terjadi dari seberapa gampang contohnya muncul di kepala, bukan dari datanya.
- NU-09Social ProofSaat ragu, orang melihat apa yang dilakukan orang lain, terutama yang mirip dengannya, lalu ikut.
- BI-10Confirmation BiasBegitu percaya sesuatu, kita mencari, menafsirkan, dan mengingat bukti yang membenarkannya, lalu melewatkan bukti yang membantahnya.
Bacaan lanjut
- On the Psychology of Prediction · Daniel Kahneman & Amos Tversky (Psychological Review) (1973)
- Evidential Impact of Base Rates · Amos Tversky & Daniel Kahneman (dalam Judgment under Uncertainty, ed. Kahneman dkk.) (1982)
- How to Improve Bayesian Reasoning Without Instruction: Frequency Formats · Gerd Gigerenzer & Ulrich Hoffrage (Psychological Review) (1995)
- The Base-Rate Fallacy in Probability Judgments · Maya Bar-Hillel (Acta Psychologica) (1980)