Kenapa Data 30 Hari Belum Cukup: Soal Ukuran Sampel yang Sering Diabaikan



Ada kebiasaan yang gue lihat berulang di mana-mana. Orang membuka tabel, melihat rekap tiga puluh hari terakhir, menemukan satu digit muncul enam kali sementara digit lain cuma sekali, lalu menyimpulkan ada kecenderungan. Kesimpulan itu terasa masuk akal. Enam banding satu itu selisih besar, kelihatannya jelas.



Masalahnya, dalam tiga puluh percobaan, selisih segitu bukan cuma mungkin, tapi hampir pasti terjadi. Bukan karena ada kecenderungan, tapi karena begitulah sifat sampel kecil.



Gue mau bahas ini pelan-pelan, karena ini konsep yang kalau nyantol, mengubah cara kamu melihat semua tabel selamanya.



Bayangkan lemparan koin. Peluang sisi gambar lima puluh persen, semua orang tahu. Sekarang lempar sepuluh kali. Apakah kamu akan dapat tepat lima gambar dan lima angka? Kadang iya, tapi sering tidak. Dapat tujuh banding tiga itu biasa. Delapan banding dua juga bukan hal aneh. Kalau kamu cuma melihat hasil sepuluh lemparan itu tanpa tahu apa-apa soal koin, kamu bisa saja menyimpulkan koinnya berat sebelah. Padahal koinnya normal, cuma sampelnya kecil.



Semakin banyak lemparan, semakin sebarannya mendekati lima puluh lima puluh. Ini yang disebut hukum bilangan besar. Perhatikan kata besar di situ. Bukan hukum bilangan tiga puluh.



Sekarang bawa ke konteks angka undian. Untuk satu posisi digit, ada sepuluh kemungkinan, nol sampai sembilan. Kalau undiannya benar-benar acak, dalam jangka sangat panjang tiap digit muncul sekitar sepersepuluh dari total. Tapi dalam tiga puluh hari, harapan kemunculan tiap digit cuma tiga kali. Tiga. Dari basis sekecil itu, muncul enam kali bukan anomali besar, itu masih di wilayah wajar. Muncul nol kali juga wajar.



Ini yang bikin gue selalu mengernyit setiap kali ada yang menunjukkan rekap sebulan sebagai bukti pola. Sebulan itu terlalu pendek untuk membuktikan apa pun tentang sebaran sepuluh kemungkinan. Kamu butuh ratusan, idealnya ribuan, sebelum sebarannya mulai bercerita jujur.



Ada eksperimen sederhana yang bisa kamu lakukan sendiri kalau punya waktu luang, dan gue sarankan sekali seumur hidup lakukan ini. Buka lembar hitung, buat kolom berisi angka acak nol sampai sembilan sebanyak tiga puluh baris. Hitung frekuensinya. Kamu hampir pasti menemukan ada digit yang muncul jauh lebih sering. Sekarang ulangi dengan tiga ribu baris. Sebarannya bakal jauh lebih rata. Angka acaknya dari fungsi acak komputer, jadi tidak ada pola apa pun yang bisa dieksploitasi. Tapi di sampel kecil, polanya kelihatan nyata.



Setelah melakukan itu, susah untuk kembali percaya pada rekap sebulan.



Sekarang bagian yang lebih halus, dan ini yang bahkan orang yang paham statistik pun sering keliru menerapkannya.



Katakanlah kamu punya data lima tahun, ribuan hasil, dan sebarannya memang menunjukkan satu digit sedikit lebih sering muncul di posisi tertentu. Apakah itu artinya ada kecenderungan yang bisa dipakai? Hampir pasti tidak, karena dua alasan.



Alasan pertama, selisih kecil di sampel besar masih bisa muncul dari kebetulan. Statistik punya cara mengukur apakah selisih itu berarti atau tidak, dan untuk selisih tipis biasanya jawabannya tidak berarti.



Alasan kedua, yang lebih penting, kamu tidak mencari satu hipotesis. Kamu mencari-cari sampai menemukan sesuatu. Ini bedanya besar. Kalau kamu memeriksa sepuluh digit, di empat posisi, dengan berbagai rentang waktu, kamu sudah melakukan ratusan perbandingan. Dalam ratusan perbandingan, menemukan beberapa yang kelihatan menonjol itu dijamin terjadi, bahkan pada data yang benar-benar acak. Fenomena ini punya nama di kalangan peneliti, dan dianggap sebagai salah satu sumber kesimpulan palsu terbesar dalam sejarah ilmu pengetahuan.



Jadi ketika seseorang menunjukkan satu pola dari data panjang, pertanyaan yang tepat bukan "polanya kuat tidak", tapi "berapa banyak pola lain yang sudah kamu periksa sebelum menemukan yang ini". Kalau jawabannya banyak, polanya tidak berarti apa-apa.



Lalu buat apa mengarsipkan data panjang kalau begitu?



Buat beberapa hal yang sangat nyata, dan tidak satu pun berhubungan dengan menebak.



Pertama, verifikasi integritas. Arsip panjang memungkinkan kamu mengecek apakah sebuah sumber konsisten atau tidak. Kalau ada situs yang datanya berbeda dari sumber lain di tanggal tertentu, arsip panjang bikin selisih itu ketahuan.



Kedua, memahami sebaran sebenarnya. Setelah melihat data ribuan hasil, kamu punya rasa yang jauh lebih sehat soal apa yang normal. Kamu berhenti kaget ketika satu digit tidak muncul dua minggu, karena kamu tahu itu terjadi terus sepanjang sejarah data.



Ketiga, dan ini yang paling berharga menurut gue, arsip panjang adalah penawar paling ampuh untuk cerita yang beredar. Setiap kali ada yang bilang "angka ini sudah lama sekali tidak keluar, sudah waktunya", kamu bisa buka arsip dan lihat sendiri berapa kali dalam sejarah digit itu absen selama itu, lalu apa yang terjadi setelahnya. Jawabannya selalu sama: tidak ada yang khusus terjadi setelahnya.



Kalau kamu memang ingin bekerja dengan rentang panjang, arsip per tahun untuk banyak pasaran tersusun di https://togel.to/ , dan yang penting bukan kelengkapannya semata tapi kemudahan menelusuri lintas tahun. Untuk keperluan yang gue sebut di atas, keluaran togel yang tersusun rapi lintas periode jauh lebih berguna daripada rekap mingguan yang cantik tapi pendek.



Satu peringatan terakhir soal cara memakai data panjang. Jangan jatuh ke perangkap sebaliknya, yaitu berpikir bahwa karena satu digit tertinggal jauh dalam sebaran jangka panjang, dia harus mengejar ketinggalan. Undian tidak punya mekanisme koreksi. Tidak ada yang memaksa sebarannya jadi rata. Yang terjadi dalam jangka panjang bukan koreksi, melainkan pengenceran: selisih lama jadi tidak berarti karena tertutup oleh jumlah percobaan yang makin banyak. Selisihnya tidak dibayar, cuma jadi tidak relevan.



Perbedaan antara koreksi dan pengenceran ini halus tapi menentukan. Yang pertama membuat orang bertaruh pada angka dingin. Yang kedua membuat orang berhenti bertaruh berdasarkan sejarah sama sekali.



Kalau kamu mau satu aturan praktis yang gampang diingat, pakai ini. Sebelum menganggap sebuah selisih berarti, tanya berapa banyak kemunculan yang diharapkan untuk periode itu. Kalau harapannya cuma tiga atau empat kali, selisih dua atau tiga kali itu tidak berarti apa-apa. Kalau harapannya tiga ratus kali, selisih tiga puluh baru mulai layak dilihat, dan itu pun perlu dicek lebih jauh.



Aturan ini bisa kamu pakai di luar tabel angka juga. Setiap kali ada yang menunjukkan persentase dari sampel kecil, misalnya hasil jajak pendapat dengan responden sedikit atau klaim keberhasilan dari sepuluh percobaan, refleks yang sama berlaku. Tanya jumlahnya dulu, baru lihat persentasenya. Persentase dari sampel kecil itu angka yang kelihatan presisi padahal tidak stabil.



Gue rasa ini manfaat terbesar dari membiasakan diri berpikir soal ukuran sampel. Kamu berhenti terkesan oleh angka yang disajikan meyakinkan, dan mulai bertanya berapa banyak data di belakangnya. Kebiasaan itu jauh lebih berguna daripada tabel mana pun.



Penutup yang tetap sama. Perjudian dilarang di Indonesia, dan tulisan ini soal statistik dasar, ukuran sampel, serta cara membaca arsip data, bukan ajakan bermain. Kalau kamu tetap memilih terlibat, sadari bahwa tidak ada panjang data yang mengubah peluang, tetapkan batas anggaran sebelum mulai, dan perlakukan seluruhnya sebagai biaya hiburan yang sudah kamu ikhlaskan.