The Art of Thinking Clearly
Bab 98
Intention-To-Treat Error
1. Nama Fallacy (Termasuk Alias)
Nama Utama: Intention-To-Treat Error (Kesalahan Niat-untuk-Mengobati).
Deskripsi Judul: "Speed Demons Make Safe Drivers" (Pengemudi Ngebut Adalah Pengemudi Aman).
2. Penjelasan Fallacy
Apa itu Intention-To-Treat Error? Ini adalah kesalahan statistik yang fatal di mana subjek penelitian (orang, perusahaan, atau proyek) yang gagal atau berhenti di tengah jalan tidak dihitung dalam kelompok aslinya, melainkan dipindahkan ke kelompok lain (biasanya kelompok kontrol atau kelompok gagal). Hal ini membuat kelompok sukses terlihat jauh lebih baik daripada kenyataannya.
Apa bedanya dengan Survivorship Bias?
* Survivorship Bias: Yang gagal hilang/tidak terlihat sama sekali.
* Intention-To-Treat Error: Yang gagal tetap terlihat, tapi masuk ke kategori yang salah.
Mengapa dinamakan demikian? Istilah ini berasal dari penelitian medis. Protokol standar yang benar disebut "Intention To Treat" (Niat Untuk Mengobati), artinya peneliti harus menganalisis data dari semua pasien yang sejak awal "berniat" diobati, tidak peduli apakah mereka menelan obatnya sampai habis atau berhenti di tengah jalan. Jika peneliti hanya menghitung mereka yang "berhasil menelan obat sampai habis", hasilnya akan bias.
3. Ranking Probabilitas Terjadi di Masyarakat
Skor: 5/5 (Sangat Sering / Manipulasi Data Statistik)
Alasan: Ini adalah trik umum dalam klaim pemasaran obat, studi bisnis, dan argumen politik. Sangat sulit dideteksi oleh orang awam karena angkanya terlihat "nyata", padahal pengelompokannya yang curang.
4. 3 Contoh dalam Kehidupan Sehari-hari
- Pengemudi Ngebut (Judul Bab): Jika kita mengukur pengemudi yang menempuh jarak Miami ke West Palm Beach dalam waktu kurang dari 1 jam sebagai "Ngebut" dan yang lebih dari 1 jam sebagai "Hati-hati". Hasilnya: Kelompok "Ngebut" memiliki 0 kecelakaan. Kenapa? Karena pengemudi ngebut yang kecelakaan pasti memakan waktu lama (macet/diderek), sehingga otomatis masuk ke kategori "Hati-hati" (lebih dari 1 jam). Kecelakaan "si ngebut" dibebankan ke kelompok "hati-hati".
- Perusahaan Berutang vs Bebas Utang: Studi bankir mengklaim perusahaan yang punya utang lebih profitabel daripada yang tidak. Alasannya bias: Perusahaan yang jelek tidak akan diberi pinjaman oleh bank (jadi mereka masuk kelompok "bebas utang", menurunkan rata-rata kelompok itu). Sementara perusahaan berutang yang bangkrut akan hilang dari sampel. Yang tersisa di kelompok "berutang" hanyalah perusahaan sehat.
- Uji Coba Obat Jantung: Sebuah obat terlihat sukses karena pasien yang meminumnya secara "teratur" memiliki tingkat kematian rendah (15%), dibanding yang meminumnya "tidak teratur" (30%). Padahal, banyak pasien masuk kategori "tidak teratur" karena mereka mengalami efek samping parah atau terlalu sakit untuk menelan obat. Kelompok "teratur" hanya berisi orang-orang yang cukup sehat untuk menoleransi obat itu.
5. Tips untuk Menghindari Fallacy Ini
- Cari "Drop-out": Saat membaca hasil studi ("Obat ini ampuh 100% bagi yang menuntaskan program"), tanyakan: "Ke mana perginya orang yang tidak menuntaskan program? Mengapa mereka berhenti?"
- Pastikan Sampel Awal Dihitung: Pastikan studi tersebut mengevaluasi semua orang yang dimulai dalam percobaan, bukan hanya mereka yang menyelesaikannya.
- Waspada Kategori "Ex-Post": Hati-hati jika pengelompokan dilakukan setelah kejadian (seperti contoh pengemudi di atas). Pengelompokan harus ditentukan di awal, bukan berdasarkan hasil akhir perjalanan.
