Calling Bullshit

Hidup di Era Kebohongan Data 

Anda membuka media sosial pagi ini. Feed Anda penuh dengan grafik yang menakjubkan, statistik mengejutkan, dan klaim "berdasarkan sains" yang terdengar terlalu bagus untuk benar. 

"Penelitian terbaru menunjukkan bahwa 90% kanker disebabkan oleh gula!"

"Data membuktikan bahwa cryptocurrency akan naik 1000% dalam 6 bulan!"

"Algoritma AI ini bisa memprediksi kepribadian Anda dengan akurasi 99% dari foto profil!" 

Semuanya dikemas dengan grafik warna-warni, angka yang presisi, dan menggunakan bahasa sains yang canggih. Terdengar meyakinkan, bukan? 

Selamat datang di zaman modern bullshit. 

Bullshit bukan lagi sekadar omong kosong politisi atau janji marketing yang berlebihan. Bullshit sekarang berdandan seperti sains. Berjas seperti data. Bersenjatakan statistik. 

Dan kita semua—dari CEO hingga mahasiswa, dari dokter hingga ibu rumah tangga—setiap hari dibombardir dengan bentuk baru kebohongan ini. 

Carl T. Bergstrom, profesor biologi evolusioner University of Washington, dan Jevin D. West, pakar data science, punya misi: mengajari kita semua cara mendeteksi dan melawan bullshit di era digital ini. 

Buku "Calling Bullshit" lahir dari kursus viral mereka yang mengajarkan mahasiswa cara berpikir kritis di dunia yang dipenuhi informasi menyesatkan. 

Ini bukan sekadar tentang fake news politik. Ini tentang bagaimana data—yang seharusnya objektif dan jujur—dimanipulasi untuk mengelabui kita. 

Mari kita belajar cara melawan balik.

---

Bagian 1: Apa Itu "Bullshit" Modern? 

Definisi yang Mengubah Segalanya 

Bergstrom dan West mendefinisikan bullshit sebagai: penggunaan bukti yang menyesatkan, tanpa memedulikan kebenaran, untuk mempengaruhi audiens dengan cara membingungkan atau menguasai mereka. 

Ini berbeda dari kebohongan biasa. Pembohong tahu kebenaran dan sengaja menyembunyikannya. Tapi bullshitter? Mereka tidak peduli apakah klaim mereka benar atau salah. 

Yang mereka pedulikan adalah efek. 

Mengapa Bullshit Begitu Berbahaya? 

Bullshit merusak dunia kita dalam dua cara: 

1. Langsung: Menyesatkan orang tentang isu spesifik (seperti vaksin menyebabkan autism) 

2. Sistemik: Merusak kemampuan kita mempercayai informasi secara umum 

Ketika kita tidak bisa lagi membedakan mana yang benar dan mana yang bohong, kita menjadi skeptis terhadap SEMUA informasi—termasuk yang benar. 

Ciri-ciri Bullshit Era Modern 

1. Menggunakan Bahasa Sains Bullshit modern tidak lagi berupa pidato politik yang bombastis. Sekarang dia menggunakan jargon ilmiah: "penelitian menunjukkan," "data membuktikan," "algoritma canggih." 

2. Visual yang Mengesankan Grafik warna-warni, infografis kompleks, dashboard yang terlihat profesional—semua dirancang untuk mengesankan, bukan menginformasikan. 

3. Angka yang "Presisi" "Meningkatkan produktivitas 73.4%" terdengar lebih meyakinkan daripada "sekitar 75%"—meskipun precisition palsu. 

4. Mudah Dibuat, Sulit Dibantah Butuh 5 menit untuk membuat klaim palsu. Butuh 5 jam untuk membantahnya dengan riset yang benar.

---

Bagian 2: Jenis-jenis Bullshit Data 

1. Korelasi vs Kausasi—Perangkap Klasik 

Contoh: "Negara yang mengonsumsi lebih banyak cokelat memiliki lebih banyak pemenang Nobel." 

Apakah cokelat membuat orang pintar? 

Tentu tidak. Yang benar: negara kaya mampu membeli lebih banyak cokelat DAN memiliki sistem pendidikan yang lebih baik. 

Red flag: Setiap kali seseorang mengatakan "data menunjukkan X menyebabkan Y" tanpa menjelaskan mekanisme kausalitas. 

2. Selection Bias—Memilih Data yang Mendukung 

Contoh: "95% klien kami puas dengan layanan kami!" 

Tapi mereka hanya mensurvei klien yang masih menggunakan layanan mereka. Klien yang tidak puas sudah pergi. 

Red flag: Statistik yang terlalu bagus tanpa penjelasan metodologi. 

3. Survivorship Bias—Hanya Melihat yang "Selamat" 

Contoh: "Pengusaha sukses rata-rata drop-out kuliah, jadi kuliah tidak penting." Yang tidak diceritakan: jutaan drop-out yang gagal dan tidak pernah terdengar.

Red flag: Generalisasi berdasarkan contoh sukses tanpa memperhitungkan yang gagal.

4. Data Visualization yang Menyesatkan 

Contoh: Grafik yang memotong sumbu Y untuk membuat perbedaan kecil terlihat dramatis. 

Sales naik dari 100 juta ke 102 juta, tapi grafiknya dimulai dari 99 juta sehingga terlihat seperti naik 100%. 

Red flag: Grafik yang tidak dimulai dari nol, skala yang aneh, atau perbandingan yang tidak apple-to-apple.

---

Bagian 3: Big Data dan Algoritma—Bullshit Berjubah Teknologi 

Mitos "Data Tidak Bisa Bohong" 

Banyak orang percaya bahwa semakin besar data, semakin objektif hasilnya. Ini salah besar.

Big data justru rentan terhadap bias karena: 

1. Garbage In, Garbage Out Jika data inputnya bias, hasil analisisnya juga bias—tidak peduli seberapa canggih algoritmanya. 

2. Algorithmic Bias Algoritma dilatih oleh manusia dengan bias manusia. Hasil: sistem AI yang mendiskriminasi ras, gender, atau kelas sosial tertentu. 

3. Correlation Mining Dengan jutaan variabel, algoritma bisa menemukan korelasi palsu. Seperti menemukan bahwa "orang yang makan es krim lebih sering tenggelam"—padahal keduanya terjadi di musim panas. 

Black Box Problem 

Banyak sistem AI modern adalah "black box"—kita tidak tahu bagaimana mereka mengambil keputusan. 

Contoh: Sistem kredibilitas yang menolak pinjaman tanpa penjelasan yang jelas. Mungkin karena kode pos, mungkin karena nama, mungkin karena bias tersembunyi dalam data pelatihan. 

Red flag: Klaim tentang AI yang "100% objektif" atau "bebas bias manusia."

---

Bagian 4: Sains yang Tercemar Bullshit 

P-Hacking—Manipulasi Statistik 

P-hacking adalah praktik memanipulasi data atau analisis sampai mendapat hasil yang "signifikan secara statistik" (p < 0.05). 

Cara kerjanya: 

• Uji 20 hipotesis, 1 pasti signifikan secara statistik (karena kebetulan)
• Laporkan hanya yang signifikan, sembunyikan 19 yang tidak signifikan
• Publikasikan dengan judul: "Penelitian Membuktikan..."

Publication Bias 

Jurnal ilmiah lebih suka mempublikasi hasil yang "menarik" (menunjukkan efek) daripada yang "membosankan" (tidak menunjukkan efek). 

Akibatnya: 100 peneliti menguji obat baru, 95 menemukan tidak ada efek, 5 menemukan efek positif. Yang dipublikasi: 5 penelitian positif. 

Publik melihat: "5 penelitian membuktikan obat ini efektif!" 

Realitas: 95% penelitian menunjukkan tidak efektif. 

Science by Press Release 

Banyak "berita sains" sebenarnya adalah press release perusahaan yang dikemas ulang tanpa verifikasi. 

Contoh: "Penelitian menunjukkan suplemen X meningkatkan kecerdasan!" 

Cek lebih dalam: "penelitian" dilakukan perusahaan suplemen sendiri, dengan sampel 12 orang, tanpa kontrol yang proper.

---

Bagian 5: Cara Mendeteksi Bullshit

1. Skeptisisme Sehat 

Pertanyaan kunci: 

• Siapa yang mempublikasi informasi ini? Apa motivasi mereka?
• Apakah klaim ini terlalu bagus untuk benar?
• Apakah ini konfirmasi bias saya?

2. Evaluasi Sumber 

Red flags: 

• Tidak ada nama penulis yang jelas
• Website tanpa informasi kontak
• Tidak ada referensi ke penelitian asli
• Bahasa yang emosional atau sensasional

3. Cek Metodologi 

Pertanyaan penting: 

• Berapa besar sampelnya?
• Apakah ada kelompok kontrol?
• Siapa yang mendanai penelitian?
• Apakah hasilnya sudah di-replicate oleh peneliti lain?

4. Perhatikan Visualisasi Data 

Tips: 

• Cek apakah sumbu Y dimulai dari nol
• Perhatikan skala dan proporsi
• Lihat apakah ada data yang "disembunyikan"
• Bandingkan dengan data dari sumber lain

5. Waspadai Language Games 

Contoh manipulasi bahasa: 

• "Hingga 90%" (bisa berarti 5% atau 90%)
• "Penelitian menunjukkan" (penelitian mana? oleh siapa?)
• "Terbukti secara ilmiah" (belum tentu peer-reviewed)

---

Bagian 6: Cara Melawan Bullshit 

1. Jangan Terburu-buru Share 

Sebelum membagikan informasi, tanya: 

• Apakah saya sudah cek faktanya?
• Apakah sumbernya kredibel?
• Apakah saya share karena sesuai bias saya?

2. Gunakan Fact-checking Tools 

• Snopes.com untuk urban legends
• PolitiFact untuk klaim politik
• Google Scholar untuk verifikasi penelitian
• Cross-reference dengan sumber kredibel lain

3. Ajukan Pertanyaan yang Tepat 

Ketika menghadapi klaim yang mencurigakan: 

Jangan: "Apakah ini benar?" Tapi: "Bagaimana mereka mengukur ini? Siapa yang mendanai? Apakah ada penelitian lain yang mendukung?" 

4. Teach Others 

Share tidak hanya informasi yang benar, tapi juga cara berpikir kritis: 

• Jelaskan mengapa sesuatu adalah bullshit
• Ajarkan red flags yang perlu diperhatikan
• Dorong orang lain untuk selalu bertanya

5. Call Bullshit Secara Efektif 

Do: 

• Fokus pada argumen, bukan personal
• Berikan alternatif data yang lebih baik
• Jelaskan dengan sederhana mengapa klaimnya salah

Don't: 

• Menyerang karakter pembuat klaim
• Menggunakan bahasa yang condescending
• Membuat klaim tanpa bukti

---

Bagian 7: Bullshit di Berbagai Domain 

Business dan Startup 

Contoh: "Platform kami menggunakan AI machine learning blockchain untuk meningkatkan ROI 300%!" 

Realitas: Buzzword tanpa substansi untuk menarik investor yang tidak paham teknologi.

Media dan Jurnalisme 

Contoh: "Penelitian MENGEJUTKAN: Makan wortel bisa menyebabkan kanker!" 

Realitas: Penelitian kecil pada tikus dengan dosis wortel yang tidak realistis, dipublish di jurnal tier-3, diblown-up media untuk clickbait. 

Politik 

Contoh: Statistik kriminalitas yang cherry-picked untuk mendukung agenda tertentu. 

Realitas: Menggunakan data dari periode atau daerah tertentu yang mendukung narasi, mengabaikan context yang lebih luas. 

Healthcare 

Contoh: "Suplemen ajaib ini menyembuhkan diabetes berdasarkan penelitian Harvard!"

Realitas: Penelitian yang disitir tidak ada, atau tidak sesuai dengan klaim yang dibuat.

---

Bagian 8: Pelajaran Praktis untuk Kehidupan Sehari-hari

1. Di Media Sosial 

• Jangan share informasi yang belum diverifikasi
• Waspada terhadap headline clickbait
• Cek tanggal posting—jangan share berita lama
• Perhatikan account yang share—apakah kredibel?

2. Di Tempat Kerja 

• Pertanyakan analisis data yang terlihat bias
• Minta raw data sebelum mengambil keputusan
• Waspadai presentasi yang over-promise
• Cross-check dengan data dari sumber lain

3. Dalam Kehidupan Personal 

• Skeptis terhadap klaim kesehatan yang berlebihan
• Verifikasi informasi sebelum mengubah gaya hidup
• Jangan percaya testimonial tanpa bukti
• Konsultasi dengan ahli yang qualified

4. Sebagai Orangtua 

• Ajarkan anak cara berpikir kritis sejak dini
• Latih mereka mempertanyakan informasi
• Berikan contoh cara fact-checking
• Diskusikan bias kognitif secara sederhana

---

Penutup: Menjadi Citizen yang Cerdas di Era Digital

Bullshit bukan fenomena baru. Yang baru adalah skala dan kecanggihannya. 

Dulu, bullshit terbatas pada orang yang punya akses ke media massa. Sekarang, siapa pun bisa membuat website yang terlihat kredibel, infografis yang meyakinkan, atau klaim "berdasar sains" dalam hitungan menit. 

Tapi kita juga punya kekuatan yang tidak pernah dimiliki generasi sebelumnya: akses ke informasi dan tools untuk memverifikasinya. 

Mindset Baru yang Diperlukan 

1. Skeptisisme sebagai Default Alih-alih percaya dulu baru verifikasi, jadikan skeptisisme sebagai mode default. Verifikasi dulu baru percaya. 

2. Comfort with Uncertainty Tidak apa-apa mengakui "saya tidak tahu" atau "data belum cukup untuk kesimpulan." 

3. Intellectual Humility Bersedia mengubah pendapat ketika ada bukti yang lebih baik. 

4. Critical Thinking as Life Skill Berpikir kritis bukan mata pelajaran di sekolah—ini adalah life skill yang harus diasah seumur hidup. 

Tanggung Jawab Kita Bersama 

Melawan bullshit bukan hanya tanggung jawab individu. Ini tanggung jawab kolektif: 

Sebagai Konsumen: Demand transparansi dari media, perusahaan, dan politisi

Sebagai Netizen: Share informasi yang sudah diverifikasi, koreksi yang salah dengan sopan

Sebagai Citizen: Dukung jurnalisme berkualitas, fact-checking organizations, dan science literacy

Sebagai Human: Ajarkan generasi berikutnya cara berpikir kritis 

Pertanyaan untuk Anda 

Sebelum menutup buku ini, tanyakan pada diri sendiri: 

• Berapa kali minggu ini saya share informasi tanpa verifikasi? 
• Apakah saya lebih mudah percaya informasi yang sesuai bias saya?
• Bagaimana saya bisa mengajarkan skeptisisme sehat pada orang-orang di sekitar saya? 
• Tools apa yang bisa saya gunakan untuk fact-checking sehari-hari?

Masa Depan Tanpa Bullshit

Dunia tanpa bullshit mungkin utopis. Tapi dunia di mana mayoritas orang bisa mendeteksi dan melawan bullshit? Itu sangat mungkin. 

Dan itu dimulai dari Anda. 

Setiap kali Anda mempertanyakan klaim yang mencurigakan, mengecek fakta sebelum share, atau mengajarkan orang lain cara berpikir kritis—Anda berkontribusi pada dunia yang lebih informed. 

Dunia membutuhkan lebih banyak bullshit detector. 

Sekarang saatnya Anda menjadi salah satunya.

---

Tentang Buku Asli 

"Calling Bullshit: The Art of Skepticism in a Data-Driven World" diterbitkan tahun 2020 dan langsung menjadi bestseller. Buku ini berkembang dari kursus viral University of Washington yang videonya ditonton jutaan orang di seluruh dunia. 

Carl T. Bergstrom adalah profesor biologi evolusioner di University of Washington yang meneliti bagaimana informasi mengalir melalui jaringan biologis dan sosial. 

Jevin D. West adalah data scientist dan direktur Center for an Informed Public, yang fokus pada misinformasi dan literasi digital. 

Buku ini mendapat pujian dari pemenang Nobel ekonomi George Akerlof dan Paul Romer, serta dipuji sebagai "panduan survival untuk demokrasi yang sekarat" oleh majalah Wired. 

Untuk pemahaman lengkap tentang teknik-teknik deteksi bullshit yang lebih advanced, contoh-contoh kasus yang lebih detail, dan practical exercises untuk mengasah kemampuan skeptisisme, sangat disarankan membaca buku aslinya. Ringkasan ini menangkap esensi—tapi buku lengkapnya menawarkan toolbox komprehensif yang bisa langsung diterapkan dalam kehidupan sehari-hari. 

Sekarang pergilah dan jadilah bullshit detector yang dunia butuhkan. Karena seperti yang dikatakan Bergstrom dan West: "Kita semua harus belajar kembali seni skeptisisme." 

Masa depan demokrasi bergantung pada kemampuan kita membedakan kebenaran dari kebohongan.