Memahami Fakta, Data, dan Informasi: Mengapa Data Belum Tentu Menjadi Pengetahuan?

Oleh Mayang Sekar Kinasih

Mahasiswa Pascasarjana Manajemen Pendidikan Islam

Hampir setiap hari kita mengambil keputusan dengan bantuan data. Sebelum membeli sesuatu, kita melihat rating dan jumlah ulasan. Pelaku usaha membaca angka penjualan untuk menentukan strategi. Pemerintah menggunakan statistik untuk melihat kondisi masyarakat. Perusahaan mengukur kinerja melalui  berbagai indikator. Di media  sosial, jumlah tayangan,  interaksi,  dan pengikut  bahkan  ikut memengaruhi cara seseorang menilai keberhasilan. Kita memang semakin mampu mengukur banyak hal. Masalahnya, kemampuan mengukur tidak selalu identik dengan kemampuan memahami.

Sebuah produk mendapat rating 4,2 dari 5. Apakah produknya bagus? Penjualan sebuah toko turun 20 persen. Apakah konsumennya mulai meninggalkan produk tersebut? Angka pengangguran berubah. Apakah kondisi ekonomi memburuk? Nilai rata-rata  sebuah kelas  turun. Apakah kualitas pembelajarannya menurun?  Data  memberi  petunjuk  untuk menjawab pertanyaan-pertanyaan tersebut, tetapi hampir tidak pernah memberikan seluruh jawabannya.

Kita sering memperlakukan angka seolah-olah ia berbicara dengan sendirinya. Padahal, antara sesuatu yang terjadi di dunia nyata dan kesimpulan yang kita buat darinya terdapat proses panjang: realitas diamati sebagai fakta, sebagian darinya direkam  menjadi data, data diolah menjadi informasi,  lalu informasi dibaca dan ditafsirkan sebelum digunakan untuk membentuk pemahaman atau mengambil keputusan. Pada setiap tahap itulah makna dapat bertambah, tetapi juga dapat menyempit, berubah, bahkan keliru.

Persoalannya, dengan  teknologi  yang semakin mampu menghasilkan  data dalam jumlah  besar,  kita mungkin justru menghadapi tantangan yang tidak kita sadari: kita semakin kaya data, tetapi apakah kita juga semakin kaya pengetahuan?

Data Merekam Realitas, Bukan Menggantikannya

Fakta berangkat dari sesuatu yang benar-benar ada atau terjadi dan dapat diamati. Ketika fakta, objek, atau kejadian tersebut direkam dan direpresentasikan dalam bentuk tertentu, kita memperoleh data. Data dapat berupa angka, teks, gambar, suara, simbol, maupun kategori. Karena masih berupa bahan yang perlu diolah agar mempunyai arti bagi penerimanya, data pada dasarnya belum sama  dengan informasi.

Pembedaan tersebut  tampak sederhana,  tetapi konsekuensinya cukup besar. Ketika realitas diubah menjadi data, kita sebenarnya sedang memilih bagian  tertentu dari realitas untuk direkam. Berat badan dapat  dinyatakan dalam  kilogram, kepuasan  pelanggan dapat  dinyatakan dalam skor, kemiskinan dapat dipetakan melalui indikator, prestasi belajar dapat direpresentasikan dengan nilai. Semua itu berguna karena membuat sesuatu yang kompleks lebih mudah dibandingkan dan dianalisis.

Namun, kemudahan tersebut mempunyai harga: realitas selalu lebih luas daripada data yang mewakilinya. Rating 4,2 tidak membawa seluruh pengalaman ratusan orang yang menghasilkan angka tersebut. Pendapatan per kapita tidak menceritakan bagaimana pendapatan tersebar di antara penduduk. Nilai 70 tidak membawa seluruh proses belajar seseorang. Bahkan angka penjualan yang turun tidak menjelaskan dengan sendirinya apakah penyebabnya harga, kualitas produk, perubahan selera, munculnya pesaing, daya beli, distribusi, atau sekadar faktor musiman. Karena itu, angka dapat benar tanpa kesimpulan kita otomatis benar. Kesalahan dalam membaca data tidak selalu berasal dari manipulasi atau data yang buruk. Kesalahan juga dapat muncul ketika indikator yang benar dipaksa menjawab pertanyaan yang sebenarnya tidak mampu dijawabnya. Satu ukuran digunakan untuk mewakili fenomena yang jauh lebih kompleks; korelasi dianggap sebagai penyebab; rata-rata dianggap menggambarkan semua orang; atau satu periode pendek digunakan untuk menyimpulkan kecenderungan jangka panjang.

Di sinilah informasi mempunyai peran. Data memperoleh makna ketika diproses, dihubungkan, dan ditempatkan dalam konteks sehingga berguna bagi penerimanya. Angka penjualan selama satu bulan mungkin hanya merupakan kumpulan data. Ketika dibandingkan dengan bulan sebelumnya, periode yang sama tahun lalu, perubahan harga, dan kondisi pasar, barulah kita mulai memperoleh informasi.

Namun, informasi yang muncul juga bergantung pada pertanyaan yang kita ajukan. Seorang pemilik usaha melihat data transaksi untuk memahami perilaku konsumen. Pemerintah dapat menggunakan data yang sama untuk melihat aktivitas ekonomi. Peneliti mungkin menggunakannya untuk membaca perubahan pola konsumsi. Data tidak berubah, tetapi kegunaannya berubah  ketika pertanyaan dan konteks penggunaannya berubah. Maka, keterampilan penting dalam berhadapan dengan data sebenarnya  bukan hanya kemampuan  mengolah angka.  Kemampuan mengajukan pertanyaan  yang tepat terhadap data sama pentingnya dengan kemampuan memperoleh data itu sendiri.

Ketika Banyak Informasi Justru Membuat Kita Sulit Melihat

Ada asumsi lain yang layak dipertanyakan: jika data dapat diolah menjadi informasi, semakin banyak informasi seharusnya membuat kita semakin mengetahui banyak hal. Dalam praktiknya, tidak selalu demikian.  Nilai informasi tidak hanya ditentukan  oleh jumlahnya.  Informasi perlu akurat,  relevan, cukup lengkap, tersedia pada waktu ketika masih dibutuhkan, dan disajikan dalam bentuk yang dapat dipahami. Informasi yang benar tetapi tidak relevan dapat sama tidak bergunanya dengan informasi yang datang terlambat. Sebaliknya, informasi yang sederhana dapat sangat bernilai ketika menjawab persoalan yang tepat pada saat keputusan harus dibuat.

Kita dapat melihatnya dalam kehidupan sehari-hari. Ketika hendak membeli sebuah laptop, misalnya, internet menyediakan ribuan ulasan, video perbandingan, skor benchmark, komentar  pengguna, spesifikasi teknis,  dan  rekomendasi. Secara teori,  semakin banyak  informasi seharusnya membuat pilihan semakin mudah. Dalam kenyataan, seseorang justru dapat semakin bingung setelah membuka dua puluh tab dan menemukan rekomendasi yang saling bertentangan.

Fenomena semacam itu dikenal sebagai information overload. Terlalu banyak informasi atau terlalu banyak detail dapat membebani pengguna  hingga informasi yang benar-benar penting justru sulit dikenali.  Masalah ini menjadi semakin penting karena teknologi digital telah mengubah kelangkaan informasi menjadi kelimpahan informasi. Dahulu tantangannya adalah memperoleh data. Sekarang, dalam banyak situasi, tantangannya justru menentukan data mana yang layak diperhatikan, informasi mana yang dapat dipercaya, dan mana yang relevan dengan keputusan yang sedang dihadapi.

Kita dapat memiliki dashboard yang menampilkan puluhan indikator, laporan setebal ratusan halaman, atau mesin pencari yang menghasilkan jutaan jawaban. Tidak satu pun menjamin kita akan memahami persoalan dengan lebih baik. Bahkan sistem yang mampu menghasilkan informasi paling banyak belum tentu  merupakan  sistem yang  paling  berguna. Nilai sesungguhnya justru muncul  ketika informasi membantu mengurangi ketidakpastian dan membuat persoalan menjadi lebih jelas.  Di sinilah batas antara informasi dan pengetahuan  menjadi  menarik.  Mengetahui bahwa penjualan  turun  adalah informasi. Memahami mengapa penjualan turun adalah persoalan lain. Mengetahui bahwa nilai seseorang  menurun memberi  kita  informasi  tentang  perubahan hasil.  Memahami apa yang menyebabkan perubahan tersebut membutuhkan konteks dan penelusuran lebih lanjut.

Dengan demikian,  data yang  benar sekalipun belum  menjamin  pengetahuan  yang benar. Di antara keduanya ada kualitas informasi, konteks, pertanyaan yang diajukan, dan kemampuan manusia melakukan interpretasi.

Bukan Banyak Data yang Kita BUtuhkan, tetapi Cara Berpikir yang Lebih Baik

Perkembangan teknologi membuat persoalan ini semakin relevan. Kita sedang bergerak menuju dunia yang bukan hanya mampu merekam lebih banyak hal, tetapi juga semakin mampu menganalisisnya. Sistem  analitik dapat  menemukan pola dalam  jutaan transaksi,  aplikasi dapat merekomendasikan pilihan  berdasarkan  perilaku pengguna, dan kecerdasan  buatan dapat  mengolah  informasi dalam jumlah yang sulit dilakukan manusia secara manual.

Kemampuan tersebut membawa manfaat besar. Namun, semakin besar kemampuan teknologi membaca data, semakin penting pula kemampuan manusia memahami batas dari apa yang dapat disimpulkan dari data tersebut. Pola tidak selalu menunjukkan sebab. Prediksi tidak selalu menentukan tindakan yang tepat. Angka yang presisi tidak selalu berarti gambaran yang dihasilkan lengkap. Bahkan keputusan yang disebut “berbasis data” tetap mengandung pilihan manusia: data apa yang digunakan, indikator apa yang dianggap penting, periode mana yang dibandingkan, dan hasil mana yang dijadikan dasar tindakan.  Karena itu, berpikir berbasis data seharusnya tidak berarti menyerahkan keputusan kepada angka.  Justru pendekatan  yang matang menggunakan  data untuk menguji  asumsi,  bukan menggantikan proses berpikir.

Prinsip ini berlaku hampir di semua bidang. Pelaku usaha tidak cukup mengetahui bahwa penjualannya turun;  ia perlu memahami mengapa. Pemerintah  tidak cukup mengetahui sebuah indikator  sosial berubah;  perubahan  tersebut  perlu dibaca bersama kondisi  masyarakat yang  melatarinya.  Individu yang menggunakan aplikasi kesehatan tidak cukup melihat angka yang muncul di layar tanpa memahami apa yang sebenarnya diukur. Begitu pula dalam pendidikan, sekolah tidak menjadi lebih baik hanya karena memiliki lebih banyak data siswa, laporan yang semakin lengkap, atau dashboard yang semakin canggih.

Dalam konteks manajemen pendidikan, pertanyaan yang lebih bernilai bukan sekadar “Apakah datanya sudah tersedia?”, tetapi “Apa yang sekarang dapat dipahami dari data tersebut yang sebelumnya tidak kita ketahui?” Jika sistem hanya memindahkan  pencatatan dari kertas ke layar tanpa  meningkatkan kemampuan organisasi memahami masalah  dan membuat keputusan, yang terjadi mungkin baru digitalisasi administrasi,  belum peningkatan kualitas  manajemen.  Hal ini membuat  literasi data dan informasi semakin penting bagi siapa pun, bukan hanya analis atau pengelola sistem. Kita perlu mampu memahami  apa yang direpresentasikan  sebuah angka, menyadari  apa  yang tidak ditunjukkannya, membedakan  informasi yang relevan  dari sekadar informasi yang tersedia,  dan mengetahui kapan bukti yang kita miliki belum cukup untuk menghasilkan kesimpulan. Kemampuan tersebut akan semakin menentukan pada era kecerdasan buatan. Ketika mesin semakin cepat menghasilkan analisis dan jawaban,  risiko terbesar mungkin bukan lagi kekurangan  informasi,  melainkan  menerima  hasil pengolahan informasi tanpa cukup mempertanyakan bagaimana kesimpulan itu terbentuk.

Pada akhirnya, persoalan kita  hari ini bukan  memilih antara mempercayai data atau mempercayai manusia. Keduanya bukan lawan, dan tidak bisa dinafikan. Data membantu manusia melihat sesuatu yang mungkin luput dari pengamatan, sementara penalaran manusia membantu menempatkan apa yang ditunjukkan data dalam konteks yang lebih luas.

Karena itu, menjadi masyarakat yang semakin kaya data seharusnya diikuti oleh kemampuan berpikir yang semakin matang. Fakta memberi kita pijakan pada realitas. Data memungkinkan sebagian realitas itu direkam dan dianalisis. Informasi membuat data mempunyai  arti. Tetapi pengetahuan menuntut satu  langkah  yang tidak dapat dilewati:  memahami apa arti informasi tersebut,  apa batasnya, dan sejauh mana ia layak menjadi dasar kesimpulan.

Jadi, mungkin pertanyaan yang perlu kita biasakan bukan lagi sekadar, “Apa kata datanya?”

Pertanyaan yang lebih cerdas adalah: “Apa yang benar-benar dapat kita pahami dari data ini dan apa yang belum dapat kita simpulkan darinya?”

CURICULUM VITAE

Mayang Sekar Kinasih, lahir di Jakarta 29 April 1998. Merupakan anak pertama dari pasangan Bapak Hofar Ismail dan Ibu Yuli Astuti.

Alamat tinggal di Nampu, RT. 01/04, Desa Sangubanyu, Kec. Grabag, Kab. Purworejo. No. Telpn 085800230671. Email [email protected]

Riwayat Pendidikan: SDIT Adzkia Sukabumi  2010,  Pondok Modern Daarussalam Gontor Putri 2016, Sarjana IAIN Salatiga 2021, Tengah menempuh Pendidikan Magister di UIN Bandung.

Motivasi melanjutkan Pendidikan  Magister di Manajemen Pendidikan  Islam,  ingin mengembangkan potensi profesinal saya dalam dunia Pendidikan, turut membantu membangun, mengembangkan dan meningkatkan mutu Pendidikan dengan memebantu penuh lembaga Pendidikan. Karena moto saya, Ingin menjadi ‘anfa’ lighoirinnas khususnya dalam dunia Pendidikan.