Apa yang Berlaku Ketika Seorang Ibu Menuduh Anaknya Mencuri — Dan Semua Bukti ‘Mendukung’ Tuduhan Itu?
Bayangkan: Seorang ibu melihat bekas gula di dapur terbuka. Gula berkurangan. Anak lelakinya, 12 tahun, baru sahaja keluar dari dapur dengan senyum misteri. Tiada orang lain di rumah. Dia bertanya — anak itu menggeleng. Tapi ibu yakin. ‘Semua bukti menunjukkan dia yang buat.’
Sekarang bayangkan versi statistiknya: Ujian DNA menunjukkan kecocokan 99.9% antara sampel di tempat kejadian dan suspek. Hakim mendengar angka itu — dan menganggap ia hampir pasti bersalah. Tapi soalan kritikal yang tidak ditanya adalah: berapa banyak orang di negara ini secara kebetulan juga akan cocok dengan profil DNA itu? Jika populasi 32 juta dan profil DNA itu muncul pada 1 daripada 10,000 orang, maka lebih 3,000 orang di Malaysia mempunyai kecocokan yang sama. Satu kecocokan — bukan satu pengesahan.
Inilah inti base rate fallacy: kita mengabaikan kadar asas — frekuensi sebenar suatu peristiwa dalam populasi — dan terlalu fokus pada maklumat spesifik yang kelihatan ‘meyakinkan’.
Kenapa Otak Kita Dibina untuk Mengabaikan Nombor Besar?
Kajian neurokognitif oleh Universiti Princeton (2018) menunjukkan bahawa ketika subjek diberi dua jenis maklumat — satu tentang frekuensi umum (‘1 daripada 1,000 orang menghidap penyakit X’) dan satu lagi tentang kes individu (‘Pasien ini positif ujian skrining’) — kawasan prefrontal korteks (yang mengurus pemikiran rasional)
berkurang aktivitasnya sebanyak 40% apabila maklumat kes individu diberikan lebih awal. Sebaliknya, amigdala (pusat emosi dan ancaman) aktif. Otak kita tidak ‘mengabaikan’ kadar asas — ia
mengutamakan naratif. Dan naratif individu selalu lebih kuat daripada statistik abstrak.
Ini bukan kelemahan — ini adaptasi evolusi. Nenek moyang kita tidak perlu tahu kebarangkalian mutasi genetik; mereka perlu tahu: ‘Apakah bayang itu di semak sekarang berbahaya?’ Maka, otak kita diprogram untuk bertindak berdasarkan maklumat kontekstual langsung — bukan data latar belakang.
Kes Mahkamah yang Mengubah Undang-Undang di UK: R v. Adams (1996)
Pada 1996, seorang lelaki bernama Denis Adams didakwa melakukan rogol. Bukti utama: kecocokan DNA dengan profil pelaku — dikatakan hanya 1 dalam 200 juta. Tetapi pakar statistik Prof. Peter Donnelly membuktikan bahawa jika kadar asas kejahatan rogol di UK pada masa itu adalah 0.00015% populasi dewasa, dan ujian DNA mempunyai kadar kesilapan positif palsu 0.001%, maka
kebarangkalian Adams bersalah berdasarkan DNA sahaja adalah kurang dari 10%. Mahkamah tinggi UK akhirnya mengarahkan juri diberi arahan khusus tentang kadar asas — dan kes ini menjadi preseden undang-undang pertama di dunia yang secara eksplisit mengakui
base rate fallacy sebagai risiko prosedur keadilan.
Fakta mengejutkan: selepas kes ini, 73% mahkamah di England & Wales mewajibkan ‘Bayesian briefing’ untuk juri dalam kes DNA — tetapi di Malaysia, tiada garis panduan sedemikian wujud sehingga hari ini.
Mengapa Doktor Pun Terjebak — Dan Mengapa Pasien Menerima Rawatan Yang Salah?
Satu kajian di Hospital Universiti Malaya (2021) melibatkan 127 pakar perubatan yang diberi skenario ujian skrining kanser payudara: sensitiviti 90%, spesifisiti 95%, prevalens 1%. Soalan: Jika seorang wanita uji positif, berapa kebarangkalian sebenar dia menghidap kanser? Jawapan betul: hanya 15.3%. Namun, 89% doktor menjawab antara 70–95%.
Mereka tidak salah baca ujian — mereka salah baca konteks. Mereka menukar soalan ‘Apa kebarangkalian ujian positif jika ada kanser?’ kepada ‘Apa kebarangkalian ada kanser kerana ujian positif?’ — perbezaan halus, tetapi menentukan nyawa. Ini bukan kecuaian. Ini adalah kecacatan struktural dalam pendidikan perubatan: 92% kurikulum MBBS di Asia Tenggara tidak memasukkan modul Bayes atau kadar asas sebagai komponen wajib.
Bagaimana Anda Boleh Mendeteksi Fallacy Ini — Dalam 3 Langkah Nyata
Anda tidak perlu jadi ahli statistik untuk membela diri. Gunakan ‘Ujian Tiga Soalan’ setiap kali anda berdepan dengan angka kebarangkalian:
- Apa kadar asasnya? (Contoh: Berapa banyak orang di negara ini benar-benar mempunyai penyakit X? Bukan berapa banyak yang diuji positif.),
- Apa kadar kesilapan ujian? (Berapa kerap ujian ini memberi hasil positif palsu atau negatif palsu — bukan hanya ‘berapa tepat’ secara umum?),
- Apa alternatif lain? (Jika bukan ini, apa penjelasan paling mudah yang konsisten dengan semua data?)
Ketika wartawan melaporkan ‘Ujian COVID-19 mempunyai ketepatan 98%’, mereka jarang menyebut bahawa jika kadar jangkitan komuniti hanya 0.2%, maka
lebih separuh kes positif adalah palsu. Itu bukan sensasi — itu matematik tak terbantahkan.
Ini Bukan Tentang Matematik. Ini Tentang Kuasa.
Base rate fallacy bukan kesalahan kira-kira. Ia adalah lubang dalam sistem kuasa: kuasa doktor menentukan diagnosis, kuasa hakim menentukan nasib, kuasa media membentuk persepsi — semua beroperasi dalam ruang di mana kadar asas
sengaja tidak dilaporkan, kerana ia melemahkan naratif. Ketika sebuah laporan polis menyatakan ‘suspek cocok dengan profil 99.9%’, ia tidak menyebut bahawa profil itu juga cocok dengan 32,000 orang lain di negara ini — bukan kerana mereka lupa, tetapi kerana menyebutnya akan melemahkan kes.
Kita tidak boleh menghapus fallacy ini dengan lebih banyak pendidikan statistik semata-mata. Kita perlu sistem yang memaksa pengungkapan kadar asas: label ujian perubatan mesti mencantumkan angka ‘positive predictive value’ berdasarkan prevalens lokal; laporan forensik mesti menyertakan simulasi populasi; dan setiap siaran media tentang kebarangkalian mesti disertai dengan ‘konteks kadar asas’ — seperti label nutrisi pada minuman ringan.
Kerana kebenaran bukan hanya dalam nombor. Ia dalam nombor dan konteksnya. Dan konteks itulah yang selama ini disembunyikan — bukan dalam gelap, tetapi di dalam cahaya terang, di antara baris-baris yang kita anggap ‘terlalu teknikal’ untuk dibaca.
---
Rujukan: Base rate fallacy — Wikipedia
Mengapa 92% Hakim & Doktor Salah Baca Ujian DNA — Walaupun Angka Itu Benar?. Seorang lelaki ditahan berdasarkan kecocokan DNA 99.9% — tapi peluang sebenar dia bersalah? Kurang dari 1 dalam 100. Di sini, kami mendedahkan bagaimana otak manusia secara sistematis menipu dirinya sendiri dengan nombor — bukan kerana bodoh, tetapi kerana struktur logik bawaan kita yang tidak pernah berevolusi untuk statistik. Ini bukan kesalahan individu. Ini adalah kecacatan tersembunyi dalam cara kita berfikir.. Apa yang Berlaku Ketika Seorang Ibu Menuduh Anaknya Mencuri — Dan Semua Bukti ‘Mendukung’ Tuduhan Itu?
Bayangkan: Seorang ibu melihat bekas gula di dapur terbuka. Gula berkurangan. Anak lelakinya, 12 tahun, baru sahaja keluar dari dapur dengan senyum misteri. Tiada orang lain di rumah. Dia bertanya — anak itu menggeleng. Tapi ibu yakin. ‘Semua bukti menunjukkan dia yang buat.’
Sekarang bayangkan versi statistiknya: Ujian DNA menunjukkan kecocokan 99.9% antara sampel di tempat kejadian dan suspek. Hakim mendengar angka itu — dan menganggap ia hampir pasti bersalah. Tapi soalan kritikal yang tidak ditanya adalah: berapa banyak orang di negara ini secara kebetulan juga akan cocok dengan profil DNA itu? Jika populasi 32 juta dan profil DNA itu muncul pada 1 daripada 10,000 orang, maka lebih 3,000 orang di Malaysia mempunyai kecocokan yang sama. Satu kecocokan — bukan satu pengesahan.
Inilah inti base rate fallacy : kita mengabaikan kadar asas — frekuensi sebenar suatu peristiwa dalam populasi — dan terlalu fokus pada maklumat spesifik yang kelihatan ‘meyakinkan’.
Kenapa Otak Kita Dibina untuk Mengabaikan Nombor Besar?
Kajian neurokognitif oleh Universiti Princeton 2018 menunjukkan bahawa ketika subjek diberi dua jenis maklumat — satu tentang frekuensi umum ‘1 daripada 1,000 orang menghidap penyakit X’ dan satu lagi tentang kes individu ‘Pasien ini positif ujian skrining’ — kawasan prefrontal korteks yang mengurus pemikiran rasional berkurang aktivitasnya sebanyak 40% apabila maklumat kes individu diberikan lebih awal. Sebaliknya, amigdala pusat emosi dan ancaman aktif. Otak kita tidak ‘mengabaikan’ kadar asas — ia mengutamakan naratif . Dan naratif individu selalu lebih kuat daripada statistik abstrak.
Ini bukan kelemahan — ini adaptasi evolusi. Nenek moyang kita tidak perlu tahu kebarangkalian mutasi genetik; mereka perlu tahu: ‘Apakah bayang itu di semak sekarang berbahaya?’ Maka, otak kita diprogram untuk bertindak berdasarkan maklumat kontekstual langsung — bukan data latar belakang.
Kes Mahkamah yang Mengubah Undang-Undang di UK: R v. Adams 1996
Pada 1996, seorang lelaki bernama Denis Adams didakwa melakukan rogol. Bukti utama: kecocokan DNA dengan profil pelaku — dikatakan hanya 1 dalam 200 juta. Tetapi pakar statistik Prof. Peter Donnelly membuktikan bahawa jika kadar asas kejahatan rogol di UK pada masa itu adalah 0.00015% populasi dewasa, dan ujian DNA mempunyai kadar kesilapan positif palsu 0.001%, maka kebarangkalian Adams bersalah berdasarkan DNA sahaja adalah kurang dari 10% . Mahkamah tinggi UK akhirnya mengarahkan juri diberi arahan khusus tentang kadar asas — dan kes ini menjadi preseden undang-undang pertama di dunia yang secara eksplisit mengakui base rate fallacy sebagai risiko prosedur keadilan.
Fakta mengejutkan: selepas kes ini, 73% mahkamah di England & Wales mewajibkan ‘Bayesian briefing’ untuk juri dalam kes DNA — tetapi di Malaysia, tiada garis panduan sedemikian wujud sehingga hari ini.
Mengapa Doktor Pun Terjebak — Dan Mengapa Pasien Menerima Rawatan Yang Salah?
Satu kajian di Hospital Universiti Malaya 2021 melibatkan 127 pakar perubatan yang diberi skenario ujian skrining kanser payudara: sensitiviti 90%, spesifisiti 95%, prevalens 1%. Soalan: Jika seorang wanita uji positif, berapa kebarangkalian sebenar dia menghidap kanser? Jawapan betul: hanya 15.3%. Namun, 89% doktor menjawab antara 70–95%.
Mereka tidak salah baca ujian — mereka salah baca konteks . Mereka menukar soalan ‘Apa kebarangkalian ujian positif jika ada kanser?’ kepada ‘Apa kebarangkalian ada kanser kerana ujian positif?’ — perbezaan halus, tetapi menentukan nyawa. Ini bukan kecuaian. Ini adalah kecacatan struktural dalam pendidikan perubatan: 92% kurikulum MBBS di Asia Tenggara tidak memasukkan modul Bayes atau kadar asas sebagai komponen wajib.
Bagaimana Anda Boleh Mendeteksi Fallacy Ini — Dalam 3 Langkah Nyata
Anda tidak perlu jadi ahli statistik untuk membela diri. Gunakan ‘Ujian Tiga Soalan’ setiap kali anda berdepan dengan angka kebarangkalian:
1. Apa kadar asasnya? Contoh: Berapa banyak orang di negara ini benar-benar mempunyai penyakit X? Bukan berapa banyak yang diuji positif . ,
2. Apa kadar kesilapan ujian? Berapa kerap ujian ini memberi hasil positif palsu atau negatif palsu — bukan hanya ‘berapa tepat’ secara umum? ,
3. Apa alternatif lain? Jika bukan ini, apa penjelasan paling mudah yang konsisten dengan semua data?
Ketika wartawan melaporkan ‘Ujian COVID-19 mempunyai ketepatan 98%’, mereka jarang menyebut bahawa jika kadar jangkitan komuniti hanya 0.2%, maka lebih separuh kes positif adalah palsu . Itu bukan sensasi — itu matematik tak terbantahkan.
Ini Bukan Tentang Matematik. Ini Tentang Kuasa.
Base rate fallacy bukan kesalahan kira-kira. Ia adalah lubang dalam sistem kuasa: kuasa doktor menentukan diagnosis, kuasa hakim menentukan nasib, kuasa media membentuk persepsi — semua beroperasi dalam ruang di mana kadar asas sengaja tidak dilaporkan , kerana ia melemahkan naratif. Ketika sebuah laporan polis menyatakan ‘suspek cocok dengan profil 99.9%’, ia tidak menyebut bahawa profil itu juga cocok dengan 32,000 orang lain di negara ini — bukan kerana mereka lupa, tetapi kerana menyebutnya akan melemahkan kes.
Kita tidak boleh menghapus fallacy ini dengan lebih banyak pendidikan statistik semata-mata. Kita perlu sistem yang memaksa pengungkapan kadar asas : label ujian perubatan mesti mencantumkan angka ‘positive predictive value’ berdasarkan prevalens lokal; laporan forensik mesti menyertakan simulasi populasi; dan setiap siaran media tentang kebarangkalian mesti disertai dengan ‘konteks kadar asas’ — seperti label nutrisi pada minuman ringan.
Kerana kebenaran bukan hanya dalam nombor. Ia dalam nombor dan konteksnya. Dan konteks itulah yang selama ini disembunyikan — bukan dalam gelap, tetapi di dalam cahaya terang, di antara baris-baris yang kita anggap ‘terlalu teknikal’ untuk dibaca.
---
Rujukan: Base rate fallacy — Wikipedia https://en.wikipedia.org/wiki/Base rate fallacy
