Modul 04 · 12 menit

Probabilitas Tanpa Takut

Baca probabilitas, tingkat dasar, keyakinan model, dan bukti tanpa menganggap prediksi sebagai kepastian.

Ditulis dan disunting oleh Cahyanto Arie Wibowo. Terakhir ditinjau · versi 1.2.

Apakah probabilitas 80% berarti hasilnya hampir pasti benar?

Belum tentu. Probabilitas 80% adalah ukuran ketidakpastian dalam kondisi dan model tertentu, bukan janji bahwa satu kejadian pasti terjadi. Maknanya baru jelas setelah kita mengetahui pertanyaannya, kelompok pembandingnya, kualitas datanya, dan seberapa baik angka tersebut sesuai dengan kenyataan.

Seseorang menimbang dua kemungkinan keputusan di depan seratus titik kejadian, dengan beberapa titik ditandai sebagai hasil yang diperkirakan.
Probabilitas membantu kita membandingkan kemungkinan, bukan menghapus ketidakpastian.

Setelah lesson ini

  • Membaca probabilitas sebagai frekuensi dari banyak kejadian yang sebanding.
  • Membedakan probabilitas, confidence model, dan kepastian.
  • Menggabungkan base rate, dampak kesalahan, dan bukti lain sebelum mengambil keputusan.

Mulai dari keputusan kecil

Peluang hujan 70% tidak memberi tahu apakah satu tetes akan jatuh di kepala Anda.

Angka itu membantu keputusan: membawa payung atau tidak. Namun keputusan juga dipengaruhi oleh seberapa repot membawa payung dan seberapa besar akibat bila kita kehujanan. Orang yang akan berjalan lima menit mungkin memilih berbeda dari orang yang membawa dokumen penting.

Probabilitas tidak mengambil keputusan untuk kita. Ia merangkum ketidakpastian berdasarkan informasi dan cara perhitungan tertentu. Tugas kita adalah membaca apa yang dihitung, lalu menggabungkannya dengan biaya, manfaat, dan toleransi terhadap kesalahan.

Lihat sebagai frekuensi

Ubah persentase menjadi seratus kejadian yang sebanding.

Seratus titik dalam kisi, delapan puluh berwarna nila dan dua puluh berwarna pucat, menggambarkan sekitar delapan puluh hasil dari seratus kejadian sebanding.
Probabilitas 80% dapat dibaca: pada banyak situasi yang benar-benar sebanding, sekitar 80 dari 100 diperkirakan menghasilkan kejadian tersebut.

Kisi berisi 100 kejadian. Delapan puluh ditandai sebagai kejadian yang diperkirakan terjadi dan dua puluh sebagai yang tidak. Ini bukan jaminan urutan; kejadian pertama tetap dapat masuk kelompok dua puluh.

Tiga istilah kunci

Pisahkan kemungkinan, tingkat keyakinan model, dan kepastian.

Ketiganya sering tercampur karena sama-sama ditulis sebagai angka atau terdengar meyakinkan.

Probabilitas
Ukuran kemungkinan sebuah kejadian di bawah asumsi dan informasi tertentu.
Confidence model
Skor internal atau estimasi model. Nilainya belum tentu sama dengan peluang benar di dunia nyata.
Kepastian
Keadaan tanpa keraguan. Dalam prediksi dunia nyata, kondisi ini jarang tersedia.

Contoh dengan angka kecil

Sistem menandai transaksi berisiko dengan skor 80%. Apa yang harus dilakukan?

Diketahui

  • Satu transaksi diberi skor risiko 80%.
  • Memblokir transaksi yang sah membuat pelanggan tidak dapat membayar.
  • Melewatkan transaksi curang menimbulkan kerugian finansial.
  1. 1. Baca angkanya Skor memberi sinyal kuat menurut model, bukan bukti bahwa transaksi ini pasti curang.
  2. 2. Cari kelompok pembanding Periksa apakah transaksi dengan skor serupa benar-benar curang sekitar 80 dari 100 kali. Ini menguji kalibrasi.
  3. 3. Lihat base rate Jika fraud sangat jarang, bahkan sistem yang tampak akurat dapat menghasilkan banyak peringatan palsu.
  4. 4. Sesuaikan tindakan Alih-alih langsung memblokir, tim dapat meminta verifikasi tambahan atau meminta seseorang meninjau kasus tersebut.

Hasil: Angka yang sama dapat menghasilkan tindakan berbeda karena dampak false positive dan false negative berbeda.

Interpretasi: Probabilitas berguna ketika dihubungkan dengan kualitas model, tingkat dasar kejadian, dan konsekuensi keputusan.

Satu angka yang sering hilang

Base rate memberi tahu seberapa sering kejadian muncul sebelum melihat prediksi baru.

Misalkan hanya 1 dari 100 transaksi sebenarnya fraud. Sistem mendeteksi sebagian besar fraud, tetapi juga salah menandai beberapa transaksi normal. Karena transaksi normal jauh lebih banyak, jumlah peringatan palsu dapat melampaui fraud yang benar-benar ditemukan.

Ini bukan berarti sistem tidak berguna. Artinya, akurasi keseluruhan atau satu skor belum cukup untuk memilih tindakan. Tim perlu melihat precision, recall, threshold, dan biaya setiap jenis kesalahan. Pada tahap ini Anda tidak perlu menghafal semua rumus; cukup ingat bahwa kejadian langka membutuhkan perhatian khusus pada kelompok pembanding.

Dua pertanyaan berbeda

Model yang percaya diri belum tentu terkalibrasi.

Confidence tinggi

  • Model memberi skor yang jauh dari titik ragu-ragu.
  • Menggambarkan keyakinan menurut representasi internal model.
  • Dapat tetap salah karena data bergeser atau model terlalu yakin.

Kalibrasi baik

  • Dari kasus yang diberi 80%, sekitar 80 dari 100 benar dalam data yang relevan.
  • Diuji pada kelompok dan periode yang menyerupai penggunaan nyata.
  • Perlu dipantau ketika pengguna, data, atau proses berubah.

Tanyakan bukan hanya ‘berapa skornya?’, tetapi juga ‘apakah skor seperti ini terbukti sesuai dengan frekuensi nyata?’

Jebakan pembacaan

Jika probabilitas lebih dari 50%, kita harus selalu memilih kejadian itu.

Mengapa ini terasa masuk akal

Angka di atas 50% terdengar seperti mayoritas dan mudah berubah menjadi aturan otomatis di kepala kita.

Cara memeriksanya

Keputusan bergantung pada dampak. Risiko 10% mungkin terlalu tinggi untuk keselamatan, sementara peluang keberhasilan 40% mungkin layak untuk eksperimen murah dan mudah dibatalkan.

Berhenti dan prediksi

Dari sepuluh prediksi bernilai 90%, dua ternyata salah. Apakah model pasti buruk?

Bayangkan jawaban Anda, lalu buka pembahasannya.

Buka pembahasan

Belum dapat disimpulkan. Sepuluh contoh terlalu sedikit untuk menilai kalibrasi secara stabil. Kita perlu lebih banyak kasus yang sebanding, mengetahui cara contoh dipilih, dan memeriksa apakah pola kesalahan terkonsentrasi pada kelompok tertentu. Dua kesalahan tetap perlu diperiksa, terutama bila dampaknya besar.

Checklist keputusan

Sebelum bertindak berdasarkan persentase, jawab lima pertanyaan.

  1. Kejadian apa yang sebenarnya diprediksi?
  2. Kelompok, periode, atau kondisi apa yang menjadi pembanding?
  3. Seberapa sering kejadian itu muncul sebelum prediksi ini? Apa base rate-nya?
  4. Apa akibat false positive dan false negative?
  5. Bukti apa yang menunjukkan skor model terkalibrasi pada konteks penggunaan ini?

Jika dampak keputusan besar atau sulit dibalik, probabilitas sebaiknya menjadi satu bukti di antara beberapa bukti, bukan satu-satunya penentu.

Latihan singkat

Ambil satu prediksi yang Anda temui, misalnya cuaca, risiko, lead score, atau rekomendasi. Tulis arti persentasenya, base rate yang dibutuhkan, dua jenis kesalahan, dan tindakan yang masih aman bila prediksinya keliru.

Ringkasan

  • Probabilitas merangkum ketidakpastian pada kondisi tertentu; ia bukan janji untuk satu kejadian.
  • Baca persentase sebagai frekuensi dari banyak kejadian sebanding, lalu periksa kalibrasinya.
  • Keputusan yang baik menggabungkan probabilitas, tingkat dasar kejadian, dampak kesalahan, dan tinjauan manusia.

Lanjutkan dari sini

Sumber dan bacaan lanjut