Sebuah studi baru menunjukkan bahwa ketika memprediksi tren, membaca diagram batang versus grafik garis membuat penilaian kita bias.

Newswise – Format di mana grafik disajikan dapat membuat orang menjadi terlalu optimis atau pesimis tentang tren yang ditampilkan oleh grafik, sebuah studi baru menunjukkan.

Akademisi dari City, University of London dan University College London menemukan bahwa ketika orang membuat prediksi tentang bagaimana tren akan berkembang dari waktu ke waktu, mereka membuat lebih sedikit penilaian ketika tren disajikan sebagai grafik jenis ‘bagan batang’ daripada ketika tren itu sama persis. data. Ini disajikan sebagai grafik garis atau grafik yang hanya terdiri dari kumpulan titik data.

Studi ini melibatkan empat uji coba online dengan total lebih dari 4.000 peserta. Dalam dua uji coba pertama, peserta diberikan satu grafik, baik grafik batang, grafik garis, atau grafik titik, diisi dengan 50 titik data yang mewakili penjualan mingguan yang dilakukan oleh perusahaan fiktif. Peserta harus mengklik grafik untuk menunjukkan berapa banyak penjualan yang menurut mereka akan dihasilkan perusahaan dalam delapan minggu ke depan. Mereka termotivasi untuk memberikan tanggapan yang akurat.

Dalam percobaan pertama, jumlah penjualan dalam grafik yang disajikan meningkat dari minggu ke minggu, dan peserta umumnya mengharapkan lebih banyak penjualan meningkat; Pada percobaan kedua, tren grafik menurun yang membuat peserta semakin pesimis dengan penjualan di masa depan.

Namun, di berbagai jenis peserta tren secara konsisten percaya bahwa penjualan akan lebih rendah ketika data disajikan sebagai diagram batang daripada grafik garis atau grafik titik.

Para peneliti bertanya-tanya apakah itu karena dalam bagan batang, area di dalam batang biasanya sangat berbayang dan dengan demikian menarik perhatian secara visual, yang menurunkan estimasi peserta dibandingkan dengan jenis bagan lain di mana tidak ada bayangan untuk menarik perhatian dan perhatian. Namun, dalam percobaan ketiga, mereka menemukan proyeksi yang lebih rendah untuk kolom bahkan ketika kolom dibiarkan tanpa bayangan.

Dalam percobaan keempat, mereka menguji versi bagan batang di mana batang muncul dari atas bagan, bukan dari bawah. Sementara tren halus dalam data menunjukkan hal ini mungkin mencerminkan bias, hasilnya tidak meyakinkan.

Stian Reimers, Profesor Psikologi dan Ilmu Perilaku di School of Health and Psychological Sciences, City, University of London, yang memimpin penelitian tersebut, mengatakan:

“Dalam beberapa tahun terakhir, kami tampaknya telah menghabiskan banyak waktu untuk menggali kronologi: apakah itu jumlah kasus Covid, harga listrik, atau tingkat inflasi, mencoba mencari tahu apa yang akan terjadi. Apa yang ditunjukkan oleh penelitian kami adalah prediksi kami tentang apa yang kita pikir akan terjadi selanjutnya Hal ini dipengaruhi tidak hanya oleh tren yang kita lihat, tetapi juga bentuk penyajiannya. Hal ini jelas memiliki implikasi bagi kita semua saat kita mencoba membuat keputusan tentang kemungkinan aman untuk mengunjungi kerabat yang berisiko, atau apakah kami akan mampu menanggung biaya hipotek.”

Selain memengaruhi keputusan yang dibuat oleh individu, bias ini juga dapat memengaruhi banyak perusahaan yang melakukan analitik seperti “peramalan permintaan”, di mana data historis digunakan untuk memperkirakan dan memprediksi permintaan pelanggan di masa mendatang untuk suatu produk atau layanan; Tepatnya ketika penilaian ini dibuat tanpa bantuan grafik langsung individu dan perkiraan tentang bagaimana menurut mereka tren akan berkembang.

Namun, Prof Reimers yakin bias ini bisa bermanfaat:

“Ini berpotensi berguna karena efek koordinasi semacam ini dapat membantu menangkal beberapa kesalahan lain yang dilakukan orang saat memprediksi tren di masa depan. Banyak bias lain yang ditunjukkan orang saat mencoba mengekstrapolasi tren sesuai dengan cara kita melihat dunia dan sulit untuk diubah.” Untuk apa kami menggunakan grafik adalah sesuatu yang kami kendalikan sepenuhnya, jadi dimungkinkan untuk menggunakan format khusus untuk membantu membatalkan bias bawaan orang dan membantu orang membuat penilaian yang lebih akurat.

“Meskipun kami memiliki banyak peserta, ini hanyalah sekumpulan kecil studi. Akan menarik untuk melihat bagaimana temuan ini dapat digeneralisasikan dalam berbagai format dan tingkat pengalaman, dan akan menarik untuk mencoba menemukan cara menyajikan data yang terungkap dari waktu ke waktu dengan cara yang membantu orang.” Untuk menangkap keadaan dunia dengan lebih baik dan memprediksi dengan lebih akurat apa yang mungkin terjadi selanjutnya.”

Riset akses terbuka dipublikasikan di Jurnal Peramalan Internasional.