Survivor Bias

Dalam statistik, ada sebuah konsep yang disebut "survivor bias", yaitu ketika peneliti hanya memperhatikan ciri-ciri umum dari "yang bertahan hidup", dan mengabaikan informasi dari mereka yang "gagal".

Contoh klasiknya adalah saat selama Perang Dunia II, matematikawan Abraham Wald ditugaskan untuk meneliti bagaimana memperkuat pelindung pesawat Inggris. Pesawat yang kembali memiliki lubang peluru terutama di sayap dan ekor, tetapi Wald berpendapat bahwa harus memperkuat kokpit dan tangki bahan bakar, karena pesawat yang terkena tembakan di bagian tersebut tidak pernah kembali.

Prinsip yang sama juga berlaku untuk buku-buku yang menceritakan rahasia sukses pengusaha; menyalin saran dari buku tersebut secara membabi buta tidak berarti akan meniru keberhasilan, yang lebih berharga sebenarnya adalah menganalisis kesalahan yang dilakukan oleh perusahaan yang bangkrut.

Di komunitas kita juga demikian, orang selalu fokus pada kasus sukses yang sangat sedikit dan mencolok. Misalnya, siapa yang mendapatkan jutaan dari SHIB atau proyek NFT, tetapi jarang yang menganalisis apa yang sebenarnya salah dari bursa dan dana yang bangkrut: penipuan, perdagangan dengan leverage tinggi, kesalahan pengelolaan risiko.

Belajarlah dari kesalahan orang lain, karena kesalahan sendiri kadang biayanya terlalu mahal!