TED2006
Hans Rosling: The best stats you've ever seen
Hans Rosling menunjukkan statistik terbaik yang pernah anda lihat
Filmed:
Readability: 3.6
14,386,844 views
Anda tidak pernah melihat data disajikan seperti ini. Dengan drama dan urgensi layaknya seorang pembawa acara olah raga, guru statistik Hans Rosling membantah mitos tentang istilah "negara berkembang".
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
Double-click the English transcript below to play the video.
00:25
About 10 years ago, I took on the task to teach global development
0
0
4000
Sekitar 10 tahun lalu, saya mengemban tugas mengajar perkembangan global
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
pada mahasiswa S1 di Swedia. Ini terjadi setelah saya habiskan
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
sekitar 20 tahun bekerja sama dengan lembaga-lembaga Afrika mempelajari kelaparan di Afrika,
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
jadi saya dianggap sedikit lebih tahu tentang dunia.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
Dan di universitas kedokteran kami, Institut Karolinska, saya memulai
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
sebuah mata kuliah S1 berjudul Kesehatan Global. Tapi ketika anda mendapat
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
kesempatan macam itu, anda jadi sedikit cemas. Saya pikir, murid-murid ini
00:53
coming to us actually have the highest grade you can get
7
28000
3000
mendaftar kesini dengan nilai terbaik yang dapat diraih
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
di sistem pendidikan Swedia -- jadi mungkin mereka tahu segala hal
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
yang akan saya ajarkan. Jadi saya berikan tes awal ketika mereka datang.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
Dan satu pertanyaan yang saya banyak belajar darinya, adalah ini:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"Negara mana yang memiliki tingkat kematian anak tertinggi dari lima pasangan berikut?"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Dan saya memasangkannya sehingga pada tiap pasangan, satu negara
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
punya dua kali tingkat kematian anak dari pasangannya. Dan ini artinya
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
perbedaannya lebih besar daripada ketidakpastian datanya.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Saya tidak akan mengetes anda, tapi Turki,
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
adalah yang tertinggi disini, Polandia, Rusia, Pakistan, dan Afrika Selatan.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
Dan inilah jawaban dari mahasiswa di Swedia. Saya hitung juga
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
interval kepercayaannya, yang cukup sempit, dan saya senang,
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
tentu saja: 1.8 jawaban benar dari lima maksimal. Ini artinya
01:41
there was a place for a professor of international health --
20
76000
3000
masih ada tempat buat profesor kesehatan internasional --
01:44
(Laughter) and for my course.
21
79000
2000
(Tawa) dan untuk kuliah saya.
01:46
But one late night, when I was compiling the report
22
81000
4000
Namun suatu malam, ketika saya sedang menyusun laporannya
01:50
I really realized my discovery. I have shown
23
85000
4000
Saya baru menyadari penemuan ini. Saya telah membuktikan
01:54
that Swedish top students know statistically significantly less
24
89000
5000
bahwa pelajar papan atas Swedia, secara signifikansi statistik, kurang tahu
01:59
about the world than the chimpanzees.
25
94000
2000
tentang dunia dibandingkan simpanse.
02:01
(Laughter)
26
96000
2000
(Tawa)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Karena simpanse akan mendapat separuh nilai total jika saya beri mereka
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
dua pisang untuk Sri Lanka dan Turki. Tebakan mereka akan separuhnya benar.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Tapi para murid kalah dari simpanse. Menurutku masalahnya bukan ketidaktahuan:
02:14
it was preconceived ideas.
30
109000
3000
masalahnya adalah ide-ide yang telah tertanam sebelumnya (prasangka).
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Saya juga lakukan studi yang kurang etis pada para profesor di Institut Karolinska
02:21
(Laughter)
32
116000
1000
(Tawa)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
-- yang membagikan hadiah Nobel bidang kedokteran,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
dan mereka kurang lebih setara dengan simpanse.
02:26
(Laughter)
35
121000
3000
(Tawa)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Disinilah saya menyadari adanya kebutuhan untuk berkomunikasi,
02:33
because the data of what's happening in the world
37
128000
3000
karena data mengenai apa yang terjadi di dunia
02:36
and the child health of every country is very well aware.
38
131000
3000
dan kesehatan anak-anak di tiap negara sudah banyak diketahui.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Kami membuat peranti lunak yang menyajikan data seperti ini: tiap bulatan disini adalah sebuah negara.
02:44
This country over here is China. This is India.
40
139000
6000
Negara disini adalah Cina. Ini adalah India.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Besarnya bulatan menunjukkan populasi, dan di sumbu ini saya taruh tingkat kesuburan.
02:56
Because my students, what they said
42
151000
3000
Karena mahasiswa saya, mereka bilang
02:59
when they looked upon the world, and I asked them,
43
154000
2000
saat mereka melihat dunia, dan saya tanyakan pada mereka,
03:01
"What do you really think about the world?"
44
156000
2000
"Apa yang kalian benar-benar pikirkan tentang dunia?"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
Nah, pertama saya temukan bahwa buku pelajarannya kebanyakan Tintin.
03:07
(Laughter)
46
162000
1000
(Tawa)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
Dan mereka bilang, "Dunia adalah 'kita' dan 'mereka'.
03:11
And we is Western world and them is Third World."
48
166000
3000
Dan 'kita' adalah dunia barat dan 'mereka' adalah dunia ketiga".
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
"Dan apa yang kalian maksud dengan dunia barat?" saya bertanya.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"Yah, umur panjang dan keluarga kecil, dan dunia ketiga itu umur pendek dan keluarga besar".
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Jadi ini yang dapat saya tunjukkan disini. Saya taruh tingkat kesuburan disini: banyaknya anak per wanita,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
satu, dua, tiga, empat, sampai sekitar delapan anak per wanita.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
Kita punya data yang sangat bagus sejak 1962 -- sekitar 1960 -- mengenai besarnya keluarga di setiap negara.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Batas kesalahannya sempit. Disini saya taruh tingkat harapan hidup,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
dari 30 tahun di beberapa negara sampai dengan 70 tahun.
03:45
And 1962, there was really a group of countries here
56
200000
3000
Tahun 1962, memang ada satu kelompok negara-negara disini.
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
yang merupakan negara maju, dan memiliki keluarga yang kecil dan umur panjang.
03:53
And these were the developing countries:
58
208000
2000
Dan ini adalah negara-negara berkembang:
03:55
they had large families and they had relatively short lives.
59
210000
3000
mereka punya keluarga yang besar dan umur yang relatif pendek.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Sekarang, apa yang terjadi setelah 1962? Kita ingin melihat perubahannya.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Apakah para murid benar? Apa masih ada dua macam negara?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Ataukah negara berkembang itu mempunyai keluarga yang lebih kecil dan pindah ke sini?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Ataukah umur mereka lebih panjang dan pindah ke sini?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Mari kita lihat. Tadi kita hentikan dunia. Ini semua data statistik PBB
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
yang telah tersedia. Ini dia. Bisa anda lihat di sana?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Ini Cina disini, bergerak menuju kesehatan yang lebih baik, ada kemajuan disana.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Semua negara Amerika Latin yang hijau ini bergerak ke keluarga yang lebih kecil.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Yang kuning ini adalah negara-negara Arab,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
dan keluarga mereka membesar, tapi mereka -- salah, panjang umur, tapi keluarga tidak menjadi besar.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Afrika adalah yang hijau di bawah sini. Mereka masih berada di sini.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Ini India. Indonesia bergerak cukup cepat.
04:36
(Laughter)
72
251000
1000
(Tawa)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
Dan di tahun 80-an di sini, Bangladesh masih di antara negara-negara Afrika disini.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Tapi sekarang, Bangladesh -- adalah keajaiban yang terjadi di tahun 80-an:
04:43
the imams start to promote family planning.
75
258000
3000
para imam mulai mendukung program Keluarga Berencana.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Mereka naik ke sudut sana. Dan tahun 90-an, kita melihat epidemi HIV yang buruk
04:51
that takes down the life expectancy of the African countries
77
266000
3000
yang menurunkan tingkat harapan hidup negara-negara Afrika
04:54
and all the rest of them move up into the corner,
78
269000
4000
dan negara-negara lain naik ke sudut sana,
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
dimana ada umur panjang dan keluarga kecil, dan kita mendapatkan dunia yang benar-benar baru.
05:02
(Applause)
80
277000
13000
(Tepuk tangan)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Mari kita buat perbandingan langsung antara Amerika Serikat dan Vietnam.
05:20
1964: America had small families and long life;
82
295000
5000
1964: Amerika mempunyai keluarga kecil dan umur yang panjang;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
Vietnam punya keluarga besar dan harapan hidup pendek. Dan ini yang terjadi:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
data masa perang menunjukkan bahwa walau ada banyak korban perang,
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
ada peningkatan harapan hidup. Pada akhir tahun,
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
program KB dimulai di Vietnam dan mereka memilih keluarga yang lebih kecil.
05:41
And the United States up there is getting for longer life,
87
316000
3000
Dan Amerika Serikat di atas sana menuju umur yang lebih panjang,
05:44
keeping family size. And in the '80s now,
88
319000
3000
menjaga besarnya keluarga. Dan di tahun 80-an,
05:47
they give up communist planning and they go for market economy,
89
322000
3000
Vietnam meninggalkan komunisme dan memeluk sistem ekonomi pasar,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
dan ini bergerak lebih cepat dari kehidupan sosial. Dan kini,
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
Vietnam memiliki harapan hidup dan besarnya keluarga yang sama
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
Vietnam di tahun 2003, seperti di Amerika Serikat, 1974, saat akhir perang (Vietnam).
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Saya pikir kita semua -- jika kita tidak melihat ke dalam data --
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
kita cenderung meremehkan perubahan besar yang terjadi di Asia, yang
06:14
in social change before we saw the economical change.
95
349000
4000
didahului perubahan sosial sebelum kita melihat dampak ekonominya.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Mari kita pindah ke bentuk penyajian lain di mana kita dapat menunjukkan
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
distribusi pendapatan di dunia. Inilah distribusi pendapatan orang-orang di dunia.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Satu dolar, 10 dolar, atau 100 dolar per hari.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Tak ada lagi jurang antara orang kaya dan miskin. Ini hanya mitos.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Ada sedikit tonjolan disini. Tapi ada orang di semua segmen.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
Dan jika kita lihat ke mana uang mengalir -- pendapatannya --
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
ini adalah 100 persen pendapatan per tahun dunia. Dan 20 persen orang terkaya,
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
mereka mengambil sekitar 74 persen. Dan 20 persen orang termiskin,
07:01
they take about two percent. And this shows that the concept
104
396000
5000
mereka mengambil sekitar dua persen. Dan ini menunjukkan bahwa konsep
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
tentang negara berkembang sangat meragukan. Kita berpikir tentang bantuan, seperti
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
orang dari sini memberi bantuan kepada yang di sini. Tapi di tengah-tengah,
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
ada mayoritas dari populasi dunia, dan mereka kini punya 24 persen dari pendapatan.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Kita mendengarnya dalam bentuk-bentuk lain. Dan siapakah mereka ini?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Dimanakah masing-masing negara? Saya dapat tunjukkan pada anda Afrika.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Inilah Afrika. 10 persen dari populasi dunia, kebanyakan dalam kemiskinan.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Ini adalah OECD. Negara-negara kaya. Klub elit PBB.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
Dan mereka ada di sebelah sini. Cukup ada tumpang tindih antara Afrika dan OECD.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
Dan ini Amerika Latin. Di sana terdapat semua yang ada di muka bumi,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
dari yang paling miskin hingga yang paling kaya, di Amerika Latin.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
Dan di atasnya, kita dapat taruh Eropa Timur, kita dapat taruh Asia Timur,
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
dan kita taruh Asia Selatan. Dan bagaimana wujudnya kalau kita mundur ke masa lalu,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
ke sekitar 1970? Pada saat itu tonjolannya lebih terlihat.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Dan yang hidup di dalam kemiskinan mutlak kebanyakan dari Asia.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Masalah dunia saat itu adalah kemiskinan di Asia. Dan kini jika saya majukan dunia,
08:14
you will see that while population increase, there are
120
469000
3000
anda dapat lihat bahwa meskipun populasi meningkat, ada
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
ratusan juta orang di Asia keluar dari kemiskinan, dan beberapa yang lain
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
jatuh ke kemiskinan, dan inilah pola yang kita punyai sekarang.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
Dan perkiraan terbaik dari Bank Dunia adalah bahwa ini akan terjadi,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
dan kita tak akan mempunyai dunia yang terbagi. Kebanyakan orang di tengah.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Tentu saja ini dalam skala logaritmik,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
tapi konsep ekonomi kita adalah pertumbuhan dalam persen. Kita melihatnya
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
sebagai peluang dari persentase kenaikan. Jika saya ubah ini, dan saya ambil
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
GDP per kapita untuk menggantikan pendapatan, dan saya ubah
08:48
individual data into regional data of gross domestic product,
129
503000
6000
data-data individual menjadi data regional dari GDP,
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
dan saya ambil daerah-daerah di bawah sini, besarnya bulatan ini tetap populasi.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
Dan kita punya OECD di sana, dan Afrika sub-Sahara di sana,
09:01
and we take off the Arab states there,
132
516000
3000
dan kita ambil negara-negara Arab di sana,
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
yang ada di Afrika dan Asia, dan kita letakkan mereka terpisah,
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
dan kita bentangkan sumbu ini, dan kita dapat memberi dimensi baru di sini,
09:13
by adding the social values there, child survival.
135
528000
3000
dengan menambahkan nilai-nilai sosial di sana, peluang hidup anak.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Kini ada uang di sumbu ini, dan saya punya peluang hidup anak di sana.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
Di beberapa negara, 99.7 persen anak bertahan hidup sampai umur lima tahun;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
yang lain, hanya 70. Dan disini sepertinya ada sebuah kesenjangan
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
antara OECD, Amerika Latin, Eropa Timur, Asia Timur,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
negara-negara Arab, Asia Selatan dan Afrika sub-Sahara.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Hubungan linear antara harapan hidup anak dan uang sangat kuat.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Tapi mari kita bagi Afrika sub-Sahara. Kesehatan di sumbu ini dan makin ke atas makin baik.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Saya dapat membagi Afrika sub-Sahara menjadi negara-negaranya.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
Dan ketika dipisah, ukuran tiap bulatan negara adalah ukuran populasinya.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Sierra Leone di bawah sana. Mauritius di atas sana. Mauritius adalah negara pertama
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
yang meniadakan batasan perdagangan, dan mereka dapat menjual gula mereka.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
Mereka dapat menjual tekstil mereka secara setara dengan orang-orang di Eropa dan Amerika Utara.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Ada perbedaan sangat besar antar negara-negara Afrika. Dan Ghana di sini di tengah.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
Di Sierra Leone, bantuan kemanusiaan.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Di Uganda sini, bantuan pembangunan. Di sini, saatnya berinvestasi, di sana,
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
anda bisa berlibur ke sana. Sungguh variasi yang sangat besar
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
di dalam Afrika yang seringkali kita anggap -- bahwa semuanya sama.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Saya dapat pisahkan Asia Selatan di sini. India adalah bulatan besar di tengah.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Tapi besar perbedaan antara Afghanistan dan Sri Lanka.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Saya bisa pisahkan negara-negara Arab. Bagaimana mereka? Iklim sama, budaya sama,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
agama sama. Perbedaan besar. Bahkan antar tetangga.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Yaman, perang sipil. Uni Emirat Arab, uang yang dipakai dengan baik dan merata.
10:54
Not as the myth is. And that includes all the children of the foreign workers who are in the country.
158
629000
7000
Tak seperti di mitos. Dan ini sudah memperhitungkan anak tenaga kerja asing di sana.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Data seringkali lebih baik dari yang anda kira. Banyak orang bilang datanya buruk.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Ada batas ketidakpastian, tapi kita bisa lihat perbedaannya disini:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Kamboja, Singapura. Perbedaannya jauh lebih besar
11:11
than the weakness of the data. East Europe:
162
646000
3000
dari kelemahan dalam datanya. Eropa Timur:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
cukup lama dalam sistem ekonomi Soviet, tapi setelah sepuluh tahun mereka jadi
11:20
very, very differently. And there is Latin America.
164
655000
3000
sangat, sangat berbeda. Dan ini adalah Amerika Latin.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Kini, kita tak perlu lagi pergi ke Kuba untuk menemukan negara yang sehat di Amerika Latin.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
Chili akan punya tingkat kematian anak yang lebih rendah dari Kuba dalam beberapa tahun ke depan.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
Dan di sini kita punya negara kaya di OECD.
11:35
And we get the whole pattern here of the world,
168
670000
4000
Dan kita dapatkan pola dunia seutuhnya di sini,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
yang kurang lebih kelihatan seperti ini. Dan jika kita lihat,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
bagaimana kelihatannya -- dunia, di tahun 1960, mulai bergerak. 1960.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Ini Mao Zedong. Dia membawa kesehatan ke Cina. Lalu dia meninggal.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
Lalu Deng Xiaoping datang dan membawa uang ke Cina, dan membawa Cina kembali ke jalur utama.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
Dan kita telah lihat bagaimana negara-negara bergerak ke arah yang berbeda macam ini,
12:02
so it's sort of difficult to get
174
697000
4000
jadi memang agak sulit untuk memperoleh
12:06
an example country which shows the pattern of the world.
175
701000
5000
sebuah contoh negara yang menunjukkan pola dari dunia.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Saya ingin membawa anda kembali ke sekitar tahun 1960.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Saya mau membandingkan Korea Selatan, yang ini, dengan Brazil,
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
yang ini. Labelnya sepertinya hilang. Dan saya ingin membandingkan Uganda,
12:32
which is there. And I can run it forward, like this.
179
727000
5000
yang di sana. Dan saya bisa majukan, seperti ini.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
Dan anda dapat lihat bagaimana Korea Selatan membuat kemajuan pesat,
12:46
whereas Brazil is much slower.
181
741000
3000
sedangkan Brazil jauh lebih lambat.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
Dan jika kita kembali lagi, di sini, dan kita tampilkan jejak mereka, seperti ini,
12:55
you can see again that the speed of development
183
750000
4000
anda dapat melihat lagi bahwa laju dari perkembangan
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
amat sangat berbeda, dan negara-negara bergerak kurang lebih
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
sama cepatnya dengan uang dan kesehatan, tapi sepertinya anda dapat bergerak
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
lebih cepat jika lebih sehat dulu, dibanding lebih kaya dulu.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
Dan untuk menunjukkannya, kita dapat mengambil pergerakan Uni Emirat Arab.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Mereka datang dari sini, sebuah negara mineral. Mereka punya banyak minyak,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
mereka punya banyak uang, tapi kesehatan tak dapat dibeli di supermarket.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
Anda harus berinvestasi dalam kesehatan. Anda harus sekolahkan anak-anak.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Anda harus melatih tenaga medis. Ada harus mendidik warga.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
Dan Sheikh Sayed melakukan itu dengan cara yang cukup bagus.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Dan walaupun harga minyak turun, dia membawa negara ini ke atas sana.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Jadi kita lihat gambaran lebih umum tentang apa yang terjadi di dunia,
13:43
where all countries tend to use their money
195
798000
2000
diimana semua negara cenderung mengelola uang mereka
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
lebih baik dibandingkan dulu. Sekarang, inilah, kurang lebih,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
tampilannya jika anda lihat data rata-rata dari tiap negara. Seperti ini.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Nah, menggunakan data rata-rata itu berbahaya, karena ada banyak sekali
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
perbedaan di dalam masing-masing negara. Jadi jika saya lihat disini, kita dapat lihat
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
bahwa Uganda kini berada di tempat Korea Selatan pada tahun 1960. Jika saya bagi Uganda,
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
ada cukup besar perbedaan di dalam Uganda. Ini adalah seperlima dari Uganda.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
20 persen terkaya di Uganda ada di sana.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Termiskin ada di bawah sana. Jika saya bagi Afrika Selatan, jadinya seperti ini.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Jika saya ke bawah dan lihat Niger, dimana ada kelaparan yang parah,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
maka, jadinya begini. Dua puluh persen termiskin di Niger ada di luar sini,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
dan 20 persen terkaya dari Afrika Selatan ada di sana,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
tapi kita tetap saja mendiskusikan solusi apa yang seharusnya dibuat untuk Afrika.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Semua yang ada di dunia ini ada di Afrika. Dan kita tak dapat
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
mendiskusikan akses universal ke [pengobatan] HIV bagi seperlima di atas sana
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
dengan strategi yang sama seperti di bawah sini. Perbaikan dunia
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
haruslah sesuai konteks, dan tidak relevan untuk menerapkannya
15:00
on regional level. We must be much more detailed.
212
875000
3000
pada tingkat regional. Kita harusnya lebih mendetail lagi.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Kami lihat murid-murid jadi sangat bersemangat saat mereka bisa menggunakan ini.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
Dan lebih banyak lagi pembuat kebijakan dan sektor swasta ingin melihat
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
bagaimana dunia berubah. Nah, mengapa ini tidak terjadi?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Mengapa kita tidak gunakan data yang kita miliki? Kita punya data di PBB,
15:20
in the national statistical agencies
217
895000
2000
di pusat-pusat statistik nasional
15:22
and in universities and other non-governmental organizations.
218
897000
4000
dan di universitas-universitas dan lembaga swadaya masyarakat.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Karena datanya tersebunyi di dalam database.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Dan publik ada disana, dan internet disana, tapi kita belum menggunakannya dengan efektif.
15:33
All that information we saw changing in the world
221
908000
3000
Semua informasi yang kita lihat berubah di dunia
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
belum termasuk statistik yang didanai oleh publik. Ada beberapa situs web
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
seperti ini, di mana mereka menyerap sedikit nutrisi dari database-database itu,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
tapi mereka pasang harga untuk itu, password konyol, dan statistik yang membosankan.
15:51
(Laughter) (Applause)
225
926000
3000
(Tawa) (Tepuk tangan)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Dan ini tidak mungkin jalan. Jadi apa yang dibutuhkan? Kita punya databasenya.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Bukan database baru yang kita butuhkan. Kami punya peralatan desain yang mengagumkan,
16:02
and more and more are added up here. So we started
228
937000
3000
dan banyak lagi yang masih ditambahkan. Jadi kami memulai
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
sebuah usaha nirlaba yang kami namakan -- menghubungkan data dengan desain --
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
kami namai Gapminder, diilhami kereta bawah tanah London, dimana ada peringatan,
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"awas lubang celah." ("mind the gap.") Jadi kami pikir Gapminder sangatlah sesuai.
16:16
And we started to write software which could link the data like this.
232
951000
4000
Dan kami mulai menyusun peranti lunak yang bisa menghubungkan data seperti ini.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
Dan itu tak terlalu sulit. Memang makan beberapa tahun, dan kami telah hasilkan animasi-animasi.
16:26
You can take a data set and put it there.
234
961000
2000
Anda bisa mengambil sebuah kumpulan data dan masukkan disana.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Kami membebaskan data PBB, beberapa organisasi PBB.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Beberapa negara mengijinkan database mereka untuk diakses dunia,
16:37
but what we really need is, of course, a search function.
237
972000
3000
tapi yang benar-benar kita butuhkan, tentu saja, adalah sebuah fungsi pencarian.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Sebuah fungsi pencarian dimana kita dapat menterjemahkan data ke bentuk yang dapat dicari
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
dan membuatnya dapat diakses. Dan apa yang kami dengar saat mengenalkannya?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Saya telah pelajari antropologi unit statistik utama. Semua orang bilang,
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"Mustahil. Tak mungkin dilakukan. Informasi kami itu sangat unik
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
dan detail, sehingga tak sesuai untuk fungsi pencari dibanding informasi lainnya.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Kita tak bisa berikan data ini gratis pada para pelajar, dan wiraswastawan dunia."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Tapi inilah yang kita ingin lihat, bukan?
17:08
The publicly-funded data is down here.
245
1003000
3000
Data yang didanai publik berada di bawah sini.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
Dan kita ingin bunga-bunga indah tumbuh dalam internet.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
Dan satu poin penting adalah membuat datanya dapat dicari, jadi orang-orang dapat menggunakan
17:19
the different design tool to animate it there.
248
1014000
2000
bermacam-macam alat desainnya untuk menganimasikannya.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
Dan saya punya satu kabar baik untuk kalian. Kabar baiknya adalah bahwa,
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
Kepala Badan Statistik PBB yang baru tidak berkata bahwa ini mustahil.
17:30
He only says, "We can't do it."
251
1025000
2000
Dia hanya berkata, "Kita tak bisa melakukannya."
17:32
(Laughter)
252
1027000
4000
(Tawa)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Benar-benar orang yang cerdik, ya?
17:38
(Laughter)
254
1033000
2000
(Tawa)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Jadi kita akan melihat banyak aktivitas mengenai data beberapa tahun ke depan.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Kita akan bisa melihat distribusi pendapatan dengan cara yang benar-benar baru.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Ini adalah distribusi pendapatan di Cina, tahun 1970.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
distribusi pendapatan di Amerika Serikat, tahun 1970.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Hampir tidak ada perpotongannya. Dan apa yang telah terjadi?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Inilah yang terjadi: bahwa Cina berkembang, dan mulai ada kesenjangan,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
dan muncul disini, siap menerkam Amerika Serikat.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Hampir seperti hantu, ya kan?
18:14
(Laughter)
263
1069000
2000
(Tawa)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Agak menakutkan. Tapi saya pikir sangat penting untuk mendapat semua informasi ini.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Kita perlu benar-benar melihatnya. Dan daripada melihat ini,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
saya ingin menutup dengan menunjukkan jumlah pengguna internet per 1000 [orang].
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Dengan peranti lunak ini, kami mengakses sekitar 500 variabel dari semua negara dengan cukup mudah.
18:42
It takes some time to change for this,
268
1097000
4000
Akan perlu beberapa saat untuk merubah ini,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
tapi di sumbu-sumbunya, anda bisa memasang variabel apa pun yang anda inginkan dengan mudah.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
Dan hal yang utama adalah untuk menerbitkan databasenya dengan gratis,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
membuatnya dapat dicari, dan dengan dua kali klik, mengubahnya
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
ke dalam bentuk grafik, dimana anda dapat langsung memahaminya.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Nah, statistikawan tidak suka ini, mereka bilang bahwa ini
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
tak menunjukkan kenyataan; kita harus memakai metode statistika dan analitika.
19:16
But this is hypothesis-generating.
275
1131000
3000
Tapi ini sistem yang menghasilkan hipotesis.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Saya akhiri dengan dunia. Di sana, Internet sedang datang.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Jumlah pengguna internet naik seperti ini. Ini adalah GDP per orang.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
Dan ini adalah teknologi baru yang muncul, tapi ajaibnya, betapa
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
cocoknya ini dengan tingkat ekonomi tiap negara. Itulah mengapa komputer
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
seharga 100 dolar akan jadi sangat penting. Tapi ini kecenderungan yang baik.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Seakan dunia ini jadi lebih datar, kan? Negara-negara ini
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
naik lebih tinggi daripada ekonominya dan sangatlah menarik
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
untuk mengikuti ini beberapa tahun ke depan, dan saya ingin anda juga bisa
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
melakukannya dengan data-data yang didanai publik. Terima kasih banyak.
19:53
(Applause)
285
1168000
3000
(Tepuk tangan)
ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionaryIn Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.
Why you should listen
Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.
What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.
Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.
Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)
Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.
Hans Rosling passed away in February 2017. He is greatly missed.
Hans Rosling | Speaker | TED.com