All Models are Wrong, but some are useful… and some are dangerous – Part 5

hidayatnoTinggalkan komentar

Menggunakan model disarankan, namun hati-hati karena ada model yang menyesatkan, model yang memperbudak, dan model yang digunakan untuk membenarkan, bukan untuk memahami.

Pada tahun 2020, model-model epidemiologi dari universitas terkemuka di seluruh dunia, termasuk Indonesia, memprediksi puncak dan akhir COVID-19 dengan angka yang sangat spesifik. Model-model itu dibangun oleh orang-orang cerdas dengan data terbaik yang tersedia saat itu. Hasilnya? Hampir semua meleset dan sebagian besar meleset sangat jauh. Beberapa memprediksi pandemi akan mereda dalam hitungan bulan. Kenyataannya berlangsung lebih dari dua tahun dengan gelombang yang tidak terprediksi.

Pada tahun 2008, model-model risiko keuangan yang digunakan oleh bank-bank terbesar di dunia, model yang sudah divalidasi, disertifikasi, dan dipercaya selama bertahun-tahun oleh regulator dan pelaku industri, gagal mengantisipasi krisis yang kemudian menghancurkan ekonomi global. Model yang sama yang membuat para bankir merasa aman justru menjadi alasan mereka tidak melihat bahaya yang sedang mendekat. Ketika krisis akhirnya datang, bukan hanya bank-bank yang kolaps; jutaan orang kehilangan pekerjaan, rumah, dan tabungan hidup mereka.

Dua kasus. Dua bidang yang berbeda. Satu pelajaran yang sama: model yang dipercaya penuh, tanpa kesadaran akan batas-batasnya, bisa lebih berbahaya dari tidak punya model sama sekali.

Kredo yang sering salah dimengerti

“All models are wrong, but some are useful.” adalah kalimat dari George Box, statistikawan yang karyanya membentuk cara berpikir ilmiah modern, ini adalah salah satu kalimat yang paling sering dikutip dan paling sering salah dimengerti dalam sejarah ilmu pengetahuan terapan.

Ia sering digunakan sebagai pembelaan yang nyaman: “Ya, model kami tidak sempurna, tapi tetap berguna.” Seperti sebuah tameng yang melindungi model dari kritik yang terlalu keras. Tapi yang jarang diperhatikan adalah bagian yang tidak terucapkan dalam kredo itu, bagian yang George Box sendiri sangat sadari: “… beberapa model tidak hanya salah, tapi berbahaya”.

Bukan karena pembuatnya tidak kompeten. Bukan karena niatnya tidak baik. Tapi karena cara model itu dibangun, cara ia dikomunikasikan, dan cara ia digunakan, atau disalahgunakan, oleh mereka yang memegangnya.

Ada tiga jebakan utama yang perlu dipahami oleh siapapun yang menggunakan model untuk mengambil keputusan penting.

Jebakan pertama: model yang terlalu sederhana: melihat gajah dari ekornya saja

Model yang terlalu sederhana adalah model yang mengabaikan variabel atau dinamika yang justru paling menentukan; karena terlalu sulit diukur, terlalu tidak nyaman untuk diakui, atau terlalu tidak familiar dengan cara berpikir pembuatnya.

Model prediksi COVID awal banyak yang mengasumsikan perilaku manusia sebagai konstanta; bahwa orang akan bereaksi terhadap wabah dengan cara yang bisa diprediksi dan seragam di seluruh populasi. Asumsi itu masuk akal secara teknis dalam kerangka model epidemiologi standar. Tapi kenyataannya, respons perilaku manusia adalah salah satu variabel paling menentukan dalam dinamika pandemi; dan ia jauh lebih kompleks, lebih tidak linier, dan lebih dipengaruhi oleh konteks budaya, sosial, dan politik daripada yang bisa ditangkap oleh persamaan diferensial.

Hasilnya adalah model yang secara teknis konsisten dengan asumsi-asumsinya, tapi secara fundamental menyesatkan karena asumsi-asumsinya tidak menangkap realita yang paling penting. Dan karena model itu datang berbalut angka yang presisi dan grafik yang rapi, ia dikomunikasikan, dan diterima, dengan tingkat kepercayaan yang jauh melampaui apa yang seharusnya ia layak dapatkan.

Jebakan ini tidak hanya terjadi di epidemiologi. Ia terjadi di mana-mana ketika kita menyederhanakan masalah yang kompleks menjadi sesuatu yang lebih mudah dikelola; karena kenyamanan, karena keterbatasan waktu, atau karena tekanan untuk menghasilkan angka yang bisa dikomunikasikan dengan cepat kepada audiens yang tidak punya kesabaran terhadap kompleksitas.

Seperti orang yang baru pertama kali menyentuh gajah dari ekornya, lalu dengan penuh keyakinan menyimpulkan bahwa gajah adalah binatang yang tipis dan berbentuk seperti tali.

Jebakan kedua: model yang terlalu kompleks: presisi yang menipu

Jebakan yang berlawanan arah tapi sama berbahayanya.

Model yang terlalu kompleks: yang memasukkan begitu banyak variabel dan hubungan sehingga hanya pembuatnya yang benar-benar memahami cara kerjanya; menciptakan sesuatu yang sangat berbahaya: ilusi presisi.

Model risiko keuangan yang digunakan sebelum krisis 2008 adalah contoh yang hampir sempurna untuk jebakan ini. Model-model itu sangat canggih secara matematis: begitu canggih sehingga bahkan para eksekutif senior yang menggunakannya sebagai dasar keputusan miliaran dolar tidak sepenuhnya memahami mekanisme di baliknya. Mereka mempercayai output modelnya bukan karena mereka memahami logikanya, tapi karena modelnya terlihat sangat ilmiah, sangat kuantitatif, dan sangat presisi.

Masalahnya: presisi dalam perhitungan tidak sama dengan akurasi dalam prediksi. Model yang sangat tepat dalam menghitung sesuatu yang salah tetap akan menghasilkan kesimpulan yang salah; hanya saja dengan lebih banyak angka di belakang koma dan lebih banyak grafik yang meyakinkan.

Model yang kompleks juga menciptakan masalah lain yang lebih halus tapi sama berbahayanya: ia sulit diperdebatkan. Ketika tidak ada orang di ruangan yang benar-benar memahami cara kerja sebuah model, tidak ada yang bisa mempertanyakan asumsi-asumsinya dengan efektif. Dan asumsi yang tidak bisa dipertanyakan adalah asumsi yang paling berbahaya; karena ia bekerja dalam kegelapan, jauh dari mata yang kritis.

Kompleksitas yang tidak bisa dikomunikasikan bukan tanda kecanggihan. Ia adalah tanda bahwa model sudah berhenti menjadi alat berpikir; dan mulai menjadi alat kekuasaan.

Jebakan ketiga: model sebagai justifikasi: kesimpulan dulu, model kemudian

Ini yang paling jarang dibicarakan secara terbuka. Dan justru karena itu, paling sering terjadi.

Model seharusnya digunakan untuk eksplorasi: untuk memahami masalah, menguji asumsi, dan mengeksplorasi konsekuensi dari berbagai pilihan sebelum keputusan diambil. Ia adalah alat untuk berpikir; bukan alat untuk meyakinkan.

Tapi dalam praktik, model sering berjalan ke arah yang berlawanan. Keputusan sudah dibuat: berdasarkan intuisi, kepentingan, tekanan politik, atau sekadar preferensi yang kuat; lalu model dibangun atau dipilih untuk membenarkan keputusan yang sudah ada itu. Bukan untuk memahami masalah. Tapi untuk memberikan keputusan yang sudah dibuat, sebuah kemasan yang terlihat objektif dan ilmiah.

Ini bukan teori konspirasi canggih tentang ketidakjujuran yang disengaja. Ini adalah dinamika yang sangat manusiawi dan sangat sulit dihindari bahkan oleh orang-orang yang berniat baik. Ketika seseorang sudah yakin dengan sebuah kesimpulan,karena pengalaman, karena intuisi yang kuat, atau karena kepentingan yang nyata, ia secara tidak sadar akan memilih model yang mengkonfirmasi keyakinannya, menggunakan asumsi yang menghasilkan output yang diinginkan, dan mengabaikan model alternatif yang mungkin menunjukkan arah yang berbeda.

Hasilnya adalah model yang terlihat objektif dan ilmiah di permukaan, tapi sesungguhnya hanyalah cerminan dari kesimpulan yang sudah dipegang sebelumnya. Dan karena ia datang berbalut angka dan diagram, ia jauh lebih sulit untuk ditantang daripada pendapat yang diungkapkan secara jujur tanpa kemasan kuantitatif.

Model yang digunakan sebagai justifikasi bukan hanya tidak berguna; ia aktif merusak kualitas diskusi dan pengambilan keputusan, karena ia menutup ruang untuk perdebatan yang seharusnya terjadi.

Tiga pertanyaan untuk menggunakan model dengan bijak

Mengetahui tiga jebakan ini tidak berarti kita harus berhenti menggunakan model. Justru sebaliknya, kesadaran tentang jebakan adalah syarat untuk menggunakan model dengan cara yang benar-benar berguna.

Ada tiga pertanyaan yang perlu diajukan setiap kali model digunakan untuk keputusan yang penting.

Pertama: apa yang tidak ditangkap model ini? Setiap model punya batas: variabel yang diabaikan, dinamika yang disederhanakan, asumsi yang tidak diperiksa. Mengetahui batas-batas itu dan jujur tentangnya kepada semua pihak yang menggunakan model adalah tanda bahwa model yang digunakan digunakan dengan sehat. Model yang penggunanya tidak bisa menjawab pertanyaan ini adalah model yang berbahaya.

Kedua: apakah model ini bisa diperdebatkan oleh orang lain? Jika tidak ada orang yang bisa mempertanyakan asumsi model ini secara substantif, bukan karena tidak mau, tapi karena tidak memahaminya, itu bukan tanda modelnya terlalu canggih untuk dikritik. Itu tanda bahwa ada yang kurang tepat dalam cara model itu dikomunikasikan dan digunakan.

Ketiga: apakah model ini digunakan untuk memahami atau untuk membenarkan? Pertanyaan yang paling jujur, dan paling tidak nyaman, dari ketiganya. Tidak selalu mudah dijawab, terutama oleh diri sendiri. Tapi justru karena itu paling perlu diajukan, sebelum model itu digunakan sebagai dasar keputusan yang konsekuensinya harus ditanggung oleh banyak orang.

Kredo yang lebih lengkap

“All models are wrong, but some are useful” — George Box.

Tapi mungkin kredo yang lebih lengkap untuk pengambil keputusan adalah ini: semua model salah, beberapa berguna, dan beberapa berbahaya. Yang membedakannya bukan kecanggihan modelnya; tapi kesadaran penggunanya tentang apa yang ditangkap model itu, apa yang tidak, dan untuk tujuan apa ia sesungguhnya digunakan. Dan kesadaran itu menjadi jauh lebih kritis ketika model tidak lagi digunakan untuk keputusan satu individu atau satu organisasi; tetapi untuk kebijakan yang menyentuh kehidupan jutaan orang. Di situlah perjalanan kita berikutnya akan membawa kita.

Catatan Editorial : Artikel ini adalah bagian kelima dari seri tentang model dan pengambilan keputusan. Perjalanan ini dimulai dari memahami mental model — peta tersembunyi yang kita bawa tanpa sadar dalam setiap keputusan. Lalu bergerak ke bagaimana model membantu kita mengenali pola di balik masalah yang tampak berbeda-beda. Kemudian, bagaimana data saja tidak cukup — dan apa yang model tambahkan yang data tidak bisa berikan. Artikel ini mengajak kita untuk jujur tentang sisi lain dari model: batas-batasnya, jebakannya, dan cara menggunakannya dengan bijak. Artikel berikutnya akan membawa perjalanan ini ke arena yang lebih besar: kebijakan publik — di mana konsekuensi dari model yang salah digunakan tidak lagi dirasakan oleh satu tim atau satu organisasi, tapi oleh jutaan orang yang bahkan tidak tahu bahwa keputusan tentang kehidupan mereka diambil berdasarkan sebuah model.

 

Data Sudah Lengkap, Tapi Keputusannya Tetap Salah — Ada yang Hilang di Antara Keduanya – Part 4

hidayatnoTinggalkan komentar

Model-based decision making bukan tentang lebih banyak data. Tapi tentang pertanyaan yang lebih baik.

Ada situasi yang terasa sangat membingungkan — dan sangat menggelisahkan.

Semua data sudah ada. Semua angka sudah dianalisis. Laporan sudah dibaca sampai halaman terakhir. Rapat sudah dijalankan, diskusi sudah panjang, dan keputusan akhirnya diambil dengan penuh keyakinan.

Lalu hasilnya tidak seperti yang diharapkan.

Bukan karena datanya keliru. Bukan karena analisisnya ceroboh. Bukan karena orangnya tidak kompeten. Tapi ada sesuatu yang hilang di antara data dan keputusan — sesuatu yang tidak tampak di spreadsheet manapun, tidak terlihat di dashboard apapun, dan tidak bisa ditemukan dengan menambah lebih banyak data lagi.

Apa yang hilang itu?

Mengapa data saja tidak cukup

Data menggambarkan apa yang terjadi. Ia merekam, mengukur, dan merangkum kondisi yang sudah ada. Tapi ia tidak otomatis menjelaskan mengapa hal itu terjadi; apalagi apa yang akan terjadi jika kita mengubah sesuatu.

Ada jarak antara deskripsi dan pemahaman. Dan jarak itu tidak bisa diisi hanya dengan menambah lebih banyak data.

Gambar jaringan sirkuit digital dengan lingkaran berwarna cerah di latar belakang yang menunjukkan data dan konektivitas yang terputus
Lanjutkan membaca “Data Sudah Lengkap, Tapi Keputusannya Tetap Salah — Ada yang Hilang di Antara Keduanya – Part 4”

Anda Bilang Tidak Pakai Model untuk Ambil Keputusan, namun Sejak Pagi ini Anda Sudah Memakainya Tiga Kali – Part 3

hidayatnoTinggalkan komentar

Setiap keputusan adalah sebuah model. Pertanyaannya hanya apakah kita menyadarinya.

Pagi ini, sebelum sampai di tempat kerja, Anda sudah membuat beberapa keputusan.

Memilih rute mana yang lebih cepat, atau setidaknya lebih terprediksi waktunya. Memutuskan apakah perlu membawa payung berdasarkan kondisi langit yang Anda lihat sekilas dari jendela. Anda memutuskan apakah perlu membawa payung hari ini. Anda menyimpulkan apakah meeting jam sembilan bisa digeser atau lebih baik tetap dijalankan. Paling sederhana, Anda mungkin juga memutuskan apakah sarapan dulu atau langsung berangkat dan memperkirakan konsekuensinya terhadap konsentrasi Anda nanti.

Namun demikian, tidak satu pun dari keputusan itu terasa seperti “menggunakan model.” Semua terasa seperti akal sehat biasa, intuisi dan pengalaman. Hal yang dilakukan secara otomatis tanpa perlu berpikir terlalu keras.

Tapi mari kita berhenti sebentar. Dan periksa lebih cermat apa yang sebenarnya terjadi di dalam kepala kita ketika membuat keputusan-keputusan yang terasa “otomatis” itu.

Asumsi di balik akal sehat

Ketika Anda memilih rute, Anda menggunakan model tentang kondisi lalu lintas: hari apa ini dalam sepekan (senin/jumat memiliki kebiasaan traffic berbeda), jam berapa kemacetan biasanya terjadi di titik mana, rute mana yang lebih terprediksi, apakah ada informasi tentang kejadian tidak biasa hari ini (misalnya ada pertandingan timnas). Anda tidak menyebutnya “model lalu lintas.” Tapi itulah yang sedang Anda gunakan: sebuah representasi mental tentang bagaimana sistem transportasi kota bekerja pada jam-jam tertentu.

Lanjutkan membaca “Anda Bilang Tidak Pakai Model untuk Ambil Keputusan, namun Sejak Pagi ini Anda Sudah Memakainya Tiga Kali – Part 3”

Kemacetan, Antrean, dan Banjir: Mengapa Masalah yang Berbeda Sering Punya Wajah yang Sama? – Part 2

hidayatnoTinggalkan komentar

Tentang model, pola, dan cara pandang yang mengubah bagaimana kita melihat masalah

Ada momen tertentu yang terasa seperti déjà vu intelektual.

Anda sedang membaca berita tentang kemacetan Jakarta yang tidak kunjung selesai meski jalan terus dibangun. Lalu tiba-tiba teringat antrean panjang di instalasi gawat darurat rumah sakit yang selalu penuh meski bed terus ditambah. Lalu tiba-tiba teringat banjir yang entah bagaimana selalu terasa tidak berkurang dan seperti hanya berpindah tempat.

Tiga masalah yang berbeda. Tiga konteks yang tidak berhubungan. Tiga dunia yang sama sekali tidak saling mengenal.

Tapi ada sesuatu yang mengganjal. Ada sesuatu di bawah permukaan ketiganya yang terasa… sama.

Bukan kebetulan. Dan bukan juga sekedar perasaan. Di sinilah perjalanan memahami model dimulai, bukan dari rumus atau diagram yang rumit, tapi dari momen sederhana ketika kita menyadari bahwa masalah yang tampak berbeda sering punya wajah yang sama.

Pertanyaannya: apa yang sebenarnya kita kenali ketika kita mengenali pola seperti ini?

Dua profesional sedang berdiskusi di depan layar yang menampilkan grafik dan data analitik di ruang rapat.
Lanjutkan membaca “Kemacetan, Antrean, dan Banjir: Mengapa Masalah yang Berbeda Sering Punya Wajah yang Sama? – Part 2”

Mental Model dalam Berpikir Sistem: Kita Melihat Masalah yang Sama — Tapi Kenapa Solusi Kita Berbeda? – Part 1

hidayatnoTinggalkan komentar

Mental model: peta tersembunyi yang menentukan bagaimana kita memecahkan masalah.

Bayangkan sebuah rapat. Dua orang duduk di meja yang sama, membaca laporan yang sama, mendengarkan presentasi yang sama. Data yang disajikan identik. Waktu yang dihabiskan untuk memahaminya pun sama.

Lalu diskusi dimulai.

Orang pertama menyimpulkan: *masalahnya ada di eksekusi. Strateginya sudah benar, tapi implementasinya tidak konsisten.* Orang kedua menyimpulkan: *masalahnya ada di strateginya sendiri. Eksekusi yang lebih baik tidak akan mengubah apapun kalau arahnya memang salah.*

Keduanya cerdas. Keduanya serius. Keduanya bisa menjelaskan alasannya dengan koheren dan meyakinkan. Lalu siapa yang benar? Dan mengapa dua orang yang melihat realita yang sama bisa tiba di tempat yang sangat berbeda?

Jawabannya bukan pada datanya. Jawabannya ada di sesuatu yang lebih dalam — sesuatu yang kita bawa masuk ke ruangan itu jauh sebelum rapatnya dimulai.

Lanjutkan membaca “Mental Model dalam Berpikir Sistem: Kita Melihat Masalah yang Sama — Tapi Kenapa Solusi Kita Berbeda? – Part 1”

Refleksi Berpikir Sistem: Kenapa Reformasi Birokrasi Selalu Terasa Seperti Mengepel Lantai Sambil Krannya Masih Bocor?

hidayatnoTinggalkan komentar

Tentang leverage points — mengapa kita sering bekerja keras di tempat yang salah.

Kita sudah pernah di sini sebelumnya. Nama saat ini adalah Reformasi Birokrasi

Nama programnya berganti. Slogannya diperbarui. Strukturnya direorganisasi. Pelatihannya diselenggarakan dengan penuh semangat. Bahkan seragamnya pun kadang ikut diganti. Dan tiga tahun kemudian atau lima tahun, atau sepuluh dan ceritanya terasa sama. Antrian masih panjang. Dokumen masih sering hilang. Koordinasi antar lembaga masih terasa seperti negosiasi antar negara.

Sebuah alat pel basah di lantai yang mengkilap dengan keran yang menetes air di latar belakang.

Bukan karena orangnya malas. Bukan karena pemimpinnya tidak serius. Tapi mungkin, dan ini yang jarang diucapkan dengan jujur, karena kita selalu mendorong di tempat yang tidak bisa bergerak.

Ada yang namanya titik ungkit

Donella Meadows, seorang pemikir sistem dari MIT yang karyanya terus relevan hingga hari ini, pernah menulis sesuatu yang sederhana tapi menggelisahkan: dalam setiap sistem yang kompleks, ada titik-titik tertentu di mana intervensi kecil bisa menghasilkan perubahan yang besar. Dan sebaliknya, ada tempat-tempat di mana usaha yang sangat besar telah dilakukan hampir tidak mengubah apapun.

Ia menyebutnya leverage points. Titik ungkit.

Yang mengejutkan adalah ini: titik ungkit yang paling kuat justru bukan yang paling mudah dilihat. Biasanya yang paling mudah dilihat dan paling sering dikerjakan, justru yang pengaruhnya paling lemah terhadap sistem secara keseluruhan.

Lanjutkan membaca “Refleksi Berpikir Sistem: Kenapa Reformasi Birokrasi Selalu Terasa Seperti Mengepel Lantai Sambil Krannya Masih Bocor?”

Tumbuh dengan Karakter: Bagaimana Teknik Industri UI Menemukan Dirinya – Part 2

hidayatno3 Komentar

Artikel ini adalah artikel 2 dari 2 artikel tentang Sejarah Teknik Industri yang menuliskan tentang Ketika Teknik Industri Indonesia Menemukan Dirinya: Identitas, Strategi, dan Warisan (2000–2026). Sebagai bagian dari tulisan untuk menyambut Dirgahayu Teknik Industri ke 28, 30 Juni 2026

Hampir Dua Puluh Empat SKS dan Jam Sepuluh Malam

Tapi gedung bukan satu-satunya tantangan. Ada tantangan yang lebih mendasar, yang dihadapi setiap hari, setiap semester: siapa yang mengajar?

Jumlah dosen TIUI pada tahun-tahun awal sangat terbatas. Dan mereka yang masih muda, termasuk saya, juga harus mengembangkan diri untuk sekolah lagi. Sementara itu, kurikulum harus berjalan, mahasiswa harus belajar, dan kelas tidak bisa kosong hanya karena dosennya kurang.

Saya mengajar hampir 24 SKS. Bagi yang tidak familier dengan sistem akademik Indonesia, angka itu hampir tiga kali lipat dari beban normal seorang dosen hari ini. Mata kuliah yang saya ampu mencakup hampir semua penjuru Teknik Industri: faktor manusia/ergonomi, analisis kerja, sistem kualitas, pemodelan sistem, manajemen risiko dan berbagai kuliah lainnya. Belum ada regulasi yang membatasi beban mengajar dosen saat itu dan kami mengisinya sampai penuh, bahkan lebih, baik di S1 maupun di S2.

Pulang jam sepuluh malam setiap hari kerja bukan keluhan; itu rutinitas. Dan karena itu, mahasiswa pun terbiasa melihat departemen masih menyala terang lampunya hingga jam 10 malam. Kalau ingin berdiskusi dengan saya, jam delapan malam bukan waktu yang aneh. Yang aneh adalah ada sebuah toples penalti berisi uang seribuan akibat saya menerapkan English Day setiap satu hari dalam sepekan. Jika ada mahasiswa yang mau berdiskusi pada hari itu, harus berbahasa Inggris. Jika tidak memasukkan uang ke toples tersebut, yang nanti setiap semester akan disumbangkan ke lembaga amal.

Di tengah semua itu, sebagai Sekretaris Jurusan/Departemen, saya juga menjadi otak untuk mengawal strategi pengembangan dan pertumbuhan infrastruktur TIUI secara sistematis — meletakkan fondasi prosedur standar untuk semua fungsi administratif dan akademik, serta berhasil mendapatkan dan mengelola hibah pembuatan gedung laboratorium dan pengembangan peralatan laboratorium dari pemerintah senilai 10 miliar. Uang itu tidak datang karena kami menunggu. Ia datang karena kami aktif mencari, mengajukan, dan meyakinkan.

Lanjutkan membaca “Tumbuh dengan Karakter: Bagaimana Teknik Industri UI Menemukan Dirinya – Part 2”