Model-based policy making bukan pengganti evidence-based policy. Ia adalah langkah berikutnya: yang lebih jujur tentang kompleksitas sistem yang ingin kita ubah.
Bayangkan sebuah proses perumusan kebijakan energi yang berbeda dari yang biasa kita lihat.
Bukan dimulai dari target angka yang harus dicapai, lalu mencari bukti yang mendukungnya. Bukan pula dimulai dari rekomendasi konsultan internasional yang berhasil di negara lain, lalu dicoba diterapkan dengan penyesuaian minimal dan harapan yang besar.
Ia dimulai dengan pertanyaan yang lebih jujur: sistem seperti apa yang sedang kita hadapi? Siapa saja aktor-aktornya, apa kepentingan mereka, dan bagaimana mereka akan merespons perubahan yang kita rancang? Di mana titik-titik kritis yang paling menentukan arah sistem ini — dan ke mana kita harus mendorong agar perubahan yang kita inginkan bisa benar-benar terjadi? Konsekuensi apa yang mungkin tidak kita duga, dan bagaimana sistem akan beradaptasi dengan cara yang tidak kita rencanakan?
Itulah pertanyaan-pertanyaan yang dijawab oleh model-based policy making. Dan itulah yang membedakannya, secara fundamental, dari pendekatan yang selama ini kita andalkan.
Tiga pergeseran yang mengubah cara kita memandang kebijakan
Model-based policy making bukan sekadar teknik baru dalam kotak alat kebijakan publik. Ia adalah pergeseran dalam cara kita memandang apa itu kebijakan yang baik dan bagaimana ia seharusnya dirancang. Ada tiga pergeseran yang paling mendasar.
Dari “apa yang terbukti berhasil” ke “mengapa ia berhasil dan dalam kondisi apa.” Evidence-based policy bertanya apakah sebuah intervensi terbukti efektif. Model-based policy making bertanya mengapa ia efektif — melalui mekanisme apa, dengan asumsi apa tentang perilaku sistem, dan dalam kondisi apa mekanisme itu akan bekerja atau gagal bekerja. Perbedaan ini terdengar halus, tapi konsekuensinya sangat besar: kebijakan yang dipindahkan dari satu konteks ke konteks lain tanpa pemahaman tentang mekanismenya hampir selalu menghasilkan hasil yang mengejutkan.
Dari “rekomendasi” ke “pemahaman tentang mekanisme.” Rekomendasi kebijakan yang baik tidak cukup jika tidak disertai pemahaman tentang jalur kausal yang menghubungkan intervensi dengan dampak yang diharapkan. Tanpa pemahaman mekanisme, kita tidak bisa mengantisipasi di mana kebijakan akan menemui resistansi, di mana ia akan menghasilkan konsekuensi yang tidak dimaksud, dan bagaimana sistem akan beradaptasi dengan cara yang mengubah efektivitasnya seiring waktu.
Dari “kebijakan sebagai jawaban” ke “kebijakan sebagai hipotesis yang perlu diuji.” Pergeseran ini mungkin yang paling radikal; karena ia menuntut kerendahan hati intelektual yang tidak selalu nyaman dalam dunia kebijakan yang penuh tekanan untuk terlihat pasti dan tegas. Kebijakan yang diperlakukan sebagai hipotesis adalah kebijakan yang dirancang dengan asumsi eksplisit yang bisa diuji, mekanisme evaluasi yang sungguh-sungguh, dan kesiapan untuk direvisi ketika realita menunjukkan sesuatu yang berbeda dari yang diharapkan.
Model-based policy making dalam praktik: empat karakteristik
Bagaimana model-based policy making terlihat dalam praktik? Ada empat karakteristik yang membedakannya dari pendekatan kebijakan konvensional.
Pertama, dimulai dari pemodelan sistem sebelum merancang intervensi. Sebelum kebijakan dirancang, diperlukan pemahaman yang cukup tentang struktur sistem yang ingin diubah. Siapa aktor-aktornya dan apa yang menggerakkan perilaku mereka? Di mana feedback loop yang menentukan dinamika sistem? Di mana leverage points yang paling berpengaruh dan ke arah mana ia harus didorong? Pertanyaan-pertanyaan ini bukan formalitas akademis. Ia adalah fondasi dari kebijakan yang punya peluang untuk benar-benar bekerja.
Kedua, melibatkan pemangku kepentingan dalam proses pemodelan, bukan hanya dalam konsultasi. Ini adalah perbedaan yang kritis dan sering diabaikan. Konsultasi meminta pendapat setelah kebijakan dirancang, ia memenuhi prosedur partisipasi, tapi jarang mengubah substansi kebijakan secara signifikan. Model-based policy making melibatkan berbagai pemangku kepentingan dalam proses membangun pemahaman tentang sistem itu sendiri; sehingga model yang dihasilkan mencerminkan perspektif yang lebih beragam, lebih realistis, dan lebih kaya dari apa yang bisa dihasilkan oleh satu tim ahli sendirian.
Ketika komunitas yang terdampak, industri yang berkepentingan, dan peneliti yang memahami dinamisnya duduk bersama untuk membangun model tentang bagaimana sistem bekerja, bukan hanya untuk menyampaikan pendapat tentang kebijakan yang sudah jadi; hasilnya adalah pemahaman bersama yang jauh lebih solid sebagai fondasi kebijakan.
Ketiga, mengantisipasi konsekuensi yang tidak dimaksud sebelum kebijakan dijalankan. Model yang baik membantu kita menjelajahi bagaimana sistem akan merespons intervensi, termasuk resistansi yang akan muncul dari mana, adaptasi yang akan terjadi oleh aktor-aktor yang kepentingannya terancam, dan dampak yang mungkin tidak terduga di bagian sistem yang jauh dari titik intervensi. Ini bukan tentang memprediksi masa depan dengan tepat, itu tidak mungkin. Tapi tentang memperluas jangkauan imajinasi kebijakan kita melampaui skenario yang paling optimistis.
Keempat, memperlakukan kebijakan sebagai hipotesis yang bisa dipelajari. Model membantu kita merancang kebijakan dengan asumsi yang eksplisit, dan dengan rencana untuk mengevaluasi apakah asumsi itu terbukti benar dalam implementasi. Bukan evaluasi sebagai ritual administratif yang dilakukan di akhir program untuk memenuhi persyaratan pelaporan. Tapi sebagai mekanisme pembelajaran yang sungguh-sungguh, yang hasilnya benar-benar mengubah kebijakan berikutnya.
Ketika model konseptual tidak cukup: peran simulasi komputer
Seluruh seri artikel ini menekankan bahwa model, dalam pengertian kerangka berpikir dan kerja, tidak harus canggih untuk berguna. Model konseptual yang sederhana, model yang digambar di whiteboard, percakapan terstruktur yang mengeksplisitkan asumsi; semua ini adalah model yang sangat berguna dan sudah lebih dari cukup untuk banyak konteks pengambilan keputusan.
Tapi untuk masalah kebijakan yang paling kompleks, di mana interaksi antar variabel sangat banyak, di mana delay antara intervensi dan dampak sangat panjang, dan di mana konsekuensi yang tidak dimaksud sangat mungkin muncul jauh dari titik intervensi; model konseptual saja tidak selalu cukup. Di sinilah model kuantitatif dengan simulasi komputer menawarkan kemampuan tambahan yang sangat berharga.
Pendekatan seperti system dynamics, agent-based modeling, dan simulasi skenario memungkinkan kita untuk secara literal menjalankan kebijakan dalam lingkungan virtual sebelum menjalankannya di dunia nyata. Alih-alih membayangkan bagaimana sistem akan berperilaku, kita bisa melihat bagaimana variabel-variabel berinteraksi secara dinamis dari waktu ke waktu; bagaimana delay menghasilkan osilasi yang tidak terduga, bagaimana feedback loop memperkuat atau meredam dampak intervensi, dan bagaimana skenario kebijakan yang berbeda menghasilkan trajektori yang sangat berbeda dalam jangka panjang.
Untuk kebijakan energi transisi, yang dampaknya baru terasa dalam dekade, yang interaksinya melibatkan teknologi, ekonomi, perilaku sosial, dan dinamika politik sekaligus, kemampuan ini bukan kemewahan akademis. Ia adalah kebutuhan praktis yang sangat nyata. Model simulasi memungkinkan pembuat kebijakan untuk menguji apakah sebuah intervensi akan bekerja sebelum miliaran rupiah diinvestasikan dan sebelum jutaan orang terdampak oleh konsekuensi yang tidak diantisipasi.
Tapi, dan ini penting untuk diingat dari artikel keempat dalam seri ini, simulasi yang canggih tidak bebas dari jebakan yang sudah kita bahas. Model yang terlalu kompleks bisa menciptakan ilusi presisi yang menyesatkan. Simulasi yang digunakan untuk membenarkan kesimpulan yang sudah ada sebelumnya bisa menghasilkan angka-angka yang terlihat sangat ilmiah tapi sesungguhnya hanyalah cerminan dari asumsi yang tidak pernah dipertanyakan. Yang membuat simulasi komputer berguna bukan kecanggihan teknisnya; tapi kualitas pemahaman tentang sistem yang ada di baliknya, dan kejujuran tentang asumsi yang digunakan serta batas-batas yang dimilikinya.
Model konseptual dan model kuantitatif bukan pilihan yang saling menggantikan. Mereka adalah bagian dari spektrum yang saling melengkapi, dan kebijakan berbasis model yang paling efektif sering menggunakan keduanya: model konseptual untuk membangun pemahaman bersama dan mengeksplisitkan asumsi, model kuantitatif untuk menguji dinamika dan mengeksplorasi skenario secara lebih sistematis.
Kerangka kerja: tujuh langkah dari mental model ke model-based policy
Ini adalah panduan praktis — satu kerangka kerja sederhana yang merangkum seluruh perjalanan tujuh artikel ini. Bukan checklist yang kaku yang harus diikuti secara mekanis, tapi urutan pertanyaan yang bisa digunakan oleh siapapun — individu, manajer, peneliti, atau pembuat kebijakan — ketika menghadapi masalah yang kompleks dan konsekuensinya penting.
Langkah 1 — Periksa mental model Anda sendiri. Apa yang Anda asumsikan tentang bagaimana masalah ini bekerja? Dari mana asumsi itu berasal — pengalaman, pendidikan, atau kepentingan yang mungkin tidak Anda sadari? Apakah ada perspektif lain yang melihat sistem ini dengan cara yang sangat berbeda, dan apakah Anda sudah benar-benar mendengarnya?
Langkah 2 — Kenali pola yang sedang bekerja. Apakah ini akumulasi yang tidak terkendali, sesuatu yang terus menumpuk lebih cepat dari kemampuan sistem untuk memprosesnya? Lingkaran yang memperkuat dirinya sendir, ke arah yang baik atau buruk? Beban yang terus digeser ke solusi simptomatik sementara akar masalahnya tidak pernah disentuh? Mengenali pola membantu kita tidak merancang solusi dari nol ketika strukturnya sudah pernah dipahami sebelumnya; dalam konteks yang berbeda, oleh orang yang berbeda.
Langkah 3 — Buat model Anda eksplisit. Tuliskan asumsi-asumsi yang sedang Anda gunakan. Identifikasi variabel yang paling menentukan. Gambarkan, bahkan secara kasar, bagaimana elemen-elemen sistem saling berhubungan dan saling mempengaruhi. Model tidak harus canggih untuk berguna. Yang paling penting adalah ia eksplisit, sehingga bisa dilihat, diperdebatkan, dan diperbaiki oleh lebih dari satu orang. Ketika kompleksitas masalah cukup tinggi dan taruhannya cukup besar, pertimbangkan untuk naik ke level model kuantitatif dengan simulasi; untuk menguji dinamika dan mengeksplorasi skenario yang tidak bisa dilakukan dengan model konseptual semata.
Langkah 4 — Uji model Anda dengan data dan perspektif lain. Data tidak menggantikan model, tapi ia mengujinya. Mana asumsi yang didukung data? Mana yang perlu direvisi? Dan apa yang orang dengan perspektif berbeda, terutama mereka yang akan terdampak langsung oleh keputusan atau kebijakan ini, lihat yang tidak masuk dalam model Anda?
Langkah 5 — Waspadai tiga jebakan model. Apakah model Anda terlalu sederhana dan mengabaikan dinamika yang paling menentukan? Terlalu kompleks dan tidak bisa dikomunikasikan kepada mereka yang harus menggunakannya? Atau, jebakan yang paling berbahaya, digunakan untuk membenarkan kesimpulan yang sudah ada, bukan untuk mengeksplorasi kemungkinan yang belum terpikirkan?
Langkah 6 — Untuk kebijakan: libatkan pemangku kepentingan dalam pemodelan, bukan hanya dalam konsultasi. Model yang dibangun bersama lebih kaya, lebih realistis, dan lebih mudah diterima; karena ia mencerminkan pemahaman bersama tentang sistem, bukan hanya pemahaman satu pihak yang kemudian dimintakan persetujuan. Perbedaan antara konsultasi dan partisipasi dalam pemodelan adalah perbedaan antara kebijakan yang terasa dipaksakan dan kebijakan yang terasa dimiliki bersama.
Langkah 7 — Perlakukan keputusan atau kebijakan sebagai hipotesis. Apa asumsi terpenting yang harus terbukti benar agar keputusan atau kebijakan ini berhasil? Bagaimana kita akan tahu jika asumsi itu ternyata salah, dan seberapa cepat kita bisa mendeteksinya? Apa rencana kita jika ternyata salah, sebelum konsekuensinya terlalu besar dan terlalu dalam untuk dikoreksi?
Ini bukan hanya untuk pembuat kebijakan
Model-based policy making terdengar seperti sesuatu yang hanya relevan bagi pejabat pemerintah, konsultan kebijakan, atau akademisi yang meneliti sistem publik. Tapi seluruh perjalanan dalam seri ini menunjukkan sesuatu yang berbeda.
Cara berpikir ini relevan untuk siapa pun yang menghadapi masalah yang kompleks, yang dampaknya melampaui satu keputusan, satu organisasi, atau satu momen dalam waktu.
Seorang manajer yang merancang sistem insentif timnya adalah juga seorang pembuat kebijakan, dalam skala yang lebih kecil tapi tidak kalah pentingnya bagi orang-orang yang merasakannya setiap hari. Seorang dosen yang merancang kurikulum adalah juga seorang pembuat kebijakan — tentang cara berpikir dan cara belajar yang akan terbawa oleh mahasiswanya jauh melampaui ruang kuliah. Seorang pemimpin komunitas yang mendorong perubahan sosial adalah juga seorang pembuat kebijakan; yang menghadapi sistem dengan kompleksitas dan resistansi yang tidak kalah nyata dari kebijakan pemerintah manapun.
Kerangka kerja tujuh langkah di atas berlaku untuk semuanya. Skalanya berbeda. Instrumennya berbeda. Tapi cara berpikirnya: sadar tentang mental model, peka terhadap pola, jujur tentang asumsi, waspada terhadap jebakan, dan rendah hati untuk terus belajar, adalah sama.
Menutup perjalanan ini dengan undangan untuk melanjutkannya
Perjalanan tujuh artikel ini dimulai dari pertanyaan yang sangat sederhana: mengapa dua orang yang cerdas, melihat masalah yang sama, bisa tiba di solusi yang sangat berbeda?
Jawabannya ada di setiap lapisan yang sudah kita buka bersama.
- Pada mental model yang berbeda yang kita bawa tanpa sadar.
- Pada kemampuan mengenali, atau gagal mengenali, pola yang sama di balik masalah yang tampak berbeda.
- Pada model yang kita gunakan secara sadar atau tidak sadar dalam setiap keputusan.
- Pada data yang diinterpretasikan melalui kerangka yang berbeda dan menghasilkan kesimpulan yang berbeda.
- Pada jebakan-jebakan yang mengintai ketika model digunakan tanpa kesadaran tentang batas-batasnya.
- Pada perbedaan fundamental antara memutuskan dan merancang kebijakan.
- Dan pada kebutuhan untuk bergerak dari sekadar mengumpulkan bukti menuju memahami sistem yang menghasilkan bukti itu.
Model-based policy making bukan jawaban akhir. Tidak ada pendekatan yang bisa mengklaim itu, karena sistem yang kompleks selalu lebih kaya, lebih hidup, dan lebih penuh kejutan dari model apa pun yang kita buat tentangnya. Tapi ia adalah cara berpikir yang lebih jujur, lebih sadar tentang asumsinya, lebih rendah hati tentang batas pengetahuannya, dan lebih siap untuk belajar ketika realita ternyata berbeda dari yang diharapkan.
Dan mungkin itulah yang paling kita butuhkan: bukan kebijakan yang sempurna sejak hari pertama, tapi pembuat kebijakan, dan warga yang mengawasinya, yang cukup rendah hati untuk terus mempertanyakan model yang mereka gunakan. Yang cukup jujur untuk mengakui ketika asumsinya ternyata salah. Dan yang cukup gigih untuk terus memperbaiki pemahamannya tentang sistem yang ingin mereka ubah.
Perjalanan ini selesai di sini. Tapi cara berpikir yang dilatihnya semoga baru saja dimulai.
Catatan Editorial: Artikel ini adalah bagian ketujuh dan terakhir dari seri tentang model dan pengambilan keputusan. Perjalanan dimulai dari mental model — peta tersembunyi yang kita bawa tanpa sadar dalam setiap keputusan. Lalu ke bagaimana model membantu mengenali pola di balik masalah yang tampak berbeda. Kemudian ke kesadaran bahwa kita selalu menggunakan model dalam setiap keputusan — sadar atau tidak. Lalu ke apa yang model tambahkan melampaui data. Ke jebakan-jebakan yang perlu diwaspadai. Ke batas-batas evidence-based policy dan perbedaan fundamental antara keputusan dan kebijakan. Dan berakhir di sini — dengan visi tentang kebijakan berbasis model, peran simulasi komputer sebagai pelengkapnya, dan kerangka kerja sederhana untuk mulai menerapkan cara berpikir ini. Terima kasih telah menemani perjalanan ini.
Hidayatno's Blog 