Tag: indonesia

Dari Bukti ke Pemahaman: Inilah yang Dimaksud dengan Kebijakan Berbasis Model – Part 7

hidayatnoTinggalkan komentar

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.

Lanjutkan membaca “Dari Bukti ke Pemahaman: Inilah yang Dimaksud dengan Kebijakan Berbasis Model – Part 7”

Data dan Riset Sudah Ada, Lalu Mengapa Kebijakan Kita Masih Jalan di Tempat? – Part 6

hidayatnoTinggalkan komentar

Evidence-based policy adalah kemajuan besar. Tapi ia punya batas yang jarang diakui, dan batas itulah yang sering menentukan apakah kebijakan benar-benar bekerja.

Indonesia tidak kekurangan data tentang energi.

Laporan demi laporan sudah dihasilkan: oleh peneliti universitas, lembaga pemerintah, konsultan internasional, dan organisasi multilateral. Target sudah ditetapkan. Komitmen internasional sudah ditandatangani. Para ahli sudah memberikan rekomendasi yang didukung bukti empiris dari berbagai negara yang sudah lebih dulu menjalani transisi energi.

Tapi bauran energi kita masih didominasi oleh fosil. Investasi energi terbarukan masih jauh dari target yang sudah berkali-kali direvisi. Dan setiap kebijakan baru yang hadir sering terasa seperti tambalan di atas tambalan; bukan perubahan struktural yang benar-benar mengubah arah sistem.

Pertanyaan yang jarang diajukan dengan jujur adalah ini: apakah masalahnya memang kekurangan data dan riset? Atau ada sesuatu yang lebih dalam; sesuatu yang tidak bisa diselesaikan hanya dengan menghasilkan lebih banyak bukti?

Lanjutkan membaca “Data dan Riset Sudah Ada, Lalu Mengapa Kebijakan Kita Masih Jalan di Tempat? – Part 6”

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.

Lanjutkan membaca “All Models are Wrong, but some are useful… and some are dangerous – Part 5”

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”

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?”

Sistem yang Paling Efisien Adalah yang Paling Rapuh dan Kita Baru Saja Membuktikannya (Refleksi Keilmuan Teknik Industri)

hidayatnoTinggalkan komentar

Tentang trade-off antara efisiensi dan resiliensi yang terlalu lama kita abaikan, dan mengapa hal ini semakin mendesak di tengah ketidakpastian global yang semakin dalam.

Selama puluhan tahun, dunia industri dan manajemen merayakan efisiensi sebagai pencapaian tertinggi. Just-in-time. Zero inventory. Lean everything. Sistem yang paling ramping, paling teroptimasi, dan paling tidak memboroskan itulah yang paling dikagumi, paling banyak diajarkan, dan paling sering dijadikan tolok ukur keunggulan. Buku teks manajemen dipenuhi kisah sukses perusahaan yang berhasil memangkas biaya, menghilangkan redundansi, dan memaksimalkan output dari setiap unit input yang digunakan.

Lalu datanglah 2020.

Dan tiba-tiba, sistem-sistem yang paling efisien itu yang pertama kali kolaps. Masker medis tidak ada. Semikonduktor tidak ada. Obat-obatan esensial sulit didapat. Rantai pasok global, yang sudah dioptimalkan selama bertahun-tahun hingga hampir tidak ada slack di mana pun, membeku dalam hitungan minggu. Bukan karena tidak ada yang pintar merancangnya. Bukan karena orang-orangnya tidak kompeten. Tapi sistem yang terlalu ramping tidak punya ruang untuk bernapas saat sesuatu yang tidak terprediksi terjadi.

Pertanyaannya bukan hanya mengapa hal ini terjadi. Pertanyaan yang lebih penting adalah: mengapa kita tidak melihatnya sebelumnya? Dan ini juga menjadi semakin relevan ketika ketidakpastian datang kembali dengan adanya perang dan konflik di Timur tengah.

Side-by-side images illustrating resilience with a hiker in a rugged mountainous trail and efficiency with a businesswoman walking in a modern urban setting
Lanjutkan membaca “Sistem yang Paling Efisien Adalah yang Paling Rapuh dan Kita Baru Saja Membuktikannya (Refleksi Keilmuan Teknik Industri)”