Tag: Systems Engineering

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”

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?”

Kalau AI Bisa Menganalisis Sistem, Kenapa Kita Masih Perlu Mengajarkan Systems Thinking?

hidayatno1 Komentar

Coba bayangkan skenario ini. Seorang mahasiswa S2, duduk di depan laptopnya jam 10 malam sebelum deadline tugas kuliah berpikir sistem untuk menyusun Causal Loop Diagram (CLD). Causal Loop Diagram (CLD) adalah sebuah alat visual untuk memahami hubungan sebab-akibat dalam suatu sistem, terutama bagaimana variabel saling memengaruhi melalui feedback loops (lingkaran umpan balik). Diagram ini sering digunakan dalam system thinking untuk mengidentifikasi pola, lingkaran setan (vicious cycles), atau lingkaran baik (virtuous cycles) dalam dinamika organisasi, bisnis, maupun fenomena sosial.

Alih-alih membuka buku teks atau mengulang materi kuliah, ia membuka ChatGPT, mengetik deskripsi masalah yang diberikan dosennya, dan dalam dua menit mendapatkan causal loop diagram lengkap dengan penjelasan feedback loop positif dan negatifnya.

Hasilnya? Cukup masuk akal. Tidak jenius, tapi cukup. Mungkin 75 persen dari apa yang akan dihasilkan mahasiswa yang belajar serius selama satu semester.

Pertanyaannya kemudian menjadi tidak nyaman: jadi apa gunanya kita mengajarkan systems thinking ketika analisa complex yang biasa dilakukan bisa digantikan oleh AI?

Lanjutkan membaca “Kalau AI Bisa Menganalisis Sistem, Kenapa Kita Masih Perlu Mengajarkan Systems Thinking?”

Teknik Industri dan Industri 4.0

hidayatnoTinggalkan komentar

Kurikulum Teknik Industri haruslah adaptif terhadap berbagai perubahan di dunia industri. Perubahan terbesar yang sedang dan akan terus berjalan adalah Revolusi Industri 4.0. Namun sebagian besar interpretasi terhadap dampak Industri 4.0 adalah berbasis kepada interpretasi yang dilakukan oleh konsultan global, dengan fokus ke arah perubahan organisasi. Hingga saat ini belum ada kesepakatan tentang bagaimana sebaiknya kurikulum teknik industri disiapkan untuk era perubahan akibat Revolusi Industri 4.0.

Slide presentasi ini merupakan eksplorasi pribadi terhadap apa yang bisa menjadi dampak Revolusi Industri 4.0 terhadap sub-kelompok ilmu di ISE BOK (Industrial and Systems Engineering Body of Knowledge) yang disusun oleh IISE. Anda dapat unduh disini.

https://www.slideshare.net/hidayatno/industrial-engineering-and-industry-40/hidayatno/industrial-engineering-and-industry-40

Memberikan Perhatian lebih kepada Makna dari Nilai

hidayatno2 Komentar

Nilai yang berasal dari kata Value, merupakan sebuah kata yang penting bagi perekayasa industri untuk keluar dari cara pandang lama untuk menuju ke cara pandang sistem yang lebih utuh.

Bagi mahasiswa Teknik Industri, kata nilai biasanya dikenalkan di kuliah pengantar teknik industri atau kuliah pengendalian kualitas. Nilai secara umum didefinisikan sebagai perbandingan antara harga dan kualitas. Jika harga sama namun kualitas meningkat, maka nilai meningkat. Atau sebalikanya jika harga turun namun kualitas tetap sama maka nilai meningkat. Simplifikasi yang sangat sederhana ini tidak salah, bahkan tepat, namun jika fokus pendidikan teknik industri ke arah desain, maka fokus kepada kedua hal ini saja tidak akan mendorong kita mendesain lebih kreatif. Seolah-olah satu-satunya cara untuk meningkatkan kualitas adalah dengan efisiensi biaya, yang masuk ke ranah operasi, bukan ke arah desain.

Jadi apa yang dibutuhkan? Pemahaman yang lebih terhadap definisi nilai

Lanjutkan membaca “Memberikan Perhatian lebih kepada Makna dari Nilai”