Oleh: Vincent Gaspersz, Lean Six Sigma Master Black Belt & Certified Management System Lead Specialist

• APICS (www.apics.org) Certified in Production and Inventory Management (CPIM), Certified in Production and Inventory Management Fellow (CPIM-F), Certified Supply Chain Professional (CSCP), Certified Supply Chain Professional Fellow (CSCP-F);
• International Quality Federation (www.iqf.org) Six Sigma Master Black Belt (SSMBB);
• ASQ (www.asq.org) Certified Six Sigma Black Belt (CSSBB), Certified Quality Engineer (CQE), Certified Quality Auditor (CQA), Certified Manager of Quality/Organizational Excellence (CMQ/OE), Certified Quality Improvement Associate (CQIA);
• International Association for Six Sigma Certification (IASSC) Certified Lean Six Sigma Black Belt (ICBB);
• Registration Accreditation Board (www.exemplarglobal.org) Certified Management System Lead Specialist (CMSLS).
• Insinyur Profesional Utama (IPU) – Badan Kejuruan Teknik Industri- Persatuan Insinyur Indonesia (BKTI – PII)
• Asean Engineer Register (AER No. 10084), Asean Federation of Engineering Organizations (AFEO)
• Senior Member of the American Society for Quality (Member #: 00749775), International Member of the American Production and Inventory Control Society/Association for Supply Chain Management (Member #: 1023620), and Senior Member of the Institute of Industrial and Systems Engineers (Member #: 880194630).

Seperti telah disinggung oleh Vincent Gaspersz selama ini bahwa Sistem Pembelajaran di Indonesia adalah merupakan pembelajaran berpikir tingkat rendah (LOTS = Lower Order Thinking Skills), sehingga tidak bermanfaat dan tidak mampu mengakuisisi ilmu pengetahuan dan teknologi modern yang berlaku secara global. Untuk membahas dan menunjukkan pernyataan ini, maka akan ditunjukkan bagaimana pembelajaran ilmu statistika (statistics) yang sesungguhnya berguna untuk berkompetisi dalam pasar tenaga kerja global menjadi sia-sia belaka, karena lulusan perguruan tinggi, termasuk lulusan pendidikan statistika sekalipun tidak bisa berkontribusi secara signifikan dalam manajemen bisnis kelas dunia.

Pembelajaran statistika baru akan bermanfaat apabila kita mempelajari dan memahami minimum sampai pada tingkat menengah yaitu belajar tentang Statistical Engineering Methods yang bermanfaat bagi peningkatan kinerja sistem, atau lebih unggul jika kita memahami Statistical Thinking agar berkontribusi nyata dalam Systems Engineering and Systems Management.

Pada dasarnya Statistika (Statistics) mempunyai tiga hirarki, yaitu: (1) Statistical Methods and Tools yang berada pada hirarki paling rendah, (2) Statistical Engineering Methods yang berada pada hirarki menengah, dan (3) Statistical Thinking yang berada pada hirarki paling tinggi.

Semua mahasiswa di Indonesia pasti telah mempelajari Statistical Methods and Tools ini, meskipun dengan pemahaman yang sangat kurang dan sering kali menerapkan secara salah karena kurangnya pemahaman terhadap asumsi-asumsi dan persyaratan dari aplikasi Statistical Methods and Tools itu.

Kesalahan-kesalahan Yang Sering Dilakukan

Kesalahan-kesalahan yang terlalu sering dibuat dan berulang terus-menerus dari dahulu sampai sekarang dalam menggunakan statistical tools tanpa memahami Statistical Engineering & Statistical Thinking!

Contoh kesalahan umum yang terlalu sering dilakukan oleh para mahasiswa dan/atau dosen termasuk ilmuwan dalam melaporkan hasil riset:

• Ho: X
• H1: Not X

Berdasarkan uji statistika bla bla bla, dengan taraf kepercayaan 99%, maka Ho DITERIMA! Ini adalah kesimpulan yang salah secara total, karena berarti kita belum memahami prinsip- prinsip Statistics! Tahukah kita bahwa Ho adalah hipotesis statistik yang dibuat BUKAN untuk DITERIMA? Seharusnya kesimpulan: berdasarkan taraf kepercayaan 99% menggunakan uji statistika xyz, maka belum CUKUP informasi untuk MENOLAK Ho. Hal ini TIDAK BERARTI kita MENERIMA Ho!

Setiap uji-uji statistika yang berkaitan dengan pengujian hipotesis, HANYA memberikan dua kesimpulan statistika berikut:

1. Menolak Ho (dengan taraf kepercayaan sekian persen).
2. Belum cukup informasi untuk Menolak Ho (dengan taraf kepercayaan tertentu); BUKAN (TIDAK BERARTI) Menerima Ho.

Silakan baca penjelasan lebih lanjut dalam artikel berikut:

https://blog.minitab.com/blog/understanding-statistics/why-shrewd-experts-fail-to-reject-the-null-every-time?

Kesalahan lain adalah menggunakan analisis regresi dengan mengabaikan koefisien determinasi R-Kuadrat. Contoh menggunakan Regresi Berganda (Multiple Regression) sampai 10 variabel bebas, TETAPI R-Kuadrat sangat rendah! Besaran R-Kuadrat (Koefisien Determinasi) menunjukkan berapa persen total variasi (yang 100%) itu diterangkan oleh model statistika yang digunakan (dalam hal ini model regresi berganda–multiple regression).

Jika R-kuadrat misalnya HANYA 0,40; berarti model yang dibangun itu HANYA mampu menerangkan 40% keragaman dari obyek studi dalam populasi (total variasi = 100%); jadi 60% lainnya TIDAK BISA diterangkan oleh model statistika.

Apakah model statistika dengan kemampuan menerangkan total variasi HANYA 40% dapat diandalkan dan dipercayai? Seharusnya model statistika yang handal HARUS memiliki koefisien determinasi R-Kuadrat yang TINGGGI, katakanlah di atas 80%; sehingga model itu mampu menerangkan sampai minimum 80-an persen total variasi (yang 100%) itu.

Model dengan koefisien determinasi yang rendah, menunjukkan orang yang mendesain atau merumuskan model itu TIDAK BERKOMPETEN dalam bidang atau obyek yang sedang dipelajari dalam populasi.

Berbagai kesalahan umum lainnya dapat dibaca dalam Artikel berikut yang berjudul: Twenty Statistical Errors Even YOU Can Find in Biomedical Research Articles, agar kita tidak terus-menerus melakukan kesalahan-kesalahan prinsip yang berakibat kesimpulan atau hasil analisis STATISTIKA menjadi TIDAK VALID!

https://www.h2mw.eu/redactionmedicale/2010/10/CMJ%2020%20stat%20errors_T%20Lang_2004.pdf

Penjelasan berikut akan membahas Bagaimana dan Mengapa Penting Mengaitkan Pembelajaran Statistika di Perguruan Tinggi Indonesia dengan Kebutuhan Manajemen Bisnis Kelas Dunia? seperti ditunjukkan dalam Bagan 1 Terlampir.

 

Apa Itu Statistical Engineering Methods?

Adalah mustahil bagi kita untuk belajar dan memahami Statistical Engineering Methods tanpa memahami terlebih dahulu konsep dari systems thinking serta mengubah paradigma dan perilaku berpikir sistem (Systems Thinker) untuk memahami permasalahan yang ada dalam sistem.

Menurut Roger Hoerl (2019:1-19) Statistical Engineering adalah studi tentang integrasi sistematik antara konsep statistika, metode, dan alat-alat statistika, yang berkaitan secara langsung dengan disiplin ilmu-ilmu lain yang relevan, untuk memecahkan masalah-masalah penting dalam sistem kompleks secara berkelanjutan.

Statistical Engineering terdiri dari lima prinsip utama (Roger Hoerl, 2019: 11) berikut:

1. Memahami masalah
2. Mengembangkan strategi solusi masalah
3. Mempertimbangkan asal usul data (data pedigree)
4. Mengintegrasikan teori tentang permasalahan yang dihadapi
5. Menggunakan pendekatan sekuensial (Merencanakan-Mengumpulkan Data-Menganalisis)

Selanjutnya ketika Statistical Engineering Methods itu diterapkan, maka langkah-langkah solusi masalah harus mengikuti enam langkah (Roger Hoerl, 2019:14) berikut:

1. Mengidentifikasi masalah (Merumuskan masalah secara benar di dalam sistem).
2. Menetapkan struktur masalah sistem (Memperjelas “kekacauan/mess”, Mendefinisikan masalah, dan Menetapkan sistem pengukuran).
3. Memahami konteks (Sejarah, Politik, Kepribadian, dll).
4. Mempertimbangkan strategi (Bagaimana menyelesaikan masalah, Menggunakan pendekatan sekuensial: merencanakan-mengumpulkan data-menganalisis berdasarkan teori ilmu pengetahuan, Menggunakan proses inti).
5. Mengembangkan dan mengeksekusi taktik (Mengidentifikasi alternatif-alternatif, Memilih dan menerapkan metode-metode yang tepat).
6. Mengidentifikasi dan menyebarluaskan keputusan akhir (Memverifikasi SUCCESS, Mempertahankan keberlanjutan/sustainability).

Berdasarkan pengalaman selama kurang lebih 30 tahun VG bekerja sebagai seorang Systems Designer and Implementor dalam industri, dunia usaha dan dunia kerja (IDUKA) yang berkualifikasi internasional sebagai Certified Management Systems Lead Specialist (CMSLS), maka ia menggunakan desain dan implementasi Statistical Engineering Methods yang telah didesain dan diterapkan secara luas untuk meningkatkan kinerja organisasi sebagai Systems of Systems (SoS), ditunjukkan dalam Bagan 2 terlampir.

Catatan VG: hal yang terasa aneh bagi VG, Statistical Engineering Methods yang sangat dibutuhkan oleh IDUKA ini TIDAK dipelajari oleh perguruan tinggi di Indonesia, sehingga lulusan perguruan tinggi di Indonesia TIDAK memiliki keterampilan Problem Solving & Decision Making yang berkaitan dengan masalah-masalah kompleks dalam sistem yang juga semakin kompleks karena keterkaitan dan kesalingtergantungan antara berbagai sistem-sistem yang membentuk organisasi sebagai Systems of Systems (SoS).

 

Statistical Thinking untuk Manajemen Sistem Kelas Dunia

Statistical Thinking (Pemikiran Statistika) adalah pendekatan yang telah diterima masyarakat profesional global, yang melibatkan penerapan metode ilmiah untuk memecahkan masalah- masalah kompleks dalam organisasi sebagai Systems of Systemsn (SoS) di dunia praktis (PRAKtek TIdak Sulit). Pendekatan ini dimulai dari mengumpulkan fakta melalui sistem pengukuran yang ada agar menjadi data, kemudian data diproses menggunakan statistical methods and tools untuk memperoleh informasi tentang faktor-faktor dominan penyebab variasi kinerja sistem organisasi itu. Selanjutnya menggunakan ilmu pengetahuan dan teknologi modern sesuai dengan masalah kinerja yang dihadapi, maka kita berusaha untuk melakukan reduiksi terus-menerus variasi kinerja dalam sistem organisasi itu berdasarkan solusi masalah dan pengambilan keputusan berbasis systems thinking and systems dynamics approach. Sasaran utama dari Statistical Thinking adalah mengoptimasikan kinerja dari sistem organisasi yang merupakan Systems of Systems (SoS) itu.

Statistical Thinking menurut Divisi Statistika American Society for Quality (ASQ, organisasi profesi kelas dunia dalam bidang Quality), adalah pemikiran filosofi ilmu statistika (philosophy of statistics) yang berkaiatan dengan tiga prinsip utama berikut: (1) Semua pekerjaan terjadi dalam proses-proses yang saling berhubungan di dalam sistem, (2) Variasi selalu ada di semua proses di dalam sistem, dan (3) Kunci SUCCESS adalah memahami proses dan mengurangi variasi di semua proses agar mencapai nilai TARGET yang diinginkan di dalam sistem. Sasaran utama dari filosofi berpikir statistika (statistical thinking) ini adalah kepuasan total kepada karyawan, pelanggan, pemegang saham, dan masyarakat. Berdasarkan hal ini, maka seseorang yang belajar ilmu statistika (statistics) tanpa mencapai sasaran atau tujuan utama ini disebutkan sebagai tidak memiliki pemikiran statistika (statistical thinking), karena hanya belajar pada level hirarki terendah dalam ilmu statistika, yaitu: Statistical Methods and Tools saja. Jelas pembelajaran hanya pada hirarki rendah dari ilmu statistika ini, maka akan menyulitkan seseorang yang hanya memahami Statistical Methods and Tools itu memasuki dan menempati posisi yang strategik dalam manajemen sistem bisnis kelas dunia. Penjelasan lebih mendalam tentang Statistical Thinking ini dapat dibaca dalam artikel berikut:

http://www.vincentgaspersz.com/2017/06/20/statistical-thinking-untuk-peningkatan-kinerja- sistem-bisnis/?

Lyne Hare, Roger Hoerl and Ronald Snee (1997) menyatakan bahwa seseorang yang memiliki pemikiran statistika akan melakukan beberapa hal berikut ketika berada dalam posisi manajemen bisnis kelas dunia. Mulai dari manajemen puncak (top management), manajemen menengah (middle management), dan manajemen bawah (lower management). Pembahasan berikut berkaitan dengan aplikasi statistical thinking pada masing-masing posisi manajemen bisnis kelas dunia.

Aplikasi Statistical Thinking pada Manajemen Puncak (Strategic Level & Top Management)

• Selalu menggunakan pendekatan sistem baik yang berkaitan dengan Systems Thinking maupun Systems Dynamics.
• Mentransformasikan proses-proses inti dalam sistem manajemen bisnis ke dalam diagram-diagram alir (flowcharts).
• Mendefinisikan dan menyebarluaskan analisis-analisis strategik menggunakan Strategic Thinking.
• Menetapkan sistem pengukuran kinerja yang bersifat kuantitatif maupun kualitatif kemudian berfokus pada pengelolaan indikator-indikator kinerja utama (Key Performance Indicators).
• Melakukan studi-studi benchmarking, termasuk umpan balik (feedback) dari karyawan (pelanggan internal), pelanggan eksternal, pemegang saham, dan masyarakat agar dipergunakan sebagai umpan-maju (feed forward) dalam perbaikan terus-menerus kinerja manajemen bisnis kelas dunia.
• Melakukan berbagai eksperimentasi untuk mengoptimumkan kinerja sistem bisnis kelas dunia.

Aplikasi Statistical Thinking pada Manajemen Menengah (Tactical Level & Middle Management)

• Manajer-manajer selalu menggunakan teknik-teknik pertemuan manajemen (management meetings) untuk memb ahas tentang perbaikan/peningkatan kinerja manajemen sistem bisnis kelas dunia itu.
• Menerapkan standardisasi program-program peningkatan kinerja berbasis sistem-sistem manajemen yang ada.
• Mengevaluasi dan meninjau ulang hasil-hasil dan proses-proses dari program-program perbaikan/peningkatan kinerja yang telah ditetapkan.
• Menetapkan tujuan dan sasaran (objectives and goals) perbaikan/peningkatan kinerja berbasiskan variasi proses dalam sistem manajemen bisnis kelas dunia itu.
• Menetapkan dan memperlakukan sistem pengukuran (Measurement Systems) sebagai suatu proses agar selalu konsisten menerapkan prinsip-prinsip Systems Thinking and Systems Dynamics.
• Berbagai pemasok dan input dalam sistem dan proses rantai nilai SIPOC (suppliers-Inputs-Processes-Outputs-Customers) dipergunakan atau ditetapkan sampai pada level optimum.
• Mempublikasikan kinerja sistem manajemen ke seluruh organisasi sebagai Systems of Systems (SoS) menggunakan berbagai jenis media komunikasi.

Aplikasi Statistical Thinking pada Manajemen Bawah (Operational Level & Lower Management)

• Mentransformasikan proses-proses kerja (working processes) ke dalam diagram-diagram alir (flowcharts), kemudian menerapkan dan mendokumentasikan secara tepat.
• Mengidentifikasi dan memonitor indikator-indikator kinerja kunci (Key Performance Indicators) secara harian/mingguan/bulanan/kuartal/ semester/tahunan.
• Menggunakan pengetahuan tentang variasi kinerja dalam sistem dan proses untuk melakukan perbaikan/peningkatan kinerja sistem dan proses.
• Mengubah paradigma agar semua aktivitas-aktivitas perbaikan/peningkatan kinerja sistem selalu berfokus pada proses menggunakan pendekatan Systems Thinking and Systems Dynamics, tanpa menyalahkan orang lain maupun lingkungan dari sistem manajemen organisasi kelas dunia itu.

 

Kesimpulan

Berdasarkan uraian dalam artikel ini, maka disimpulkan beberapa hal penting berikut.

1. Pembelajaran statistika pada perguruan tinggi di Indonesia masih bersifat pembelajaran berpikir tingkat rendah (LOTS = Lower Order Thinking Skills) pada Statistical Methods and Tools dengan pemahaman yang terbatas, tanpa memahami Statistical Engineering Methods and Statistical Thinking, sehingga menyulitkan lulusan perguruan tinggi Indonesia memasuki pasar tenaga kerja nasional, regional, maupun global. Sebagai konsekuensi hanya mereka yang memiliki pemahaman yang baik tentang Statistical Engineering Methods and Statistical Thinking yang akan menempati posisi pada manajemen bisnis kelas dunia baik pada level strategik (manajemen puncak), level taktical (manajemen menengah), maupun level operasional (manajemen bawah), karena sistem bisnis kelas dunia telah menerapkan Systems Management yang berbasis pada Systems Thinking and Systems Dynamics.
2. Agar memahami Statistical Engineering Methods and Statistical Thinking membutuhkan pemahaman penuh tentang sistem dan proses yang berlandaskan pada Systems Thinking and Systems Dynamics, selalu berfokus pada .ilmu pengetahuan statistika yang merupakan Ilmu Pengetahuan tentang Variasi (Variation Knowledge), bukan sekedar memahami rumus-rumus statistika sehingga mengkerdilkan ilmu statistika (statistics) seolah-olah hanya kumpulan tentang rumus-rumus matematika dan statistika saja.
3. Agar mampu berkompetisi dan terlibat dalam berbagai posisi manajemen sistem bisnis kelas dunia, maka setiap orang harus berpikir untuk menyelesaikan masalah-masalah kompleks dalam sistem melalui reduksi variasi sistem dan proses secara terus- menerus, agar output dan outcome dari sistem apa saja itu mampu memberikan kepuasan total kepada karyawan (pelanggan internal), pelanggan eksternal, pemegang saham, maupun masyarakat.
4. Pemahaman tentang Statistical Engineering Methods and Statistical Thinking akan menciptakan karakter seorang professional untuk selalu melakukan perbaikan/peningkatan kinerja terus-menerus, baik secara gradual atau incremental (Kaizen), maupun secara Radikal/Breakthrough/Innovation (Kaikaku/Six Sigma/ Disruptions Innovation).
5. Memahami peranan data (atau big data) hanya sebagai bentuk pengukuran terhadap fakta saja adalah tidak cukup. Pemahaman terhadap data (atau big data) itu tidak sebatas berhenti pada analisis-analisis menggunakan Statistical Methods and Tools saja. Statistical Engineering Methods and Statistical Thinking itu adalah pembelajaran sampai pada tingkat sintesis, berupa: (a) mengkuantifikasikan variasi dan menurunkan variasi sistem secara terus-menerus, (b) mengukur dampak positif dari reduksi variasi sistem itu terhadap kepuasan total karyawan (pelanggan internal), pelanggan eksternal, pemegang saham, dan masyarakat, dan (c) melakukan tindakan koreksi dan pencegahan termasuk analisis-analisis risiko yang melekat dalam sistem bisnis kelas dunia itu, agar mampu mencapai tingkat optimum dari kinerja sistem manajemen bisnis dan industri kelas dunia.

Integrasi aplikasi Statistical Thinking, Statistical Engineering Methods, and Statistical Methods and Tools yang dijelaskan dalam artikel ini dapat diringkaskan ke dalam satu bagan yang ditunjukkan dalam Bagan 3 terlampir.

 

Referensi

• Jim Duggan. Statistical Thinking for System Dynamics. Department of Information Technology, National University of Ireland, Galway. (pp. 1-16).
• Lyne Hare, Roger Hoerl, and Ronald Snee. 1997. How to Apply Statistical Thinking Effectively? FTC Short Course. 1997. (pp. 1-71).
• Roger Hoerl, and Roland Snee, 2002. Statistical Thinking: Improving Business Performance. Thompson Learning, Duxbury.
• Roger Hoerl. 2019. What is Statistical Engineering? Chapter 1, Setion 1, Statistical Engineering Handbook (pp. 1-19).