SEBUAH gambar sederhana (lihat foto di atas) kadang-kadang dapat membongkar kebodohan berpikir yang selama ini tersembunyi di balik gelar akademik, kurikulum tebal, ruang kelas formal, dan ujian yang tampak ilmiah. Ketika seseorang diminta melihat dua garis dalam sebuah gambar ilusi optik, lalu ditanya garis mana yang lebih panjang, banyak orang akan segera menjawab berdasarkan apa yang tampak oleh mata. Mereka merasa yakin, padahal keyakinan itu belum tentu benar. Mereka merasa sedang berpikir, padahal sesungguhnya hanya sedang bereaksi terhadap rangsangan visual yang sangat dangkal. Di sinilah gambar sederhana itu menjadi sangat penting, karena ia bukan hanya menguji mata, tetapi juga membongkar cara kerja pikiran manusia yang sering terlalu cepat menyimpulkan sesuatu sebelum memahami konteks, struktur, hubungan, dan sistem yang melatarbelakanginya.
Persoalan besar pendidikan tradisional sebenarnya dimulai dari sini. Selama bertahun-tahun, peserta didik dilatih untuk menjawab apa yang tampak, bukan memahami mengapa sesuatu tampak demikian. Mereka dilatih mengingat definisi, menghafal rumus, mencocokkan jawaban, memilih pilihan ganda, dan mencari satu jawaban yang dianggap benar oleh guru atau dosen. Pendidikan seperti ini tampak tertib, tampak rapi, tampak objektif, dan tampak mudah dinilai, tetapi sesungguhnya sangat miskin penalaran strategis sistemik. Ketika pertanyaan hanya berhenti pada apa, siapa, kapan, dan mana yang benar, maka pendidikan sedang melatih manusia untuk menjadi mesin penjawab, bukan manusia pembuat keputusan.
Di era sebelum kecerdasan buatan atau Artificial Intelligence (AI) berkembang pesat, kelemahan ini mungkin belum terlihat terlalu jelas. Guru dan dosen masih bisa merasa bahwa ujian hafalan adalah bukti kecerdasan. Mahasiswa yang mampu mengulang isi buku teks dianggap pintar. Siswa yang mampu menjawab cepat dianggap cerdas. Mereka yang hafal rumus dianggap hebat. Padahal, kemampuan seperti itu sering kali hanya berada pada level paling rendah dalam proses berpikir. Ia belum tentu menunjukkan pemahaman. Ia belum tentu menunjukkan kebijaksanaan (wisdom). Ia belum tentu menunjukkan kemampuan membaca konteks. Ia belum tentu menunjukkan kemampuan mengambil keputusan dalam situasi nyata yang penuh ketidakpastian, konflik kepentingan, keterbatasan sumber daya, dan konsekuensi moral.
Masuknya AI ke dalam dunia pendidikan tidak menciptakan masalah baru, melainkan membongkar masalah lama yang selama ini ditutupi oleh formalitas pendidikan. AI tidak membunuh pendidikan. AI hanya memperlihatkan bahwa banyak bentuk pembelajaran dan penilaian selama ini memang sudah mati secara substansial. Ketika pertanyaan yang diajukan guru atau dosen dapat dijawab AI dalam hitungan detik, maka masalahnya bukan semata-mata mahasiswa menggunakan AI. Masalah yang lebih mendasar adalah mengapa pertanyaan pendidikan masih berada pada level yang begitu rendah sehingga dapat dijawab oleh mesin secara instan, lengkap, dan lebih rapi daripada jawaban manusia.
Karena itu, kemarahan terhadap AI sering kali keliru sasaran. Banyak institusi pendidikan sibuk melarang penggunaan AI, tetapi tidak berani mengevaluasi kualitas pertanyaannya sendiri. Banyak dosen cemas mahasiswa memakai AI, tetapi tidak bertanya apakah soal ujian, tugas makalah, dan bentuk asesmen yang diberikan memang masih layak dipertahankan di era AI. Jika tugas hanya meminta mahasiswa menjelaskan definisi, merangkum teori, menulis ulang konsep, atau menjawab pertanyaan yang sudah tersedia jawabannya di internet, maka penggunaan AI menjadi hampir tidak terhindarkan. Dalam kondisi seperti itu, larangan AI bukan tanda kemajuan akademik, melainkan tanda kepanikan pendidikan tradisional yang belum siap naik kelas.
Pertanyaan Lower Order Thinking Skills (LOTS) menjadi contoh paling jelas dari cara bertanya yang tidak lagi relevan di era AI. Pertanyaan seperti “garis mana yang lebih panjang?”, “apa definisi konsep ini?”, “siapa tokoh teori itu?”, atau “sebutkan lima ciri-ciri sesuatu” hanya menguji daya ingat dan identifikasi permukaan. Pertanyaan seperti ini mungkin berguna untuk pengenalan awal, tetapi sangat berbahaya jika dijadikan pusat pembelajaran. Jika pendidikan berhenti pada LOTS, maka sekolah dan perguruan tinggi hanya menghasilkan manusia yang tampak tahu, tetapi tidak benar-benar paham. Mereka bisa menjawab, tetapi belum tentu bisa menilai. Mereka bisa mengulang, tetapi belum tentu bisa menggunakan. Mereka bisa lulus ujian, tetapi belum tentu mampu menghadapi kenyataan hidup.
Masalahnya, banyak sistem pendidikan tradisional justru nyaman dengan LOTS karena mudah diajarkan, mudah diuji, mudah diberi nilai, dan mudah dilaporkan dalam dokumen administrasi. Guru tidak perlu terlalu sulit merancang pertanyaan. Dosen tidak perlu terlalu dalam membangun konteks. Lembaga pendidikan tidak perlu terlalu serius memikirkan hubungan antara pembelajaran, kompetensi, dunia kerja, dan kehidupan nyata. Cukup ada silabus, materi, ujian, nilai, dan kelulusan, maka sistem dianggap berjalan. Padahal, yang berjalan sering kali hanya administrasi pendidikan, bukan transformasi kecerdasan manusia.
Ketika pendidikan naik sedikit ke Higher Order Thinking Skills (HOTS) Teknis, kondisinya memang tampak lebih baik, tetapi belum tentu cukup. Pada level ini, peserta didik mulai diminta menganalisis, menjelaskan hubungan sebab-akibat, menggunakan teori, membuat model, membuktikan secara logis, atau menyusun algoritma. Misalnya, dalam gambar ilusi optik, mahasiswa tidak lagi hanya ditanya garis mana yang lebih panjang, tetapi diminta menjelaskan secara geometris dan optik mengapa dua garis itu sebenarnya sama panjang. Pertanyaan seperti ini memang lebih tinggi daripada LOTS, tetapi tetap berada dalam wilayah teknis yang terstruktur, tertutup, dan dapat diproses secara prosedural.
Di sinilah AI justru semakin unggul. AI dapat menjelaskan ilusi optik dengan sangat baik. AI dapat menyusun uraian tentang persepsi visual, geometri, psikologi kognitif, bahkan membuat model matematis atau algoritma sederhana untuk membuktikan bahwa dua garis sebenarnya sama panjang. AI dapat melakukannya lebih cepat daripada mahasiswa biasa, lebih lengkap daripada jawaban ujian biasa, dan lebih sistematis daripada banyak tulisan akademik yang dibuat sekadar memenuhi tugas. Artinya, jika pendidikan hanya berhenti pada HOTS Teknis, maka manusia tetap belum memiliki keunggulan sejati atas AI. Manusia hanya sedang berlomba dengan mesin di wilayah yang memang menjadi kekuatan mesin AI.
Kegagalan pendidikan tradisional adalah mengira bahwa semua HOTS sudah otomatis tinggi dan memadai. Padahal, HOTS Teknis berbeda dari HOTS Strategis Sistemik. HOTS Teknis menjawab bagaimana sesuatu bekerja dalam kerangka teori, prosedur, model, atau aturan tertentu. HOTS Strategis Sistemik bertanya lebih jauh: apa makna dari situasi ini, dalam konteks apa keputusan harus dibuat, siapa yang terdampak, risiko apa yang muncul, nilai apa yang dipertaruhkan, konsekuensi jangka panjang apa yang harus dipertimbangkan, dan keputusan strategis sistemik apa yang paling bertanggung jawab dalam kondisi nyata. Inilah wilayah yang jauh lebih sulit daripada sekadar menjawab benar atau salah.
Gambar sederhana tentang dua garis yang tampak berbeda panjangnya dapat menjadi pintu masuk untuk memahami kegagalan yang jauh lebih besar dalam kehidupan nyata. Dalam organisasi, pemimpin sering salah mengambil keputusan karena hanya melihat gejala, bukan sistem. Dalam kebijakan publik, pemerintah sering membuat program karena terpesona oleh data permukaan, bukan memahami akar masalah struktural sistemik. Dalam pendidikan, sekolah dan kampus sering mengejar kelulusan, akreditasi, dan dokumen formal, tetapi gagal membangun kompetensi hidup, kompetensi kerja, kompetensi berpikir, dan kemampuan membuat keputusan strategis sistemik. Dalam masyarakat, konflik sering terjadi karena manusia hanya melihat dari sudut pandangnya sendiri, bukan memahami hubungan antarbagian dalam satu sistem yang lebih luas.
Karena itu, pendidikan era AI tidak boleh lagi berpusat pada kemampuan menjawab pertanyaan. Pendidikan harus naik kelas menjadi kemampuan merumuskan pertanyaan yang benar. Ini sangat penting, karena kualitas jawaban sangat ditentukan oleh kualitas pertanyaan. Jika pertanyaannya dangkal, jawabannya juga akan dangkal meskipun ditulis dengan bahasa akademik. Jika pertanyaannya sempit, jawabannya juga akan sempit meskipun disusun dalam laporan panjang. Jika pertanyaannya hanya teknis, jawabannya juga akan teknis meskipun tampak cerdas. Tetapi jika pertanyaannya strategis sistemik, maka manusia dipaksa berpikir lebih dalam tentang konteks, tujuan, hubungan, konsekuensi, nilai, risiko, dan tanggung jawab.
Di sinilah letak kebodohan cara bertanya dalam pendidikan tradisional. Kebodohan itu bukan berarti guru, dosen, siswa, atau mahasiswa tidak memiliki otak. Kebodohan itu adalah kebodohan sistem, yaitu ketika sistem pendidikan terus-menerus mempertahankan pertanyaan rendah untuk menghadapi dunia yang semakin kompleks. Dunia sudah berubah menuju era AI, otomasi, data besar, ketidakpastian, disrupsi pekerjaan, perubahan kompetensi, dan persaingan global, tetapi banyak ruang kelas masih sibuk menguji hafalan. Dunia nyata menuntut keputusan strategis sistemik, tetapi pendidikan masih menguji jawaban prosedural. Dunia kerja menuntut kemampuan memecahkan masalah lintas fungsi, tetapi pendidikan masih memecah pengetahuan ke dalam kotak-kotak mata pelajaran yang terpisah.
Larangan AI tidak akan menyelesaikan masalah ini. Melarang AI dalam pendidikan yang masih bertanya secara LOTS dan HOTS Teknis hanya seperti melarang kalkulator ketika soal matematika masih hanya berhenti pada operasi hitung sederhana. Larangan seperti itu mungkin membuat guru atau dosen merasa aman sementara, tetapi tidak membuat peserta didik menjadi lebih cerdas. Justru sebaliknya, larangan AI dapat membuat pendidikan semakin tertinggal karena siswa dan mahasiswa tidak dilatih menggunakan alat baru secara etis, kritis, efisien, produktif, dan strategis sistemik. Dalam dunia nyata, orang tidak dinilai dari apakah ia menggunakan AI atau tidak, tetapi dari apakah keputusan yang diambilnya benar, bertanggung jawab, berdampak, dan mampu memperbaiki sistem secara terus-menerus.
Pendidikan masa depan harus berani mengubah pusat gravitasinya. Bukan lagi dari guru sebagai pemberi jawaban, tetapi guru sebagai perancang pertanyaan bermutu. Bukan lagi dosen sebagai penjaga hafalan teori, tetapi dosen sebagai arsitek pembelajaran strategis sistemik. Bukan lagi mahasiswa sebagai pengumpul tugas, tetapi mahasiswa sebagai pembuat keputusan yang mampu mempertanggungjawabkan analisis, nilai, risiko, dan dampak dari pilihannya. Jika perubahan ini tidak dilakukan, maka pendidikan akan terus-menerus defensif terhadap AI. Sebaliknya, jika perubahan ini dilakukan, AI tidak lagi menjadi musuh, tetapi menjadi alat bantu untuk memperkuat proses berpikir manusia.
Dengan demikian, gambar sederhana tentang dua garis bukan sekadar permainan visual. Gambar itu adalah metafora besar tentang pendidikan. Banyak orang salah melihat karena terlalu percaya pada kesan pertama. Banyak siswa salah belajar karena terlalu percaya pada hafalan. Banyak guru salah mengajar karena terlalu percaya pada buku teks. Banyak dosen salah menilai karena terlalu percaya pada ujian formal. Banyak pemimpin salah memutuskan karena terlalu percaya pada data permukaan. Banyak negara salah membangun karena terlalu percaya pada indikator administratif. Semua kesalahan itu memiliki akar yang sama, yaitu kegagalan berpikir strategis sistemik.
Maka, pertanyaan paling penting bagi pendidikan era AI bukan lagi apakah mahasiswa boleh memakai AI atau tidak. Pertanyaan yang lebih penting adalah apakah pendidikan kita masih layak disebut pendidikan jika pertanyaannya masih dapat dijawab mesin AI secara instan tanpa pengalaman hidup, tanpa tanggung jawab moral, tanpa pemahaman konteks, dan tanpa keberanian mengambil keputusan. Jika pertanyaan pendidikan masih berada pada level rendah, maka AI memang akan tampak seperti ancaman. Tetapi jika pendidikan naik ke level HOTS Strategis Sistemik, maka AI justru menjadi alat bantu yang sah untuk memperluas informasi, mempercepat analisis, dan memperkaya pertimbangan manusia.
Dengan demikian, AI tidak membunuh pendidikan. Yang dibunuh AI adalah ilusi bahwa hafalan adalah kecerdasan, bahwa tugas makalah adalah pemahaman, bahwa jawaban panjang adalah kedalaman berpikir, bahwa nilai ujian adalah kompetensi hidup, dan bahwa pendidikan tradisional masih baik-baik saja. AI datang seperti cermin besar yang memaksa kita melihat wajah asli pendidikan. Jika wajah itu tampak lemah, dangkal, defensif, dan ketakutan, jangan salahkan cerminnya. Yang harus diperbaiki adalah sistem pendidikan, cara bertanya, cara menilai, cara mengajar, dan cara membangun manusia agar mampu berpikir strategis sistemik secara terus-menerus dalam kehidupan nyata.
Dari Pertanyaan Dangkal ke Keputusan Strategis Sistemik: Tiga Level Cara Bertanya dalam Pendidikan Era AI
Setelah memahami bahwa AI tidak membunuh pendidikan, melainkan membongkar kelemahan cara bertanya dalam pendidikan tradisional, maka kita perlu masuk lebih dalam pada inti persoalannya. Persoalan pendidikan era AI bukan hanya apakah siswa atau mahasiswa boleh menggunakan AI atau tidak. Persoalan yang jauh lebih mendasar adalah apakah pertanyaan yang diajukan dalam proses pembelajaran masih berada pada level rendah, level teknis, atau sudah benar-benar naik ke level strategis sistemik. Jika pertanyaannya masih rendah, maka AI akan menang. Jika pertanyaannya hanya teknis, AI juga akan sangat unggul. Tetapi jika pertanyaannya sudah masuk ke wilayah keputusan strategis sistemik, maka AI hanya menjadi alat bantu, sedangkan peran utama tetap berada pada manusia.
Inilah sebabnya kita perlu membedakan secara tegas antara LOTS, HOTS Teknis, dan HOTS Strategis Sistemik. Banyak orang selama ini hanya membedakan antara LOTS dan HOTS, seolah-olah semua yang disebut HOTS sudah otomatis tinggi dan memadai. Padahal, tidak demikian. Ada HOTS yang masih bersifat teknis, prosedural, tertutup, dan sangat mudah dibantu bahkan dikalahkan oleh AI. Ada pula HOTS yang benar-benar strategis sistemik, yaitu cara berpikir yang tidak hanya menjawab soal, tetapi menilai konteks, membaca sistem, memahami risiko, mempertimbangkan nilai, dan mengambil keputusan yang berdampak pada kehidupan nyata.
LOTS: Cara Bertanya Paling Rendah yang Mudah Dikalahkan AI
LOTS atau Lower Order Thinking Skills adalah cara berpikir tingkat rendah. Pada level ini, peserta didik hanya diminta mengingat, menyebutkan, mengenali, memilih, mengidentifikasi, atau mengulang kembali informasi yang sudah tersedia. Pertanyaan LOTS biasanya mudah dibuat, mudah dijawab, mudah dikoreksi, dan mudah diberi nilai. Karena itulah pendidikan tradisional sangat menyukai pertanyaan LOTS. Guru atau dosen cukup bertanya, siswa atau mahasiswa cukup menjawab, lalu jawaban dicocokkan dengan kunci jawaban. Sistem seperti ini tampak rapi, tetapi sebenarnya sangat dangkal jika dijadikan pusat pembelajaran.
Contoh paling sederhana dapat dilihat dari gambar ilusi optik dua garis. Pertanyaan LOTS berbunyi: “Garis mana yang lebih panjang, A atau B?” Peserta didik hanya diminta melihat gambar, lalu memilih jawaban. Tidak ada tuntutan untuk menjelaskan mengapa mata manusia bisa tertipu. Tidak ada tuntutan untuk membuktikan secara objektif. Tidak ada tuntutan untuk menghubungkan gambar itu dengan kesalahan berpikir dalam kehidupan nyata. Jawaban hanya berhenti pada permukaan visual: garis mana yang tampak lebih panjang?
Dalam pelajaran lain, pertanyaan LOTS juga sangat mudah ditemukan. Dalam manajemen, pertanyaannya berbunyi: “Apa definisi manajemen?” Dalam statistika, pertanyaannya berbunyi: “Apa pengertian rata-rata?” Dalam ekonomi, pertanyaannya berbunyi: “Apa definisi inflasi?” Dalam pendidikan kewarganegaraan, pertanyaannya berbunyi: “Sebutkan lima sila Pancasila.” Semua pertanyaan ini tidak salah sebagai pengenalan awal. Namun, jika pendidikan berhenti pada pertanyaan seperti ini, maka peserta didik hanya dilatih menjadi pengingat informasi, bukan pemikir yang mampu memahami masalah nyata.
Pada level LOTS, AI pasti menang. AI dapat menyebutkan definisi, membuat daftar, merangkum konsep, menjawab pertanyaan faktual, dan mengidentifikasi informasi dasar dalam hitungan detik. Bahkan AI dapat menjawab dengan bahasa yang lebih rapi daripada banyak siswa atau mahasiswa. Jika pendidikan masih menilai kecerdasan berdasarkan kemampuan mengulang informasi, maka manusia sedang dipaksa berlomba dengan mesin pada arena yang memang dikuasai mesin. Di sinilah pendidikan tradisional mulai kehilangan dasar pembenarannya.
Karena itu, ketika guru atau dosen marah karena siswa atau mahasiswa menggunakan AI untuk menjawab tugas-tugas LOTS, sesungguhnya yang harus dievaluasi bukan hanya perilaku peserta didik, tetapi terutama kualitas pertanyaannya. Jika pertanyaan terlalu mudah dijawab oleh AI, maka pertanyaan itu memang harus dinaikkan kelasnya. Pendidikan tidak boleh terus-menerus menyalahkan alat, sementara cara bertanya tetap rendah. Melarang AI pada pertanyaan LOTS hanya menunjukkan bahwa sistem pendidikan sedang mempertahankan bentuk penilaian yang sudah tidak relevan dengan perkembangan zaman.
HOTS Teknis: Tampak Cerdas, Tetapi Masih Menjadi Wilayah Keunggulan AI
HOTS Teknis atau Higher Order Thinking Skills Teknis memang lebih tinggi daripada LOTS karena sudah menuntut analisis, penjelasan, pembuktian, perbandingan, pemodelan, dan penggunaan teori. Pada level ini, peserta didik tidak hanya diminta menjawab apa, tetapi mulai diminta menjelaskan bagaimana. Mereka diminta menggunakan konsep, teori, rumus, prosedur, metode, atau model tertentu untuk membuktikan suatu hal. Ini jelas lebih tinggi daripada sekadar hafalan, tetapi belum tentu cukup untuk membangun keunggulan manusia di era AI.
Dalam gambar ilusi optik, pertanyaan HOTS Teknis dapat berbunyi: “Jelaskan secara optik dan geometris mengapa garis A dan garis B sebenarnya sama panjang?” Pertanyaan ini memang lebih tinggi daripada sekadar bertanya garis mana yang lebih panjang. Peserta didik harus memahami bahwa perbedaan yang tampak oleh mata manusia dapat terjadi karena pengaruh arah panah, konteks visual, persepsi ruang, dan mekanisme kognitif dalam otak. Mereka dapat diminta menjelaskan ilusi Müller-Lyer, membuktikan kesamaan panjang garis, atau membuat model sederhana untuk menunjukkan bahwa persepsi visual tidak selalu sama dengan ukuran objektif.
Dalam pelajaran manajemen, pertanyaan HOTS Teknis dapat berbunyi: “Analisis hubungan antara kepemimpinan, motivasi kerja, dan kinerja pegawai.” Dalam ekonomi, pertanyaan HOTS Teknis dapat berbunyi: “Jelaskan mekanisme inflasi akibat kenaikan harga energi.” Dalam statistika, pertanyaan HOTS Teknis dapat berbunyi: “Hitung rata-rata, standar deviasi, korelasi, regresi, atau p-value dari data berikut.” Pertanyaan seperti ini sudah lebih baik daripada pertanyaan definisi. Peserta didik mulai diminta menjelaskan hubungan sebab-akibat, menggunakan teori, menghitung data, dan menyusun argumentasi.
Namun, pada level HOTS Teknis, AI tetap sangat unggul. AI dapat menjelaskan ilusi optik dengan teori psikologi persepsi. AI dapat menjelaskan inflasi, subsidi energi, nilai tukar, suku bunga, dan daya beli masyarakat dalam ekonomi. AI dapat menyusun analisis manajemen tentang kepemimpinan, motivasi, budaya organisasi, dan kinerja. AI juga dapat membantu menghitung statistika, menjalankan model, menulis interpretasi, bahkan menyusun laporan yang tampak akademik. Semua itu dapat dilakukan AI dengan cepat, sistematis, dan rapi.
Inilah titik kritis yang sering tidak disadari dalam pendidikan tradisional. Banyak pendidik merasa sudah aman karena pertanyaannya disebut HOTS. Padahal, jika HOTS itu masih teknis, masih prosedural, masih tertutup, dan masih hanya meminta penjelasan berdasarkan teori yang sudah ada, maka AI tetap dapat membantu bahkan mengalahkan manusia. HOTS Teknis membuat pembelajaran tampak lebih cerdas, tetapi belum tentu membawa manusia ke wilayah keunggulan sejatinya. Manusia masih bertanding dengan AI di arena analisis teknis, bukan di arena keputusan strategis sistemik.
Masalah utama HOTS Teknis adalah tujuan pertanyaannya biasanya sudah ditentukan. Peserta didik diminta membuktikan sesuatu, menjelaskan sesuatu, membandingkan sesuatu, menghitung sesuatu, atau menggunakan teori tertentu untuk menjawab persoalan tertentu. Ruang jawabannya masih relatif tertutup. Jawaban yang baik biasanya dapat disusun melalui prosedur berpikir yang logis, sistematis, dan berbasis teori. Justru karena itu, AI sangat kuat pada wilayah ini. AI memang dirancang untuk mengenali pola, mengolah informasi, menyusun hubungan, dan menghasilkan penjelasan teknis secara cepat.
Statistika sebagai Contoh Penting: Industri Tidak Membutuhkan Hafalan Rumus, Tetapi Statistical Thinking dan Statistical Engineering
Dalam statistika, kesalahan pendidikan tradisional tampak sangat jelas. Statistika sering diajarkan sebagai kumpulan rumus, teknik hitung, tabel, prosedur pengujian, dan penggunaan software statistika. Mahasiswa diminta menghafal definisi mean, median, modus, standar deviasi, korelasi, regresi, uji t, uji F, analysis of variance, chi-square, p-value, dan berbagai rumus lainnya. Semua itu adalah statistical tools atau alat-alat statistika. Alat-alat ini memang penting, tetapi menjadi sangat dangkal jika dipelajari tanpa konteks proses, tanpa pemahaman variasi, tanpa tujuan perbaikan kinerja, dan tanpa hubungan dengan keputusan proses sistem industri.
Pertanyaan LOTS dalam statistika biasanya berbunyi: “Apa itu rata-rata?”, “Apa rumus standar deviasi?”, “Apa pengertian regresi?”, “Apa itu korelasi?”, atau “Sebutkan langkah-langkah uji hipotesis.” Pertanyaan seperti ini hanya melatih mahasiswa menghafal istilah dan rumus. Mahasiswa mungkin bisa menjawab definisi mean, median, modus, simpangan baku, korelasi, regresi, atau p-value, tetapi belum tentu memahami mengapa alat statistik itu digunakan, kapan boleh digunakan, kapan menyesatkan, apa risiko salah tafsirnya, dan bagaimana hasilnya dipakai untuk memperbaiki kinerja sistem nyata.
Pada level HOTS Teknis, pertanyaan statistika biasanya naik sedikit menjadi: “Hitung rata-rata dan standar deviasi dari data berikut”, “Lakukan uji t terhadap dua kelompok data”, “Buat model regresi antara variabel X dan Y”, atau “Interpretasikan nilai p-value dalam pengujian hipotesis.” Ini memang lebih tinggi daripada sekadar menghafal rumus, tetapi tetap masih berada dalam wilayah statistical tools. Mahasiswa dilatih menggunakan alat, tetapi belum tentu dilatih memahami persoalan industri secara utuh. Mereka bisa menghitung, tetapi belum tentu mampu merumuskan masalah. Mereka bisa menjalankan software statistik, tetapi belum tentu mampu menilai apakah data yang digunakan valid, apakah proses pengukurannya benar, apakah variasi yang muncul berasal dari sistem, manusia, mesin, material, metode, lingkungan, atau interaksi antarbagian dalam proses kerja.
Padahal, yang sesungguhnya dibutuhkan dunia industri bukan hanya orang yang hafal rumus statistika. Industri membutuhkan orang yang memiliki statistical thinking atau berpikir statistika, yaitu cara berpikir yang memahami bahwa semua pekerjaan berlangsung dalam proses, semua proses mengandung variasi, semua variasi perlu dipahami berdasarkan data, dan semua keputusan perbaikan harus diarahkan pada peningkatan kinerja sistem secara terus-menerus. Statistical thinking tidak berhenti pada menghitung angka, tetapi bertanya: proses apa yang sedang terjadi, variasi apa yang muncul, apakah variasi itu normal atau tidak normal, apakah penyebabnya berasal dari sistem atau kejadian khusus, dan keputusan apa yang harus diambil agar proses menjadi lebih stabil, lebih efisien, lebih produktif, dan lebih mampu memenuhi kebutuhan pelanggan.
Lebih tinggi lagi, industri membutuhkan statistical engineering atau rekayasa statistika, yaitu kemampuan mengintegrasikan berbagai alat statistika ke dalam satu sistem penyelesaian masalah nyata. Statistical engineering bukan sekadar memilih rumus, tetapi merancang pendekatan pemecahan masalah berbasis data dari awal sampai akhir. Di dalamnya ada perumusan masalah, pemetaan proses, penentuan indikator kinerja, desain pengumpulan data, validasi sistem pengukuran, analisis variasi, identifikasi akar penyebab masalah, pemilihan metode statistika yang tepat, pengujian solusi, pengendalian proses, dan pembelajaran berkelanjutan. Dengan kata lain, statistical engineering adalah penggunaan statistika sebagai sistem rekayasa keputusan, bukan sekadar kumpulan rumus.
Contoh konkretnya dapat dilihat dalam industri manufaktur. Jika tingkat cacat produk meningkat, pertanyaan LOTS hanya berbunyi: “Apa rumus persentase cacat?” Pertanyaan HOTS Teknis berbunyi: “Hitung peta kendali atau control chart dari data cacat berikut.” Tetapi pertanyaan statistical thinking dan statistical engineering akan berbunyi jauh lebih strategis sistemik: “Apakah kenaikan cacat ini berasal dari variasi normal sistem atau dari penyebab khusus? Bagian proses mana yang paling banyak menyumbang cacat? Apakah sistem pengukuran sudah valid? Apakah operator, mesin, material, metode kerja, lingkungan, atau desain produk menjadi sumber variasi utama? Solusi apa yang harus diuji, bagaimana dampaknya diukur, dan bagaimana proses dikendalikan agar perbaikan tidak hanya terjadi sesaat, tetapi bertahan secara terus-menerus?”
Contoh lain dapat dilihat dalam industri jasa, misalnya rumah sakit, bank, hotel, koperasi, atau perguruan tinggi. Jika keluhan pelanggan meningkat, pendidikan statistika tradisional mungkin hanya mengajarkan cara menghitung rata-rata jumlah keluhan per bulan atau membuat diagram batang. Itu hanya statistical tools. Tetapi statistical thinking akan bertanya apakah keluhan itu berasal dari variasi proses pelayanan, ketidaksesuaian standar kerja, antrean yang terlalu panjang, kualitas komunikasi petugas, ketidakjelasan informasi, atau ketidakseimbangan kapasitas dengan permintaan. Statistical engineering kemudian merancang sistem analisis dan perbaikan: mengumpulkan data keluhan, mengelompokkan jenis keluhan, membuat Pareto analysis, memetakan proses layanan, mengukur waktu tunggu, menganalisis akar masalah, menguji solusi, menetapkan indikator kontrol, dan memastikan perbaikan berjalan terus-menerus.
Di sinilah tampak perbedaan besar antara statistical tools, statistical engineering, dan statistical thinking. Statistical tools hanya menjawab bagaimana menghitung menggunakan rumus-rumus statistika? Statistical engineering menjawab bagaimana berbagai alat statistika (statistical tools) dirancang dan diintegrasikan untuk menyelesaikan masalah nyata. Statistical thinking menjawab mengapa proses harus dipahami sebagai sistem yang memiliki variasi, risiko, konteks, dan konsekuensi keputusan. Karena itu, mahasiswa yang hanya belajar rumus statistika belum tentu siap bekerja di dunia industri. Industri tidak membutuhkan manusia yang hanya bisa menghitung rata-rata, tetapi tidak mampu membaca variasi proses. Industri tidak membutuhkan manusia yang hanya bisa menjalankan software statistika, tetapi tidak mampu merumuskan masalah. Industri membutuhkan manusia yang mampu menggunakan data untuk memahami sistem, memperbaiki proses, menurunkan pemborosan, meningkatkan kualitas, meningkatkan efisiensi dan produktivitas, serta membuat keputusan strategis sistemik.
Dengan demikian, contoh statistika dalam pendidikan era AI harus diarahkan secara lebih tajam. Jika pertanyaan statistika hanya meminta rumus, AI pasti menang. Jika pertanyaan statistika hanya meminta perhitungan teknis, AI juga sangat unggul. Tetapi jika pertanyaan statistika meminta mahasiswa memahami proses industri, membaca variasi, merancang sistem pengukuran, memilih metode yang tepat, menghubungkan data dengan keputusan manajerial, dan mempertanggungjawabkan dampak perbaikan, maka AI hanya menjadi alat bantu. Peran utama tetap berada pada manusia yang memiliki statistical thinking, statistical engineering, pengalaman proses, pemahaman konteks, dan tanggung jawab keputusan strategis sistemik.
Yang dibutuhkan industri bukan lulusan yang hanya menghafal statistical tools, melainkan manusia yang memiliki statistical thinking dan statistical engineering. Statistical tools hanya menyediakan rumus dan teknik. Statistical engineering mengintegrasikan berbagai alat statistika ke dalam sistem pemecahan masalah nyata. Statistical thinking memberi cara pandang bahwa semua pekerjaan adalah proses, semua proses memiliki variasi, dan semua perbaikan kinerja harus dilakukan berdasarkan data, konteks, sistem, dan keputusan strategis sistemik secara terus-menerus.
HOTS Strategis Sistemik: Wilayah Keunggulan Manusia dalam Pendidikan Era AI
Karena itu, pendidikan era AI tidak cukup hanya bergerak dari LOTS ke HOTS Teknis. Pendidikan harus naik lebih tinggi ke HOTS Strategis Sistemik. Di sinilah perbedaan paling penting harus ditegaskan. HOTS Strategis Sistemik bukan hanya kemampuan menjawab soal sulit. HOTS Strategis Sistemik adalah kemampuan membaca konteks, memahami hubungan antarbagian, membedakan gejala dan akar masalah, menilai risiko, mempertimbangkan nilai, memilih prioritas, dan mengambil keputusan yang dapat dipertanggungjawabkan dalam kehidupan nyata.
Dalam gambar ilusi optik, pertanyaan HOTS Strategis Sistemik tidak lagi berbunyi “garis mana yang lebih panjang?” dan tidak hanya berbunyi “mengapa kedua garis itu sebenarnya sama panjang?” Pertanyaan yang lebih tinggi adalah: “Mengapa manusia sering salah mengambil keputusan strategis sistemik meskipun data objektifnya sama?” Pertanyaan ini membawa gambar sederhana ke wilayah kehidupan nyata. Gambar itu tidak lagi hanya menjadi alat uji mata, tetapi menjadi alat refleksi tentang kesalahan manusia dalam membaca realitas.
Dalam organisasi, seorang pemimpin bisa salah mengambil keputusan karena hanya melihat gejala permukaan. Ia melihat karyawan malas, lalu langsung menyimpulkan bahwa masalahnya adalah disiplin pribadi. Padahal, mungkin akar masalahnya adalah sistem kerja yang buruk, beban kerja tidak seimbang, target tidak jelas, insentif tidak adil, komunikasi buruk, atau budaya organisasi yang tidak sehat. Jika pemimpin hanya berpikir LOTS, ia akan menyalahkan orang. Jika ia berpikir HOTS Teknis, ia mungkin menganalisis beberapa faktor. Tetapi jika ia berpikir HOTS Strategis Sistemik, ia akan bertanya bagaimana seluruh sistem kerja harus dirancang ulang agar kinerja meningkat secara terus-menerus.
Dalam pendidikan, sekolah atau kampus bisa salah mengambil keputusan karena hanya melihat nilai ujian. Mahasiswa yang nilainya tinggi dianggap cerdas, sedangkan mahasiswa yang nilainya rendah dianggap lemah. Padahal, nilai ujian sering hanya mengukur kemampuan menjawab soal dalam situasi terbatas. Nilai belum tentu mengukur kemampuan memahami masalah nyata, bekerja dalam tim, membuat keputusan, menghadapi konflik, membangun sistem, menciptakan inovasi, atau bertanggung jawab terhadap dampak sosial. Jika pendidikan hanya melihat nilai, maka pendidikan dapat salah membaca manusia.
Dalam kebijakan publik, pemerintah bisa salah membuat program karena hanya melihat data administratif. Misalnya, angka bantuan tersalurkan dianggap keberhasilan, padahal belum tentu masyarakat menjadi lebih efisien dan produktif. Jumlah pelatihan meningkat dianggap prestasi, padahal belum tentu peserta memiliki kompetensi yang dibutuhkan pasar kerja. Jumlah sekolah dibangun dianggap kemajuan, padahal belum tentu mutu pembelajaran meningkat. Jumlah koperasi bertambah dianggap keberhasilan, padahal belum tentu koperasi memiliki skala usaha (economies of scale), efisiensi, produktivitas, lingkup usaha (economies of scope) dan daya saing. Di sinilah HOTS Strategis Sistemik menjadi sangat penting, karena ia menuntut manusia membaca hubungan antara input, process, output, outcome, dan impact atau dampak jangka panjang.
Contoh lain dapat dilihat dalam pembelajaran ekonomi. Pertanyaan LOTS berbunyi: “Apa definisi kemiskinan?” Pertanyaan HOTS Teknis berbunyi: “Jelaskan faktor-faktor penyebab kemiskinan menurut teori ekonomi pembangunan.” Tetapi pertanyaan HOTS Strategis Sistemik akan berbunyi: “Jika suatu daerah atau negara memiliki sumber daya alam besar, tetapi penduduknya tetap miskin, keputusan strategis sistemik apa yang harus diambil untuk menghubungkan pendidikan, pertanian, peternakan, koperasi, industri pengolahan, infrastruktur, pembiayaan, dan pasar agar kemiskinan struktural sistemik dapat dikurangi secara terus-menerus?” Pertanyaan terakhir ini tidak bisa dijawab hanya dengan hafalan atau teori teknis. Ia menuntut pemikiran lintas sektor, lintas waktu, dan lintas kepentingan.
Contoh dalam statistika juga sangat jelas. Pertanyaan LOTS berbunyi: “Apa itu rata-rata?” Pertanyaan HOTS Teknis berbunyi: “Mengapa rata-rata dapat menyesatkan jika terdapat outlier?” Tetapi pertanyaan HOTS Strategis Sistemik berbunyi: “Jika data rata-rata pendapatan suatu daerah atau negara terlihat meningkat, tetapi sebagian besar penduduk tetap miskin, keputusan strategis sistemik apa yang harus diambil agar kebijakan tidak tertipu oleh angka rata-rata dan mampu membaca ketimpangan, distribusi pendapatan, daya beli, efisiensi, produktivitas, serta akses terhadap pendidikan dan kesehatan?” Inilah cara bertanya yang jauh lebih bermakna daripada sekadar menghitung.
Pada level HOTS Strategis Sistemik, AI tetap berguna, tetapi tidak lagi menjadi pengambil peran utama. AI dapat membantu menyediakan data, merangkum teori, membuat skenario, membandingkan alternatif, menjelaskan risiko, dan mempercepat analisis. Namun, AI tidak memikul tanggung jawab moral atas keputusan. AI tidak mengalami penderitaan masyarakat ketika kebijakan salah. AI tidak menanggung akibat ketika sistem pendidikan gagal menghasilkan manusia yang efisien dan produktif. AI tidak bertanggung jawab ketika organisasi salah arah. AI tidak memikul konsekuensi historis dari keputusan politik, ekonomi, pendidikan, atau sosial.
Karena itu, peran utama pada level HOTS Strategis Sistemik tetap berada pada manusia. Manusia harus menentukan tujuan. Manusia harus membaca konteks. Manusia harus menilai risiko. Manusia harus memilih prioritas. Manusia harus mempertimbangkan nilai. Manusia harus berani mengambil keputusan. Manusia harus mempertanggungjawabkan dampaknya. AI boleh membantu berpikir, tetapi manusia harus memutuskan. AI boleh membantu menganalisis, tetapi manusia harus menilai. AI boleh membantu menyusun alternatif, tetapi manusia harus memilih. AI boleh membantu mempercepat informasi, tetapi manusia harus memberi arah dan makna.
Di sinilah pendidikan tradisional harus berubah secara radikal. Guru dan dosen tidak boleh lagi hanya menjadi pemberi materi, pemberi tugas, dan pemberi nilai. Guru dan dosen harus menjadi perancang pertanyaan strategis sistemik. Mereka harus mampu mengubah pertanyaan dangkal menjadi pertanyaan bermakna. Mereka harus mampu mengubah tugas hafalan menjadi tugas pengambilan keputusan. Mereka harus mampu mengubah ujian tertutup menjadi proses pembelajaran yang menuntut tanggung jawab, argumentasi, konteks, dan dampak. Jika guru dan dosen tidak mampu naik ke level ini, maka pendidikan akan terus-menerus kalah dari AI.
Siswa dan mahasiswa juga harus berubah. Mereka tidak boleh lagi bangga hanya karena mampu menjawab cepat, menghafal teori, membuat makalah panjang, atau mengutip banyak sumber. Di era AI, semua itu dapat dibantu mesin. Yang lebih penting adalah apakah mereka mampu bertanya secara benar, membaca masalah secara utuh, memahami sistem, melihat hubungan sebab-akibat, menilai konsekuensi, dan mengambil keputusan strategis sistemik yang dapat dipertanggungjawabkan. Manusia tidak boleh lagi hanya menjadi pengumpul informasi. Manusia harus menjadi pengarah makna dan pembuat keputusan strategis sistemik.
Sekolah, kampus, dan pembuat kebijakan pendidikan juga harus berani mengevaluasi sistem asesmen. Jika ujian masih hanya mengukur hafalan, maka ujian itu sedang melatih manusia menjadi lebih rendah daripada AI. Jika tugas hanya meminta ringkasan teori, maka tugas itu sedang membuka pintu bagi penggunaan AI secara dangkal. Jika kurikulum hanya mengejar penyelesaian materi, maka kurikulum itu sedang gagal membangun kompetensi hidup. Pendidikan era AI harus bergerak dari kurikulum berbasis konten menuju kurikulum berbasis masalah nyata, keputusan nyata, risiko nyata, dan tanggung jawab nyata.
Maka, larangan AI bukan solusi utama. Solusi utama adalah menaikkan kualitas pertanyaan. Jika pertanyaannya LOTS, AI akan menjawab lebih cepat. Jika pertanyaannya HOTS Teknis, AI akan menjelaskan lebih rapi. Tetapi jika pertanyaannya HOTS Strategis Sistemik, AI hanya menjadi alat bantu, sedangkan manusia tetap menjadi penentu arah, nilai, prioritas, dan tanggung jawab keputusan. Inilah perubahan paling mendasar yang harus dipahami oleh pendidikan tradisional Indonesia.
Pendidikan masa depan bukan lagi pendidikan yang hanya bertanya “apa jawabannya?” Pendidikan masa depan harus bertanya “mengapa keputusan strategis sistemik itu dipilih, dalam konteks apa keputusan strategis sistemik itu berlaku, siapa yang terdampak, risiko apa yang muncul, nilai apa yang dipertaruhkan, dan bagaimana keputusan strategis sistemik itu memperbaiki sistem secara terus-menerus?” Pertanyaan seperti inilah yang akan membedakan manusia dari mesin. Pertanyaan seperti inilah yang akan membedakan pendidikan hidup dari pendidikan hafalan. Pertanyaan seperti inilah yang akan membedakan pembelajaran strategis sistemik dari pembelajaran tradisional linear parsial prosedural.
Dengan demikian, AI tidak perlu ditakuti secara berlebihan. Yang harus ditakuti adalah pendidikan yang tidak mau naik kelas. Yang harus ditakuti adalah guru dan dosen yang tetap mempertahankan pertanyaan rendah. Yang harus ditakuti adalah sekolah dan kampus yang hanya mengejar dokumen, nilai, ijazah, dan akreditasi administratif, tetapi tidak membangun kemampuan berpikir strategis sistemik. Yang harus ditakuti adalah sistem pendidikan yang terus-menerus menghasilkan manusia yang pandai menjawab soal, tetapi lemah mengambil keputusan strategis sistemik dalam kehidupan nyata.
Akhirnya, perbedaan antara LOTS, HOTS Teknis, dan HOTS Strategis Sistemik bukan sekadar istilah akademik. Ini adalah peta jalan transformasi pendidikan era AI. LOTS melatih manusia mengingat. HOTS Teknis melatih manusia menganalisis. HOTS Strategis Sistemik melatih manusia mengambil keputusan strategis sistemik yang bermakna, kontekstual, bertanggung jawab, dan berdampak. Jika pendidikan hanya berhenti pada LOTS, manusia kalah dari AI. Jika pendidikan hanya berhenti pada HOTS Teknis, manusia tetap berada dalam bayang-bayang AI. Tetapi jika pendidikan naik ke HOTS Strategis Sistemik, AI menjadi alat bantu, sedangkan manusia tetap menjadi pemimpin keputusan strategis sistemik.
Inilah arah pendidikan yang harus dibangun. Bukan pendidikan yang sibuk melarang AI, tetapi pendidikan yang berani memperbaiki cara bertanya. Bukan pendidikan yang hanya mengejar jawaban benar, tetapi pendidikan yang membangun kemampuan membuat keputusan strategis sistemik benar dalam konteks yang kompleks. Bukan pendidikan yang hanya menghasilkan penghafal teori, tetapi pendidikan yang menghasilkan manusia yang mampu membaca realitas, memahami sistem, memilih jalan, menanggung risiko, dan memperbaiki kehidupan secara terus-menerus.
Salam SUCCESS!
Oleh: Vincent Gaspersz
Penulis adalah Lean Six Sigma Master Black Belt & Certified Management Systems Lead Specialist (Ahli Rekayasa Sistem dan Manajemen Sistem, Anggota Senior Institute of Industrial and Systems Engineers/IISE No. 880194630)
