<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Oktavian Aji on Medium]]></title>
        <description><![CDATA[Stories by Oktavian Aji on Medium]]></description>
        <link>https://medium.com/@oktavian.aji18?source=rss-57f8c0122666------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*7JmA1sMiEoii3pSxYRDkJg.jpeg</url>
            <title>Stories by Oktavian Aji on Medium</title>
            <link>https://medium.com/@oktavian.aji18?source=rss-57f8c0122666------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 09:27:13 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@oktavian.aji18/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Harga yang Harus Dibayar untuk Sistem Asynchronous]]></title>
            <link>https://medium.com/@oktavian.aji18/harga-yang-harus-dibayar-untuk-sistem-asynchronous-12c64c43dc47?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/12c64c43dc47</guid>
            <category><![CDATA[message-broker]]></category>
            <category><![CDATA[rabbitmq]]></category>
            <category><![CDATA[asynchronous-programming]]></category>
            <category><![CDATA[backend-development]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Mon, 12 Oct 2026 06:01:01 GMT</pubDate>
            <atom:updated>2026-10-12T06:01:01.612Z</atom:updated>
            <content:encoded><![CDATA[<h4>Sebuah studi kasus tentang trade-off asynchronous architecture: latency yang lebih rendah, decoupling yang lebih baik, dan kompleksitas baru dalam menjaga konsistensi data.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fGYsqsIWytxwdBAniLzimw.png" /><figcaption>From Blocking to Asynchronous</figcaption></figure><p>Approval cuti seharusnya tidak terdengar seperti masalah distributed system.</p><p>Seorang karyawan mengajukan cuti. Atasannya menyetujui. Jatah cutinya berkurang. Selesai.</p><p>Dari sudut pandang pengguna, sesederhana itu. Tetapi di balik satu klik approval, bisa ada beberapa sistem yang harus bekerja sama sebelum seluruh proses bisnis benar-benar selesai.</p><p>Saya pernah menghadapi kasus seperti ini ketika mengembangkan modul approval cuti di sebuah sistem internal perusahaan. Nama aplikasi dan beberapa detail implementasi dalam artikel ini disamarkan untuk melindungi informasi internal. Namun, persoalan arsitektur dan pendekatan desain yang dibahas berasal dari kasus nyata.</p><p>Masalahnya mulai terasa ketika proses approval harus berkomunikasi dengan sistem HR lain untuk mengurangi jatah cuti karyawan. Dalam desain awal, approval dilakukan secara <em>synchronous</em>: sistem harus memanggil sistem HR tersebut dan menunggu hasilnya sebelum mengembalikan respons.</p><p>Pada beberapa transaksi, proses ini membutuhkan waktu hingga sekitar 30 detik.</p><p>Satu transaksi yang lambat mungkin masih bisa ditoleransi. Namun, ketika banyak pengajuan harus disetujui sekaligus melalui bulk approval, waktu tunggu tersebut menjadi lebih terasa. Proses yang seharusnya sederhana ikut bergantung pada kecepatan dan ketersediaan sistem lain.</p><p>Kami kemudian mengubah pendekatan tersebut menjadi <em>asynchronous processing</em> menggunakan RabbitMQ.</p><p>Secara intuitif, ini terdengar seperti solusi yang masuk akal. Sistem approval tidak perlu lagi menunggu proses pengurangan jatah cuti selesai. Pekerjaan bisa diteruskan melalui message broker dan diproses secara terpisah.</p><p>Tetapi memindahkan proses ke asynchronous ternyata bukan akhir dari masalah.</p><p>Justru setelah sistem tidak lagi harus saling menunggu, muncul pertanyaan baru: bagaimana jika message yang sama diproses dua kali? Bagaimana jika sistem HR sedang tidak tersedia? Bagaimana jika deduction berhasil, tetapi status di sistem approval belum mencerminkan hasilnya?</p><p>Untuk menjawab pertanyaan-pertanyaan itu, kami harus memikirkan idempotency, retry, dead-letter queue, hingga scheduled reconciliation.</p><p>Sebelum membahas semuanya, ada satu hal yang perlu dipahami terlebih dahulu: mengapa proses approval cuti yang tampak sederhana bisa memiliki persoalan arsitektur seperti ini?</p><h3>1. Approval Cuti Ternyata Bukan Sekadar CRUD</h3><p>Kalau dilihat dari antarmuka, modul approval cuti terlihat seperti aplikasi CRUD biasa.</p><p>Ada pengajuan yang dibuat, status yang diubah, dan data yang disimpan. Tetapi anggapan itu mulai tidak cukup ketika satu perubahan status harus memicu perubahan data di sistem lain.</p><p>Dalam kasus ini, ada dua sistem dengan tanggung jawab berbeda.</p><p><strong>Employee Management System (EMS)</strong> menangani workflow pengajuan dan approval cuti. Sistem ini mengetahui siapa yang mengajukan cuti, siapa yang menyetujui, dan bagaimana status pengajuannya.</p><p>Sementara itu, <strong>HR Core System</strong> bertanggung jawab atas data jatah cuti karyawan. Sistem inilah yang menjadi acuan untuk mengetahui dan memperbarui leave balance.</p><p>Keduanya terlibat dalam satu proses bisnis, tetapi tidak memiliki tanggung jawab yang sama.</p><p>Ketika atasan menyetujui pengajuan cuti, EMS harus memperbarui status approval. Pada saat yang sama, HR Core perlu mengurangi jatah cuti yang sesuai.</p><p>Dengan desain awal, alurnya kurang lebih seperti ini:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/660/1*sFE7ueL6X2hvvmEHxuKhLg.png" /><figcaption>Diagram 1</figcaption></figure><p>Perhatikan urutannya.</p><p>EMS tidak sekadar menyimpan perubahan status. Ia juga menunggu HR Core menyelesaikan pekerjaannya sebelum mengembalikan respons kepada approver.</p><p>Artinya, meskipun kedua sistem memiliki tanggung jawab berbeda, waktu eksekusinya saling terikat.</p><p>Kalau HR Core lambat, approval ikut lambat. Kalau HR Core mengalami gangguan, proses approval juga bisa terdampak.</p><p>Di sinilah masalah sebenarnya mulai terlihat.</p><p>Bukan berarti API HR Core pasti buruk atau harus selalu lebih cepat. Masalahnya adalah proses approval menanggung seluruh waktu tunggu dari dependency yang berada di luar sistemnya.</p><p>Kondisi ini mungkin tidak terlalu terasa ketika hanya ada satu pengajuan. Tetapi ketika banyak pengajuan diproses sekaligus, ketergantungan tersebut semakin sulit diabaikan.</p><p>Pada titik ini, pertanyaannya bukan lagi sekadar bagaimana mengoptimalkan API deduction.</p><p>Pertanyaan yang lebih mendasar adalah: <strong>apakah proses approval memang harus menunggu sampai jatah cuti selesai dikurangi?</strong></p><p>Pertanyaan itulah yang membawa kami pada perubahan desain berikutnya.</p><h3>2. Kami Menghilangkan Waktu Tunggu, Bukan Kompleksitas</h3><p>Ketika menemukan dependency yang membuat approval ikut menunggu, solusi pertama yang terpikir mungkin mengoptimalkan API HR Core.</p><p>Memeriksa query database, mengurangi network call, atau memperbaiki performa service tetap merupakan langkah yang valid. Namun, ada pertanyaan yang lebih mendasar: <strong>kalaupun API tersebut sudah lebih cepat, apakah approval memang perlu menunggu sampai proses deduction selesai?</strong></p><p>Selama kedua proses masih terikat secara synchronous, jawabannya tetap iya.</p><p>Inilah yang disebut <em>temporal coupling</em>: dua sistem tidak hanya bergantung pada satu sama lain untuk menyelesaikan pekerjaan, tetapi juga harus tersedia dan berinteraksi pada waktu yang sama.</p><p>EMS membutuhkan HR Core untuk menyelesaikan proses deduction sebelum dapat mengembalikan respons approval. Akibatnya, latency dan ketersediaan HR Core ikut menentukan pengalaman pengguna di EMS.</p><p>Saya mulai melihat bahwa masalah ini tidak cukup diselesaikan dengan mempercepat dependency. Kami perlu mengubah hubungan antara kedua proses tersebut.</p><p>Approval dan deduction memang bagian dari satu business process. Namun, keduanya tidak harus selalu dieksekusi secara blocking.</p><p>Maka, kami mengubah alurnya menjadi <em>asynchronous processing</em> menggunakan RabbitMQ sebagai message broker.</p><p>Perbedaan desainnya terlihat pada sequence diagram berikut. yang sebelumnya bisa dilihat pada gambar diagram 1. Sesudahnya bisa dilihat di diagram 2 di bawah.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/802/1*FiyMfwzkG9wBxQ_OCzwKyg.png" /><figcaption>Diagram 2</figcaption></figure><p>Sekarang, EMS tidak perlu menunggu HR Core menyelesaikan deduction. EMS dapat menerbitkan command ke message broker, lalu mengembalikan respons tanpa menunggu seluruh pekerjaan downstream selesai.</p><p>HR Core memproses command tersebut secara terpisah.</p><p>Perubahan ini memindahkan deduction keluar dari <em>critical path</em> request approval. Waktu yang dibutuhkan HR Core tidak lagi secara langsung menentukan berapa lama approver harus menunggu respons.</p><p>Namun, ada detail penting: <strong>konfirmasi bahwa message berhasil diterbitkan bukan bukti bahwa deduction sudah berhasil dilakukan.</strong></p><p>Message broker membantu memisahkan waktu eksekusi kedua sistem. Ia tidak otomatis menjamin bahwa seluruh proses bisnis telah selesai.</p><p>Dan di situlah trade-off-nya.</p><p>Kami mengurangi temporal coupling, tetapi sekarang harus menghadapi kemungkinan bahwa approval sudah tercatat sementara deduction masih menunggu untuk diproses.</p><p>Dengan kata lain, kami membuat sistem lebih independen dalam mengeksekusi pekerjaan, tetapi harus lebih eksplisit dalam mengelola status dan kegagalan.</p><h3>3. Ketika Message Berhasil Dikirim, Pekerjaan Belum Tentu Selesai</h3><p>Pada sistem synchronous, hasil operasi downstream biasanya diterima dalam rangkaian request yang sama. Ketika response sukses dikembalikan, pemanggil setidaknya memiliki hasil dari operasi tersebut.</p><p>Dalam asynchronous processing, situasinya berbeda.</p><p>EMS bisa saja berhasil menerbitkan command dan mengembalikan respons kepada approver, sementara command tersebut masih berada di antrean. Consumer mungkin belum memprosesnya, atau HR Core sedang tidak tersedia.</p><p>Jadi, apa arti <em>success</em> sekarang?</p><p>Jika approval berhasil dicatat, kita bisa menyatakan bahwa workflow approval berhasil melewati tahap tersebut. Tetapi kita belum tentu bisa menyatakan bahwa jatah cuti sudah berkurang.</p><p>Perbedaan ini penting karena status approval dan status pemrosesan deduction bukanlah hal yang sama.</p><p>Bayangkan sebuah pengajuan sudah disetujui, tetapi consumer sedang down. Pengajuan tersebut tetap berstatus approved, sementara deduction belum selesai.</p><p>Lalu consumer kembali aktif dan memproses command. Deduction berhasil dilakukan, tetapi consumer mengalami crash sebelum acknowledgement dikirimkan ke broker.</p><p>Dari sudut pandang broker, message tersebut mungkin belum selesai diproses. Akibatnya, message yang sama dapat dikirimkan kembali.</p><p>Kalau consumer langsung melakukan deduction setiap kali menerima message, satu pengajuan berpotensi mengurangi jatah cuti dua kali.</p><p>Sebaliknya, jika message tidak pernah berhasil diproses, jatah cuti mungkin tidak berkurang sama sekali.</p><p>Kedua skenario ini menunjukkan bahwa memindahkan pekerjaan ke asynchronous flow bukan sekadar memindahkan pemanggilan API ke background. Kami juga harus mendefinisikan bagaimana sistem mengenali keberhasilan, menangani pemrosesan berulang, dan memulihkan kegagalan.</p><p>Ada tiga kondisi yang perlu dibedakan:</p><ul><li><strong>Approval berhasil:</strong> workflow di EMS telah disetujui.</li><li><strong>Deduction berhasil:</strong> HR Core telah menyelesaikan pengurangan jatah cuti.</li><li><strong>Proses belum terselesaikan:</strong> command masih menunggu, sedang diproses, atau gagal diselesaikan.</li></ul><p>Jika ketiganya dicampur menjadi satu status, sistem akan kesulitan menjelaskan apa yang sebenarnya sedang terjadi.</p><p>Karena itu, desain asynchronous membutuhkan state yang lebih eksplisit. Status approval tidak seharusnya otomatis dianggap sebagai bukti bahwa seluruh pekerjaan downstream telah selesai.</p><p>Lebih penting lagi, sistem perlu memiliki mekanisme untuk menghadapi kondisi ketika proses berhenti di tengah jalan.</p><p>Di sinilah pertanyaan engineering yang sebenarnya dimulai.</p><p>Bagaimana memastikan command yang sama tidak menghasilkan efek bisnis dua kali? Bagaimana menghadapi kegagalan sementara tanpa terus-menerus mengulang request? Dan apa yang harus dilakukan ketika proses gagal meskipun sudah dicoba berkali-kali?</p><blockquote><strong>Asynchronous processing membuat sistem tidak harus saling menunggu. Tetapi justru karena itu, kami harus merancang apa yang terjadi ketika salah satu sistem tidak menyelesaikan pekerjaannya sesuai harapan.</strong></blockquote><h3>4. Empat Mekanisme untuk Menghadapi Empat Jenis Failure</h3><p>Setelah memindahkan deduction ke asynchronous flow, kami tidak bisa lagi mengandalkan satu request untuk memastikan seluruh proses selesai dengan benar.</p><p>Kami harus memikirkan apa yang terjadi ketika message datang lebih dari sekali, dependency mengalami gangguan, atau sebuah operasi gagal diselesaikan.</p><p>Masalah-masalah ini terlihat mirip karena semuanya berkaitan dengan failure. Namun, solusi untuk masing-masing tidak bisa disamakan.</p><h4>Idempotency: Ketika Message yang Sama Datang Dua Kali</h4><p>Kita kembali ke skenario sebelumnya.</p><p>HR Core berhasil mengurangi jatah cuti, tetapi consumer gagal mengirim acknowledgement. Broker kemudian mengirimkan message yang sama kembali.</p><p>Dari sudut pandang consumer, message tersebut terlihat seperti pekerjaan yang belum selesai. Namun, dari sudut pandang bisnis, deduction sebenarnya sudah berhasil.</p><p>Kalau consumer mengulang operasi tanpa memeriksa apakah pekerjaan tersebut sudah dilakukan, jatah cuti bisa terpotong dua kali.</p><p>Karena itu, consumer membutuhkan mekanisme <em>idempotency</em>: memproses permintaan yang sama berulang kali tanpa menghasilkan efek bisnis yang berulang.</p><p>Secara konseptual, setiap operasi deduction perlu memiliki identitas yang stabil. Sebelum melakukan deduction, sistem memeriksa apakah operasi tersebut sudah berhasil diproses. Jika sudah, pemrosesan ulang tidak boleh menghasilkan deduction kedua.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/435/1*GEgF2fJa4cVkz2tLn8Tnlg.png" /><figcaption>Diagram 3</figcaption></figure><p>Ada satu detail penting: pemeriksaan dan pencatatan operasi harus dirancang agar aman terhadap pemrosesan bersamaan. Sekadar memeriksa sebuah record sebelum melakukan deduction belum tentu cukup jika dua consumer dapat memproses operasi yang sama secara simultan.</p><p>Idempotency juga bukan berarti semua error boleh diabaikan. Tujuannya adalah memastikan bahwa pengiriman ulang operasi yang sama tidak menghasilkan efek bisnis tambahan.</p><h4>Retry: Ketika Kegagalan Hanya Bersifat Sementara</h4><p>Tidak semua kegagalan berarti operasinya salah.</p><p>HR Core mungkin sedang tidak tersedia. Database bisa mengalami timeout. Network bisa terputus sesaat.</p><p>Dalam kondisi seperti itu, command yang valid belum tentu perlu ditinggalkan. Bisa jadi operasi akan berhasil jika dicoba kembali setelah gangguan berlalu.</p><p>Inilah fungsi <em>retry</em>.</p><p>Namun, retry yang baik bukan berarti terus mencoba tanpa batas. Sistem perlu membedakan kegagalan sementara dari kegagalan yang tidak akan selesai hanya dengan pengulangan.</p><p>Kegagalan koneksi mungkin layak dicoba kembali. Sebaliknya, data bisnis yang invalid membutuhkan penanganan yang berbeda.</p><p>Retry juga perlu memiliki batas dan jeda yang sesuai. Tanpa itu, consumer dapat terus mengirim request ke dependency yang sedang bermasalah, justru menambah beban ketika sistem tersebut sedang berusaha pulih.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/451/1*wNtZdxl5tQqBm0HBXGYz9w.png" /><figcaption>Diagram 4</figcaption></figure><p>Retry memberi kesempatan bagi operasi yang gagal sementara untuk berhasil pada percobaan berikutnya. Tetapi retry tidak menjamin semua operasi akhirnya akan selesai.</p><p>Ada kegagalan yang tetap terjadi setelah beberapa kali percobaan. Sistem perlu tahu kapan harus berhenti.</p><h4>Dead Letter Queue: Ketika Retry Tidak Lagi Membantu</h4><p>Ketika command terus gagal diproses, mengulanginya tanpa batas bukan solusi.</p><p>Sebuah message bisa gagal karena dependency mengalami gangguan berkepanjangan, ada bug pada consumer, atau data yang dibutuhkan tidak valid. Jika penyebabnya tidak berubah, pengulangan hanya akan menghasilkan kegagalan yang sama.</p><p><em>Dead Letter Queue</em> (DLQ) menyediakan jalur terpisah bagi message yang tidak berhasil diselesaikan melalui mekanisme pemrosesan normal.</p><p>Alih-alih terus mencoba, sistem dapat memisahkan message tersebut untuk diinvestigasi dan dipulihkan melalui prosedur yang sesuai.</p><p>Dengan begitu, DLQ bukan tempat sampah bagi message yang gagal. Ia merupakan batas yang membuat kegagalan terlihat dan dapat ditindaklanjuti.</p><p>Namun, message yang masuk DLQ juga tidak otomatis selesai masalahnya. Tim tetap perlu memahami penyebab kegagalan, memperbaikinya, lalu menentukan apakah message aman untuk diproses ulang.</p><p>Dan bahkan setelah idempotency, retry, dan DLQ diterapkan, masih ada masalah yang belum sepenuhnya terjawab.</p><p>Bagaimana jika message sudah tidak bermasalah, tetapi state di dua sistem ternyata berbeda?</p><h4>Reconciliation: Ketika State Antar-Sistem Tidak Lagi Sinkron</h4><p>Idempotency melindungi kita dari efek bisnis yang terduplikasi. Retry memberi kesempatan untuk pulih dari kegagalan sementara. DLQ membantu mengisolasi message yang tidak berhasil diproses secara otomatis.</p><p>Tetapi ketiga mekanisme itu tidak dengan sendirinya menjamin bahwa state akhir di EMS dan HR Core selalu sesuai.</p><p>Misalnya, EMS masih mencatat suatu pengajuan dalam status PROCESSING, padahal deduction di HR Core sudah berhasil. Bisa juga sebuah pengajuan tampak telah disetujui, tetapi deduction belum pernah diselesaikan.</p><p>Untuk menghadapi kondisi seperti ini, kami menggunakan <em>scheduled reconciliation</em>.</p><p>Secara berkala, scheduler mencari record yang perlu diperiksa, kemudian membandingkan status workflow dengan kondisi sebenarnya di HR Core. Jika ditemukan ketidaksesuaian, sistem menentukan tindakan pemulihan berdasarkan kondisi aktual — bukan sekadar mengulangi operasi tanpa pemeriksaan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/360/1*eA29CZdGJGTXfUEwACmVRg.png" /><figcaption>Diagram 5</figcaption></figure><p>Reconciliation bukan pengganti mekanisme sebelumnya. Ia menangani persoalan yang berbeda: mendeteksi dan memulihkan ketidaksesuaian yang mungkin tidak terselesaikan melalui jalur pemrosesan normal.</p><p>Pada akhirnya, keempat mekanisme tersebut membentuk pendekatan yang saling melengkapi.</p><p>Idempotency menghadapi duplicate processing. Retry menangani kegagalan sementara. DLQ mengisolasi kegagalan yang tidak terselesaikan secara otomatis. Reconciliation membantu menemukan dan memperbaiki state yang tidak sinkron.</p><p>Bukan karena setiap sistem asynchronous harus selalu memakai kombinasi yang persis sama, tetapi karena setiap mekanisme harus menjawab failure mode yang memang ada dalam desainnya.</p><h3>5. Asynchronous Architecture Adalah Trade-off, Bukan Upgrade Gratis</h3><p>Awalnya, masalah yang kami hadapi terlihat seperti persoalan performa: approval cuti harus menunggu sistem lain menyelesaikan pekerjaannya.</p><p>Asynchronous processing membantu mengurangi ketergantungan waktu tersebut. Dengan RabbitMQ, EMS dapat menerbitkan command tanpa menunggu HR Core menyelesaikan deduction.</p><p>Namun, perubahan itu tidak membuat keseluruhan business process otomatis menjadi lebih cepat, selalu tersedia, atau selalu konsisten. Ia mengubah kapan pekerjaan dilakukan dan bagaimana hasilnya harus dikelola.</p><p>Kami menukar sebagian <em>temporal coupling</em> dengan kebutuhan untuk menangani <em>eventual consistency</em>.</p><p>Sekarang, respons approval dapat dikembalikan sebelum deduction selesai. Karena itu, sistem harus mampu membedakan approval yang berhasil dari pekerjaan downstream yang masih tertunda.</p><p>Message bisa dikirim ulang. Dependency bisa gagal. Consumer bisa berhenti di tengah proses. Dan state antar-sistem bisa membutuhkan rekonsiliasi.</p><p>Semua itu bukan alasan untuk menghindari asynchronous architecture. Tetapi semuanya merupakan konsekuensi yang harus dipertimbangkan sebelum memilihnya.</p><p>Bagi saya, pelajaran terpenting dari desain ini bukan bahwa RabbitMQ lebih baik daripada synchronous API. Keduanya menyelesaikan kebutuhan yang berbeda, dengan trade-off yang berbeda pula.</p><p>Jika sebuah operasi memang harus selesai sebelum pengguna dapat melanjutkan, synchronous processing mungkin tetap menjadi pilihan yang tepat. Tetapi jika pekerjaan downstream tidak harus menahan respons utama, asynchronous processing bisa menjadi pilihan yang masuk akal — selama sistem dirancang untuk menghadapi konsekuensinya.</p><p>Pertanyaan yang perlu diajukan bukan hanya, <em>“Bagaimana caranya supaya sistem tidak perlu menunggu?”</em></p><p>Pertanyaan berikutnya sama pentingnya:</p><blockquote><strong>Kalau sistem tidak lagi saling menunggu, bagaimana kita memastikan pekerjaannya tetap selesai dan state akhirnya tetap benar?</strong></blockquote><p>Pertanyaan itulah yang membawa kami dari sekadar memindahkan API ke message broker menuju desain reliability yang lebih menyeluruh.</p><p>Kami tidak menghilangkan kompleksitas. Kami memindahkannya — dari waktu tunggu ke desain reliability.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=12c64c43dc47" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Kenapa Gue Merasa Paham Saat Membaca, Tapi Bodoh Saat Disuruh Menjelaskan?]]></title>
            <link>https://medium.com/gores-publikasi/kenapa-gue-merasa-paham-saat-membaca-tapi-bodoh-saat-disuruh-menjelaskan-715cf54f0d91?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/715cf54f0d91</guid>
            <category><![CDATA[learning]]></category>
            <category><![CDATA[neuroscience]]></category>
            <category><![CDATA[meta-learning]]></category>
            <category><![CDATA[psychology]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Wed, 07 Oct 2026 09:44:00 GMT</pubDate>
            <atom:updated>2026-10-07T09:44:00.015Z</atom:updated>
            <content:encoded><![CDATA[<h4>Tentang ilusi memahami, keterbatasan working memory, chunking, dan kenapa mengingat ternyata berbeda dengan mengenali.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*B-WWqf0yBh0k3P41" /><figcaption><a href="https://unsplash.com/photos/grayscale-photo-of-turned-on-smartphone-qJcp9qCCkgs">Grayscale photo of turned on smartphone</a> by <a href="https://unsplash.com/@ninjason">Jason Leung</a></figcaption></figure><p>Di tulisan sebelumnya, gue membahas sesuatu yang cukup mengubah cara gue melihat proses belajar: ternyata kita nggak selalu harus fokus untuk bisa belajar.</p><p><a href="https://medium.com/berbagi-berdampak/kenapa-berhenti-belajar-justru-bisa-membantu-kita-belajar-3179da44f2d7">Kenapa Berhenti Belajar Justru Bisa Membantu Kita Belajar?</a></p><p>Ada saatnya kita perlu benar-benar berkonsentrasi untuk memahami sesuatu. Tapi ada juga saatnya kita justru perlu berhenti, berjalan, mandi, atau sekadar membiarkan pikiran pergi ke mana-mana. Di situ otak punya kesempatan untuk menghubungkan informasi yang sebelumnya terasa terpisah.</p><p>Tapi setelah memahami itu, muncul pertanyaan berikutnya. <strong>Kalau otak sudah berhasil memproses informasi, kenapa gue masih bisa lupa?</strong></p><p>Gue pernah ada di situasi ini: mau pergi ke sebuah tempat yang sebenarnya udah dua atau tiga kali gue datangi. Biar aman, gue tetep buka Google Maps. Di layar hp, rutenya kelihatan jelas banget. Belok kiri, lurus 500 meter, putar balik, masuk jalan kecil, nyampe.</p><p>Saat ngeliat garis hijau di layar, otak gue langsung membatin, <em>“Ah, gampang. Gue tahu kok jalannya.”</em></p><p>Karean merasa udah paham, gue coba matikan GPS dan jalan pakai insting. Tapi baru lima menit berkendara, persis setelah melewati satu minimarket, gue berhenti, terus mikir. <em>“Anjir, tadi beloknya sebelum atau sesudah minimarket ini, ya?”</em></p><p>Padahal baru aja beberapa menit lalu gue lihat rute itu di layar.</p><p>Kejadian sepele ini bikin gue mikir. Kalau gue emang beneran tahu jalannya, kenapa informasi itu mendadak hilang begitu petanya gue tutup?</p><p>Di tulisan sebelumnya, gue sempat bahas soal <em>focused</em> dan <em>diffuse mode</em> saat kita belajar. Kali ini, gue makin penasaran sama hal yang terjadi persis setelah proses itu: <strong>kapan sebuah informasi benar-benar berubah jadi pengetahuan yang bisa kita pakai tanpa bantuan sumber luar sama sekali?</strong></p><h3><strong>Memahami Chunking dan Working Memory Lewat Navigasi Maps</strong></h3><p>Masih dari buku <em>A Mind for Numbers</em> gue menemukan konsep menarik yaitu: <em>working memory</em>.</p><p>Sederhananya, <em>working memory</em> bisa dibayangkan sebagai ruang kerja mental yang kita gunakan ketika sedang berpikir. Ketika lu membaca dokumentasi, menghitung sesuatu di kepala, memahami kode, atau mencoba mengikuti penjelasan orang, informasi yang sedang lu proses harus “ditahan” di ruang kerja ini.</p><p>Masalahnya, ruang ini terbatas.</p><p>Bayangkan pertama kali lu melewati rute baru. Otak lu bakal sibuk mencatat segala detail: belok kiri setelah lampu merah, lewati minimarket, seberang jembatan kecil, patokannya SPBU, lalu masuk gang samping rumah yang ada patung kudanya.</p><p>Ada terlalu banyak unit informasi (<em>chunk</em>) terpisah yang harus lu proses secara bersamaan. Kalau lu dipaksa mengingat semuanya sekaligus, <em>working memory</em> lu bakal langsung <em>overload</em>. Sebab setiap unit informasi memakan resource <em>working memory. </em>Ini persis seperti RAM laptop yang kepenuhan karena lu membuka 50 tab browser secara bersamaan — prosesnya jadi lambat, berat, dan rawan <em>crash</em>.</p><p>Tapi coba perhatikan apa yang terjadi setelah lu melewati rute yang sama puluhan kali. Sesuatu yang menarik mulai terjadi di dalam otak lu.</p><p>Lu nggak lagi berpikir secara terpisah: <em>“Lampu merah -&gt; minimarket -&gt; jembatan -&gt; SPBU.”</em> Otak lu secara otomatis membungkus semua detail rumit itu menjadi satu kesatuan utuh. Lu cukup bilang ke diri sendiri: <em>“Lewat jalur biasa.”</em></p><p>Mekanisme inilah dalam buku <em>A Mind for Numbers</em> yang disebut dengan <em>chunking</em>. Pengalaman yang berulang mengubah sekumpulan unit informasi kecil yang berserakan menjadi satu pola besar yang padat.</p><p>Ini alasan kenapa <em>akamsi</em> <em>(anak kampung sini) </em>bisa berkendara di jalurnya sambil mengobrol santai tanpa perlu melihat Maps, sementara pendatang baru harus fokus lihat layar. Hal ini penyebabnya bukan karena <em>akamsi </em>punya kapasitas otak yang lebih besar, melainkan karena peta mental mereka sudah terbentuk dalam bentuk <em>chunk</em> yang jauh lebih efisien.</p><p>Hal yang sama persis terjadi saat gue belajar <em>programming</em>.</p><p>Dulu, konsep seperti <em>authentication, middleware, controller, service,</em> hingga <em>repository</em> terasa seperti sekumpulan detail rumit yang terpisah dan membingungkan. Setiap mau membangun satu fitur, gue harus mengecek ulang dokumentasi untuk setiap komponennya. Namun, setelah berulang kali melihat dan membangun pola yang sama, semua potongan rumit itu akhirnya menyatu menjadi satu <em>chunk</em> besar di otak gue: <em>“request flow”</em>.</p><p>Navigasi di jalan raya dan belajar keterampilan teknis sebenarnya menggunakan mekanisme yang sama.</p><blockquote>Otak kita selalu berusaha menghemat energi dengan cara mengubah detail-detail rumit menjadi satu pola yang mudah dipanggil kembali.</blockquote><h3><strong>Kenapa Kita Bisa Tahu Jalan Tapi Tetap Bisa Nyasar?</strong></h3><p>Ini bagian yang menurut gue paling menarik. Ada kalanya kita merasa sangat familiar dengan sebuah rute, tapi saat dicoba tanpa peta, kita tetap saja tersesat.</p><p>Lu tahu tempat tujuan itu ada di sekitar daerah X. Lu ingat pernah melewati jalan itu beberapa kali. Bahkan bentuk gedung di persimpangannya terasa tidak asing di mata lu. Tapi begitu ada teman yang bertanya, <em>“Kalau dari titik ini mau ke sana lewat mana?”, </em>dan tiba-tiba bingung lu jelasinnya.</p><p>Kenapa itu bisa terjadi? Karena <em>familiarity</em> tidak sama dengan <em>accessibility</em>.</p><p>Informasi tentang rute itu memang tersimpan di <em>long-term memory</em> lu sebagai bagian dari pengalaman masa lalu. Tapi, fakta bahwa informasi itu <em>ada</em> di dalam otak tidak menjamin informasi tersebut <em>mudah diambil kembali</em>. Memori lu punya datanya, tapi tidak punya jalur <em>retrieval</em> yang cukup kuat untuk mengaksesnya secara mandiri.</p><p>Di sinilah peran tersembunyi dari Google Maps.</p><p>Maps bukan sekadar alat petunjuk jalan, melainkan sebuah <em>external memory</em>. Ketika lu berkendara sambil menatap layar, lu sebenarnya tidak pernah dipaksa untuk mengambil informasi dari memori otak lu sendiri. Lu cuma membaca data yang sudah disediakan dari luar: <em>“Oh, 50 meter lagi belok kiri.”</em></p><p>Teknologi modern punya kemampuan luar biasa untuk membuat kita terlihat seolah menguasai sesuatu yang sebenarnya belum benar-benar kita pahami. Ini bukan karena teknologinya jahat yak. Justru sebaliknya, karena teknologinya terlalu bagus sampai-sampai otak kita tidak perlu lagi dilatih untuk mengingat.</p><p>Setiap kali lu mengandalkan petunjuk eksternal tanpa pernah mencoba mengingatnya sendiri, lu sedang membiarkan jalur <em>retrieval</em> di otak lu tetap lemah. Lu merasa tahu jalannya, padahal lu cuma tahu cara mengandalkan petunjuknya.</p><h3><strong>Cara Membuat Jalan Benar-Benar Masuk ke Kepala</strong></h3><p>Kalau cara kerja <em>retrieval</em> di otak kita mirip seperti otot, maka mengandalkan Google Maps sepanjang jalan adalah bentuk dari tidak pernah melatih otot tersebut. Otak kita tidak pernah dipaksa berkeringat.</p><p>Supaya sebuah rute atau konsep apa pun yang sedang kita pelajari benar-benar berpindah dari sekadar <em>external memory</em> menjadi pengetahuan milik sendiri, kita harus mengubah cara kita berinteraksi dengan informasi.</p><p>Daripada pakai pola pasif: lihat Maps, ikuti rutenya, lalu selesai begitu saja… coba ubah polanya menjadi bentuk latihan <em>retrieval practice</em>.</p><p>Sebelum mesin berkendara ke tempat baru, buka Maps selama 1–2 menit untuk mempelajari rutenya. Setelah itu, tutup layarnya. Sebelum melaju, paksa otak lu menjawab beberapa pertanyaan sederhana secara mandiri:</p><ul><li>Gue sekarang ada di titik mana?</li><li>Belokan pertama bakal ke arah mana?</li><li>Landmark utama apa yang harus gue cari sebelum belok?</li><li>Kalau gue kelewatan, patokan apa yang bikin gue sadar?</li></ul><p>Setelah itu, mulailah berjalan. Kalau di tengah jalan lu mendadak lupa atau ragu, baru buka Maps kembali untuk mengecek.</p><p>Jangan pernah menganggap momen <em>“Anjir, gue lupa belokannya di mana”</em> sebagai sebuah kegagalan. Justru di momen itulah lu merasa kesulitan dan berusaha keras memanggil kembali ingatan itulah, latihan <em>retrieval</em> sedang terjadi. Otak lu sedang menebalkan jalur akses ke memori tersebut.</p><p>Lakukan hal ini secara berkala, beri jeda beberapa hari, lalu coba lagi rute yang sama tanpa melihat peta dari awal. Tanpa lu sadari, lu baru saja menerapkan intuisi dasar dari <em>spaced repetition </em>yaitu<em> </em>teknik paling efektif untuk mengikat informasi ke dalam <em>long-term memory</em>.</p><h3><strong>Dari Hafal Jalan ke Cara Gue Belajar</strong></h3><p>Refleksi sepele di atas motor ini akhirnya menyadarkan gue tentang satu hal yang lebih besar: ternyata selama ini cara gue belajar sering kali persis seperti orang yang ketergantungan Google Maps.</p><p>Gue membaca artikel teknis, menonton video tutorial di YouTube, mengikuti contoh kodingan langkah demi langkah, atau melahap dokumentasi resmi. Semuanya terasa sangat masuk akal dan mudah dipahami. Gue merasa sudah menguasai materinya karena semua petunjuk berjejer rapi tepat di depan mata.</p><p>Namun, begitu gue tutup tutotialnnya dan gue diminta membangun sebuah proyek sendiri dari kanvas kosong, gue mendadak bingung. <em>Gue harus mulai dari mana?</em></p><p>Momen membingungkan itu bukan tanda bahwa kita bodoh atau tidak berbakat. Itu cuma pertanda jujur bahwa selama ini kita baru berada di tahap mengenali jalan (<em>recognition</em>), belum benar-benar menguasainya (<em>recall</em>).</p><p>Empat konsep psikologi kognitif yang kita bedah tadi sebenarnya menyusun satu gambaran utuh tentang bagaimana cara manusia memproses pengetahuan:</p><ul><li><em>Working memory</em> punya kapasitas yang sangat terbatas, sehingga kita tidak bisa memproses terlalu banyak detail mentah sekaligus.</li><li><em>Chunking</em> hadir sebagai solusi, di mana pengalaman dan latihan berulang membungkus detail-detail rumit itu menjadi satu pola besar yang efisien.</li><li><em>Long-term memory</em> menjadi tempat penyimpanan pola tersebut agar siap digunakan kapan saja.</li><li><em>Retrieval</em> dan <em>spacing</em> adalah cara kita menguji dan memperkuat jalur akses ke memori itu, memastikan pengetahuannya benar-benar bisa kita panggil saat dibutuhkan.</li></ul><p>Gue jadi punya tolak ukur baru untuk menilai apakah gue sudah benar-benar paham terhadap suatu materi.</p><p>Paham itu bukan lagi berbunyi: <em>“Kalau gue baca atau tonton tutorialnya, gue mengerti.”</em></p><p>Tapi paham adalah ketika kita berani bertanya pada diri sendiri: <em>“Kalau petanya gue tutup, apakah gue masih tahu jalan pulangnya?”</em></p><p>Pada akhirnya, belajar bukan tentang seberapa jelas petunjuk yang diberikan oleh sumber luar kepada kita. Belajar adalah tentang momen ketika kita mulai sanggup melangkah sendiri tanpa perlu melihat petunjuk itu lagi.</p><p><em>Tulisan ini dimuat di Gores Publikasi. Kami terbuka untuk siapa pun dan tulisan apa pun. Silakan follow kami untuk mengirim draft. Atau komentar di tautan di bawah untuk menjadi penulis di publikasi kami.</em></p><p><a href="https://medium.com/gores-publikasi/gores-publikasi-706b3397604c">Gores Publikasi</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=715cf54f0d91" width="1" height="1" alt=""><hr><p><a href="https://medium.com/gores-publikasi/kenapa-gue-merasa-paham-saat-membaca-tapi-bodoh-saat-disuruh-menjelaskan-715cf54f0d91">Kenapa Gue Merasa Paham Saat Membaca, Tapi Bodoh Saat Disuruh Menjelaskan?</a> was originally published in <a href="https://medium.com/gores-publikasi">gores publikasi</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Kenapa Berhenti Belajar Justru Bisa Membantu Kita Belajar?]]></title>
            <link>https://medium.com/berbagi-berdampak/kenapa-berhenti-belajar-justru-bisa-membantu-kita-belajar-3179da44f2d7?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/3179da44f2d7</guid>
            <category><![CDATA[learning]]></category>
            <category><![CDATA[productivity]]></category>
            <category><![CDATA[berbagi-dan-berdampak]]></category>
            <category><![CDATA[highlights]]></category>
            <category><![CDATA[esai]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Tue, 29 Sep 2026 22:01:02 GMT</pubDate>
            <atom:updated>2026-09-29T22:01:02.570Z</atom:updated>
            <content:encoded><![CDATA[<h4>Tentang focused mode, diffuse mode, dan kenapa otak tidak selalu bekerja paling baik ketika kita terus memaksanya berpikir.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Q7yQr67OhSUgaW9W" /><figcaption><a href="https://unsplash.com/illustrations/person-meditating-with-a-lightbulb-and-focus-symbol-ZHNDaYbGkrk">Person Meditating</a> by <a href="https://unsplash.com/@alin_neko/illustrations">Grisel Alin</a></figcaption></figure><p>Sebagai programmer, ada satu hal yang belakangan ini cukup bikin gue resah: perkembangan AI yang semakin cepat. Hampir setiap minggu ada saja model baru, tools baru, atau kemampuan baru yang membuat pekerjaan yang sebelumnya membutuhkan waktu berjam-jam kini bisa diselesaikan dalam hitungan menit. Di satu sisi, perkembangan ini sangat membantu pekerjaan gue. Di sisi lain, muncul pertanyaan yang cukup mengganggu: kalau AI terus berkembang secepat ini, bagaimana caranya gue tetap relevan?</p><p>Jawaban paling masuk akal yang terpikirkan waktu itu adalah terus belajar. Masalahnya, ada begitu banyak hal yang ingin gue pelajari, sementara waktu dan kapasitas gue terbatas. Gue masih harus bekerja, menjalani kehidupan sehari-hari, dan sesekali menikmati waktu tanpa memikirkan pekerjaan. Dari situ muncul pertanyaan baru: adakah cara supaya gue bisa belajar lebih efektif tanpa harus menghabiskan semakin banyak waktu?</p><p>Pertanyaan tersebut membawa gue ke sebuah buku karya <strong>Barbara Oakley </strong>berjudul <strong>A Mind for Numbers</strong>. Di dalamnya, gue menemukan pembahasan tentang dua mode berpikir yang digunakan dalam proses belajar: <em>focused mode </em>dan <em>diffuse mode</em>. Ada satu gagasan yang cukup mengusik cara gue memandang belajar selama ini. Ternyata, terus-menerus berkonsentrasi pada sebuah masalah belum tentu menjadi cara terbaik untuk menyelesaikannya. Dalam kondisi tertentu, berhenti memikirkan masalah tersebut justru bisa membantu kita menemukan pendekatan yang sebelumnya tidak terpikirkan.</p><p>Gue jadi teringat pengalaman yang mungkin juga pernah lu alami. Pernah nggak, lu menghabiskan waktu berjam-jam untuk menyelesaikan sebuah masalah, mencoba berbagai pendekatan, bahkan sampai merasa otak sudah nggak sanggup berpikir lagi, tetapi tetap nggak menemukan jawabannya? Anehnya, ketika lu menyerah sementara dan pergi mandi atau berak, tiba-tiba muncul ide yang sejak tadi lu cari. Padahal, selama mandi lu sama sekali nggak berniat menyelesaikan masalah itu.</p><p>Kenapa justru ketika kita berhenti berusaha memikirkan sesuatu, jawabannya kadang muncul dengan sendirinya?</p><h3>Ketika Fokus Justru Membuat Kita Buntu</h3><p>Selama ini, gue menganggap konsentrasi sebagai salah satu syarat utama untuk belajar. Kalau ingin memahami konsep yang sulit, ya gue harus duduk, membaca, mencari referensi, dan memikirkannya sampai paham. Ketika belum berhasil, biasanya gue akan mencoba lebih keras atau menghabiskan lebih banyak waktu. Toh, bagaimana mungkin kita bisa memahami sesuatu kalau nggak benar-benar memusatkan perhatian pada hal tersebut?</p><p>Barbara Oakley menyebut pola berpikir semacam ini sebagai <em>focused mode</em>, yaitu kondisi ketika perhatian kita diarahkan secara intens pada suatu persoalan. Bayangkan lu sedang melihat sebuah gambar beresolusi tinggi. Ketika melakukan <em>zoom in</em>, lu bisa mengamati detail-detail kecil yang sebelumnya tidak terlihat. Begitu juga dengan <em>focused mode</em>. Ketika mempelajari suatu konsep, kita memusatkan perhatian pada bagian-bagian spesifik, memahami cara kerjanya, dan mencoba menghubungkannya dengan pengetahuan yang sudah kita miliki.</p><p>Sebagai contoh, ketika gue mempelajari cara kerja database index, gue perlu berkonsentrasi untuk memahami bagaimana struktur B-tree bekerja, bagaimana database melakukan pencarian, dan mengapa sebuah query bisa menjadi lebih cepat ketika menggunakan index yang tepat. Gue membaca dokumentasi, mengamati <em>execution plan</em>, lalu mencoba menjalankan beberapa query untuk membandingkan hasilnya. Tanpa perhatian yang cukup, sulit rasanya memahami hubungan antara semua detail tersebut. Namun, ada kalanya gue terlalu sibuk memahami satu bagian sampai lupa mempertanyakan apakah pendekatan yang sedang gue gunakan memang tepat.</p><p>Di sinilah fokus punya keterbatasan. Ketika perhatian kita terlalu lama tertuju pada satu pendekatan, kita bisa terjebak dalam pola pikir yang sama meskipun pendekatan tersebut tidak membawa kita ke mana-mana. Dalam psikologi, fenomena yang berkaitan dengan hal ini dikenal sebagai <em>Einstellung effect</em>, yaitu kecenderungan untuk terus menggunakan solusi yang sudah familier sehingga kita kesulitan melihat alternatif lain. Bayangkan lu sedang debugging dan sejak awal yakin bahwa masalahnya ada di database. Lu menghabiskan dua jam memeriksa query, index, dan konfigurasi koneksi, padahal sumber masalahnya ternyata ada di proses lain yang sama sekali belum lu periksa.</p><p>Persoalannya bukan berarti fokus itu buruk. Justru tanpa fokus, kita akan kesulitan memahami detail dan membangun pengetahuan baru. Tetapi, bagaimana kalau kita sudah berusaha keras, membaca berbagai referensi, dan mencoba bermacam solusi, sementara hasilnya tetap nihil? Apakah kita harus terus memaksakan diri sampai menemukan jawaban, atau justru ada saatnya kita perlu menjauh sebentar dari masalah tersebut?</p><h3>Ketika Berhenti Memikirkan Masalah Justru Membantu Kita Menemukan Jawaban</h3><p>Anehnya, beberapa jawaban justru datang ketika kita sedang tidak mencarinya.</p><p>Gue cukup sering mengalami ini ketika ngoding. Ada masalah yang sudah gue utak-atik cukup lama. Cek log, baca dokumentasi , bongkar-pasang kode. Tetap nggak ketemu. Akhirnya gue tinggal sebentar. Gue pergi bikin kopi, mandi, jalan sebentar, atau mengerjakan hal lain.</p><p>Lalu beberapa saat kemudian muncul pikiran sederhana: <em>“Eh, jangan-jangan masalahnya di sini.”</em></p><p>Yang menarik, ide itu sering muncul ketika perhatian gue sudah tidak lagi tertuju langsung pada masalah tadi. Barbara Oakley menyebut kondisi seperti ini sebagai <em>diffuse mode</em>. Kalau <em>focused mode</em> bisa dibayangkan seperti melakukan <em>zoom in</em> pada sebuah gambar, <em>diffuse mode</em> lebih mirip dengan <em>zoom out</em>. Kita tidak lagi memperhatikan satu detail secara intens, tetapi memberikan ruang bagi pikiran untuk melihat hubungan yang lebih luas.</p><p>Ini juga mungkin menjelaskan kenapa ide kadang muncul ketika kita sedang mandi, berjalan kaki, atau bahkan menjelang tidur. Dalam kondisi tersebut, kita tidak sedang duduk sambil berkata, “Oke otak, sekarang cari solusi.” Kita justru sedang melakukan sesuatu yang relatif ringan dan membiarkan perhatian tidak terkunci pada satu persoalan.</p><p>Bukan berarti otak tiba-tiba menjadi mesin pencari yang bekerja secara ajaib ketika kita bengong. Dan tentu saja, tidak semua bengong menghasilkan ide. Kalau dari tadi yang dipikirkan adalah cicilan, mantan, atau kenapa orang bisa debat tiga jam cuma gara-gara bubur diaduk atau nggak, mungkin yang muncul bukan solusi melainkan masalah baru.</p><p>Yang lebih masuk akal adalah melihat <em>diffuse mode</em> sebagai kesempatan bagi pikiran untuk membuat hubungan yang lebih longgar antara informasi yang sebelumnya sudah kita pelajari. Karena itu, ada satu hal penting:</p><blockquote><strong>Jeda tidak menggantikan proses berpikir. Jeda bekerja setelah sebelumnya kita benar-benar memberi sesuatu untuk dipikirkan.</strong></blockquote><p>Kalau gue belum pernah belajar tentang database, kemudian gue bengong selama tiga jam, kemungkinan besar gue nggak akan tiba-tiba menemukan teori indexing yang baru. Tapi kalau sebelumnya gue sudah membaca dokumentasi, mencoba query, mengalami kebuntuan, lalu meninggalkan masalah itu sementara, ada kemungkinan ketika kembali gue melihatnya dengan perspektif yang berbeda.</p><p>Dan dari sini gue mulai melihat sesuatu yang cukup paradoksal dalam proses belajar: kadang-kadang kita tidak membutuhkan lebih banyak usaha. Kita membutuhkan jarak dari usaha yang sedang kita lakukan.</p><h3>Belajar Ternyata Bukan Cuma Fokus, Tapi Bergantian</h3><p>Setelah memahami dua mode ini, gue mulai melihat proses belajar dengan cara yang berbeda.</p><p>Selama ini gue membayangkan belajar seperti mengisi gelas. Semakin lama gue menuangkan informasi ke dalamnya, semakin penuh pengetahuan yang gue punya. Kalau belum paham, berarti tinggal tambah lagi: baca artikel lain, nonton video lain, buka dokumentasi lain.</p><p>Padahal otak tidak bekerja sesederhana itu.</p><p>Ada bagian ketika kita memang perlu duduk dan memperhatikan. Kita membaca, mencatat, mencoba, mengerjakan soal, menulis kode, atau memecahkan masalah. <strong>Ini pekerjaan focused mode.</strong> Kita sedang membangun detail dan memperkuat hubungan tertentu dalam pengetahuan kita.</p><p>Setelah itu, ada saat ketika kita perlu berhenti.</p><p>Informasi yang baru kita dapatkan membutuhkan kesempatan untuk dihubungkan dengan pengetahuan lain. Kita bisa berjalan, berolahraga, membuat kopi, ngobrol, atau sekadar membiarkan pikiran tidak diarahkan pada satu persoalan.</p><p>Kemudian kita kembali lagi.</p><p>Di sinilah menurut gue analogi batu bata menjadi cukup masuk akal. <em>Focused mode</em> seperti menyusun batu bata satu per satu. Kita menentukan posisi, memastikan ukurannya tepat, lalu menyusunnya dengan teliti. Tetapi kalau setiap detik kita terus menambah bata tanpa memberi kesempatan pada semen untuk mengeras, bangunannya juga belum tentu menjadi lebih kokoh.</p><p><em>Diffuse mode</em> adalah salah satu bentuk jeda dari proses tersebut. Kita memberi kesempatan bagi apa yang baru saja dipelajari untuk diproses dan dihubungkan dengan hal lain. Setelah itu, kita kembali ke <em>focused mode</em> dengan kondisi yang mungkin sudah sedikit berbeda.</p><p>Dan di sini gue rasa letak kesalahan cara belajar gue sebelumnya.</p><p>Gue sering menganggap fokus sebagai lawan dari istirahat. Seolah-olah ketika gue berhenti belajar, gue sedang kehilangan momentum. Sekarang gue justru melihat keduanya sebagai bagian dari satu siklus:</p><blockquote><strong>fokus → jeda → kembali → uji pemahaman → fokus lagi.</strong></blockquote><p>Intinya lebih sederhana: jangan menganggap otak hanya bekerja ketika kita sedang memaksanya bekerja. Ada pekerjaan yang membutuhkan perhatian penuh. Ada pekerjaan yang membutuhkan jarak.</p><p>Dan mungkin belajar dengan baik bukan tentang bagaimana mempertahankan salah satunya selama mungkin, tetapi tentang mengetahui kapan harus memperbesar gambar dan kapan harus mundur beberapa langkah untuk melihat gambarnya secara utuh.</p><h3>Mungkin Selama Ini Gue Salah Mengartikan Produktif</h3><p>Setelah memahami konsep ini, gue jadi mempertanyakan kebiasaan belajar gue sendiri. Terutama ketika gue sedang mempelajari sesuatu yang sulit. Kalau belum paham, insting gue biasanya sederhana: tambah waktu belajar.</p><p>Kalau satu jam belum paham, tambah dua jam. Kalau dokumentasi belum cukup jelas, cari video. Kalau video belum membantu, cari artikel lain. Semuanya terlihat seperti usaha yang produktif. Tapi ada satu masalah: gue jarang bertanya apakah otak gue masih benar-benar memproses informasi dengan baik atau cuma sedang menatap materi sambil berharap sesuatu masuk.</p><p>Padahal, ada perbedaan antara menghabiskan waktu untuk belajar dan <strong>memberikan otak kondisi yang baik untuk belajar.</strong></p><p>Ini menjadi semakin relevan buat gue karena alasan awal gue mempelajari <em>learning how to learn</em> memang berasal dari keresahan terhadap AI. Gue merasa harus terus belajar agar tetap relevan. Tapi kalau respons gue terhadap perubahan teknologi adalah memasukkan semakin banyak informasi ke kepala tanpa memahami bagaimana proses belajar bekerja, gue justru bisa masuk ke lingkaran yang melelahkan: teknologi berkembang → gue takut tertinggal → gue belajar lebih banyak → gue kelelahan → kemampuan belajar menurun → gue merasa semakin tertinggal.</p><p>Mungkin solusi sederhananya bukan belajar lebih keras, tetapi belajar dengan ritme yang lebih masuk akal.</p><p>Ketika sedang belajar sesuatu yang benar-benar membutuhkan konsentrasi, gue perlu memberikan perhatian penuh. Tapi ketika mulai mentok, mengambil jeda bukan berarti menyerah. Bisa jadi justru itu bagian dari prosesnya. Setelah itu gue kembali lagi dan menguji apakah pemahaman gue berubah.</p><blockquote>Karena pada akhirnya, tujuan belajar bukan membuat diri kita sibuk belajar sepanjang hari. Tujuannya adalah membuat sesuatu yang sebelumnya tidak kita pahami menjadi sesuatu yang sekarang bisa kita pahami dan gunakan.</blockquote><h3>Mungkin Kita Hanya Perlu Belajar Mundur Selangkah</h3><p>Ada satu hal yang gue suka dari konsep <em>focused</em> dan <em>diffuse mode</em>: keduanya membuat gue melihat kebuntuan dengan cara yang sedikit berbeda.</p><p>Sebelumnya, ketika gue mentok, gue cenderung menganggap ada sesuatu yang salah dengan kemampuan gue. Mungkin gue kurang pintar. Mungkin gue kurang baca. Mungkin gue kurang berusaha.</p><p>Sekarang gue punya kemungkinan lain: mungkin gue hanya sedang melihat masalahnya terlalu dekat.</p><p>Ketika kita terlalu dekat dengan sebuah persoalan, perhatian kita terkunci pada detail. Kita melihat satu jalan, lalu jalan itu kita coba berulang kali. Dengan mundur sebentar, kita mungkin bisa melihat bahwa ada jalan lain yang sebelumnya tidak masuk dalam perhatian kita.</p><p>Tapi ini juga bukan pembenaran untuk setiap bentuk kemalasan. <em>Diffuse mode</em> bukan alasan untuk menghindari pekerjaan yang sulit. Lu tetap harus duduk, membaca, mencoba, gagal, dan berusaha memahami sesuatu terlebih dahulu. Bengong tanpa bahan yang pernah dipelajari bukan strategi belajar. Sama seperti menyusun bata: lu tetap harus punya batanya sebelum berharap bisa membangun sesuatu.</p><p>Yang berubah adalah cara gue melihat jeda.</p><p>Gue tidak lagi selalu melihat jeda sebagai lawan dari produktivitas. Kadang-kadang, berhenti sebentar justru merupakan bagian dari pekerjaan yang sedang gue lakukan.</p><p>Dan mungkin ini pelajaran paling sederhana yang gue dapat dari <em>learning how to learn</em>: belajar bukan cuma tentang seberapa keras kita bisa memaksa diri untuk fokus, tetapi juga tentang mengetahui kapan kita perlu berhenti, mengambil jarak, lalu kembali melihat masalah dari sudut yang berbeda.</p><p>Karena terkadang, untuk menemukan jawaban yang tidak terlihat ketika kita <em>zoom in</em>, kita memang harus berani <em>zoom out</em> terlebih dahulu.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3179da44f2d7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/berbagi-berdampak/kenapa-berhenti-belajar-justru-bisa-membantu-kita-belajar-3179da44f2d7">Kenapa Berhenti Belajar Justru Bisa Membantu Kita Belajar?</a> was originally published in <a href="https://medium.com/berbagi-berdampak">Berbagi &amp; Berdampak</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Kamu Tidak Kurang Membaca. Kamu Kurang Punya Pertanyaan]]></title>
            <link>https://medium.com/gores-publikasi/kamu-tidak-kurang-membaca-kamu-kurang-punya-pertanyaan-e15474d6d4e4?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/e15474d6d4e4</guid>
            <category><![CDATA[reading]]></category>
            <category><![CDATA[books]]></category>
            <category><![CDATA[productivity]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Tue, 15 Sep 2026 09:53:16 GMT</pubDate>
            <atom:updated>2026-09-15T09:53:16.582Z</atom:updated>
            <content:encoded><![CDATA[<h4>Mengapa pertanyaan yang tepat bisa mengubah cara kita membaca, belajar, dan memahami sesuatu.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jshrhW1Lj0V7E4gOBQP4hA.png" /><figcaption>Enormous locked door made entirely from stacked books</figcaption></figure><p>Ada kepuasan aneh setelah menyelesaikan sebuah buku. Kita menutup halaman terakhir, memasukkannya ke rak, lalu merasa telah melakukan sesuatu yang produktif. Satu buku selesai. Mungkin bulan depan dua buku.</p><p>Tapi coba tutup bukunya lebih awal. Tanpa melihat catatan atau highlight, coba jawab: <strong>apa sebenarnya yang baru saja gue pahami?</strong></p><p>Pertanyaan itu agak mengganggu, karena ternyata menyelesaikan buku dan memahami buku adalah dua hal yang berbeda. Kita bisa tahu banyak hal dari sebuah buku tanpa benar-benar memahami bagaimana ide-idenya saling berhubungan.</p><p>Jadi mungkin target membaca gue selama ini salah. Bukan “berapa banyak buku yang bisa gue selesaikan?”, tetapi <strong>“pertanyaan apa yang sedang gue coba jawab ketika membaca buku ini?”</strong></p><p>Banyak dari kita yang mengira bahwa menuntaskan halaman demi halaman adalah tanda bahwa otak kita sedang menyerap ilmu. Ini adalah jebakan <em>illusory learning</em> — sebuah sensasi di mana mata bergerak, kata-kata terlewati, dan otak merasa “paham” hanya karena kalimatnya familiar. Padahal, tidak ada pemrosesan informasi yang benar-benar terjadi di tingkat kognitif yang lebih dalam.</p><p>Tanpa adanya pertanyaan awal, aktivitas membaca rasanya berubah menjadi <em>scrolling</em> berformat cetak. Informasi masuk ke memori jangka pendek, memberikan kepuasan instan seolah-olah makin pintar, lalu menguap begitu saja tanpa bekas beberapa jam kemudian.</p><h3>Kenapa Otak Butuh Jangkar?</h3><p>Secara neurologis, otak kita diciptakan untuk membuang mayoritas informasi yang masuk agar tidak <em>overload</em>. Supaya sebuah data dianggap penting dan disimpan, otak membutuhkan sinyal. Di sinilah pertanyaan berperan sebagai jangkar. Pertanyaan memaksa otak untuk berada dalam mode “berburu”, bukan sekadar mode “penerima”.</p><p>Ketika lu membaca tanpa <em>question</em>, rantai ini putus tepat di awal. Tanpa pertanyaan, tidak ada <em>attention</em> yang selektif. Tanpa atensi selektif, lu tidak akan melakukan <em>exploration</em> atau menghubungkan ide baru dengan pengetahuan lama (<em>connection</em>). Hasilnya, pemahaman yang dalam (<em>understanding</em>) tidak akan pernah tercapai. Pertanyaan adalah kail; tanpa kail, seluruh arus informasi hanya akan mengalir melewati otak lu tanpa ada satu pun yang tersangkut.</p><p>Polanya seperti ini:</p><blockquote>question -&gt; attention -&gt; exploration -&gt; connection -&gt; understanding</blockquote><h3>Dari Adler hingga Psikologi Kognitif Modern</h3><p>Konsep ini sebenarnya bukan hal baru. Puluhan tahun lalu, Mortimer Adler dalam bukunya <em>How to Read a Book</em> menekankan pentingnya <em>Active Reading</em>. Prinsip utamanya jelas: semakin aktif seorang pembaca, semakin bagus pula kualitas pemahaman yang didapat. Membaca yang aktif menuntut keterlibatan mental, dan keterlibatan mental tidak bisa dipicu tanpa keterlibatan pertanyaan.</p><p>Dalam psikologi kognitif modern, pendekatan ini sejalan dengan teknik yang dinamakan <em>Elaborative Interrogation</em>. Penelitian yang dirangkum oleh John Dunlosky menunjukkan bahwa salah satu cara paling efektif untuk mengingat dan memahami konsep baru adalah dengan terus mengajukan pertanyaan sederhana pada diri sendiri saat membaca: “Kenapa hal ini benar?” atau “Kenapa fakta ini masuk akal?”.</p><p>Proses bertanya ini memaksa otak melakukan konstruksi argumen secara mandiri. Lu tidak lagi cuma menerima data mentah dari penulis, tetapi sedang menguji hipotesis di dalam kepala lu sendiri.</p><h3>Satu Buku, Dua Otak, Output Bertolak Belakang</h3><p>Untuk melihat bagaimana prinsip ini bekerja di dunia nyata, bayangkan dua orang dengan target berbeda yang membaca buku yang sama, katakanlah <em>Why Nations Fail</em>.</p><p>Pembaca A datang dengan target kuota: “Gue harus selesaikan bab ini dalam 30 menit.” Ia membaca baris demi baris, menandai beberapa kalimat indah dengan <em>highlighter</em>, lalu menutup buku dengan perasaan puas karena target halamannya tercapai. Tiga minggu kemudian, ia hanya ingat bahwa buku itu membahas tentang kemiskinan negara dan sejarah.</p><p>Pembaca B datang dengan pertanyaan spesifik: “Kenapa dua negara dengan letak geografis dan budaya yang hampir mirip bisa punya tingkat kemakmuran yang bertolak belakang?” Saat ia membaca, matanya tidak sekadar memindai teks, tetapi mencari pola, membandingkan contoh kasus, dan mengevaluasi argumen penulis.</p><p>Input bukunya 100% sama, tetapi output kognitif Pembaca B jauh lebih pekat dan tahan lama. Kenapa? Karena proses bacanya dibimbing oleh <em>curiosity</em> yang terstruktur.</p><h3>Berhenti Menghitung Buku, Mulai Menghitung Pertanyaan</h3><p>Informasi yang sama bisa menjadi sampah di otak seseorang dan menjadi terobosan besar di otak orang lain. Perbedaannya ada pada kualitas pertanyaan yang mereka bawa. Membaca pasif hanyalah aktivitas mengumpulkan kata-kata, sedangkan membaca aktif adalah proses menguji hipotesis.</p><p>Lu tidak butuh lebih banyak buku untuk dibaca minggu ini. Lu cuma butuh satu pertanyaan yang cukup keras untuk mengeksekusi dan membongkar isi buku yang sedang lu pegang saat ini.</p><p>Buku yang bagus tidak selalu membuat kita punya jawaban yang cepat. Kadang, buku yang paling mengubah hidup kita adalah buku yang justru meninggalkan kita dengan pertanyaan yang jauh lebih baik.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e15474d6d4e4" width="1" height="1" alt=""><hr><p><a href="https://medium.com/gores-publikasi/kamu-tidak-kurang-membaca-kamu-kurang-punya-pertanyaan-e15474d6d4e4">Kamu Tidak Kurang Membaca. Kamu Kurang Punya Pertanyaan</a> was originally published in <a href="https://medium.com/gores-publikasi">gores publikasi</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Olahraga untuk Sehat, Kok Malah Bikin Cedera?]]></title>
            <link>https://medium.com/berbagi-berdampak/olahraga-untuk-sehat-kok-malah-bikin-cedera-600c650e338c?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/600c650e338c</guid>
            <category><![CDATA[sports]]></category>
            <category><![CDATA[highlights]]></category>
            <category><![CDATA[berbagi-dan-berdampak]]></category>
            <category><![CDATA[life-lessons]]></category>
            <category><![CDATA[refleksi]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Tue, 08 Sep 2026 09:11:00 GMT</pubDate>
            <atom:updated>2026-09-08T09:11:00.767Z</atom:updated>
            <content:encoded><![CDATA[<h4>Bagaimana FOMO dan keinginan mengejar performance membuat olahraga berubah menjadi kompetisi yang tidak pernah gue daftarkan.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*92UEd-wA_mNL6ZLhHG6c3A.jpeg" /><figcaption>Pendakian Bukit Panisan Sentul by Dokumen Pribadi</figcaption></figure><p>Gue bukan atlet. Gue bukan pelari marathon. Gue juga tidak sedang mempersiapkan diri untuk mengikuti lomba apa pun.</p><p>Tapi entah kenapa, gue mulai berlatih seperti sedang mempersiapkan kompetisi.</p><p>Awalnya gue olahraga karena alasan yang cukup sederhana: ingin badan lebih bagus, lebih sehat, lebih fit, dan tetap bisa melakukan aktivitas yang gue suka. Gue tidak punya target untuk memenangkan race atau mencetak personal best tertentu.</p><p>Tapi perlahan cara gue melihat olahraga berubah. Gue mulai memperhatikan pace ketika lari, jarak yang gue tempuh, tertarik mencoba trail run, dan membandingkan kemampuan gue dengan orang lain. Ketika melihat teman bisa lari 10 atau 15 kilometer, muncul pikiran, <em>“Masa gue nggak bisa?”</em></p><p>Tanpa sadar, gue mulai mengejar sesuatu yang sebenarnya tidak pernah gue butuhkan.</p><p>Dan mungkin di situlah masalahnya dimulai.</p><h3>Ketika Fitness Membuat Gue Terlalu Percaya Diri</h3><p>Gue sebenarnya bukan orang yang baru mulai olahraga. Gue sudah melakukan calisthenics sejak 2018, kemudian mulai rutin gym, ditambah badminton, hiking, dan sesekali running. Jadi ketika running dan trail run mulai semakin populer, gue merasa punya modal yang cukup.</p><p>Gue berpikir, <em>“Gue kan sudah punya basic fitness. Harusnya gue juga bisa.”</em></p><p>Kalimat itu terdengar masuk akal, sampai gue sadar bahwa <strong>fitness bukan satu kemampuan universal yang bisa dipindahkan begitu saja dari satu aktivitas ke aktivitas lain.</strong></p><p>Gue mungkin cukup kuat untuk melakukan strength training beberapa kali seminggu. Gue bisa bermain badminton. Gue bisa hiking. Tapi itu tidak otomatis berarti tubuh gue sudah punya kapasitas yang sama untuk menerima volume running atau trail running yang lebih tinggi. Setiap aktivitas memberikan stimulus dan tuntutan yang berbeda, dan tubuh perlu beradaptasi secara spesifik terhadap stimulus tersebut.</p><p>Masalahnya, gue tidak melihatnya seperti itu.</p><p>Ketika beberapa teman bisa berlari 10, 12, bahkan 15 kilometer, gue menjadikan kemampuan mereka sebagai benchmark. Padahal baseline mereka belum tentu sama dengan baseline gue. Mereka mungkin sudah membangun toleransi terhadap running jauh lebih lama, sementara gue datang dengan modal fitness dari aktivitas lain dan berharap tubuh gue bisa langsung mengikuti.</p><p>Di titik itu, gue mulai mencampuradukkan dua hal: <strong>“gue cukup fit”</strong> dengan <strong>“gue siap melakukan apa pun.”</strong></p><p>Dan ketika rasa percaya diri bertemu dengan FOMO, target gue mulai bergeser. Lari 5 kilometer yang sebelumnya sudah cukup mulai terasa seperti sesuatu yang harus ditingkatkan. Trail run yang awalnya hanya ingin gue coba mulai terasa seperti sesuatu yang harus gue kuasai.</p><p>Gue tidak lagi bertanya apakah aktivitas tersebut sesuai dengan tujuan gue.</p><p>Gue mulai bertanya apakah gue <strong>mampu</strong> melakukannya.</p><p>Padahal dua pertanyaan itu berbeda.</p><h3>Gue Mulai Mengejar Angka yang Sebenarnya Tidak Gue Butuhkan</h3><p>Perubahan itu terjadi perlahan. Gue mulai melakukan lebih banyak aktivitas: running, hiking, trail run, gym, badminton. Masing-masing aktivitas terasa seperti hal yang berdiri sendiri. Kalau satu sesi terasa masih bisa gue selesaikan, gue menganggap tubuh gue masih mampu menerima lebih banyak.</p><p>Sampai suatu ketika gue mulai menaikkan jarak lari.</p><p>Sebelumnya gue cukup nyaman dengan sekitar 5 kilometer. Longest run gue sekitar 7 kilometer. Tapi setelah melihat orang lain bisa berlari lebih jauh, gue ingin mencoba lebih. Beberapa aktivitas trail dan hiking sebelumnya juga membuat gue merasa tubuh gue sudah semakin kuat.</p><p>Akhirnya gue mencoba long run 7 kilometer dengan mindset sederhana: <strong>gue ingin tahu apakah gue juga bisa.</strong></p><p>Beberapa waktu setelah itu, muncul rasa sakit tajam di bagian luar lutut kiri ketika gue baru berlari sekitar satu kilometer. Gue berhenti, berjalan, dan rasa sakitnya berkurang. Ketika mencoba berlari lagi beberapa hari kemudian, rasa sakit itu muncul kembali.</p><p>Gue kemudian mencari tahu sendiri melalui Google, YouTube, dan AI, lalu menyimpulkan bahwa kemungkinan itu ITBS. Tapi ini bukan diagnosis klinis — gue hanya mencoba memahami apa yang sedang terjadi berdasarkan gejala yang gue rasakan.</p><p>Akhirnya gue berhenti berlari sekitar dua bulan dan perlahan bisa kembali. Secara teknis, masalahnya selesai.</p><p>Tapi sebenarnya gue belum belajar apa-apa.</p><p>Gue hanya belajar bahwa kalau sakit, gue harus berhenti.</p><p>Gue belum mempertanyakan <strong>kenapa gue sampai sakit.</strong></p><p>Sekarang kalau gue melihatnya kembali, gue juga tidak bisa mengatakan bahwa satu aktivitas tertentu adalah penyebab cedera tersebut. Cedera olahraga terlalu kompleks untuk disederhanakan menjadi “gue melakukan X, lalu cedera.” Tetapi ada satu pola yang cukup jelas: gue terus menambahkan aktivitas dan beban tanpa benar-benar memperhitungkan baseline running gue, aktivitas lain yang gue lakukan, dan waktu recovery yang gue punya.</p><p>Yang gue hitung waktu itu adalah <strong>latihan</strong>.</p><p>Yang tidak gue hitung adalah <strong>beban</strong>.</p><p>Dan yang paling ironis, gue sebenarnya tidak membutuhkan angka-angka tersebut untuk mencapai tujuan awal gue. Gue ingin sehat dan bisa terus olahraga. Tidak ada alasan kenapa gue harus bisa berlari 10 atau 15 kilometer hanya karena orang lain bisa.</p><p>Tapi saat itu gue belum sadar bahwa gue sudah mengubah olahraga menjadi semacam kompetisi pribadi.</p><p>Kompetisi yang tidak pernah gue daftarkan.</p><h3>Gue Sembuh, Tapi Gue Belum Belajar</h3><p>Cedera pertama ternyata tidak cukup untuk mengubah cara gue berpikir.</p><p>Beberapa waktu kemudian, gue kembali mengalami cedera ketika bermain badminton. Hari itu gue merasa baik-baik saja. Gue masih merasa kuat, masih bisa bermain beberapa game, dan tidak merasa tubuh gue sedang kelelahan. Sampai akhirnya ketika melakukan lompatan dan mendarat, kaki kanan gue mengalami cedera yang cukup serius.</p><p>Kali ini gue mendapatkan pemeriksaan dari fisioterapis dan diberi tahu adanya strain pada tendon popliteus. Setelah sekitar dua minggu, gue sudah bisa berjalan relatif normal. Buat gue waktu itu, kemampuan berjalan normal menjadi tanda bahwa kaki gue sudah cukup pulih. Sekitar satu bulan kemudian gue mulai mencoba kembali melakukan aktivitas yang lebih berat.</p><p>Beberapa bulan setelahnya, karena kangen trail, gue bahkan mencoba berlari sejauh 12 kilometer untuk “testing”.</p><p>Hasilnya tidak bagus. Setelahnya kaki kanan gue kembali terasa kaku, sedikit bengkak, dan terasa tidak nyaman ketika ditekuk. Gue akhirnya berhenti running, badminton, dan trail selama sekitar tiga bulan sebelum perlahan mencoba kembali.</p><p>Kalau dipikir sekarang, gue menemukan pola yang sama dengan cedera pertama.</p><p><strong>Gue bukan tidak mendengarkan tubuh. Gue menggunakan indikator yang salah.</strong></p><p>Gue menganggap bisa berjalan berarti sudah siap berlari. Gue menganggap masih kuat berarti masih boleh lanjut. Gue menganggap bisa menyelesaikan aktivitas berarti tubuh gue mampu menerima beban tersebut.</p><p>Padahal ada perbedaan antara <strong>mampu melakukan sesuatu sekali</strong> dengan <strong>mampu melakukan sesuatu secara berulang tanpa mengganggu recovery dan aktivitas berikutnya.</strong></p><p>Dan mungkin ini adalah kesalahan terbesar gue dalam melihat olahraga selama ini. Gue terlalu fokus pada performa satu sesi, padahal olahraga bukan hanya tentang satu sesi.</p><p>Kalau gue ingin olahraga menjadi bagian dari hidup gue dalam jangka panjang, maka kemampuan untuk kembali berlatih setelah satu sesi seharusnya sama pentingnya dengan kemampuan menyelesaikan sesi tersebut.</p><h3>Ternyata Masalah Gue Bukan Kurang Motivasi</h3><p>Setelah dua cedera, gue mulai sadar bahwa masalahnya bukan gue kurang disiplin atau kurang termotivasi. Justru sebaliknya. Gue terlalu mudah menganggap bahwa lebih banyak latihan selalu berarti lebih banyak progress.</p><p>Mental model gue sebelumnya kira-kira seperti ini:</p><blockquote><strong>lebih jauh = lebih bagus</strong><br><strong>lebih cepat = lebih bagus</strong><br><strong>lebih berat = lebih bagus</strong></blockquote><p>Kalau hari ini gue mampu 5 kilometer, besok rasanya harus 7. Kalau orang lain bisa 10 kilometer, gue merasa harus mengejar 10 kilometer. Kalau latihan belum terasa berat, rasanya belum benar-benar latihan.</p><p>Sekarang gue melihat olahraga dengan cara yang sedikit berbeda.</p><p>Latihan memang memberikan stimulus. Tapi stimulus bukan tujuan akhir. Kita memberikan stimulus supaya tubuh beradaptasi, lalu membutuhkan recovery agar adaptasi tersebut bisa terjadi. Kalau stimulus terus ditambah tanpa mempertimbangkan kapasitas recovery, menambah latihan belum tentu berarti menambah fitness.</p><p>Gue juga mulai melihat bahwa <strong>training load tidak hanya berasal dari satu jenis olahraga.</strong> Running, gym, badminton, hiking, trail run, bahkan aktivitas lain di luar olahraga tetap menjadi bagian dari beban yang harus ditoleransi tubuh.</p><p>Gue dulu menghitung latihan.</p><p>Sekarang gue belajar menghitung <strong>beban</strong>.</p><p>Bukan berarti gue harus menghitung setiap langkah, setiap detak jantung, atau membuat spreadsheet untuk menentukan apakah hari ini boleh olahraga. Justru sebaliknya. Buat gue yang bukan atlet kompetitif, mental model sederhananya cukup: <em>apakah pola latihan gue masih bisa gue recover dengan baik dan pertahankan dalam jangka panjang?</em></p><p>Ini juga membuat gue berhenti melihat progress sebagai sesuatu yang selalu bergerak ke atas.</p><p>Kadang progress memang berarti menambah jarak. Kadang berarti pace menjadi lebih cepat. Tapi kadang progress juga berarti bisa melakukan 5 kilometer yang sama selama berbulan-bulan tanpa cedera, tanpa recovery yang berantakan, dan tanpa mengorbankan aktivitas lain yang gue sukai.</p><p>Kalau tujuan gue adalah longevity, maka <strong>kemampuan untuk mengulang latihan dengan baik adalah bagian dari performance.</strong></p><p>Dan di titik itu gue mulai sadar bahwa masalah sebenarnya bukan gue terlalu banyak olahraga.</p><p>Masalahnya adalah <strong>cara gue menentukan apa yang layak dikejar.</strong></p><h3>Gue Tidak Lagi Ingin Menang Hari Ini</h3><p>Sekarang gue masih ingin olahraga.</p><p>Gue masih ingin lari. Gue masih ingin hiking, bermain badminton, dan melakukan strength training. Bedanya, gue tidak lagi merasa harus membuktikan sesuatu setiap kali melakukannya.</p><p>Gue tidak perlu bisa berlari sejauh orang lain. Gue tidak perlu mengejar pace tertentu hanya karena angka itu terlihat bagus. Dan gue tidak perlu mengubah setiap aktivitas menjadi kesempatan untuk melihat seberapa jauh batas tubuh gue.</p><p>Karena kalau dipikir-pikir, gue bukan atlet.</p><p>Dan itu bukan sesuatu yang perlu gue lawan.</p><p>Gue hanya seseorang yang ingin punya tubuh yang cukup sehat untuk melakukan hal-hal yang gue sukai selama mungkin.</p><p>Dulu gue selalu bertanya:</p><p><em>“Seberapa jauh gue bisa?”</em></p><p>Sekarang pertanyaan gue berubah menjadi:</p><p><em>“Berapa lama gue bisa terus melakukan ini?”</em></p><p>Mungkin itulah perubahan terbesar dalam cara gue melihat olahraga.</p><p>Gue tidak lagi ingin menang hari ini.</p><p>Gue ingin tetap bisa bermain sepuluh tahun dari sekarang.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=600c650e338c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/berbagi-berdampak/olahraga-untuk-sehat-kok-malah-bikin-cedera-600c650e338c">Olahraga untuk Sehat, Kok Malah Bikin Cedera?</a> was originally published in <a href="https://medium.com/berbagi-berdampak">Berbagi &amp; Berdampak</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Database Bukan Tempat Menyimpan Data]]></title>
            <link>https://medium.com/@oktavian.aji18/database-bukan-tempat-menyimpan-data-cfc15562b66f?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/cfc15562b66f</guid>
            <category><![CDATA[system-design-concepts]]></category>
            <category><![CDATA[backend]]></category>
            <category><![CDATA[backend-development]]></category>
            <category><![CDATA[database]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Sat, 05 Sep 2026 06:01:01 GMT</pubDate>
            <atom:updated>2026-09-05T06:01:01.403Z</atom:updated>
            <content:encoded><![CDATA[<h4>Kalau memory dan file sudah bisa menyimpan data, sebenarnya masalah apa yang sedang diselesaikan database?</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_2eRiHoVdVw5Ads4MaZo4w.png" /><figcaption>Fragile floating data particles suspended above volatile RAM</figcaption></figure><p>Bayangkan lu lagi bikin aplikasi sederhana. Ada data user, misalnya nama, email, dan saldo. Untuk menyimpannya, lu nggak perlu database dulu. Cukup bikin sebuah object di memory.</p><pre>users = {<br>    1: {<br>        &quot;name&quot;: &quot;Aji&quot;,<br>        &quot;balance&quot;: 1_000_000<br>    }<br>}</pre><p>Selama program berjalan, semuanya baik-baik saja. Data bisa dibaca, diubah, ditambah, bahkan diproses dengan sangat cepat. Dari sudut pandang program, data tersebut benar-benar ada. Sampai suatu hari server restart, process crash, atau aplikasi sengaja dimatikan. Ketika program hidup kembali, object tadi sudah tidak ada. Bukan karena program lupa membaca datanya, tetapi karena data tersebut memang tidak pernah memiliki kehidupan di luar memory.</p><p>Di titik ini muncul pertanyaan yang kelihatannya sederhana: <strong>kalau memory sudah bisa menyimpan data, kenapa kita membutuhkan database?</strong> Bukankah database pada akhirnya hanya tempat lain untuk menyimpan data?</p><p>Pertanyaan ini menarik karena ternyata problem database bukan dimulai dari kebutuhan untuk menyimpan data yang lebih banyak, melainkan dari kebutuhan yang lebih fundamental: <strong>bagaimana membuat data tetap ada ketika program yang menggunakannya sudah tidak ada?</strong></p><p>Untuk memahami kenapa database dibutuhkan, kita harus mundur sedikit dari SQL, tabel, query, dan ORM. Kita mulai dari sesuatu yang paling dasar: <strong>memory.</strong></p><h3>Memory Sudah Cukup… Sampai Program Mati</h3><p>Ketika sebuah program berjalan, ia membutuhkan tempat untuk menyimpan <em>state</em> yang sedang digunakan. Variabel, object, hasil kalkulasi, session, cache, dan berbagai data lain ditempatkan di memory agar bisa diakses oleh CPU dengan cepat. Dalam konteks ini, memory sebenarnya adalah tempat penyimpanan yang sangat bagus. Bahkan, sebagian besar program tidak akan bisa berjalan tanpa menggunakannya. Kalau aplikasi membutuhkan data user untuk melakukan sebuah proses, mengambilnya dari RAM jauh lebih masuk akal daripada terus-menerus membaca dari storage.</p><p>Masalahnya bukan pada kemampuan memory menyimpan data, tetapi pada <strong>umur data tersebut</strong>. Memory yang digunakan oleh sebuah process terikat pada lifecycle process itu sendiri. Ketika process selesai, memory yang dialokasikan untuknya dilepas. Ketika server restart, isi RAM hilang. Ketika process crash, state yang hanya berada di memory ikut lenyap. Jadi kita mendapatkan sebuah karakteristik penting: <strong>memory bersifat volatile</strong>. Ia cocok untuk menyimpan sesuatu yang dibutuhkan program sekarang, tetapi tidak cukup untuk menjamin sesuatu yang harus tetap ada setelah program berhenti.</p><p>Kita bisa melihat perbedaannya dengan sederhana:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/279/1*yov572SxlKvinfed5vDGHA.png" /><figcaption>Diagram 1: data lifecycle</figcaption></figure><p>Selama application hidup, state tersebut tersedia. Tetapi ketika application mati:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/244/1*uLmoba5oMK29f49kMhLwYQ.png" /><figcaption>Diagram 2: data loss</figcaption></figure><p>Misalnya sebuah aplikasi menerima registrasi user baru. Program membuat object user di memory dan menganggap proses registrasi berhasil. Beberapa detik kemudian server mengalami crash. Ketika aplikasi dinyalakan kembali, user tersebut tidak ada. Dari perspektif aplikasi yang baru hidup, user itu memang tidak pernah tercatat. Padahal beberapa detik sebelumnya sistem sudah menganggap data tersebut sebagai fakta.</p><p>Di sinilah kita mulai menemukan perbedaan antara <strong>state</strong> dan <strong>persistent data</strong>. State adalah kondisi yang sedang dimiliki program saat ini. Persistent data adalah informasi yang harus tetap tersedia melewati lifecycle program yang menyimpannya. Jadi pertanyaannya bukan lagi, <em>“Apakah kita bisa menyimpan data di memory?”</em> Tentu saja bisa. Pertanyaan yang lebih penting adalah: <strong>“Apakah kita ingin data tersebut tetap ada setelah program mati?”</strong> Kalau jawabannya iya, memory saja tidak lagi cukup.</p><h3>Lalu Kita Simpan ke Disk</h3><p>Kalau masalahnya adalah data di memory hilang ketika program mati, solusi paling sederhana sebenarnya sudah tersedia sejak lama: <strong>simpan data ke storage yang persistent</strong>. Kita bisa menulis data tersebut ke file sebelum program berhenti, lalu membacanya kembali ketika program dijalankan. Misalnya, object user tadi bisa diserialisasi menjadi JSON dan disimpan di disk. Sekarang lifecycle data tidak lagi sepenuhnya mengikuti lifecycle program.</p><p>Sekarang kita mendapatkan sesuatu yang sebelumnya tidak dimiliki memory: <strong>persistence</strong>. Program boleh mati, server boleh restart, dan process boleh dibuat ulang. Selama file tersebut masih tersedia, data dapat dibaca kembali. Dari perspektif sederhana, masalah kita sudah selesai. Bahkan untuk aplikasi kecil, menyimpan konfigurasi atau data sederhana ke file memang sering kali sudah cukup. Jadi kalau ada yang bertanya, <em>“Kenapa nggak simpan saja di file?”</em>, jawabannya bukan <em>“karena kita harus pakai database.”</em> File memang bisa menjadi solusi.</p><p>Masalahnya mulai muncul ketika aplikasi tidak lagi hanya melakukan satu operasi secara sederhana. Bayangkan ada dua request yang ingin mengubah file yang sama pada waktu yang hampir bersamaan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*F4-289x3rpXcn6k8vdg2Nw.png" /><figcaption>Diagram 3: concurency problem</figcaption></figure><p>Request A membaca data lama. Di saat yang sama, Request B juga membaca data lama. Keduanya melakukan perubahan masing-masing, lalu menulis kembali hasilnya. Siapa yang menang? Bisa saja perubahan A tertimpa oleh B. Lebih buruk lagi, bagaimana kalau process mati ketika file sedang ditulis? Kita sekarang berhadapan dengan masalah yang tidak muncul ketika data hanya berada di memory: <strong>concurrency, partial write, corruption, dan consistency</strong>.</p><p>Jadi solusi kita berkembang satu langkah. Awalnya kita punya memory, tetapi data hilang ketika program mati. Kita kemudian memindahkannya ke disk dan mendapatkan persistence. Namun ternyata <strong>“data tetap ada” belum sama dengan “data tetap aman dan benar.”</strong> Begitu data harus menghadapi kegagalan dan banyak operasi secara bersamaan, persoalannya berubah dari sekadar <em>storage</em> menjadi persoalan bagaimana data dikelola secara reliable.</p><h3>Persistence Saja Belum Cukup</h3><p>Bayangkan sebuah aplikasi perbankan melakukan transfer Rp1 juta. Secara konseptual ada dua perubahan yang harus terjadi: saldo rekening A berkurang Rp1 juta dan saldo rekening B bertambah Rp1 juta. Sekarang bayangkan server mati tepat setelah saldo A dikurangi, tetapi sebelum saldo B bertambah. Data memang persistent karena perubahan pada A sudah ditulis ke storage, tetapi sistem berada dalam keadaan yang salah. Ini menunjukkan bahwa <strong>persistence hanya menjawab pertanyaan “apakah data masih ada?”, bukan “apakah data masih benar ketika terjadi kegagalan?”</strong></p><p>Di sinilah kita mulai membutuhkan konsep <strong>durability</strong>. Durability bukan sekadar menyimpan sesuatu ke disk, tetapi memberikan jaminan bahwa ketika sistem sudah menyatakan sebuah perubahan berhasil, perubahan tersebut tidak tiba-tiba menghilang ketika terjadi crash atau restart. Namun durability saja juga belum cukup. Kita membutuhkan mekanisme agar serangkaian perubahan dapat diperlakukan sebagai satu kesatuan: semuanya berhasil, atau tidak ada yang dianggap berhasil. Inilah salah satu alasan mengapa konsep seperti <strong>transaction</strong> menjadi penting.</p><p>Failure juga tidak hanya berarti server mati. Process bisa crash, machine bisa kehilangan daya, storage bisa mengalami error, dua request bisa datang bersamaan, atau sebuah operasi bisa berhenti di tengah jalan. Setiap failure tersebut membuka kemungkinan sistem meninggalkan data dalam keadaan yang tidak pernah kita inginkan. Karena itu, sistem penyimpanan yang reliable harus memikirkan bukan hanya bagaimana <strong>menulis</strong> data, tetapi juga bagaimana <strong>memastikan perubahan</strong>, <strong>menghadapi kegagalan</strong>, dan <strong>mengembalikan sistem ke keadaan yang valid</strong>.</p><p>Kita akhirnya bisa melihat evolusinya dengan lebih jelas:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*wE-hOWDlFsNSfiQzJTmrFA.png" /><figcaption>Diagram 4: Subgraph dan Masalah di Setiap Tahap</figcaption></figure><p>Dan dari sini pertanyaan kita berubah. Kita tidak lagi bertanya, <strong>“Di mana kita bisa menyimpan data?”</strong> Kita sudah tahu jawabannya: memory, file, atau storage lainnya. Pertanyaan yang jauh lebih sulit adalah: <strong>“Bagaimana kita memastikan data tetap tersedia, durable, konsisten, dan bisa dipulihkan ketika sistem mengalami kegagalan?”</strong> Ketika kebutuhan mulai sampai di titik inilah, kita mulai memahami mengapa database dibutuhkan — bukan sekadar sebagai tempat menyimpan data, tetapi sebagai sistem yang dirancang untuk mengelola persistent data ketika dunia tidak selalu berjalan sesuai rencana.</p><h3>Database: Membuat Data Survive dari Lifecycle Program</h3><p>Di titik ini, kita sebenarnya sudah bisa melihat problem yang ingin diselesaikan. Memory terlalu bergantung pada lifecycle program. File memang membuat data lebih persistent, tetapi ketika data harus menghadapi banyak operasi, concurrent access, failure, dan kebutuhan recovery, kita membutuhkan lebih dari sekadar tempat untuk menulis bytes. <strong>Database hadir sebagai sistem yang mengelola persistent data dengan seperangkat mekanisme untuk menjaga data tetap dapat diandalkan.</strong> Jadi database bukan sekadar “file yang lebih canggih”, melainkan sebuah sistem yang memiliki aturan dan mekanisme sendiri untuk mengelola bagaimana data dibaca, ditulis, diubah, dan dipulihkan.</p><p>Misalnya kita kembali ke kasus transfer uang. Kita tidak ingin aplikasi hanya mengatakan, “saldo A sudah dikurangi dan saldo B nanti menyusul.” Kita ingin dua perubahan tersebut diperlakukan sebagai satu operasi yang memiliki batas yang jelas. Kalau semuanya berhasil, perubahan dianggap berhasil. Kalau terjadi kegagalan di tengah jalan, sistem harus memiliki cara untuk membatalkan atau memulihkan keadaan tersebut. Konsep seperti <strong>transaction</strong> muncul untuk menjawab kebutuhan semacam ini. Begitu juga dengan mekanisme recovery, concurrency control, constraint, dan durability: masing-masing bukan sekadar fitur tambahan, tetapi jawaban terhadap jenis masalah tertentu yang muncul ketika data menjadi semakin penting.</p><p>Kalau kita lihat dari sisi problem, hubungan tersebut menjadi lebih jelas:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*T759utBuakKCBvVkYTC0WQ.png" /><figcaption>Diagram 5: masalah dan mekanisme database</figcaption></figure><p>Inilah alasan mengapa database sering terlihat jauh lebih kompleks dibanding sekadar menyimpan object ke file. Kompleksitas tersebut bukan muncul tanpa alasan. Ia merupakan akumulasi dari berbagai jaminan yang kita minta dari data. Semakin penting data tersebut, semakin besar konsekuensi ketika data hilang, rusak, atau menjadi tidak konsisten. Database pada akhirnya menjadi semacam <strong>lapisan kepercayaan</strong> antara aplikasi dan persistent storage: aplikasi tidak perlu mengelola seluruh persoalan failure dan storage secara manual setiap kali ingin menyimpan data.</p><p>Jadi ketika kita mengatakan bahwa sebuah aplikasi menggunakan database, sebenarnya kita sedang mengatakan sesuatu yang lebih spesifik: <strong>aplikasi tersebut membutuhkan data yang kehidupannya tidak boleh berhenti ketika process berhenti.</strong> Database menjadi salah satu cara untuk memberikan kehidupan yang lebih panjang kepada data tersebut sekaligus memberikan mekanisme agar perubahan terhadapnya tetap dapat dikelola ketika sistem mengalami kondisi yang tidak ideal.</p><h3>Jadi, Kapan Kita Benar-Benar Membutuhkan Database?</h3><p>Setelah perjalanan dari memory ke file lalu ke database, kita bisa kembali ke pertanyaan awal: <strong>kalau memory bisa menyimpan data, kenapa kita butuh database?</strong> Jawabannya ternyata bukan karena memory buruk, dan bukan pula karena setiap aplikasi secara otomatis membutuhkan database. Memory sangat tepat untuk menyimpan state yang dibutuhkan selama program berjalan. Bahkan database sendiri akan menggunakan memory untuk mempercepat operasi. Masalahnya adalah ketika data yang kita miliki harus memiliki umur yang lebih panjang daripada process yang menggunakannya.</p><p>Kita membutuhkan persistence ketika informasi harus tetap tersedia setelah program berhenti. Kita membutuhkan durability ketika sistem harus dapat memberikan jaminan bahwa perubahan yang sudah dianggap berhasil tidak hilang begitu saja setelah failure. Kita membutuhkan recovery ketika sistem harus mampu menghadapi crash dan kembali ke keadaan yang valid. Dan ketika data harus digunakan oleh banyak request, process, atau bagian dari sistem, kita membutuhkan mekanisme tambahan untuk menjaga agar akses terhadap data tersebut tetap dapat dipercaya.</p><p>Mental model sederhananya mungkin seperti ini:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/250/1*NXETM58sNpDuhUJzl3OwEw.png" /><figcaption>Diagram 6: mental model database</figcaption></figure><p>Dengan cara pandang ini, database tidak lagi terlihat sebagai sesuatu yang tiba-tiba muncul di arsitektur hanya karena backend developer membutuhkan SQL. <strong>Database adalah konsekuensi dari sebuah kebutuhan: data harus survive melewati lifecycle program, dan survival tersebut harus memiliki jaminan tertentu.</strong> Semakin besar konsekuensi dari kehilangan atau merusak data, semakin besar pula kebutuhan kita terhadap mekanisme yang lebih reliable untuk mengelolanya.</p><p>Dan mungkin ini juga menjelaskan kenapa aplikasi sederhana tidak selalu membutuhkan database. Kalau sebuah program hanya melakukan kalkulasi sementara, memory mungkin sudah cukup. Kalau hanya menyimpan konfigurasi sederhana, file bisa jadi solusi yang masuk akal. Database mulai menjadi relevan ketika data berubah dari sekadar <strong>state milik program</strong> menjadi <strong>informasi yang harus bertahan, dapat dipercaya, dan terus digunakan oleh sistem dari waktu ke waktu</strong>.</p><p>Jadi, pertanyaan yang lebih tepat bukan lagi <strong>“Apakah aplikasi gue membutuhkan database?”</strong>, tetapi: <strong>“Apa yang terjadi pada data gue ketika program mati?”</strong> Kalau jawabannya adalah <em>“data tersebut boleh hilang”</em>, memory mungkin sudah cukup. Tetapi kalau jawabannya <em>“data tersebut harus tetap ada dan tetap dapat dipercaya”</em>, kita sudah memasuki problem yang membuat database menjadi penting.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cfc15562b66f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Ganti Pemimpin Nggak Akan Mengubah Apa-Apa]]></title>
            <link>https://medium.com/berbagi-berdampak/ganti-pemimpin-nggak-akan-mengubah-apa-apa-34680b4edea7?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/34680b4edea7</guid>
            <category><![CDATA[refleksi]]></category>
            <category><![CDATA[berbagi-dan-berdampak]]></category>
            <category><![CDATA[indonesia]]></category>
            <category><![CDATA[leadership]]></category>
            <category><![CDATA[politics]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Fri, 04 Sep 2026 12:38:49 GMT</pubDate>
            <atom:updated>2026-09-04T12:38:49.955Z</atom:updated>
            <content:encoded><![CDATA[<h4>Tentang mesin rusak bernama sistem, insentif yang salah, dan alasan kenapa kita selalu mendapatkan orang yang salah.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*o3yu-f79ZErTp2ht" /><figcaption><a href="https://unsplash.com/photos/a-stack-of-books-with-a-ladder-leaning-against-it-KIqVxfgwx-w">A Stack of Books With a Ladder Leaning Against It</a> by <a href="https://unsplash.com/@8machine_">8machine_</a></figcaption></figure><p>Gue coba berpikir kalau ada satu sistem yang terus-terusan ngehasilin <em>output</em> yang jelek, mau lu ganti berapa kali pun orang di dalamnya, emang beneran orangnya yang salah?</p><p>Atau jangan-jangan kita aja yang males ngakuin kalau masalah utamanya bukan di situ?</p><p>Gini deh. Tiap kali ada masalah gede, entah itu di kantor, organisasi, sampai level negara. Respons paling instan dari kita biasanya sama: ganti orangnya. Cari yang lebih jujur. Cari yang lebih tegas. Cari yang lebih pinter. Seolah-olah kalau figur A diganti sama figur B, besoknya dunia langsung berubah gitu aja.</p><p>Tapi ya… kenyataannya enggak pernah sesimpel itu kan?</p><p>Gue baru sadar, mengganti orang di dalam sistem yang udah rusak itu sering kali cuma kaya mindahin penumpang di kapal yang bocor. Beda orang, tapi kapalnya tetap tenggelam. Dan ini yang bikin gue mikir, masalahnya emang di individu yang menjabat, atau kita yang sebenarnya nggak pernah ngeberesin wadahnya?</p><h3><strong>Kita Terlalu Sering Menyalahkan Individu</strong></h3><p>Coba lu perhatiin pola berita atau obrolan kita sehari-hari.</p><p>Korupsi lagi. Inkompetensi lagi. Pejabat yang asal ngomong. Atasan yang cuma mau dengar <em>Asal Bapak Senang</em>. Atau politisi yang bisa naik cuma gara-gara sensasi dan kepopuleran instan, bukan karena <em>merit</em> atau kapasitas dia.</p><p>Capek gak sih ngeliatnya? Gue capek banget jujur.</p><p>Dan refleks pertama kita selalu sama: <em>“Dasar orangnya aja yang serakah.”</em> atau <em>“Emang dari awal niatnya udah nggak bener.”</em></p><p>Gue nggak bilang orang-orang itu bersih dari salah, ya. Jelas mereka salah. Tapi kalau pola yang sama terus berulang, di generasi yang beda, di era yang beda, di bawah bendera yang beda-beda juga dan muka pelakunya berganti tapi kelakuannya persis sama.</p><p>Masih bisa kita sebut ini sekadar kebetulan “oknum”?</p><p>Gue gak yakin sih. Kalau cuma satu-dua orang yang ngaco, oke lah itu oknum. Tapi kalau dari ujung ke ujung polanya mirip, kayanya kita kudu mandang ini lebih jauh deh.</p><p>Kita itu sering banget kecolongan di sini. Kita terlalu fokus sama <em>siapa</em> yang duduk di sana, tapi lupa nanya hal yang jauh lebih mendasar:</p><p><em>Mengapa perilaku kaya gitu yang justru selalu muncul dan bertahan?</em></p><p>Kenapa orang yang awalnya kelihatan punya idealisme tinggi, pas masuk ke dalam malah mendadak tumpul? Kenapa yang jualan sensasi justru yang dapet tempat, sementara yang beneran kerja malah kelempar keluar?</p><p>Mungkin, bukan karena semua orang tiba-tiba jadi jahat pas dapet kekuasaan. Tapi ada hal lain di balik layar yang melatih mereka untuk jadi seperti itu.</p><h3><strong>Sistem Membentuk Perilaku</strong></h3><p>Gue sempet mikir, gimana caranya orang yang awalnya masuk dengan niat baik lalu punya visi bersih, idealismenya masih kenceng ia bisa berubah total cuma dalam hitungan tahun? Atau bahkan hitungan bulan?</p><p>Awalnya gue kira ini cuma masalah keimanan atau integritas pribadi aja.</p><p>Tapi pas dipikir-pikir lagi… kayaknya bukan cuma itu deh.</p><p>Ada pola yang selalu keulang. Lu masuk ke sebuah lingkungan, dan di situ udah ada <em>norma</em> yang berjalan. Mau nggak mau, lu ngeliat sekeliling. Gimana orang lain bertindak, gimana cara mereka dapet promosi, gimana cara mereka “selamat”.</p><p>Nah, di sini mainnya. Sistem itu nentuin <em>insentif</em>.</p><p>Kalau sistemnya ngasih penghargaan buat orang yang ABS (Asal Bapak Senang), yang jilat ke atas, yang rajin cari panggung… ya orang-orang bakal belajar buat melakukannya. Sebaliknya, kalau orang yang jujur dan kritis malah disingkirkan, dinonaktifkan, atau dibikin gak betah… ya pesan tersiratnya jelas banget kan?</p><blockquote><em>Adapt or die.</em></blockquote><p>Mau gak mau timbul konformitas. Kita ini makhluk sosial, bro. Nggak ada orang yang nyaman jadi musuh bersama terus-terusan.</p><p>Dan di sini gue baru sadar, masalahnya sering kali bukan di niat awalnya. Tapi tekanan konformitas itu halus banget. Pelan-pelan ngikis prinsip, sampai akhirnya perilaku yang tadinya kita anggap aneh, berubah jadi hal yang “normal”.</p><p>Perilaku itu cuma hasil akhir. Produk dari mesin yang namanya insentif. Kalau insentifnya ngerusak, ya jangan kaget kalau <em>output</em>-nya manusia-manusia yang ngerusak juga.</p><h3><strong>Masalah Kita Mungkin Adalah Selection Mechanism</strong></h3><p>Ini bagian yang bikin gue agak frustrasi sih pas ngeliat realita di lapangan.</p><p>Kita sering nanya, “Kenapa sih orang-orang yang beneran kompeten, yang pinter, yang kerjaannya beres, kok kayaknya jarang banget naik ke permukaan?”</p><p>Gue gak yakin ini berlaku di semua tempat, tapi polanya kelihatan jelas banget.</p><p>Kita sering berasumsi kalau dunia ini bergerak secara meritokrasi murni. Siapa yang jago, dia yang naik. Padahal entah ya, kenyataannya nggak seindah itu.</p><p>Coba deh bongkar variabelnya satu-satu:</p><blockquote>Competence ≠ Visibility ≠ Popularity ≠ Political Power.</blockquote><blockquote>Kerap kali, orang yang super kompeten itu gak punya waktu buat tebar pesona. Mereka fokus beresin masalah. Tapi di sistem kita hari ini, yang dinilai duluan apa? <em>Visibility</em> dan <em>popularity</em>. Siapa yang paling pinter bungkus konten, siapa yang paling pandai manfaatkan sensasi, itu yang dapet panggung.</blockquote><p>Anjir, gila gak sih?</p><p>Artinya, <em>selection mechanism</em> — mesin penyaring kita itu rusak.</p><p>Mesinnya nggak didesain buat mencari siapa yang paling mampu memimpin atau beresin masalah. Mesinnya cuma didesain buat mencari siapa yang paling pintar menangin perhatian. Siapa yang paling jago mainin emosi massa.</p><p>Kalau alat ukurnya aja udah salah dari awal, ya jangan heran kalau hasil saringannya gak pernah sesuai harapan. Kita berharap dapet emas, tapi ayakan yang kita pakai cuma bisa nampung batu gede.</p><h3><strong>Top-Down atau Bottom-Up?</strong></h3><p>Terus kalau udah tahu mesinnya agak ngaco gini, benerinnya dari mana?</p><p>Gue sering denger perdebatan ini. Ada yang bilang, “Ya harus dari atas dong! <em>Top-down</em>! Ganti hukumnya, reformasi institusinya, atur undang-undangnya!”</p><p>Ada juga yang <em>keukeuh</em>, “Nggak bisa, harus dari bawah! <em>Bottom-up</em>! Edukasi masyarakatnya dulu, benerin budayanya, tingkatkan kesadarannya!”</p><p>Dulu gue sempet mikir salah satu pasti lebih dominan. Tapi pas ditulis dan dirasain lagi, ternyata ini bukan pilihan <em>either/or</em>.</p><p>Dua-duanya harus jalan, dan dua-duanya saling ngunci.</p><p>Kalau lu cuma fokus <em>top-down. </em>Bikin institusi atau aturan yang kelihatan canggih di atas kertas, tapi masyarakat di bawahnya masih permisif sama suap dan masih milih pemimpin cuma berdasar sembako atau sensasi, ya aturan itu cuma jadi pajangan. Tumpul.</p><p>Tapi sebaliknya, kalau lu cuma fokus <em>bottom-up. M</em>asyarakatnya udah pinter, kritikal, berniat baik tapi insentif institusi di atas tetap menindas dan menutup pintu buat orang baik, ya orang-orang baik itu cuma bakal bakal mental juga.</p><p>Berasa kek terperangkap di <em>chicken and egg situation</em> gak sih?</p><p>Atas ngebentuk bawah, tapi bawah yang ngisi dan milih yang di atas.</p><p>Kalau dua-duanya saling mempengaruhi, berarti perubahannya nggak bisa nunggu salah satu selesai dulu. Institusinya harus terus didorong untuk berubah, tapi di saat yang sama, manusia-manusia yang ada di dalamnya juga harus terus dibenerin.</p><h3><strong>Kalau Begitu, Apa yang Bisa Dilakukan Orang Biasa?</strong></h3><p>Gue sempet ada di titik capek sendiri pas mikirin ini.</p><p>Kayak, buat apa coba kita ngomongin sistem, ngomongin <em>selection mechanism</em>, ngomongin hal-hal makro yang gedenya minta ampun? Ujung-ujungnya kita cuma orang biasa kan? Cuma warga yang tiap bulan pusing mikirin tagihan, kerjaan, dan hidup sendiri-sendiri.</p><p>Awalnya gue mikir, ya udah lah. Mau gimana lagi? Kita tinggal nunggu aja. Nunggu ada sosok ajaib yang bisa ngeberesin ini semua dari atas.</p><p>Tapi, entah ya. Gue baru sadar.</p><p>Kalau kita cuma duduk manis sambil nunggu “pahlawan” itu datang, bukannya itu malah bikin kita masuk ke lingkaran setan yang sama?</p><p>Kita nunggu pemerintah. Pemerintah nunggu masyarakatnya siap. Akhirnya gak ada yang bergerak. Saling tunjuk.</p><p>Terus gue mulai mikir, kalau kita gak bisa langsung ngerubah sistem yang raksasa itu besok pagi, apa dong yang sebenarnya masih ada di dalam kontrol kita?</p><p>Ternyata, manusia di sekitar kita.</p><p>Mungkin bukan hal gede yang langsung bikin heboh media. Tapi hal-hal kecil yang sering kita sepelekan.</p><p>Mulai dari diri sendiri dulu deh. Lu mau belajar hal baru, mau coba baca buku walau cuma beberapa lembar, atau mulai coba nulis apa yang lu pikirin. Dan gak berhenti di situ. Lu coba ngobrolin itu ke temen lu, ngajarin hal simpel yang lu tau, diajak diskusi tanpa harus saling ngotot siapa yang paling bener.</p><p><em>Fact-checking</em> sebelum <em>share</em> berita emosi. Ngelatih <em>critical thinking</em> biar gak gampang kemakan <em>gimmick</em>.</p><p>Gue gak yakin ini bakal langsung ngubah negara dalam sekejap sih. Nggak sama sekali. Tapi dipikir-pikir bukannya institusi yang sehat itu cuma kumpulannya manusia-manusia yang sehat juga pikiran dan perilakunya?</p><p>Bikin komunitas kecil yang positif. Ikut organisasi di lingkungan rumah. Bikin konten yang edukatif walau yang nonton cuma puluhan orang. Atau sesimpel pas nanti waktunya milih, lu beneran liat <em>track record</em>-nya, bukan cuma liat siapa yang paling sering muncul di FYP.</p><p>Hal-hal kaya gitu yang bikin kualitas manusia di sekitar kita pelan-pelan naik. Dan pas kualitas manusianya naik, standar kita terhadap “siapa yang layak memimpin” juga ikutan berubah.</p><p>Kita gak bisa benerin seluruh mesinnya sekaligus. Tapi kita bisa benerin <em>sparepart</em> kecil di tempat kita berdiri sekarang.</p><h3><strong>Penutup</strong></h3><p>Gue sering denger orang ngomongin tentang Indonesia 2045.</p><p>Banyak yang tanya, <em>“Apakah Indonesia bakal beneran jadi negara maju pas 2045 nanti?”</em></p><p>Dulu gue bakal mikirin angkanya. Mikirin PDB, infrastruktur, atau peringkat ekonomi. Tapi sekarang kalau denger pertanyaan itu, gue malah mikir hal yang beda.</p><p>Pertanyaannya kayaknya bukan soal maju atau enggaknya deh.</p><p>Tapi… <em>manusia seperti apa yang ingin kita hasilkan pada 2045 nanti?</em></p><p>Karena jujur aja, kita sering banget ngarepin hasil yang beda, tapi cara yang kita pakai masih persis sama.</p><p>Kita masih membiarkan masyarakat dibentuk oleh pola yang lama. Kita masih milih berdasarkan mekanisme yang sama. Kita masih mempertahankan insentif yang merusak. Tapi ajaibnya, tiap lima tahun sekali kita ngarep ada keajaiban yang tiba-tiba merubah keadaan.</p><p>Aneh gak sih?</p><p>Kalau kita terus menghasilkan masyarakat yang sama, memilih berdasarkan mekanisme yang sama, mempertahankan insentif yang sama, dan berharap mendapatkan hasil yang berbeda.</p><p>Mungkin masalahnya bukan Indonesia yang belum menemukan pemimpin yang tepat.</p><p>Mungkin kita belum memperbaiki mesin yang memilih dan membentuk pemimpin itu sendiri.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=34680b4edea7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/berbagi-berdampak/ganti-pemimpin-nggak-akan-mengubah-apa-apa-34680b4edea7">Ganti Pemimpin Nggak Akan Mengubah Apa-Apa</a> was originally published in <a href="https://medium.com/berbagi-berdampak">Berbagi &amp; Berdampak</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Jangan Terlalu Cepat Percaya pada Pikiranmu Sendiri]]></title>
            <link>https://medium.com/berbagi-berdampak/jangan-terlalu-cepat-percaya-pada-pikiranmu-sendiri-3b50cdbe6caf?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/3b50cdbe6caf</guid>
            <category><![CDATA[berbagi-dan-berdampak]]></category>
            <category><![CDATA[psychology]]></category>
            <category><![CDATA[esai]]></category>
            <category><![CDATA[metacognition]]></category>
            <category><![CDATA[highlights]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Fri, 21 Aug 2026 23:25:18 GMT</pubDate>
            <atom:updated>2026-08-21T23:25:18.720Z</atom:updated>
            <content:encoded><![CDATA[<h4>Metakognisi, ilusi pemahaman, dan cara menguji apakah cara berpikir kita benar-benar bekerja.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*knV2KNXbekciylMJ" /><figcaption><a href="https://plus.unsplash.com/premium_vector-1698192182179-a4abc603c18a?q=80&amp;w=1480&amp;auto=format&amp;fit=crop&amp;ixlib=rb-4.1.0&amp;ixid=M3wxMjA3fDB8MHxwaG90by1wYWdlfHx8fGVufDB8fHx8fA%3D%3D">Vector Illustration Brain</a> by <a href="https://unsplash.com/@gettyimages">Getty Images</a></figcaption></figure><p>Setiap hari kita berpikir. Kita memikirkan pekerjaan, uang, hubungan, keputusan yang harus diambil, sesuatu yang baru saja kita baca, bahkan memikirkan apa yang harus kita pikirkan setelah ini.</p><p>Tapi kalau coba diperhatikan, ada satu pola yang aneh: yang hampir selalu kita periksa adalah <em>hasil</em> pikiran kita, bukan <em>proses</em> yang melahirkannya.</p><p>Gue sempat mengira kalau seseorang salah mengambil keputusan atau gagal paham tentang suatu masalah, penyebab utamanya ya pasti karena dia kekurangan informasi. Logikanya sederhana: kurang data, makanya salah. Tapi makin ke sini, gue mulai curiga kalau masalahnya sering kali bukan di situ. Informasinya bisa jadi sudah lebih dari cukup, bahkan berlimpah. Yang bermasalah justru cara otak memproses dan mengolah informasi tersebut.</p><p>Coba perhatikan beberapa kalimat yang sering kita ucapkan ke diri sendiri:</p><p><em>“Gue udah baca buku ini, berarti gue udah paham.”</em></p><p><em>“Gue yakin banget soal ini, berarti alasan gue kuat.”</em></p><p><em>“Gue udah mikirin hal ini berhari-hari, berarti keputusan gue udah matang.”</em></p><p>Ketiga kalimat di atas terdengar sangat masuk akal. Tapi kalau kita bedah pelan-pelan, ketiganya bisa sangat salah. Membaca tidak otomatis menjadi paham. Rasa yakin sama sekali tidak menjamin kebenaran alasan. Dan memikirkan sesuatu berulang kali sering kali mirip memutar kaset yang sama secara terus menerus. Tidak ada kemajuan.</p><p>Di titik ini, gue menyadari ada satu hal yang sering luput dari perhatian kita. Yang kurang dari kita sering kali bukan sekadar kemampuan berpikir, melainkan kemampuan untuk “berdiri di luar diri sendiri” dan mengamati proses berpikir itu ketika ia sedang berlangsung.</p><p>Inilah wilayah yang oleh para psikolog disebut sebagai <em>metakognisi</em>.</p><p>Sederhananya, berpikir membuat kita mampu memecahkan masalah. Sementara metakognisi membuat kita mampu memeriksa apakah cara kita memecahkan masalah itu memang dapat dipercaya.</p><h3><strong>Kita Tidak Hanya Berpikir, Kita Juga Bisa Mengamati Pikiran Kita</strong></h3><p>Istilah <em>metacognition</em> pertama kali dipopulerkan oleh seorang psikolog bernama John H. Flavell pada akhir tahun 1970-an. Flavell menggambarkan metakognisi sebagai pengetahuan dan pemantauan seseorang terhadap proses kognitifnya sendiri.</p><p>Untuk membedakannya secara sederhana, coba bayangkan dua tingkatan ini.</p><p>Ada yang namanya <em>object level</em>. Ini adalah momen ketika kognisi bekerja secara langsung: kita mengingat nama orang, menghitung angka, mencoba memahami paragraf yang rumit, atau mencari jalan keluar dari masalah pekerjaan. Pertanyaan utama di level ini adalah: <em>“Apa jawaban dari masalah ini?”</em></p><p>Lalu ada yang namanya <em>meta-level</em>. Di level ini, ada bagian dari pikiran kita yang melangkah mundur satu tapak untuk mengamati, menilai, dan mengontrol proses tadi. Pertanyaan di level ini berubah menjadi: <em>“Bagaimana cara gue sampai pada jawaban itu? Seberapa yakin gue dengan proses tadi?”</em></p><p>Namun, “berpikir tentang berpikir” ini sering kali disalahartikan sebagai kegiatan melamun atau puitis seperti, “Gue duduk di tepi jendela dan merenungkan eksistensi diri gue.” Bukan. Metakognisi bukan introspeksi abstrak seperti itu.</p><p>Metakognisi jauh lebih praktis. Ia adalah kemampuan teknis untuk memetakan apa yang benar-benar kita ketahui, apa yang sebenarnya tidak kita ketahui, seberapa tepat tingkat keyakinan kita, strategi apa yang sedang kita pakai untuk memikirkan hal tersebut, dan apakah strategi itu masih bekerja atau justru membuang-buang waktu.</p><p>Dalam psikologi kognitif, kemampuan ini biasanya diurai menjadi tiga komponen yang saling melengkapi:</p><p>Pertama, <em>metacognitive knowledge</em>. Ini adalah pengetahuan yang kita miliki tentang diri sendiri dan cara kita belajar atau berpikir. Misalnya, menyadari bahwa kita lebih gampang memahami konsep abstrak lewat visualisasi ketimbang teks tebal.</p><p>Kedua, <em>metacognitive experience</em>. Ini adalah apa yang kita rasakan saat proses berpikir sedang berlangsung. Pernahkah lu membaca satu halaman buku lalu tiba-tiba muncul <em>feeling</em> kalau bagian ini rasanya kok susah banget ditangkap? Atau sebaliknya, perasaan janggal bahwa penjelasan seseorang ada yang meleset walau lu belum bisa menunjuk letak salahnya? Perasaan-perasaan kecil itu <em>feeling of knowing</em>, rasa sulit, tingkat keyakinan adalah sinyal dari <em>metacognitive experience</em>.</p><p>Ketiga, <em>metacognitive regulation</em>. Ini adalah tindakan nyata yang kita ambil setelah menyadari sinyal tersebut. Ketika tahu bahwa satu bab buku terasa susah, apakah kita melambat, mencari analogi lain, atau malah tetap nekat membaca cepat sambil pura-pura paham?</p><p>Tapi, nah, di sini persoalannya jadi jauh lebih menarik. Mengamati pikiran sendiri ternyata tidak otomatis berarti kita akan mengamatinya secara akurat.</p><h3><strong>Kita Sering Salah Menilai Pikiran Kita Sendiri</strong></h3><p>Gue pernah mengalami ini: membaca sebuah bab di buku teknis atau artikel panjang, lalu merasa, <em>“Ah gampang ini, gue udah paham banget”.</em> Tapi begitu beberapa waktu kemudian ada teman yang bertanya, “Eh, tadi maksud konsep itu apa sih?”, tiba-tiba otak gue <em>blank</em>.</p><p>Ketika gue mengalami hal tersebut, terkadang gue merasa frustrasi. Gue mengira memori gue yang jelek. Tapi ternyata ada bias kognitif yang bekerja. Dalam psikologi, fenomena ini dikenal sebagai <em>illusion of explanatory depth</em>.</p><p>Penelitian klasik dari Leonid Rozenblit dan Frank Keil pada tahun 2002 menunjukkan betapa parahnya fenomena ini. Mereka meminta orang-orang menilai seberapa paham mereka tentang cara kerja benda sehari-hari, seperti kloset duduk, gembok, atau helikopter. Sebagian besar orang merasa sangat paham. Namun, ketika diminta untuk menuliskan penjelasan mekanisnya secara terperinci langkah demi langkah, pemahaman mereka langsung rontok. Mereka baru sadar bahwa rasa paham yang mereka miliki selama ini hanyalah ilusi.</p><p>Hal yang sama sering terjadi saat kita belajar. Ketika kita membaca ulang (<em>rereading</em>) sebuah materi berkali-kali, teks itu menjadi sangat familier di mata kita. Otak kita membisikkan rasa nyaman: <em>“Gue tahu ini.”</em></p><p>Padahal, ada jurang besar antara <em>familiarity</em> dan <em>understanding</em>. Familier cuma berarti otak kita mengenali bentuk informasinya. Paham berarti otak kita sanggup mengambil (<em>retrieve</em>) informasi itu secara mandiri dari dalam kepala, merangkai ulang strukturnya, dan menjelaskannya kembali dengan kata-kata sendiri.</p><p>Hal ini membawa kita pada sebuah konsep penting bernama <em>metacognitive calibration — </em>seberapa akurat rasa yakin (<em>confidence</em>) kita berbanding lurus dengan ketepatan aktual (<em>accuracy</em>) dari apa yang kita tahu.</p><p>Orang dengan metakognisi yang buruk biasanya mengalami miskalibrasi parah: mereka merasa 90% yakin pada sesuatu yang akurasinya cuma 20%. Sebaliknya, metakognisi yang sehat bukan berarti lu harus selalu merasa ragu atau tidak tahu apa-apa. Metakognisi yang sehat berarti tingkat rasa yakin lu selalu proporsional dengan bukti dan pemahaman aktual yang lu pegang.</p><p>Dan celakanya, mengetahui adanya bias kognitif tidak serta-merta membuat kita kebal terhadap bias tersebut.</p><p>Lu bisa saja membaca sepuluh buku tentang <em>confirmation bias</em> dan hafal definisinya di luar kepala, tapi tetap saja secara refleks hanya mencari artikel-artikel yang mendukung opini lu. Mengetahui nama sebuah bias itu kognisi. Mendeteksi kapan bias itu sedang masuk dan memengaruhi keputusan lu hari ini… nah, itu baru metakognisi.</p><p>Kalau pikiran kita sendiri bisa menghasilkan rasa yakin palsu tanpa kita sadari, maka kita jelas butuh sesuatu yang lebih dari sekadar “berpikir lebih keras”. Kita butuh sistem untuk mendebug pikiran kita sendiri.</p><h3><strong>Dari Self-Awareness ke Self-Debugging</strong></h3><p>Sebagai orang yang akrab dengan dunia pemrograman dan sistem, gue sering melihat kemiripan antara cara kerja software dan cara kerja otak manusia. Tapi perlu ditegaskan: otak kita jelas bukan komputer. Otak jauh lebih kompleks, plastis, dan penuh emosi. Walau begitu, mental model dari <em>software engineering</em> ternyata sangat berguna sebagai alat bantu untuk memahami metakognisi.</p><p>Manusia itu tidak cuma punya gambaran tentang dunia luar, kita juga punya gambaran atau <em>model</em> tentang diri kita sendiri.</p><p>Masalahnya, model diri (<em>self-model</em>) ini sering kali dipenuhi oleh label-label identitas yang statis. Kita sangat suka memberi cap pada diri sendiri:</p><p><em>“Gue emang orangnya pemalas.”</em></p><p><em>“Gue gak bakalan sanggup belajar matematika/coding.”</em></p><p><em>“Gue orangnya terlalu emosional.”</em></p><p><em>“Gue ini tipe orang yang selalu overthinking.”</em></p><p>Ketika kita menyematkan label identitas seperti ini, kita sebenarnya sedang menutup pintu evaluasi. Identitas itu sifatnya mematok, seolah-olah itu adalah sifat bawaan yang tidak bisa diotak-atik.</p><p>Metakognisi mengajak kita berpindah dari label menuju mekanisme.</p><p>Alih-alih bilang <em>“Gue pemalas”</em>, pertanyaan metakognitif akan menggesernya menjadi: <em>“Dalam kondisi lingkungan seperti apa dan pada jam berapa biasanya dorongan menunda itu muncul?”</em></p><p>Alih-alih bilang <em>“Gue orangnya emosional”</em>, pertanyaannya berubah menjadi: <em>“Sinyal tubuh atau situasi spesifik apa yang biasanya memicu penilaian gue berubah ceroboh saat emosi naik?”</em></p><p>Perubahan kecil ini sangat krusial. Kita berhenti memperlakukan masalah diri sebagai kecacatan, dan mulai memperlakukannya sebagai fenomena yang memiliki pola dan mekanisme.</p><p>Dalam dunia <em>software</em>, kalau lu punya sistem kompleks yang berjalan tanpa <em>logging</em>, <em>monitoring</em>, atau <em>metrics</em>, lu tidak akan pernah tahu kenapa sistem itu mendadak <em>crash</em> di <em>production</em>. Lu cuma bisa menebak-nebak saja.</p><p>Metakognisi bekerja persis seperti memasang <em>observability</em> dan <em>debugger</em> pada proses berpikir kita sendiri. Fokusnya bukan lagi sekadar bertanya <em>“Apakah keputusan gue ini benar?”</em>, melainkan <em>“Bagaimana jalannya alur berpikir yang menghasilkan keputusan ini?”</em></p><p>Misalnya begini: Lu merasa sudah paham betul sebuah konsep atau teori. Itu adalah pikiran awal. Lalu lu mencoba tes kecil: menjelaskannya di atas kertas kosong tanpa melihat catatan sama sekali. Tiba-tiba di tengah jalan lu terhenti karena ada bagian rantai logika yang putus. Terjadi <em>mismatch</em> antara rasa paham di kepala dengan kenyataan di atas kertas. Lu mengevaluasi: <em>“Oh, ternyata rasa paham gue tadi cuma ilusi karena teksnya terasa familier.”</em> Lalu lu melakukan penyesuaian: lu balik lagi ke sumbernya, membedah bagian yang putus tadi, lalu mencobanya ulang.</p><p>Sistem berpikir lu baru saja melakukan <em>debugging</em>.</p><p>Namun, di sini ada satu jebakan yang sering membuat orang terkecoh: tidak semua kegiatan “berpikir tentang diri sendiri” itu berguna. Ada bentuk pemikiran introspektif yang bukannya membersihkan sistem, tapi malah membuat otak kita malah kotor.</p><h3><strong>Mengamati Pikiran Harus Berujung pada Perubahan</strong></h3><p>Ada perbedaan yang sangat tipis tapi fatal antara <em>self-reflection</em> dan <em>self-rumination</em>.</p><p>Ketika sesuatu berjalan memburuk dalam hidup, misalnya: proyek gagal, argumen berantakan, atau ujian hancur. Pertanyaan mendasar yang biasanya muncul di kepala kita adalah: <em>“Kenapa ini bisa terjadi?”</em></p><p>Dari satu pertanyaan awal yang sama, arahnya bisa berbeda.</p><p>Arah pertama adalah <em>reflection</em>. Arah ini digerakkan oleh rasa ingin tahu (<em>epistemic curiosity</em>). “Apa yang sebenarnya terjadi? Apa pola yang luput dari perhatian gue? Langkah mana yang tadi keliru, dan apa yang bisa diganti untuk eksperimen berikutnya?”</p><p>Arah kedua adalah <em>rumination</em>. Arah ini digerakkan oleh kecemasan dan penilaian negatif terhadap diri sendiri secara berulang-ulang. “Kenapa sih gue selalu gagal? Kenapa gue bego banget? Kenapa hal seperti ini harus terjadi ke gue terus?”</p><p>Banyak orang mengira mereka sedang melakukan metakognisi padahal mereka sebenarnya cuma sedang <em>ruminating. </em>Layaknya<em> </em>memutar kembali kaset rekaman kegagalan sambil meratapi nasib tanpa pernah mengubah variabel apa pun.</p><p>Metakognisi yang sejati selalu membutuhkan elemen kedua yang tadi kita bahas: <em>regulation</em>. <em>Awareness</em> saja tidak ada gunanya kalau tidak memicu tindakan regulasi.</p><p>Kalau lu sadar bahwa teknik belajar lu selama ini tidak efektif, tapi lu tetap menggunakan metode yang sama hanya karena itu terasa nyaman, maka pemantauan lu mati di tengah jalan. Pemantauan tanpa regulasi cuma akan berubah jadi beban pikiran baru.</p><p>Di dunia pendidikan kognitif, penelitian besar dari John Dunlosky dan timnya pada tahun 2013 pernah mengevaluasi berbagai strategi belajar yang populer. Hasilnya ternyatateknik-teknik yang paling sering dipakai orang seperti membaca ulang (<em>rereading</em>) dan menandai kalimat dengan stabilo (<em>highlighting</em>) ternyata memiliki tingkat efektivitas (<em>utility</em>) yang sangat rendah. Sebaliknya, teknik yang terbukti paling efektif justru adalah <em>practice testing</em> (menguji diri sendiri) dan <em>distributed practice</em> (memecah waktu belajar secara berkala).</p><p>Kenapa <em>practice testing</em> begitu ampuh? Karena ia memaksa metakognisi untuk bekerja secara jujur. Lu tidak bisa berpura-pura paham ketika lembar ujian latihan lu kosong.</p><p>Pola regulasi yang sama berlaku penuh dalam pengambilan keputusan sehari-hari:</p><blockquote><em>Prediction</em> -&gt; <em>Decision</em> -&gt; <em>Outcome</em> -&gt; <em>Error Signal</em> -&gt; <em>Reflection</em> -&gt; <em>Update</em>.</blockquote><p>Sebelum mengambil keputusan besar, tuliskan dengan jujur: <em>“Gue memprediksi X akan terjadi dengan tingkat keyakinan 80% karena alasan A dan B.”</em> Enam bulan kemudian, ketika hasilnya keluar, buka kembali catatan itu. Kalau prediksinya meleset, tanyakan: <em>“Di mana letak kerangka berpikir gue yang salah? Asumsi mana yang ternyata rapuh?”</em></p><p>Pada akhirnya, metakognisi bukanlah kemampuan super untuk membuat kita selalu berpikir lebih banyak atau lebih rumit. Ia justru adalah kecerdasan untuk tahu kapan harus percaya pada pikiran sendiri, kapan harus mempertanyakannya, dan kapan harus berhenti memikirkannya lalu mengganti strategi.</p><h3><strong>Membangun Jarak dari Pikiran Sendiri</strong></h3><p>Langkah paling mendasar dan mungkin paling sulit dalam membangun metakognisi adalah belajar memisahkan antara si pemikir (<em>the thinker</em>) dan pikiran itu sendiri (<em>the thought</em>).</p><p>Perhatikan beda tipis dari dua kalimat ini:</p><p>Kalimat pertama: <em>“Gue gagal.”</em></p><p>Kalimat kedua: <em>“Gue sedang memiliki pikiran bahwa kegagalan ini berarti gue tidak mampu.”</em></p><p>Kalimat pertama menggabungkan identitas lu dengan keadaan. Lu dan kegagalan itu menyatu, tidak ada ruang jarak. Tapi kalimat kedua membuat jarak. Ia tidak menyangkal kenyataan bahwa ada hal yang buruk yang baru saja terjadi, tapi ia memperlakukan pikiran tersebut sebagai sebuah objek yang sedang melintas di kepala, sesuatu yang bisa diamati, diuji validitasnya, lalu diputuskan apakah layak dipercayai atau dibuang.</p><p>Untuk mulai melatih jarak ini, kita tidak butuh buku teks tebal. Kita cuma butuh membiasakan diri melontarkan beberapa pertanyaan metakognitif sederhana saat sedang memproses sesuatu:</p><ul><li>Apa sebenarnya yang sedang gue pikirkan saat ini?</li><li>Kenapa gue bisa sampai pada kesimpulan seperti ini?</li><li>Seberapa yakin gue dengan hal ini, dan bukti nyata apa yang mendukung keyakinan itu?</li><li>Asumsi atau sudut pandang apa yang mungkin sedang secara tidak sadar gue lewatkan?</li><li>Data atau fakta seperti apa yang sanggup membuat gue mengubah pikiran soal ini?</li><li>Bagaimana cara gue membuktikan bahwa gue benar-benar memahami hal ini, bukan cuma sekadar merasa familier?</li></ul><p>Tujuan akhir dari semua latihan ini bukanlah untuk menjadikan kita manusia yang ragu-ragu selamanya, atau manusia yang dingin tanpa emosi. Tujuannya adalah <em>calibration</em> yaitu mencapai tingkat kepercayaan diri yang proporsional dengan realita yang ada.</p><p>Orang dengan kemampuan metakognitif yang matang bukanlah orang yang selalu merendah dan berkata, <em>“Ah, gue mungkin salah kok.”</em> Bukan. Mereka adalah orang yang tahu secara presisi: di bagian mana mereka sangat yakin karena bukti-buktinya solid, di bagian mana mereka masih menebak-nebak, dan informasi spesifik apa yang mereka butuhkan untuk mengubah keyakinan tersebut.</p><p>Kalau dipikir-pikir, kita ini menghabiskan hampir seluruh hidup kita di dalam kepala sendiri, berteman dengan ribuan pikiran yang lalu lalang setiap harinya. Tapi anehnya, kita jarang sekali mengambil waktu untuk memeriksa bagaimana pabrik di dalam kepala itu sebenarnya bekerja.</p><p>Metakognisi pada akhirnya bukan soal memikirkan hal yang lebih berat atau lebih banyak. Ia adalah kemampuan untuk naik satu tingkat ke atas, mengamati proses berpikir kita sendiri dari kejauhan, lalu bertanya dengan jujur apakah proses itu memang masih layak untuk kita percaya.</p><p>Mungkin mengenal diri sendiri itu bukan pertama-tama soal mencari tahu siapa identitas kita sebenarnya. Bisa jadi, ia selalu dimulai dari memahami bagaimana cara pikiran kita secara perlahan membentuk versi diri yang kita kenal hari ini.</p><h4><strong>Referensi</strong></h4><p>[1] <a href="https://psycnet.apa.org/doiLanding?doi=10.1037%2F0003-066X.34.10.906">Flavell — Metacognition and Cognitive Monitoring (1979)</a></p><p>[2] <a href="https://onlinelibrary.wiley.com/doi/10.1207/s15516709cog2605_1">Rozenblit &amp; Keil — Illusion of Explanatory Depth (2002)</a></p><p>[3] <a href="https://pubmed.ncbi.nlm.nih.gov/19178860/">Efklides — The Role of Metacognitive Experiences (2009)</a></p><p>[4] <a href="https://www.sciencedirect.com/science/article/abs/pii/S1747938X06000029?via%3Dihub">Efklides — Metacognition and Affect (2006)</a></p><p>[5] <a href="https://journals.sagepub.com/doi/10.1177/1529100612453266">Dunlosky et al. — Improving Students’ Learning (2013)</a></p><p>[6] <a href="https://www.nature.com/articles/s41539-021-00089-5">Metacognition: Ideas and Insights from Neuro- and Educational Sciences (2021)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3b50cdbe6caf" width="1" height="1" alt=""><hr><p><a href="https://medium.com/berbagi-berdampak/jangan-terlalu-cepat-percaya-pada-pikiranmu-sendiri-3b50cdbe6caf">Jangan Terlalu Cepat Percaya pada Pikiranmu Sendiri</a> was originally published in <a href="https://medium.com/berbagi-berdampak">Berbagi &amp; Berdampak</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[KPR vs Ngontrak: Mungkin Pertanyaan yang Kita Ajukan, Sudah Salah Sejak Awal]]></title>
            <link>https://medium.com/cerita-uang-perekonomian/kpr-vs-ngontrak-mungkin-pertanyaan-yang-kita-ajukan-sudah-salah-sejak-awal-04014c91d95e?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/04014c91d95e</guid>
            <category><![CDATA[literasi-keuangan]]></category>
            <category><![CDATA[math]]></category>
            <category><![CDATA[decision-making]]></category>
            <category><![CDATA[ngontrak]]></category>
            <category><![CDATA[kpr]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Fri, 07 Aug 2026 10:11:28 GMT</pubDate>
            <atom:updated>2026-08-07T10:11:28.303Z</atom:updated>
            <content:encoded><![CDATA[<h4>Seri Decision Engineering #1 — Bukan mencari jawaban mana yang benar, tetapi memahami mengapa orang yang sama-sama rasional bisa mengambil keputusan yang berbeda.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xXMb--wixIiNcwXo5JjL0Q.png" /><figcaption>Dua Jalan Bercabang: KPR vs Ngontrak</figcaption></figure><p>Bayangkan ada dua orang dengan kondisi yang hampir identik.</p><p>Keduanya berusia 27 tahun. Gaji keduanya Rp15 juta per bulan. Mereka sama-sama memiliki tabungan Rp300 juta dan baru saja mendapatkan pekerjaan tetap di kota yang sama.</p><p>Orang pertama memutuskan membeli rumah melalui KPR. Baginya, cicilan adalah bentuk disiplin finansial. Setiap bulan, uang yang dibayarkan akan berubah menjadi aset. Setidaknya begitu yang sering ia dengar.</p><p>Orang kedua mengambil keputusan yang berbeda. Ia memilih tetap menyewa rumah sederhana dan menginvestasikan selisih biaya bulanannya ke indeks saham. Baginya, rumah adalah tempat tinggal, bukan investasi.</p><p>Sepuluh tahun berlalu. Siapa yang memiliki kekayaan lebih besar?</p><p>Jika pertanyaan ini diajukan di media sosial, jawabannya hampir selalu terbagi menjadi dua kubu.</p><p>Satu kubu berkata, <em>“Tentu yang membeli rumah. Harga properti terus naik.”</em></p><p>Kubu lain menjawab, <em>“Justru yang menyewa. Return investasi jauh lebih tinggi daripada kenaikan harga rumah.”</em></p><p>Menariknya, kedua kubu sering membawa angka, data, dan grafik. bahkan simulasi sebagai bukti bahwa mereka benar.</p><p>Lalu muncul pertanyaan yang lebih menarik: <strong>Bagaimana mungkin dua orang menggunakan data dan perhitungan, tetapi menghasilkan kesimpulan yang saling bertentangan?</strong></p><p>Jawabannya adalah karena mereka sedang menyelesaikan <strong>dua masalah yang berbeda</strong>.</p><p>Dan di situlah sebagian besar diskusi mengenai KPR versus ngontrak mulai keluar jalur.</p><h3>Mengapa Orang Selalu Berdebat Soal KPR vs Ngontrak?</h3><p>Beberapa minggu terakhir gue mulai sering mencari topik tentang KPR dan ngontrak. Semakin banyak artikel yang gue baca, semakin banyak juga video yang gue tonton — bukannya semakin yakin, gue malah semakin bingung.</p><p>Ada yang bilang membeli rumah adalah keputusan finansial terbaik karena harga properti akan terus naik. Ada juga yang berargumen bahwa ngontrak sambil menginvestasikan selisih uangnya akan menghasilkan kekayaan yang lebih besar. Kedua kubu sama-sama terdengar logis, mereka sama-sama memakai data dan berhitung.</p><blockquote>“Ngontrak itu buang uang.”</blockquote><blockquote>“Rumah bukan investasi.”</blockquote><blockquote>“Kalau nggak beli sekarang, nanti nggak akan kebeli.”</blockquote><p>Kalimat-kalimat seperti ini terdengar sederhana. Masalahnya, setiap kalimat seolah berdiri sendiri tanpa menjelaskan dunia seperti apa yang sedang mereka bayangkan. Padahal satu orang mungkin sedang berbicara tentang rumah di Jakarta, sementara yang lain membayangkan rumah di desa. Ada yang mengasumsikan harga properti terus naik, ada yang berangkat dari pengalaman ketika pasar justru stagnan. Mereka menggunakan kata yang sama, tetapi sebenarnya sedang membicarakan kondisi yang berbeda.</p><p>Di sini gue mulai curiga. Mungkin masalahnya bukan karena perhitungannya. Mungkin masalahnya adalah semua orang sibuk memperdebatkan hasil akhir, tetapi hampir tidak ada yang membahas bagaimana hasil itu dibangun. Padahal dalam dunia engineering, kualitas sebuah model selalu ditentukan oleh asumsi yang menyusunnya, bukan hanya oleh angka yang keluar di akhirnya.</p><h3>Kesalahan Terbesar: Menganggap Dunia Bersifat Deterministik</h3><p>Ada satu pola yang hampir selalu muncul dalam artikel perbandingan KPR versus ngontrak.</p><p>Gue coba pilih beberapa angka. Misalnya:</p><ul><li>Harga rumah naik 5% setiap tahun.</li><li>Return investasi 10% setiap tahun.</li><li>Inflasi 3% setiap tahun.</li><li>Biaya sewa naik 4% setiap tahun.</li></ul><p>Angka-angka itu kemudian dimasukkan ke <em>spreadsheet</em>, dan keluarlah jawaban yang terlihat sangat meyakinkan.</p><p>Masalahnya adalah dunia nyata tidak bekerja seperti <em>spreadsheet</em>. Kita cenderung memperlakukan masa depan seolah-olah sudah diketahui. Padahal yang sebenarnya kita miliki hanyalah <strong>perkiraan</strong>.</p><p>Perhatikan dua kalimat berikut.</p><blockquote>Harga rumah naik 5% setiap tahun.</blockquote><p>dan</p><blockquote>Harga rumah diperkirakan memiliki rata-rata kenaikan sekitar 5% dalam jangka panjang, tetapi dapat mengalami periode stagnasi, penurunan, maupun kenaikan yang jauh lebih tinggi.</blockquote><p>Secara angka, keduanya tampak mirip. Namun secara cara berpikir, keduanya sangat berbeda.</p><p>Kalimat pertama bersifat deterministik. Kalimat kedua mengakui adanya ketidakpastian.</p><p>Menurut gue, di sinilah banyak perbandingan mulai melenceng. Kita terlalu cepat mengubah sebuah perkiraan menjadi sebuah kepastian. Begitu satu angka dimasukkan ke dalam <em>spreadsheet</em>, angka itu seolah berubah menjadi hukum alam yang tidak mungkin salah. Padahal keputusan finansial tidak pernah dibuat di dunia yang pasti. Ia selalu dibuat di tengah informasi yang tidak lengkap dan masa depan yang belum terjadi.</p><h3>Kesalahan Memilih Variabel</h3><p>Setelah mencoba beberapa kalkulator KPR dan <em>spreadsheet</em> yang beredar di internet, gue menyadari sesuatu yang lebih menarik. Kebanyakan model sebenarnya tidak salah menghitung. Mereka hanya menghitung hal yang berbeda. Ketika variabel yang dipilih berbeda, hasil akhirnya memang seharusnya berbeda.</p><p>Misalnya, ada model yang hanya membandingkan cicilan KPR dengan biaya sewa. Model lain membandingkan harga rumah dengan return investasi. Keduanya sama-sama bisa menghasilkan perhitungan yang benar, tetapi keduanya menjawab pertanyaan yang berbeda. Ibarat menghitung waktu tempuh perjalanan hanya berdasarkan jarak, tanpa mempertimbangkan macet, cuaca, atau kondisi jalan. Rumusnya benar, tetapi modelnya belum tentu cukup menggambarkan kenyataan.</p><p>Kalau dipikir-pikir, keputusan membeli rumah ternyata membawa jauh lebih banyak variabel daripada yang sering muncul di media sosial.</p><pre>- Harga Rumah<br>- Down Payment<br>- Suku Bunga KPR<br>- Inflasi<br>- Kenaikan Harga Properti<br>- Biaya Sewa<br>- Opportunity Cost<br>- Return Investasi<br>- Pajak<br>- Biaya Perawatan<br>- Likuiditas<br>- Horizon Waktu<br>- Stabilitas Pendapatan<br>- Mobilitas Karier</pre><p>Sebagian variabel bisa dihitung dengan cukup presisi. Sebagian lagi hanya bisa diperkirakan. Bahkan ada yang sama sekali tidak bisa diubah menjadi angka, misalnya kenyamanan tinggal dekat keluarga atau kebebasan untuk pindah kota ketika karier berubah. Anehnya, justru variabel-variabel seperti inilah yang sering kali paling menentukan keputusan seseorang.</p><p>Di titik ini gue mulai menyadari bahwa pertanyaan <em>“lebih untung mana, KPR atau ngontrak?”</em> mungkin terlalu sederhana untuk persoalan yang sebenarnya jauh lebih rumit. Sebelum mencari jawaban, mungkin ada pekerjaan yang lebih penting terlebih dahulu: <strong>memastikan bahwa kita sedang membangun model yang memang cukup baik untuk menggambarkan kenyataan.</strong></p><h3>Rumah Itu Konsumsi, Investasi, atau Keduanya?</h3><p>Gue mulai sadar kalau banyak perdebatan soal KPR versus ngontrak sebenarnya bukan berawal dari angka. Melainkan ketika masing-masing orang mendefinisikan <strong>apa itu rumah</strong> dengan cara yang berbeda.</p><p>Buat sebagian orang, rumah adalah investasi. Alasannya sederhana: harganya cenderung naik dalam jangka panjang, bisa dijual kembali, bahkan bisa menghasilkan pendapatan jika disewakan. Dari sudut pandang ini, membeli rumah dianggap sebagai cara mengubah pengeluaran menjadi aset.</p><p>Di sisi lain, ada juga yang melihat rumah sebagai barang konsumsi. Rumah memberikan tempat tinggal, rasa aman, kenyamanan, dan stabilitas hidup. Semua manfaat itu dinikmati hari ini, bukan puluhan tahun lagi. Sama seperti membeli kasur yang nyaman atau memilih tinggal dekat kantor, rumah adalah sesuatu yang dikonsumsi karena meningkatkan kualitas hidup.</p><p>Menurut gue, kedua cara pandang itu sama-sama benar. Justru masalahnya muncul ketika kita memaksa rumah hanya masuk ke satu kategori. Begitu rumah dianggap <strong>murni investasi</strong>, orang mulai mengabaikan manfaat yang tidak bisa diukur dengan rupiah. Sebaliknya, ketika rumah dianggap <strong>murni konsumsi</strong>, potensi nilai ekonominya ikut terabaikan.</p><p>Mungkin karena itu perdebatan KPR versus ngontrak sering terasa buntu. Sebagian orang sedang berbicara tentang investasi, sementara sebagian lainnya sedang berbicara tentang tempat tinggal. Mereka menggunakan objek yang sama, tetapi sebenarnya sedang membahas dua fungsi yang berbeda.</p><h3>Apa yang Sebenarnya Sedang Kita Optimalkan?</h3><p>Setelah memikirkan soal fungsi rumah, gue mulai bertanya lagi. Misalnya ada dua pilihan. Pilihan pertama membuat kekayaan lu lebih besar tiga puluh tahun lagi. Pilihan kedua menghasilkan kekayaan yang sedikit lebih kecil, tetapi memberikan kehidupan yang lebih stabil selama tiga puluh tahun itu. Mana yang lebih baik?</p><p>Gue sengaja tidak langsung menjawabnya. Soalnya pertanyaan itu menunjukkan satu hal penting: <strong>keputusan finansial tidak selalu sedang mengoptimalkan uang</strong>. Kadang yang sedang kita cari justru ketenangan, fleksibilitas, atau kepastian hidup.</p><p>Dalam dunia engineering, sebelum membangun solusi, kita harus tahu dulu apa yang ingin dioptimalkan. Mobil balap dirancang untuk menjadi cepat. Mobil keluarga dirancang agar nyaman dan aman. Keduanya sama-sama mobil, tetapi desainnya berbeda karena tujuan optimasinya juga berbeda. Keputusan finansial bekerja dengan logika yang sama.</p><p>Kalau tujuan setiap orang berbeda, maka metrik keberhasilannya juga tidak bisa dipaksa sama. Ada yang mengejar pertumbuhan kekayaan, ada yang mengutamakan arus kas bulanan, ada yang membutuhkan likuiditas tinggi karena pekerjaannya mengharuskan sering berpindah kota. Bahkan ada yang rela membayar lebih mahal demi memastikan keluarganya tidak perlu pindah rumah setiap beberapa tahun.</p><p>Artinya, keputusan membeli rumah bukan hanya tentang <strong>berapa besar uang yang dimiliki</strong>, tetapi juga <strong>kehidupan seperti apa yang ingin dibangun</strong>. Selama tujuan itu belum jelas, membandingkan KPR dan ngontrak hanya berdasarkan satu angka akan selalu menghasilkan kesimpulan yang terasa kurang lengkap.</p><h3>Sebelum Menghitung, Gue Ingin Membangun Cara Berpikirnya</h3><p>Sampai di sini gue belum tahu apakah KPR lebih baik daripada ngontrak. Tapi ada satu hal yang mulai gue yakini. Sebagian besar perdebatan yang gue temui terlalu cepat membahas hasil, padahal yang jauh lebih penting adalah memahami bagaimana hasil itu diperoleh.</p><p>Setiap kali menemukan artikel yang menyimpulkan “KPR lebih untung” atau “ngontrak lebih rasional”, gue mulai terbiasa mengajukan pertanyaan yang berbeda.</p><p><em>Asumsi apa yang dipakai?</em></p><p><em>Variabel apa yang dimasukkan?</em></p><p><em>Apa yang sengaja diabaikan?</em></p><p><em>Dalam kondisi seperti apa kesimpulan itu tidak lagi berlaku?</em></p><p>Menariknya, semakin sering gue bertanya seperti itu, semakin gue sadar bahwa <em>spreadsheet</em> hanyalah alat. Yang benar-benar menentukan kualitas adalah cara kita membangun model di baliknya.</p><p>Karena itulah, daripada mencari kalkulator yang dianggap paling benar, gue lebih tertarik menyusun modelnya sendiri dari awal. Karena setiap asumsi bisa dilihat, diuji, dan diubah ketika kondisi berubah. Kalau suatu hari suku bunga naik, return investasi turun, atau rencana hidup berubah, gue tinggal memperbarui modelnya tanpa harus mengulang cara berpikir dari nol.</p><p>Sebagai titik awal, gue ingin menggunakan kerangka berpikir yang sederhana.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qmlDLYCosqyztjnx8dwxjw.png" /><figcaption>Loop Continuous Improvement</figcaption></figure><p>Artikel ini memang belum menghasilkan jawaban apakah KPR lebih baik daripada ngontrak. Dan menurut gue itu bukan kegagalan. Justru itu tujuannya. Sebelum mulai menghitung cicilan, inflasi, return investasi, atau kenaikan harga rumah, kita perlu memastikan bahwa pertanyaan yang sedang kita jawab memang pertanyaan yang benar.</p><p><strong>Di artikel berikutnya, kita akan mulai membangun model itu satu per satu, lengkap dengan asumsi, rumus, dan batasannya. Baru setelah itu kita bisa menguji dalam kondisi seperti apa KPR lebih rasional daripada ngontrak, dan kapan justru sebaliknya.</strong></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=04014c91d95e" width="1" height="1" alt=""><hr><p><a href="https://medium.com/cerita-uang-perekonomian/kpr-vs-ngontrak-mungkin-pertanyaan-yang-kita-ajukan-sudah-salah-sejak-awal-04014c91d95e">KPR vs Ngontrak: Mungkin Pertanyaan yang Kita Ajukan, Sudah Salah Sejak Awal</a> was originally published in <a href="https://medium.com/cerita-uang-perekonomian">Cerita Uang &amp; Perekonomian</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Bilangin ke Nietzsche, Bentuk Paling Murni dari Amor Fati Itu Menjadi WNI]]></title>
            <link>https://medium.com/@oktavian.aji18/bilangin-ke-nietzsche-bentuk-paling-murni-dari-amor-fati-itu-menjadi-wni-6a70aefc1949?source=rss-57f8c0122666------2</link>
            <guid isPermaLink="false">https://medium.com/p/6a70aefc1949</guid>
            <category><![CDATA[wni]]></category>
            <category><![CDATA[reflections]]></category>
            <category><![CDATA[comedy]]></category>
            <category><![CDATA[neitzsche]]></category>
            <dc:creator><![CDATA[Oktavian Aji]]></dc:creator>
            <pubDate>Fri, 31 Jul 2026 05:41:01 GMT</pubDate>
            <atom:updated>2026-07-31T05:41:01.427Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aM7EDoxefHooG142w3GMTw.png" /><figcaption>Meme Factory</figcaption></figure><p>Konon, manusia yang kuat adalah manusia yang mampu mencintai takdirnya.</p><p>Begitulah kira-kira pesan yang ingin disampaikan Friedrich Nietzsche lewat konsep <em>amor fati</em>. Bukan sekadar menerima hidup, tetapi mencintainya. Menerima semua yang datang, yang menyenangkan maupun yang menyebalkan. Seolah-olah kita sendiri yang memesannya dari semesta.</p><p>Sebuah gagasan yang terdengar indah.</p><p>Sampai gue sadar bahwa Nietzsche kemungkinan besar tidak pernah menjadi warga negara Indonesia.</p><p>Kalau pernah, mungkin ia tidak akan repot-repot menulis <em>Amor Fati</em>. Ia cukup mengurus KTP, membuka portal berita setiap pagi, lalu mengangguk pelan sambil berkata, “Ohh… gue ngerti sekarang.”</p><p>Karena kalau ada bangsa yang mempraktikkan <em>amor fati</em> secara kolektif tanpa sadar, mungkin kita salah satunya.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*O_xjkbfK-JEqNMoumUaGng.png" /></figure><p>Banyak orang mengira <em>amor fati</em> berarti pasrah, padahal bukan. Pasrah adalah menyerah karena merasa tidak punya pilihan.</p><p><em>Amor fati</em> justru meminta kita berkata “ya” kepada hidup, bahkan ketika hidup sedang berusaha mengetes batas kesabaran kita.</p><p>Di negara lain, itu mungkin ujian filsafat.</p><p>Di Indonesia, itu disebut hari kerja.</p><p>Itulah mungkin bentuk adaptasi paling jujur yang pernah diciptakan manusia.</p><p>Di banyak negara, profesi biasanya memiliki batas yang jelas. Guru mengajar. Tentara menjaga pertahanan negara. Polisi menangani kepolisian. Jaksa menangani penuntutan. Koperasi mengelola koperasi.</p><p>Di Indonesia, semua itu terdengar lebih seperti… saran.</p><p>Guru kini bukan hanya mengajar. Mereka juga disibukkan dengan berbagai administrasi dan penyiapan program MBG. Tentara ikut bertani demi ketahanan pangan.</p><p>Manajer koperasi desa.. mendapat pelatihan yel-yel.</p><p>Gue nggak kebayang bagaimana nanti manajer kopdes menghadapi pembeli.</p><p>Kopdes: “Selamat pagi ada yang bisa dibantu.”</p><p>Pembeli: “Ada obat tetes mata?”</p><p>Kopdes: “Ada! Ini mataku, mata kanan mataku, mata kiri mataku, mata mataaa!!!”</p><p>Lalu ada fenomena lain yang menurut gue sangat khas: kecepatan pergantian isu.</p><p>Dulu, satu berita aneh bisa menjadi bahan obrolan seminggu penuh. Sekarang, berita itu hanya bertahan sampai makan siang karena sore harinya muncul berita yang lebih aneh lagi.</p><p>Siklusnya hampir selalu sama.</p><p>Kaget.</p><p>Berdebat.</p><p>Bikin meme.</p><p>Lanjut hidup.</p><p>Besok ulangi lagi.</p><p>Bahkan konflik antarlembaga pun kadang terasa seperti serial televisi. Kejaksaan membuka kasus yang melibatkan polisi. Polisi membalas dengan penyelidikan kejaksaan. Publik mulai memilih kubu. Beberapa hari kemudian, kedua pimpinan tertinggi berjabat tangan.</p><p>Penonton yang sudah menyiapkan popcorn cuma bisa menyimpannya lagi.</p><p>Yang paling menarik justru bukan berita-beritanya, melainkan reaksi masyarakat.</p><p>Negara lain mungkin memiliki tradisi demonstrasi. Kita juga.</p><p>Bedanya, kita punya satu tradisi tambahan yang sangat khas: membuat meme.</p><p>Hampir tidak ada peristiwa yang terlalu serius untuk lolos dari kreativitas netizen.</p><p>Belum selesai satu isu dibahas, sudah muncul gambar editan.</p><p>Belum selesai konferensi pers, template baru sudah beredar ke berbagai sosial media.</p><p>Gue kadang bertanya-tanya, apakah meme di Indonesia itu bentuk hiburan, mekanisme bertahan hidup, atau sekadar cara kita mengulur napas sebelum menghadapi kenyataan lagi.</p><p>Mungkin jawabannya bukan salah satu. Mungkin semuanya.</p><p>Di Indonesia, meme bukan solusi. Ia lebih mirip parasetamol. Penyebabnya belum hilang, tapi setidaknya kepala tidak terlalu pening.</p><p>Lalu besok pagi kita bangun lagi, membuka berita lagi, dan entah bagaimana masih mampu tertawa.</p><p>Mungkin di sinilah letak kesalahpahaman terbesar kita terhadap ketahanan.</p><p>Selama ini kita mengira ketahanan adalah kemampuan menghadapi satu cobaan besar.</p><p>Padahal kenyataannya, ketahanan sering kali hanyalah kemampuan menghadapi seratus keanehan kecil tanpa kehilangan selera humor.</p><p>Hidup terus menaikkan level kesulitan, sementara kita bahkan belum selesai tutorial.</p><p>Kita mengeluh, kita tertawa, kita membuat meme, lalu besok bangun pagi lagi.</p><p>Kalau dipikir-pikir, itu bukan kemampuan yang sederhana.</p><p>Nietzsche pernah membayangkan manusia ideal sebagai seseorang yang mampu berkata “ya” kepada hidup.</p><p>Gue membayangkan kalau ia suatu hari benar-benar datang ke Indonesia.</p><p>Pagi hari ia membaca berita ekonomi. Siang hari muncul masalah baru. Sore hari muncul berita lain yang sama-sama sulit ditebak. Malamnya linimasa penuh meme.</p><p>Awalnya mungkin ia mencoba mencari benang merah. Semakin lama, ia berhenti mencari.</p><p>Ia memesan kopi, memandangi layar ponsel, tersenyum kecil. Lalu menutup bukunya sendiri.</p><p>Barangkali saat itulah ia menyadari bahwa <em>amor fati</em> bukan hanya lahir di ruang-ruang filsafat atau di kepala para pemikir besar.</p><p>Kadang ia hidup diam-diam di warung kopi, di gerbong kereta, di kantor-kantor, di obrolan grup keluarga, dan di linimasa media sosial.</p><p>Hidup dalam bentuk orang-orang biasa yang setiap pagi membuka berita dengan sedikit rasa cemas, setiap siang menggelengkan kepala, setiap sore membuat lelucon, lalu tetap bangun keesokan harinya untuk menjalani hidup seperti biasa.</p><p>Mungkin kita memang tidak tinggal di negara yang paling mudah dipahami.</p><p>Tetapi kalau masih bisa tertawa tanpa kehilangan harapan, mungkin kita sudah mempraktikkan sesuatu yang bahkan Nietzsche sendiri belum sempat saksikan.</p><p>Jadi, kalau suatu hari ada yang bertanya kepada gue apa contoh paling sederhana dari <em>amor fati</em>, gue mungkin akan menjawab dari kutipan mas-mas di Threads: “Menjadi WNI.”</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6a70aefc1949" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>