nu: Penilaian dalam Ketidakpastian: Nilai Harapan, Kalibrasi & Bias

Selamat Datang

Selamat datang di Penilaian dalam Ketidakpastian.

Setiap pilihan penting yang akan Anda buat adalah taruhan yang ditempatkan dengan informasi yang tidak lengkap. Anda jarang mengetahui bagaimana segala hal akan berakhir. Yang dapat Anda kendalikan adalah kualitas penalaran Anda sebelum hasil tersebut tiba.

Hari ini Anda akan membangun lima alat yang membedakan pengambil keputusan yang cermat dari mereka yang hanya beruntung: nilai harapan, kalibrasi, kesadaran akan bias, kemampuan dibalikkan (reversibility), dan perbedaan antara keputusan yang baik dengan hasil yang baik.

Alat-alat ini tetap berguna bahkan ketika sistem otomatis memberikan rekomendasi kepada Anda, karena tanggung jawab atas keputusan tersebut tetap berada di pundak Anda.

Menimbang Hasil dengan Probabilitas

Perbandingan nilai harapan dari dua opsi dengan sebaran varians

Nilai Harapan

Ketika hasil tidak pasti, nilai harapan (EV) adalah hasil rata-rata yang akan Anda peroleh jika Anda dapat mengulangi keputusan yang sama berkali-kali.

Rumusnya adalah jumlah berbobot: EV = jumlah dari (probabilitas x hasil). Kalikan setiap kemungkinan hasil dengan probabilitasnya, lalu jumlahkan hasil perkalian tersebut.

Kerjakan dua opsi berikut:

- Opsi A (pilihan aman): Peluang 90% untuk +$100, dan peluang 10% untuk -$50.

EV(A) = 0,90 x (+$100) + 0,10 x (-$50) = 90 - 5 = +$85.

- Opsi B (peluang kecil): Peluang 30% untuk +$400, dan peluang 70% untuk -$50.

EV(B) = 0,30 x (+$400) + 0,70 x (-$50) = 120 - 35 = +$85.

Kedua opsi memiliki nilai harapan yang sama: +$85. Berdasarkan nilai harapan mentah saja, keduanya seri. Sebentar lagi Anda akan melihat mengapa pengambil keputusan yang cermat mungkin tetap lebih memilih salah satunya.

Menghitung Nilai Harapan

Giliran Anda: Satu Angka

Berikut adalah satu taruhan. Ada dua hasil, dan nilai imbalannya sudah dinyatakan dalam dolar bersih:

- Peluang 10% untuk mendapatkan +$75 bersih

- Peluang 90% untuk mengalami -$5 bersih

Berapakah nilai harapan dari taruhan ini, dalam dolar? Tunjukkan perkaliannya jika bisa, lalu berikan angka akhirnya.

Ketika Risiko Mengalahkan EV Mentah

Nilai harapan (expected value) mengasumsikan Anda dapat mengulang taruhan tersebut banyak kali sehingga rata-rata akhirnya menang. Banyak keputusan nyata hanya terjadi satu kali. Satu kerugian yang tidak dapat Anda pulihkan dapat mengakhiri permainan sebelum rata-rata sempat terwujud.

Varians mengukur seberapa tersebar hasil pembayaran yang mungkin terjadi. Opsi A sebelumnya tetap berada dalam rentang yang sempit; Opsi B bisa berayun jauh ke arah mana pun. EV yang sama, risiko yang sangat berbeda.

Aturan praktis: ketika kemungkinan kerugian cukup besar untuk menghancurkan Anda (kebangkrutan, cedera, kehilangan sesuatu yang tidak tergantikan), biarkan risiko tersebut mengesampingkan EV mentah. Rata-rata yang sedikit lebih rendah adalah harga yang wajar untuk menghindari kehancuran. Inilah mengapa orang membeli asuransi meskipun asuransi memiliki EV negatif.

Bandingkan Dua Opsi

Giliran Anda: Dua Opsi

Sebuah perusahaan kecil harus memilih satu rencana peluncuran:

- Rencana A: Peluang 60% untuk keuntungan +$50.000, dan peluang 40% untuk kerugian -$20.000.

- Rencana B: Keuntungan +$15.000 yang dijamin.

Hitung nilai harapan (expected value) dari masing-masing rencana, sebutkan rencana mana yang memiliki EV lebih tinggi, dan jelaskan kapan perusahaan seharusnya tetap memilih rencana yang lain.

Apa yang Seharusnya Dimaknai oleh Tingkat Keyakinan

Kalibrasi: Apa yang Seharusnya Dimaknai oleh Tingkat Keyakinan

Ketika Anda mengatakan bahwa Anda 70% yakin, Anda sedang membuat klaim yang dapat diuji: di sepanjang semua kali Anda merasa yakin persis pada tingkat ini, Anda seharusnya terbukti benar sekitar 70% dari waktu.

Orang yang terkalibrasi dengan baik yang menyatakan 70% pada 100 prediksi akan mendapatkan sekitar 70 di antaranya benar. Jika mereka hanya mendapatkan 40 yang benar, mereka terlalu percaya diri. Jika mereka mendapatkan 90 yang benar, mereka kurang percaya diri.

Terlalu percaya diri adalah kesalahan kalibrasi yang paling umum. Sebagian besar orang jauh lebih yakin daripada yang dibenarkan oleh rekam jejak mereka, yang secara diam-diam merusak keputusan mereka. Solusinya adalah melacak prediksi Anda dan membandingkan tingkat keyakinan yang Anda nyatakan dengan tingkat keberhasilan aktual Anda.

Membaca Tingkat Keyakinan Anda Sendiri

Giliran Anda

Misalkan Anda membuat 10 prediksi terpisah, dan setiap kali Anda menyatakan keyakinan 70%.

Jika Anda terkalibrasi dengan baik, kira-kira berapa banyak dari 10 prediksi tersebut yang seharusnya terjadi? Dan apa artinya tentang keyakinan Anda jika hanya 3 dari 10 yang ternyata benar, dibandingkan jika 9 dari 10 yang ternyata benar?

Tiga Bias yang Menghijack Keputusan

Meskipun sudah memiliki EV dan kalibrasi di tangan, jalan pintas mental yang dapat diprediksi mendistorsi penilaian. Tiga yang paling merusak:

1. Kesesatan biaya tenggelam (sunk-cost fallacy): membiarkan uang, waktu, atau usaha yang sudah Anda habiskan (dan tidak dapat dikembalikan) membuat Anda tetap berkomitmen. "Kami sudah menginvestasikan dua tahun, kami tidak bisa berhenti sekarang." Pengeluaran masa lalu itu sudah hilang dalam keadaan apa pun; hanya biaya dan manfaat di masa depan yang seharusnya menggerakkan pilihan.

2. Overconfidence (kepercayaan diri berlebihan): menilai terlalu tinggi seberapa banyak yang Anda ketahui dan seberapa besar kemungkinan Anda benar (kesalahan kalibrasi dari bagian sebelumnya). Hal ini membuat Anda melewatkan cadangan, meremehkan lini masa, dan mengabaikan tanda-tanda peringatan.

3. Anchoring (penambatan): mengunci diri pada angka pertama yang Anda dengar dan terlalu sedikit menyesuaikan darinya. Harga pertama yang disebutkan dalam negosiasi, atau estimasi pertama dalam proyek, menarik setiap penilaian selanjutnya ke arahnya meskipun angka pertama itu sewenang-wenang.

Anda tidak dapat menghapus bias-bias ini, tetapi menamainya memungkinkan Anda untuk menangkapnya saat sedang terjadi.

Kenali Biaya yang Sudah Terlanjur

Giliran Anda

Pertimbangkan situasi ini:

Anda sudah menghabiskan $60 dan tiga jam untuk sebuah proyek yang jelas-jelas tidak akan membuahkan hasil. Seorang rekan kerja berkata: "Kita sudah menginvestasikan begitu banyak untuk ini, kita tidak bisa berhenti sekarang."

Bias apa yang sedang dialami oleh rekan kerja Anda? Sebutkan namanya, dan jelaskan apa yang seharusnya menjadi dasar keputusan untuk melanjutkan atau tidak.

Pintu Satu Arah dan Dua Arah

Tidak setiap keputusan layak mendapat perhatian yang sama. Uji yang berguna: apakah ini pintu satu arah atau pintu dua arah?

Pintu dua arah dapat dibalikkan. Jika pilihan ternyata salah, kamu bisa kembali dan membatalkannya dengan biaya murah: mencoba alat baru, menata ulang ruangan, menguji jadwal belajar. Putuskan hal-hal ini dengan cepat. Terlalu banyak berpikir tentang pilihan yang dapat dibalikkan membuang waktu yang bisa kamu gunakan untuk belajar dari hasilnya.

Pintu satu arah tidak dapat dibalikkan, atau mahal untuk dibalikkan: menghapus satu-satunya salinan file, putus sekolah, tato permanen, menerbitkan sesuatu ke seluruh dunia. Putuskan hal-hal ini pelan-pelan dan dengan hati-hati, kumpulkan lebih banyak informasi, dan bangun pengaman.

Keterampilannya adalah menyesuaikan tingkat pertimbangan Anda dengan tingkat reversibilitas keputusan. Mengambil keputusan lambat untuk pintu dua arah dan keputusan cepat untuk pintu satu arah sama-sama merupakan kesalahan yang mahal.

Klasifikasikan Pintunya

Giliran Anda

Berikut adalah dua keputusan:

- (a) Menghapus salinan terakhir dari sebuah file secara permanen.

- (b) Mencoba pengaturan tempat duduk baru di dalam kelas.

Untuk setiap keputusan, tentukan apakah itu pintu satu arah (tidak dapat dibalik) atau pintu dua arah (dapat dibalik), dan berapa banyak pertimbangan yang pantas diberikan untuk masing-masing.

Kualitas Keputusan vs Kualitas Hasil

Keputusan yang baik menggunakan penalaran terbaik yang tersedia mengenai probabilitas dan risiko pada saat kamu membuat keputusan. Hasil yang baik hanyalah bagaimana keadaan akhirnya, dan keberuntungan memiliki suara dalam hal itu.

Karena ketidakpastian itu nyata, keputusan yang baik tetap bisa berujung pada hasil buruk, dan keputusan yang sembrono bisa saja beruntung. Menilai sebuah keputusan hanya berdasarkan hasilnya adalah jebakan yang disebut resulting.

Untuk mengevaluasi sebuah keputusan secara adil, tanyakan: berdasarkan apa yang dapat diketahui pada saat itu, apakah ini taruhan yang masuk akal? Seorang pemain poker bisa memainkan satu tangan dengan sempurna dan tetap kalah karena kartu yang beruntung. Hal itu tidak membuat permainan tersebut salah.

Keputusan Baik atau Hasil Baik?

Giliran Anda

Seorang teman menerobos lampu merah pada pukul 2 pagi saat tidak ada mobil di mana pun, dan tiba di rumah dengan selamat.

Apakah menerobos lampu merah adalah keputusan yang baik? Jelaskan perbedaan antara keputusan yang baik dan hasil yang baik, lalu gunakan penjelasan tersebut untuk menilai kasus ini.

Ketika Mesin Merekomendasikan Pilihan

Semakin banyak, sistem otomatis akan memberikan rekomendasi kepada Anda: rute ini, diagnosis ini, perdagangan ini, kandidat ini. Seringkali, sistem tersebut mengurutkan opsi berdasarkan nilai ekspektasi atau skor serupa.

Rekomendasi tersebut adalah masukan, bukan vonis. Sistem mengoptimalkan angka-angka yang diberikan kepadanya. Sistem tidak merasakan beratnya pintu satu arah, tidak tahu kerugian mana yang akan menghancurkan Anda, dan probabilitasnya bisa salah, bias, atau kehilangan konteks.

Tugas Anda adalah menimbang apa yang tidak bisa dilakukan mesin: Apakah opsi dengan EV (Expected Value) yang lebih tinggi terlalu berisiko jika gagal? Apakah hal ini dapat dibalikkan? Apakah Anda mempercayai input-nya? Apa pun yang disarankan oleh alat, Anda menimbang EV, risiko, dan kemampuan pembalikan, dan Anda bertanggung jawab atas hasilnya.

Membatalkan Rekomendasi

Giliran Anda

Sebuah sistem otomatis merekomendasikan Opsi A karena memiliki nilai harapan (expected value) tertinggi.

Dalam keadaan apa manusia harus membatalkan rekomendasi tersebut dan memilih secara berbeda? Berikan setidaknya satu alasan konkret, dan sebutkan siapa yang memiliki keputusan akhir.