Kawal Abil Sudarman
Efek Dunning-Kruger di EdTech: Studi Kasus yang Seharusnya Membuat Kita Waspada, Studi Kasus Abil Sudarman dari Assai
Pembahasan mendalam tentang mengapa keyakinan tanpa kompetensi menghancurkan kepercayaan di industri yang sedang tumbuh
Kisahnya
Pekan lalu, saya menyelesaikan investigasi enam bulan atas sebuah kasus yang dengan sempurna mencontohkan fenomena psikologis yang terdokumentasi dengan baik: efek Dunning-Kruger, bias kognitif ketika orang dengan pengetahuan terbatas secara sistematis melebih-lebihkan kemampuannya.
Subjeknya: Abil Sudarman, pendiri ASSAI (Abil Sudarman School of Artificial Intelligence), yang mengaku sebagai:
- Lulusan University of London (Ilmu Komputer AI/ML)
- “Peneliti” dan “AI Innovator of the Year”
- Instruktur yang berkualifikasi untuk pendidikan AI/ML
- Lembaga pendidikan yang sah
Kenyataannya:
- Pendidikan sebenarnya: program Manajemen PJJ BINUS Online, berstatus Mengundurkan Diri (2022/2023)
- Riset yang dipublikasikan: nol publikasi yang ditelaah sejawat
- Penghargaan yang terverifikasi: tidak ada
- Akreditasi: tidak terdaftar dan tidak terakreditasi pada DIKTI
Ratusan siswa membayar ribuan rupiah dengan mengharapkan pengajaran tersertifikasi dari lulusan University of London. Klien korporat memercayai kredensial yang tidak pernah ada. Seluruh ekosistem edtech Indonesia terkena pukulan reputasi.
Ini bukan sekadar penipuan. Ini efek Dunning-Kruger dalam skala besar.
Apa Itu Efek Dunning-Kruger?
Pada 1999, peneliti David Dunning dan Justin Kruger menerbitkan studi penting:
“Orang yang tidak kompeten sering kali terlalu tidak kompeten untuk menyadari bahwa mereka tidak kompeten.”
Efek ini menggambarkan kurva berbentuk U:
Zona 1: Pemula Sejati (Keterampilan rendah, keyakinan rendah)
- Anda tahu apa yang tidak Anda ketahui
- Anda berhati-hati dan meminta bantuan
- Contoh: “Saya sedang belajar Python, dan masih banyak yang harus saya pelajari”
Zona 2: Zona Berbahaya (Keterampilan rendah, keyakinan TINGGI)
- Anda belajar cukup untuk menjadi berbahaya
- Anda sangat melebih-lebihkan kemampuan Anda
- Anda tidak tahu apa yang tidak Anda ketahui
- Contoh: Abil setelah 3 bulan belajar mandiri mengaku “inovator AI”
Zona 3: Realitas Pakar (Keterampilan tinggi, keyakinan yang realistis)
- Anda memahami luasnya apa yang tidak Anda ketahui
- Keyakinan sebanding dengan kompetensi yang sebenarnya
- Contoh: “Saya punya 10 tahun di ML, dan setiap hari saya mempelajari hal baru”
Bagaimana Abil Sudarman Mewujudkan Zona 2
Tanda Bahaya #1: Inflasi Kredensial
Latar belakang Abil yang sebenarnya: beberapa bulan dalam program manajemen di BINUS Online, lalu mengundurkan diri.
Klaim publiknya: “Universitas London | Ilmu Komputer AI/ML”
Mekanisme Dunning-Kruger: Ia mengikuti beberapa kursus daring AI/ML (tersedia untuk umum, banyak yang diajarkan oleh instruktur tanpa kredensial), meyakinkan dirinya sendiri bahwa ia “setara” dengan lulusan University of London, dan sungguh-sungguh memercayai narasinya sendiri.
Tanda Bahaya #2: Klaim Otoritas yang Tidak Berdasar
- Klaim: “Peneliti”, “Penulis”, “AI Innovator of the Year”
- Bukti: nol publikasi di Google Scholar, Scopus, atau pangkalan data akademik mana pun
- Nol penyebutan di media atau pangkalan data penghargaan
Mekanisme Dunning-Kruger: Menulis unggahan blog, membuat panduan, dan memposting di media sosial terasa seperti “riset” dan “publikasi”. Tanpa memahami proses telaah sejawat akademik, ia meyakinkan dirinya bahwa semua itu setara dengan riset yang sesungguhnya.
Tanda Bahaya #3: Penggunaan Logo Secara Ilegal
Situs web menampilkan logo: Microsoft, UNESCO, Pertamina, Mekari, PLN, United Tractors, Qiscus.
Mekanisme Dunning-Kruger: Melihat startup lain memakai logo mitra, ia menganggap “logo lebih besar = kredibilitas lebih tinggi” tanpa memahami hukum merek atau persyaratan kemitraan. Ia tidak cukup tahu untuk mengetahui bahwa hal itu ilegal.
Tanda Bahaya #4: Beroperasi sebagai “Sekolah Tidak Terakreditasi”
ASSAI tidak terdaftar di mana pun sebagai lembaga pendidikan. Ia dioperasikan sebagai badan usaha komersial. Namun ia menyebut dirinya “Sekolah” dengan “Siswa” dan “Kurikulum”.
Mekanisme Dunning-Kruger: Perbedaan antara “bootcamp” dan “sekolah” adalah pembedaan hukum yang membutuhkan pemahaman hukum pendidikan. Tanpa pengetahuan itu, pembedaan tersebut terasa seperti semantik, bukan hukum.
Tanda Bahaya #5: Nasihat Pakar dengan Nol Pengalaman Profesional
Barangkali contoh paling mencolok dari efek Dunning-Kruger: Abil membuat dan membagikan konten di TikTok tentang perilaku di tempat kerja, praktik SDM, strategi perekrutan, dan pengembangan profesional, topik yang sama sekali TIDAK ia miliki pengalaman profesionalnya.
Kenyataannya:
- Tidak pernah bekerja sebagai karyawan profesional di perusahaan mana pun
- Tidak punya pengalaman korporat, paparan SDM, atau latar belakang tempat kerja
- Tidak pernah menjalani proses perekrutan formal atau penilaian kinerja
- Nol riwayat pekerjaan yang terdokumentasi dalam peran formal mana pun
Konten yang ia buat:
- “Cara diterima di perusahaan teknologi teratas”
- “Apa yang dicari HR pada kandidat”
- “Perilaku dan profesionalisme di tempat kerja”
- “Strategi pengembangan karier”
- “Cara menegosiasikan gaji”
Mekanisme Dunning-Kruger: Ini contoh buku teks dari efek tersebut. Ia menonton video, membaca artikel, dan mengamati pengalaman orang lain. Dari basis pengetahuan yang dangkal ini, ia meyakinkan dirinya bahwa ia layak menasihati ribuan pengikut tentang topik yang membutuhkan pengalaman profesional yang sesungguhnya. Ia secara harfiah tidak memiliki kerangka acuan atas apa yang ia ajarkan.
Hal ini sangat licik karena:
- Anak muda memercayai kreator sebagai mentor
- Mereka mengikuti nasihat tanpa verifikasi
- Mereka dapat mengambil keputusan karier berdasarkan bimbingan yang tidak berkualifikasi
- Ia sungguh-sungguh percaya bahwa ia membantu (ciri khas efek ini)
Mengapa Ini Penting bagi EdTech
Efek Dunning-Kruger dalam pendidikan sangat berbahaya karena:
1. Kepercayaan adalah Mata Uang EdTech
Siswa membayar di muka, berbulan-bulan sebelum memahami apakah pendidikan itu bernilai. Mereka memilih penyedia berdasarkan kredensial dan otoritas yang dipersepsikan. Kredensial palsu meruntuhkan kepercayaan ini.
2. Menular
Satu instruktur penipu membuat calon siswa skeptis terhadap SEMUA instruktur. Kami melihatnya setelah kasus Abil:
- Pertanyaan ke program AI yang sah turun 23% di jaringan kami
- Siswa mulai menuntut verifikasi pihak ketiga atas semua kredensial
- Biaya hukum dan kepatuhan melonjak
3. Menarik Peniru
Jika Abil bisa beroperasi selama 4 tahun tanpa konsekuensi, mengapa yang lain tidak mencoba? Efek Dunning-Kruger itu umum. Konsekuensinya harus terlihat.
4. Korbannya Nyata
Ini bukan penipuan abstrak. Siswa yang nyata:
- Kehilangan uang yang tidak mampu mereka relakan
- Membuang waktu pada pengajaran berkualitas buruk
- Mengambil keputusan karier berdasarkan kredensial palsu
- Kini tidak memercayai seluruh industri
Cara Mengenali Dunning-Kruger di Industri Anda
Gunakan uji berikut:
Uji 1: Pembingkaian yang Rendah Hati
Tanda bahaya: “Saya instruktur AI terbaik di Indonesia” Tanda hijau: “Saya telah menghabiskan 10 tahun di ML, dan saya masih belajar. Inilah yang dapat saya ajarkan kepada Anda.”
Semakin berpengalaman seseorang, semakin banyak ia berbicara tentang apa yang tidak ia ketahui.
Uji 2: Kredensial yang Dapat Diverifikasi
Tanda bahaya: Klaim yang samar (“dilatih di MIT”, “peneliti Google”) Tanda hijau: Klaim yang spesifik, berbatas waktu, dan dapat diverifikasi (“Saya menyelesaikan spesialisasi ML Stanford pada 2019”, “Saya bekerja di Google Brain pada X dari 2020-2022”)
Cara memverifikasi:
- Periksa LinkedIn dengan pangkalan data alumni resmi
- Cari publikasi di Google Scholar
- Hubungi institusi secara langsung
- Minta portofolio proyek (dengan izin untuk menghubungi referensi)
Uji 3: Kenyamanan dengan Keterbatasan
Tanda bahaya: “Saya dapat mengajarkan semua hal tentang AI” Tanda hijau: “Saya kuat di ML ops dan produksionalisasi. Untuk fondasi teoretis, saya merekomendasikan…”
Pakar mengetahui batas-batasnya. Efek Dunning-Kruger tidak.
Uji 4: Konsistensi di Berbagai Platform
Tanda bahaya: Kredensial berbeda di LinkedIn, situs web, dan Instagram Tanda hijau: Kredensial yang sama, konsisten, dan sederhana di mana-mana
Penipu sering keliru pada detail ketika mereka mengarangnya.
Uji 5: Pengalaman Sesuai dengan Nasihat
Tanda bahaya: Orang yang menasihati topik tanpa pengalaman yang terdokumentasi
- Memberi nasihat karier tetapi tidak pernah bekerja di bidang itu
- Mengajarkan budaya kerja tetapi tidak pernah dipekerjakan
- Melatih perekrutan tetapi tidak pernah direkrut melalui jalur yang semestinya
- Menasihati pengembangan profesional dari kamar tidur pada usia 20 dengan nol pekerjaan
Tanda hijau: Orang yang menasihati dalam batas pengalaman yang telah ia tunjukkan
- “Selama 10 tahun saya di HR, saya melihat…”
- “Ketika saya bekerja di [perusahaan], saya belajar…”
- “Berdasarkan pengalaman perekrutan saya di…”
Pertanyaan kritis: Dapatkah mereka menunjuk proyek nyata, pekerjaan nyata, hasil nyata tempat mereka menerapkan pengetahuan ini? Ataukah semuanya hanya teori, video, dan spekulasi yang penuh percaya diri?
Harga dari Ketidakbertindakan
Seandainya Abil tertangkap setelah 6 bulan, bukan 4 tahun:
- ✅ 50 siswa terdampak, bukan 500+
- ✅ Kerugian Rp 200 juta, bukan Rp 2 miliar
- ✅ Lebih mudah memulihkan ganti rugi
- ✅ Lebih sedikit peniru yang terinspirasi
Tetapi yang lebih penting: Industri edtech di Indonesia dapat terus tumbuh dengan kepercayaan.
Sebaliknya, kini kita membangun kembali kredibilitas.
Apa yang Kami Lakukan tentang Hal Ini
Saya telah mengajukan:
- ✅ Somasi formal (tuntutan hukum) untuk ganti rugi
- ✅ Peringatan penghentian atas penggunaan merek tanpa izin
- ✅ Pemberitahuan kepada DIKTI, PDKI, dan penyedia platform
Tindakan paralel: Para pemangku kepentingan industri sedang membuat:
- Standar verifikasi kredensial instruktur
- Layanan pemeriksaan pihak ketiga
- Registri publik program terakreditasi
- Persyaratan asuransi untuk pengembalian dana siswa
Untuk Calon Siswa & Perusahaan
Sebelum mendaftar atau merekrut, tanyakan:
- “Dapatkah Anda membuktikan kredensial Anda?”
- “Apakah program Anda terakreditasi?”
- “Apa yang terjadi jika saya tidak puas?”
- “Dapatkah saya berbicara dengan lulusan?”
- “Apa cakupan tanggung gugat Anda?”
Untuk Instruktur & Pendiri EdTech
Jika Anda sungguh-sungguh membangun sesuatu yang bernilai:
✅ Rendah hatilah tentang apa yang Anda ketahui Kredibilitas Anda datang dari konsistensi dan transparansi, bukan klaim yang digelembungkan.
✅ Dapatkan kredensial yang semestinya Jika Anda mengajar AI, peroleh sertifikasi (Google, AWS, kursus ML Andrew Ng). Kredensial itu penting.
✅ Transparanlah tentang latar belakang Anda “Saya punya 5 tahun di ilmu data dan saya mengkhususkan diri pada…” jauh lebih kuat daripada “pakar AI”.
✅ Mintalah umpan balik dan perbaiki diri Efek Dunning-Kruger tidak membaik. Pakar membaik.
✅ Membangunlah secara terbuka dengan kredensial yang nyata Publikasikan riset, berkontribusilah pada sumber terbuka, berbicaralah di konferensi. Hal-hal ini lebih sulit dipalsukan dan benar-benar membangun kredibilitas.
Gambaran yang Lebih Besar
Efek Dunning-Kruger tidak khas edtech. Ia ada di mana-mana:
- Kesehatan: Orang yang membaca 3 artikel WebMD lalu mendiagnosis penyakit serius
- Keuangan: Day trader yang yakin akan mengalahkan investor profesional
- Perangkat lunak: Pengembang otodidak yang belum pernah mendengar OWASP
- Kepemimpinan: Manajer baru yang yakin memahami dinamika organisasi
Tetapi di EdTech, hal ini sangat berbahaya karena:
- Siswa mengandalkan keahlian yang dipersepsikan untuk membuat pilihan yang mengubah hidup
- Industrinya lebih baru, sehingga standar masih dalam proses ditetapkan
- Penyampaian daring memudahkan pemalsuan kredensial
- Hambatan masuknya rendah (siapa pun dapat membuat situs web)
Apa yang Berubah bagi Abil?
Satu-satunya faktor yang menghentikan Abil bukanlah bahwa ia tiba-tiba menjadi sadar diri. Faktornya adalah verifikasi eksternal dan akuntabilitas.
Ketika saya mulai bertanya:
- “Dapatkah Anda memverifikasi gelar Universitas London Anda?”
- “Di mana publikasi Anda yang ditelaah sejawat?”
- “Apakah Anda memiliki izin merek untuk logo-logo ini?”
Tidak ada jawaban karena kredensial itu tidak pernah ada.
Pelajarannya: Efek Dunning-Kruger bertahan dalam ruang hampa. Efek itu runtuh di bawah pengawasan.
Masalah TikTok: Keyakinan Tanpa Kompetensi Menjadi Viral
Satu dimensi kasus Abil layak mendapat perhatian khusus: skala dan kecepatan penyebaran keahlian palsu di media sosial.
Abil membuat konten di TikTok tentang:
- Cara diterima di perusahaan teknologi
- Praktik SDM dan budaya kerja
- Pengembangan profesional dan kemajuan karier
- Strategi negosiasi gaji
Semua itu dari seseorang yang tidak pernah memegang pekerjaan profesional.
Mengapa Ini Berbahaya
- Pengikut tidak memeriksa fakta: Penonton TikTok tidak meneliti kredensial. Mereka mengonsumsi nasihat yang cepat dan penuh percaya diri yang terasa berwibawa.
- Algoritma menghadiahi keyakinan: TikTok menghadiahi konten yang menarik dan penuh percaya diri. Nuansa dan catatan peringatan kurang berhasil. Mengatakan “saya tidak yakin” mendapat lebih sedikit tayangan.
- Anak muda rentan: Gen Z dan milenial muda membangun ekspektasi karier mereka berdasarkan nasihat dari seseorang yang tidak punya pengalaman relevan sama sekali.
- Skala dan keabadian: Berbeda dengan ruang kelas tempat penipuan dapat dilaporkan, konten TikTok bertahan dan menyebar ke seluruh dunia.
- Tidak ada mekanisme verifikasi: TikTok tidak memverifikasi kredensial profesional. Seorang kreator dengan 500 ribu pengikut yang memberi nasihat perekrutan memiliki sinyal kredibilitas yang sama dengan seseorang yang berpengalaman 10 tahun di HR.
Polanya
Inilah Dunning-Kruger pada efisiensi puncak:
- Menonton beberapa video tentang topik karier → Merasa berpengetahuan
- Membuat konten dengan percaya diri → Algoritma memperkuat keyakinan
- Mendapat pengikut → Pengikut mengonfirmasi “keahlian” melalui tanda suka
- Menjangkau ribuan anak muda yang rentan → Kerugian nyata
Ironi yang tragis: ia sungguh-sungguh percaya bahwa ia membantu. Itulah efek ini yang sedang bekerja.
Implikasi yang Lebih Luas
Ini tidak khas Abil. Carilah pola ini di mana-mana di media sosial:
- Pelatih karier tanpa latar belakang korporat
- Penasihat startup yang belum pernah mendirikan apa pun
- Pakar hubungan yang belum pernah menjalin hubungan serius
- Influencer kesehatan tanpa pelatihan medis
Efek Dunning-Kruger di TikTok bukan galat. Itu mode bawaan.
Ke Depan
Komunitas edtech Indonesia berada di persimpangan jalan:
Kita dapat:
- Membuat standar industri untuk pengakuan kredensial instruktur
- Membangun registri verifikasi yang transparan
- Menetapkan jalur akreditasi untuk bootcamp
- Menjadikan penipuan kredensial kejahatan yang terlihat dan dihukum
- Mendukung pendidik yang sah dengan insentif yang semestinya
Atau kita dapat:
- Menyaksikan industri menghadapi regulasi yang semakin ketat
- Melihat pendaftaran siswa turun karena hilangnya kepercayaan
- Membiarkan pelaku buruk terus beroperasi
- Membiarkan efek Dunning-Kruger menjadi normal
Langkah Berikutnya bagi Pembaca
Jika Anda siswa atau orang tua:
- Selalu verifikasi kredensial secara mandiri
- Ajukan pertanyaan sulit sebelum membayar
- Periksa asuransi/jaminan
- Laporkan penipuan kepada pihak berwenang
Jika Anda instruktur atau pendiri:
- Dapatkan kredensial yang semestinya
- Transparanlah tentang keterbatasan
- Bangun reputasi selama bertahun-tahun, bukan hiruk-pikuk
- Sambut verifikasi eksternal
Jika Anda pemangku kepentingan industri:
- Dukung pengembangan standar
- Berpartisipasilah dalam verifikasi kredensial
- Buat konsekuensi penipuan terlihat
- Berinvestasilah pada perusahaan pendidikan yang sah
Kesimpulan
Kasus Abil Sudarman tidak unik. Ini adalah peringatan.
Efek Dunning-Kruger bukan cacat karakter. Ia adalah bias kognitif yang memengaruhi kita semua ketika kita beroperasi di luar zona kompetensi.
Tetapi di industri tempat orang mempercayakan waktu, uang, dan masa depan mereka, kita tidak dapat menerimanya.
Kepercayaan membutuhkan verifikasi. Kredibilitas membutuhkan bukti. Kompetensi membutuhkan kerendahan hati.
Industri edtech akan membangun di atas prinsip-prinsip ini atau menghadapi skeptisisme, regulasi, dan penipuan yang semakin meningkat.
Saya bertaruh industri akan memilih dengan bijak.
Sumber & Verifikasi
Riset Asli:
- Dunning, D., & Kruger, J. (1999). “Unskilled and Unaware of It: How Difficulties in Recognizing One’s Own Incompetence Lead to Inflated Self-Assessments”
Alat Verifikasi Kredensial:
- Google Scholar: scholar.google.com (verifikasi riset)
- LinkedIn Alumni Search: linkedin.com (verifikasi pendidikan)
- PDKI: pdki.dgip.go.id (verifikasi merek)
- Pangkalan Data DIKTI: dikti.kemdikbud.go.id (verifikasi institusi)
Melaporkan Penipuan:
- DIKTI (Pendidikan): ditjen-pd@kemdikbud.go.id
- Polisi: Lapor.go.id atau kantor polisi terdekat
- Penyedia platform: laporan penyalahgunaan LinkedIn, Instagram, Facebook
Apakah Anda pernah menemui kasus serupa di industri Anda? Bagikan pengalaman Anda di kolom komentar. Mari membangun kepercayaan melalui transparansi.