Berpikir Probabilistik atau Kepastian Palsu?

Ini adalah versi klasik eksperimen framing Kahneman & Tversky. Secara matematis, Program A dan B memiliki expected value yang identik — keduanya menghasilkan rata-rata 200 orang selamat. Namun kebanyakan orang memilih A karena otak menghindari ketidakpastian bahkan ketika nilai ekspektasinya sama. Memilih A bukan karena alasan probabilistik — tapi karena preferensi psikologis terhadap kepastian yang tidak ada hubungannya dengan logika keputusan.

Kecelakaan pesawat yang baru terjadi tidak mengubah probabilitas kecelakaan pesawat lain secara statistik — setiap penerbangan adalah kejadian independen. Yang berubah adalah availability heuristic: kejadian yang mudah diingat atau baru terjadi terasa lebih mungkin terjadi lagi. Otak menggunakan kemudahan mengingat sebagai proxy untuk probabilitas — dan media yang meliput kecelakaan besar secara masif memperburuk distorsi ini secara sistematis.

Ini adalah 'Linda problem' klasik Kahneman & Tversky. Secara logika probabilistik, kemungkinan dua kondisi terjadi bersama (A dan B) tidak pernah bisa lebih besar dari salah satunya saja (A). Tapi deskripsi Linda yang vivid membuat kombinasi terasa lebih 'cocok' dan representatif — inilah conjunction fallacy. Otak menggantikan pertanyaan probabilistik ('seberapa mungkin?') dengan pertanyaan representatif ('seberapa cocok deskripsi ini?') tanpa menyadarinya.

Ini adalah aplikasi nyata dari outside view — strategi yang dipromosikan Kahneman dan Lovallo: alih-alih hanya memproyeksikan rencana kita sendiri (inside view), kita merujuk pada distribusi statistik kelas kejadian yang serupa. Orang yang berhasil dalam transisi karir biasanya mudah diceritakan — tapi yang gagal jarang dibukukan. Data base rate memotong bias survivorship dan memberikan fondasi probabilistik yang lebih akurat untuk keputusan.

Koin tidak memiliki memori. Setiap lemparan adalah kejadian independen dengan probabilitas 50:50. Keyakinan bahwa hasil masa lalu memengaruhi kejadian acak berikutnya disebut gambler's fallacy — dan ia muncul karena otak secara otomatis mencari pola dan keseimbangan bahkan dalam urutan acak murni. Paradoksnya, setelah 9 kepala berturut-turut ada argumen yang valid bahwa koin mungkin tidak seimbang — yang justru meningkatkan probabilitas kepala lagi, bukan ekor.

Ini adalah keputusan yang benar secara probabilistik: mengurangi 100 kematian lebih berharga secara absolut dari menghilangkan 15. Namun banyak orang — dan bahkan pembuat kebijakan — cenderung memilih Opsi A karena menghilangkan risiko sepenuhnya terasa psikologis lebih memuaskan dari sekadar menguranginya. Bias ini disebut zero-risk bias: otak memberi nilai berlebihan pada eliminasi total risiko dibanding pengurangan risiko yang lebih besar secara absolut.

Ini adalah penerapan tepat dari reference class forecasting — teknik yang dikembangkan Bent Flyvbjerg sebagai antidot terhadap planning fallacy. Dengan mendapatkan data distribusi proyek serupa dan menyesuaikan estimasi ke arahnya, kamu menggabungkan inside view (pengetahuan spesifik proyekmu) dengan outside view (realitas statistik kelas proyek serupa). Penyesuaian tidak harus sepenuhnya ke rata-rata — tapi mengabaikannya sama sekali hampir selalu menghasilkan underestimation.

Secara statistik, risiko kematian per kilometer berkendara mobil 50–100 kali lebih tinggi dari penerbangan komersial. Rasa aman di balik kemudi adalah ilusi kendali — illusion of control — bukan cerminan risiko yang akurat. Otak memproses risiko yang 'kita kendalikan' secara berbeda dari risiko 'di tangan orang lain', meski data menunjukkan pengemudi rata-rata jauh lebih tidak kompeten dari pilot terlatih. Preferensi subjektif terhadap kendali adalah bias, bukan informasi tentang keselamatan.

'Pasti naik suatu saat' adalah kepastian palsu yang tidak didukung probabilitas apapun — beberapa saham tidak pernah kembali ke harga awal. Saran ini juga mencerminkan sunk cost fallacy yang dibalut optimisme: keputusan untuk memegang atau menjual seharusnya hanya berdasarkan ekspektasi kinerja ke depan, bukan uang yang sudah hilang. Uang yang sudah rugi tidak bisa memengaruhi probabilitas masa depan — tapi otak menolak untuk menerima kerugian yang sudah 'dikunci' melalui penjualan.

Ini adalah Fermi estimation — kemampuan memperkirakan kuantitas yang tidak diketahui dengan memecahnya menjadi sub-komponen yang lebih bisa diperkirakan. Contoh: penduduk Jakarta → proporsi rumah tangga mampu → proporsi yang punya piano → frekuensi tuning per tahun → jam kerja tuner per hari. Riset menunjukkan estimasi Fermi yang dikerjakan dengan metodis menghasilkan akurasi yang jauh lebih baik dari tebakan tunggal — dan melatih kalibrasi probabilistik yang berguna untuk keputusan bisnis dan kebijakan.