Apa yang dimaksud dengan analisis kesalahan
Analisis kesalahan adalah cara yang terstruktur untuk menelaah keputusan di masa lalu guna memahami apa yang salah dan mengapa, dengan tujuan meningkatkan keputusan di masa depan. Dalam praktiknya, biasanya melibatkan: (1) mendeskripsikan situasinya, (2) mengidentifikasi apa yang dilakukan, (3) menyatakan hasil yang diharapkan pada saat itu, dan (4) membandingkan ekspektasi tersebut dengan apa yang benar-benar terjadi.
Karena bersifat retrospektif, metode ini tidak dapat secara langsung mengamati semua variabel tersembunyi. Metode ini bergantung pada masukan yang Anda kumpulkan (misalnya, penalaran yang Anda tulis, waktu Anda bertindak, dan kondisi yang dialami sistem Anda). Ketergantungan pada masukan ini menjadi keterbatasan besar pertama.
Cara kerjanya dalam praktik
Alur kerja yang umum memperlakukan keputusan sebagai kumpulan asumsi. Anda merekonstruksi kondisi sebagaimana Anda memahaminya, lalu menilai apakah hasilnya tidak konsisten dengan asumsi-asumsi tersebut.
Ada dua bagian yang penting untuk akurasi:
-
Mekanisme yang stabil vs. kondisi yang bervariasi Beberapa elemen relatif stabil—misalnya apakah Anda mengikuti aturan, apakah penalaran Anda konsisten secara internal, atau apakah Anda mengevaluasi informasi sebelum bertindak. Elemen lain bervariasi—misalnya likuiditas pasar, volatilitas, kualitas eksekusi, spread, dan batasan prosedural apa pun di lingkungan tempat trade dieksekusi.
-
Asumsi di balik setiap perhitungan Jika Anda membandingkan “yang diharapkan” vs. “yang aktual,” Anda secara implisit mengasumsikan sesuatu tentang apa yang akan Anda dapatkan dalam kondisi yang sama. Jika asumsi itu salah atau tidak lengkap, analisis bisa menyalahkan penyebab yang keliru.
Bahkan tanpa data real-time, analisis tetap bisa berguna untuk memahami pengambilan keputusan. Keterbatasannya adalah analisis mungkin tidak menjelaskan hasil dengan cukup baik untuk memprediksi atau mencegah kegagalan serupa.
Bukti dan contoh: mengapa hasil bisa menyesatkan
Pertimbangkan skenario yang disederhanakan: sebuah keputusan dieksekusi dengan buruk. Analisis kesalahan mungkin menyimpulkan bahwa masalahnya adalah “penilaian yang buruk pada saat itu.” Tetapi hasil yang buruk juga bisa berasal dari kondisi yang tidak termasuk dalam penalaran awal, seperti slippage eksekusi atau biaya transaksi yang berbeda dari yang Anda modelkan.
Ini menciptakan mode kegagalan yang umum: kesalahan atribusi. Analisis menetapkan satu penyebab yang sesuai dengan hasil, meskipun beberapa faktor bisa saja berkontribusi. Ketika Anda tidak bisa memisahkan penyebab (karena data yang hilang tidak dapat dipulihkan), kesimpulan “apa yang harus dilakukan berikutnya” menjadi tidak pasti.
Mode kegagalan kedua adalah selection bias. Jika Anda menganalisis hanya keputusan yang berjalan salah, Anda bisa melebih-lebihkan seberapa sering “kesalahan” yang sama menyebabkan kerugian. Jika Anda menganalisis hanya yang bisa Anda rekonstruksi dengan mudah, Anda mungkin melewatkan keseluruhan rentang konteks keputusan.
Keterbatasan dan risiko
1) Ketidakpastian tentang penyebab yang sebenarnya
Analisis kesalahan dapat memperjelas apa yang terjadi, tetapi mungkin tidak membuktikan mengapa itu terjadi. Faktor tersembunyi bisa mencakup perbedaan eksekusi, efek timing, atau keterbatasan pada informasi yang tersedia bagi Anda pada saat itu. Akibatnya, metode ini dapat menghasilkan penjelasan yang masuk akal tetapi tidak dapat diverifikasi.
2) Hasil historis tidak menetapkan hubungan masa depan
Bahkan jika Anda menemukan pola—misalnya “keputusan yang dibuat di bawah kondisi X berkinerja lebih buruk”—hubungan tersebut tidak dijamin akan bertahan. Kondisi pasar, perilaku partisipan, dan biaya dapat berubah. Oleh karena itu, tautan masa lalu antara gaya pengambilan keputusan dan hasil mungkin tidak berlaku kemudian.
3) Kondisi dan biaya dapat mengubah makna dari keputusan yang sama
Dua keputusan yang tampak identik dalam penalaran dapat menghasilkan hasil yang berbeda jika lingkungan sekitarnya berbeda. Biaya transaksi, kualitas eksekusi, dan aturan operasional dapat membuat “kesalahan” yang sama terlihat lebih atau kurang berbahaya. Jika analisis Anda tidak memperhitungkan perbedaan ini, analisis bisa melebih-lebihkan kesimpulan.
4) Overfitting pada satu narasi
Analisis kesalahan bisa berubah menjadi upaya untuk menyesuaikan satu cerita pada hasil yang kompleks. Ini dapat menghasilkan pelajaran yang sempit dan tidak dapat digeneralisasi. Ketika Anda tidak bisa menguji penjelasan yang saling bersaing, Anda mungkin keliru menganggap penjelasan yang nyaman sebagai yang benar.
Verifikasi dan pertanyaan berikutnya
Untuk memverifikasi analisis kesalahan, perlakukan kesimpulannya sebagai hipotesis, bukan fakta. Pemeriksaan praktis adalah menanyakan apakah penjelasan tersebut tetap konsisten di berbagai kasus yang mirip, dengan menggunakan asumsi yang sama tentang kondisi dan masukan.
Jika Anda ingin menjadi lebih independen dan akurat, klarifikasi pertanyaan-pertanyaan ini:
- Informasi apa yang sebenarnya tersedia pada saat keputusan dibuat? - Bagian mana dari lingkungan yang bervariasi, dan apakah variasi tersebut dicatat?
DOCUMENT END