Dinamika daya saing industri alas kaki asia dan skenario kebijakan masa depan untuk indonesia

46

2.1.1.5. Paradoks Leontif
Dalam sebuah studi terkenal yang diterbitkan pada tahun 1953, Wassily

Leontief (pemenang Hadiah Nobel pada tahun 1973) menemukan bahwa Amerika
Serikat cenderung mengekspor barang padat karya, bukan padat modal. Temuan ini
berlawanan dengan prediksi model Heckscher-Ohlin yang menganggap bahwa
Amerika Serikat adalah negara modal yang lebih berlimpah dibandingkan dengan
tenaga kerja, dan oleh karenanya sejatinya negara tersebut akan lebih banyak
mengekspor barang padat modal. Kondisi nyata yang tidak sesuai dengan model
Heckscher-Ohlin ini lebih lanjut dikenal sebagai Leontief Paradox (Cho & Moon,
2000; Krugman et al., 2018).

2.1.1.6. Perluasan Teori H-O: Teori Kesamaan Negara (Linder, 1961)
Teori kesamaan negara Staffan Linder (1961) berbeda dari teori

perdagangan lainnya karena lebih berhubungan dengan sisi permintaan daripada
sisi penawaran. Teori ini menjelaskan perdagangan internasional antar negara yang
memiliki kesamaan karakteristik. Teori ini memiliki dua asumsi; pertama, suatu
negara mengekspor produk manufaktur yang memiliki pasar dalam negeri yang
signifikan. Menurut Linder (1961), produsen akan memperkenalkan produk baru
guna melayani pasar dalam negeri karena sudah mengenal pasar dalam negeri.
Produksi untuk pasar domestik harus cukup besar bagi perusahaan untuk mencapai
skala ekonomi dan dengan demikian mengurangi biaya. Kedua, negara tersebut
mengekspor produk ke negara lain dengan selera dan tingkat pendapatan yang tidak
jauh berbeda. Linder (1961) meyakini bahwa negara dengan tingkat pendapatan

47

yang sama akan memiliki selera yang sama. Setiap negara akan memproduksi
terutama untuk pasar dalam negerinya, tetapi sebagian dari hasilnya akan diekspor
ke negara lain yang memiliki kesamaan (Cho & Moon, 2000).

2.1.1.7. Perluasan Teori H-O: Teori Siklus Produk (Vernon, 1966)
Pada tahun 1966 digagas suatu teori tentang siklus produk oleh Raymond

Vernon, yang menyatakan bahwa berpendapat bahwa banyak barang manufaktur
melalui siklus pengenalan (introduction), pertumbuhan (growth), kematangan
(maturity), dan penurunan (decline). Dengan demikian, keunggulan komparatif
barang-barang ini bergeser dari waktu ke waktu dari satu negara ke negara lain.
Hipotesis siklus produk dimulai dengan asumsi bahwa rangsangan terhadap inovasi
biasanya diberikan oleh beberapa ancaman atau janji di pasar. Dengan kata lain,
perusahaan cenderung didorong oleh kebutuhan dan peluang pasar yang terdekat,
yaitu pasar dalam negeri. Pasar dalam negeri memainkan peran ganda dalam
hipotesis ini. Tidak hanya itu sebagai sumber stimulus bagi perusahaan inovasi,
melainkan juga menjadi lokasi yang lebih disukai untuk menjalankan produksi.

Dalam karyanya selanjutnya, Vernon (1979) mengemukakan bahwa
kekuatan hipotesis siklus produk telah berubah. Terdapat dua alasan yang
menjelaskan perubahan tersebut. Pertama; peningkatan jangkauan geografis dari
banyak perusahaan yang terlibat dalam pengenalan produk baru, sebagai akibat dari
pendirian banyak anak perusahaan di luar negeri. Kedua; perubahan pasar nasional

48

di negara-negara industri maju, yang telah mengurangi beberapa perbedaan yang
sebelumnya ada di antara pasar-pasar tersebut.

2.1.1.8. Perluasan Teori H-O: Skala Ekonomis
Model dasar Heckscher-Ohlin berasumsi bahwa skala hasil konstan. Jika

input digandakan, maka output akan berlipat ganda. Namun, di banyak industri,
terdapat skala ekonomi (atau peningkatan keuntungan). Oleh karenanya, jika input
digandakan, output akan menjadi lebih dari dua kali lipat. Adanya skala ekonomi
dapat menjelaskan beberapa pola perdagangan yang tidak dijelaskan oleh model
Heckscher-Ohlin. Secara independen, Krugman (1979) dan Lancaster (1979)
menyampaikan asumsi bahwa baik keunggulan komparatif maupun faktor
pendukung adalah penjelasan yang memuaskan untuk arus perdagangan
internasional, tetapi tidak sesuai untuk menjelaskan arus perdagangan intra-
industri. Bila terdapat skala ekonomi (economies of scale), maka negara (atau
perusahaan) akan diuntungkan bila mereka mengkhususkan diri dalam produksi
sejumlah barang yang terbatas. Masalah menentukan struktur pasar yang konsisten
dengan skala ekonomi internal perusahaan tertunda selama bertahun-tahun
pemodelan formal perdagangan berdasarkan peningkatan skala hasil. Terobosan
datang pada akhir tahun 1970, ketika Krugman (1979) dan Lancaster (1979) secara
independen mengembangkan model perdagangan produk yang dibedakan atau
terdiferensiasi (Cho & Moon, 2000; Dorobăț, 2015).

49

2.1.2. Ukuran-ukuran Daya Saing dalam Perdagangan Internasional
Kinerja perdagangan internasional suatu negara dapat diukur melalui

berbagai metode dan dengan memanfaatkan sejumlah indikator. Dalam ranah
penelitian mengenai perdagangan internasional, secara empiris kinerja
perdagangan internasional suatu negara diukur melalui pendekatan keunggulan
komparatif. Terdapat beberapa ukuran kinerja perdagangan internasional suatu
negara, yang sekaligus juga dianggap sebagai indikator daya saing perdagangan
internasional, di antaranya; revealed comparative advantage (RCA) yang digagas
oleh Balassa (1965), revealed trade advantage (RTA, (Vollrath, 1991)), revealed
symmetric comparative advantage (RSCA, (Laursen, 1998)), normalized revealed
comparative advantage (NRCA, (Yu et al., 2009)), dan indeks spesialisasi
perdagangan (trade specialization index).

2.1.2.1. Revealed Comparative Advantage (Balassa, 1965)
Ukuran atau indeks daya saing perdagangan internasional yang paling

dikenal luas dan yang digunakan untuk daya saing berbasis perdagangan negara-
negara (tingkat makro) adalah revealed comparative advantage (RCA), yang
menghitung pangsa ekspor suatu negara dari satu komoditas untuk semua
komoditas dibandingkan dengan pangsa serupa dari suatu kelompok negara.
Digagas pertama kali oleh Balassa (1965), yang memformulasikan indeks kinerja
atau daya saing perdangangan internasional sebagai;

!"#$% = ())$$%*+ / ())--%*+

50

di mana, X adalah notasi yang merepresentasikan ekspor, i untuk negara
tertentu, j untuk produk atau komoditas tertentu, t untuk sekelompok produk atau
komoditas dan n untuk sekelompok negara. Jika indeks RCA lebih besar dari 1,
maka negara tersebut dianggap memiliki keunggulan komparatif dalam kelompok
produk atau komoditas tertentu.

2.1.2.2. Relative Trade Advantage (Vollrath, 1991)
RCA (Balassa, 1965) menuai berbagai kritik karena mengabaikan berbagai

efek kebijakan dan menunjukkan nilai asimetris (Jambor & Babu, 2016). Struktur
perdagangan terdistorsi oleh berbagai intervensi pemerintah dan pembatasan
perdagangan. Nilai asimetris indeks RCA Balassa (1965) meluas dari satu hingga
tak terbatas jika suatu negara memiliki keunggulan komparatif, dan antara nol dan
satu jika terjadi kerugian, yang mengakibatkan perkiraan bobot relatif sektor yang
berlebihan.

Untuk mengatasi masalah tersebut, Vollrath (1991) memaparkan tiga
spesifikasi berbeda dari keunggulan komparatif terungkap yaitu, indeks keunggulan
relatif impor (relative import advantage, RMA), indeks keunggulan perdagangan
relatif (relative trade advantage, RTA) dan indeks daya saing terungkap (revealed
competitiveness, RC). Perhitungan indeks RMA adalah identik dengan RCA,
dengan mengganti nilai ekspor menjadi impor, dengan persamaan sebagai berikut;

!.#$% = (..$$%*+ / (..--%*+
Indeks kedua, yaitu keunggulan perdagangan relatif (RTA), dihitung
melalui persamaan sebagai berikut:

51

!/#$% = !)#$% − !.#$%
di mana, RCA berarti indeks Balassa (1965) asli dan RMA adalah indeks
keuntungan impor (revealed import advantage). Berlawanan dengan RCA, indeks
RMA yang kurang dari 1 akan menunjukkan keunggulan komparatif yang
terungkap, dan dengan demikian tercapai daya saing yang lebih tinggi. Nilai positif
untuk RTA akan menunjukkan keunggulan komparatif terungkap.
Sebagai indeks ketiga, Vollrath (1991) mengusulkan untuk mengambil
logaritma RXA dan RMA kemudian mengambil selisihnya, sehingga menghasilkan
indeks daya saing terungkap (revealed competitiveness, RC) dengan persamaan
sebagai berikut;

!"$% = ln !)#$% − ln !.#$%
Indeks ketiga dari Vollrath (1991) ini akan memberikan indikasi bahwa
suatu negeri memiliki daya saing di suatu sektor industri tertentu bila indeks RC
bernilai positif.

2.1.2.3. Revealed Symmetric Comparative Advantage (Dalum et al., 1998)
Laursen dalam kertas kerjanya; Revealed Comparative Advantage and the

Alternatives as Measures of International Specialisation (1998) juga menggaris-
bawahi potensi asimetris yang dapat ditimbulkan dalam penggunaan RCA sebagai
indikator daya saing perdagangan internasional. Meskipun Vollrath (1991)
merekomendasikan untuk menggunakan logaritma ke dalam RCA sebagai solusi
untuk masalah asimetris ini, namun dalam kasus suatu negara mencatatkan ekspor
nol di suatu sektor, maka nilai indeks tidak akan dapat ditentukan (Laursen, 1998).

52

Untuk mengatasi masalah nilai asimetris indeks RCA tersebut, Dalum et al.
(1998), mengembangkan Revealed Symmetric Comparative Advantage (RSCA),
dengan persamaan sebagai berikut;

!3"#$% = 4!"#$% − 16/4!"#$% + 16
RSCA mengambil nilai antara - 1 dan 1, dengan nilai antara 0 dan 1 akan
menunjukkan keunggulan ekspor komparatif dan sebaliknya.

2.1.2.4. Normalized Revealed Comparative Advantage (Yu et al., 2009)

Sebagian besar studi menggunakan indeks RCA Balassa hanya untuk

menandai peringkat relatif suatu negara dari keunggulan komparatif dalam

komoditas yang berbeda, meskipun urutan relatif ini secara umum tetap bermasalah

(Yeats (1985) dalam (Yu et al., 2009)). Masalah tersebut dijawab oleh Yu et al

(2009) dengan merumuskan formula indeks daya saing yang disebut normalized

revealed comparative advantage (NRCA), yang diilustrasikan melalui persamaan:

8!"#$% = )$% − 49$ )$% 649% )$% 6
9% )$% 49$ 9% )$% 6:
9$

di mana, Xij mewakili ekspor aktual dan (EiXij) (EjXij) adalah tingkat

perbandingan rata-rata netral dalam ekspor komoditas j untuk negara i. Untuk nilai

NRCA yang positif, negara tersebut akan memiliki keunggulan komparatif.

Distribusi nilai NRCA adalah simetris, mulai dari - 1 / 4 hingga +1/4 dengan 0

sebagai titik netral.

Indeks NRCA dianggap dapat menyediakan alat sistemik untuk menilai

keunggulan komparatif atas ruang dan waktu. NRCA dapat memeriksa dinamika

53

keunggulan komparatif melalui analisis deret waktu dan membuat perbandingan
keunggulan komparatif di seluruh negara melalui analisis data panel. Dengan
mendeteksi kemungkinan variasi dalam keunggulan komparatif baik dari waktu ke
waktu maupun dari ruang angkasa, pengunaan NRCA dapat menilai konsekuensi
kebijakan perdagangan dan keunggulan komparatif dan dengan demikian
memperoleh kemungkinan implikasi kebijakan (Yu et al., 2009).

2.1.2.5. Indeks Spesialisasi Perdagangan (Trade Specialisation Index)

Ukuran daya saing perdagangan internasional revealed comparative

advantage (RCA) yang digagas Balassa (1965) beserta pengembangannya (Dalum

et al., 1998; Laursen, 1998; Vollrath, 1991; Yu et al., 2009) adalah indeks

spesialisasi perdagangan (ISP) atau trade specialisation index (TSI) (Tambunan,

2004). Indeks ini menggambarkan apakah untuk suatu jenis produk atau komoditas

tertentu suatu negara memiliki kecenderungan untuk menjadi negara eksportir atau

importir, melalui persamaan:

/3; = ()$= − .$= )
()$= + .$= )

di mana X dan M masing-masing adalah nilai ekspor dan impor, i

merepresentasikan indutri atau komoditas tertentu, dan a mengacu kepada suatu

negara tertentu. Secara implisit, indeks spesialisasi perdagangan ini

mempertimbangkan dua sisi secara simultan; sisi permintaan dan sisi penawaran,

yaitu ekspor dan impor.

Perhitungan daya saing melalui indeks spesialisasi perdagangan ini akan

menghasilkan bilangan antara -1 hingga +1. Bila indeks bernilai positif (di atas 0

54

hingga +1) maka suatu negara dapat disebut memiliki daya saing, dan memilki
kecenderungan untuk menjadi negara pengekspor. Sementara sebaliknya, bila
bernilai negatif, maka negara yang bersangkutan dianggap sebagai negara
pengimpor, dan tidak memiliki daya saing.

2.1.3. Implikasi dari Ukuran-ukuran Daya Saing
2.1.3.1. Catching-up Product Cycle (Hiratsuka, 2003)

Berbagai landasan teori dan ukuran daya saing perdagangan internasional
telah melahirkan beberapa pendekatan baru untuk menyediakan perangkat bantu
analisis daya saing perdagangan internasional dari suatu perekonomian.

Tambunan (2004) menyebutkan salah satu dari pendekatan yang dilahirkan
dari analisis lanjutan dari indeks spesialisasi perdagangan adalah posisi daya saing
berdasarkan siklus produk yang digagas oleh Daisuke Hiratsuka pada 2003
(Tambunan, 2004). Oleh Hiratsuka (2003) sendiri pendekatan ini disebut sebagai
model Catching-up Product Cycle, yang juga terinspirasi dari teori siklus produk
Vernon (1966).

Dalam model catching-up product cycle tersebut Hiratsuka (2003)
menggunakan indeks yang disebutnya sebagai international competitive coefficient
(ICC) yang pada dasarnya identik dengan indeks spesialisasi perdagangan.
Penggunaan indeks spesialisasi perdagangan tersebut (yang oleh Hiratsuka disebut
sebagai ICC) dilatarbelakangi oleh argumennya yang menyatakan bahwa indeks
RCA yang mengukur derajat relatif spesialisasi ekspor suatu komoditas tertentu
dibandingkan dengan tingkat ekspor dunia, bukanlah indeks yang sesuai untuk

55

mengukur daya saing industri di Asia Timur, mengingat banyak industri di kawasan

tersebut yang telah meningkatkan daya saingnya pada saat yang bersamaan

(Hiratsuka, 2003).

Gambar 2.3. Kurva ICC dalam Catching-up Product Cycle
Sumber: Hiratsuka (2003), diolah

Tahap 1: Tahap 2: Tahap 3: Tahap 4: Tahap 5:

Pengenalan Substitusi impor Ekspor Matang Impor kembali
(introductory stage) (import substitution) (export stage) (mature stage) (reverse-import stage)

ICC = 1

ICC = 0

ICC = -1

Dalam model catching-up product cycle, Hiratsuka (2003) membagi lima
tahapan posisi daya saing menurut siklus produk (Tambunan, 2004), yaitu:
1. Tahap pengenalan (introductory stage): pada tahap ini terdapat negara yang

telah terlebih dahulu mengekspor suatu produk atau komoditas (forerunner),
dan terdapat pula negara lain (sebagai pendatang belakangan atau latecomer
untuk industri di komoditas ini) yang mengimpornya, maka nilai indeks ICC
untuk negara latecomer adalah minus 1.
2. Tahap subsitusi impor: pada tahap ini indeks ICC dari negara latecomer akan
meningkat antara minus 1 dan nol. Industri menunjukkan daya saing yang
lemah karena tingkat produksi tidak cukup besar untuk mencapai skala
ekonomi. Negara latecomer yang berada di tahap ini akan mengekspor produk

56

yang masih berkualitas rendah hingga batas tertentu, namun pada titik ini,
produksi dalam negeri masih kurang dari permintaan dalam negeri (sisi
penawaran masih lebih rendah daripada permintaan). Dengan kata lain, negara
tersebut masih menjadi net importer.
3. Tahap ekspor: Pada tahap ini, negara latecomer akan memiliki indeks ICC yang
meningkat, dari 0 hingga 1. Industri untuk suatu komoditas tertentu di negara
tersebut telah meningkatkan produksinya secara pesat dalam skala yang juga
semakin besar. Dalam konteks domestik, produksi atau penawaran dari hasil
industri tersebut akan lebih besar dibandingkan dengan sisi permintaannya.
Industri akan mengekspor produk-produk low-end dan mengimpor produk-
produk high-end dari komoditas yang sama.
4. Tahap kematangan (mature stage): di tahap ini akan terjadi penurunan indeks
ICC. Produk dari industri bersangkutan telah berada pada tahap standarisasi dari
teknologi yang terkandung di dalamnya. Negara-negara forerunner akan secara
bertahap mengurangi ekspornya, karena mulai mendapatkan tantangan
persaingan dari negara-negara latecomer yang mulai melakukan ekspor, karena
negara-negara latecomer tersebut pada tahap ini (tahap kematangan bagi negara
forerunner) sudah memasuki tahap ekspor. Permintaan produk hasil industri di
dalam negeri masih lebih rendah daripada produksi atau penawarannya. Pada
tahap ini pula industri di negara forerunner akan mengekspor produk-produk
high-end dan mengimpor produk-produk low-end dari komoditas yang sama.

57

5. Tahap impor kembali (reverse-import stage): di tahap ini nilai indeks ICC akan
menurun antara 0 dan minus 1. Industri di negara yang sebelumnya menjadi
forerunner akan kalah bersaing dengan industri latecomer, bahkan di pasar
domestiknya sendiri. Dalam konteks domestik, sisi penawaran juga akan lebih
rendah daripada permintaan.

2.1.3.2. Product Mapping (Widodo, 2009)
Widodo (2009) menyampaikan suatu asersi yang menyatakan bahwa frasa

“produk ekspor unggulan” dapat dilihat dari dua sudut pandang yang berbeda.
Sudut pandang pertama adalah neraca perdagangan domestik, yang merupakan
sudut pandang dari sisi dalam negeri. Sudut pandang kedua adalah daya saing
internasional, yang berasal dari sisi persaingan internasional.

Dari sudut pandang neraca perdagangan, produk ekspor unggulan akan
mengacu kepada produk yang dapat memberikan sumbangan devisa bagi negara,
sesuai dengan model umum pendapatan nasional dalam teori ekonomi makro; Y =
C + I + G + (X – M), di mana Y = nilai produk barang dan jasa (output) yang
dihasilkan, C = konsumsi rumah tangga, I = investasi, G = pengeluaran pemerintan,
X = nilai ekspor, dan M = nilai impor, maka produk ekspor unggulan adalah produk
atau komoditas yang mampu menciptakan nilai ekspor bersih (nett export, X-M)
yang maksimal. Sementara itu, dari sisi persaingan dalam perdagangan
internasional, suatu produk atau komoditas dapat disebut sebagai produk ekspor
unggulan bila produk atau komoditas tersebut memiliki keunggulan komparatif
tinggi di pasar internasional (Widodo, 2009).

58

Dengan mempertimbangkan dua sudut pandang tersebut; neraca

perdagangan domestik dan daya saing internasional, Widodo (2009) menyajikan

suatu usulan perangkat analisis yang dapat memetakan atribut berbagai produk atau

komoditas yang dihasilkan oleh suatu perekonomian. Dua indikator digunakan

dalam membangun perangkat analisis yang disebut sebagai products mapping

(pemetaan produk) ini. Indikator untuk merepresentasikan sudut pandang pertama,

neraca perdagangan domestik, adalah trade balance index (TBI) yang

diperkenalkan peetama kali oleh Lafay (1992). Dengan menggunakan basis

perhitungan pada ekspor bersih (nett export, X-M), pada dasarnya TBI ini identik

dengan indeks spesialisasi perdagangan (TSI) dan ICC yang digunakan oleh

Hiratsuka (2003) dalam membangun model Catching-up Product Cycle. Trade

balance index yang digunakan dalam products mapping ini dinyatakan dalam

persamaan:

/?;$% = 4)$% − .$%6
4)$% + .$%6

di mana X dan M masing-masing adalah nilai ekspor dan impor, i

merepresentasikan indutri atau komoditas tertentu, dan a mengacu kepada suatu

negara tertentu.

Sementara itu, untuk merepresentasikan indikator daya saing internasional,

Widodo (2009) menggunakan RSCA (revealed symmetric comparative advantage)

(Dalum et al., 1998; Laursen, 1998), yang dinyatakan dalam persamaan;

!3"#$% = 4!"#$% − 16/4!"#$% + 16

59

Perpaduan dua indikator dalam products mapping tersebut menghasilkan
empat kuadran atau kelompok. Kelompok (A), (B), (C) dan (D). Kelompok (A)
terdiri dari produk atau komoditas yang memiliki keunggulan komparatif dan
spesialisasi ekspor. Diindikasikan dengan indeks TBI dan RSCA yang kedua-
duanya bernilai positif (di atas 0). Dengan kata lain, produk atau komoditas yang
berada dalam kelompok atau kuadran ini merupakan produk atau komoditas yang
menjadi unggulan, baik sebagai pencipta devisa negara sekaligus juga memiliki
daya saing perdagangan internasional yang tinggi.

Kelompok (B) terdiri dari produk atau komoditas yang memiliki keunggulan
komparatif tetapi tidak memiliki spesialisasi ekspor. Diindikasikan dengan indeks
TBI yang berada di bawah 0 (nett importer) dan RSCA yang berada di atas 0.
Produk atau komoditas yang berada di dalam kelompok atau kuadran ini memiliki
daya saing yang tinggi di kancah perdagangan internasional, namu tidak
memberikan sumbangan yang berarti bagi perolehan devisa negara.

Kelompok ( C ) terdiri dari produk atau komoditas yang memiliki
spesialisasi ekspor tetapi tidak memiliki keunggulan komparatif. Diindikasikan
dengan indeks TBI yang bernilai positif (di atas 0) namun memiliki RSCA negatif.
Produk atau komoditas yang berada di dalam kelompok atau kuadran ini merupakan
produk atau komoditas yang cukup berkontribusi bagi perolehan devisa negara,
namun tidak memiliki daya saing yang cukup di perdagangan internasional.

Kelompok (D) terdiri dari produk atau komoditas yang tidak memiliki
keunggulan komparatif maupun spesialisasi ekspor. Dengan indikasi baik indeks
TBI dan RSCA sama-sama bernilai negatif.

COMPARATIVE ADVANTAGE: THEORY, EMPIRICAL MEASURES AND CASE STUDIES 67

60

Therefore, the analytical tool should be constructed by combining the two
variables. As for illustration, imagine we are sitting in a room. Outside, there are
geese flying (panel (a) in Figure 5), corresponding with the exported products in
out analysis. The room has a window (panel b of Figure 5), corresponding with the
analytical tool. Through the GwainmSdbuoamwrb,2ew.r4:e.WPserideoodgdueocet(ss2eM0f0al9yp)ipnigng(panel c).

RSCA>0 Group B: Group A:
Comparative Advantage Comparative Advantage

Net-importer Net-exporter
(RSCA > 0 and TBI <0) (RSCA > 0 and TBI >0)

RSCA<0 Group D: Group C:
Comparative disadvantage Comparative disadvantage

Net-importer Net-exporter
(RSCA < 0 and TBI <0) (RSCA < 0 and TBI >0)

TBI <0 TBI>0

Trade Balance Index (TBI)

Figure 6 Products Mapping

Two indicators are required to represent the both two point of views,
dome2st.i2c. trSatdued-ibMalaansaceDaenpdanin(tFeurntuarteioSntauldcieosm) petitiveness as previously mentioned.

We choose RBeevluemaletderdSaypmatmseutartiuc CkoonmsepnasruastidvaeriApdavraanptaegneeli(tRi SatCauAp)unbyprDakatliusmi deatnal.
(1998) and Laursen (1998) as the indicator of comparative advantage and Trade
BalanpceengIngdiaetx y(aTnBgI)mbeyndLalaafmayi (k1a9ji9a2n) aatsauthestuinddi icteantotarngof mexapsaortd-eimpapnormt eancgtievniatiies.

The RteSrmCiAnoilongdiebxakisu yaansgimdpigluenadkeacnreuanstiunkgmmenodneoftinoinsiickatnrafuntsufroersmtuadtiieosn(GoifaoRuetzvie&aled
Comparative Advantage (RCA) or Balassa index (Balassa, 1965). RCA index is
formuSlaapteiod, a2s0f1o3l)l.owBesb: erapa peneliti lebih menggunakan future research (penelitian

tentang masa depan), yangRmCeAngiajcu kexpiaj d/axpienng/gxunrjaa/nxmrnetode untuk identifikasi(1)

sewcharearesisRteCmAatiijsrkeopnrseeskeunetnssir-ekvoenaselekduencosimdaprairpaitliivheanakdevbaijnatkaagne, doafn cmoausnatdryepai nfor

groupalotefrnpartoifdudcetnsg(aSnITimCp)lijk;asaindkexbiijjadkeannobteasgitopteaml beuxaptokrtespuotfuscaonu. nPtreyneilitiin lgairnonuypa of
products (SITC) j. Subscript r refers to all countries without country i, and
subscmripent gngurenfaekrasnttoeramllingorlooguipfsutoufrepsrtoudduiecsts(s(tSudITi mCa)seaxdceeppatn)gyroanugp moefnpgraocduukcetpja.dTa he

valuesstuodfi ttheentainndgeaxpavayrayngfrmomung0kitno teinrjfaidniitdyi (m0asRaCdAepiaj n ()w.hRatCmAigij hgtrheaapteprenth),adnanone
means that country i has comparative advantage in group of products j. In contrast,
RCAikj ilteassintghinanmoennejadimi applaiedsitmhaatsacoduenpatrnytei rhseabsuct o(wmhpaatrawteivmeigdhistawdavnatnttoagbeecinomger)o.up

of proSdeulacitns ji.tu, para peneliti di negara-negara Eropa dan Afrika berbahasa Perancis

(Francophone) lebih memilih studi prospektif (prospective studies), yang berarti

studi tentang masa depan untuk mengembangkan sikap strategis pikiran dengan

61

pandangan jangka panjang untuk menciptakan masa depan yang diinginkan.
(Giaoutzi & Sapio, 2013).

Studi masa depan adalah studi sistematis tentang kemungkinan,
kemungkinan dan masa depan yang disukai termasuk pandangan dunia dan mitos
yang mendasari setiap masa depan (Inayatullah, 2013). Dalam lima puluh tahun
terakhir, studi tentang masa depan telah bergeser dari prediksi atas masa depan ke
pemetaan alternatif masa depan, kemudian beralih pula ke pembentukan masa
depan yang diinginkan, baik di tingkat kolektif eksternal maupun di tingkat individu
(Masini (1993); Bell (1996); Amara (1981); Sardar (1999); Inayatullah (2000); Saul
(2001), dalam Inayatullah, 2013)).

Selain future studies, terminologi yang seringkali ditemukan dalam ranah
studi atau kajian masa depan adalah foresight (tinjauan masa depan). Terminologi
foresight sendiri sering disalah-artikan dan digunakan untuk menunjukkan berbagai
program, latihan, studi dan teknik untuk melihat masa depan (Horton, 1999).
Menurut Horton (1999), foresight merupakansuatu rangkaian proses
mengembangkan berbagai pandangan tentang cara-cara yang memungkinkan agar
masa depan dapat berkembang, dan dapat dipahami dengan cukup baik untuk dapat
memutuskan keputusan apa yang dapat diambil hari ini untuk menciptakan yang
terbaik di masa mendatang (Horton, 1999).

Sementara itu, Kuosa (2011) memaparkan interpretasi foresight sebagai
proses menyatakan sesuatu tentang kemungkinan yang terjadi di masa depan, serta
tindakan yang dapat dipilih untuk antisipasi berbagai kemungkinan tersebut
(Kuosa, 2011). Paparan Kuosa (2011) tersebut didorong oleh pemahaman bahwa

62

foresight (upaya memahami masa depan secara sistematis) merupakan pelengkap
dari frasa lainnya yang berbeda dalam kerangka waktu, yaitu hindsight
(kemampuan untuk melihat masa lalu dan memahami apa yang telah terjadi dan
mengapa) dan insight (pemahaman masa kini). Lebih lanjut Kuosa (2011)
menyatakan bahwa future studies dan foresight memiliki keterkaitan dalam banyak
hal. Foresight mengacu pada penerapan metode dan teknik future studies oleh
organisasi, termasuk organisasi nirlaba, nirlaba, dan pemerintah, untuk
dipersiapkan dalam upaya menghadapi masa depan.

Sebuah penjelasan yang lebih sederhana untuk memberikan Batasan atas
pemaknaan terminologi future studies dan foresight, dipaparkan oleh Asian
Development Bank (2020) yang menetapkan definisi future studies sebagai studi
tentang berbagai gambaran alternatif masa depan dan pandangan dunia serta nilai-
nilai yang mendukungnya. Sementara foresight sendiri didefinisikan sebagai
disiplin yang terkait dengan studi masa depan (future studies) yang meneliti
ancaman dan peluang yang muncul, dan menggunakan skenario untuk memahami
perubahan sosial yang terjadi (Futures Thinking in Asia and the Pacific: Why
Foresight Matters for Policy Makers, 2020).

Sebagai suatu disiplin ilmu ataupun pendekatan rasional, foresight memiliki
beberapa manfaat. Mengutip Parsons (2001), Frau (2019) menyebutkan bahwa
beberapa ahli menganggap bahwa tujuan strategis yang eksplisit dari pembuatan
kebijakan modern akan mengedepankan kebutuhan para pembuat keputusan untuk
mampu meramalkan dan memodelkan masa depan (Parsons (2001) dalam Frau

63

(2019)). Georghiou dan Keenan (2006) dalam (Frau, 2019) menggarisbawahi tiga
alasan berikut untuk penggunaan foresight:

1. Foresight akan memberikan saran kebijakan, menyoroti perspektif jangka
panjang dan memperluasnya,

2. Foresight membangun koalisi koalisi advokasi, menyoroti tantangan dalam
ruang interaksi di mana kelompok kepentingan dapat Bersatu,

3. Foresight dapat menyediakan forum sosial untuk refleksi strategis, debat
dan tindakan.
Argumen lain datang dari Dreyer & Stang (2013) dan Wright & Goodwin

(2009). Dreyer & Stang (2013) menyebutkan bahwa foresight dapat membantu
mempromosikan pandangan jangka panjang berbeda dengan jangka pendek yang
didorong oleh lamanya siklus pemilihan, meskipun beberapa masih melihat
pengaturan kelembagaan dari latihan dan inisiatif pandangan ke depan juga terlalu
terkait erat dengan siklus pemilihan. Sementara itu Wright & Goodwin (2009)
melihat foresight sangat sesuai dalam situasi yang ditandai dengan ketidakpastian
dan kompleksitas yang tinggi, karena metode logika intuitif perangkat future
studies seperti skenario sangat sesuai untuk menangani situasi dengan
prediktabilitas rendah, sedangkan elemen partisipatif dapat membantu mengurangi
beberapa bias motivasi, framing yang tidak tepat, dan kesalahan atribusi kausalitas
yang sering ditemukan di akar kegagalan keputusan (Frau, 2019).

64

2.2.1. Proses Tinjauan Masa Depan (Foresight)

Paparan sederhana yang menjelaskan bagaimana foresight dilakukan secara

langkah demi langkah disampaikan oleh Horton (1999), yang membagi rangkaian

forefront. a sim ple proses foresightguide to sucessful foresight ke dalam tiga fase utama, yaitu; input, foresight dan output. Fase
.............................. ..

.006 pertama, input, akan terdiri dari pengumpulan, penyusunan, dan peringkasan

inFfoorremsigahsti, aysacnagrriteedrsoeudtiain (asnepoerrgtainitzraetnio,napleerknveimrobnamnegnatnisyaabnogut dloihoakrinapgkaatnp,oscsuibrlaeh

futures in a range of areas, which may include technology but which will certainly cover

poetnhdearpaatretaesntsauncgh kaes japdoilaitnicsyaanngd tiddeamkobgriaapsha,icsd,anansdebdaegcaidininyga)wdhaant mdeecnisgiohnassiltkhaen

(Overview of the process)organization can take today to create the best possible future for itself.
pengetahuan akan pandangan ke depan. Fase kedua, foresight, terdiri dari

teTrjheemparohcaenssdfoanllowinstethrprereetpahsiasepse(nsgeeetFaihguuaren 1y),agnegnedraidllaypiant cdharorni oflaosgeicapleortradmer.a untuk

mPehnasgehOanseiclkomanpripseesmthaehcaomllecatniont,ecnotlalantiogn iamndpsliukmamsairnizyaatiodniomf aavasialabdleepinafonrmdaatiroin s(uusduualtlypthaant dsuacnhg
as trends, expected developments, brainstorming unusual happenings, and so on) and results in the
production of fo re sight know ledge.

tePimrhtpaeslinecatTutwioondcsaofrmoirptorhisreegfsuattnhueirestarfarsonimsltatethiroetnespannetcduifi.inctKepropeirnmettaoutfdiovinieaownf otfhfaisaskpenaorktwiceleutdilaggreao,trogoapnuroiztdpautuicoten,.anyuanndegrsttaenrddiinrgiodf iatsri

Phase Three co m prise s the assim ila tio n an d evaluation of this unde rstanding to pro duce a co m m itm ent to

asacimtioinlainsai pdaratinculaervoarglaunaizsaitiopn.emahaman ini untuk menghasilkan komitmen untuk

biEenraftcoihnrmdpaahktaiosdenalcarvemaaltueoesrgacahgnariiesnaatsefirrotevmratluenientfutohr(amHn aotthritoeonnp,rte1hv9rioo9uu9gs)h.onkenoaswtlheedgoeuttpoutsunmdoevrsetaunpdinthge.

However this value is only realized at the very end of the process and then often with a

significant time lag. Gambar 2.5. Tiga Fase Proses Foresight
Sumber: Horton (1999)

Figure 1 A successful foresight process

Phase One Phase Two Phase Three

Input s Foresight Outputs and action

govt

experts networks tools
w orkshops
custom ers literatu re Foresight reports A c tio n
research networks
Activities, skills etc. (Wisdom )
s u p p lie r s and people A c tio n

s u r ve y s univ Translation
Knowle dge Intepr etatio n
Value chain U nd e rs t a n d in g
Informa tion

Collection Assim ilation
Collatio n Comm itm ent
Sum m arization

Each pLhaesbeihislaalnsjoutm, Voroerodsiff(i2c0u0lt3a)nmd etnimgeemcobnansugmkianngk, emraonregkabasptrraocst,esanfodrleessisgehatsyy atnog

measure than the preceding one. In a successful foresight process, these three phases will

driegsaugltasinotlaekhinHg odretcoisnio(n1s9a9n9d) adcetinognas nwmhiechmwisialhl bkeandiffafesreenktettoigtahodsaelawmhicmhowdoeul lHd ohratvoen

)been carried out in the absence of the process.

Phase One in practice

Collection: Information on futures themes, trends, ideas, early signs and wild cards is
collected from a wide range of sources such as experts, universities, business networks,
personal networks, customers, suppliers, the `literature’, government, other foresight reports,
research and surveys. There are many methodologies and process which can be employed,

65

1999) menjadi dua elemen yang berbeda, yaitu proses foresight itu sendiri dan

output. Sementara itu, sebagai bagian terakhir dari proses adalah hasil (results),

yang mengacu kepada rencana tindakan yang akan diambil (Voros, 2003). Dengan

demikian, sebagai perluasan dari model Horton (1999), Voros menawarkan empat

fase utama dalam proses foresight, yaitu; input, foresight, output dan strategi

sebagai hasil akhir dari proses foresight.

Gambar 2.6. Kerangka Proses Foresight

resight process Figure 2 Ð The foresight framewoSrku,minber: HortoFnigu(1re939Ð9)The foresight framework, with small box o
ne form ``question'' form purposefull
some representative methodologies indicated views''. This
d with the inputs step in alternative f
sed to analyse and assess helpful itnheuFnodaveesrresatlal nppdreoinrcgteasthsme. adistdinacrt icomntroibduteiolnsVfroomroeasch(2003)btoeaswediledakelraain``hgfirvsatirncieuptty''uaottf.cdraeFtaatainwsgheiscohimntheieorimndpeuretosnugst toeafpcthue created. It i
s, usually as a first step step in ``normative'
d work. This is similar to, but foresight pr
) sub-step of translation. (1) Inputs. This is the gathering of information and scanning usually generates, so it is similar to Horton's (1999) methods he
eepen understanding, and analytical b
n's (1999) interpretation sub- kepfaordsatratpegeicnigntuelmligepnucel.aMnaniynmfeothrmodsa,steichdniaqnuespaendmindaitarannsla(tsiocnasnubn-sitnepg.)Coimnmteonlitjoeonls hserteraarteetgreinsd. existence o
Iterative and exploratory frameworks exist, of which the ``Delphi'' technique and analysis, cross-impact matrices and other such necessarily
ure states to create the methods at
spective'' in nature. ``environmental scanning'' (Choo, 1998) are perhaps the analytical techniques. evolving a
ssential ideas of Mintzberg's forward in t
esponsibilities of strategic Kembeustdkinaonwn. Tfhaesteoolskaendd uteach,niqfuoerseosf i``gcohmtp,etitmiveerupakan Theserersaunltsgokf athieaannalypsisroarseetshe;n feadniantloisais, perfectly va
nd strategic planning; the second step, how differe
n (1999); and the specific intelligence'' are relevant here. It is also where, in asked at th
laughter (1989), we arrive at itmnametemattww(drphhSneooperlaadsoarrkkriuunkngissenggenhhndashhteooiartyugd-ewppfshrauht,satfiotsoaue1t,trttro9amteesSid9pnuural6cegaacjt)onussha,mnn,.gwodtaWtheuhehsitxtheei?prctter't'hehh”grn(r±e1proohot9(huaatrsuh9wegsveppi9kenhsas,hiekncpebpiagkantrr.inrvogaest2aivittniy9aaeass,s2bnsoeste)kooftiveecurgdkoemdatmarfealytitlfnkhshonnseugeer``ysgrctiinmtendhoqaoefgeenuuanaailserirnbstissnirfpduuteioiuepoctnrutatnseihgrnsseirg,as-tmpanpaye&snianaidctsthcIngnhhnuraaetiiignnterup-epifckkrsappp?paiiarcnene)relleoerggnfl'ratiu',.ssdnatytIt(agtuerSaeiiauno?rrlslnecdane's'ptsudo,uyatogrwrsenadtaehohthdneurteaieasavcdsrsrnelnheiye,ee`ld`soed1ssabipks9eisn(use8pkkaS(sdI9sttnlitnhuago),aat'uh'haony`ygt`gaeafsplchpeta.tirquthonpiseTiulebelrrihateo,resuiahassa1yn,,tlbc;i9iis1oaashe9“e9l“nenyn9dt9asshea,``8gieawasppptatoph.hr)taapeo,a2fatusrtd0ho'lyyyltosm3euaaso)aarrct,ekpeeohnnsamffaoltgglosytr potential fu
undertaken at the organisational level (as opposed to plausible, p
foresight work. This layered analysis, based in part on these approaches, Figure 2 is
alable from individual to sebewinnoteralklisgrhenonypceafosrtcmeaanrtnjsai)n,dgw''ie?(ac”shos(shweowhthnaeitnte’Frsmigru``resetara3lt)el, ygoirchappening?(w)Shuidcffhiciewpiiltlrtfooorssmaeytshheeirsneubtthesatratpnitcreeexotteafnasdniso,tfhrodemraantrhtiec“lewa.epll-a futures: the
gher degrees of human sometimes simply ``strategic scanning'' (Brown, 1999, discussion
e next section. known ``systems iceberg'' metaphor ± events, (3) Outputs. The ou
p. 9) in preference to the somewhat passive term tangible and inta
n detail dipthapettreleorvnesslesasnodfpwtrroeornlddsvspie, ewsykssstaenimd. structure ± through to include the actu
e process are described in yan`g`enmvirounnmgenktainl sctaenrnjiangd''io?r”th(ewsohmaetwhmatignehgtathiveatperpmen?) myths as found in work. Intangible
ork; outputs; and strategy. A thinking engend
neric foresight process is ``early warning system.'' Most strategic planning involves causal layered analysis, to the deeper structures of insights generat
erms are used which are creation of forwa
89) and Horton (1999), the `s`eovmeerytFohninaegskecnaokllweeds't'`i`hegnoavwirodtonamdroei.nmItawl oasncdateendlnitniognd''iiswathadincachelaohur output,cbyoynamsncaicogruosmhniseetsosnricigtasleaflfcoarucnedsk.h)eoIpnwapthrdaecasteicleau,reamirnoafslutneonfdcoeaudrr i intangible outpu
meaning than those implied hard-headed, ``o
mments on the right-hand approach to strategic scanning (Voros, 2001, 2003) from work in FPR extended down to merely the level of recognise. But it
which were used in of output becaus
e of activity or thinking which rangseoxkistahtineiagnna``wmepellrckohnoossweensn'' wmfaoestrhseoodsmsiegothfheintngvsidreoenblibmeeelrnauttaemllysncdaiyffneanrei.nngtS., atu peistyrestxtateemnndydeyadnaatomndiceysepaaennrdgledvreidvlsearisnp,, aafolttrheomxuagmehpnoleca,cnoasugirokwnaaolrplky of strategy deve
are not definitive, but rather the mind(s) invo
the activity in that step. (2) Foresight work. This can be conceived as comprising on the Swinburne Scenarios. employed in the
gested that these were very futures-related, b
three broad steps which follow a logical sequence. The The third sub-step is the actual creation of forward ``getting across''
thinking about o
first step is: views. formalised strate
& Analysis, which is best considered as a preliminary & Prospection. I had to invent the word prospection[4] could be emplo
foresight work, s
stage to more in-depth work, rather than as a stand- to denote, in a form which could be displayed in a film, multimedia
Thus, this is a g
of appropriate to
contexts. It is in
perceptions and
be attempted di
means, or indire
provokes such q
which captures
might we need

alone technique itself. The sort of question asked

here is ``what seems to be happening?''. The goal is

66

atau merepresentasikan beberapa inti dari langkah ini adalah "apa yang mungkin
perlu kita lakukan?'' (what we might we need to do?). Fase keempat dari model
Voros (2003) ini adalah hasil akhir dari kerangka proses foresight berupa strategi.
Strategi dalam hal ini dimaksudkan sebagai penyerahaan output untuk
dipertimbangkan oleh para pengambil keputusan.

2.2.2. Skenario, Scenario Building dan Scenario Planning
Kamus Besar Bahasa Indonesia (KBBI) menginterpretasikan terminologi

atau kata ‘skenario’ sebagai rencana lakon sandiwara atau film berupa adegan demi
adegan yang tertulis secara terperinci, ataupun rancangan penyelenggaraan upacara,
pesta, dan sebagainya. Sementara itu Oxford Advanced Learner’s Dictionary
(OALD), selain menjelaskan kata ‘skenario’ dengan interpretasi yang serupa
dengan KBBI, yaitu garis-garis besar tertulis tentang apa yang terjadi dalam film
atau drama atau deskripsi tentang apa yang terjadi dalam film, drama, novel, dan
sebagainya (a written outline of what happens in a movie or play or a description
of what takes place in a film, play, novel, etc.), juga memperkenalkan interpretasi
skenario sebagai a description of how things might happen in the future, or a
description of a possible series of events or situations. Interpretasi kedua dari
OALD ini secara jelas memberikan suatu wawasan bahwa skenario berhubungan
dengan sesuatu yang mungkin saja dapat terjadi di masa depan. Dengan demikian
dapa diduga bahwa dalam konteks akademis, terminologi skenario tidak dapat
dipisahkan dari ranah kajian masa depan. Skenario adalah produk pola dasar kajian
masa depan atau future studies (Bishop et al., 2007).

67

Mengacu kepada kerangka proses foresight yang digagas oleh Voros
(2003), skenario merupakan perangkat yang dapat dimanfaatkan untuk
menjalankan proses prospeksi. Skenario tidak memprediksi masa depan, tetapi
mengeksplorasi beberapa situasi masa depan yang masuk akal (plausible) dengan
tujuan memperluas lingkup pemikiran para peserta dalam proses pengembangan
skenario (Godet (2007) dan Snaars (1987) dalam Amer et al (2013)). Skenario
berbeda dengan ramalan atau prakiraan (forecasting) karena di dalam skenario
berbagai kemungkinan yang dihasilkan dari ketidakpastian akan dieksplorasi,
sedangkan tujuan dari forecasting adalah untuk mengidentifikasi jalur yang paling
mungkin dan memperkirakan ketidakpastian (Pillkahn (2008) dalam Amer et al
(2013)). Oleh karena itu, perencanaan skenario tidak meramalkan masa depan yang
paling mungkin tetapi menciptakan satu set masa depan yang masuk akal
(Wilkinson (2009) dalam Amer et al (2013)).

Pada dasarnya dalam konteks akademis, khazanah literatur mengenai
skenario telah dibangun sejak dasawarsa 1970-an (T. Chermack et al., 2001).
Bishop et al (2007) menyebutkan bahwa setidaknya terdapat tiga kebingungan
(confusions) yang ditemukannya dalam menelusuri literatur mengenai skenario.
Hal yang pertama adalah kebingungan atas persepsi berbagai literatur yang
menyamakan terminologi pengembangan skenario (scenario building) dengan
perencanaan skenario (scenario planning). Untuk kebingungan yang pertama ini
Bishop et al (2007) menyarankan penggunaan terminologi scenario planning yang
lebih berkaitan dengan future studies secara lengkap, di mana scenario building
lebih dikhususkan untuk membuat narasi aktual tentang masa depan. Dengan kata

68

lain Bishop et al (2007) menggagas suatu argumen bahwa scenario planning
merupakan kegiatan yang jauh lebih komprehensif, di mana scenario building
merupakan salah satu aspeknya (Bishop et al., 2007).

Mengutip Herman Kahn (1967) yang dianggap sebagai peletak dasar future
studies dan scenario planning, Amer et al (2013) memaparkan definisi skenario
sebagai ‘‘a set of hypothetical events set in the future constructed to clarify a
possible chain of causal events as well as their decision points’’ (Kahn (1967)
dalam Amer et al (2013)).Lebih lanjut dalam penelitiannya, Chermack (2003)
memaparkan Batasan-batasan terminologi yang melibatkan kosa kata ‘skenario’
yang umum digunakan dalam kajian future studies maupun foresight. Terminologi
pertama adalah skenario (scenario) itu sendiri. Meskipun terdapat argumen yang
berbeda-beda dalam menginterpretasikan terminologi ini, Chermack (2003)
mengutip argumen dari Schwartz (1991) yang mendefinisikan skenario sebagai “A
tool for ordering one’s perceptions about alternative future environments in which
one’s decisions might be played out” (Schwartz (1991) dalam T. J. Chermack
(2003)). Terminologi kedua adalah scenario building (pembangunan skenario),
yang didefinisikan oleh Simpson (1992) sebagai “The process of constructing
alternate future of business’ external environment” (Simpson (1992) dalam T. J.
Chermack (2003)). Kemudian terminologi ketiga yaitu scenario planning atau
perencanaan skenario, yang oleh Thomas (1994) didefinsikan sebagai “A learning
process that challenges the comfortable conventional wisdoms of the organization
by focusing attention on how future may be different from the present” (Thomas
(1994) dalam T. J. Chermack (2003)).

69

2.2.3. Metode Skenario
Sebagai perangkat dalam future studies, serta sebagai bagian dalam

kerangka proses foresight menurut Voros (2003), skenario memiliki metodenya
sendiri yang tidak tunggal. Terdapat beberapa metode atau teknik dalam melakukan
aktivitas pembangunan skenario. Dua literatur utama yang menggambarkan secara
jelas klasifikasi dari metode atau teknik pembangunan skenario adalah Bishop et al
(2007) dan Amer et al (2013). Meskipun terdapat perbedaan dalam memberikan
subyek dari klasifikasi, Bishop et al (2007) menyebutkannya sebagai categories
(types) of scenario techniques, sementara Amer et al (2013) menyebutnya sebagai
classification of scenario planning methods, yang pada dasarnya lebih mengacu
kepada perluasan pemikiran dari Bradfield et al (2005). Baik Bishop et al (2007)
maupun Amer et al (2013) keduanya memiliki beberapa kesamaan, khususnya pada
beberapa metode atau teknik yang mereka masukkan ke dalam klasifikasi atau
kategorisasi.

2.2.3.1. Categories (Types) of Scenario Techniques (Bishop et al., 2007)
Bishop et al (2007) mengkategorikan delapan jenis teknik skenario, yang

beberapa di antaranya juga memiliki varian sebagai turunannya, yaitu:
1. Judgment, yang merupakan teknik yang dianggap paling mudah untuk

dijelaskan dan mungkin menjadi yang paling umum, karena kebanyakan orang
umumnya menegaskan apa yang mereka yakini akan atau bisa terjadi di masa
depan tanpa banyak dukungan metodologis. Sesuai dengan namanya, teknik
judgment ini sangat bergantung pada penilaian individu atau kelompok yang

70

menggambarkan masa depan. Meskipun tetap menggunakan penggunaan
informasi, analogi, dan penalaran dalam mendukung klaim atas masa depan,
teknik judgment tidak memiliki kerangka metodologis yang baku yang terdapat
di kategori lain. Beberapa metode atau teknik yang diklasifikasikan ke dalam
kategori ini oleh Bishop et al (2007) di antaranya adalah:

a. Genius forecasting
b. Visualization
c. Role playing, dan
d. Coates and Jarratt
2. Baseline, yang akan menghasilkan hanya satu skenario dalam bentuk gambaran
kasar masa depan, dianggap merupakan landasan dari semua skenario alternatif.
Beberapa metode atau teknik yang diklasifikasikan ke dalam kategori ini oleh
Bishop et al (2007) di antaranya adalah:
a. Manoa
b. Systemic scenario
3. Elaboration of fixed scenarios. Metode dan teknik dalam kategori ini akan
memulai pertimbangan eksplisit dari beberapa skenario. Kebanyakan teknik
skenario akan mengembangkan skenario dari awal, tetapi teknik-teknik yang
merupakan kelompok kategori elaboration of fixed scenarios ini akan memulai
proses dari skenario yang telah diputuskan sebelumnya. Beberapa metode atau
teknik yang diklasifikasikan ke dalam kategori ini oleh Bishop et al (2007) di
antaranya adalah:

71

a. Incasting
b. Stanford Research Institute International (SRI) matrix
4. Event sequences, merupakan kategori yang berisikan metode atau teknik
skenario yang didasari oleh argumen bahwa jika suatu peristiwa potensial
terjadi, maka masa depan akan berjalan ke satu arah. Tetapi jika tidak, maka
akan bergerak ke arah atau cabang masa depan yang lainnya. Cabang masa
depan di masing-masing titik tersebut bergantung pada apakah peristiwa
tersebut terjadi atau tidak. Metode atau teknik yang diklasifikasikan ke dalam
kategori ini oleh Bishop et al (2007) di antaranya adalah:
a. Probability trees
b. Sociovision
c. Divergence mapping, dan
d. Future mapping
5. Backcasting. Merupakan kategori yang berisikan metode atau teknik skenario
yang pada dasarnya berlawanan arah dengan forecasting. Dalam backcasting,
Langkah pertama yang akan dilakukan adalah membayangkan keadaan masa
depan pada suatu horizon waktu tertentu, baik yang bersifat plausible, ataupun
fantastis, diinginkan ataupun atau tidak diinginkan. Setelah menetapkan
keadaan tersebut sebagai titik acuan, maka dianggap akan lebih mudah untuk
menghubungkan titik-titik dari masa kini ke masa depan tersebut. Metode atau
teknik yang diklasifikasikan ke dalam kategori ini oleh Bishop et al (2007) di
antaranya adalah:

72

a. Horizon mission methodology
b. Impact of future technologies
6. Dimensions of uncertainty. Kategori ini memuat metode atau teknik skenario
yang terlebih dahulu akan mengidentifikasi sumber-sumber tertentu dari
ketidakpastian, dan menggunakannya sebagai dasar untuk masa depan
alternatif, tergantung pada bagaimana ketidakpastian tersebut terjadi. Metode
atau teknik yang diklasifikasikan ke dalam kategori ini oleh Bishop et al (2007)
di antaranya adalah:
a. Morphological analysis
b. Field anomaly relaxation
c. GBN (Global Business Network) matrix
d. Option development and evaluation, dan
e. MORPHOL
7. Cross impact analysis. Salah satu tujuan pengembangan skenario adalah untuk
mengidentifikasi berbagai kondisi, peristiwa, dan bahkan seluruh skenario di
masa depan. Tidak hanya untuk mengidentifikasi karakteristik dan
implikasinya, tetapi juga untuk menghitung probabilitas relatif kejadiannya.
Namun demikian, sebagian besar analis sangat menyadari bahwa kemungkinan
suatu peristiwa, sampai batas tertentu, akan bergantung pada terjadinya
peristiwa lain. Metode atau teknik dalam kategori ini akan menempatkan
berbagai peristiwa tersebut dalam matriks bujur sangkar dengan setiap kondisi
atau peristiwa menempati satu baris dan satu kolom. Matriks tersebut akan
menampilkan, tidak hanya probabilitas awal yang ditetapkan ke suatu kondisi

73

atau peristiwa, tetapi juga probabilitas bersyarat dari kondisi atau peristiwa
yang diberikan kemunculannya kondisi atau peristiwa lain. Metode atau teknik
yang diklasifikasikan ke dalam kategori ini oleh Bishop et al (2007) di
antaranya adalah:

a. Interactive future simulation (IFS)
b. SMIC-PROB-EXPERT
8. Modelling. Pemodelan sistem pada umumnya digunakan pada forecasting
dengan baseline, yaitu prediksi mada depan yang dinginkan. Berdasarkan
persamaan yang menghubungkan efek dari beberapa variabel kepada variabel
lainnya, keluaran atau output yang dihasilkan pada umumnya adalah nilai yang
diinginkan (expected value) dari variabel tujuan pada suatu titik di horizon
waktu (masa depan), atau grafik yang menunjukkan perubahan variabel tersebut
di antara titik waktu saat ini dengan titik waktu di masa depan sepanjang
horizon. Namun demikian beberapa teknik yang dapat menghasilkan prediksi
nilai tunggal untuk titik waktu di masa depan dapat pula menghasilkan
sekumpulan skenario (beberapa nilai yang mungkin dapat terjadi di masa
depan), melalui pengembangan variasi pada input ataupun struktur dari model
prediksi tersebut. Beberapa metode atau teknik yang diklasifikasikan ke dalam
kategori ini oleh Bishop et al (2007) di antaranya adalah:
a. Trend impact analysis
b. Sensitivity analysis, dan
c. Dynamic scenarios

74

2.2.3.2. Classification of Scenario Planning Methods (Amer et al., 2013)
Berbeda dengan Bishop et al (2007), Amer et al (2013) membagi klasifikasi

metode atau teknik skenario menjadi tiga aliran utama (scholars). Dua di antaranya
disebutkan berasal dari negara-negara Anglophone, yaitu Amerika Serikat dan
Inggris, sementara satu yang lain berasal dari perancis. Kategorisasi yang diusulkan
oleh Amer et al (2013) adalah; (1) Intuitive logic school, (2) Probabilistic modified
trend (PMT) school, dan (3) La Prospective (French school).

Metodologi dalam intuitive logic school dianggap telah mendapatkan
sebagian besar perhatian dalam literatur scenario planning. Pendekatan ini
sebelumnya diusulkan oleh Herman Kahn (dengan genius forecasting-nya (Bishop
et al., 2007)) di Rand Corporation pada tahun 1960-an. Pendekatan logika intuitif
mengasumsikan bahwa keputusan bisnis didasarkan pada serangkaian hubungan
yang kompleks antara faktor ekonomi, politik, teknologi, sosial, sumber daya, dan
lingkungan. Pendekatan intuitive logic tidak menggunakan algoritma matematika.
Pendekatan ini juga dapat digunakan untuk mengembangkan skenario yang
fleksibel dan konsisten secara internal. Namun demikian, metode dan teknik dalam
aliran intuitive logic ini akan sangat bergantung pada pengetahuan, komitmen,
kredibilitas dan keterampilan komunikasi para personil yang terlibat dalam proses
pengembangan skenario. Amer et al (2013) menyebutkan bahwa terdapat banyak
variasi dari model intuitive logic yang diterbitkan dalam berbagai literatur. Namun,
metodologi yang diusulkan oleh Stanford Research Institute International (SRI)
merupakan metode atau teknik yang paling populer dan paling sering digunakan
(Amer et al., 2013).

75

Kelompok metodologi kedua dalam klasifikasi Amer et al (2013) adalah
aliran probabilistic modified trend (PMT), yang dikembangkan dari karya Olaf
Helmer dan Ted Gordon dan lainnya di RAND Corporation di Amerika Serikat.
Beberapa metode atau teknik yang dimasukkan ke dalam kelompok aliran
probabilistic modified trend (PMT) ini oleh Amer et al (2013) di antaranya adalah
dua metodologi berbasis matriks yang sangat berbeda, yaitu trend impact analysis
(TIA) dan cross-impact analysis (CIA). Metode atau teknik skenario pada aliran ini
sangat dicirikan oleh pendekatannya yang lebih bermuatan kuantitatif.

Kategori ketiga, la prospective (French school), dianggap lahir setelah
seorang filsuf Perancis, Gaston Berger, mempresentasikan konsep pendekatan
perencanaan skenario untuk perencanaan jangka panjang dan menamakannya La
prospective atau pemikiran prospektif (Amer et al., 2013). Prinsip yang mendasari
pendekatan ini adalah bahwa masa depan bukanlah bagian dari kontinuitas temporal
yang telah ditentukan sebelumnya, dan dapat dengan sengaja dibuat dan
dimodelkan. Pendekatan la prospective ini dianggap lebih mengembangkan
skenario normatif masa depan dan mengartikulasikan gambaran masa depan yang
idealis sehingga skenario dapat berfungsi sebagai panduan visi bagi pembuat
kebijakan dan memberikan dasar untuk tindakan di masa depan.

Michel Godet dari Department of Future Studies di SEMA group di SEMA
melakukan proyek skenario untuk banyak institusi nasional Perancis dan
mengembangkan pendekatan probabilistik matematika dan berbasis komputer
untuk menghasilkan skenario. MORPHOL dan SMIC PROB-EXPERT adalah alat
populernya untuk pengembangan skenario. MORPHOL adalah versi komputer dari

76

analisis morfologi dan SMIC PROB- EXPERT adalah bentuk variasi dari cross-
impact analysis.

Sebagai rangkuman dari pembahasan mengenai tiga aliran metode atau
teknik skenario, Amer et al (2013) menyebutkan bahwa terdapat perbedaan
karakteristik utama pada ketiga aliran tersebut. Metode atau teknik skenario pada
aliran probabilistic modified trend ini sangat dicirikan oleh pendekatannya yang
lebih bermuatan kuantitatif, yang berbeda dengan aliran intuitive logic dengan
penekananannya pada teknik-teknik kualitatif. Sementara itu, aliran French school
atau La prospective diangap sebagai adalah pendekatan formal yang menggunakan
kombinasi alat kualitatif dan kuantitatif, dan para peneliti menggambarkannya
sebagai perpaduan antara intuitive logic dan metodologi probabilistic modified
trend (Amer et al., 2013).

2.2.3.3. Metode Scenario Building Kuantitatif: Trend Impact Analysis
Melanjutkan paparannya mengenai metode atau tekni dalam aliran

probabilistic modified trend, Amer et al (2013) secara khusus menjelaskan
beberapa metode atau teknik skenario yang menggunakan dan menekankan
pendekatan secara kuantitatif. Metode kuantitatif pada umumnya akan mengukur
variabel dan menerapkan analisis statistik, menggunakan atau menghasilkan - data
yang handal dan valid, setidaknya dalam kerangka teoritis, seperti indikator sosial
ekonomi. Pemetaan tersebut akan mempertimbangkan tiga metode kuantitatif:
bibliometrik, pemodelan atau simulasi, dan ekstrapolasi dari tren (Popper, 2008).

77

Beberapa metode atau teknik skenario kuantitatif yang digarisbawahi oleh Amer et
al (2013) adalah;
• Interactive Cross Impact Simulation (INTERAX)/SMIC
• Interactive Future Simulations (IFS)
• Trend impact analysis (TIA)
• Fuzzy Cognitive Map (FCM) based scenario planning approach

Sementara itu, Bishop et al (2007), yang mengidentifikasi setidaknya lebih
dari dua puluh jenis metode atau teknik skenario dari delapan kategori,
menyebutkan beberapa di antara metode atau teknik skenario dengan pendekatan
kuantitatif, yaitu;
• Probability tree
• Global Business Network (GBN) matrix
• Option development and evaluation
• MORPHOL
• Interactive Future Simulations (IFS)
• SMIC PROB-EXPERT
• Trend impact analysis
• Sensitivity analysis

Baik Amer et al (2013) maupun Bishop et al (2007) sama-sama
menggarisbawahi interactive future simulation (IFS) dan trend impact analysis
sebagai metode atau teknik skenario kuantitatif. Bishop et al (2007) sendiri
mengidentifikasi bahwa metode trend impact analysis itu sendiri merupakan

78

metode yang dapat diklasifikasikan sebagai metode dalam kelompok kategori
baseline sekaligus juga dalam kategori modelling.

Trend impact analysis (TIA) berasal dari tahun 1970-an dan dikembangkan
untuk mengkompensasi kelemahan ekstrapolasi, karena gagal memperhitungkan
peristiwa masa depan yang tidak terduga (Kosow & Gaßner, 2008; Martelli, 2014a).
Pada dasarnya trend impact analysis (TIA) adalah pendekatan sederhana untuk
peramalan di mana data time-series dimodifikasi untuk memperhitungkan persepsi
tentang bagaimana peristiwa di masa depan dapat mengubah ekstrapolasi yang
seharusnya bebas dari kejutan atau surprised-free (Gordon, 2009).

Mengenai latar belakang TIA itu sendiri, Gordon (2009) menyampaikan
bahwa TIA dikembangkan pada akhir 1970-an untuk menjawab pertanyaan yang
sangat sulit dan penting dalam penelitian di masa depan. Metode kuantitatif
berdasarkan data historis digunakan untuk menghasilkan prakiraan dengan
mengekstrapolasi data tersebut ke masa depan, namun demikian metode tersebut
tidak pernah memperhitungkan efek dari kemungkinan peristiwa masa depan yang
belum pernah terjadi sebelumnya.

Kritik ini pada dasarnya cukup sesuai untuk semua metode kuantitatif yang
dibangun semata-mata di atas data historis (dari teknik time-series hingga
ekonometrik). Metode skenario dengan pendekatan kuantitatif akan
mengasumsikan bahwa kekuatan yang bekerja di masa lalu akan terus bekerja di
masa depan, dan peristiwa masa depan yang dapat mengubah hubungan masa lalu
atau membuat tren menyimpang tidak akan terjadi, atau tidak memiliki efek yang
berarti. Metode yang mengabaikan kemungkinan masa depan menghasilkan

79

proyeksi tanpa kejutan. Dalam banyak kasus nyata, proyeksi atas masa depan
hampir selalu dipengaruhi oleh berbagai kejutan yang belum terpikirkan atau
dibayangkan sebelumnya (Gordon, 2009).

Dalam menghasilkan TIA, rangkaian peristiwa masa depan yang dapat
menyebabkan perubahan tren di masa depan harus ditentukan. Dengan
menggunakan TIA, maka harus dibangun suatu basis data untuk peristiwa-peristiwa
potensial utama yang dapat saja mengubah tren ekstrpolasi, beserta probabilitas
terjadinya persitiwa-peristiwa tersebut dan dampak yang dapat dihasilkannya
(Gordon, 2009).

TIA adalah metode peramalan yang memungkinkan ekstrapolasi tren
historis untuk dimodifikasi dalam pandangan ekspektasi tentang peristiwa masa
depan. Metode ini memungkinkan seorang analis, yang tertarik untuk melacak tren
tertentu, untuk memasukkan dan secara sistematis memeriksa efek dari
kemungkinan kejadian di masa depan yang dianggap penting. Peristiwa dapat
memiliki rentang yang luas untuk mencakup perubahan teknologi, politik, sosial,
ekonomi, dan berorientasi nilai. TIA adalah metode yang menganalisis konsekuensi
perkembangan masa depan terhadap tren masa depan ini (Gordon, 2009).

Gordon (1994) menggarisbawahi dua langkah utama dalam menjalankan
trend impact analysis (TIA:
1. A curve is fitted to historical data to calculate the future trend, given no

unprecedented future events; and
2. Expert judgments are used to identify a set of future events that, if they were to

occur, could cause deviations from the extrapolation of historical data. For

80

each such event, experts judge the probability of occurrence as a function of

time and its expected impact on the future trend, should the event occur. An

event with high impact is expected to swing the trend relatively far, in a positive

or negative direction, from its unimpacted course.

Secara ringkas, langkah pertama dari penggunaan TIA adalah dengan

kalkulasi untuk membangun ekstrapolasi atas tren yang bersifat surprised-free atau

bebas dari faktor-faktor yang berpotensi memberikan kejutan di masa depan

(Kosow & Gaßner, 2008; Martelli, 2014a). Langkah pertama ini ditunjukkan

dengan ilustrasi trend development ‘a’ (baseline) pada gambar di bawah ini.

Tantangan pada langkah pertama ini terletak pada penentuan kurva ekstrapolasi

(Gordon, 2009). Tantangan atau kesulitan ini pada dasarnya disebabkan oleh

beberapa alasan, salah satunya adalah karena dua bentuk kurva yang berbeda,

misalnya, masing-masing dapat sesuai dengan data historis dengan baik namun

menghasilkan ekstrapolasi yang dapat saja sangat berbeda (Martelli, 2014a). Dalam

memberikan contoh aplikasi pemanfaatan TIA, Gordon (2009) memaparkan bahwa

kurva hasil ekstrapolasi, berdasarkan data historis, dapat saja memiliki pola sebagai

berikut:

1. Linier @ = A∗C+D

2. Eksponensial ln(@) = A ∗ C + D

3. Power function ln(@) = A ∗ ln(C) + D

4. Logaritmik @ = A ∗ ln(C) + D

5. Inverse v E = A ∗ C + D
6. Inverse t F

@ = G + D
*

81

7. S shaped ln HEMIKJILKJLN = A ∗ C + D

Kemudian untuk memilih pola yang paling sesuai, Gordon (2009)

merekomendasikan penggunaan uji koefisien determinasi r2. Meskipun Gordon

(2009) merekomendasikan penggunaan uji koefisien determinasi, Martelli (2014)

menyampaikan argumennya bahwa dalam banyak kasus, kurva berbentuk S (atau

S shaped curve atau kurva logistik) lebih dipilih karena dianggap merupakan hal

Myaenthgopdasloinfgfuatluarme ianddarsicheunakruiomapnearlytusmis buhan (Martelli, 2014a).

Gambar 2.7. Variasi Pengembangan Tren dengan TIA
Sumber: Kosow & Gaßner (2008)

Figure 5: Diagram of a trend variation with TIA

Trend development b

Trend A (Tbraesnedlidnee-v) elopment a

Trend development c

Historical data Extrapolation

SourcSe:ebIaZgTai langkah kedua, akan dilakukan identifikasi atas berbagai peristiwa

rmesapsaecdteipvaeniynafnluge, njickeast.eTrjahdei,rdeaspualtt mis,ensyoebtoabskpaenapke,naynimepxapnagnasniodnaroi fektshtera“pfoulans-i
ndealtainhtoisttohreis fuytaunrge” boefrsiinfadtivsiduurparlisterden-fdrese. T(hGiosrtdeocnh,ni2q0u0e9)c.omPebriinsteiws aa vyearnyg
formalized manner of proceeding with explicitly creative elements
(dcifid. eMntiiefitkzanseir t/eRrsebguetr 2h0a0ru4s, 5m4e)r.upakan peristiwa yang plausible, berpotensi

Within the framework of comprehensive scenario processes, this technique
is well-suited for creating variations in development with respect to indi-
vidual key factors with the aid of an assumption of future events, thus de-
termining different salient specifications. Following that, the key factors
which have been thus varied can be combined with other factors which

82

The Millennium Project Futures Research Methodology—V3.0

memiliki pengaruh kuat dan dapat diverifikasi dalam retrospeksi (Martelli, 2014a).

III. KHeOmWudTiaOn,DOunItTuk setiap peristiwa yang teridentifikasi tersebut, akan dinilai

probTawbioliptarsinactiapualksetempusnagrekinneacnestesarjrayd:inya sebagai fungsi waktu dan dampak yang

diprf(e1udt)iukAraesceiuvarevkneatnsis;bafeintrtdpeedntgoahruishtopraicdaal tdraetna mtoacsaalcduelpaaten,thjiekfauptuerreisttriewnad,tegrisveebnunt oteurjnapdrie.cedented
Peni(l2a)iaEnxpleebrtihjudlagnmjuetnttseanrteanugsedsettoiaipdepnetirfiystaiwsaet mofafsuatudreepeavnenttesrtihdaetn,tiiffitkhaesyi wyearnegto occur,
dipieclioxhup,lesdretcspaejuurstdiegkedaetpvhaieanptirtoronebsnafbmrioluimtlyatiohfteeoercpxcetrunargpraeornluachtei,oanksaoapffauhnniscdttoairomincpaoalfkdtaipmtaade. aFaontrrdeeniatscmheexsnpucecachpteeadvieimntp, act
maksoswnimitnhagel tfdhuaetnutrrbeeentsrdaenrrendly,aatsihvyoeaulnylgdfatrhre,eleienvvaaennp,todosaictncivukera.opArannneedgvaaemtnivtpewadkitihraekcathiniognmh, efimrnocpmaapciattisiskunoexinmpdeipscaitcetdedto
akhicroautrasue.tingkat mapan dengan besaran yang relevan (Martelli, 2014a).

These conGceapmtsbaarer i2l.l8u.stPraatreadmienteFrigDuarme 1p.ak dari Peristiwa yang Khas dalam TIA
Figure 1. Typical Event ImpactSPuamrabmere: t(eGros rdon, 2009)

Level of
Impact

Time at which
Event Occurs

Time to First Impact

Timing of Time to Maximum Impact
Impact Time to Steady State Impact

Masing-masing dari tiga waktu yang ditentukan dan dua besaran dampak

TIAypanrogvtiedreksaaitsdyesntegmanantiycamaekaanns dfoiarncgogmapbiinnidngepseunrdperinses-efpreeenuexhtnryapa.oMlatiisoanlsnywai,thdajumdpgamkents
about the probabilities and impacts of selected future events. As an example, Figure 2 shows an

maksimum mungkin positif dan dampak kondisi mapan negatif, atau dampak

Trend Impact Analysis 2

83

kondisi mapan mungkin nol dan dampaknya hanya sementara. Terakhir, dampak
maksimum mungkin sama dengan dampak kondisi mapan (Martelli, 2014a)
Peristiwa dengan dampak tinggi diprediksi akan menggeser tren relatif jauh, ke arah
positif atau negatif, dari jalur tren sebelumnya yang bersifat surprised-free
(Gordon, 2009).

Dalam langkah kedua ini pula Gordon (1994) mempersyaratkan
didapatkannya masukan atau opini dari para ahli yang akan melakukan identifikasi
peristiwa-peristiwa yang berpotensi terjadi dan berdampak signifikan, melakukan
penilaian probabilitas terjadinya peristiwa tersebut, serta analisis atas dampak yang
akan dihasilkan beserta besarannya.

Menurut Gordon (1994), yang juga merupakan penggagas dari metode ini,
metode TIA dirancang untuk memodifikasi ekstrapolasi sederhana. Lebih lanjut
Gordon (1994) juga menyebutkan bahwa salah satu kekuatan terpenting dari
metode TIA ini adalah dilengkapinya ekstrapolasi tren masa depan, yang berasal
dari data historis, dengan masukan dan pertimbangan para pakar dan analis
mengenai peristiwa apa yang mungkin dapat terjadi di masa depan, berikut
kemungkinan dan dampaknya (Gordon, 2009). Namun demikian, metode ini juga
memiliki beberapa kelemahan, di samping kekuatannya. Para peneliti terdahulu
(Amer et al., 2013; Bishop et al., 2007; Kosow & Gaßner, 2008; Martelli, 2014a)
memaparkan secara rinci temuan mereka atas identifikasi kekuatan dan kelemahan
metode TIA ini, yang dirangkum dalam tabel di bawah ini.

Tabel 2.3. Kekuatan dan Kelemahan Metode Trend

Peneliti Kekuatan
(Bishop et al., 2007)
1. TIA dan sebagian besar metod
kategori modelling dapat menc
representasi kuantitatif terbaik
kontinu yang menggambarkan
depan.

2. Dapat menghubungkan tren ya
data historis dengan peristiwa
yang berpotensi terjadi

(Kosow & Gaßner, 2008) 1. Prosedur dalam TIA memungk
mengantisipasi peristiwa-peris
depan dan mempelajari dampa
jalur yang diambil oleh tren. K
menjadi mungkin untuk memp
peristiwa mana yang diasumsi
masa depan yang mungkin me
(relatif) terbesar.

d Impact Analysis Menurut Pandangan Beberapa Peneliti

de dalam Kelemahan
ciptakan
k dari variabel 1. Sulit untuk melakukan validasi model tanpa
n keadaan masa data historis yang lengkap

ang berasal dari 2. Masih membutuhkan pertimbangan atau
masa depan masukan untuk memperkirakan dampak
masa depan. Akan lebih baik bila dilakukan
dengan sekelompok ahli, dan mungkin
dengan menggunakan metode Delphi.

kinkan untuk 1. Definisi apa pun dari rangkaian peristiwa

stiwa di masa yang mungkin terjadi di masa depan akan
aknya pada selalu bersifat subjektif dan tidak dapat

Kemudian mengajukan klaim apapun atas
perkirakan kehandalannya.

ikan terjadi di 2. Berbagai peristiwa masa depan yang
emiliki dampak teridentifikasi dianggap terpisah satu sama

lain, seolah-olah tidak terdapat pengaruh
timbal balik antara peristiwa dan tren yang

berbeda
3. Metode ini membutuhkan basis data yang

kokoh, tidak dapat digunakan jika data time-
series yang terperinci dan andal tidak

tersedia

84

Peneliti Kekuatan
(Amer et al., 2013)
1. Pendekatan TIA ini dapat men
(Martelli, 2014b) teknik peramalan yang lebih tr
seperti deret waktu dan ekonom
faktor kualitatif

2. Pengguna mengidentifikasi fak
yang berdampak dan mengeva
kemungkinan terjadinya dan k
dampaknya

3. Ekstrapolasi tren dapat dimodi
memperhitungkan persepsi ten
bagaimana peristiwa di masa d
berubah karena peristiwa yang
terjadi sebelumnya

1. TIA melibatkan identifikasi pe
peristiwa masa depan dan peng
faktor eksogen yang dapat men

2. TIA menambahkan kuantifika
sehingga membantu memastik
yang lebih baik.

85

nggabungkan Kelemahan
radisional
metrik dengan 1. Metode ini tidak dapat mengevaluasi
kemungkinan dampak yang mungkin
ktor-faktor ditimbulkan antara satu peristiwa terhadap
aluasi peristiwa lainnya
kekuatan
2. Dirancang terutama untuk evaluasi satu
ifikasi untuk keputusan kunci atau variabel prediksi yang
ntang bersifat kuantitatif dan terdapat informasi
depan dapat historis
g belum pernah
3. Proses dapat terhambat karena tidak
tersedianya data time series historis yang
andal

eristiwa- 1. Jumlah dan sifat peristiwa yang
teridentifikasi mungkin tidak lengkap, dan
ggunaan faktor- kemunculannya hanya didasarkan pada
ngubah tren. probabilitas.

asi ke skenario,
kan konsistensi

2.3. Kebijakan Publik
Richard Musgrave, salah satu ekonom keuangan publik terbesar abad 20,

menyampaikan argumennya bahwa dalam suatu negara atau perekonomian,
pemerintah memiliki setidaknya tiga peran penting, yaitu; stabilisasi, distribusi dan
alokasi (Stiglitz & Rosengard, 2015).

Dalam hal stabilisasi, pemerintah bertanggung jawab dalam memastikan
bahwa perekonomian berada dalam kondisi full employment atau kesempatan kerja
penuh., dan dalam kondisi harga-harga yang stabil. Peran distribusi ini berkaitan
dengan berbagai upaya pemerintah dalam mengalokasikan sumber daya yang
tersedia dalam perekonomian. Peran distribusi ini dapat dilakukan oleh pemerintah
baik secara langsung maupun tidak langsung. Peran pemerintah yang ketiga,
distribusi, berkaitan dengan upaya yang dilakukan dalam rangka mendistribusikan
produk-produk yang dihasilkan oleh masyarakat kepada anggotanya. Peran
distribusi ini sangat berkaitan dengan berbagai masalah kemerataan dan trade-off
antara kemerataan dengan efisiensi (Stiglitz & Rosengard, 2015).

Kegiatan yang dilakukan oleh pemerintah pada umumnya dituangkan dalam
suatu hal yang disebut sebagai kebijakan. Mengenai arti dan pemaknaan dari
‘kebijakan’ ini sendiri, Kamus Besar Bahasa Indonesia (KBBI)
menginterpretasikan terminologi atau kata ‘kebijakan’ sebagai; rangkaian konsep
dan asas yang menjadi garis besar dan dasar rencana dalam pelaksanaan suatu
pekerjaan, kepemimpinan, dan cara bertindak (tentang pemerintahan, organisasi,
dan sebagainya); atau pernyataan cita-cita, tujuan, prinsip, atau maksud sebagai
garis pedoman untuk manajemen dalam usaha mencapai sasaran.

86

87

Dalam konteks ilmiah di ranah kebijakan publik, definisi yang paling
ringkas dan sederhana dipaparkan oleh Thomas R. Dye (1978), yang menyebutkan
bahwa kebijakan publik adalah segala hal yang dipilih oleh pemerintah untuk
dilakukan atau tidak dilakukan (whatever governments choose to do or not to do)
(Dye, 2017). Melengkapi definisi Dye (1978) tersebut, Kraft & Furlong (2018)
memaparkan definisi kebijakan publik sebagai tindakan pemerintah untuk
melakukan atau tidak melakukan sesuatu dalam menanggapi masalah publik (a
course of government action or inaction in response to public problems). Hal ini
pada dasarnya terkait dengan tujuan dan sarana kebijakan yang disetujui secara
resmi, serta peraturan dan praktik badan atau lembaga yang akan melaksanakan
program dari kebijakan tersebut (Kraft & Furlong, 2018). Birkland (2011) memilih
definisi kebijakan (policy) sebagai pernyataan pemerintah tentang apa yang ingin
dilakukannya, seperti undang-undang, peraturan, keputusan, perintah, ataupun
kombinasi dari beberapa atau semua di antaranya (Birkland, 2011).

Lebih lanjut, (Birkland, 2011) menyebutkan bahwa tidak ada definisi
tunggal yang dapat dikembangkan mengenai terminologi kebijakan public itu
sendiri, namun demikian didapatkan indikasi atas beberapa atribut utama dari
kebijakan publik, yaitu:
• Kebijakan dibuat untuk menanggapi beberapa jenis masalah yang

membutuhkan perhatian.
• Kebijakan dibuat atas nama "publik".

88

• Kebijakan berorientasi pada tujuan atau keadaan yang diinginkan, seperti solusi
dari suatu masalah.

• Kebijakan pada akhirnya dibuat oleh pemerintah, meskipun ide tersebut berasal
dari luar pemerintah atau melalui interaksi antara aktor pemerintah dan non
pemerintah.

• Kebijakan diinterpretasikan dan diimplementasikan oleh aktor publik dan
swasta yang memiliki interpretasi yang berbeda tentang masalah, solusi, dan
motivasi mereka sendiri.

• Kebijakan adalah apa yang dipilih pemerintah untuk dilakukan atau tidak
dilakukan.

2.4. Penelitian Terdahulu
Penelitian yang berkaitan, ataupun yang menggunakan kerangka kerja dan

perangkat, future studies pada dasarnya telah bermunculan sejak beberapa
dasawarsa yang lalu. Chermack (2018) melakukan suatu literature review yang
dimaksudkan sebagai upaya untuk melakukan analisis dan kategorisasi publikasi
ilmiah di ranah scenario planning dari tahun 1995 hingga 2016. Analisis yang
dilakukan Chermack (2018) tersebut mengungkapkan klasifikasi umum penelitian
mengenai, atau yang berkaitan dengan, scenario planning ke dalam penelitian
teoritis atau konseptual dan penyelidikan berdasarkan data. Penelitian berbasis data
diklasifikasikan lebih lanjut sebagai studi kasus, penelitian kualitatif dan penelitian
kuantitatif. Secara umum, dari 257 artikel yang menjadi obyek analisis Chermack
(2018), lebih dari setengah dari artikel referensi yang diterbitkan selama 20 tahun
terakhir merupakan karya teoritis / konseptual. Selanjutnya, dari penelitian berbasis
data, sebagian besar bersifat studi kasus. Dari 257 artikel yang menjadi obyek
analisis Chermack (2018), hanya ditemukan sebanyak 17 artikel yang
menggunakan pendekatan kuantitatif, meskipun tidak disebutkan perangkat
analisis atau perangkat bantu untuk scenario building yang digunakan. Lebih
lanjut, khusus dalam ranah penelitian kuantittif yang berhubungan dengan scenario
planning (maupun future studies secara umum), Chermack (2018) memberikan
argumen bahwa terdapat berbagai peluang dan tantangan bagi peneliti scenario
planning mendatang dalam domain ini untuk melibatkan penerapan desain dan
statistik penelitian lanjutan untuk mengidentifikasi variabel prediktor dan hasil
yang terlibat dalam proses scenario planning (T. J. Chermack, 2018).

89

90

Pada tahun yang sama, Oliveira et al. (2018) melakukan studi bibliometrik
untuk melakukan review atas literatur mengenai, atau yang berkaitan dengan,
skenario prospektif atau skenario masa depan. Dengan berfokus pada portal
pengindeks publikasi ilmiah Scopus, Oliveira et al. (2018) menemukan setidaknya
89 artikel , yang dimulai dari tahun 1989 hingga 2017. Studi bibliometrik Oliveira
et al. (2018) tersebut menemukan bahwa bidang kajian yang dinilai paling banyak
mengaitkan diri atau menggunakan pendekatan skenario sebagai bagian dari future
studies berasal dari disiplin ilmu lingkungan (environmental science) dan energi.
Disusul kemudian oleh rumpun disiplin ilmu-ilmu sosial, bisnis, manajemen dan
akuntansi.

Pemanfaatan metode trend impact analysis (TIA), sebagai metode scenario
building dengan pendekatan kuantitatif, dalam berbagai kajian ilmiah juga dapat
dianggap masih langka. Penelusuran penulis pada portal pengindeks publikasi
ilmiah Scopus, artikel yang secara spesifik membahas TIA masih sangat langka,
berjumlah tidak lebih dari 20 artikel, dan setidaknya terdapat empat artikel yang
memanfaatkan metode TIA dalam upaya melakukan eksplorasi atas masa depan, di
antaranya adalah; Hennen & Benninga (2009), Ilavska & Chovancik (2020), Pop &
Grigoras (2021), Ray et al. (2017).

Hennen & Benninga (2009) menggunakan TIA dalam melakukan prediksi
atas konsumsi buah di masa depan di empat negara, berdasarkan data historis yang
berasal dari FAO untuk tahun 1985-2005. Namun demikian, dalam penelitian
tersebut, Hennen & Benninga (2009) melakukan sedikit modifikasi pada langkah-

91

langkah proses TIA yang direkomendasikan oleh Gordon (2009), sehingga
menetapkan langkah-langkah proses TIA sebagai berikut;
1. Mengumpulkan data tentang konsumsi buah untuk berbagai negara dan

penghitungan baseline (yaitu, tren dalam beberapa tahun terakhir) dari data
tersebut.
2. Memperoleh informasi tentang potensi tren di masa depan dari para ahli
(misalnya; ekspektasi atas besarnya dampak dan kerangka waktu faktor-faktor
tertentu yang mendasari tren tersebut). Simulasi Monte Carlo digunakan untuk
menjelaskan fakta bahwa para pakar memberikan prediksi mereka dalam
kaitannya dengan probabilitas
3. Elaborasi baseline dan harapan para pakar ke dalam model TIA tersebut.

Dalam kesimpulannya. Hennen & Benninga (2009) menyampaikan
argumen bahwa TIA merupakan metode yang cukup sesuai untuk mengukur
dampak di balik tren, dan membuat tren lebih dapat dipahami. TIA memungkinkan
untuk memperhitungkan kejadian di masa depan, untuk menggabungkan data
statistik (historis) dengan pengetahuan pakar, untuk menjelaskan tren melalui
faktor-faktor dampak, dan untuk memungkinkan untuk menangani ketidakpastian
mengenai prognosis para pakar. Pada sisi lain, metode TIA tidak cukup dikenal,
dan oleh karenanya kemungkinan menjadi suatu indikasi tersendiri bahwa metode
TIA tersebut sulit digunakan, meskipun tidak ada indikasi yang dipublikasikan
yang dapat ditemukan (Hennen & Benninga, 2009).

Dalam penelitian Ray et al. (2017), dilakukan kajian dan modifikasi model
TIA dalam rangka memprediksi secara empiris skenario masa depan hasil produksi

92

gandum di India. Pendekatan TIA yang diusulkan menggunakan model intervensi
yang dimodifikasi (modified intervention model) untuk menghasilkan semua
skenario yang mungkin berdasarkan peristiwa yang belum pernah terjadi
sebelumnya (unprecedented events). Persyaratan data dalam TIA yang diusulkan
ini dianggap lebih sedikit dibandingkan dengan pendekatan TIA konvensional dari
Gordon. Pendekatan TIA yang diusulkan Ray et al. (2017) didasarkan pada tiga
langkah utama yaitu;
1. Mendapatkan prakiraan tren baseline menggunakan model ARIMA
2. Menggunakan modified intervention model untuk menghasilkan semua

skenario yang mungkin
3. Mengintegrasikan prakiraan tren baseline dengan modified intervention model.

Penelitian Ray et al. (2017) ini lebih berfokus pada pengungkapan usulan
pengembangan atau modifikasi model TIA konvensional . Ray et al. (2017) pada
dasarnya hanya menggunakan kasus prediksi hasil produksi gandum di India untuk
keperluan membuktikan validitas model modifikasi TIA yang diusulkannya, tanpa
memberikan analisis atas skenario masa depan hasil produksi gandum India.

Penelitian Ilavska & Chovancik (2020) mengusulkan adaptasi metodologi
TIA untuk analisis lingkungan keamanan dan pencegahan konflik. Dengan
mengambil angka migrasi ke Republik Czech sebagai variabel yang akan
dieksplorasi skenario masa depannya (yaitu periode 2018-2023), penelitian ini
mengkombinasikan TIA dengan qualitative comparative analysis (QCA). QCA
pada penelitian ini digunakan untuk melakukan analisis atas 316 kasus yang
membuka eskalasi peluang migrasi ke Republik Czech sepanjang 1989-2017. Hasil

93

penggunaan QCA tersebut menghasilkan 12 faktor yang dianggap berpengaruh
terhadap tren migrasi ke Republik Czech di masa depan.

Sama halnya dengan penelitian Ray et al. (2017), penelitian Ilavska &
Chovancik (2020) ini lebih berfolus pada pengungkapan keunggulan kombinasi
TIA dan QCA, tanpa lebih mengeksplorasi skenario masa depan angka migrasi ke
Republik Czech.

Penelitian terbaru yang melibatkan penerapan model TIA untuk eksplorasi
skenario masa depan datang dari Pop & Grigoras (2021). Dalam penelitiannya, Pop
& Grigoras (2021) berupaya untuk memberikan kontribusi pada perdebatan tentang
masa depan hubungan Amerika Serikat dengan Tiongkok. Penelitian ini
menggunakan TIA untuk mendapatkan skenario dari empat variabel yang berbeda;
(i) The Foreign Bilateral Influence Capacity (FBIC) Index, (ii) The Global Power
Index (GPI), (iii) The State of the Future Index (SOFI), dan (iv) produk domestik
bruto (PDB) , untuk kedua negara; Amerika Serikat dan Tiongkok.

Lebih lanjut, berdasarkan daftar kemungkinan peristiwa yang diidentifikasi
oleh International Futures (2017), Strategic Survey (2016), Focus Project (2016)
dan The Future of Business: Critical Insights into a Rapidly Changing World from
60 Future Thinkers (Talwar, 2015), didapatkan tujuh kemungkinan peristiwa masa
depan yang dipilih, yang dianggap dapat mempengaruhi tren masa depan keempat
variabel indeks yang telah disebutkan. Dari hasil pemodelan TIA, dengan
sebelumnya memperhitungkan probabilitas dan dampak dari masing-masing tujuh
peristiwa yang mungin terjadi tersebut, Pop & Grigoras (2021) membangun tiga
skenario masa depan yang mewakili alternatif gambaran masa depan hubungan