Belajar Teknologi Tanpa Memahami Masalah: Mengapa Mahasiswa Bisa Terjebak di Sini?

Nadia, mahasiswi tingkat tiga, menamatkan tiga kursus daring tentang sebuah framework web dalam satu liburan semester. Situasinya rekaan, tetapi polanya cukup umum. Ia bisa membuat aplikasi to-do list, toko daring sederhana, dan dashboard persis seperti di video.

Lalu datang proyek akhir mata kuliah: membuat sistem untuk sebuah koperasi simpan pinjam. Saat pertemuan pertama, pengurus koperasi tidak bertanya soal framework. Mereka bercerita bahwa anggota sering protes karena saldo di buku tabungan berbeda dengan catatan bendahara. Nadia pulang dengan perasaan aneh: ia menguasai alatnya, tetapi tidak tahu apa yang harus dibangun.

Ini bukan soal Nadia kurang pintar. Ada beberapa hal dalam cara kita belajar teknologi yang membuat situasi seperti ini mudah terjadi.

Jebakan pertama: tutorial selalu memberi jalurnya

OECD mendefinisikan kemampuan memecahkan masalah sebagai kapasitas memproses informasi untuk memahami dan menyelesaikan situasi yang cara penyelesaiannya tidak langsung terlihat.

Tutorial bekerja dengan logika yang berlawanan. Masalahnya sudah dirumuskan, langkahnya sudah diurutkan, dan hasil akhirnya sudah diperlihatkan sejak awal. Itu bagus untuk mempelajari sintaks atau fitur. Namun, bagian tersulit dari pekerjaan nyata justru dilompati: mencari tahu apa masalahnya.

OECD bahkan mengembangkan domain baru bernama adaptive problem solving dalam survei keterampilan orang dewasa 2023. Domain ini menilai kesediaan orang untuk beradaptasi dan mengubah rencana di tengah jalan. Situasi seperti itu tidak pernah muncul di tutorial, karena di tutorial tidak ada yang berubah.

Jebakan kedua: yang mudah ditunjukkan terasa lebih berharga

Daftar tools mudah ditulis di CV. Sertifikat kursus mudah diunggah ke profil. Sebaliknya, kemampuan menelusuri akar masalah tidak punya sertifikat dan sulit dipamerkan dalam satu baris.

Akibatnya, wajar kalau perhatian mengalir ke hal yang terlihat. Padahal, dalam survei Future of Jobs Report 2025 dari World Economic Forum, berpikir analitis tetap menjadi keterampilan inti yang paling dicari, dengan sekitar tujuh dari sepuluh perusahaan menganggapnya esensial. Laporan yang sama juga memperkirakan 39% keterampilan inti pekerja akan berubah pada 2030.

Angka ini adalah proyeksi pemberi kerja, bukan kepastian. Meski begitu, arahnya cukup jelas: daftar tools yang hari ini relevan belum tentu masih relevan beberapa tahun lagi.

Jebakan ketiga: AI membuat hasil cepat jadi

Dengan AI generatif, kode, laporan, dan desain bisa muncul dalam hitungan detik. Masalahnya, hasil yang cepat jadi mudah dikira hasil yang benar.

Survei Microsoft Research dan Carnegie Mellon University terhadap 319 pekerja pengetahuan menemukan bahwa kepercayaan tinggi pada AI berkaitan dengan berkurangnya berpikir kritis, sedangkan kepercayaan pada kemampuan diri berkaitan dengan lebih banyak berpikir kritis. Temuan lainnya: para pekerja cenderung tidak berpikir kritis ketika mereka tidak punya keterampilan untuk memeriksa dan mengarahkan jawaban AI.

Studi ini berbasis laporan diri dan tidak membuktikan hubungan sebab-akibat. Bagi mahasiswa, pelajarannya tetap relevan. Kalau kamu belum memahami masalahnya, kamu juga tidak punya pegangan untuk menilai apakah jawaban AI sudah menyelesaikannya.

Jebakan keempat: langsung lompat ke solusi

Begitu menguasai sebuah alat, ada godaan untuk melihat semua persoalan sebagai kesempatan memakainya. Dua contoh ilustratif:

• Manajemen. Penjualan sebuah UMKM turun, dan mahasiswa yang baru belajar iklan digital langsung mengusulkan kampanye media sosial. Kalau data transaksi ditelusuri, mungkin pelanggan baru tetap datang, tetapi pelanggan lama berhenti membeli karena pengiriman sering terlambat. Iklan sebagus apa pun tidak memperbaiki pengiriman.

• Kasus koperasi Nadia. Masalah sebenarnya mungkin bukan ketiadaan aplikasi, melainkan pencatatan yang dilakukan di dua tempat tanpa prosedur pencocokan. Solusinya bisa berupa sistem baru, tetapi bisa juga perbaikan alur kerja yang hanya butuh spreadsheet bersama. Keputusan itu baru bisa diambil setelah masalahnya jelas.

Jalan keluarnya bukan berhenti belajar tools

Perlu ditegaskan: tidak ada yang salah dengan belajar framework, software desain, atau alat analisis data. Mahasiswa yang paham masalah tetapi tidak bisa mengeksekusi solusinya juga akan kesulitan.

Laporan WEF yang sama memperkirakan AI dan big data serta literasi teknologi semakin penting, berdampingan dengan berpikir analitis dan kreatif. Tools adalah sarana. Pemahaman atas masalah menentukan kapan sarana itu dipakai dan bagaimana memakainya.

Yang perlu diubah adalah urutannya. Saat mengerjakan tugas atau proyek, coba gunakan alur berikut:

1. Masalah: Apa yang sebenarnya tidak berjalan, dan bagi siapa?

2. Investigasi: Bukti apa yang mendukung dugaan saya?

3. Kebutuhan: Seperti apa ukuran "berhasil"?

4. Alternatif: Adakah minimal dua cara lain untuk menyelesaikannya?

5. Solusi dan tools: Mengapa pilihan ini yang paling cocok?

6. Pengujian: Apakah solusinya bekerja di kondisi nyata?

7. Evaluasi: Apa yang akan saya ubah kalau mengulanginya?

Riset memberi dukungan, dengan catatan. Meta-analisis terhadap 43 studi pembelajaran berbasis masalah di pendidikan tinggi menemukan efek positif yang kuat pada keterampilan mahasiswa, tetapi kecenderungan hasil negatif pada penguasaan pengetahuan. Jadi teori dan konsep tetap perlu dipelajari dengan serius.

Meta-analisis lain tentang project-based learning menemukan efek positif sedang hingga besar terhadap prestasi akademik dibandingkan pengajaran tradisional. Studi ini mencakup berbagai jenjang pendidikan, bukan hanya perguruan tinggi.

Kesempatan latihannya pun sudah tersedia. Sejak 2021, salah satu indikator kinerja utama perguruan tinggi di Indonesia adalah kelas yang kolaboratif dan partisipatif, yang diwujudkan lewat metode studi kasus dan/atau proyek tim. Proyek mata kuliah, praktikum, penelitian, kegiatan organisasi, dan magang bisa dikerjakan dengan alur yang sama.

Sebelum membuka software

Lain kali menerima tugas, tulis dulu tiga kalimat: apa masalahnya, untuk siapa solusinya, dan bagaimana kamu tahu solusinya berhasil. Kalau ketiganya belum bisa dijawab, itu tandanya kamu belum siap memilih alat.

Kalau Nadia melakukan itu sejak pertemuan pertama dengan koperasi, framework yang ia pelajari selama liburan tidak terbuang. Ia hanya akan memakainya di saat yang tepat.

Sumber

1. Csapó, B. & Funke, J. (Eds.). The Nature of Problem Solving: Using Research to Inspire 21st Century Learning. OECD Publishing, 2017. https://doi.org/10.1787/9789264273955

2. OECD. Do Adults Have the Skills They Need to Thrive in a Changing World? Survey of Adult Skills 2023. 2024. https://www.oecd.org/en/publications/do-adults-have-the-skills-they-need-to-thrive-in-a-changing-world_b263dc5d-en.html

3. World Economic Forum. The Future of Jobs Report 2025. 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/

4. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. "The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers." CHI '25, 2025. https://doi.org/10.1145/3706598.3713778

5. Dochy, F., Segers, M., Van den Bossche, P., & Gijbels, D. "Effects of problem-based learning: A meta-analysis." Learning and Instruction, 13(5), 533–568, 2003. https://cris.maastrichtuniversity.nl/en/publications/effects-of-problem-based-learning-a-meta-analysis/

6. Chen, C.-H. & Yang, Y.-C. "Revisiting the effects of project-based learning on students' academic achievement: A meta-analysis investigating moderators." Educational Research Review, 26, 71–81, 2019. https://www.sciencedirect.com/science/article/pii/S1747938X19300211

7. Kemendikbud. Keputusan Menteri Pendidikan dan Kebudayaan Nomor 3/M/2021 tentang Indikator Kinerja Utama PTN dan Buku Panduan IKU 2021. https://dikti.kemdikbud.go.id/wp-content/uploads/2021/06/Buku-Panduan-IKU-2021-28062021.pdf