Pada pertengahan 1980-an, sebuah program anti-narkoba bernama DARE (Drug Abuse Resistance Education) diuji coba di 1.777 siswa sekolah di Honolulu, Hawaii. Hasilnya menjanjikan. First Lady Nancy Reagan bahkan mempopulerkan slogannya, “Just Say No.” Pemerintah federal Amerika Serikat terkesan dan langsung menggelontorkan dana untuk menyebarkan program ini secara nasional.
Selama 24 tahun berikutnya, 43 juta anak di seluruh Amerika Serikat mengikuti program DARE dengan biaya 600 juta dolar per tahun. Tapi ada masalah besar yang baru terungkap belakangan. DARE tidak bekerja. Program ini tidak memberikan dampak signifikan terhadap penyalahgunaan narkoba di kalangan remaja.
Apa yang salah? Ternyata uji coba awal di Honolulu memiliki kelemahan fatal. Sampelnya terlalu kecil dan tidak representatif dari populasi anak-anak di seluruh Amerika Serikat yang sangat beragam secara demografis, sosial, dan budaya. Uji coba itu seharusnya dilakukan di berbagai lokasi yang lebih beragam sebelum diklaim berhasil dan diterapkan secara nasional.
Kisah DARE adalah pengingat penting bahwa niat baik dan hasil awal yang menjanjikan tidak cukup untuk membenarkan penerapan kebijakan secara nasional. Dibutuhkan proses yang jauh lebih hati-hati, sistematis, dan berbasis bukti.
Fenomena Pilotitis, Ketika Uji Coba Tidak Pernah Benar-benar Diuji
Ironisnya, masalah yang berlawanan juga sering terjadi. Alih-alih terburu-buru menerapkan kebijakan secara nasional dari uji coba yang lemah, banyak pemerintah dan organisasi justru terjebak dalam apa yang disebut peneliti sebagai “pilotitis”, yaitu kondisi di mana proyek percontohan terus dibuat dalam jumlah banyak tapi hampir tidak pernah benar-benar dievaluasi dan diintegrasikan ke dalam kebijakan permanen.
Riset yang dipublikasikan di Frontiers in Digital Health (2026) tentang intervensi AI di sektor kesehatan negara berkembang menemukan pola yang mengkhawatirkan. Rumah sakit menjalankan uji coba selama satu tahun dengan dukungan eksternal, tapi begitu pendanaan berakhir, server dimatikan, staf yang terlatih pindah kerja, dan pembuat kebijakan mengalihkan prioritas ke isu lain. Teknologinya sendiri mungkin menjanjikan, tapi ekosistem pendukung yang dibutuhkan untuk keberlanjutan tetap lemah.
Fenomena ini menunjukkan bahwa uji coba yang baik bukan hanya soal “menguji apakah sesuatu berhasil,” tapi juga soal membangun kapasitas kelembagaan, infrastruktur, dan sistem pembelajaran kebijakan yang memungkinkan hasil uji coba benar-benar diserap ke dalam kebijakan permanen.
Perangkap Greenhouse, Uji Coba yang Terlalu Terlindungi dari Realita
Ada kritik menarik dari peneliti di International Maize and Wheat Improvement Center (CIMMYT) yang membandingkan sebagian besar pilot project dengan “membangun rumah kaca dalam sebuah bentang alam.” Rumah kaca adalah lingkungan terkontrol yang terlindung dari tantangan dunia nyata seperti politik, regulasi, kekuatan pasar, dan pembiayaan.
Masalahnya, pilot project yang terlalu bergantung pada sumber daya dan keahlian eksternal, serta terlindung dari tekanan dunia nyata, tidak menghasilkan pembelajaran penting tentang kondisi yang dibutuhkan untuk adopsi jangka panjang yang berkelanjutan. Sebuah teknologi pertanian mungkin berhasil ketika diuji coba pada beberapa ratus petani dengan pendampingan intensif dari peneliti dan LSM. Tapi ketika dilepas ke jutaan petani tanpa dukungan yang sama, hasilnya sering jauh berbeda.
Analoginya sederhana. Menciptakan telepon genggam tapi mengabaikan kebutuhan akan listrik, menara seluler, penyedia jaringan, atau elemen pendukung lainnya yang memungkinkan telepon itu benar-benar digunakan secara luas. Pilot project harus dirancang bukan hanya untuk membuktikan bahwa sesuatu bisa bekerja dalam kondisi ideal, tapi untuk memahami dan mengubah sistem yang mendasarinya sehingga inovasi bisa digunakan secara berkelanjutan oleh jutaan orang.
Mengapa Skala Besar Membuat Kesalahan Menjadi Jauh Lebih Mahal
Logika dasar mengapa uji coba penting sebenarnya sangat sederhana. Semakin besar skala penerapan sebuah kebijakan, semakin mahal dan sulit untuk memperbaiki kesalahan yang muncul. Analisis dari GovFacts tentang bagaimana pemerintah menjalankan pilot dan scaling program menunjukkan bahwa jika solusi yang diterapkan penuh memiliki cacat atau konsekuensi yang tidak diinginkan, dampak negatifnya akan meluas dan bisa sangat mahal serta sulit diperbaiki.
Proyek teknologi informasi pemerintah, yang sering berskala masif, memiliki tingkat kegagalan yang sangat tinggi ketika tidak dikelola dengan cermat. Biaya finansial dan sosial dari kegagalan implementasi skala penuh jauh lebih tinggi dibanding kegagalan program percontohan. Selain itu, melakukan perubahan signifikan setelah program diluncurkan penuh di seluruh sistem jauh lebih kompleks dan mengganggu dibanding menyesuaikan program percontohan berdasarkan temuan awal.
Bayangkan skenario ini. Sebuah kebijakan kesehatan masyarakat diuji coba di lima kabupaten selama enam bulan dan ditemukan bahwa desain distribusinya tidak efektif, menyebabkan banyak keracunan atau efek samping yang tidak diinginkan. Memperbaiki masalah ini di lima kabupaten relatif mudah dan murah. Tapi jika kebijakan yang sama sudah diterapkan di 500 kabupaten secara nasional sejak awal tanpa uji coba, memperbaikinya akan jauh lebih rumit, mahal, dan yang lebih penting, jumlah korban dari kesalahan desain itu akan jauh lebih besar.
Lima Randomized Controlled Trial untuk Satu Kebijakan yang Berhasil
Salah satu contoh terbaik tentang betapa panjangnya proses yang dibutuhkan untuk memvalidasi sebuah kebijakan sebelum diterapkan secara luas datang dari India. Sebuah organisasi non-pemerintah memulai intervensi pendidikan di beberapa permukiman kumuh. Hasilnya menjanjikan, tapi alih-alih langsung mendorong penerapan nasional, dibutuhkan lima randomized controlled trial (RCT) yang berbeda selama bertahun-tahun sebelum kebijakan itu akhirnya diadopsi oleh pemerintah negara bagian di India dalam skala besar.
Penelitian yang dipublikasikan tentang scaling pilot program ini mengidentifikasi enam tantangan utama yang harus diatasi ketika menarik kesimpulan dari uji coba lokal untuk kebijakan yang lebih luas. Efek kesetimbangan pasar, spillover ke area yang tidak diintervensi, reaksi politik, ketergantungan pada konteks spesifik, bias dalam pemilihan lokasi acak, dan bias dari proses piloting itu sendiri.
Proses lima RCT ini mungkin terdengar sangat lambat dan mahal. Tapi bandingkan dengan biaya sosial jika program pendidikan yang cacat diterapkan langsung ke jutaan anak di seluruh negara tanpa pengujian yang memadai. Investasi waktu dan sumber daya dalam validasi bertahap ini pada akhirnya menyelamatkan jutaan anak dengan program yang benar-benar terbukti efektif.
Model China dalam Reformasi Kebijakan Bertahap
China memberikan contoh menarik tentang bagaimana negara besar dengan sistem yang kompleks bisa menerapkan reformasi kebijakan secara sistematis melalui piloting. Dalam reformasi sistem pembayaran penyedia layanan kesehatan, China menerapkan apa yang disebut peneliti sebagai efek “lebih lambat berarti lebih cepat.”
Implementasi bertahap membantu mengurangi konsekuensi negatif jangka panjang yang muncul dari scaling yang tidak dikelola dengan baik dalam sistem yang kompleks. Deteksi kesalahan dan koreksi, serta rekalibrasi alat kebijakan baru, bisa mendukung penyempurnaan kebijakan di level nasional dengan cara yang lebih kuat dan dinamis.
Penelitian ini mengidentifikasi beberapa faktor kunci untuk scaling yang strategis, yaitu kepemimpinan pusat yang diperlukan, desain piloting yang pragmatis, kapasitas teknis yang kuat, dan mekanisme pembelajaran kebijakan yang efektif. Yang menarik dari pendekatan China adalah bahwa piloting tidak dipandang sebagai penghalang untuk kecepatan, tapi justru sebagai jalan yang lebih cepat menuju kebijakan nasional yang benar-benar berhasil karena kesalahan sudah dikoreksi sejak tahap awal.
Konteks Indonesia dan Naskah Akademik yang Sering Terabaikan
Indonesia sebenarnya sudah memiliki kerangka formal untuk mendorong kebijakan berbasis bukti. Sejak Undang-Undang Nomor 12 Tahun 2011 tentang Pembentukan Peraturan Perundang-undangan, setiap rancangan undang-undang dari DPR, Presiden, atau DPD wajib dilengkapi dengan naskah akademik, yaitu dokumen kajian ilmiah tentang latar belakang, tujuan, dan arah kebijakan yang dirumuskan.
Istilah ini bahkan sudah digunakan secara resmi sejak 1994. Naskah akademik seharusnya menjadi dasar ilmiah yang bisa dipertanggungjawabkan sekaligus panduan bagi penyusun dan pengambil kebijakan. Tapi dalam praktiknya, banyak kebijakan di Indonesia yang lebih mengedepankan kepentingan politik dibanding bukti empiris berupa data dan pengetahuan yang solid.
Penelitian akademis tentang evidence-based policy dalam implementasi Merdeka Belajar Kampus Merdeka menyoroti bahwa fenomena kebijakan yang dibentuk pemerintah Indonesia sering kali tidak cukup didasarkan pada bukti. Analisis serupa terhadap program Makan Bergizi Gratis (MBG) menemukan bahwa integrasi bukti empiris dalam perencanaan, pelaksanaan, dan evaluasi program mampu meningkatkan efektivitas secara signifikan. Tapi kendala utama yang diidentifikasi meliputi keterbatasan data, kapasitas sumber daya manusia, budaya organisasi, koordinasi antar lembaga, dan keterbatasan anggaran untuk benar-benar menerapkan pendekatan berbasis bukti secara konsisten.
Ini adalah pola yang familiar. Kita bisa melihatnya dalam berbagai kebijakan nasional Indonesia yang diluncurkan dengan skala besar dan target ambisius sejak hari pertama, tanpa fase uji coba yang memadai untuk mengidentifikasi dan memperbaiki masalah desain sebelum jutaan orang terpapar risikonya.
Anatomi Uji Coba yang Baik Menurut Praktik Terbaik Global
Berdasarkan berbagai riset dan praktik terbaik dari berbagai negara, ada beberapa elemen kunci yang membedakan uji coba kebijakan yang baik dari yang buruk.
Sampel yang representatif adalah fondasi paling dasar. Seperti kesalahan fatal DARE di Honolulu, uji coba yang dilakukan hanya di satu lokasi dengan karakteristik demografis tertentu tidak bisa menjadi dasar untuk kebijakan yang akan diterapkan di seluruh negara dengan keberagaman geografis, ekonomi, dan sosial yang jauh lebih luas.
Kelompok kontrol yang tepat memungkinkan kita membandingkan hasil program dengan kondisi tanpa intervensi. Sebuah studi kasus dari bimbingan teknis evaluasi kebijakan pembangunan daerah menunjukkan pendekatan yang solid, yaitu memilih desa pilot dan desa kontrol yang disesuaikan berdasarkan karakteristik, kemudian melakukan monitoring bulanan terhadap indikator output yang jelas.
Durasi yang cukup panjang untuk menangkap efek jangka menengah dan panjang, bukan hanya hasil jangka pendek yang mungkin menjanjikan tapi tidak bertahan lama. Banyak kebijakan terlihat berhasil di bulan-bulan awal karena efek novelty atau antusiasme awal peserta, tapi efeknya memudar setelah periode tertentu.
Metodologi mixed methods yang menggabungkan data kuantitatif dan kualitatif sangat direkomendasikan untuk evaluasi kebijakan yang kompleks agar mendapatkan pemahaman yang holistik. Angka statistik memberikan gambaran tentang skala dampak, sementara wawancara dan observasi kualitatif membantu memahami mengapa dan bagaimana dampak itu terjadi.
Fokus pada sistem pendukung, bukan hanya intervensi itu sendiri. Seperti yang ditekankan peneliti CIMMYT, uji coba yang baik harus mempertimbangkan seluruh ekosistem yang dibutuhkan untuk keberlanjutan, termasuk infrastruktur, kapasitas kelembagaan, pembiayaan jangka panjang, dan dukungan politik yang konsisten.
Mengapa Godaan untuk Buru-buru Selalu Ada
Jika logika di balik pentingnya uji coba begitu jelas, mengapa begitu banyak pemerintah dan pembuat kebijakan tetap tergoda untuk langsung meluncurkan kebijakan secara nasional tanpa validasi yang memadai?
Ada beberapa dorongan yang sangat manusiawi di balik ini. Tekanan politik untuk menunjukkan hasil cepat, terutama menjelang pemilu atau dalam periode awal masa jabatan, membuat pemimpin ingin segera mengklaim pencapaian besar. Ambisi untuk mencatatkan sejarah dengan program yang “terbesar” atau “tercepat” sering mengalahkan pertimbangan tentang kualitas dan keamanan implementasi.
Tekanan publik dan media untuk segera mengatasi masalah mendesak, seperti krisis kesehatan atau ekonomi, membuat proses uji coba yang memakan waktu terasa seperti kemewahan yang tidak terjangkau. Ada juga bias kognitif di mana pembuat kebijakan terlalu percaya diri terhadap hasil awal yang positif dari skala kecil, mengabaikan kompleksitas yang muncul ketika diterapkan pada skala yang jauh lebih besar dan beragam.
Terakhir, ada insentif politik untuk mengklaim kredit sebelum masa jabatan berakhir. Kebijakan yang diuji coba secara bertahap dan hati-hati mungkin baru menunjukkan hasil setelah pemimpin yang menginisiasinya sudah tidak lagi menjabat, sehingga kredit politiknya berkurang.
Bagaimana Membangun Budaya Kebijakan yang Lebih Berbasis Bukti
Mengatasi kecenderungan untuk terburu-buru membutuhkan perubahan struktural, bukan sekadar himbauan moral kepada pembuat kebijakan. Beberapa langkah konkret bisa membantu membangun budaya kebijakan yang lebih berbasis bukti.
Institusionalisasi kewajiban uji coba untuk kebijakan berskala besar dengan anggaran di atas ambang tertentu, mirip dengan kewajiban naskah akademik untuk rancangan undang-undang. Pilot project dengan desain penelitian yang ketat, termasuk kelompok kontrol dan sampel representatif, harus menjadi prasyarat sebelum anggaran untuk implementasi nasional disetujui.
Membangun kapasitas analis kebijakan yang independen dan kompeten dalam metodologi evaluasi, seperti yang disoroti Lembaga Administrasi Negara Indonesia. Analis kebijakan harus diberi otoritas dan sumber daya yang cukup untuk memberikan alternatif pilihan berbasis bukti, bukan sekadar menjustifikasi keputusan yang sudah diambil secara politis.
Menciptakan mekanisme insentif politik yang menghargai kesabaran dan proses yang hati-hati, bukan hanya kecepatan dan skala. Ini bisa termasuk penghargaan publik untuk pemimpin yang berhasil menerapkan kebijakan berbasis bukti, meskipun prosesnya lebih lambat dari yang diinginkan publik pada awalnya.
Transparansi data dan hasil evaluasi yang dipublikasikan secara terbuka, sehingga masyarakat sipil, akademisi, dan media bisa memberikan pengawasan independen terhadap kualitas proses pembuatan kebijakan. Ketika hasil uji coba disembunyikan atau tidak dievaluasi secara jujur, kita kehilangan kesempatan untuk belajar dari kesalahan sebelum kesalahan itu direplikasi dalam skala nasional.
Kesabaran yang Menyelamatkan Lebih Banyak Nyawa dan Uang
Uji coba kebijakan bukan tentang menghambat kemajuan atau menunda solusi bagi masalah mendesak. Justru sebaliknya, uji coba yang dilakukan dengan benar adalah cara tercepat menuju kebijakan yang benar-benar efektif dan berkelanjutan.
Kisah DARE mengajarkan kita bahwa 43 juta anak dan 600 juta dolar per tahun selama 24 tahun terbuang untuk program yang ternyata tidak efektif, semua karena uji coba awal yang cacat metodologinya diterima begitu saja. Bandingkan dengan proses lima RCT di India yang meskipun memakan waktu bertahun-tahun, akhirnya menghasilkan kebijakan yang benar-benar terbukti mengubah kehidupan jutaan anak secara positif.
Setiap kali sebuah negara atau organisasi tergoda untuk melompat langsung dari ide yang menjanjikan ke implementasi skala nasional, mereka sedang mempertaruhkan sumber daya publik yang sangat besar dan, yang lebih penting, kesejahteraan jutaan orang yang akan terdampak. Kesabaran untuk melakukan uji coba yang tepat, dengan sampel representatif, kelompok kontrol yang sesuai, durasi yang cukup, dan evaluasi yang jujur, bukanlah kelemahan dalam proses pembuatan kebijakan. Itu adalah tanda kematangan dan tanggung jawab yang sesungguhnya.
Karena pada akhirnya, kebijakan publik bukan tentang seberapa cepat kita bisa mengklaim keberhasilan, tapi seberapa nyata dan berkelanjutan dampak positif yang kita berikan kepada masyarakat yang kita layani.
Kata kunci terkait: RCT randomized controlled trial kebijakan, naskah akademik RUU, kegagalan program DARE, pilotitis kesehatan digital, scaling kebijakan China, evaluasi kebijakan berbasis data, analis kebijakan Indonesia, kebijakan publik berkelanjutan
