Sejarah Probabilitas dan Manajemen Risiko: Dari Peradaban Islam hingga Eropa Awal Modern

 

Apakah konsep probabilitas dan manajemen risiko telah dikenal pada masa peradaban Islam, atau baru muncul ketika Eropa memasuki era Renaissance?

Jawabannya bergantung pada apa yang dimaksud dengan probabilitas dan manajemen risiko.

Apabila yang dimaksud adalah teori probabilitas matematis—dengan angka antara 0 dan 1, perhitungan peluang, nilai harapan, dan aturan matematika—perkembangannya secara sistematis memang dimulai di Eropa pada abad ke-17.

Namun apabila yang dimaksud adalah kemampuan manusia untuk:

• Mengenali ketidakpastian.
• Mengamati pola kejadian.
• Menyediakan cadangan.
• Membagi risiko usaha.
• Mendokumentasikan transaksi.
• Mengantisipasi kegagalan.
• Mengambil keputusan secara hati-hati.

maka praktik tersebut telah ada jauh sebelum lahirnya teori probabilitas modern, termasuk dalam peradaban Islam.

Karena itu, kurang tepat mengatakan bahwa peradaban Islam telah menemukan teori probabilitas modern. Namun sama tidak tepatnya apabila dikatakan bahwa masyarakat Muslim pada masa itu tidak mengenal pengelolaan ketidakpastian sama sekali.

Artikel ini membedakan tiga hal yang sering dicampuradukkan:

1. Pemahaman praktis mengenai ketidakpastian.
2. Fondasi matematika dan statistik yang mendukung probabilitas.
3. Teori probabilitas formal yang digunakan dalam manajemen risiko modern.

Istilah Eropa awal modern juga lebih tepat daripada hanya “Renaissance Eropa”, karena perkembangan Pascal, Fermat, dan Huygens berlangsung pada pertengahan abad ke-17, setelah periode puncak Renaissance.

Apa Perbedaan Ketidakpastian, Probabilitas, dan Risiko?

Ketiga istilah tersebut saling berkaitan, tetapi tidak identik.

Ketidakpastian

Ketidakpastian adalah kondisi ketika manusia tidak mengetahui secara pasti apa yang akan terjadi.

Contohnya:

• Apakah hujan akan turun?
• Apakah harga komoditas akan naik?
• Apakah proyek selesai tepat waktu?
• Apakah pemasok mampu mengirim barang?

Ketidakpastian telah dihadapi manusia sejak awal peradaban.

Probabilitas

Probabilitas memberikan ukuran mengenai seberapa mungkin suatu kejadian terjadi.

Dalam teori modern, probabilitas biasanya dinyatakan sebagai angka antara 0 dan 1 atau dalam bentuk persentase. Nilai 0 menunjukkan kejadian dianggap mustahil dalam model, sedangkan nilai 1 menunjukkan kepastian. Konsep kuantitatif dan kalkulus probabilitas semacam ini berkembang mulai pertengahan abad ke-17.

Risiko

ISO 31000 memandang risiko sebagai dampak ketidakpastian terhadap tujuan. Karena itu, risiko tidak hanya berarti kemungkinan terjadinya bencana, tetapi juga dapat mencakup perubahan yang memengaruhi pencapaian tujuan secara positif maupun negatif.

Perbedaan tersebut dapat diringkas sebagai berikut:

Konsep	Pertanyaan utama
Ketidakpastian	Apa yang belum kita ketahui?
Probabilitas	Seberapa mungkin suatu kejadian terjadi?
Risiko	Bagaimana ketidakpastian tersebut memengaruhi tujuan?
Manajemen risiko	Apa yang harus dilakukan terhadap risiko tersebut?

Apakah Risiko Selalu Dihitung dengan Rumus Probabilitas × Dampak?

Dalam pelatihan manajemen risiko sering digunakan rumus sederhana:

Risiko = kemungkinan × dampak

Rumus tersebut berguna untuk memperkenalkan penilaian risiko. Namun rumus itu bukan definisi lengkap risiko dan tidak selalu menghasilkan perhitungan matematis yang akurat.

Dalam matriks risiko, kemungkinan dan dampak sering diberi skala seperti 1 sampai 5. Nilai tersebut biasanya bersifat ordinal, bukan ukuran probabilitas serta kerugian yang sesungguhnya.

Sebagai contoh, skor kemungkinan 4 tidak selalu berarti kejadian tersebut dua kali lebih mungkin daripada skor 2.

Selain itu, risiko dapat memiliki:

• Beberapa jenis dampak.
• Hubungan sebab-akibat yang kompleks.
• Ketergantungan dengan risiko lain.
• Informasi yang tidak lengkap.
• Perubahan kondisi dari waktu ke waktu.
• Peluang yang tidak dapat dihitung secara presisi.

ISO 31000 karena itu tidak hanya membahas angka probabilitas. Standar tersebut mencakup komunikasi, penetapan ruang lingkup dan kriteria, identifikasi, analisis, evaluasi, penanganan, pemantauan, serta pencatatan risiko.

Manajemen Risiko Ada Sebelum Teori Probabilitas

Manusia tidak harus mempunyai rumus probabilitas untuk melakukan tindakan pencegahan.

Nelayan dapat menghindari berlayar ketika melihat tanda cuaca buruk meskipun tidak mengetahui probabilitas badai secara numerik.

Pedagang dapat membagi barangnya ke beberapa kapal meskipun tidak mempunyai data statistik mengenai peluang kapal tenggelam.

Petani dapat menyimpan sebagian hasil panen tanpa menghitung distribusi probabilitas musim paceklik.

Dengan demikian, pengelolaan risiko secara praktis jauh lebih tua daripada teori probabilitas.

Peradaban kuno di berbagai wilayah telah menggunakan:

• Gudang pangan.
• Cadangan air.
• Benteng.
• Kontrak perdagangan.
• Kemitraan usaha.
• Jalur perjalanan alternatif.
• Pembagian muatan.
• Pencatatan transaksi.

Praktik tersebut tidak dapat disebut teori probabilitas. Namun semuanya menunjukkan kesadaran bahwa masa depan mengandung ketidakpastian dan manusia perlu mempersiapkan diri.

Perencanaan Risiko dalam Tradisi Islam

Dalam Al-Qur’an terdapat kisah Nabi Yusuf yang memberikan gambaran jelas mengenai perencanaan menghadapi krisis.

Nabi Yusuf menyarankan agar masyarakat bercocok tanam selama tujuh tahun, menggunakan sedikit hasil panen untuk konsumsi, dan menyimpan sebagian besar hasilnya untuk menghadapi tujuh tahun masa sulit.

Apabila dibaca dengan istilah manajemen modern, kisah tersebut mengandung unsur:

• Pengenalan ancaman paceklik.
• Penilaian dampak terhadap pangan.
• Pengendalian konsumsi.
• Penyediaan cadangan.
• Pengelolaan persediaan.
• Perencanaan pemulihan.

Namun kisah tersebut bukan teori probabilitas.

Nabi Yusuf tidak menghitung persentase kemungkinan paceklik menggunakan data historis. Pesan utamanya adalah perencanaan dan persiapan menghadapi kondisi yang akan datang.

Perbedaan ini penting agar pembacaan modern tidak berubah menjadi klaim sejarah yang berlebihan.

Peradaban Islam dan Fondasi Matematika Probabilitas

Pada masa perkembangan ilmu pengetahuan di dunia Islam, khususnya antara abad ke-8 dan ke-15, teori probabilitas belum menjadi cabang matematika tersendiri.

Namun beberapa pengetahuan yang kelak penting dalam probabilitas telah berkembang, terutama:

• Aljabar.
• Aritmetika.
• Kombinatorika.
• Pengamatan frekuensi.
• Kriptografi.
• Teknik pengambilan keputusan.
• Administrasi dan pencatatan.

Fondasi tersebut tidak otomatis melahirkan teori probabilitas. Akan tetapi, fondasi itu menunjukkan bahwa para ilmuwan pada masa tersebut telah mampu menganalisis pola dan kemungkinan konfigurasi secara sistematis.

Al-Khalil ibn Ahmad dan Kombinasi Huruf

Al-Khalil ibn Ahmad al-Farahidi merupakan salah satu tokoh penting dalam ilmu bahasa Arab.

Dalam penyusunan sistem leksikografi, ia mempertimbangkan berbagai kemungkinan susunan huruf untuk membentuk kata. Sejumlah kajian sejarah statistik menghubungkan metode tersebut dengan penggunaan awal permutasi dan kombinasi dalam tradisi keilmuan Arab.

Kombinatorika membahas cara menghitung banyaknya susunan atau pilihan yang mungkin.

Sebagai contoh sederhana, apabila terdapat tiga huruf A, B, dan C, susunan yang dapat terbentuk antara lain:

• ABC.
• ACB.
• BAC.
• BCA.
• CAB.
• CBA.

Menghitung seluruh kemungkinan merupakan bagian penting dalam probabilitas modern.

Namun kombinatorika belum sama dengan probabilitas.

Mengetahui bahwa terdapat enam kemungkinan susunan belum menjawab seberapa besar peluang masing-masing susunan akan muncul.

Al-Kindi dan Analisis Frekuensi

Salah satu kontribusi yang paling relevan terhadap sejarah pemikiran statistik datang dari Al-Kindi.

Dalam risalah mengenai pemecahan sandi, Al-Kindi menjelaskan penggunaan analisis frekuensi huruf. Ia mengamati bahwa dalam suatu bahasa, huruf tertentu cenderung muncul lebih sering daripada huruf lainnya.

Pola tersebut kemudian dibandingkan dengan frekuensi simbol pada pesan terenkripsi untuk memperkirakan huruf asli yang disembunyikan. Risalah Al-Kindi merupakan salah satu karya paling awal yang masih bertahan mengenai kriptanalisis sistematis dan frekuensi kemunculan huruf.

Pendekatannya dapat diringkas sebagai berikut:

1. Mengumpulkan teks dalam bahasa yang diketahui.
2. Menghitung frekuensi setiap huruf.
3. Mengurutkan huruf dari yang paling sering hingga paling jarang.
4. Menghitung frekuensi simbol dalam pesan tersandi.
5. Mencocokkan pola frekuensi.
6. Menguji apakah hasilnya menghasilkan kata yang masuk akal.

Metode ini menggunakan pola empiris dari data.

Karena itu, Al-Kindi dapat dikatakan menggunakan cara berpikir statistik dalam kriptanalisis.

Namun ia belum merumuskan teori probabilitas umum untuk kejadian acak.

Ibn Adlan dan Kecukupan Data

Perkembangan kriptanalisis Arab berlanjut pada ilmuwan seperti Ibn Adlan.

Kajian sejarah statistik mencatat bahwa Ibn Adlan menggunakan distribusi frekuensi huruf dan membahas pentingnya panjang teks yang memadai agar analisis frekuensi dapat memberikan hasil yang berguna.

Pemikiran ini dekat dengan salah satu masalah penting dalam statistik modern:

Apakah data yang digunakan cukup banyak untuk mewakili pola yang sebenarnya?

Sampel yang terlalu kecil dapat menghasilkan frekuensi yang tidak stabil.

Sebagai contoh, huruf tertentu mungkin menjadi huruf paling sering dalam satu paragraf pendek, padahal bukan huruf paling umum dalam keseluruhan bahasa.

Namun sekali lagi, pembahasan mengenai frekuensi empiris dan kecukupan teks belum membentuk teori probabilitas sebagai cabang matematika universal.

Kriptanalisis Bukan Probabilitas Modern

Analisis frekuensi memiliki hubungan dengan statistik dan probabilitas, tetapi ketiganya tidak boleh dianggap identik.

Al-Kindi menggunakan frekuensi sebagai alat untuk memecahkan masalah tertentu.

Teori probabilitas modern kemudian mengembangkan konsep yang lebih luas, seperti:

• Ruang sampel.
• Kejadian.
• Probabilitas bersyarat.
• Independensi.
• Variabel acak.
• Nilai harapan.
• Distribusi probabilitas.
• Hukum bilangan besar.

Dengan demikian, kontribusi Al-Kindi sangat penting dalam sejarah kriptanalisis dan pemikiran statistik empiris, tetapi tidak tepat menyebutnya sebagai pencipta teori probabilitas modern.

Perdagangan Islam dan Pembagian Risiko

Jaringan perdagangan di dunia Islam juga menghadapi berbagai ketidakpastian, antara lain:

• Kehilangan barang.
• Perubahan harga.
• Keterlambatan perjalanan.
• Konflik.
• Cuaca buruk.
• Kegagalan mitra.
• Kerusakan barang.
• Perompakan.

Salah satu mekanisme yang dikenal dalam tradisi keuangan Islam adalah mudarabah, yaitu kerja sama ketika satu pihak menyediakan modal dan pihak lain mengelola usaha.

Keuntungan dibagi berdasarkan kesepakatan. Kerugian modal pada prinsipnya ditanggung pemilik modal, kecuali kerugian terjadi akibat kelalaian, pelanggaran, atau kesalahan pengelola.

Mudarabah dan musharakah dikategorikan sebagai transaksi yang mengandung pembagian risiko, bukan pemindahan seluruh risiko kepada satu pihak.

Praktik tersebut menunjukkan adanya pengelolaan risiko melalui:

• Pembagian tanggung jawab.
• Pembagian keuntungan.
• Penetapan hak dan kewajiban.
• Pemilihan mitra.
• Pengawasan pengelola.
• Diversifikasi modal.

Namun pembagian risiko kontraktual berbeda dari perhitungan probabilitas.

Para pihak dapat memahami bahwa usaha mungkin untung atau rugi tanpa menghitung peluang kerugian sebesar 15, 30, atau 50 persen.

Tidak Semua Ketidakpastian Harus Dihitung

Manajemen risiko modern kadang terlalu menekankan angka.

Padahal tidak semua risiko dapat dinilai menggunakan data historis yang cukup.

Contohnya:

• Perubahan geopolitik.
• Inovasi teknologi baru.
• Perubahan regulasi.
• Risiko reputasi.
• Serangan siber baru.
• Perubahan perilaku konsumen.
• Krisis yang belum pernah terjadi.

Dalam kondisi tersebut, organisasi tetap dapat menggunakan:

• Penilaian ahli.
• Skenario.
• Stress testing.
• Analisis sensitivitas.
• Asumsi.
• Early warning indicator.
• Business Continuity Plan.

Hal tersebut menunjukkan bahwa manajemen risiko tetap lebih luas daripada probabilitas.

Probabilitas adalah alat penting, tetapi bukan satu-satunya alat.

Mengapa Teori Probabilitas Formal Belum Muncul?

Pertanyaan mengapa suatu teori tidak muncul dalam suatu peradaban sulit dijawab secara pasti.

Sejarah ilmu bukan proses sederhana ketika seluruh bahan dasar otomatis menghasilkan sebuah teori baru.

Sebuah disiplin biasanya muncul ketika terdapat kombinasi:

• Masalah praktis yang mendorong penelitian.
• Bahasa matematika yang sesuai.
• Komunitas ilmiah.
• Tradisi dokumentasi.
• Pertukaran gagasan.
• Institusi pendidikan.
• Teknologi pencetakan.
• Kebutuhan ekonomi dan politik.

Karena perjudian dilarang dalam Islam, terkadang muncul kesimpulan bahwa larangan tersebut menjadi penyebab teori probabilitas tidak berkembang di dunia Islam.

Penjelasan itu terlalu sederhana.

Memang benar bahwa persoalan perjudian menjadi salah satu pemicu langsung perkembangan probabilitas di Eropa. Namun permainan peluang juga telah ada dalam berbagai peradaban selama berabad-abad tanpa otomatis melahirkan kalkulus probabilitas.

Larangan perjudian mungkin mengurangi perhatian terhadap satu kelompok persoalan tertentu. Akan tetapi, tidak ada dasar yang cukup untuk menjadikannya satu-satunya penyebab.

Selain itu, matematika dalam peradaban Islam banyak diarahkan untuk kebutuhan seperti:

• Astronomi.
• Penentuan kalender.
• Navigasi.
• Geometri.
• Aljabar.
• Perhitungan warisan.
• Perdagangan.
• Pengukuran.
• Arsitektur.

Ketiadaan teori probabilitas formal lebih tepat dipahami sebagai hasil berbagai kondisi sejarah, bukan satu larangan agama saja.

Dari Renaissance menuju Eropa Awal Modern

Perkembangan probabilitas matematis berlangsung melalui beberapa tahap.

Gerolamo Cardano

Gerolamo Cardano, seorang matematikawan dan dokter Italia pada abad ke-16, menulis Liber de Ludo Aleae atau Book on Games of Chance.

Dalam karya tersebut, Cardano membahas perhitungan peluang dalam permainan dadu dan menggunakan perbandingan antara hasil yang menguntungkan dengan seluruh hasil yang mungkin ketika hasil-hasil tersebut dianggap memiliki peluang sama.

Karyanya ditulis pada abad ke-16, tetapi baru diterbitkan setelah kematiannya pada 1663. Cardano sering dianggap sebagai salah satu perintis pertama perhitungan probabilitas secara sistematis.

Cardano belum membangun teori probabilitas lengkap. Namun ia telah melangkah lebih jauh daripada sekadar mencatat frekuensi.

Ia berusaha menghitung peluang berdasarkan seluruh kemungkinan hasil.

Pascal dan Fermat

Tahun 1654 sering dianggap sebagai titik penting dalam sejarah probabilitas.

Blaise Pascal dan Pierre de Fermat bertukar surat untuk membahas persoalan permainan peluang, terutama cara membagi hadiah secara adil apabila permainan dihentikan sebelum selesai.

Korespondensi tersebut membantu membentuk prinsip dasar perhitungan probabilitas.

Masalah tersebut dikenal sebagai problem of points.

Bayangkan dua pemain sepakat bahwa pemenang pertama yang memperoleh lima kemenangan akan menerima seluruh hadiah. Permainan harus dihentikan ketika pemain pertama telah menang empat kali dan pemain kedua tiga kali.

Bagaimana hadiah harus dibagi?

Membaginya berdasarkan skor yang sudah terjadi belum tentu adil. Perhitungan harus memperhatikan kemungkinan hasil pertandingan yang belum dimainkan.

Di sinilah kombinatorika digunakan untuk menghitung peluang masa depan.

Christiaan Huygens

Christiaan Huygens kemudian menyusun pembahasan probabilitas secara lebih sistematis.

Karyanya mengenai permainan peluang diterbitkan dalam bahasa Latin pada 1657. Huygens juga memperkenalkan konsep yang berkembang menjadi expected value atau nilai harapan.

Nilai harapan sangat penting dalam manajemen risiko.

Secara sederhana:

Nilai harapan = jumlah setiap kemungkinan hasil × probabilitas hasil tersebut

Sebagai ilustrasi:

• Peluang kerugian Rp100 juta sebesar 10 persen.
• Peluang tidak mengalami kerugian sebesar 90 persen.

Kerugian harapannya adalah:

10% × Rp100 juta = Rp10 juta.

Namun nilai harapan Rp10 juta tidak berarti perusahaan pasti kehilangan Rp10 juta.

Hasil sebenarnya mungkin nol atau Rp100 juta.

Nilai harapan merupakan rata-rata matematis apabila situasi serupa terjadi berulang kali.

Dari Probabilitas ke Statistik dan Aktuaria

Perkembangan tidak berhenti pada permainan dadu.

Pada akhir abad ke-17 dan awal abad ke-18, probabilitas mulai digunakan untuk memahami:

• Kematian.
• Harapan hidup.
• Premi asuransi.
• Anuitas.
• Data populasi.
• Pengambilan keputusan ekonomi.

Edmond Halley menerbitkan tabel mortalitas berbasis data penduduk Breslau pada 1693. Tabel semacam ini menjadi fondasi penting bagi perkembangan perhitungan aktuaria dan asuransi jiwa.

Kemudian, Jakob Bernoulli melalui Ars Conjectandi yang terbit pada 1713 mengembangkan teori probabilitas lebih lanjut, termasuk hubungan antara pengamatan berulang dan kestabilan frekuensi.

Probabilitas akhirnya berkembang dari persoalan permainan menjadi alat untuk:

• Asuransi.
• Keuangan.
• Kedokteran.
• Rekayasa.
• Ilmu sosial.
• Pengendalian kualitas.
• Peramalan.
• Keselamatan.
• Manajemen risiko.

Peran Perjudian: Pemicu, Bukan Satu-Satunya Penyebab

Permainan peluang memang menjadi pemicu penting bagi Cardano, Pascal, Fermat, dan Huygens.

Permainan dadu memberikan masalah yang relatif mudah dibatasi:

• Jumlah kemungkinan hasil dapat dihitung.
• Aturannya jelas.
• Percobaan dapat diulang.
• Hadiahnya dapat diukur.
• Keadilan pembagian dapat dianalisis.

Karakteristik tersebut membuat perjudian menjadi laboratorium matematika yang ideal.

Namun perkembangan probabilitas kemudian didorong pula oleh kebutuhan lain, seperti:

• Perdagangan.
• Asuransi.
• Anuitas.
• Statistik kematian.
• Administrasi negara.
• Astronomi.
• Ilmu pengetahuan eksperimental.

Jadi, teori probabilitas lahir dari meja permainan, tetapi menjadi ilmu besar karena mempunyai kegunaan jauh melampaui permainan.

Apakah Probabilitas Eropa Berasal Langsung dari Ilmuwan Muslim?

Hubungan antara ilmu pengetahuan Islam dan Eropa memang nyata, tetapi jalurnya kompleks.

Pada Abad Pertengahan, berbagai karya matematika dan astronomi Yunani diterjemahkan ke bahasa Arab. Sebagian karya tersebut, bersama perkembangan yang dibuat ilmuwan di dunia Islam, kemudian diterjemahkan dari bahasa Arab ke bahasa Latin.

Sistem angka India juga berkembang serta digunakan luas di dunia Islam sebelum diteruskan ke Eropa. Karya yang dikaitkan dengan Al-Khwarizmi berperan dalam penyebaran sistem perhitungan tersebut, dan namanya menjadi asal istilah “algorithm”.

Namun tidak terdapat bukti sejarah yang cukup untuk membuat rantai sederhana seperti:

Al-Kindi menemukan frekuensi → ilmunya sampai kepada Pascal → lahirlah probabilitas.

Kriptanalisis Al-Kindi, kombinatorika Arab, aljabar, dan sistem angka merupakan bagian penting dari sejarah matematika.

Tetapi teori probabilitas Eropa awal modern muncul dari konteks serta persoalan tersendiri.

Pernyataan yang lebih bertanggung jawab adalah:

Peradaban Islam berkontribusi terhadap perkembangan matematika, perhitungan, kriptanalisis, dan transmisi ilmu yang menjadi bagian dari lingkungan intelektual menuju ilmu modern. Namun hubungan langsung antara karya kriptanalisis Islam dan kelahiran kalkulus probabilitas abad ke-17 belum dapat dipastikan.

Perbandingan Peradaban Islam dan Eropa Awal Modern

Aspek	Peradaban Islam abad ke-8–15	Eropa abad ke-16–17
Pengelolaan ketidakpastian	Ada dalam perdagangan, pemerintahan, dan kehidupan sosial	Ada dan terus berkembang
Perencanaan cadangan	Dikenal secara praktis	Dikenal secara praktis
Pembagian risiko usaha	Terdapat pada akad kemitraan	Berkembang dalam perdagangan dan asuransi
Aljabar dan aritmetika	Berkembang maju	Diadopsi dan dikembangkan lebih lanjut
Kombinatorika	Ditemukan dalam beberapa karya matematika dan linguistik	Digunakan dalam permainan peluang
Analisis frekuensi	Digunakan dalam kriptanalisis	Berkembang dalam statistik dan kriptografi
Probabilitas numerik formal	Belum menjadi disiplin tersendiri	Mulai berkembang sistematis
Nilai harapan	Belum dirumuskan sebagai teori umum	Dikembangkan oleh Huygens
Aktuaria berbasis probabilitas	Belum terbentuk	Berkembang melalui tabel mortalitas dan asuransi
Manajemen risiko formal	Belum menggunakan kerangka modern	Berkembang bertahap melalui asuransi, keuangan, dan statistik

Tabel tersebut bukan penilaian mengenai peradaban mana yang lebih unggul.

Setiap tradisi ilmu berkembang dalam konteks kebutuhan, institusi, bahasa, serta persoalan yang berbeda.

Dari Probabilitas Menuju Manajemen Risiko Modern

Hubungan perkembangan tersebut dapat digambarkan sebagai berikut:

Tahap pertama: pengelolaan praktis

Manusia menghadapi cuaca, perjalanan, perdagangan, kesehatan, konflik, dan kekurangan pangan.

Responsnya meliputi:

• Cadangan.
• Diversifikasi.
• Kontrak.
• Pembagian risiko.
• Perlindungan fisik.
• Perencanaan.

Tahap kedua: pengamatan dan penghitungan

Manusia mulai:

• Mengumpulkan data.
• Menghitung frekuensi.
• Mengelompokkan kejadian.
• Mencari pola.
• Menghitung kombinasi.

Tahap ketiga: probabilitas formal

Peluang dinyatakan secara numerik melalui:

• Hasil yang mungkin.
• Hasil yang menguntungkan.
• Probabilitas.
• Nilai harapan.
• Pengulangan percobaan.

Tahap keempat: statistik dan aktuaria

Probabilitas digunakan untuk:

• Mengestimasi populasi.
• Menghitung mortalitas.
• Menentukan premi.
• Mengukur ketidakpastian data.
• Membuat inferensi.

Tahap kelima: risiko kuantitatif

Probabilitas diterapkan pada:

• Keselamatan.
• Keuangan.
• Investasi.
• Kegagalan mesin.
• Proyek.
• Rantai pasok.
• Bencana.
• Asuransi.

Tahap keenam: Enterprise Risk Management

Risiko mulai dikelola secara terintegrasi pada tingkat organisasi, bukan hanya pada satu proyek atau satu produk asuransi.

Tahap ketujuh: ISO 31000

ISO 31000 memberikan prinsip, kerangka, dan proses untuk mengintegrasikan manajemen risiko ke dalam tata kelola, strategi, perencanaan, budaya, serta pengambilan keputusan organisasi.

Probabilitas Bukan Ramalan Masa Depan

Salah satu kesalahan umum adalah memperlakukan probabilitas sebagai kepastian.

Apabila suatu kejadian mempunyai probabilitas 1 persen, bukan berarti kejadian itu pasti baru terjadi setelah 100 tahun.

Kejadian tersebut dapat:

• Terjadi besok.
• Terjadi beberapa kali dalam waktu dekat.
• Tidak terjadi selama ratusan tahun.

Probabilitas menggambarkan model ketidakpastian, bukan jadwal kejadian.

Hasil perhitungan juga bergantung pada:

• Kualitas data.
• Asumsi.
• Metode.
• Batas sistem.
• Perubahan lingkungan.
• Hubungan antarvariabel.

Karena itu, angka probabilitas harus selalu disertai penjelasan mengenai sumber data dan ketidakpastiannya.

Keterbatasan Data Historis

Probabilitas sering dihitung berdasarkan kejadian masa lalu.

Pendekatan tersebut bekerja cukup baik apabila:

• Prosesnya relatif stabil.
• Data tersedia dalam jumlah cukup.
• Kejadian dapat diulang.
• Kondisi masa depan tidak banyak berubah.

Namun pendekatan historis menjadi lemah ketika menghadapi:

• Teknologi baru.
• Perubahan iklim.
• Konflik geopolitik.
• Pandemi baru.
• Serangan siber baru.
• Black Swan.
• Perubahan regulasi mendadak.

Tidak adanya kejadian pada masa lalu tidak membuktikan bahwa kejadian tersebut mustahil pada masa depan.

Inilah salah satu alasan manajemen risiko tidak dapat bergantung sepenuhnya pada probabilitas statistik.

Bahaya Kepastian Palsu dalam Risk Matrix

Organisasi sering menggunakan heat map dengan skala kemungkinan dan dampak.

Metode tersebut berguna untuk:

• Menyamakan bahasa.
• Memprioritaskan pembahasan.
• Menampilkan risiko.
• Mendukung keputusan.

Namun heat map dapat menimbulkan kepastian palsu ketika skor dianggap terlalu presisi.

Sebagai contoh:

• Kemungkinan diberi nilai 3.
• Dampak diberi nilai 4.
• Skor risiko menjadi 12.

Angka 12 terlihat objektif, tetapi mungkin berasal dari penilaian ahli yang sangat subjektif.

Karena itu, skor sebaiknya disertai:

• Deskripsi skenario.
• Penyebab.
• Dampak.
• Asumsi.
• Sumber data.
• Efektivitas kontrol.
• Tingkat keyakinan.
• Potensi keterkaitan dengan risiko lain.

Probabilitas dan skor merupakan alat bantu keputusan, bukan pengganti pertimbangan.

Menggabungkan Pendekatan Kuantitatif dan Kualitatif

Manajemen risiko yang baik tidak memilih antara angka dan pertimbangan manusia.

Keduanya perlu digunakan secara bersama.

Metode kuantitatif

Cocok digunakan ketika tersedia data yang cukup, misalnya:

• Kegagalan peralatan.
• Fluktuasi harga.
• Frekuensi kecelakaan.
• Kerusakan produk.
• Klaim asuransi.
• Keterlambatan proyek.

Metodenya dapat meliputi:

• Expected loss.
• Monte Carlo simulation.
• Value at Risk.
• Fault Tree Analysis.
• Reliability analysis.
• Distribusi probabilitas.

Metode kualitatif

Diperlukan ketika data terbatas atau konteks berubah cepat.

Metodenya dapat berupa:

• Wawancara ahli.
• Workshop risiko.
• Scenario planning.
• Bow-tie analysis.
• Delphi method.
• Analisis asumsi.
• Stress testing.

Pendekatan kuantitatif memberikan struktur dan ukuran.

Pendekatan kualitatif membantu memahami konteks yang belum dapat dimasukkan ke dalam angka.

Pelajaran bagi Praktisi Manajemen Risiko

1. Jangan menyamakan risiko dengan angka

Risiko adalah skenario ketidakpastian yang memengaruhi tujuan. Skor hanya representasinya.

2. Pahami asal data

Frekuensi masa lalu tidak selalu menggambarkan masa depan.

3. Hindari probabilitas palsu

Jangan memberi angka seperti 7,3 persen apabila tidak terdapat dasar data yang memadai.

Rentang probabilitas mungkin lebih jujur daripada satu angka pasti.

4. Perhatikan dampak ekstrem

Risiko berprobabilitas rendah tetap perlu diperhatikan apabila dapat mengancam keselamatan atau keberlangsungan organisasi.

5. Gunakan skenario

Ketika probabilitas tidak diketahui, organisasi masih dapat menguji dampaknya.

6. Dokumentasikan asumsi

Banyak kegagalan bukan terjadi karena perhitungan salah, tetapi karena asumsi dasar tidak pernah diuji.

7. Sertakan dimensi etika

Risiko tidak hanya menyangkut kerugian perusahaan.

Keputusan juga dapat memengaruhi:

• Pekerja.
• Pelanggan.
• Masyarakat.
• Lingkungan.
• Generasi mendatang.

Di sinilah nilai kehati-hatian, amanah, keadilan, dan tanggung jawab tetap relevan.

Mitos tentang Sejarah Probabilitas

“Teori probabilitas modern ditemukan oleh ilmuwan Muslim”

Belum terdapat bukti yang mendukung klaim tersebut.

Ilmuwan Muslim memberikan kontribusi pada aljabar, kombinatorika, kriptanalisis, dan analisis frekuensi. Namun kalkulus probabilitas formal berkembang secara sistematis di Eropa pada abad ke-17.

“Peradaban Islam tidak mengenal risiko”

Tidak tepat.

Perdagangan, kemitraan, pencatatan, cadangan, dan perencanaan menghadapi krisis menunjukkan adanya pengelolaan risiko secara praktis.

“Al-Kindi telah menghitung probabilitas modern”

Tidak.

Al-Kindi menggunakan frekuensi empiris untuk memecahkan sandi. Pendekatannya penting bagi sejarah statistik dan kriptanalisis, tetapi belum menjadi teori probabilitas umum.

“Probabilitas lahir semata-mata karena perjudian”

Terlalu sederhana.

Permainan peluang menjadi katalis penting. Namun perdagangan, asuransi, demografi, astronomi, dan perkembangan matematika juga mendukung pertumbuhannya.

“Eropa menciptakan probabilitas tanpa pengaruh ilmu sebelumnya”

Tidak tepat.

Matematika Eropa berkembang melalui berbagai sumber, termasuk warisan Yunani, India, serta ilmu yang dikembangkan dan ditransmisikan melalui dunia Islam. Namun jalur langsung menuju teori probabilitas tidak selalu dapat dibuktikan.

“Semua risiko harus mempunyai angka probabilitas”

Tidak.

Sebagian risiko lebih tepat dianalisis melalui skenario, pertimbangan ahli, stress testing, dan analisis ketahanan.

Pertanyaan yang Sering Diajukan

Kapan teori probabilitas modern lahir?

Pertengahan abad ke-17 sering dianggap sebagai awal perkembangan sistematisnya, terutama melalui korespondensi Pascal dan Fermat pada 1654.

Apakah Cardano lebih dahulu daripada Pascal dan Fermat?

Ya.

Cardano telah menulis mengenai peluang permainan dadu pada abad ke-16. Namun karyanya baru diterbitkan pada 1663 dan belum membentuk teori seluas perkembangan setelah Pascal, Fermat, dan Huygens.

Apa kontribusi Al-Kindi?

Al-Kindi mengembangkan analisis frekuensi untuk memecahkan sandi. Metodenya menggunakan pola kemunculan huruf dalam bahasa dan merupakan kontribusi penting dalam sejarah kriptanalisis serta pemikiran statistik.

Apakah kombinatorika sama dengan probabilitas?

Tidak.

Kombinatorika menghitung banyaknya susunan atau pilihan. Probabilitas menilai seberapa mungkin suatu hasil terjadi. Kombinatorika merupakan salah satu alat penting dalam perhitungan probabilitas.

Apakah Islam menolak probabilitas karena berkaitan dengan perjudian?

Tidak.

Perjudian dilarang, tetapi matematika probabilitas dapat digunakan untuk banyak tujuan yang sah, seperti keselamatan, kesehatan, asuransi syariah, rekayasa, perencanaan, dan pengelolaan risiko.

Apakah manajemen risiko dapat dilakukan tanpa probabilitas?

Bisa.

Organisasi dapat menggunakan penilaian kualitatif, skenario, indikator peringatan, cadangan, diversifikasi, dan rencana keberlangsungan ketika data probabilitas tidak tersedia.

Apakah ISO 31000 mewajibkan perhitungan probabilitas matematis?

Tidak.

ISO 31000 memberikan pedoman yang dapat disesuaikan dengan konteks organisasi. Analisis dapat bersifat kualitatif, semi-kuantitatif, atau kuantitatif sesuai kebutuhan serta ketersediaan informasi.

Kesimpulan

Peradaban Islam tidak melahirkan teori probabilitas modern dalam bentuk kalkulus matematis yang kita gunakan saat ini.

Teori probabilitas formal berkembang secara sistematis di Eropa awal modern melalui tokoh-tokoh seperti:

• Gerolamo Cardano.
• Blaise Pascal.
• Pierre de Fermat.
• Christiaan Huygens.
• Jakob Bernoulli.

Namun hal tersebut tidak berarti dunia Islam sebelumnya tidak mempunyai kontribusi yang relevan.

Peradaban Islam telah mengembangkan:

• Aljabar dan aritmetika.
• Pemikiran kombinatorial.
• Kriptanalisis.
• Analisis frekuensi.
• Pengelolaan cadangan.
• Kemitraan dan pembagian risiko.
• Perencanaan menghadapi krisis.
• Tradisi pencatatan serta tanggung jawab transaksi.

Al-Kindi menunjukkan bagaimana data frekuensi dapat digunakan untuk memecahkan masalah.

Al-Khalil menunjukkan penggunaan susunan serta kombinasi dalam analisis bahasa.

Ibn Adlan mengembangkan lebih lanjut penggunaan frekuensi dan kecukupan data dalam kriptanalisis.

Praktik mudarabah dan musharakah menunjukkan bahwa risiko usaha dapat dibagi melalui struktur kontrak.

Sementara itu, Eropa awal modern menggabungkan persoalan permainan peluang, kombinatorika, dan perhitungan numerik menjadi teori probabilitas yang lebih formal.

Dari sana berkembang:

• Statistik.
• Aktuaria.
• Asuransi modern.
• Analisis keuangan.
• Rekayasa keandalan.
• Manajemen risiko kuantitatif.
• Enterprise Risk Management.
• ISO 31000.

Karena itu, sejarah ilmu sebaiknya tidak digambarkan sebagai pertandingan antara “Islam” dan “Eropa”.

Ilmu berkembang melalui perjalanan panjang, pertukaran gagasan, penerjemahan, kebutuhan praktis, serta pengembangan oleh banyak masyarakat.

Kesimpulan yang paling seimbang adalah:

Peradaban Islam memberikan sejumlah fondasi matematika, statistik empiris, dan praktik pengelolaan risiko. Namun teori probabilitas formal sebagai disiplin matematika berkembang secara sistematis di Eropa pada abad ke-17.

Manajemen risiko modern memerlukan keduanya:

• Kemampuan matematis untuk menganalisis ketidakpastian.
• Kebijaksanaan, kehati-hatian, keadilan, dan tanggung jawab dalam mengambil keputusan.

Probabilitas membantu manusia mengukur apa yang mungkin terjadi.

Manajemen risiko membantu manusia menentukan apa yang perlu dilakukan setelah memahami kemungkinan tersebut.

Berapa Konsumsi Listrik ChatGPT Sekali Digunakan?

Penggunaan kecerdasan buatan atau artificial intelligence (AI) semakin dekat dengan kehidupan sehari-hari. ChatGPT, misalnya, digunakan untuk mencari informasi, merangkum dokumen, membuat tulisan, menerjemahkan bahasa, menganalisis data, hingga membantu pekerjaan teknis.

Pengguna hanya perlu mengetik pertanyaan dan menunggu jawaban selama beberapa detik. Namun, di balik proses yang terlihat sederhana tersebut, terdapat pusat data dengan server, prosesor grafis, jaringan, dan sistem pendingin yang membutuhkan listrik.

Lantas, berapa konsumsi listrik ChatGPT untuk menjawab satu pertanyaan?

Jawaban singkatnya: sekitar 0,34 watt-hour (Wh) untuk rata-rata satu query, menurut angka yang disampaikan CEO OpenAI Sam Altman pada Juni 2025. Namun, angka sebenarnya dapat lebih rendah atau jauh lebih tinggi, tergantung pada model AI, panjang pertanyaan, panjang jawaban, dan proses komputasi yang dijalankan.

Berapa Konsumsi Listrik ChatGPT per Pertanyaan?

Dalam tulisannya berjudul The Gentle Singularity, Sam Altman menyebutkan bahwa rata-rata satu query ChatGPT mengonsumsi listrik sekitar 0,34 Wh.

Perlu diperhatikan bahwa:

• 1 Wh adalah energi yang digunakan perangkat berdaya 1 watt selama satu jam.
• 0,34 Wh sama dengan 0,00034 kilowatt-hour atau kWh.
• Angka tersebut menggambarkan penggunaan rata-rata, bukan nilai pasti untuk setiap percakapan.

Sebagai ilustrasi, listrik sebesar 0,34 Wh kurang lebih setara dengan:

• menyalakan lampu LED 10 watt selama sekitar dua menit; atau
• menggunakan oven listrik berdaya 1.000 watt selama sedikit lebih dari satu detik.

Dengan demikian, konsumsi listrik untuk satu pertanyaan sederhana relatif kecil jika dibandingkan dengan penggunaan berbagai peralatan rumah tangga.

Namun, angka tersebut sebaiknya tidak dianggap sebagai standar mutlak. OpenAI belum memublikasikan rincian metodologi lengkap mengenai jenis model, panjang jawaban, perangkat keras, dan batas sistem yang digunakan dalam perhitungan tersebut.

Mengapa Estimasi Konsumsi Listrik AI Berbeda-beda?

Berbagai penelitian menghasilkan angka konsumsi energi AI yang berbeda. Perbedaan ini bukan selalu berarti salah satu hasil pasti keliru. Penyebabnya adalah metode dan batas perhitungan yang digunakan tidak sama.

Beberapa perhitungan hanya memasukkan konsumsi prosesor grafis atau GPU. Perhitungan lain turut mencakup:

• CPU dan memori server;
• perangkat penyimpanan data;
• jaringan komunikasi;
• kapasitas server yang menganggur;
• sistem pendingin;
• kehilangan daya pada infrastruktur pusat data; dan
• energi yang digunakan untuk melatih model AI.

Penelitian juga dapat memakai asumsi berbeda mengenai jenis perangkat keras, jumlah token, jumlah pengguna yang dilayani secara bersamaan, serta efisiensi pusat data.

Sebuah studi tahun 2025 memperkirakan median konsumsi energi untuk satu query pada model AI berskala besar sekitar 0,34 Wh, dengan kisaran antarkuartil sekitar 0,18–0,67 Wh. Akan tetapi, ketika model menggunakan proses penalaran yang jauh lebih panjang, konsumsi energinya diperkirakan dapat meningkat menjadi beberapa Wh per query.

Artinya, pertanyaan “berapa listrik yang digunakan ChatGPT?” tidak selalu dapat dijawab dengan satu angka yang berlaku untuk semua kondisi.

Apa yang Dimaksud dengan Satu Query?

Dalam konteks ini, satu query dapat dipahami sebagai satu permintaan pengguna beserta proses untuk menghasilkan jawabannya.

Akan tetapi, sebuah query bisa berupa pertanyaan sederhana seperti:

Apa ibu kota Jepang?

Query juga bisa berupa permintaan kompleks, misalnya menganalisis dokumen panjang, membuat program komputer, membandingkan banyak sumber, atau menyelesaikan persoalan yang memerlukan penalaran beberapa tahap.

Walaupun sama-sama dihitung sebagai satu query, beban komputasinya dapat berbeda jauh. Oleh karena itu, akan lebih akurat jika konsumsi energi AI dianalisis berdasarkan jumlah token dan pekerjaan komputasi, bukan hanya jumlah pertanyaan.

Faktor yang Memengaruhi Konsumsi Listrik ChatGPT

Tidak semua penggunaan ChatGPT membutuhkan energi dalam jumlah yang sama. Berikut beberapa faktor utamanya.

1. Model AI yang Digunakan

Model berukuran besar dan memiliki kemampuan penalaran tingkat lanjut umumnya membutuhkan komputasi lebih banyak. Namun, arsitektur model, optimasi perangkat lunak, dan pemilihan model secara otomatis juga dapat meningkatkan efisiensi.

Model yang lebih canggih tidak selalu menghabiskan energi dalam jumlah yang sama untuk setiap permintaan. Sistem dapat mengarahkan pekerjaan ringan ke model yang lebih efisien dan memakai komputasi lebih besar hanya ketika diperlukan.

2. Panjang Pertanyaan dan Jawaban

Semakin banyak teks yang harus dibaca dan dihasilkan, semakin besar jumlah token yang diproses.

Permintaan untuk membuat satu paragraf umumnya membutuhkan komputasi lebih sedikit dibandingkan permintaan untuk membaca puluhan halaman dokumen dan menghasilkan analisis terperinci.

3. Tingkat Penalaran

Pertanyaan yang memerlukan penalaran panjang, penggunaan alat, pencarian informasi, atau pemeriksaan berulang dapat membutuhkan energi lebih besar daripada percakapan singkat.

Inilah sebabnya angka konsumsi beberapa Wh hingga puluhan Wh dapat muncul pada pengujian tertentu. Angka tersebut biasanya menggambarkan tugas atau model tertentu, bukan konsumsi rata-rata seluruh pertanyaan ChatGPT.

4. Jenis Konten yang Dihasilkan

Menghasilkan teks pada umumnya membutuhkan komputasi lebih rendah daripada menghasilkan gambar beresolusi tinggi atau video AI.

Karena itu, angka 0,34 Wh untuk rata-rata query ChatGPT tidak dapat langsung digunakan untuk memperkirakan konsumsi listrik pembuatan gambar dan video.

5. Jenis Perangkat Keras dan Efisiensi Pusat Data

GPU yang lebih baru dapat memproses lebih banyak data dengan energi yang lebih efisien. Konsumsi total juga dipengaruhi oleh tingkat pemanfaatan server dan efisiensi sistem pendingin pusat data.

6. Jumlah Pengguna yang Dilayani Bersamaan

Pusat data dapat menggabungkan beberapa permintaan dalam satu proses atau batch. Semakin optimal pemanfaatan perangkat keras, semakin kecil energi rata-rata yang dialokasikan untuk setiap query.

Apakah ChatGPT Lebih Boros daripada Google Search?

Sejumlah artikel menyebutkan bahwa pencarian menggunakan AI membutuhkan energi beberapa kali lebih besar daripada pencarian melalui mesin pencari biasa. Akan tetapi, perbandingan tersebut harus dibaca secara hati-hati.

Angka konsumsi Google Search yang sering digunakan berasal dari publikasi lama. Sementara itu, teknologi mesin pencari telah berubah dan kini juga menggunakan berbagai sistem AI. Di sisi lain, ChatGPT tidak hanya mengambil daftar tautan, tetapi menghasilkan jawaban baru berdasarkan konteks pertanyaan.

Perbandingan langsung juga sulit dilakukan karena:

• batas sistem yang dihitung dapat berbeda;
• panjang dan kompleksitas pertanyaan tidak sama;
• model dan perangkat keras terus diperbarui;
• hasil mesin pencari dan chatbot mempunyai fungsi berbeda; serta
• perusahaan tidak selalu memublikasikan data dengan metode yang sebanding.

Kesimpulan yang lebih aman adalah bahwa pembuatan jawaban generatif yang panjang dan kompleks berpotensi membutuhkan komputasi lebih besar daripada pencarian web sederhana. Namun, tidak tepat menyatakan bahwa setiap penggunaan ChatGPT pasti lima atau sepuluh kali lebih boros daripada setiap pencarian Google.

Dari Satu Pertanyaan ke Skala Global

Konsumsi sebesar 0,34 Wh memang terlihat sangat kecil. Tantangan lingkungan baru terlihat ketika angka tersebut dikalikan dengan jumlah penggunaan yang sangat besar.

Sebagai ilustrasi matematis, apabila suatu layanan AI menerima dua miliar query per hari dan masing-masing menggunakan rata-rata 0,34 Wh, konsumsi listriknya adalah:

2 miliar × 0,34 Wh = 680 juta Wh

Jumlah tersebut setara dengan:

• 680.000 kWh; atau
• 680 MWh per hari.

Dalam satu tahun, nilainya dapat mencapai sekitar 248 GWh. Ini hanyalah simulasi sederhana, bukan data konsumsi listrik resmi ChatGPT. Perhitungan tersebut belum memperhitungkan perbedaan model, panjang jawaban, penghematan melalui pemrosesan kelompok, pelatihan model, maupun aktivitas lain di pusat data.

Namun, ilustrasi tersebut menunjukkan prinsip penting:

Konsumsi energi yang kecil untuk satu aktivitas dapat menjadi besar ketika aktivitas itu dilakukan miliaran kali.

Apakah ChatGPT Juga Menggunakan Air?

Pusat data tidak hanya membutuhkan listrik. Sebagian fasilitas juga menggunakan air untuk membantu membuang panas dari server.

Sam Altman menyebutkan bahwa rata-rata satu query ChatGPT berkaitan dengan penggunaan air sekitar 0,000085 galon, atau kurang lebih 0,32 mililiter. Angka ini kira-kira setara dengan seperlima belas sendok teh.

Meskipun demikian, penggunaan air aktual sangat bergantung pada:

• lokasi pusat data;
• suhu dan kondisi iklim;
• jenis sistem pendingin;
• waktu pengoperasian;
• sumber pembangkit listrik; dan
• batas perhitungan penggunaan air.

Istilah “menggunakan air” juga perlu dijelaskan secara hati-hati. Sebagian kajian menghitung air yang dikonsumsi langsung oleh sistem pendingin, sedangkan kajian lain memasukkan air yang digunakan dalam proses pembangkitan listrik.

Dampak AI terhadap Permintaan Listrik Global

Dampak terbesar AI terhadap sektor energi tidak berasal dari satu pertanyaan, melainkan dari pertumbuhan pusat data secara keseluruhan.

Menurut International Energy Agency atau IEA, pusat data mengonsumsi sekitar 415 terawatt-hour listrik pada 2024, atau sekitar 1,5% dari konsumsi listrik global. IEA memperkirakan konsumsi tersebut dapat meningkat menjadi sekitar 945 TWh pada 2030, atau hampir 3% dari konsumsi listrik dunia.

AI diperkirakan menjadi salah satu pendorong utama pertumbuhan tersebut karena pusat data AI membutuhkan server berperforma tinggi dengan kepadatan daya yang besar.

Pertumbuhan ini dapat menimbulkan beberapa tantangan, seperti:

• peningkatan beban jaringan listrik;
• kebutuhan pembangunan pembangkit dan transmisi baru;
• kenaikan kebutuhan pendinginan;
• peningkatan penggunaan air di daerah tertentu;
• kebutuhan energi rendah karbon; serta
• persaingan pasokan listrik dengan sektor lain.

Namun, dampak AI tidak hanya negatif. AI juga dapat digunakan untuk membantu mengoptimalkan jaringan listrik, memperkirakan permintaan energi, meningkatkan efisiensi industri, serta mendukung pengembangan teknologi energi baru.

Bagaimana Menggunakan AI Secara Lebih Efisien?

Pengguna individu tidak harus berhenti memakai AI. Manfaat AI terhadap produktivitas dapat jauh lebih besar daripada energi yang digunakan untuk satu permintaan, terutama jika AI membantu menghemat waktu dan sumber daya.

Beberapa kebiasaan berikut dapat membantu mengurangi permintaan komputasi yang tidak perlu:

1. Tuliskan tujuan dan konteks pertanyaan dengan jelas.
2. Gabungkan pertanyaan yang saling berkaitan dalam satu instruksi terstruktur.
3. Hindari meminta jawaban yang sama berulang kali tanpa perubahan tujuan.
4. Batasi panjang keluaran apabila hanya membutuhkan jawaban singkat.
5. Gunakan model berkemampuan ringan untuk pekerjaan sederhana apabila tersedia.
6. Gunakan pembuatan gambar dan video AI secara selektif.
7. Periksa kembali jawaban agar kesalahan tidak menghasilkan pengulangan pekerjaan.

Efisiensi bukan berarti menghindari teknologi, melainkan menggunakannya secara tepat sesuai kebutuhan.

Kesimpulan

Berdasarkan angka yang disampaikan Sam Altman, rata-rata satu query ChatGPT menggunakan sekitar 0,34 Wh listrik dan berkaitan dengan penggunaan air sekitar 0,32 mililiter.

Namun, angka tersebut bukan nilai tetap untuk setiap pertanyaan. Konsumsi energi dapat berubah tergantung pada model, panjang konteks, panjang jawaban, tingkat penalaran, jenis konten, perangkat keras, dan efisiensi pusat data.

Satu pertanyaan sederhana memiliki konsumsi energi yang relatif kecil. Tantangan sesungguhnya muncul pada skala global ketika layanan AI digunakan miliaran kali dan kebutuhan pusat data terus bertambah.

Karena itu, pembahasan mengenai dampak lingkungan AI sebaiknya tidak hanya berfokus pada satu query. Hal yang lebih penting adalah bagaimana perusahaan meningkatkan efisiensi model, menggunakan energi rendah karbon, mengelola air secara bertanggung jawab, serta memublikasikan data lingkungan secara lebih transparan.

Pertanyaan yang Sering Diajukan

Berapa listrik yang digunakan ChatGPT sekali bertanya?

Estimasi rata-rata yang disampaikan Sam Altman adalah sekitar 0,34 Wh per query. Nilai aktual dapat berbeda menurut model dan kompleksitas pekerjaan.

Apakah pertanyaan panjang lebih boros listrik?

Umumnya iya. Pertanyaan dengan konteks panjang dan jawaban yang panjang membutuhkan lebih banyak pemrosesan token.

Apakah membuat gambar lebih boros daripada menghasilkan teks?

Secara umum, pembuatan gambar dan video membutuhkan komputasi lebih tinggi daripada jawaban teks sederhana. Namun, hasil aktual bergantung pada model dan resolusi keluaran.

Apakah angka 18 Wh berlaku untuk semua pertanyaan ChatGPT?

Tidak. Angka tinggi semacam itu biasanya berasal dari skenario model atau pekerjaan tertentu yang membutuhkan penalaran panjang. Angka tersebut tidak tepat digunakan sebagai konsumsi rata-rata semua query.

Apakah menggunakan ChatGPT berbahaya bagi lingkungan?

Satu penggunaan memiliki dampak yang relatif kecil. Namun, penggunaan global dalam skala besar meningkatkan kebutuhan listrik, air, dan infrastruktur pusat data. Dampaknya juga bergantung pada sumber listrik yang digunakan.

Referensi

• Sam Altman – The Gentle Singularity
• International Energy Agency – Energy Demand from AI
• IEA – Energy and AI
• Energy Use of AI Inference: Efficiency Pathways and Test-Time Compute
• How Hungry is AI? Benchmarking Energy, Water, and Carbon Footprint of LLM Inference
• International Energy Agency (IEA). Data Centres and Data Transmission Networks Report
• Strubell et al. (2019). Energy and Policy Considerations for Deep Learning
• Patterson et al. (Google). Carbon Footprint of Machine Learning
• MIT Technology Review. The Energy Impact of AI
• Nature Journal. AI and Energy Demand
• University of California Riverside. Water Usage of AI Models
• Bloomberg & The Verge (various reports on AI infrastructure)

Krisis Sampah Plastik: Mengapa Dunia Belum Menemukan Solusi Sempurna?

 

Plastik telah menjadi bagian yang hampir tidak terpisahkan dari kehidupan modern. Material ini digunakan untuk membuat botol minuman, kantong belanja, kemasan makanan, peralatan kesehatan, komponen kendaraan, perangkat elektronik, hingga pembungkus barang belanja daring.

Plastik dipilih karena murah, ringan, tahan air, kuat, fleksibel, dan mudah diproduksi dalam jumlah besar. Namun, keunggulan tersebut sekaligus menjadi sumber masalah. Plastik yang tahan lama juga sulit terurai di lingkungan.

Menurut United Nations Environment Programme atau UNEP, manusia memproduksi lebih dari 430 juta ton plastik setiap tahun. Sekitar dua pertiganya berupa produk berumur pendek yang segera menjadi sampah setelah digunakan.

Sementara itu, sekitar 19–23 juta ton sampah plastik diperkirakan masuk ke ekosistem perairan setiap tahun. Sampah tersebut mencemari sungai, danau, pesisir, dan laut.

Dampaknya dapat terlihat dalam berbagai bentuk:

• saluran air dan sungai tersumbat;

• tempat pemrosesan akhir atau TPA semakin penuh;

• hewan terluka atau mati karena menelan plastik;

• habitat perairan mengalami kerusakan;

• plastik terpecah menjadi partikel mikroplastik; dan

• biaya pembersihan lingkungan terus meningkat.

Meskipun masalah ini telah dibahas selama puluhan tahun, dunia belum menemukan satu solusi yang dapat menyelesaikan seluruh persoalan sampah plastik.

Mengapa demikian?

Jawabannya karena krisis sampah plastik bukan hanya persoalan teknologi. Masalah ini berkaitan dengan desain produk, pola konsumsi, perilaku masyarakat, kepentingan ekonomi, kemampuan pemerintah daerah, infrastruktur pengumpulan sampah, serta tanggung jawab produsen.

Mengapa Plastik Sangat Sulit Digantikan?

Menghapus seluruh penggunaan plastik bukanlah langkah yang mudah. Plastik mempunyai sejumlah fungsi penting yang belum selalu dapat digantikan material lain dengan biaya dan kinerja yang sama.

Dalam industri makanan, misalnya, kemasan plastik dapat melindungi makanan dari air, udara, kotoran, dan mikroorganisme. Perlindungan tersebut membantu memperpanjang masa simpan serta mengurangi risiko makanan terbuang.

Plastik juga digunakan dalam:

• kantong darah dan alat kesehatan;

• pelindung kabel listrik;

• komponen kendaraan dan pesawat;

• peralatan keselamatan;

• insulasi bangunan;

• perangkat komunikasi; dan

• distribusi air bersih.

Mengganti plastik dengan kaca, logam, kertas, atau bahan lain juga belum tentu selalu menghasilkan dampak lingkungan yang lebih kecil. Material pengganti dapat lebih berat, membutuhkan lebih banyak energi selama produksi, atau meningkatkan konsumsi bahan bakar saat diangkut.

Karena itu, persoalan utamanya bukan sekadar keberadaan plastik, melainkan penggunaan plastik secara berlebihan—terutama untuk barang sekali pakai—serta buruknya pengelolaan setelah produk tersebut dibuang.

Seberapa Besar Krisis Sampah Plastik Dunia?

UNEP memperkirakan produksi plastik global telah mencapai lebih dari 430 juta ton per tahun. Sekitar 36% plastik digunakan untuk kemasan, yang sebagian besar mempunyai masa penggunaan sangat singkat.

Estimasi global yang dipublikasikan UNEP juga menunjukkan bahwa secara historis hanya sekitar 9% plastik yang berhasil didaur ulang. Sisanya dibakar, ditimbun di TPA, atau bocor ke lingkungan.

Sampah plastik yang masuk ke lingkungan tidak benar-benar menghilang. Plastik dapat pecah menjadi bagian-bagian lebih kecil akibat paparan sinar matahari, panas, ombak, dan gesekan.

Partikel plastik berukuran kurang dari lima milimeter dikenal sebagai mikroplastik. Partikel tersebut telah ditemukan di air, tanah, makanan, hewan, dan berbagai bagian tubuh manusia.

Namun, keberadaan mikroplastik dalam tubuh tidak serta-merta menjelaskan tingkat bahaya yang pasti. Para ilmuwan masih meneliti jumlah paparan, mekanisme biologis, dan dampak jangka panjangnya terhadap kesehatan manusia.

Mengapa Dunia Belum Menemukan Solusi Sampah Plastik yang Sempurna?

Setiap metode penanganan sampah mempunyai manfaat sekaligus keterbatasan. Sebuah teknologi mungkin efektif untuk jenis sampah tertentu, tetapi tidak cocok untuk jenis sampah atau kondisi wilayah lainnya.

Berikut beberapa solusi yang paling sering dibicarakan.

1. Daur Ulang Plastik

Daur ulang merupakan salah satu metode pengelolaan sampah plastik yang paling dikenal masyarakat.

Secara umum, proses daur ulang mekanis meliputi:

1. pengumpulan sampah;

2. pemilahan berdasarkan jenis dan warna;

3. pembersihan;

4. pencacahan;

5. pelelehan atau pemrosesan ulang; dan

6. pembuatan bahan atau produk baru.

Kelebihan daur ulang

Daur ulang dapat memberikan beberapa manfaat, antara lain:

• mengurangi jumlah sampah yang dikirim ke TPA;

• mempertahankan nilai material dalam sistem ekonomi;

• mengurangi kebutuhan terhadap sebagian bahan baku baru;

• membuka peluang usaha dan lapangan kerja; serta

• mendukung penerapan ekonomi sirkular.

Mengapa tidak semua plastik dapat didaur ulang?

Plastik bukanlah satu jenis material yang seragam. Terdapat PET, HDPE, PVC, LDPE, PP, PS, dan berbagai plastik campuran dengan karakteristik berbeda.

Kemasan berlapis yang menggabungkan plastik, aluminium, kertas, perekat, dan tinta akan lebih sulit dipisahkan. Sampah plastik yang tercampur sisa makanan juga memerlukan proses pencucian dengan biaya tambahan.

Selain itu, kualitas sebagian plastik menurun setiap kali diproses ulang. Fenomena ini sering disebut downcycling. Plastik bekas akhirnya digunakan untuk membuat produk dengan kualitas atau nilai ekonomi lebih rendah.

Keberhasilan daur ulang juga sangat dipengaruhi harga pasar. Jika plastik murni atau virgin plastic lebih murah daripada bahan daur ulang, industri akan mempunyai insentif ekonomi yang lebih kecil untuk menggunakan plastik hasil daur ulang.

Dengan demikian, daur ulang tetap diperlukan, tetapi tidak dapat menjadi satu-satunya jawaban.

2. Waste to Energy

Waste to energy atau WtE adalah pemanfaatan sampah untuk menghasilkan energi. Salah satu bentuknya adalah pembakaran terkendali di fasilitas khusus untuk menghasilkan panas dan listrik.

Teknologi lain seperti produksi bahan bakar dari sampah, gasifikasi, dan pirolisis juga kerap dimasukkan dalam pembahasan WtE, meskipun mekanisme serta tingkat kematangan teknologinya berbeda.

Kelebihan WtE

WtE dapat:

• mengurangi volume sampah yang masuk ke TPA;

• memanfaatkan energi dari sampah residu;

• mengurangi kebutuhan lahan penimbunan; dan

• membantu kota besar menangani sampah dalam jumlah besar.

Keterbatasan WtE

Fasilitas WtE membutuhkan investasi besar, sistem pengendalian emisi, pengelolaan abu, operator terampil, dan pengawasan lingkungan yang konsisten.

Sampah Indonesia juga banyak mengandung material organik dengan kadar air relatif tinggi. Kondisi ini dapat menurunkan nilai kalor apabila sampah tidak dipilah atau diproses terlebih dahulu.

WtE juga tidak boleh menciptakan kebutuhan untuk terus memasok sampah yang sebenarnya masih dapat dikurangi, digunakan kembali, atau didaur ulang. Dalam hierarki pengelolaan sampah, pemulihan energi ditempatkan setelah pencegahan, penggunaan kembali, dan daur ulang.

Karena itu, WtE lebih tepat digunakan untuk mengolah sampah residu yang tidak layak didaur ulang, bukan sebagai pengganti seluruh program pengurangan sampah.

3. Plastik Biodegradable dan Compostable

Plastik biodegradable sering dianggap sebagai bahan yang akan cepat menghilang setelah dibuang. Kenyataannya, istilah tersebut lebih kompleks.

Plastik biodegradable dirancang agar dapat diuraikan oleh mikroorganisme dalam kondisi tertentu. Sementara itu, plastik compostable harus memenuhi persyaratan penguraian dalam proses pengomposan yang telah ditentukan.

Tidak semua plastik biodegradable dapat terurai dengan cepat di tanah, sungai, atau laut. Sebagian produk hanya dapat terurai secara optimal pada fasilitas kompos industri dengan pengaturan suhu, kelembapan, oksigen, dan waktu tertentu.

Menurut European Environment Agency, plastik yang dapat dikomposkan secara industri belum tentu terurai sepenuhnya di komposter rumah atau lingkungan terbuka.

Masalah lain muncul apabila plastik compostable tercampur dengan plastik konvensional dalam aliran daur ulang. Campuran tersebut dapat menurunkan kualitas bahan daur ulang jika fasilitas tidak mampu membedakannya.

Label biodegradable juga berisiko menimbulkan rasa aman yang keliru. Masyarakat mungkin menganggap produk tersebut boleh dibuang sembarangan, padahal materialnya tetap memerlukan jalur pengelolaan yang sesuai.

Oleh sebab itu, plastik biodegradable dan compostable dapat berguna untuk penggunaan tertentu, tetapi bukan izin untuk membuang sampah ke lingkungan.

4. Pelarangan Plastik Sekali Pakai

Sejumlah pemerintah daerah dan negara menerapkan larangan atau pembatasan terhadap kantong plastik, sedotan, alat makan, dan kemasan sekali pakai.

Kebijakan ini dapat mengurangi konsumsi produk yang mudah digantikan. Namun, efektivitasnya dipengaruhi oleh:

• ketersediaan alternatif yang terjangkau;

• konsistensi pengawasan;

• kepatuhan pelaku usaha;

• perubahan kebiasaan konsumen; dan

• dampak lingkungan material pengganti.

Larangan juga harus dirancang berdasarkan analisis siklus hidup. Jangan sampai kantong plastik tipis diganti dengan produk yang terlihat ramah lingkungan, tetapi digunakan hanya sekali dan membutuhkan lebih banyak energi untuk diproduksi.

Pendekatan yang lebih tepat bukan sekadar mengganti bahan, melainkan mengurangi produk sekali pakai dan meningkatkan frekuensi penggunaan ulang.

5. Ekonomi Sirkular

Ekonomi sirkular dianggap sebagai pendekatan yang lebih menyeluruh karena tidak hanya menangani sampah setelah terbentuk.

Dalam ekonomi linear, pola yang berlaku adalah:

mengambil bahan baku → membuat produk → menggunakan → membuang.

Sebaliknya, ekonomi sirkular berupaya mempertahankan produk dan material selama mungkin melalui:

• desain produk yang tahan lama;

• pengurangan kemasan;

• penggunaan ulang;

• layanan isi ulang;

• perbaikan produk;

• pemilahan;

• daur ulang; dan

• pengembalian material ke proses produksi.

Ekonomi sirkular juga mencakup extended producer responsibility atau EPR. Prinsip ini menempatkan tanggung jawab produsen tidak hanya ketika menjual produk, tetapi juga terhadap kemasan dan produk setelah digunakan konsumen.

Di Indonesia, tanggung jawab pengurangan sampah oleh produsen antara lain diatur melalui Peraturan Menteri Lingkungan Hidup dan Kehutanan Nomor 75 Tahun 2019 tentang Peta Jalan Pengurangan Sampah oleh Produsen.

Ekonomi sirkular menjanjikan perubahan jangka panjang, tetapi membutuhkan penyesuaian desain produk, model bisnis, kebijakan, infrastruktur, dan perilaku konsumen secara bersamaan.

Tantangan Pengelolaan Sampah Plastik di Indonesia

Sebagai negara kepulauan dengan jumlah penduduk besar, Indonesia mempunyai tantangan geografis dan kelembagaan yang tidak sederhana.

1. Layanan pengumpulan sampah belum merata

Di sejumlah wilayah, masyarakat belum memperoleh layanan pengumpulan sampah secara rutin. Sampah kemudian dibakar terbuka, ditimbun, atau dibuang ke lahan kosong dan sungai.

Jika sampah tidak berhasil dikumpulkan, teknologi pengolahan apa pun tidak dapat bekerja secara efektif.

2. TPA semakin terbebani

Banyak TPA menerima sampah campuran dalam jumlah besar setiap hari. Ketergantungan pada penimbunan membuat kapasitas TPA semakin cepat habis.

TPA yang tidak dikelola dengan baik juga dapat menimbulkan pencemaran air lindi, emisi gas metana, bau, kebakaran, serta risiko keselamatan bagi masyarakat sekitar.

3. Pemilahan dari sumber masih lemah

Sampah organik, plastik, kertas, logam, kaca, dan residu masih sering ditempatkan dalam wadah yang sama.

Ketika plastik tercampur dengan sisa makanan, biaya pemilahan dan pencucian meningkat. Nilai ekonominya juga dapat turun sehingga tidak menarik bagi industri daur ulang.

4. Nilai ekonomi sampah berbeda-beda

Botol PET bening umumnya mempunyai pasar yang lebih baik dibandingkan plastik tipis, sachet multilapis, atau kemasan berukuran kecil.

Akibatnya, sampah yang mempunyai nilai jual akan lebih mudah dikumpulkan, sedangkan plastik bernilai rendah berisiko ditinggalkan atau bocor ke lingkungan.

5. Kapasitas pemerintah daerah berbeda

Tidak semua daerah mempunyai kemampuan anggaran, sumber daya manusia, lahan, armada, dan teknologi yang sama.

Kota besar dan wilayah kepulauan juga menghadapi kondisi logistik berbeda. Karena itu, satu teknologi belum tentu cocok diterapkan secara seragam di seluruh Indonesia.

6. Perilaku dan sistem saling memengaruhi

Kebiasaan membuang sampah sembarangan memang perlu diubah. Namun, persoalan sampah tidak adil jika seluruhnya dibebankan kepada masyarakat.

Warga akan lebih mudah memilah sampah jika tersedia wadah, jadwal pengangkutan, fasilitas pengolahan, petunjuk yang jelas, dan kepastian bahwa sampah terpilah tidak dicampurkan kembali.

Perubahan perilaku harus berjalan bersama dengan perbaikan sistem.

Solusi Sampah Plastik yang Realistis untuk Indonesia

Indonesia membutuhkan sistem pengelolaan sampah terpadu, bukan satu teknologi tunggal.

Prioritasnya dapat disusun berdasarkan hierarki berikut.

1. Mencegah dan mengurangi sampah sejak awal

Pengurangan dapat dilakukan melalui:

• pembatasan kemasan yang tidak diperlukan;

• layanan isi ulang;

• penggunaan wadah pakai ulang;

• penjualan produk dalam ukuran yang lebih efisien;

• desain kemasan yang sederhana; dan

• pengurangan produk sekali pakai.

Sampah terbaik adalah sampah yang tidak perlu dihasilkan.

2. Memperluas layanan pengumpulan sampah

Pemerintah daerah perlu memastikan sampah dikumpulkan secara teratur sebelum memasuki fasilitas pemilahan dan pengolahan.

Wilayah padat, pedesaan, pesisir, dan kepulauan mungkin memerlukan sistem pengumpulan yang berbeda.

3. Memilah sampah dari sumber

Pemilahan dasar dapat dimulai dengan memisahkan:

• sampah organik;

• material yang dapat didaur ulang;

• sampah berbahaya rumah tangga; dan

• residu.

Skema pemilahan harus disesuaikan dengan kemampuan pengangkutan dan fasilitas pengolahan di setiap daerah.

4. Memperkuat bank sampah dan sektor informal

Pemulung, pengepul, bank sampah, dan pelaku usaha daur ulang telah memainkan peran penting dalam mengumpulkan material bernilai ekonomi.

Mereka perlu dilibatkan dalam sistem formal melalui perlindungan keselamatan kerja, kepastian harga, kemitraan, akses pembiayaan, dan fasilitas pemilahan yang lebih baik.

5. Mendorong desain kemasan yang mudah didaur ulang

Produsen perlu mengurangi penggunaan kemasan multilapis dan kombinasi material yang sulit dipisahkan.

Kemasan juga dapat dirancang dengan:

• satu jenis material;

• label yang mudah dilepaskan;

• kandungan material daur ulang;

• sistem pengembalian kemasan; dan

• informasi pemilahan yang jelas.

6. Menerapkan tanggung jawab produsen secara konsisten

Penerapan EPR dapat mendorong produsen membiayai atau mengelola pengumpulan kemasan setelah digunakan.

Target pengurangan harus disertai pelaporan yang transparan, verifikasi, insentif, dan penegakan aturan yang konsisten.

7. Mengolah residu sesuai kondisi daerah

Plastik yang tidak dapat digunakan kembali atau didaur ulang masih memerlukan penanganan.

WtE dapat menjadi salah satu pilihan untuk residu tertentu apabila:

• layak secara teknis dan ekonomi;

• memenuhi standar emisi;

• mempunyai sistem pengawasan;

• tidak mengganggu program daur ulang; dan

• mengelola abu serta residunya dengan aman.

Sampah yang tetap tidak dapat dipulihkan perlu dibuang di fasilitas akhir yang memenuhi persyaratan lingkungan.

Apakah Dunia Bisa Terbebas dari Sampah Plastik?

Dunia mungkin tidak akan sepenuhnya berhenti menggunakan plastik dalam waktu dekat. Material ini masih mempunyai fungsi penting dalam kesehatan, pangan, transportasi, konstruksi, dan teknologi.

Target yang lebih realistis adalah menghentikan pencemaran plastik dengan cara:

• mengurangi penggunaan yang tidak diperlukan;

• menghapus produk bermasalah;

• memperluas penggunaan ulang;

• mendesain produk agar dapat didaur ulang;

• meningkatkan pengumpulan sampah;

• mengolah residu dengan aman; dan

• mencegah sampah bocor ke lingkungan.

Dengan pendekatan tersebut, plastik tetap dapat digunakan untuk kebutuhan yang memberikan manfaat besar, tetapi tidak langsung berubah menjadi pencemar setelah beberapa menit digunakan.

Kesimpulan

Krisis sampah plastik belum mempunyai solusi sempurna karena setiap metode memiliki keterbatasan.

Daur ulang menghadapi persoalan pemilahan, kontaminasi, kualitas material, dan keekonomian. WtE membutuhkan biaya besar serta pengendalian emisi yang ketat. Plastik biodegradable memerlukan kondisi pengolahan tertentu. Pelarangan plastik sekali pakai juga membutuhkan alternatif dan pengawasan yang tepat.

Solusi yang paling masuk akal adalah menggabungkan berbagai pendekatan berdasarkan hierarki pengelolaan sampah:

1. mencegah timbulnya sampah;

2. mengurangi konsumsi;

3. menggunakan kembali;

4. mendaur ulang;

5. memulihkan energi dari residu yang sesuai; dan

6. membuang sisa akhir secara aman.

Bagi Indonesia, fondasi terpentingnya adalah layanan pengumpulan yang merata, pemilahan sejak sumber, penguatan ekonomi sirkular, keterlibatan sektor informal, tanggung jawab produsen, serta kebijakan yang konsisten.

Pada akhirnya, krisis sampah plastik bukan hanya persoalan cara membuang sampah. Persoalan ini berkaitan dengan bagaimana produk dirancang, dipasarkan, digunakan, dikumpulkan, dan diproses setelah masa pakainya berakhir.

Pertanyaan yang Sering Diajukan

Mengapa plastik sulit terurai?

Sebagian besar plastik tersusun dari rantai polimer yang tahan terhadap proses penguraian alami. Plastik sering kali hanya pecah menjadi bagian lebih kecil dan tidak sepenuhnya hilang dari lingkungan.

Apakah semua plastik dapat didaur ulang?

Tidak. Kemampuan daur ulang bergantung pada jenis plastik, desain produk, tingkat kontaminasi, teknologi fasilitas, dan keberadaan pasar untuk material hasil daur ulang.

Apakah plastik biodegradable aman dibuang sembarangan?

Tidak. Sebagian plastik biodegradable hanya dapat terurai pada kondisi tertentu, seperti fasilitas kompos industri. Produk tersebut tetap harus dikelola melalui jalur yang sesuai.

Apakah waste to energy merupakan solusi sampah plastik?

WtE dapat menjadi bagian dari solusi untuk residu yang sulit didaur ulang. Namun, teknologi ini tidak menggantikan program pengurangan, penggunaan kembali, dan daur ulang.

Apa yang dapat dilakukan masyarakat?

Masyarakat dapat mengurangi produk sekali pakai, membawa wadah pakai ulang, memilih produk isi ulang, memilah sampah, memanfaatkan bank sampah, dan tidak membuang sampah ke sungai atau lingkungan terbuka.

Siapa yang paling bertanggung jawab atas sampah plastik?

Tanggung jawab tidak hanya berada pada konsumen. Produsen, penjual, pemerintah pusat, pemerintah daerah, pengelola sampah, dan masyarakat mempunyai peran sesuai kewenangannya masing-masing.

Referensi

• UNEP – Everything You Need to Know About Plastic Pollution

• UNEP – Plastic Pollution and Marine Litter

• UNEP – Marine Litter and Plastic Waste Vital Graphics

• European Environment Agency – Biodegradable and Compostable Plastics

• US EPA – Waste Management Hierarchy

• Sistem Informasi Pengelolaan Sampah Nasional

• BPK RI – Permen LHK Nomor 75 Tahun 2019