Dari Model ke Kebijakan: Muhammad Abdul Rohman Mengikuti MAST 2026 di Jakarta

Dari Model ke Kebijakan: Muhammad Abdul Rohman Mengikuti MAST 2026 di Jakarta

Model ekonomi sering hadir dalam perdebatan kebijakan sebagai angka, proyeksi, atau simulasi. Namun di balik setiap hasil model terdapat pilihan metodologis: pertanyaan apa yang diajukan, hubungan apa yang dimasukkan, asumsi mana yang digunakan, serta batas apa yang harus diakui. Karena itu, penguatan kapasitas dalam pemodelan bukan sekadar urusan teknis. Ia berkaitan langsung dengan mutu bukti yang digunakan untuk memahami konsekuensi kebijakan.

Pada Selasa, 27 Oktober 2026, Muhammad Abdul Rohman, founder Transdisiplin, mengikuti MAST 2026 di Jakarta. Programme resmi mencantumkan hari pertama workshop dengan fokus Computable General Equilibrium (CGE) modelling using the GTAP Framework. Agenda bergerak dari sesi pengantar menuju praktik langsung, kemudian ditutup dengan rangkuman dan tanya jawab. Rangkaian ini memberi konteks yang tepat untuk membahas mengapa pemodelan ekonomi perlu dibaca sebagai alat analisis kebijakan—bukan mesin yang menghasilkan jawaban otomatis.

Artikel ini mengulas agenda hari pertama dan relevansinya bagi penelitian kebijakan. Informasi mengenai partisipasi Muhammad Abdul Rohman berasal dari keterangan yang diberikan kepada redaksi; programme resmi menjadi rujukan untuk jadwal serta topik workshop. Tidak ada kutipan atau klaim pengalaman personal yang ditambahkan di luar informasi tersebut.

Mengapa Pemodelan Ekonomi Penting bagi Analisis Kebijakan?

Kebijakan publik hampir selalu mengubah insentif, biaya, akses, atau perilaku. Dampaknya pun tidak berhenti pada kelompok yang menjadi sasaran langsung. Perubahan tarif, misalnya, dapat memengaruhi harga input, keputusan produksi, pendapatan rumah tangga, dan pola perdagangan. Jika analisis hanya mengamati satu sektor atau satu indikator, sebagian konsekuensi itu mungkin luput.

Di sinilah model ekonomi dapat membantu. Model menyederhanakan kenyataan yang kompleks agar hubungan tertentu dapat dianalisis secara sistematis. Penyederhanaan bukan kekurangan yang harus disembunyikan; ia adalah syarat kerja model. Pertanyaan kritisnya ialah apakah penyederhanaan tersebut sesuai dengan masalah yang ingin dijawab dan apakah pembaca memahami konsekuensinya.

Bayangkan model sebagai peta jaringan transportasi. Peta memudahkan kita memperkirakan jalur dan titik yang saling terhubung, tetapi tidak memuat setiap detail kehidupan di sepanjang jalan. Begitu pula model ekonomi: ia membantu menata hubungan, tetapi tidak menggantikan bukti lapangan, pemahaman institusional, atau pertimbangan distribusi dampak.

MAST 2026: Fokus Hari Pertama pada CGE dan GTAP

Programme MAST 2026 mencantumkan rangkaian kegiatan selama tiga hari, 27–29 Oktober 2026. Hari pertama, Selasa, 27 Oktober, secara khusus berfokus pada pemodelan CGE menggunakan GTAP Framework. Materi dijadwalkan melalui kuliah pengantar, kelanjutan pembahasan, sesi praktik, dan sesi penutup. Programme juga menautkan bahan presentasi serta panduan dan latihan RunGTAP.

Agenda tersebut relevan bukan semata karena memperkenalkan kerangka tertentu. Susunan sesi menunjukkan satu kebutuhan penting dalam pembelajaran metodologi: peserta perlu memahami konsep sekaligus melihat bagaimana pendekatan dijalankan. Pemahaman abstrak tanpa latihan dapat sulit diterjemahkan menjadi keterampilan; latihan tanpa pengertian atas logika model berisiko berubah menjadi prosedur mekanis.

Hari pertama dijadwalkan dimulai dengan registrasi pukul 08.30. Setelah sambutan dan pengenalan peserta, kuliah CGE modelling dimulai pada pukul 09.25, disusul jeda dan sesi lanjutan. Siang hari memuat sesi praktik pada pukul 13.30, kemudian dilanjutkan kembali pada pukul 15.15. Rangkuman dan tanya jawab dijadwalkan pukul 16.45, dengan akhir hari pertama pada pukul 17.00. Detail ini merujuk pada programme penyelenggara.

Apa yang Dimaksud dengan Model CGE?

Computable General Equilibrium adalah pendekatan pemodelan yang merepresentasikan keterkaitan berbagai bagian ekonomi dalam suatu kerangka yang konsisten. Secara umum, model CGE dapat digunakan untuk menganalisis bagaimana perubahan kebijakan atau kondisi ekonomi berinteraksi dengan keputusan rumah tangga, perusahaan, sektor produksi, dan perdagangan—bergantung pada struktur model yang dipilih.

Kata “umum” penting di sini. Berbeda dari analisis yang hanya menyoroti satu pasar atau sektor, kerangka keseimbangan umum berupaya mempertimbangkan hubungan lintas bagian ekonomi. Namun, cakupan nyata sebuah model tetap ditentukan oleh desainnya: sektor apa yang dimasukkan, bagaimana perilaku pelaku ekonomi direpresentasikan, bagaimana data disusun, serta skenario apa yang diuji.

Karena itu, CGE bukan alat untuk memprediksi masa depan secara pasti. Hasilnya merupakan keluaran dari sistem asumsi dan data tertentu. Hasil tersebut dapat membantu membandingkan skenario atau menilai konsekuensi yang mungkin timbul, tetapi tidak dapat berdiri sendiri sebagai keputusan kebijakan.

GTAP Framework dan Tantangan Membaca Hasil Model

GTAP Framework tercantum sebagai kerangka yang digunakan dalam sesi MAST 2026 hari pertama. Dalam konteks pembelajaran, mengenal suatu framework berarti memahami lebih dari perangkat lunak atau sintaks. Peneliti perlu menelaah struktur data, hubungan antarsektor, parameter, asumsi, serta bagaimana perubahan kebijakan diterjemahkan menjadi skenario.

Di sinilah literasi model menjadi penting. Dua peneliti dapat menggunakan framework serupa tetapi memperoleh hasil berbeda karena pertanyaan, data, cakupan, atau asumsi mereka tidak sama. Hasil yang tampak presisi pun tetap perlu diuji: apakah perubahan yang disimulasikan realistis? Apakah mekanisme ekonominya masuk akal? Apakah hasilnya sensitif terhadap pilihan asumsi?

Membaca output tanpa menelusuri prosesnya sama seperti membaca angka pada termometer tanpa mengetahui apakah alat tersebut terkalibrasi. Angka tetap terlihat meyakinkan, tetapi maknanya bergantung pada mutu alat dan cara penggunaannya. Karena itu, keahlian analitis perlu mencakup kemampuan menjelaskan bagaimana hasil terbentuk, bukan sekadar melaporkannya.

Dari Kuliah ke Praktik: Mengapa Hands-on Perlu Diikuti Refleksi

Programme menempatkan sesi hands-on pada siang hari dan kelanjutannya setelah jeda sore. Praktik dapat membantu peserta memahami urutan kerja, mencoba penggunaan perangkat, dan mengidentifikasi bagian yang membutuhkan perhatian lebih. Namun, praktik teknis paling bermanfaat ketika disertai refleksi atas alasan di balik setiap langkah.

Dalam analisis kebijakan, kesalahan tidak selalu muncul sebagai pesan galat. Sebagian kekeliruan justru tampak sebagai hasil yang rapi tetapi dibangun dari pertanyaan yang kurang tepat, asumsi yang tidak sesuai, atau interpretasi yang melampaui bukti. Karena itu, pembelajaran pemodelan perlu menumbuhkan kebiasaan memeriksa input, memvalidasi keluaran, dan menuliskan batasan secara terbuka.

Sesi rangkuman dan tanya jawab juga memiliki fungsi substantif. Pertanyaan peserta dapat menguji pemahaman, mengangkat asumsi yang belum jelas, atau menunjukkan bahwa suatu konsep memerlukan penjelasan tambahan. Dalam forum metodologis, kemampuan bertanya bukan tanda belum menguasai materi; sering kali justru itulah cara terbaik untuk menguji ketahanan sebuah analisis.

So What? Relevansi MAST bagi Penelitian Kebijakan

So what-nya terletak pada hubungan antara kapasitas metodologis dan kualitas pilihan publik. Pemerintah dan lembaga yang mengambil keputusan membutuhkan analisis yang mampu menjelaskan kemungkinan konsekuensi, termasuk siapa yang memperoleh manfaat dan siapa yang menanggung biaya. Model ekonomi dapat menyumbang perspektif tersebut, asalkan pengguna tidak menyamakan hasil simulasi dengan kenyataan yang sudah terjadi.

Model juga dapat memperjelas pertanyaan distribusi. Dampak rata-rata mungkin tampak positif, tetapi kelompok masyarakat dapat mengalami perubahan yang berbeda. Bagi pembuat kebijakan, perbedaan ini penting: kebijakan yang meningkatkan efisiensi agregat belum tentu otomatis adil atau dapat diterima secara sosial. Analisis perlu menempatkan hasil agregat berdampingan dengan distribusi, konteks lokal, dan kapasitas institusi untuk melaksanakan kebijakan.

Namun, model tidak menggantikan proses deliberasi. Keputusan publik juga memerlukan pertimbangan hukum, hak, nilai sosial, kelayakan administrasi, serta prioritas masyarakat. Nilai model terletak pada kemampuannya memperluas informasi yang tersedia bagi pengambil keputusan—bukan mengambil alih tanggung jawab mereka.

Why It Matters: Transparansi Asumsi adalah Bagian dari Akuntabilitas

Mengapa hal ini penting? Karena angka teknis dapat memiliki pengaruh besar dalam debat kebijakan. Ketika asumsi tidak dijelaskan, hasil model berpotensi diperlakukan sebagai fakta netral, padahal setiap model memuat pilihan tentang apa yang dihitung dan apa yang tidak. Transparansi memberi ruang bagi pembuat kebijakan, peneliti lain, dan publik untuk menilai apakah hasil tersebut relevan.

Pelaporan yang bertanggung jawab setidaknya perlu menjelaskan tujuan model, sumber serta cakupan data, asumsi utama, skenario yang diuji, dan keterbatasan interpretasi. Jika hasil berubah ketika asumsi tertentu diganti, ketidakpastian itu perlu diterangkan. Sikap ini tidak melemahkan analisis. Sebaliknya, ia membuat temuan lebih berguna karena pembaca mengetahui sejauh mana hasil dapat dipercaya.

Dalam lingkungan kebijakan yang kompleks, transparansi juga membantu membangun kepercayaan. Institusi tidak memperoleh legitimasi hanya dengan menunjukkan angka akhir. Mereka perlu menjelaskan proses yang menghasilkan angka tersebut, termasuk alasan memilih satu pendekatan dan bukan pendekatan lain.

Implikasi bagi Peneliti, Pembuat Kebijakan, dan Institusi

Bagi peneliti, partisipasi dalam forum metodologis seperti MAST dapat menjadi bagian dari pengembangan kapasitas yang berkelanjutan. Langkah berikutnya ialah membawa pembelajaran ke dalam praktik riset: menyusun pertanyaan yang tepat, mendokumentasikan asumsi, menguji sensitivitas hasil, dan mengomunikasikan keterbatasan kepada pembaca nonteknis.

Bagi pembuat kebijakan, rekomendasi utamanya ialah memperlakukan model sebagai salah satu sumber bukti dalam proses pengambilan keputusan. Hasil model dapat memperkaya perbandingan skenario, tetapi perlu dipertimbangkan bersama data empiris, masukan pemangku kepentingan, analisis implementasi, serta evaluasi dampak.

Bagi institusi penelitian dan organisasi publik, investasi pada kapasitas analitis perlu disertai tata kelola pengetahuan. Artinya, metode dan asumsi didokumentasikan; hasil dapat ditelaah; dan pembelajaran dari suatu analisis tidak berhenti pada individu yang menjalankannya. Tanpa dokumentasi dan pembagian pengetahuan, kapasitas mudah menjadi pengetahuan personal yang tidak tertanam dalam organisasi.

Menjembatani Ketelitian Akademik dan Kebutuhan Publik

Analisis yang canggih belum tentu komunikatif. Sebaliknya, penjelasan yang sederhana belum tentu akurat. Tantangan peneliti kebijakan adalah menjaga keduanya: mempertahankan ketelitian tanpa menjadikan uraian sulit diakses. Salah satu cara ialah menyampaikan temuan dalam beberapa lapisan—ringkasan yang menjawab pertanyaan utama, penjelasan mekanisme, lalu rincian metode bagi pembaca yang ingin menilai lebih jauh.

Kerja transdisiplin menambah satu tuntutan: metode perlu berdialog dengan pengetahuan dari bidang dan pengalaman yang berbeda. Model ekonomi dapat menggambarkan relasi tertentu, sedangkan pemahaman institusional dan pengalaman masyarakat membantu menjelaskan bagaimana kebijakan bekerja dalam situasi nyata. Menggabungkan perspektif bukan berarti semua metode harus menghasilkan satu jawaban yang seragam; tujuannya adalah membuat analisis lebih lengkap dan terbuka terhadap koreksi.

Penutup: Model yang Baik Membantu Kita Bertanya Lebih Tepat

Partisipasi Muhammad Abdul Rohman, founder Transdisiplin, dalam MAST 2026 di Jakarta—sebagaimana diinformasikan kepada redaksi—menjadi konteks untuk menyoroti pentingnya pembelajaran metodologis dalam analisis kebijakan. Programme resmi hari pertama memuat fokus CGE modelling menggunakan GTAP Framework, dengan rangkaian kuliah, sesi praktik, dan tanya jawab.

Pelajaran yang lebih luas bukan bahwa satu model dapat menyelesaikan semua persoalan ekonomi. Justru sebaliknya: semakin kuat alat analisis, semakin besar tanggung jawab untuk menjelaskan batasnya. Model yang digunakan dengan cermat dapat membantu pembuat kebijakan membandingkan pilihan dan menelusuri konsekuensi; model yang diperlakukan sebagai kebenaran final dapat menutup pertanyaan penting tentang asumsi, pemerataan, dan konteks.

Pada akhirnya, mutu kebijakan tidak hanya ditentukan oleh seberapa rumit alat analisis yang dipakai. Ia ditentukan oleh kemampuan institusi mengubah bukti menjadi pertimbangan yang transparan, dapat diuji, dan peka terhadap dampak sosial. Model yang baik bukan yang menjawab semua hal, melainkan yang membantu kita bertanya lebih tepat—dan tahu apa yang masih perlu dipelajari.

Pertanyaan yang Sering Diajukan

1. Kapan MAST 2026 hari pertama berlangsung?

Programme resmi mencantumkan hari pertama pada Selasa, 27 Oktober 2026. Rangkaian agenda dimulai dengan registrasi pukul 08.30 dan berakhir pada pukul 17.00.

2. Apa topik utama MAST 2026 pada hari pertama?

Fokusnya adalah Computable General Equilibrium (CGE) modelling using the GTAP Framework, dengan sesi kuliah, kelanjutan materi, praktik langsung, rangkuman, dan tanya jawab.

3. Apakah model CGE dapat memprediksi dampak kebijakan secara pasti?

Tidak. Model CGE menghasilkan analisis berdasarkan data, struktur, dan asumsi tertentu. Hasilnya dapat digunakan untuk membandingkan skenario, tetapi bukan kepastian tentang apa yang akan terjadi.

4. Mengapa sesi praktik penting dalam pelatihan pemodelan?

Praktik membantu peserta menerapkan konsep dan memahami alur penggunaan model. Agar hasilnya bermakna, latihan teknis perlu disertai pemahaman atas asumsi, validasi keluaran, dan batas interpretasi.

5. Apakah programme resmi mengonfirmasi keikutsertaan Muhammad Abdul Rohman?

Programme resmi mengonfirmasi jadwal dan topik MAST 2026, bukan daftar peserta. Informasi keikutsertaan Muhammad Abdul Rohman dalam artikel ini bersumber dari keterangan yang diberikan kepada redaksi.

Sumber agenda: Programme resmi MAST 2026 — Day 1: Tuesday.

Scroll to Top