Posisi: P4 melengkapi taksonomi (P3) dengan dimensi kompleksitas — bukan semua risiko butuh VaR!
Mengapa Kompleksitas Penting
Risiko modern tidak lagi hanya stochastic — banyak risiko bersifat emergent, dengan umpan balik dan koneksi yang tidak linear.
Tradisional
Stochastic
Distribusi probabilitas stabil — VaR, EL
Modern
Emergent
Umpan balik, non-linear, network effects
Deep uncertainty
Knightian
Probabilitas tidak diketahui ( Ellsberg 1961)
VaR bekerja di domain stochastic; gagal total untuk risiko emergent (cyber, geopolitik, disruptor). Di sinilah Cynefin menjadi krusial.
Knightian Risk vs Uncertainty
Frank Knight (1921) membedakan tiga jenis ketidakpastian — fundamental untuk memahami keterbatasan VaR.
Tipe
Definisi
Contoh
Perangkat
Risk
Probabilitas terukur
Loss kartu kredit historis
VaR, EL, distribusi loss
Uncertainty
Probabilitas tidak diketahui
Disruptor AI terhadap bank
Scenario planning, expert elicitation
Ambiguity (Ellsberg)
Preferensi ambigu dihindari
Black swan, unknown unknowns
Real options, resilience, antifragility
VaR bekerja hanya untuk Risk; untuk Uncertainty dan Ambiguity, perlu pendekatan berbeda. Memaksakan VaR pada domain yang salah → false precision.
Bagian 1 · 1/4
Lima Domain Cynefin
Diskusi kelas: risiko cyberattack terhadap bank — domain apa? Jawaban: complex (emergent) sebelum diserang, chaotic saat diserang.
Cynefin: Ordered vs Unordered
Domain tengah (Confusion) adalah keadaan berbahaya — pengambilan keputusan tanpa kesadaran domain.
Domain Clear (Obvious)
Kausalitas jelas, hubungan langsung, solusi terstandar. Risiko yang diprediksi dengan akurat dari historis.
Karakteristik
Stabil, berulang, pola jelas
Semua orang dengan pengalaman sama melihat solusi sama
Single right answer
Best practice berlaku
Contoh Risiko Bank
Tellur fraud (kasir)
Processing error (input data)
Prosedural compliance (KYC check)
Maintenance hardware
Pendekatan: Sense → Categorize → Respond dengan SOP. Tidak perlu VaR — gunakan control standard dan exception reporting.
Domain Complicated (Expert)
Kausalitas ada tetapi tidak jelas — perlu ahli untuk menganalisis. Beberapa jawaban benar mungkin.
Karakteristik
Membutuhkan expertise (statistik, akuntansi)
Multiple right answers
Hubungan sebab-akibat nonlinear tetapi dapat dianalisis
Good practice berlaku
Contoh Risiko Bank
Rating model (PD/LGD)
VaR untuk portofolio pasar
Stress test scenario bank
Audit kepatuhan POJK
Pendekatan: Sense → Analyze → Respond dengan good practice. Di sinilah VaR, EL, dan model kuantitatif berperan.
Domain Complex (Emergent)
Kausalitas hanya dapat dipahami in hindsight. Risiko dengan banyak agent yang berinteraksi dan emergent behavior.
Karakteristik
Interaksi banyak agent, feedback loop
Pola muncul dari interaksi (emergence)
Tidak ada single right answer ex ante
Emergent practice — perlu eksperimen (safe-to-fail probes)
Contoh Risiko Bank
Cybersecurity threats
Disruptor fintech (GoPay, OVO)
Risiko sistemik & contagion
Risiko reputasi viral di sosial media
Pendekatan: Probe → Sense → Respond dengan safe-to-fail experiments. VaR GAGAL di sini — gunakan scenario planning, network analysis, wargaming.
Bagian 2 · 2/4
Domain Chaotic & Confusion
Diskusi kelas: gagal sistem bank (BCA 2023) selama jam-jam pertama — domain apa?
Domain Chaotic (Crisis)
Tidak ada hubungan sebab-akibat yang dapat dilihat. Krisis. Tindakan terburu-buru diperlukan.
Karakteristik
Tidak ada pola yang dapat dikenali
Banyak kejadian simultan, decision time sangat pendek
Action datang dulu, analisis belakangan
Novel practice — invent new responses
Contoh Risiko Bank
Bank run (Northern Rock 2007, SVB 2023)
Cyberattack parah yang menghentikan layanan
Krisis likuiditas mendadak
Pandemi sudden onset (awal COVID)
Pendekatan: Act → Sense → Respond. Stabilkan dulu, kemudian pindah ke domain lain begitu situasi memungkinkan. VaR tidak relevan.
Domain Confusion (Apola)
Domain tengah berbahaya — pengambilan keputusan tidak sadar domain. Banyak kegagalan risk berasal dari sini.
Tanda-Tanda
"Saya pikir ini complicated, ternyata complex"
Memaksakan best practice pada situasi yang membutuhkan adaptasi
False sense of control (model tampil presisi tetapi tidak relevan)
Silo: tiap tim punya interpretasi domain berbeda
Pemicu (Snowden)
Arogansi (klaim tahu padahal tidak)
Bias ketersediaan (pengalaman terakhir dominan)
Time pressure (tidak sempat reflect)
Kultur blame (kegagalan → sanksi → tidak belajar)
Solusi: break down situasi ke sub-situasi dan tetapkan domain masing-masing. Lakukan "ritual clarity" sebelum memilih framework.
Hitung dari Nol: Skor Kompleksitas Snowden
Skenario: Suatu risiko diberi skor Snowden 3 dimensi: interdependence (1-5), novelty (1-5), dynamism (1-5). Misal skor 4, 3, 5. Hitung skor agregat dan tetapkan domain.
Dimensi
Skor
Interpretasi
Interdependence (komponen saling ketergantungan)
4/5
Tinggi — risiko memicu risiko lain
Novelty (kebaruan relatif historis)
3/5
Sedang — ada analog tapi tidak identik
Dynamism (kecepatan perubahan)
5/5
Sangat tinggi — berubah cepat
Total
12/15
≥9 → Complex; ≥13 → batas Chaotic
Kesimpulan
Skor 12/15 → Complex
Pendekatan: Probe → Sense → Respond dengan safe-to-fail experiments (VaR tidak relevan)
Bagian 3 · 3/4
Framework per Domain
Diskusi kelas: untuk risiko disruptor AI di bank Anda, framework apa yang tepat?
Pemilihan Framework per Domain
Domain
Framework Utama
Output
Clear
SOP, checklist, exception report
Compliance rate, defect count
Complicated
VaR, EL, rating model, stress test scenario
Probabilitas loss, modal, RWA
Complex
Scenario planning, wargaming, network analysis, real options
Multiple plausible futures, preparedness
Chaotic
Incident response, business continuity, crisis playbook
Stabilization time, recovery
Confusion
Domain mapping ritual, break-down to sub-issues
Clarity, framework selection
Memaksakan VaR pada domain Complex → false precision, model risk. Memaksakan checklist pada domain Chaotic → paralysis.
Kesalahan Umum: Domain Mismatch
Banyak kegagalan risk modern berasal dari domain mismatch — menggunakan pendekatan salah untuk domain.
Memaksakan Ordered
VaR untuk cyber risk → false precision
SOP untuk krisis → paralysis saat situasi berubah
Rating model untuk disruptor → wrong bet
Memaksakan Unordered
Over-engineering tugas sederhana (KYC)
Scenario planning untuk processing error (overkill)
Novel practice untuk compliance → inkonsistensi
Pelajaran: diagnosis domain dulu, baru pilih framework. Banyak risiko bercampur — pakai hybrid approach dengan awareness eksplisit.
Integrasi dengan Taksonomi (P3)
Pemetaan pilar risiko (P3) ke domain Cynefin membantu memilih framework.
Pilar Risiko
Domain Tipikal
Framework Utama
Risiko operasional (processing)
Clear/Complicated
SOP, exception reporting, LDA
Risiko pasar
Complicated
VaR, sensitivitas, stress test
Risiko kredit
Complicated
PD/LGD/EAD, rating model, EL
Risiko strategis
Complex
Scenario planning, wargaming
Risiko cyber
Complex/Chaotic
Network analysis, incident response
Risiko reputasi viral
Complex/Chaotic
Sentiment monitoring, crisis playbook
Jangan tunggu krisis untuk memilih framework — siapkan playbook per domain sebelumnya.
Coba Sendiri: Cynefin Complexity Mapper
Skor risiko Anda pada tiga dimensi Snowden (interdependence, novelty, dynamism) — widget akan menetapkan domain Cynefin dan merekomendasikan framework yang sesuai.
Bagian 4 · 4/4
Sintesis & Persiapan P5
Diskusi kelas: refleksikan satu risiko di organisasi Anda — domain apa? Apakah framework yang dipakai sudah cocok?
Ringkasan Kunci Pertemuan 4
Knightian
Risk vs Uncertainty vs Ambiguity — VaR hanya untuk Risk