Bayangkan Anda berdiri di tengah-tengah hutan luas, dikelilingi oleh ribuan pohon dengan berbagai jenis dan ukuran. Anda diberi tantangan: tanpa alat apapun, perkirakan berapa banyak pohon yang ada di sekitar Anda. Bagaimana Anda akan memulainya? Mungkin Anda akan mulai dengan menghitung pohon di sekeliling terdekat, lalu menggunakan estimasi tersebut untuk menebak jumlah total pohon di seluruh hutan. Ini adalah contoh sederhana dari apa yang disebut "Fermi problem" - seni membuat estimasi kasar dari suatu situasi yang tampaknya mustahil untuk ditebak.
Fermi problem mendapat namanya dari fisikawan terkenal, Enrico Fermi. Dia dikenal dengan kemampuannya untuk membuat perkiraan yang cepat dan kasar namun akurat dalam situasi-situasi yang penuh ketidakpastian. Salah satu pertanyaan terkenal yang diajukannya adalah, "Di manakah semua orang asing (alien) itu?" yang dikenal sebagai Fermi's Paradox. Dia juga pernah memperkirakan kekuatan bom atom pertama yang diuji di New Mexico, hanya dengan menggunakan beberapa data sederhana dan perkiraan kasar. Dia menggunakan lembaran kertas dan melihat sejauh mana itu terangkat oleh ledakan untuk membuat perkiraan tersebut, dan hasilnya ternyata dekat dengan nilai sebenarnya.
Tetapi bagaimana ini semua relevan dengan sistem informasi? Dalam dunia yang semakin kompleks, di mana data datang dalam jumlah yang sangat besar dan sering kali sulit untuk dianalisis, pendekatan Fermi menawarkan cara yang elegan untuk memulai, untuk mendapatkan gambaran kasar dari apa yang kita hadapi. Sebelum kita menyelam lebih dalam ke dalam algoritma dan analisis data, kadang-kadang yang kita butuhkan hanyalah estimasi awal yang baik. Dan itulah keajaiban dari Fermi problem.
Dalam konteks yang paling dasar, Fermi problem mengajarkan kita untuk memecah masalah yang kompleks dan besar menjadi bagian-bagian yang lebih kecil dan lebih dapat dikelola. Misalkan Anda adalah seorang pemilik startup aplikasi smartphone untuk diet makanan. Sebelum melakukan investasi besar dalam sumber daya dalam pengembangan aplikasi, Anda perlu mengetahui potensi pasar dan sumber daya infrastruktur yang diperlukan agar aplikasi anda sukses di pasaran. Untuk melakukan analisis tersebut, Anda akan memecah persoalan tersebut menjadi beberapa pertanyaan untuk melakukan estimasi analisis kebutuhan pada aplikasi Anda.
"Berapa banyak orang di daerah ini yang menggunakan smartphone? Berapa persentasenya yang peduli dengan diet dan makanan sehat?" Dengan data dasar seperti jumlah populasi, persentase pemilik smartphone, dan tren kesehatan, Anda dapat memperkirakan jumlah potensial pengguna aplikasi dengan angka kasar.
Jika sudah mengetahui jumlah pengguna, Anda harus menyiapkan besaran infrastruktur pendukungnya agar aplikasi mampu berjalan. Anda dapat memecah pertanyaan tersebut menjadi beberapa masalah. "Dari pengguna yang potensial, berapa yang kemungkinan akan mendownload aplikasi kita pada bulan pertama? Berapa rata-rata ukuran data profil setiap pengguna? Berapa banyak query yang mungkin mereka ajukan setiap hari?" Dengan memecahnya menjadi pertanyaan-pertanyaan kecil ini, Anda bisa memperkirakan beban server, penyimpanan, dan bandwidth yang diperlukan dengan melakukan perkalian secara kasar pada jumlah potensial pengguna. Hasil dari analisis kasar tersebut menjadi batu loncatan untuk Anda melakukan analisis mendalam untuk mendapatkan hasil yang lebih akurat.
Ketika kita berbicara tentang sistem informasi, kita membahas tentang mengolah dan memahami data dalam skala yang sangat besar. Banyak organisasi kini tenggelam dalam apa yang sering disebut sebagai "lautan data". Data datang dari sumber-sumber yang berbeda: pengguna, sensor, transaksi, media sosial, dan banyak lagi. Namun, meskipun memiliki banyak data, tanpa alat dan metode yang tepat, organisasi ini sering kali merasa "buta" dan tidak tahu harus berbuat apa dengan data tersebut.
Inilah di mana signifikansi pendekatan Fermi masuk. Dalam dunia yang dikuasai data, terkadang kita terjebak dalam mencari jawaban yang sempurna dan tepat hingga angka desimal terakhir. Namun, dalam banyak kasus, apa yang sebenarnya dibutuhkan oleh pemangku keputusan adalah wawasan awal atau gambaran besar dari suatu masalah. Pendekatan Fermi memberikan cara untuk mendapatkan gambaran kasar tersebut dengan cepat, memungkinkan organisasi untuk bertindak dengan lebih gesit.
Masa Depan Fermi Problem dalam Sistem Informasi
Salah satu adaptasi paling menjanjikan dari Fermi Problem adalah integrasinya dengan teknologi kecerdasan buatan. Dengan pesatnya kemajuan di bidang AI dan machine learning, kita mungkin akan melihat pendekatan Fermi digunakan sebagai landasan bagi algoritma prediktif. Dalam skenario seperti ini, Fermi memberikan pandangan awal yang kemudian diperhalus dan dioptimalkan oleh model AI, menggabungkan intuisi manusia dengan kekuatan komputasi mesin.
Selain itu, alat bantu keputusan masa depan bisa memiliki fitur "mode Fermi", memungkinkan profesional untuk memasukkan serangkaian data kasar dan mendapatkan wawasan cepat tentang potensi keputusan. Fungsi semacam itu akan sangat berharga, terutama dalam tahap brainstorming dan perencanaan awal, memfasilitasi pengambilan keputusan yang lebih cepat dan berdasarkan data.
Namun, dampak Fermi Problem tidak hanya terbatas pada pengembangan teknologi. Di ruang rekrutmen, terutama di dunia IT, soal berbasis Fermi telah menjadi alat populer. Banyak perusahaan teknologi terkemuka memanfaatkan pendekatan ini untuk menilai kemampuan pemecahan masalah kandidat. Melalui pendekatan ini, perekrut bukan hanya menilai keahlian matematis, tetapi juga mendapatkan gambaran mendalam tentang bagaimana kandidat menavigasi ketidakpastian dan membuat keputusan dengan informasi terbatas.
Keuntungan dan Tantangan
