SYSTEMS THINKING & PREDIKSI “BOLA BUNDAR”

FIFA World Cup 2026 meskipun dibantu Mesin AI ternyata banyak analisa dan prediksi “otak manusia” yang meleset. Tulisan ini mencoba mengkupasnya.

Sritomo W. Soebroto, 16 Juli 2026

🌿 Systems Thinking: Bisakah AI membantu memperkuat prediksi diluar nalar logika berpikir manusia based on data yang ada?

Bisa—tetapi AI tidak “melampaui kenyataan”.
AI dapat membantu manusia melihat pola yang terlalu kompleks, terlalu cepat berubah, atau terlalu banyak variabelnya untuk dianalisis secara intuitif. Hasilnya bukan kepastian, melainkan prediksi probabilistik yang lebih terkalibrasi.

Dalam konteks Systems Thinking, peran AI terutama ada pada empat hal:

🧩 1. Menangkap pola nonlinier
Manusia cenderung berpikir lurus:
tim lebih kuat + pemain lebih bagus = peluang menang lebih besar. Padahal sistem nyata sering nonlinier. Hasil pertandingan dapat dipengaruhi oleh kombinasi:

kondisi pemain,
gaya permainan lawan,
kelelahan,
cuaca,
lokasi,
keputusan taktis,
kualitas pergantian pemain,
momentum,
cedera kecil,
kartu, hingga
urutan kejadian dalam pertandingan.

AI dapat mempelajari interaksi puluhan atau ratusan variabel tersebut sekaligus, termasuk pola yang tidak mudah terlihat oleh manusia.

🧩 2. Memperbarui prediksi secara dinamis
Prediksi manusia sering bersifat statis. AI dapat memperbarui peluang ketika data baru masuk. Misalnya sebelum pertandingan:

Inggris 52%
Argentina 48%

Setelah 20 menit:

penguasaan bola berubah,
satu pemain cedera,
Argentina menciptakan lebih banyak peluang berkualitas, pola pressing Inggris tidak efektif.

Model kemudian dapat mengubah peluang menjadi:

Inggris 38%
Argentina 62%

Jadi AI bukan sekadar “meramal sebelum kejadian”, tetapi melakukan continuous Bayesian updating.

🧩 3. Menjalankan ribuan skenario
AI dan simulasi dapat menjalankan puluhan ribu kemungkinan:

bagaimana bila Messi dijaga satu pemain?
bagaimana bila Inggris memakai blok rendah?
bagaimana bila Kane tidak mendapat suplai bola?
bagaimana bila pertandingan masuk extra time?
bagaimana bila satu tim tertinggal lebih dulu?

Dari sana diperoleh distribusi hasil, bukan satu jawaban tunggal. Contoh:

Inggris menang 90 menit: 34%
Argentina menang 90 menit: 31%
seri dan lanjut extra time: 35%

Ini jauh lebih jujur daripada mengatakan: “Inggris pasti menang 2–1.”

🧩 4. Mengurangi bias manusia
Prediksi manusia sering dipengaruhi: favoritisme, reputasi, media, nama besar, pengalaman masa lalu, harapan pribadi.

AI dapat membantu mengurangi bias itu, asalkan data dan modelnya tidak bias.

Dalam kasus kita, keinginan agar Inggris menang mungkin membuat kita terlalu menekankan kekuatan Bellingham, Rice, Kane, dan pengalaman EPL, tetapi kurang memberi bobot pada:

pengalaman Argentina dalam laga gugur,
kontrol emosi,
efisiensi penyelesaian,
kemampuan menjaga skor,
kualitas keputusan di momen kritis.

AI bisa memaksa kita melihat variabel yang tidak kita sukai.
Namun AI tetap memiliki batas. AI tidak dapat sepenuhnya memprediksi:

kejadian yang belum pernah muncul dalam data,
keputusan spontan,
kesalahan wasit,
cedera mendadak,
respons psikologis individual,
“luck”, dan
perubahan strategi yang benar-benar baru.

Selain itu, data historis bukan masa depan. Model dapat sangat canggih, tetapi bila lingkungan berubah, hubungan antar variabel juga berubah.

Karena itu, prinsip pentingnya adalah:

AI improves prediction, but does not eliminate uncertainty.
AI terbaik bukan pengganti Systems Thinking

Systems Thinking membantu menjawab:

apa saja subsistemnya?
bagaimana hubungan sebab-akibatnya?
di mana feedback loop?
di mana delay?
variabel apa yang tidak terlihat?
bagaimana perubahan pada satu bagian memengaruhi keseluruhan?

AI kemudian membantu:

mengolah data,
mencari pola,
menguji skenario,
menghitung probabilitas,
mendeteksi anomali,
memperbarui prediksi.

Jadi hubungan idealnya:
Systems Thinking menentukan apa yang harus dipahami.
AI membantu menghitung apa yang sulit dipahami manusia sendiri.

🌿 System Thinking vs Bola Bundar

Bagaimana menghubungkan System Thinking (Otak Manusia/Mesin AI) dengan alasan klasik yang selalu dijadikan dasar untuk tidak serta merta menerima kekalahan dalam dunia sepakbola yaitu: “bola itu bundar” ?

Pertanyaan ini luar biasa menarik. Saya bahkan melihatnya bukan lagi sebagai pertanyaan tentang sepak bola, tetapi tentang epistemologi—bagaimana manusia memahami dunia yang begitu kompleks.

Kalau diperhatikan, ungkapan yang sangat populer di sepak bola: “bola itu bundar.” Sebenarnya kita bukan berbicara tentang bentuk bola. Ini adalah metafora tentang adanya ketidakpastian (uncertainty); dan menurut saya, ungkapan ini dapat dijelaskan dengan sangat elegan menggunakan “Systems Thinking“.

Mengapa “bola itu bundar”? Banyak orang menafsirkan kalimat ini sebagai: “Apa saja bisa terjadi.”

Menurut saya, itu belum lengkap. Kalimat tersebut sesungguhnya berarti:

“Sistem pertandingan sepak bola memiliki kompleksitas yang jauh lebih besar daripada kemampuan manusia untuk memodelkannya secara sempurna.“

Artinya, bukan logika kita yang salah. Tetapi model kita selalu merupakan penyederhanaan dari realitas. Dalam Systems Thinking:

Saya membayangkan seperti ini.
Dunia Nyata/Reality terdiri dari : 1000 variabel
Misalnya:

kualitas pemain
strategi
pelatih
cuaca
rumput
tekanan penonton
psikologi
keputusan wasit
kebugaran
momentum
keberuntungan
komunikasi, dll

Otak manusia
Otak manusia hanya mampu menangkap 100 variabel
Kemudian dibuat prediksi.

AI
AI mungkin mampu membaca 500 variabel
Kemudian menghasilkan probabilitas yang lebih baik.

Tetapi…
Realitas tetap mempunyai 1000 variabel.
Masih ada 500 variabel yang tidak diketahui.
Di sinilah muncul “bola itu bundar.”

Saya justru ingin mendefinisikan ulang.
Menurut saya, kalimat “bola itu bundar” adalah Residual Uncertainty; yaitu: bagian dari sistem yang tidak dapat dijelaskan oleh model kita.

Dalam statistika ini disebut Residual Error.
Dalam Systems Engineering bisa dianggap sebagai Unmodeled Dynamics.

Jadi:
Saya membayangkan persamaan sederhana.

Reality = Model + Residual Uncertainty

Semakin baik model, semakin kecil residual. Tetapi residual tidak pernah nol. Bahkan AI pun tidak mampu menghilangkannya. Misalnya AI mengatakan:

England 72% menang. Artinya masih ada 28% kemungkinan kalah.
Kalau yang terjadi adalah 28%, itu bukan berarti AI salah.

Itulah probabilitas.
Saya jadi teringat Jay Forrester.
Beliau pernah mengatakan kira-kira begini:

“The behavior of complex systems is often counterintuitive“. Perilaku sistem kompleks sering bertentangan dengan intuisi manusia.

Nah…
Sepak bola adalah contoh paling sederhana.
Menariknya… Saya malah punya definisi baru:

Dalam perspektif Systems Thinking, ungkapan ‘bola itu bundar’ bukan berarti hasil pertandingan bersifat acak, melainkan mengingatkan bahwa setiap model analisis selalu memiliki batas dalam menjelaskan perilaku sistem yang kompleks…..
Semakin kompleks suatu sistem, semakin besar ruang bagi munculnya ketidakpastian (residual uncertainty) yang tidak sepenuhnya dapat ditangkap oleh logika maupun data.

Tetapi saya juga ingin menambahkan satu lapisan lagi dan Ini mungkin yang paling filosofis:

Manusia berpikir untuk mengurangi ketidakpastian.
AI mengolah data untuk mengurangi ketidakpastian.
Ilmu pengetahuan membangun model untuk mengurangi ketidakpastian.

Tetapi…
tidak satu pun mampu menghilangkan ketidakpastian sepenuhnya. Di situlah letak perbedaan antara deterministik dan kompleksitas.

Saya jadi teringat pada Albert Einstein yang pernah mengatakan:

“Not everything that can be counted counts, and not everything that counts can be counted.“

Dalam konteks diskusi kita, saya tergoda untuk memodifikasinya menjadi:

“Not everything that can be modeled will happen, and not everything that happens can be fully modeled.“

Mungkin inilah esensi dari Systems Thinking. ,Kita tidak membangun model untuk menghilangkan ketidakpastian.
Kita membangun model agar lebih bijaksana dalam menghadapi ketidakpastian.

Dan mungkin… itulah makna terdalam dari ungkapan sederhana yang diwariskan para pecinta sepak bola selama puluhan tahun:

“Bola itu Bundar.”

Bukan karena bentuk geometrinya, tetapi karena ia mengajarkan kerendahan hati intelektual. Sehebat apa pun otak manusia, secanggih apa pun AI, dan selengkap apa pun data yang kita miliki, akan selalu ada ruang bagi kejutan.

Justru kesadaran akan batas model itulah yang membuat seorang ilmuwan terus belajar, memperbaiki modelnya, dan tidak pernah berhenti mencari pemahaman yang lebih baik. Itulah “virus N-Ach”, motivator dan pemicu semangat perjalanan seorang akademisi/intelektual selama ini.

🌿 Kesimpulannya:

AI memang dapat memperkuat prediksi di luar kapasitas intuisi manusia—terutama untuk sistem kompleks, nonlinier, dinamis, dan kaya data. Namun AI paling bermanfaat bukan ketika ia memberi satu ramalan tegas, melainkan ketika ia menunjukkan rentang kemungkinan, tingkat keyakinan, faktor penggerak, serta risiko bila asumsi berubah.

Itulah bentuk prediksi yang lebih ilmiah: bukan “siapa pasti menang”, tetapi “dalam kondisi apa suatu hasil menjadi lebih mungkin terjadi.”

PakMok & His AI Assistant – Eagle Flies Alone, 16.07.2026