Matematika yang Tersembunyi di Balik Setiap Keputusan yang Anda Buat

Dulu saya pikir keputusan baik datang dari perasaan atau pemikiran yang hati-hati. Kemudian saya membaca thread viral dari trader dan peneliti @zodchiii yang membuat saya menyadari saya telah mengabaikan bagian ter sederhana dari persamaan. Kebanyakan orang juga begitu. Kita anggap keputusan sebagai masalah pendapat atau intuisi, padahal sebenarnya itu adalah soal matematika yang menyamar.

Thread itu, yang diterbitkan kembali di axisofeasy.com, membongkar enam model mental yang menjelaskan mengapa orang pintar membuat pilihan bodoh. Model-model ini bukan hal baru. Ekonom dan psikolog telah mengetahuinya selama dekade. Tapi menggunakannya secara konsisten itu yang langka. Di situlah keuntungannya.

Jika Anda ingin membuat keputusan lebih baik di tempat kerja, dalam hubungan, atau dengan uang, enam kerangka kerja ini akan mengubah cara Anda melihat hampir setiap pilihan.

Apa yang membuat thread ini berbeda dari konten pengembangan diri lain adalah bahwa @zodchiii bukan life coach yang menjual kursus. Dia adalah trader Polymarket yang melakukan taruhan nyata dengan uang sungguhan. Nasihatnya berasal dari melacak hasil, bukan dari teori. Latar belakang praktis itu memberikan kredibilitas yang tidak Anda dapatkan dari orang yang belum pernah salah di depan umum.

Expected value

Expected value adalah alat pengambilan keputusan paling dasar yang akan Anda gunakan, dan hampir tidak ada yang menerapkannya secara sadar. Rumusnya sederhana: kalikan probabilitas suatu hasil dengan imbalannya, lalu jumlahkan semua hasil yang mungkin.

Berikut versi yang siap pakai:

Expected value = (probabilitas menang × imbalan) - (probabilitas kalah × jumlah kerugian)

Lempar koin yang membayar Anda 2 dolar untuk kepala dan membuat Anda rugi 1 dolar untuk ekor memiliki expected value yang positif. Anda harus mengambil taruhan itu setiap saat, meskipun Anda akan kalah setengah dari lemparan. Kebanyakan orang menolak karena kerugian terasa lebih sakit daripada keuntungan terasa enak. Itu adalah aversion terhadap kerugian yang bekerja, dan itulah sebabnya kasino menghasilkan uang.

Dalam kehidupan nyata, expected value muncul dalam tawaran pekerjaan, pilihan investasi, dan bahkan apakah akan menghadiri pesta. Jika potensi keuntungan melebihi kerugian ketika Anda memperhitungkan probabilitas, matematikanya mengatakan ambillah. Perasaan di perut Anda bukan matematika yang berbicara.

Ini terhubung dengan rangkaian yang lebih luas dari perangkap psikologis yang merusak pengambilan keputusan. Expected value adalah salah satu cara untuk keluar dari perangkap itu. Alih-alih mengandalkan reaksi perut, Anda menghitung apakah peluangnya menguntungkan. Seiring waktu, kebiasaan kecil itu memisahkan orang yang beruntung dengan orang yang membuat keberuntungan mereka sendiri.

Berikut contoh yang lebih praktis. Bayangkan Anda sedang mempertimbangkan proyek sampingan yang bisa memberi Anda 5.000 dolar dengan peluang sukses 30 persen, dan akan membuat Anda rugi 500 dolar dalam waktu dan bahan jika gagal. Expected valuenya adalah (0,3 × 5.000) - (0,7 × 500) = 1.150. Itu positif. Meskipun Anda gagal tujuh dari sepuluh kali, satu keberhasilan membayar semua kerugian dan membuat Anda untung. Kebanyakan orang melihat tingkat kegagalan 70 persen dan pergi tanpa menghitungnya.

Logika yang sama berlaku untuk email dingin, lamaran kerja, dan kencan. Jika keuntungannya besar enough dan biaya mencoba rendah, expected value-nya kemungkinan besar positif. Anda hanya harus bersedia melakukan perhitungan alih-alih mempercayai ketakutan Anda.

Base rate neglect

Otak Anda benci statistik umum. Ia lebih suka cerita spesifik. Ini adalah perangkap pengabaian base rate, dan merusak lebih banyak keputusan daripada bias lain.

Berikut contoh klasik dari thread itu: bayangkan penyakit yang mempengaruhi 1 dari 1.000 orang. Tes untuk itu akurat 99 persen. Anda hasil tesnya positif. Berapa peluang Anda benar-benar menderita penyakit itu?

Kebanyakan orang mengatakan 99 persen. Jawaban yang benar adalah sekitar 9 persen. Mengapa? Karena penyakit itu sangat langka sehingga positif palsu mengungguli positif sejati dengan margin yang luas. Otak Anda mengabaikan base rate (1 dari 1.000) dan melekat pada informasi yang jelas dan personal (tes positif Anda).

Ini terjadi terus-menerus. Anda mendengar tentang mahasiswa dropout yang membangun perusahaan miliaran dolar dan berpikir dropout adalah rencana yang baik. Anda mengabaikan base rate: kebanyakan dropout tidak menjadi miliarder. Anda mendengar tentang startup yang mengumpulkan jutaan dolar dan berpikir ide Anda berikutnya. Anda mengabaikan base rate: kira-kira 6 dari 10 startup gagal dalam beberapa tahun pertama.

Anda juga melihat ini dalam keputusan kesehatan. Teman mencoba suplemen baru dan mengatakan itu menyembuhkan kelelahan mereka. Anda membeli suplemen yang sama dan tidak merasa apa-apa. Cerita individu itu jelas, tapi base rate mengatakan bahwa suplemen jarang mengungguli plasebo untuk kelelahan umum. Otak Anda tidak peduli dengan base rate. Ia peduli dengan cerita.

Perbaikannya membosankan tapi efektif. Sebelum Anda terburu-buru dengan kasus spesifik, tanyakan apa yang katakan statistik umum. Statistik umum biasanya benar. Jika Anda sedang berpikir untuk mengundurkan diri dari pekerjaan untuk memulai bisnis, lihat tingkat kelangsungan hidup bisnis di industri Anda, bukan postingan Instagram dari satu orang yang berhasil besar. Orang itu adalah outlier. Base rate adalah realitas yang sebagian besar orang alami.

Ini exactly jenis penalaran yang dieksplorasi dalam panduan berpikir kritis tentang logika dan bias. Perbedaannya di sini adalah bahwa pengabaian base rate memiliki perbaikan matematika spesifik. Anda tidak perlu menjadi ahli logika. Anda hanya perlu mengingat untuk memeriksa statistik sebelum jatuh cinta pada cerita.

Sunk cost fallacy

Anda membeli tiket film 15 dolar. Dua puluh menit kemudian, Anda menyadari filmnya buruk. Apakah Anda pergi atau tetap?

Kebanyakan orang tetap. Mereka memikirkan 15 dolar yang sudah dihabiskan dan tidak ingin membuangnya. 15 dolar itu hilang terlepas dari apa yang Anda lakukan. Itu adalah sunk cost. Satu-satunya pertanyaan rasional adalah: diberikan posisi saya saat ini, apakah 90 menit berikutnya sepadan dengan waktu saya?

Sunk cost fallacy adalah alasan orang tetap di pekerjaan mati, terus memperbaiki mobil yang nilainya lebih murah dari biaya perbaikan, dan memegang investasi yang merugi berharap akan pulih. Masa lalu tidak bisa dinegosiasikan. Yang penting adalah apa yang akan datang.

Saya telah melakukan ini dengan langganan. Saya membayar layanan yang tidak saya gunakan karena saya sudah membayar untuk setahun. Uangnya hilang. Pertanyaannya adalah apakah bulan-bulan yang tersisa sepadan. Biasanya tidak. Membatalkan terasa seperti mengakui kekalahan, tapi itu sebenarnya langkah yang lebih pintar.

Sunk cost fallacy juga muncul dalam hubungan. Orang tetap dalam pernikahan yang tidak bahagia karena tahun-tahun yang sudah diinvestasikan. Mereka tetap di karier yang mereka benci karena gelar yang mereka habiskan empat tahun untuk mendapatkannya. Gelar itu tidak akan pergi mana. Pertanyaannya adalah apakah lima tahun berikutnya sepadan. Jika jawabannya tidak, investasi masa lalu bukan alasan untuk tetap. Itu adalah alasan untuk pergi sebelum Anda berinvestasi lebih banyak.

Militer memiliki frasa untuk ini: “potong kerugian Anda.” Itu bukan menyerah. Itu mengalihkan sumber daya ke tempat mereka benar-benar memiliki kesempatan untuk menghasilkan. Setiap jam yang Anda habiskan di jalan buntu adalah jam yang tidak bisa Anda habiskan di jalan yang mungkin berhasil.

Bayesian thinking

Bayesian thinking berarti memperbarui keyakinan Anda ketika Anda melihat bukti baru. Matematikanya terlihat mengintimidasi, tapi ide dasarnya straightforward: keyakinan Anda pada sesuatu harus berubah saat Anda belajar lebih banyak.

Rumus dasarnya adalah:

P(keyakinan setelah bukti) = P(keyakinan sebelum bukti) × P(bukti jika keyakinan benar) / P(bukti)

Dalam bahasa sederhana: mulailah dengan apa yang sudah Anda yakini, lalu sesuaikan berdasarkan apa yang baru saja Anda pelajari. Jika Anda pikir koin itu adil dan itu muncul kepala sepuluh kali berturut-turut, Anda harus memperbarui keyakinan bahwa koin itu berat.

Kebanyakan orang melakukan sebaliknya. Mereka membentuk keyakinan lalu membelanya terhadap semua bukti. Itulah sebabnya politik dan agama menciptakan begitu banyak perdebatan. Bayesian thinking memaksa Anda memperlakukan keyakinan sebagai hipotesis sementara daripada kebenaran permanen.

Tantangan praktisnya adalah bahwa memperbarui keyakinan terasa seperti kelemahan. Jika Anda mengubah pikiran setelah melihat bukti baru, orang mungkin menyebut Anda tidak konsisten atau berubah-ubah. Tapi matematika tidak peduli dengan reputasi Anda. Ia peduli dengan akurasi. Orang yang memperbarui dengan cepat pada akhirnya memiliki prediksi yang lebih baik daripada orang yang melekat pada keyakinan lama.

Pasar prediksi adalah aplikasi praktis dari ini. Ketika ribuan orang bertaruh pada suatu hasil, odds bergeser saat informasi baru datang. @zodchiii menyebut pasar prediksi sebagai gym untuk pengambilan keputusan Anda. Anda mendapatkan umpan balik apakah keyakinan Anda terkalibrasi, dan Anda bisa menyesuaikan secara real time.

Anda bisa berlatih Bayesian thinking dengan cara kecil. Ketika teman merekomendasikan restoran dan Anda memiliki pengalaman buruk, perbarui kepercayaan Anda pada selera teman itu. Ketika saham yang Anda beli turun setelah earning, perbarui model Anda tentang perusahaan itu alih-alih menggandakan taruhan. Pembaruan kecil menumpuk menjadi penilaian yang lebih baik seiring waktu.

Survivorship bias

Survivorship bias adalah kesalahan mempelajari hanya pemenang dan mengasumsikan kebiasaan mereka menjelaskan kemenangan. Mahasiswa dropout yang membangun perusahaan unicorn mendapat biografi. Ribuan dropout yang gagal dan sekarang bekerja pekerjaan biasa tidak mendapat liputan sama sekali.

Thread itu mencatat bahwa 87 persen dompet Polymarket rugi. Tapi Anda hanya mendengar tentang pemenang yang memposting keuntungan mereka di media sosial. Hal yang sama terjadi dengan restoran, startup, dan strategi investasi. Anda melihat 60 persen yang bertahan dan mengabaikan 40 persen yang tutup.

Bias ini berbahaya karena membuat strategi buruk terlihat pintar. Jika Anda meniru kebiasaan orang sukses tanpa memeriksa apakah kebiasaan itu benar-benar menyebabkan kesuksesan, Anda sedang berjudi. Mungkin mereka berhasil meskipun kebiasaan mereka, bukan karena itu.

Antidotnya adalah mencari data yang hilang. Tanyakan pada diri sendiri: siapa yang mencoba ini dan gagal? Di mana orang-orang yang melakukan hal yang sama tapi tidak berhasil? Jika Anda tidak bisa menemukannya, itu adalah tanda bahaya, bukan bukti bahwa strateginya berfungsi.

Survivorship bias ada di mana-mana begitu Anda mulai mencarinya. Buku bisnis mempelajari perusahaan sukses tanpa membandingkannya dengan yang gagal. Influencer kebugaran menunjukkan hasil mereka tapi tidak orang-orang yang mengikuti rencana yang sama dan tidak melihat perubahan. Buletin investasi bangga dengan perdagangan menang sambil mengabaikan yang kalah.

Thread itu menyoroti Polymarket sebagai studi kasus. Semua orang membagikan tangkapan layar kemenangan besar mereka. Tidak ada yang membagikan tangkapan layar akun yang kehilangan 80 persen nilainya. Jika Anda hanya melihat pemenang, Anda akan berpikir platform itu adalah uang mudah. Jika Anda melihat distribusi penuh, Anda akan menyadari itu adalah permainan keterampilan dengan keuntungan rumah yang besar untuk amatir.

Untuk melawan bias ini, aktif cari cerita kegagalan. Baca post-mortem startup yang gagal. Lihat orang-orang yang mengikuti diet yang sama dan bertambah berat badan. Pelajari trader yang meledakkan akun mereka. Data yang hilang sering kali lebih informatif daripada data yang terlihat.

Kelly criterion

Kelly criterion memberitahu Anda berapa banyak bankroll Anda harus bertaruh pada kesempatan tertentu. Itu adalah rumus yang menyeimbangkan imbalan terhadap risiko sehingga Anda tidak bangkrut meskipun Anda memiliki keunggulan.

Rumusnya adalah:

f = (bp - qb) / b*

Di mana b adalah odds, p adalah probabilitas menang, q adalah probabilitas kalah, dan f* adalah fraksi bankroll Anda yang harus dibelanjakan.

Dalam praktiknya, sebagian besar pembuat taruhan profesional dan investor menggunakan pendekatan quarter-Kelly. Mereka bertaruh kurang dari yang disarankan rumus karena kehidupan nyata lebih berantakan dari matematika. Menaksir keunggulan Anda terlalu tinggi adalah cara tercepat untuk kehilangan segalanya.

Pelajaran di sini bukan tentang perjudian. Ini tentang alokasi sumber daya. Jika Anda memiliki kesempatan yang baik, berapa banyak waktu, uang, atau perhatian yang harus Anda habiskan untuk itu? Memasukkan segalanya dalam satu taruhan terasa berani, tapi biasanya itu adalah kelalaian. Menyebarkan taruhan Anda secara proporsional dengan keunggulan aktual Anda menjaga Anda tetap lebih lama dalam permainan.

Dalam investasi, ini berarti tidak pernah masuk semua dalam satu saham tidak peduli seberapa percaya diri Anda. Dalam hal karier, ini berarti tidak bertaruh seluruh masa depan Anda pada satu perusahaan atau satu keterampilan. Dalam hubungan, ini berarti tidak menempatkan semua kebutuhan emosional Anda pada satu orang. Matematikanya mengatakan diversifikasi, bahkan ketika perut Anda mengatakan konsentrasi.

Kebanyakan orang melewatkan bagian quarter-Kelly. Full Kelly mengasumsikan Anda tahu keunggulan Anda dengan sempurna. Dalam kehidupan nyata, Anda kemungkinan besar terlalu percaya diri. Bertaruh seperempat dari jumlah Kelly memberi Anda ruang untuk kesalahan. Anda masih menang besar ketika benar, tapi Anda bertahan cukup lama untuk mengumpulkan ketika salah. Buffer bertahan itu adalah yang kebanyakan orang lewatkan. Tujuannya bukan untuk memukul home run sekali. Tapi untuk terus bermain sampai odds bekerja untuk Anda.

Bagaimana keenamnya saling terhubung

Model-model ini bukan alat terpisah. Mereka adalah lensa yang saling memperbaiki. Expected value mencegah Anda bereaksi berlebihan terhadap kerugian jangka pendek. Base rate neglect menghentikan Anda mengejar outlier. Sunk cost fallacy menarik Anda keluar dari investasi masa lalu yang tidak lagi melayani Anda. Bayesian thinking memperbarui peta Anda saat territory berubah. Survivorship bias mengingatkan Anda untuk mencari kegagalan yang tidak bisa Anda lihat. Kelly criterion memastikan Anda memiliki cukup sisa untuk memainkan tangan berikutnya.

Digunakan bersama, mereka membentuk sistem. Anda berhenti membuat keputusan berdasarkan bagaimana pilihan terasa di saat itu dan mulai membuatnya berdasarkan apakah matematikanya bekerja seiring waktu. Pergeseran itu halus tapi permanen.

Pikirkan itu seperti belajar mengemudi. Awalnya, Anda memikirkan setiap pergantian gigi dan cermin. Akhirnya, keterampilan itu menjadi otomatis. Enam model ini bekerja dengan cara yang sama. Awalnya, Anda harus secara sadar menjalankan perhitungan. Dengan latihan, mereka menjadi bagian dari cara Anda melihat dunia. Anda akan noticing pengabaian base rate di judul berita. Anda akan menangkap diri sendiri membenarkan sunk cost dalam rapat. Anda akan merasa tarikan survivorship bias ketika cerita sukses viral.

Ini adalah keuntungan sebenarnya. Anda tidak harus lebih pintar dari orang lain. Anda hanya harus memiliki sistem yang menangkap kesalahan yang orang lain lewatkan.

Kebenaran yang tidak nyaman

Kebenaran yang tidak nyaman dari thread itu adalah bahwa kebanyakan orang tidak ingin menggunakan matematika. Mereka ingin keputusan terasa benar. Mereka ingin cerita, bukan statistik. Mereka ingin percaya bahwa kerja keras saja menentukan hasil, ketika probabilitas dan keberuntungan memainkan peran yang jauh lebih besar dari yang orang akui.

Itulah sebabnya pasar prediksi terasa dingin bagi orang. Mereka menyingkapkan narasi dan menunjukkan Anda odds mentah. Tapi dingin itu adalah poinnya. Ini mencegah Anda berbohong pada diri sendiri tentang seberapa mungkin kesuksesan sebenarnya.

Jika Anda serius tentang membuat keputusan lebih baik, Anda harus terbiasa salah di depan umum. Anda harus memperbarui keyakinan Anda ketika bukti mengatakan Anda harus, meskipun itu melukai ego Anda. Itu adalah harganya untuk menjadi lebih baik.

Kesimpulan

Matematika yang tersembunyi di balik keputusan sebenarnya tidak tersembunyi. Itu hanya diabaikan. Expected value, base rates, sunk costs, pembaruan Bayesian, survivorship bias, dan Kelly criterion adalah semua ide yang didokumentasikan dengan baik. Keuntungannya jatuh pada orang yang benar-benar menerapkannya.

Mulailah kecil. Kali berikutnya Anda menghadapi pilihan, tuliskan probabilitas dan imbalan. Periksa base rate sebelum Anda terburu-buru dengan contoh spesifik. Tanyakan apakah Anda tetap dalam situasi karena itu masih bagus atau karena Anda sudah terlalu banyak berinvestasi untuk berhenti.

Jika Anda ingin lebih dalam, thread itu merekomendasikan lima buku yang membahas ide-ide ini dengan lebih detail: Thinking Fast and Slow oleh Daniel Kahneman, Superforecasting oleh Philip Tetlock, The Signal and the Noise oleh Nate Silver, Fooled by Randomness oleh Nassim Taleb, dan Fortune’s Formula oleh William Poundstone. Masing-masing akan meluas cara Anda berpikir tentang ketidakpastian dan pilihan.

Saya telah membaca kelima buku itu, dan masing-masing berdampak berbeda. Kahneman memberi Anda fondasinya. Tetlock menunjukkan Anda cara menerapkannya di dunia nyata. Silver mengajarkan Anda berpikir dalam probabilitas. Taleb membuat Anda paranoid tentang risiko dengan cara terbaik. Poundstone menghubungkan matematikanya dengan manajemen uang. Membacanya dalam urutan itu membangun gambaran yang lengkap.

Jika Anda ingin melihat bagaimana model mental diterapkan pada strategi, seri model mental catur menunjukkan bagaimana grandmaster menggunakan pengenalan pola dan perhitungan selektif untuk membuat keputusan berisiko tinggi di bawah tekanan. Prinsip-prinsipnya tumpang tindih dengan yang kita bahas di sini, tapi konteks catur membuatnya konkret.

Matematika tidak akan menjamin hasil yang baik. Tidak ada yang bisa. Tapi itu akan menjamin bahwa keputusan Anda lebih baik daripada alternatifnya, yaitu menebak dan berharap.

Jika Anda ingin berlatih model-model ini bersama, coba latihan ini. Untuk minggu depan, tuliskan setiap keputusan signifikan yang Anda buat. Untuk masing-masing, catat expected value, base rate, apakah Anda jatuh dalam sunk cost fallacy, seberapa percaya diri Anda pada keyakinan Anda, apakah Anda mengabaikan data yang hilang, dan berapa banyak sumber daya Anda yang Anda komitkan. Di akhir minggu, tinjau catatan Anda. Polanya akan mengejutkan Anda.

Itulah matematika yang tersembunyi. Itu bukan sihir. Itu hanya konsistensi. Dan konsistensi adalah sesuatu yang siapa pun bisa pelajari.