Rahmat Wibowo mempublikasikan sebuah investigasi mendalam yang menuduh Abil Sudarman memalsukan kredensial University of London, memalsukan penghargaan, menggunakan logo perusahaan secara ilegal, dan memberikan saran karier tanpa pengalaman, menggambarkannya sebagai contoh klasik penipuan Dunning-Kruger serta merinci tindakan hukum yang diajukan terhadapnya.

Efek Dunning-Kruger dalam EdTech: Studi Kasus yang Seharusnya Mengkhawatirkan Kita Semua Studi Kasus Abil Sudarman Dari Assai Rahmat Wibowo - 1 Juni, 2026 Efek Dunning-Kruger dalam EdTech Selami lebih dalam mengapa kepercayaan diri tanpa kompetensi menghancurkan kepercayaan dalam industri yang sedang berkembang Ceritanya Minggu lalu, saya menyelesaikan investigasi enam bulan atas sebuah kasus yang secara sempurna mencontohkan fenomena psikologis yang telah terdokumentasi dengan baik: efek Dunning-Kruger — bias kognitif di mana orang dengan pengetahuan terbatas secara sistematis melebih-lebihkan kemampuan mereka. Subjeknya: Abil Sudarman, pendiri ASSAI (Abil Sudarman School of Artificial Intelligence), yang mengklaim sebagai: Lulusan University of London (AI/ML Computer Science) "Peneliti" dan "AI Innovator of the Year" Instruktur berkualifikasi untuk pendidikan AI/ML Lembaga pendidikan yang sah Kenyataannya: Pendidikan sebenarnya: Program Management BINUS Online PJJ, status Mengundurkan diri (2022/2023) Penelitian yang dipublikasikan: Nol publikasi peer-review Penghargaan terverifikasi: Tidak ada Akreditasi: Tidak terdaftar dan tidak terakreditasi di DIKTI Ratusan siswa membayar ribuan rupiah dengan mengharapkan instruksi bersertifikat dari lulusan University of London. Klien korporat mempercayai kredensial yang sebenarnya tidak ada. Seluruh ekosistem edtech Indonesia menderita dampak reputasi. Ini bukan sekadar penipuan. Ini adalah efek Dunning-Kruger dalam skala besar. Apa itu Efek Dunning-Kruger? Pada tahun 1999, peneliti David Dunning dan Justin Kruger mempublikasikan studi bersejarah: "Orang yang tidak kompeten sering kali terlalu tidak kompeten untuk menyadari bahwa mereka tidak kompeten." Efek ini menggambarkan kurva berbentuk U: Zona 1: Pemula Sejati (Keterampilan rendah, Kepercayaan diri rendah) Anda tahu apa yang tidak Anda ketahui Anda berhati-hati dan meminta bantuan Contoh: "Saya sedang belajar Python, dan saya masih banyak yang harus dipelajari" Zona 2: Zona Berbahaya (Keterampilan rendah, Kepercayaan diri TINGGI) Anda baru belajar cukup untuk menjadi berbahaya Anda secara dramatis melebih-lebihkan kemampuan Anda Anda tidak tahu apa yang tidak Anda ketahui Contoh: Abil setelah 3 bulan belajar mandiri mengklaim sebagai "AI Innovator" Zona 3: Realitas Ahli (Keterampilan tinggi, Kepercayaan diri yang realistis) Anda memahami betapa luasnya apa yang tidak Anda ketahui Kepercayaan diri sebanding dengan kompetensi sebenarnya Contoh: "Saya punya pengalaman 10 tahun di ML, dan setiap hari saya belajar hal baru" Bagaimana Abil Sudarman Mencerminkan Zona 2 Tanda Bahaya #1: Inflasi Kredensial data Mahasiswa 'pengajuan pengunduran diri 2022/2023 Con Rahmat Wibowo [) - Anda 43m += Saya bisa memberitahu Anda bahwa dia tidak memiliki kontrak kerja atau konsultasi dengan UNESCO Jakarta. Anda harus mengonfirmasi dengan KORIKA mengenai tugasnya di sana. Saya tidak bisa berkomentar tentang keterlibatannya di sana itu adalah salah satu pernyataan yang saya dapatkan dari UNESCO yang Anda sebutkan Suka © 1 Balasan 183 tayangan e" s. mm dai ae 'pencapaian terbesar saya adalah detak jantung istirahat yang rendah Suka Balasan Rahmat Wibowo fi - Anda ta CEO [Senior DevOps Engineer|IT Digital Tra, Abil S. tinggal nunjukin ijazah susah banget kayak pria solo itu lagi Tampilkan terjemahan Suka Balasan 1 tayangan Latar belakang sebenarnya Abil: Beberapa bulan dalam program management di BINUS Online, lalu mengundurkan diri Klaim publiknya: "Universitas London | AI/ML Computer Science" Mekanisme Dunning-Kruger: Dia mengambil beberapa kursus online di AI/ML (tersedia untuk publik, banyak diajarkan oleh instruktur tanpa kredensial), meyakinkan dirinya sendiri bahwa dia "setara" dengan lulusan University of London, dan benar-benar percaya pada narasinya sendiri. Tanda Bahaya #2: Klaim Otoritas Tanpa Dasar Abil Sudarman adalah pemimpin visioner di bidang Artificial Intelligence dengan kontribusi di tingkat nasional dan global. Ia menjabat sebagai international, fokus pada sebagai Executive Director di Responsible AI Fel etika dan kebijakan KORIKA, lembaga yang mendorong kolaborasi akademisi, industri, dan pemerintah dalam pengembangan ekosistem AI Indonesia Ia pernah memimpin proyek penting seperti UNESCO AI Readiness Assessment di Indonesia dan aktif sebagai dosen tamu, penulis jurnal teknologi, dan pembicara global. Keahliannya mencakup strategi dan etika AI, arsitektur perangkat lunak, kepemimpinan teknologi, serta keterlibatan publik. Atas dedikasinya, ia dianugerahi penghargaan "AI Innovator of the Year." Klaim: "Peneliti", "Penulis", "AI Innovator of the Year" Bukti: Nol publikasi di Google Scholar, Scopus, atau database akademik mana pun Nol penyebutan di media atau database penghargaan Mekanisme Dunning-Kruger: Menulis postingan blog, membuat panduan, dan memposting di media sosial terasa seperti "penelitian" dan "publikasi." Tanpa memahami proses peer-review akademik, dia meyakinkan dirinya bahwa ini setara dengan penelitian yang sebenarnya. Tanda Bahaya #3: Penggunaan Logo Secara Ilegal Website menampilkan logo: Microsoft, UNESCO, Pertamina, Mekari, PLN, United Tractors, Qiscus. Mekanisme Dunning-Kruger: Melihat startup lain menggunakan logo mitra, dia berasumsi "logo lebih besar = lebih kredibel" tanpa memahami hukum merek dagang atau persyaratan kemitraan. Dia tidak tahu cukup banyak untuk menyadari bahwa itu ilegal. Tanda Bahaya #4: Beroperasi sebagai "Sekolah Tidak Terakreditasi" ASSAI tidak terdaftar di mana pun sebagai lembaga pendidikan. Ini beroperasi sebagai entitas komersial. Namun ia mem-branding dirinya sebagai "School" dengan "Students" dan "Curriculum." Mekanisme Dunning-Kruger: Perbedaan antara "bootcamp" dan "sekolah" adalah perbedaan hukum yang memerlukan pemahaman hukum pendidikan. Tanpa pengetahuan tersebut, perbedaan itu terasa seperti masalah semantik, bukan hukum. Tanda Bahaya #5: Saran Ahli dengan Nol Pengalaman Profesional Mungkin contoh paling mencolok dari efek Dunning-Kruger: Abil membuat dan membagikan konten di TikTok tentang perilaku di tempat kerja, praktik HR, strategi perekrutan, dan pengembangan profesional — topik- topik yang di dalamnya dia TIDAK memiliki pengalaman profesional. Kenyataannya: Tidak pernah bekerja sebagai karyawan profesional di perusahaan mana pun Tidak ada pengalaman korporat, paparan HR, atau latar belakang tempat kerja Tidak pernah melalui proses perekrutan formal atau evaluasi kinerja Nol riwayat pekerjaan terdokumentasi dalam peran formal apa pun Konten yang dia buat: "Cara mendapatkan pekerjaan di perusahaan teknologi ternama" "Apa yang dicari HR pada kandidat" "Perilaku dan profesionalisme di tempat kerja" "Strategi pengembangan karier" "Cara negosiasi gaji" Mekanisme Dunning-Kruger: Ini adalah contoh klasik dari efek tersebut. Dia telah menonton video, membaca artikel, dan mengamati pengalaman orang lain. Dari basis pengetahuan yang dangkal ini, dia meyakinkan dirinya sendiri bahwa dia memenuhi syarat untuk memberi saran kepada ribuan pengikut tentang topik yang memerlukan pengalaman profesional yang sebenarnya. Dia benar-benar tidak memiliki kerangka acuan untuk apa yang dia ajarkan. Ini sangat berbahaya karena: Anak muda mempercayai kreator sebagai mentor Mereka mengikuti saran tanpa verifikasi Mereka mungkin membuat keputusan karier berdasarkan panduan yang tidak kompeten Dia benar-benar percaya bahwa dia sedang membantu (ciri khas dari efek ini) Mengapa Ini Penting untuk EdTech Efek Dunning-Kruger dalam pendidikan sangat berbahaya karena: 1. Kepercayaan adalah Mata Uang EdTech Siswa membayar di muka, berbulan-bulan sebelum memahami apakah pendidikan tersebut bernilai. Mereka memilih penyedia berdasarkan kredensial dan otoritas yang dipersepsikan. Kredensial palsu menghancurkan kepercayaan ini. 2. Ini Menular Satu instruktur penipu membuat calon siswa skeptis terhadap SEMUA instruktur. Kami melihat ini setelah kasus Abil: Pertanyaan ke program AI yang sah turun 23% di jaringan kami Siswa mulai menuntut verifikasi pihak ketiga untuk semua kredensial Biaya hukum dan kepatuhan melonjak 3. Ini Menarik Peniru Jika Abil bisa beroperasi selama 4 tahun tanpa konsekuensi, mengapa orang lain tidak akan mencoba? Efek Dunning-Kruger adalah hal yang umum, Konsekuensi perlu terlihat 4. Korbannya Nyata Ini bukan penipuan abstrak. Siswa nyata: Kehilangan uang yang tidak mampu mereka rugikan Membuang waktu untuk instruksi berkualitas rendah Membuat keputusan karier berdasarkan kredensial palsu Sekarang tidak mempercayai seluruh industri Cara Mengenali Dunning-Kruger di Industri Anda Gunakan tes ini: | Mort Spt Creel Frat Tes 1: Pembingkaian yang Rendah Hati Tanda bahaya: "Saya adalah instruktur AI terbaik di Indonesia" Tanda baik: "Saya telah menghabiskan 10 tahun di ML, dan saya masih terus belajar. Ini yang bisa saya ajarkan kepada Anda." Semakin berpengalaman seseorang, semakin banyak mereka membicarakan apa yang tidak mereka ketahui. Tes 2: Kredensial yang Dapat Diverifikasi Tanda bahaya: Klaim yang samar ("terlatih di MIT", "peneliti Google") Tanda baik: Klaim yang spesifik, terikat waktu, dan dapat diverifikasi ("Saya menyelesaikan spesialisasi ML Stanford pada 2019", "bekerja di Google Brain untuk X dari 2020-2022") Cara memverifikasi: Periksa LinkedIn dengan database alumni resmi Cari di Google Scholar untuk publikasi Hubungi institusi secara langsung Minta portofolio proyek (dengan izin untuk menghubungi referensi) Tes 3: Kenyamanan dengan Keterbatasan Tanda bahaya: "Saya bisa mengajarkan segala hal tentang AI" Tanda baik: "Saya kuat dalam ML ops dan produktionisasi. Untuk fondasi teoretis, saya sarankan..." Para ahli tahu batasan mereka. Efek Dunning-Kruger tidak. Tes 4: Konsistensi di Berbagai Platform Tanda bahaya: Kredensial yang berbeda di LinkedIn vs. website vs. Instagram Tanda baik: Kredensial yang sama, konsisten, dan sederhana di mana-mana Penipu sering salah menyebutkan detail saat mereka mengarangnya Tes 5: Pengalaman Sesuai dengan Saran Tanda bahaya: Orang tersebut memberi saran tentang topik tanpa pengalaman terdokumentasi Memberi saran karier tetapi tidak pernah bekerja di bidang tersebut Mengajarkan budaya tempat kerja tetapi tidak pernah bekerja Melatih tentang perekrutan tetapi tidak pernah direkrut melalui jalur yang tepat Memberi saran tentang pengembangan profesional dari kamar tidur di usia 20 tahun tanpa pernah bekerja Tanda baik: Orang tersebut memberi saran dalam batas pengalaman yang terbukti "Dalam 10 tahun pengalaman saya di HR, saya telah melihat... "Ketika saya bekerja di [perusahaan], saya belajar..." "Berdasarkan pengalaman perekrutan saya di Proyek nyata, pekerjaan nyata, hasil Pertanyaan kritis: Bisakah mereka menunjukkan nyata di mana mereka menerapkan pengetahuan ini? Atau apakah semuanya hanya teori, video, dan spekulasi yang percaya diri? Biaya dari Ketidakbertindakan Jika Abil tertangkap setelah 6 bulan bukan 4 tahun 50 siswa terdampak, bukan 500+ (Rp 200 juta kerugian, bukan Rp 2 miliar) @Lebih mudah memulihkan kerugian @Lebih sedikit peniru yang terinspirasi Tetapi yang lebih penting: Industri edtech di Indonesia bisa saja terus tumbuh dengan kepercayaan. Sebaliknya, kini kami sedang membangun kembali kredibilitas Apa yang Kami Lakukan Saya telah mengajukan @Somasi resmi (tuntutan hukum) untuk ganti rugi @cease-and-desist untuk penggunaan merek dagang tanpa izin (Pemberitahuan ke DIKTI, PDKI, dan penyedia platform Tindakan paralel: Pemangku kepentingan industri sedang menciptakan Standar verifikasi kredensial instruktur Layanan pemeriksaan pihak ketiga Registri publik program yang terakreditasi Persyaratan asuransi untuk pengembalian dana siswa Untuk Calon Siswa & Perusahaan Cara Verifikasi Kredensial Instruktur Sebelum mendaftar atau merekrut, tanyakan: "Bisakah Anda membuktikan kredensial Anda?" "Apakah program Anda terakreditasi?" "Apa yang terjadi jika saya tidak puas?" "Bisakah saya berbicara dengan lulusan?" "Bagaimana perlindungan tanggung jawab Anda?" Untuk Instruktur & Pendiri EdTech Jika Anda benar-benar membangun sesuatu yang bernilai: Bersikaplah rendah hati tentang apa yang Anda ketahui Kredibilitas Anda berasal dari konsistensi dan transparansi, bukan klaim yang dilebih-lebihkan. Dapatkan kredensial yang tepat Jika Anda mengajar AI, dapatkan sertifikasi (Google, AWS, kursus ML Andrew Ng). Kredensial itu penting. Bersikaplah transparan tentang latar belakang Anda "Saya memiliki pengalaman 5 tahun di data science dan saya berspesialisasi dalam..." jauh lebih kuat daripada "pakar AI." @Minta umpan balik dan perbaiki Efek Dunning-Kruger tidak membaik. Para ahli membaik. Bangun secara publik dengan kredensial yang nyata Publikasikan penelitian, berkontribusi pada open source, berbicara di konferensi. Ini lebih sulit dipalsukan dan benar- benar membangun kredibilitas. Gambaran yang Lebih Besar Efek Dunning-Kruger tidak eksklusif untuk edtech. Ini ada di mana-mana: Kesehatan: Orang yang membaca 3 artikel WebMD mendiagnosis penyakit serius Keuangan: Day trader yang yakin mereka akan mengalahkan investor profesional Software: Developer otodidak yang tidak pernah mendengar tentang OWASP Kepemimpinan: Manajer pemula yang yakin mereka memahami dinamika organisasi Tetapi dalam EdTech, ini sangat berbahaya karena: Siswa mengandalkan keahlian yang dipersepsikan untuk membuat keputusan yang mengubah hidup Industrinya lebih baru, sehingga standar masih dalam tahap penetapan Penyampaian online membuat mudah untuk memalsukan kredensial Hambatan masuknya rendah (siapa pun bisa membuat website) Apa yang Berubah untuk Abil? Satu-satunya faktor yang menghentikan Abil bukanlah karena dia tiba-tiba menjadi sadar diri. Itu adalah verifikasi eksternal dan akuntabilitas. Ketika saya mulai bertanya: "Bisakah Anda memverifikasi gelar Universitas London Anda?" "Di mana publikasi peer-review Anda?" "Apakah Anda memiliki izin merek dagang untuk logo-logo ini?" Tidak ada jawaban karena kredensial tersebut tidak pernah ada. Pelajarannya: Efek Dunning-Kruger bertahan dalam ruang hampa, Mereka runtuh di bawah pengawasan. Masalah TikTok: Kepercayaan Diri Tanpa Kompetensi Menjadi Viral Satu dimensi dari kasus Abil layak mendapat perhatian khusus: skala dan kecepatan penyebaran keahlian palsu di media sosial. Abil membuat konten di TikTok tentang: Cara mendapatkan pekerjaan di perusahaan teknologi Praktik HR dan budaya tempat kerja Pengembangan profesional dan kemajuan karier Strategi negosiasi gaji Semua ini dari seseorang yang tidak pernah memegang pekerjaan profesional. Mengapa Ini Berbahaya Pengikut tidak memeriksa fakta: Penonton TikTok tidak meneliti kredensial. Mereka mengonsumsi saran yang cepat dan percaya diri yang terasa meyakinkan. Algoritma menghargai kepercayaan diri: TikTok menghargai konten yang menarik dan percaya diri. Nuansa dan syarat-syarat tidak berkinerja sebaik itu. Mengatakan "Saya tidak yakin" mendapat lebih sedikit tayangan. Anak muda rentan: GenZ dan milenial yang lebih muda membangun ekspektasi karier mereka berdasarkan saran dari seseorang tanpa pengalaman relevan. Skala dan permanensi: Berbeda dengan ruang kelas di mana penipuan bisa dilaporkan, konten TikTok bertahan dan menyebar secara global. Tidak ada mekanisme verifikasi: TikTok tidak memverifikasi kredensial profesional. Kreator dengan 500 ribu pengikut yang memberi saran perekrutan memiliki sinyal kredibilitas yang sama dengan seseorang dengan pengalaman HR 10 tahun Polanya Ini adalah Dunning-Kruger pada efisiensi puncak: Menonton beberapa video tentang topik karier — Merasa berpengetahuan Membuat konten dengan percaya diri > Algoritma memperkuat kepercayaan diri Mendapatkan pengikut + Pengikut mengonfirmasi "keahlian" melalui likes Menjangkau ribuan anak muda yang rentan — Bahaya nyata Ironi tragisnya: Dia benar-benar percaya Dia sedang membantu. Itulah efeknya yang sedang beraksi Implikasi yang Lebih Luas Ini bukan hanya terjadi pada Abil. Cari pola ini di mana-mana di media sosial Pelatih karier tanpa latar belakang korporat Penasihat startup yang tidak pernah mendirikan apa pun Pakar hubungan yang tidak pernah menjalani hubungan serius Influencer kesehatan tanpa pelatihan medis Efek Dunning-Kruger di TikTok bukanlah bug. Itu adalah mode default. Melangkah Maju Komunitas edtech Indonesia berada di persimpangan jalan: Kita bisa: Menciptakan standar industri untuk kredensial instruktur Membangun registri verifikasi yang transparan Menetapkan jalur akreditasi untuk bootcamp Menjadikan penipuan kredensial kejahatan yang terlihat dan dihukum Mendukung pendidik yang sah dengan insentif yang tepat Atau kita bisa: Menyaksikan industri menghadapi regulasi yang semakin ketat Melihat pendaftaran siswa menurun karena hilangnya kepercayaan Membiarkan pelaku buruk terus beroperasi Membiarkan efek Dunning-Kruger menjadi normal Langkah Selanjutnya untuk Pembaca Jika Anda seorang siswa atau orang tua: Selalu verifikasi kredensial secara independen Ajukan pertanyaan sulit sebelum membayar Periksa apakah ada asuransi/jaminan Laporkan penipuan ke pihak berwenang Jika Anda seorang instruktur atau pendiri: Dapatkan kredensial yang tepat Bersikaplah transparan tentang keterbatasan Bangun reputasi selama bertahun- tahun, bukan hype Sambut verifikasi eksternal Jika Anda seorang pemangku kepentingan industri: Dukung pengembangan standar Berpartisipasi dalam verifikasi kredensial Buat konsekuensi penipuan terlihat Berinvestasi pada perusahaan pendidikan yang sah Kesimpulan Kasus Abil Sudarman bukanlah kasus yang unik. Ini adalah peringatan. Efek Dunning-Kruger bukanlah cacat karakter. Ini adalah bias kognitif yang memengaruhi kita semua ketika kita beroperasi di luar zona kompetensi kita. Tetapi dalam industri di mana orang mempercayakan waktu, uang, dan masa depan mereka, kita tidak bisa menerimanya. Kepercayaan membutuhkan verifikasi. Kredibilitas membutuhkan bukti. Kompetensi membutuhkan kerendahan hati. Industri edtech akan membangun berdasarkan prinsip-prinsip ini atau menghadapi skeptisisme, regulasi, dan penipuan yang semakin meningkat. Saya bertaruh bahwa industri ini akan memilih dengan bijak, Sumber Daya & Verifikasi Penelitian Asli: Dunning, D., & Kruger, J. (1999). "Unskilled and Unaware of It: How Difficulties in Recognizing One's Own Incompetence Lead to Inflated Self- Assessments" Alat Verifikasi Kredensial: Google Scholar: scholar.google.com (verifikasi penelitian) Pencarian Alumni LinkedIn: linkedin.com (verifikasi pendidikan) PDKI: pdki.dgip.go.id (verifikasi merek dagang) Database DIKTI: dikti.kemdikbud.go.id (verifikasi institusi) Melaporkan Penipuan: DIKTI (Pendidikan): ditjen- pd@kemdikbud.go.id Polisi: Lapor.go.id atau kantor polisi terdekat Penyedia platform: Laporan penyalahgunaan LinkedIn, Instagram, Facebook Apakah Anda pernah menemukan kasus serupa di industri Anda? Bagikan pengalaman Anda di kolom komentar. Mari kita bangun kepercayaan melalui transparansi. digital Seluruh hak dilindungi Tayangan: