Ketika Produktivitas Organisasi yang Membagikan AI kepada Semua Orang Justru Menurun

(Catatan: Pada 10/8 saya mengubah susunan penjelasan secara besar-besaran.)

Dalam proyek pemulihan Sungai Cheonggyecheon di Seoul yang rampung pada 2005, jalan layang yang membelah pusat kota dibongkar, dan sungai yang terkubur di bawahnya dipulihkan. Menghapus arteri utama pusat kota tampaknya akan melumpuhkan lalu lintas.

Nyatanya, tak lama setelah pekerjaan selesai, kecepatan kendaraan memang sempat menurun sementara. Namun setelah itu penggunaan kereta bawah tanah meningkat, perjalanan lewat jalan raya berkurang, dan kemacetan parah yang dikhawatirkan tidak menjadi permanen. (Meski begitu, pada periode yang sama dilakukan pula reformasi angkutan umum seperti penataan ulang rute bus dan pembangunan lajur khusus bus di tengah jalan. Hasilnya tidak boleh dianggap semata-mata efek dari pembongkaran jalan.)

Di bidang lalu lintas, sudah diketahui bahwa sekalipun jalan ditambah, volume lalu lintas ikut bertambah sesuai kapasitas yang bertambah itu, sehingga kemacetan tak kunjung reda (permintaan terinduksi). Sebaliknya, ketika jalan dikurangi pun, kemacetan tidak separah yang ditakutkan dan sebagian lalu lintas lenyap begitu saja (penguapan lalu lintas), dan hal ini telah berulang kali diamati. Apa yang terjadi di Cheonggyecheon dapat dipandang sebagai salah satu contoh penguapan tersebut. Artinya, kemacetan sering kali bukan soal jumlah total jalan, melainkan soal rancangan aliran.

Jika kita menengok masyarakat modern, saat ini banyak perusahaan berusaha menyebarkan kendaraan dan jalan informasi baru ke seluruh organisasi sekaligus, dalam bentuk "membagikan AI kepada seluruh karyawan". Namun dalam kasus tertentu, hal itu bisa saja menimbulkan kemacetan di dalam organisasi dan malah memperlambat keseluruhannya.

Kalau begitu, seperti halnya jalan raya, produktivitas individu dan produktivitas seluruh jalur perlu diukur secara terpisah. Melangkah lebih jauh, pekerjaan inti manajemen di era AI mungkin adalah mengukur aliran seluruh pekerjaan sambil menerapkan AI, lalu mengoptimalkan aliran itu.

Tulisan ini memperkenalkan hipotesis tersebut.

Jalan yang tidak macet dan jalan yang macet di dalam perusahaan

Pertama, mari kita mulai dengan memandang perusahaan sebagai "jaringan tempat pekerjaan dan informasi mengalir". Dengan begitu, hal yang setara dengan jalan terbagi menjadi dua jenis.

Contoh utama jalan yang relatif tidak mudah macet adalah pembuatan oleh AI. Menyusun draf tulisan, membuat dokumen, menghasilkan kode, dan pengolahan awal analisis tidak membuat waktu pembuatan orang lain bertambah panjang secara signifikan hanya karena satu orang di dalam organisasi menggunakannya.

Sebaliknya, jalan yang macet adalah menerima tinjauan (review), memperoleh persetujuan, mendapatkan kesepakatan dalam rapat, melewati pemeriksaan hukum dan penjaminan mutu, serta memperoleh perhatian pelanggan. Semua ini memiliki batas kapasitas pemrosesan, dan semakin banyak orang yang menggunakannya, semakin panjang waktu tunggu per orang.

Dalam gambaran ini, kebijakan membagikan AI kepada seluruh karyawan setara dengan "membagikan kendaraan dan jalan yang hampir tidak memakan waktu kepada semua orang". Pada jalan yang sudah ada, setiap karyawan menyusun usulan dengan AI, membuat dokumen dengan AI, dan menyiapkan draf balasan dengan AI, sehingga aliran di jalan itu menjadi lebih cepat dan lebih besar.

Dengan memakai AI, jalan-jalan yang sebelumnya mustahil pun menjadi mungkin. Misalnya, orang yang bukan insinyur TI menjadi bisa membuat aplikasi.

Masalahnya, semua pintu keluar jalan-jalan itu terhubung ke jalur sempit yang sama, yaitu tinjauan dan persetujuan.

Untuk pekerjaan yang menyangkut komunikasi eksternal, kontrak, keselamatan, regulasi, dan uang, keluaran AI tidak menjadi pekerjaan yang sah tanpa melewati persetujuan seseorang, verifikasi seseorang, dan pengambilan tanggung jawab oleh seseorang. Selama tak seorang pun menyerahkan tanggung jawab akhir kepada AI, pekerjaan yang mengalir di jalan lebar bernama pembuatan itu pada akhirnya akan bertemu di jembatan sempit bernama persetujuan dan verifikasi.

Sebagai contoh, dengan perhitungan yang sangat disederhanakan, anggaplah waktu untuk satu usulan menjadi sepersepuluh dan jumlah pengajuan naik beberapa kali lipat. Namun sehari bagi pemberi persetujuan tetap 24 jam. Maka yang menentukan waktu seluruh organisasi bukanlah kecepatan pembuatan, melainkan antrean di jembatan sempit. Terjadilah fenomena aneh: "draf selesai dalam sekejap, tetapi waktu hingga rilis justru lebih lama daripada sebelumnya".

Lagi pula, pada pekerjaan yang penurunan biaya pembuatannya mendorong naiknya jumlah pengajuan, volume yang masuk bisa meningkat. Sebab bila biaya per butir turun, menambah pengajuan menjadi rasional bagi masing-masing orang. Dinamikanya sama dengan permintaan terinduksi di dunia jalan raya, ketika penambahan lajur membuat volume lalu lintas ikut naik.

Lebih buruk lagi, bila beban berlebih menyebabkan penurunan ketelitian dan pengerjaan ulang, akan terjadi kecelakaan akibat hal yang terlewat. Sebagai tindakan penanggulangan, tahap pemeriksaan ditambahkan, dan jembatan menjadi lebih sempit secara permanen. Ini sama seperti jalan yang lajurnya berkurang akibat kecelakaan.

Tentu saja, AI juga dapat melebarkan sisi jembatan sempit itu. Dalam penelitian terhadap 5.172 agen dukungan pelanggan, bantuan AI (bantuan AI berbasis GPT-3 yang diperkenalkan pada 2020–21) meningkatkan rata-rata jumlah masalah yang terselesaikan per jam sebesar 15%. Ini penelitian tentang pemrosesan penanganan pertanyaan, tetapi jika tinjauan, verifikasi, dan penanganan pertanyaan pun dapat dipercepat dengan AI, seluruh organisasi juga akan menjadi lebih cepat. Yang menjadi masalah adalah ketika pertumbuhan kemampuan pembuatan melampaui pertumbuhan kemampuan pemeriksaan dan verifikasi.

Tidak dapat dipecahkan dengan rasionalitas individu

Mungkin ada yang berpikir bahwa pembahasan tentang hambatan (bottleneck) dan teori kendala itu sendiri bukan hal baru. Memang, masalah besar yang muncul pada AI adalah volume aliran, dan pada dasarnya hal itu harus dipandang sebagai masalah pengendalian volume aliran tersebut.

Namun kemacetan ini memiliki sifat yang merepotkan. Peningkatan volume aliran terjadi bukan karena kegagalan atau kelalaian seseorang, melainkan sebagai akibat pilihan rasional masing-masing orang. Satu pengajuan sedikit demi sedikit memperpanjang waktu tunggu semua orang yang mengantre di tinjauan atau persetujuan yang sama, tetapi biayanya tidak ditanggung oleh pengaju itu sendiri. Dalam ilmu ekonomi, ini disebut "eksternalitas kemacetan". Semakin rasional setiap orang bertindak, semakin panjang antrean di jembatan sempit yang dipakai bersama.

Dan struktur ini tidak dapat dipecahkan dengan pengendalian diri individu. Karyawan yang seorang diri berhenti menyusun usulan dengan AI hanya akan menjadi karyawan yang lambat bekerja. Jika hanya satu orang mengurangi jumlah pengajuan, hanya hasil kerja orang itu yang berkurang. Bila semua orang menekan volume aliran, keseluruhan akan menjadi lebih cepat, tetapi tak seorang pun bisa melakukannya sendirian.

Rekayasa lalu lintas sudah lama menangani struktur semacam ini, yaitu "pilihan rasional individu memperlambat keseluruhan". Contoh paling gamblang adalah "paradoks Braess". Paradoks ini menyatakan bahwa sekalipun total lalu lintas sama sekali tidak bertambah, hanya dengan menambah satu jalan, semua orang bisa menjadi lebih lambat.

Ini adalah soal struktur, yaitu keseimbangan individu yang rasional menyimpang dari optimum keseluruhan. Memang, penelitian model yang memakai informasi lalu lintas real-time pun menunjukkan bahwa navigasi belum tentu dapat menghilangkan perburukan semacam ini (Bittihn & Schadschneider, 2021). Jadi, sekalipun semua orang memiliki navigasi mobil yang andal, kemacetan ini tidak akan terpecahkan.

Namun, sebagian besar kemacetan yang terjadi akibat penerapan AI di organisasi secara ketat mungkin bukan paradoks Braess. Paradoks Braess adalah fenomena ketika total lalu lintas tetap, tetapi keseluruhan menjadi lebih lambat hanya karena setiap orang mengganti pilihan rutenya. Selain itu, ia memerlukan bentuk jaringan yang khusus, yaitu semua orang beralih dari jalan lebar ke jalan memutar yang melewati dua jembatan sempit secara berurutan.

Sebaliknya, kemacetan organisasi yang telah dibahas sejauh ini adalah fenomena ketika pembuatan menjadi murah sehingga volume aliran itu sendiri meningkat, lalu antrean memanjang di jembatan persetujuan dan verifikasi yang sejak semula wajib dan tidak punya jalan memutar. Karena itu, kemacetan versi organisasi lebih tepat dijelaskan bukan sebagai reproduksi paradoks Braess, melainkan sebagai kombinasi permintaan terinduksi, hambatan, dan eksternalitas kemacetan.

Meski demikian, saya memperkenalkan contoh ini karena menurut saya dua pelajaran umum dapat dipinjam darinya. Pertama, aliran dalam jaringan bisa bertentangan dengan intuisi, sehingga ada kalanya "menambah" merugikan dan "mengurangi" menguntungkan. Teori hambatan cenderung mengandaikan aliran linear di pabrik dan mengarah pada "memperkuat titik yang tersumbat"; sebaliknya, pada organisasi sebagai jaringan, penghapusan atau pembatasan jalur juga menjadi kandidat solusi. Kedua, meskipun semua orang dengan tepat memilih yang terpendek, keseimbangan yang buruk kadang tidak dapat dihindari, dan penyelesaiannya memerlukan intervensi dari tingkat yang lebih tinggi, yaitu perancangan jalur dan tarif.

Dengan kata lain, produktivitas di era AI bukan hanya soal literasi individu, melainkan soal perancangan jalur.

Semakin kuat lini lapangan suatu perusahaan, semakin mudah ia terjebak

Dalam penerapan AI, sering dikatakan "mulai dulu dari lini lapangan dalam skala kecil" dan "sebarkan dari akar rumput". Sering pula ditunjukkan bahwa menerapkan teknologi saja secara parsial tidak akan membuahkan hasil jika pekerjaan dan wewenang tidak diubah sekaligus.

Memang, dalam eksperimen terhadap 66 perusahaan dan 7.137 orang, waktu pengguna AI generatif (Copilot) untuk mengerjakan surel berkurang sekitar 2 jam per minggu, tetapi tidak terdeteksi perubahan yang jelas pada volume maupun komposisi pekerjaan. Mungkin artinya, pekerjaan yang selesai sendiri oleh individu dapat dipersingkat, tetapi koordinasi dengan orang lain dan ketergantungan di dalam organisasi belum tentu berkurang dengan sendirinya.

Selanjutnya, pembahasan kemacetan sejauh ini mengisyaratkan satu hal lagi yang berbeda. Yaitu bahwa penerapan akar rumput yang dipimpin lini lapangan bukan hanya berefek nol, tetapi dapat memperburuk waktu yang dibutuhkan seluruh perusahaan melalui kemacetan di tahap pemeriksaan yang dipakai bersama.

Tentu saja, bukan berarti "organisasi yang top-down pasti aman". Justru bila pusat salah menentukan jalur, dampaknya akan menjangkau area yang luas sekaligus. Meski begitu, hipotesis bahwa kegagalan berupa "kemacetan" lebih mudah terjadi pada organisasi yang pintu masuknya tersebar dan tahap pemeriksaannya dipakai bersama oleh banyak departemen juga sangat mungkin diajukan.

Terhadap anggapan umum bahwa "perusahaan kami akan kalah karena terlambat menerapkan AI", pandangan ini menawarkan sudut pandang yang sedikit berbeda.

(※ Namun, penelitian-penelitian sejauh ini tidak membuktikan secara empiris bahwa penerapan AI di seluruh perusahaan memperburuk waktu yang dibutuhkan seluruh organisasi. Yang diukur oleh penelitian pusat panggilan adalah pemrosesan pertanyaan, dan yang diukur oleh penelitian Copilot adalah pola kerja individu. Keduanya tidak mengukur lead time maupun mutu hasil dari keseluruhan pekerjaan, termasuk tinjauan, persetujuan, dan pengambilan keputusan. Yang disajikan tulisan ini adalah hipotesis yang belum diuji, bahwa waktu tunggu dapat memanjang bila volume masuk di hulu bertambah lebih cepat daripada kapasitas pemrosesan di hilir. Ditambahkan pada 12/8)

Kerepotan adalah tarif lewat yang diam-diam dibebankan oleh masyarakat

Bila pandangan diperluas ke masyarakat, struktur yang sama tampak dalam skala yang jauh lebih besar.

Contohnya pencarian kerja. Bila AI membuat penyusunan lembar pendaftaran (entry sheet) nyaris gratis, menambah jumlah perusahaan yang dilamar oleh satu orang secara besar-besaran menjadi rasional. Namun kapasitas jembatan sempit berupa kuota seleksi di perusahaan populer tidak berubah, sehingga pada keseimbangan ketika semua orang menambah jumlah lamaran, tingkat kelulusan turun. Pihak perekrut bertahan dengan seleksi berbasis AI, dan pihak pelamar menambah lagi jumlah lamaran. Sebagai hasil dari tindakan rasional semua orang, biaya perekrutan seluruh masyarakat terus bertambah. Di sini pun bekerja struktur eksternalitas kemacetan, yaitu lamaran setiap orang rasional, sedangkan biayanya tersebar tipis kepada semua orang yang mengantre dalam seleksi.

Skema yang sama berlaku pula pada surel penawaran penjualan, loket pertanyaan, konsultasi publik (public comment), dan permohonan keterbukaan informasi. Pola "membakar sendiri lalu memadamkan sendiri" (matchpump) semacam ini tidak hanya menambah biaya satu sama lain, tetapi juga akan melipatgandakan secara spiral biaya sosial seperti listrik untuk menjalankan AI. Sama seperti ketika turunnya biaya surel menyebabkan surel sampah bertambah dan kemudian diatur.

Di sini saya memasukkan sudut pandang lain, yaitu oleh apa kapasitas pemrosesan lembaga-lembaga ini selama ini dilindungi. Salah satu jawabannya adalah kerepotan dalam mengakses: repotnya menulis dokumen, repotnya pergi ke loket, bahkan repotnya sekadar mengetahui bahwa lembaga itu ada.

Banyak lembaga di masyarakat selama ini dilindungi dari arus masuk yang melebihi kapasitas pemrosesannya oleh tarif lewat yang tersirat bernama "kerepotan". Dengan kata lain, ketidaktahuan dan kerepotan dapat dikatakan telah berfungsi sebagai perangkat pengendali aliran yang tertanam dalam masyarakat. Ini juga dapat dibaca sebagai sludge (nudge negatif) dalam ekonomi perilaku dan bidang lain, yang bekerja, baik maupun buruk (meski umumnya ke arah yang buruk).

Yang membedakan AI dari teknologi sebelumnya adalah ia menurunkan ketidaktahuan dan beban kerja sekaligus dalam cakupan yang luas. Aliran yang tadinya tertidur di berbagai penjuru masyarakat akan membaik serentak. Lagi pula, yang teramati saat itu tampaknya akan berupa kelelahan lembaga satu per satu, seperti "kantor pemerintah menjadi lambat" atau "proses perekrutan rusak", dan diagnosis bahwa keseimbangan seluruh jaringan memburuk kemungkinan besar tidak mudah ditegakkan.

Lalu, setelah tarif lewat yang tersirat itu hilang, apa yang dapat dilakukan pihak lembaga? Pilihannya secara garis besar ada empat.

1. Menambah kapasitas pemrosesan - mengotomatiskan penyaringan awal dan memindahkan pemrosesan baku ke mesin
2. Menetapkan prioritas - melakukan pemilahan berdasarkan reservasi, undian, kuota penerimaan, dan tingkat urgensi
3. Mengenakan tarif lewat - memungut biaya, meminta uang jaminan, atau meminta pemohon menyertakan bukti tertentu
4. Menutup jalur - beralih ke sistem rekomendasi, undangan, atau keanggotaan.

Di sini terlihat konsekuensi yang agak ironis. Teknologi pembuka akses bernama AI mungkin justru memulihkan jaringan tertutup. Di dunia yang lamarannya datang tanpa batas, hanya menerima rekomendasi dari orang tepercaya menjadi pertahanan yang rasional bagi pihak penerima.

Pekerjaan manajemen adalah mengelola aliran

Lalu, apa yang harus dilakukan perusahaan dan organisasi?

Pertama, tentu saja, mengukur aliran pekerjaan dari pintu masuk hingga pintu keluar. Periksalah tahap mana yang arus masuknya meningkat akibat penerapan AI, serta di mana waktu tunggu dan penumpukan muncul. Pekerjaan individu menjadi lebih cepat dan organisasi menyelesaikan satu pekerjaan lebih cepat adalah dua hal yang perlu dipikirkan secara terpisah.

Dari pengetahuan lalu lintas, muncul pula empat resep.

Yang pertama adalah melebarkan jembatan yang tersumbat itu sendiri untuk menghilangkan hambatan volume aliran. Misalnya tinjauan awal oleh AI, pengujian otomatis, standardisasi, dan pendelegasian wewenang. Jika bukan hanya pembuatan di hulu, tetapi juga pemeriksaan dan verifikasi di hilir dipercepat sekaligus, kemacetan akan lebih sulit terjadi. Namun bila tidak berhati-hati, permintaan terinduksi dapat terjadi.

Yang kedua adalah mempersempit jalur dan pintu masuk. Seperti halnya lalu lintas Seoul tidak lumpuh meski jalan layang dibongkar, di dunia lalu lintas diketahui bahwa bila kapasitas dikurangi, sisi permintaan menyesuaikan diri. Di organisasi pun, kita dapat menyatukan jalur pengajuan menjadi satu dan mengumpulkan penerimaan permintaan tinjauan ke dalam batch pada jam tertentu. Bila antrean menjadi satu, penetapan prioritas juga menjadi mungkin. Dengan sengaja membatasi, keseluruhan mungkin dapat dipercepat.

Yang ketiga adalah memperkenalkan biaya untuk mengendalikan volume aliran. Resep standar ekonomi transportasi terhadap eksternalitas kemacetan adalah pengenaan tarif pada jalan yang macet. Diketahui bahwa dengan tarif yang tepat, keseimbangan yang dihasilkan pilihan masing-masing dapat didekatkan ke keadaan yang diinginkan bagi seluruh masyarakat.

Jika diterapkan pada organisasi, ini berarti memberi harga internal pada jalur yang macet. Misalnya menetapkan jatah anggaran per departemen untuk permintaan tinjauan, membatasi jumlah dokumen yang diajukan untuk persetujuan, atau mewajibkan pengusul menyertakan bukti verifikasi mandiri. Jika AI telah menghapus tarif lewat bernama kerepotan, maka kali ini kita dengan sengaja memperkenalkan kembali tarif lewat yang dirancang. Intinya, hal ini dapat dipandang bukan sebagai birokrasi belaka, melainkan sebagai penanggulangan kemacetan kapasitas penilaian yang dipakai bersama. Namun, saya kira penolakan yang wajar akan muncul dari lini lapangan, sehingga penerapannya perlu dilakukan dengan hati-hati.

Yang keempat adalah pengendalian pusat secara parsial. Metode ketika pusat hanya menetapkan sebagian aliran dan menyerahkan sisanya pada penilaian masing-masing pihak dibahas dalam penelitian pemilihan rute sebagai Stackelberg routing (metode optimasi yang menerapkan model Stackelberg dalam teori permainan pada pengendalian rute jaringan). Efeknya bergantung pada bentuk jaringan, tetapi sentralisasi total bukan satu-satunya pilihan. Dalam perusahaan, misalnya, itu berarti mengoordinasikan secara keseluruhan hanya tahap yang dipakai bersama oleh banyak departemen, seperti hukum, penjaminan mutu, rapat manajemen, dan proposal kepada pelanggan penting.

Dengan memikirkannya demikian, peluang bisnis pun terlihat. Misalnya pekerjaan mengukur di mana pekerjaan dalam proses tertahan di organisasi, pekerjaan menetapkan harga pada pasar internal berupa persetujuan dan tinjauan, serta pekerjaan merancang dan mengoperasikan jaringan tertutup berbasis rekomendasi atau undangan. Dengan AI, kemampuan dari sudut pandang "rekayasa lalu lintas organisasi" dibutuhkan, dan pekerjaan baru bagi lapisan manajemen akan lahir. Pada saat itu, pengetahuan tentang kemacetan spontan dan ilmu kemacetan pun mungkin dapat dipakai dalam kasus tertentu.

AI akan masuk ke dalam jaringan pekerjaan intelektual manusia. Pada saat itu, seperti memikirkan alur kerja pabrik, organisasi yang mencampurkan manusia dan AI dituntut untuk terus melakukan pengukuran dan perubahan guna memperbaiki seluruh jaringan kompleks pekerjaan intelektual.

Lagi pula, karena rancangan ini perlu terus diubah sambil mengamati peningkatan kinerja AI itu sendiri, tampaknya diperlukan penyatuan strategi AI dan strategi SDM.

Penutup

Berdasarkan pengetahuan lalu lintas berupa permintaan terinduksi, hambatan, dan eksternalitas kemacetan, kita telah memikirkan kemacetan yang mungkin terjadi di organisasi setelah penerapan AI.

Dalam jangka pendek, membagikan AI itu sendiri akan menjadi ajang persaingan, dan saya pun tidak berpikir hal itu harus dihentikan. Namun pada akhirnya perlu diperiksa apakah di antara perusahaan yang menerapkannya terjadi fenomena yang sulit dijelaskan, yaitu "sudah dibagikan tetapi malah menjadi lebih lambat".

Pada saat itu, saya kira apakah suatu perusahaan mampu mengoptimalkan struktur jaringan dan mengendalikan volume aliran atau tidak akan tampak sebagai perbedaan yang lebih besar daripada perbedaan kinerja model. Sebagaimana penelitian kemacetan telah bergerak dari "tambah jalan" ke "rancanglah aliran", manajemen yang memanfaatkan AI pun suatu saat akan bergerak ke arah yang sama.

Setelah membagikan AI, memeriksa apakah fenomena "sudah dibagikan tetapi malah lambat" benar-benar terjadi, saya kira, akan meningkatkan efeknya. Dan yang membedakan daya saing di era AI bukan hanya kinerja model, tetapi mungkin kemampuan mengukur dan merancang ulang aliran seluruh organisasi. Ketika jalan atau kendaraan tertentu mendadak menjadi cepat berkat AI, ingatlah rekayasa lalu lintas, dan mulai dari mengukur di jembatan sempit mana pekerjaan perusahaan sendiri tertahan mungkin merupakan salah satu cara.

(Tambahan 9/8, revisi 10/8: Pada penerbitan awal, saya menjadikan paradoks Braess sebagai poros utama artikel, tetapi saya menerima beberapa masukan yang pada intinya menyatakan bahwa "ini secara ketat bukan paradoks Braess". Setelah mempertimbangkannya, saya menilai masukan tersebut tepat. Karena itu, artikel ini kini menjadikan permintaan terinduksi, hambatan, dan eksternalitas kemacetan sebagai poros utama, dan susunannya saya ubah sehingga paradoks Braess menjadi salah satu contoh untuk meminjam pelajaran umum. Saya sempat mempertimbangkan untuk menghapusnya, tetapi karena sudah banyak dibaca, bagian itu saya biarkan. Sekali lagi, terima kasih atas masukannya.)

(Revisi 12/8: Setelah menerima masukan, saya merevisinya lagi. Saya menambahkan keterangan bahwa ini sepenuhnya hipotesis yang belum diuji. Selain itu, saya juga melakukan penambahan dan perbaikan kecil.)