Skor KPI Semua 3,0: Salah Bobot atau Salah Indikator?

Rapat penilaian kuartal ketiga berjalan 90 menit dan hasilnya satu baris: sebelas supervisor, skor akhir antara 3,32 dan 3,71. Manajer produksi menatap layar, lalu bilang kalimat yang sudah saya dengar puluhan kali — "ya memang kemampuannya sama". Padahal di lantai, dua orang di daftar itu tidak sama sama sekali: satu menutup lini dengan 124 ton per shift dan reject 0,3%, satu lagi 86 ton dengan reject 1,1%. Yang pertama bahkan tidak masuk tiga besar.

Di ujung rapat, bonus pool Rp 84 juta dibagi rata: Rp 7,64 juta per orang. Supervisor dengan output 44% lebih tinggi membawa pulang angka yang persis sama dengan rekannya yang tertinggal. Tiga minggu kemudian dia mengajukan surat pengunduran diri, dan tidak ada satu pun di dokumen penilaian yang bisa menjelaskan ke manajemen mengapa itu terjadi. Setelah cukup sering membongkar spreadsheet penilaian seperti ini, saya sampai pada kesimpulan yang tidak nyaman: polanya jarang berada di penilai. Yang rusak hampir selalu dua hal yang lebih teknis — skala yang membunuh variasi, dan bobot yang memberi porsi terbesar ke indikator yang tidak bisa membedakan orang. Keduanya bisa diperbaiki dengan aritmetika biasa, tanpa konsultan.

Dua Supervisor, Satu Skor: Ke mana Variasinya Hilang

Coba lihat mekanismenya. Indikator output dinilai 1–5 dengan pita lebar: capai target ±30% dapat 3, lebih dari itu dapat 4, kurang dari itu dapat 2. Dengan aturan itu, 124 ton (+24%) dan 86 ton (−14%) terhadap target 100 ton sama-sama jatuh di angka 3, karena keduanya berada di dalam pita yang sama. Selisih 38 ton per shift — sekitar Rp 2,3 juta kontribusi per shift — hilang di satu sel spreadsheet yang isinya "3".

Masalah kedua: bobot. Di template yang saya bedah, kehadiran dan kedisiplinan jam membawa 20% dari total skor. Indikator ini praktis biner — hampir semua orang dapat 5, karena yang benar-benar sering absen sudah kena surat peringatan lebih dulu. Indikator dengan sebaran nol tapi bobot 20% berfungsi sebagai perata: dia menyeret semua orang ke tengah dan memaksa indikator lain bekerja lebih keras untuk membedakan.

Hasil akhirnya rating compression, penyakit umum penilaian kinerja: semua orang "baik", tidak ada yang "sangat baik", tidak ada yang "kurang". Rata-rata 3,4 dengan simpangan baku 0,12. Secara statistik, sistem itu tidak mengukur apa pun — dia hanya memberi label administratif pada sebelas orang.

Tabel Bobot: Mana yang Benar-Benar Membedakan

Ini template yang saya temukan, dengan kolom usulan yang saya pakai saat merombaknya. Perhatikan sumber datanya: indikator yang datanya sudah ada di sistem (timbangan, mesin, absensi, audit) jauh lebih murah dijalankan daripada indikator yang harus dinilai dengan perasaan.

Dua hal yang berubah. Pertama, porsi indikator berbasis output naik dari 30% ke 50% — karena hanya output dan kualitas yang punya sebaran nyata antar-individu di lantai. Kedua, kehadiran turun ke 10% dan berhenti dinilai 1–5; dia jadi rasio langsung, jadi yang bolos dua hari tidak bisa "dibulatkan" jadi 4 oleh penilai yang sungkan.

Hitung Ulang: Ganti Skala Pita dengan Skor Kontinu

Perbaikan terbesar bukan di bobot, tapi di cara mengonversi angka lapangan menjadi skor. Empat formula ini yang saya pakai, semuanya bisa diketik di Excel atau Google Sheets (Excel berbahasa Indonesia memakai titik koma):

Skor output     = MIN(5; 5 * output_aktual / output_target)
Skor kualitas   = MAX(1; 5 - (reject_persen / 0,5))
Skor kehadiran  = 5 * (hari_hadir / hari_kerja)
Skor berbobot   = SUMPRODUCT(bobot; skor)

Efeknya langsung terasa. Supervisor A dengan 124 ton mendapat skor output 5,00 (mentok di batas atas), sedangkan B dengan 86 ton mendapat 4,30 — bukan lagi sama-sama 3. Pada reject, A 0,3% mendapat 4,40 dan B 1,1% mendapat 2,80. Angka-angka ini kemudian dikalikan bobot baru:

Dengan model lama, hasilnya terbalik: B unggul 3,70 berbanding 3,35. Bukan karena penilainya tidak jujur, tapi karena B memang lebih rajin mengisi observasi safety dan laporan — dua hal yang bobotnya lebih besar daripada selisih 38 ton per shift.

Jujur soal batasnya: model baru ini masih menyisakan 50% bobot di indikator lunak, jadi A tetap tidak mendapat 5,00 meski output-nya 24% di atas target. Kalau mau lebih tajam, naikkan output dan kualitas ke 60% dan pastikan angka target tidak bisa dinegosiasikan ulang di tengah kuartal.

Dari Skor ke Uang: Rp 84 Juta yang Dibagi Ulang

Skor yang membedakan hanya berguna kalau sampai ke konsekuensi. Pool Rp 84 juta untuk 11 orang, dibagi tiga pita: 2 orang teratas dapat faktor 1,6, 7 orang tengah faktor 1,0, 2 orang terbawah faktor 0,6.

• Total faktor = (2 × 1,6) + (7 × 1,0) + (2 × 0,6) = 11,4
• Nilai satu satuan = Rp 84.000.000 ÷ 11,4 = Rp 7.368.000
• Pita atas = Rp 11,79 juta; pita tengah = Rp 7,37 juta; pita bawah = Rp 4,42 juta
• Selisih atas–bawah = Rp 7,37 juta per kuartal, atau Rp 29,5 juta setahun

Bandingkan dengan biaya kehilangan satu orang seperti A. Hitungan konservatif: rekrutmen dan assessment Rp 4,5 juta, 80 jam pendampingan oleh supervisor senior (Rp 90.000 per jam) = Rp 7,2 juta, dan ramp-up empat bulan dengan output rata-rata 80% — 24,8 ton per shift hilang, 13 shift per bulan, 52 shift = 1.290 ton. Dengan kontribusi bersih Rp 60.000 per ton, itu Rp 77,4 juta. Total Rp 89,1 juta, versus Rp 7,37 juta untuk sekadar mendistribusikan bonus secara berbeda.

Kalau angka kontribusi per ton di pabrik Anda lain, ganti satu sel saja. Struktur argumennya tetap: biaya membedakan orang selalu lebih murah daripada biaya kehilangan orang yang seharusnya menonjol.

Tujuh Langkah Menyusun Bobot yang Bertahan

1. Kunci dulu output dan kualitas. Dua indikator ini harus punya definisi yang tidak bisa ditawar penilai: satuan, periode, dan titik pengukuran.
2. Batasi jumlah indikator maksimal tujuh. Di atas tujuh, penilai mulai mengisi asal dan sebaran kembali menyempit.
3. Buang indikator bersebaran nol. Tarik data tiga kuartal terakhir, hitung simpangan baku tiap indikator; yang di bawah 0,2 kemungkinan besar hanya formalitas.
4. Tetapkan bobot berpasangan, bukan sendirian. Minta manajer memilih mana yang lebih penting antara dua indikator sekaligus, lalu normalisasi ke 100%.
5. Uji dengan data historis. Jalankan model baru pada data enam bulan terakhir sebelum dipakai resmi; kalau urutan ranking tidak berubah sama sekali, bobotnya belum bekerja.
6. Kalibrasi lintas penilai. Tiga supervisor dinilai oleh atasan berbeda harus lewat sesi kalibrasi 60 menit, dengan bukti data, bukan opini.
7. Dokumentasikan definisi dan pembobotan. Ini bagian yang paling sering hilang saat supervisor berganti — dan jadi alasan model berikutnya dirombak dari nol lagi.

Formula dan pembobotan ini tidak diatur undang-undang. UU 13/2003 tentang Ketenagakerjaan mengatur upah dan syarat kerja, bukan metode penilaian kinerja; jadi perusahaan bebas menyusun modelnya, tapi terikat pada kewajiban transparansi dan konsistensi. Untuk rujukan praktik, ISO 30414:2018 memberi kerangka pelaporan metrik human capital yang bisa dipakai agar angka kinerja tidak berhenti di dapur HR. Sementara ISO 9001:2015 menautkan hasil penilaian ke bukti kompetensi dan kesadaran personel, yang berguna saat audit.

Tiga Hal yang Bisa Dikerjakan Sebelum Siklus Berikutnya

1. Tarik data 12 bulan dan uji sebarannya. Hitung rata-rata dan simpangan baku per indikator. Setiap indikator dengan simpangan baku di bawah 0,2 adalah kandidat untuk dibuang atau diubah skalanya.
2. Ganti dua indikator pita jadi skor kontinu. Mulai dari output dan reject saja; dua formula di atas cukup, dan hasilnya bisa langsung dibandingkan dengan ranking lama.
3. Bagi ulang satu pool bonus secara simulasi. Jangan tunggu kebijakan berubah — jalankan simulasi tiga pita pada pool kuartal terakhir, lalu tunjukkan selisihnya ke manajemen. Angka Rp 7,37 juta per kuartal biasanya lebih meyakinkan daripada argumen soal keadilan.

Saya sudah menyiapkan kerangka perhitungan ini sebagai alat bantu di kalkulator produktivitas kerja untuk sisi output per man-hour, dan kalkulator waktu standar kalau target outputnya masih perlu diturunkan dari studi waktu. Untuk sisi kompetensi, panduan umpan balik 360 derajat membahas cara mengumpulkan penilaian dari rekan sekerja tanpa jatuh jadi popularitas contest.

Satu hal yang sering terlewat: bobot yang benar tetap gagal kalau penilainya tidak tahu apa yang sedang diukur. Transisi dari kontributor ke manajer membahas pergeseran itu — dari menilai hasil kerja sendiri menjadi menilai kerja orang lain dengan bukti.

Tanya Jawab Seputar Skor KPI (FAQ)

Q: Mengapa semua karyawan mendapat skor KPI hampir sama, sekitar 3,0?** A: Ada dua sebab teknis: skala pita 1–5 membunuh variasi (selisih 38 ton per shift bisa dibulatkan menjadi angka yang sama), dan bobot terbesar diberikan ke indikator administratif yang tidak membedakan orang. Pada contoh artikel ini, model lama membuat supervisor dengan output 124 ton kalah dari rekan yang 86 ton, semata karena rekannya lebih rajin mengisi laporan dan observasi safety.

Q: Berapa bobot yang wajar untuk indikator output dan kualitas?** A: Template yang saya usulkan menaikkan output dari 15% ke 25% dan kualitas dari 15% ke 25%, sehingga 50% skor ditentukan dua indikator yang benar-benar punya sebaran antar-individu. Kehadiran turun dari 20% ke 10% dan dihitung sebagai rasio, bukan nilai 1–5, agar yang bolos dua hari tidak bisa "dibulatkan" menjadi 4. Delapan indikator sisanya tetap ada sebagai penyeimbang dengan total 100%.

Q: Apakah perbaikan ini bisa dijalankan tanpa sistem HRIS?** A: Bisa. Empat formula di artikel ini cukup diketik di Excel atau Google Sheets: MIN(5; 5 * output_aktual / output_target), MAX(1; 5 - (reject_persen / 0,5)), 5 * (hari_hadir / hari_kerja), lalu SUMPRODUCT(bobot; skor). Excel berbahasa Indonesia memakai titik koma sebagai pemisah argumen.