TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink bicara tentang ilmu motivasi yang mengejutkan
Filmed:
Readability: 4
25,352,736 views
Career analyst Dan Pink examines the puzzle of motivation, starting with a fact that social scientists know but most managers don't: Traditional rewards aren't always as effective as we think. Listen for illuminating stories -- and maybe, a way forward.
Dan Pink - Career analyst
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Double-click the English transcript below to play the video.
00:12
I need to make a confession at the outset here.
0
0
4000
Saya perlu membuat pengakuan selagi kita masih di awal
00:16
A little over 20 years ago
1
4000
3000
Dua puluhan tahun lalu
00:19
I did something that I regret,
2
7000
2000
saya melakukan sesuatu yang saya sesali
00:21
something that I'm not particularly proud of,
3
9000
4000
sesuatu yang tidak bisa dibanggakan
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
sesuatu yang saya harap orang lain tak pernah tahu
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
tapi di sini saya merasa berkewajiban untuk mengakuinya
00:32
(Laughter)
6
20000
2000
(Tawa)
00:34
In the late 1980s,
7
22000
2000
Di akhir tahun 80-an
00:36
in a moment of youthful indiscretion,
8
24000
3000
karena kesembronoan masa muda
00:39
I went to law school.
9
27000
2000
saya kuliah di fakultas hukum.
00:41
(Laughter)
10
29000
4000
(Tawa)
00:45
Now, in America law is a professional degree:
11
33000
3000
Kini, di Amerika, Sarjana Hukum adalah gelar profesional
00:48
you get your university degree, then you go on to law school.
12
36000
2000
Anda ambil gelar sarjana dulu, baru kemudian masuk fakultas hukum
00:50
And when I got to law school,
13
38000
3000
Dan ketika saya kuliah di fakultas hukum,
00:53
I didn't do very well.
14
41000
2000
saya tidak begitu berprestasi.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
Secara halus, bisa dibilang saya tidak terlalu berprestasi.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
Saya bahkan masuk dalam kelompok lulusan di angkatan saya
01:00
that made the top 90 percent possible.
17
48000
4000
yang memungkinkan kelompok lainnya jadi 90% terbaik
01:04
(Laughter)
18
52000
4000
(Tawa)
01:08
Thank you.
19
56000
3000
Terima kasih.
01:11
I never practiced law a day in my life;
20
59000
3000
Saya tak pernah jadi praktisi hukum sehari pun seumur hidupku.
01:14
I pretty much wasn't allowed to.
21
62000
2000
Karena memang tak akan diijinkan.
01:16
(Laughter)
22
64000
3000
(Tawa)
01:19
But today, against my better judgment,
23
67000
3000
Tapi hari ini, meski ditentang oleh akal sehat saya,
01:22
against the advice of my own wife,
24
70000
3000
meski sudah dilarang oleh istri saya sendiri,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
Saya ingin coba mengasah kembali ketrampilan saya di bidang hukum,
01:29
what's left of those legal skills.
26
77000
2000
entah seberapa yang tersisa.
01:31
I don't want to tell you a story.
27
79000
3000
Saya tak akan bercerita pada anda.
01:34
I want to make a case.
28
82000
2000
Saya ingin membuat sebuah argumen hukum.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Saya ingin membuat argumen pragmatis, berdasar bukti-bukti,
01:40
dare I say lawyerly case,
30
88000
3000
bahkan bisa dibilang sebagai argumen ala pengacara,
01:43
for rethinking how we run our businesses.
31
91000
4000
tentang perlunya memikirkan kembali cara kita menjalankan bisnis.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Jadi, bapak-bapak dan ibu-ibu juri, lihatlah ini.
01:51
This is called the candle problem.
33
99000
2000
Ini namanya teka-teki lilin.
01:53
Some of you might have seen this before.
34
101000
2000
Beberapa dari anda mungkin sudah pernah melihatnya.
01:55
It's created in 1945
35
103000
2000
Ini diciptakan tahun 1945
01:57
by a psychologist named Karl Duncker.
36
105000
2000
oleh seorang psikolog bernama Karl Duncker.
01:59
Karl Duncker created this experiment
37
107000
2000
Karl Duncker menciptakan eksperimen ini
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
yang lalu dipakai di berbagai macam eksperimen di bidang ilmu perilaku.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
Begini cara kerjanya. Misalkan saya yang jadi ilmuwannya.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Saya bawa anda ke sebuah ruangan. Saya beri anda sebuah lilin,
02:11
some thumbtacks and some matches.
41
119000
2000
beberapa paku payung, dan korek api.
02:13
And I say to you, "Your job
42
121000
2000
Dan saya katakan pada anda, "Tugas anda
02:15
is to attach the candle to the wall
43
123000
2000
adalah menempelkan lilinnya ke tembok
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
tapi tetesannya tak boleh jatuh ke meja. "Apa yang akan anda lakukan?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Banyak orang mulai mencoba untuk memaku lilinnya ke tembok.
02:25
Doesn't work.
46
133000
2000
Tidak berhasil.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
Seseorang, beberapa orang, dan saya melihat seseorang
02:29
kind of make the motion over here --
48
137000
2000
sepertinya memperagakannya di sini.
02:31
some people have a great idea where they
49
139000
2000
Beberapa orang memiliki ide bagus dimana mereka
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
menyalakan korek apinya, melelehkan sisi samping lilinnya, mencoba menempelkannya ke tembok.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
Ide yang mengagumkan. Tapi tidak berhasil.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
Dan akhirnya, setelah 5 atau 10 menit,
02:43
most people figure out the solution,
53
151000
2000
kebanyakan orang menemukan jawabannya,
02:45
which you can see here.
54
153000
2000
yang dapat anda lihat di sini.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
Kuncinya adalah dengan mengatasi apa yang dinamakan 'ketetapan fungsi'
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Anda melihat kotak itu dan hanya melihatnya sebagai wadah untuk paku-paku.
02:54
But it can also have this other function,
57
162000
2000
Tapi kotak itu juga dapat memiliki fungsi lain,
02:56
as a platform for the candle. The candle problem.
58
164000
4000
sebagai penyangga lilin. Teka-teki lilin.
03:00
Now I want to tell you about an experiment
59
168000
2000
Sekarang saya ingin bercerita tentang sebuah eksperimen
03:02
using the candle problem,
60
170000
2000
yang memakai teka-teki lilin,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
dilakukan oleh ilmuwan bernama Sam Glucksberg,
03:06
who is now at Princeton University in the U.S.
62
174000
2000
yang kini di Universitas Princeton di AS.
03:08
This shows the power of incentives.
63
176000
4000
Eksperimen ini menunjukkan kekuatan insentif.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Begini eksperimennya. Ia mengumpulkan para peserta.
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
Lalu berkata, "saya akan ukur seberapa cepat anda bisa pecahkan teka-teki ini."
03:17
To one group he said,
66
185000
2000
Pada satu grup ia berkata,
03:19
"I'm going to time you to establish norms,
67
187000
3000
Saya akan ukur kecepatan anda untuk menentukan standar,
03:22
averages for how long it typically takes
68
190000
2000
berapa rata-rata waktu yang biasa diperlukan
03:24
someone to solve this sort of problem."
69
192000
2000
untuk menyelesaikan teka-teki semacam ini.
03:26
To the second group he offered rewards.
70
194000
3000
Pada grup kedua ia menawarkan hadiah.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Katanya, "Jika anda berada di 25 persen waktu tercepat
03:33
you get five dollars.
72
201000
3000
anda akan mendapat lima dollar.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
Jika anda menjadi yang tercepat dari semua peserta hari ini
03:39
you get 20 dollars."
74
207000
2000
anda mendapat 20 dollar."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Eksperimen ini dilakukan beberapa tahun lalu. Jika kita perhitungkan inflasi,
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
jumlah uang itu cukup besar untuk tugas yang hanya perlu beberapa menit saja.
03:46
It's a nice motivator.
77
214000
2000
Penambah motivasi yang bagus.
03:48
Question: How much faster
78
216000
3000
Pertanyaannya: Seberapa cepat
03:51
did this group solve the problem?
79
219000
2000
grup kedua ini memecahkan teka-teki itu?
03:53
Answer: It took them, on average,
80
221000
3000
Jawabannya: Rata-rata mereka memerlukan
03:56
three and a half minutes longer.
81
224000
4000
tiga setengah menit lebih lama.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Tiga setengah menit lebih lama. Ini tak masuk akal bukan?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Maksud saya, saya ini orang Amerika. Saya menganut pasar bebas.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
Jadi bukan itu yang seharusnya terjadi, bukan?
04:09
(Laughter)
85
237000
1000
(Tawa)
04:10
If you want people to perform better,
86
238000
2000
Kalau anda ingin orang bekerja lebih baik,
04:12
you reward them. Right?
87
240000
2000
anda beri mereka imbalan, bukan?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Bonus, komisi, reality show mereka sendiri.
04:17
Incentivize them. That's how business works.
89
245000
4000
Beri mereka insentif. Begitu cara bisnis bekerja.
04:21
But that's not happening here.
90
249000
2000
Tapi itu tidak terjadi di sini.
04:23
You've got an incentive designed to
91
251000
2000
Anda memberi insentif yang dibuat untuk
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
mempertajam pikiran dan mempercepat kreativitas.
04:29
and it does just the opposite.
93
257000
2000
Yang terjadi malah kebalikannya.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Insentif menumpulkan pikiran dan menghambat kreativitas.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
Dan yang menarik dari eksperimen ini adalah bahwa ini bukanlah perkecualian.
04:37
This has been replicated over and over
96
265000
3000
Eksperimennya telah diulang berkali-kali
04:40
and over again, for nearly 40 years.
97
268000
3000
berulang kali, selama hampir 40 tahun.
04:43
These contingent motivators --
98
271000
3000
Motivator bersyarat ini,
04:46
if you do this, then you get that --
99
274000
2000
kalau anda lakukan ini, anda akan dapat itu,
04:48
work in some circumstances.
100
276000
2000
efektif pada kondisi tertentu.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Tapi untuk banyak jenis pekerjaan, motivator itu sebenarnya tidak berguna,
04:53
or, often, they do harm.
102
281000
3000
atau seringkali malah merugikan.
04:56
This is one of the most robust findings
103
284000
4000
Ini adalah salah satu penemuan yang paling meyakinkan
05:00
in social science,
104
288000
3000
dalam ilmu sosial.
05:03
and also one of the most ignored.
105
291000
2000
Dan juga salah satu yang paling diabaikan.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
Saya telah menghabiskan dua tahun terakhir mempelajari
05:07
human motivation,
107
295000
2000
ilmu motivasi manusia.
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
Terutama dinamika motivator dari luar
05:11
and intrinsic motivators.
109
299000
2000
dan motivator dari dalam.
05:13
And I'm telling you, it's not even close.
110
301000
2000
Dan percayalah, keduanya sangat berbeda.
05:15
If you look at the science, there is a mismatch
111
303000
2000
Jika anda mengamati ilmu di bidang ini, ada kesenjangan
05:17
between what science knows and what business does.
112
305000
4000
antara apa yang diketahui secara ilmiah dan apa yang dilakukan pelaku usaha.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
Dan yang mengkhawatirkan di sini adalah sistem kerja bisnis kita –
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
yaitu kumpulan asumsi dan protokol yang mendasari bisnis kita,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
bagaimana kita memotivasi orang, bagaimana kita memanfaatkan SDM kita –
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
semuanya dibangun berdasarkan motivator dari luar,
05:35
around carrots and sticks.
117
323000
2000
berdasarkan permen dan cambuk.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Itu tak jadi masalah untuk berbagai macam pekerjaan abad ke 20.
05:41
But for 21st century tasks,
119
329000
2000
Tapi untuk pekerjaan di abad ke 21,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
pendekatan seperti mesin, dengan hadiah dan hukuman macam itu
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
tak berfungsi, lebih sering gagal, dan seringkali merugikan.
05:51
Let me show you what I mean.
122
339000
2000
Akan saya tunjukkan apa yang saya maksud.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Jadi Glucksberg melakukan eksperimen lain yang mirip,
05:56
where he presented the problem in a slightly different way,
124
344000
2000
di mana ia menyajikan teka-tekinya dengan sedikit berbeda,
05:58
like this up here. Okay?
125
346000
3000
seperti di gambar ini. Oke?
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
Pasang lilinnya ke tembok tapi tetesannya tak boleh jatuh ke meja.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
Aturannya sama. Kamu: kecepatanmu diukur untuk standar.
06:06
You: we're incentivizing.
128
354000
3000
Kamu: kami beri insentif.
06:09
What happened this time?
129
357000
2000
Apa yang terjadi kali ini?
06:11
This time, the incentivized group
130
359000
2000
Kali ini, grup yang diberi insentif
06:13
kicked the other group's butt.
131
361000
4000
menang telak atas grup lainnya.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Kenapa? Karena kalau paku payungnya di luar kotak
06:21
it's pretty easy isn't it?
133
369000
4000
memang lebih gampang kan?
06:25
(Laughter)
134
373000
2000
(Tawa)
06:27
If-then rewards work really well
135
375000
3000
Jadi hadiah memang sangat efektif
06:30
for those sorts of tasks,
136
378000
3000
untuk tugas-tugas macam itu,
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
yang memiliki aturan yang sederhana dan tujuan yang jelas.
06:35
to go to.
138
383000
2000
yang harus dicapai.
06:37
Rewards, by their very nature,
139
385000
2000
Hadiah, berdasarkan sifatnya
06:39
narrow our focus, concentrate the mind;
140
387000
2000
mempersempit fokus kita, mengkonsentrasikan pikiran.
06:41
that's why they work in so many cases.
141
389000
2000
Itu sebabnya hadiah efektif di banyak kondisi.
06:43
And so, for tasks like this,
142
391000
2000
Jadi, untuk tugas-tugas macam ini,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
dengan fokus yang sempit, di mana tujuannya jelas terlihat
06:48
zoom straight ahead to it,
144
396000
2000
dan kita bisa melesat ke arahnya,
06:50
they work really well.
145
398000
2000
hadiah sangatlah efektif.
06:52
But for the real candle problem,
146
400000
2000
Tapi untuk teka-teki lilin yang asli,
06:54
you don't want to be looking like this.
147
402000
2000
anda tak ingin melihatnya begini.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
Jawabannya bukan di sini. Jawabannya ada di sekeliling kita.
06:58
You want to be looking around.
149
406000
2000
Anda ingin mengamati sekitar anda.
07:00
That reward actually narrows our focus
150
408000
2000
Hadiah sebenarnya mempersempit fokus kita
07:02
and restricts our possibility.
151
410000
2000
dan membatasi peluang yang dapat diraih.
07:04
Let me tell you why this is so important.
152
412000
3000
Akan saya ungkapkan mengapa ini begitu penting.
07:07
In western Europe,
153
415000
2000
Di Eropa barat,
07:09
in many parts of Asia,
154
417000
2000
di banyak bagian dari Asia,
07:11
in North America, in Australia,
155
419000
3000
di Amerika utara, di Australia,
07:14
white-collar workers are doing less of
156
422000
2000
para pekerja kerah putih makin sedikit melakukan
07:16
this kind of work,
157
424000
2000
pekerjaan macam ini,
07:18
and more of this kind of work.
158
426000
4000
dan lebih banyak pekerjaan macam ini.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
Pekerjaan rutin yang berdasar aturan dan menggunakan otak kiri,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
beberapa jenis akuntansi, beberapa jenis analisis keuangan,
07:27
certain kinds of computer programming --
161
435000
2000
beberapa jenis pemrograman komputer,
07:29
has become fairly easy to outsource,
162
437000
2000
jadi makin mudah untuk di-outsource,
07:31
fairly easy to automate.
163
439000
2000
relatif mudah dibuat otomatis.
07:33
Software can do it faster.
164
441000
3000
Software bisa melakukannya lebih cepat.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
Penyedia layanan dari seluruh dunia bisa melakukannya dengan lebih murah.
07:38
So what really matters are the more right-brained
166
446000
4000
Jadi lebih penting jenis ketrampilan yang menggunakan otak kanan
07:42
creative, conceptual kinds of abilities.
167
450000
3000
ketrampilan kreatif dan konseptual.
07:45
Think about your own work.
168
453000
3000
Bayangkan pekerjaan anda sendiri.
07:48
Think about your own work.
169
456000
3000
Bayangkan pekerjaan anda sendiri.
07:51
Are the problems that you face, or even the problems
170
459000
2000
Apakah masalah yang anda hadapi, atau bahkan masalah
07:53
we've been talking about here,
171
461000
2000
yang sedang kita perbincangkan di sini,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
adalah masalah macam itu -- apa masalah itu memiliki aturan yang jelas,
07:57
and a single solution? No.
173
465000
3000
dan satu jawaban saja? Tidak.
08:00
The rules are mystifying.
174
468000
2000
Aturan-aturannya misterius.
08:02
The solution, if it exists at all,
175
470000
2000
Jawabannya, kalau pun ada,
08:04
is surprising and not obvious.
176
472000
3000
mengejutkan dan tidak gamblang.
08:07
Everybody in this room
177
475000
2000
Semua orang di ruangan ini
08:09
is dealing with their own version
178
477000
3000
berhadapan dengan versi masing-masing
08:12
of the candle problem.
179
480000
2000
dari teka-teki lilin.
08:14
And for candle problems of any kind,
180
482000
3000
Dan untuk teka-teki lilin jenis apa pun
08:17
in any field,
181
485000
2000
di bidang apa pun,
08:19
those if-then rewards,
182
487000
3000
hadiah 'jika..-maka..' tersebut,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
prinsip-prinsip yang mendasari begitu banyak dari bisnis-bisnis kita,
08:26
don't work.
184
494000
2000
tidak efektif.
08:28
Now, I mean it makes me crazy.
185
496000
2000
Nah, maksudku, ini membuatku gemas.
08:30
And this is not -- here's the thing.
186
498000
2000
Dan ini bukan -- begini..
08:32
This is not a feeling.
187
500000
3000
Ini bukan cuma perasaan.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
Oke? Saya ini pengacara. Saya tidak percaya pada perasaan.
08:38
This is not a philosophy.
189
506000
4000
Ini juga bukan filosofi.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Saya ini orang Amerika. Saya tidak percaya pada filosofi.
08:44
(Laughter)
191
512000
3000
(Tawa)
08:47
This is a fact --
192
515000
3000
Ini adalah fakta.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
Atau, seperti yang biasa dikatakan di kota saya Washington D.C.,
08:52
a true fact.
194
520000
2000
sebuah fakta yang benar.
08:54
(Laughter)
195
522000
2000
(Tawa)
08:56
(Applause)
196
524000
4000
(Tepuk tangan)
09:00
Let me give you an example of what I mean.
197
528000
2000
Ijinkan saya memberikan sebuah contoh.
09:02
Let me marshal the evidence here,
198
530000
2000
Ijinkan saya mengajukan sebuah bukti di sini.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
Karena saya tidak sedang bercerita. Saya membuat argumen hukum.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Bapak dan ibu juri, ini bukti-buktinya:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Dan Ariely, salah satu ekonom besar di masa ini,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
beliau dan tiga rekannya, melakukan studi pada beberapa mahasiswa MIT.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
Mereka memberi mahasiswa MIT itu beberapa permainan.
09:18
games that involved creativity,
204
546000
2000
Permainan yang melibatkan kreativitas,
09:20
and motor skills, and concentration.
205
548000
2000
dan kemampuan motorik, dan konsentrasi.
09:22
And the offered them, for performance,
206
550000
2000
dan ia menawari mereka, kalau berprestasi,
09:24
three levels of rewards:
207
552000
2000
tiga tingkatan hadiah.
09:26
small reward, medium reward, large reward.
208
554000
5000
Hadiah kecil, hadiah sedang, hadiah besar.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
Oke? Kalau prestasinya besar, hadiahnya besar, begitu seterusnya.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
Apa yang terjadi? Selama permainannya memerlukan ketrampilan mekanis saja
09:39
bonuses worked as they would be expected:
211
567000
2000
bonus memiliki efek seperti yang diharapkan:
09:41
the higher the pay, the better the performance.
212
569000
4000
makin besar bayarannya, makin baik prestasinya.
09:45
Okay? But one the task called for
213
573000
2000
Oke? Tapi begitu permainannya membutuhkan
09:47
even rudimentary cognitive skill,
214
575000
4000
sedikit saja kemampuan nalar,
09:51
a larger reward led to poorer performance.
215
579000
5000
hadiah yang lebih besar menyebabkan makin turunnya prestasi.
09:56
Then they said,
216
584000
2000
Lalu mereka berkata,
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"Baiklah, mari kita lihat kalau ada bias budaya di sini.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Ayo kita ke Madurai, India, dan kita uji asumsi ini."
10:02
Standard of living is lower.
219
590000
2000
Standar hidup di sana lebih rendah.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
Di Madurai, hadiah yang sedang-sedang saja di Amerika utara,
10:07
is more meaningful there.
221
595000
3000
lebih terasa bermakna di sana.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Aturannya sama. Beberapa permainan, tiga tingkatan hadiah.
10:13
What happens?
223
601000
2000
Apa yang terjadi?
10:15
People offered the medium level of rewards
224
603000
3000
Mereka yang ditawari hadiah tingkat sedang
10:18
did no better than people offered the small rewards.
225
606000
3000
tidak lebih berprestasi dibanding yang ditawari hadiah kecil.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Tapi kali ini, peserta yang ditawari hadiah terbesar,
10:25
they did the worst of all.
227
613000
4000
menghasilkan prestasi yang paling buruk.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
Pada delapan dari sembilan tugas yang diteliti di tiga eksperimen,
10:32
higher incentives led to worse performance.
229
620000
5000
Hadiah yang makin besar menyebabkan prestasi yang memburuk.
10:37
Is this some kind of touchy-feely
230
625000
3000
Jangan-jangan ini semacam konspirasi
10:40
socialist conspiracy going on here?
231
628000
3000
sosialis untuk mengaduk emosi kita?
10:43
No. These are economists from MIT,
232
631000
3000
Bukan. Mereka itu ekonom dari MIT,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
dari Carnegie Mellon, dari Universitas Chicago.
10:49
And do you know who sponsored this research?
234
637000
2000
Dan tahukah anda siapa yang membiayai penelitian ini?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
Bank Sentral Amerika Serikat.
10:55
That's the American experience.
236
643000
2000
Itu pengamatan dari orang Amerika.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Mari kita menyeberang samudera ke Fakultas Ekonomi Universitas London.
11:00
LSE, London School of Economics,
238
648000
3000
LSE, London School of Economics.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
Sekolah yang menelurkan 11 penerima hadiah Nobel bidang ekonomi.
11:06
Training ground for great economic thinkers
240
654000
3000
Tempat belajar para pemikir ekonomi besar
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
seperti George Soros, dan Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
dan Mick Jagger. (Tawa)
11:14
Last month, just last month,
243
662000
4000
Bulan lalu, baru bulan lalu,
11:18
economists at LSE looked at 51 studies
244
666000
3000
ekonom di LSE mempelajari 51 penelitian
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
tentang sistem bonus atas prestasi, dalam perusahaan-perusahaan.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
Dan ini kesimpulan ilmuwan LSE itu, "Kami menemukan bahwa insentif keuangan
11:27
can result in a negative impact on overall performance."
247
675000
6000
dapat memberi dampak negatif pada kinerja secara umum."
11:33
There is a mismatch between what science knows
248
681000
3000
Ada kesenjangan antara apa yang diketahui secara ilmiah
11:36
and what business does.
249
684000
2000
dan apa yang dilakukan pelaku usaha.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
Dan yang mengkhawatirkan, saat kita berdiri di sini di antara puing
11:41
of the economic collapse,
251
689000
2000
puing dari keruntuhan ekonomi,
11:43
is that too many organizations
252
691000
2000
ada terlalu banyak organisasi
11:45
are making their decisions,
253
693000
2000
yang membuat keputusan mereka
11:47
their policies about talent and people,
254
695000
2000
aturan mereka tentang bakat dan manusia,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
yang didasarkan pada asumsi yang ketinggalan jaman, tidak cermat,
11:55
and rooted more in folklore than in science.
256
703000
3000
dan berakar lebih pada legenda daripada ilmu.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
Dan jika kita benar-benar ingin keluar dari kekacauan ekonomi ini,
12:01
and if we really want high performance on those
258
709000
2000
dan jika kita sungguh menginginkan kinerja yang tinggi
12:03
definitional tasks of the 21st century,
259
711000
2000
untuk pekerjaan-pekerjaan abad ke 21,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
solusinya bukanlah dengan melakukan lebih banyak kesalahan.
12:11
to entice people with a sweeter carrot,
261
719000
3000
Memikat orang dengan permen yang lebih manis.
12:14
or threaten them with a sharper stick.
262
722000
2000
atau mengancam dengan cambuk yang lebih besar.
12:16
We need a whole new approach.
263
724000
2000
Kita perlu pendekatan yang sama sekali baru.
12:18
And the good news about all of this is that the scientists
264
726000
2000
Dan kabar baiknya adalah bahwa para ilmuwan
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
yang selama ini mempelajari motivasi, telah memberi kita pendekatan baru.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
Pendekatan ini dibangun berdasar motivasi dari dalam.
12:26
Around the desire to do things because they matter,
267
734000
2000
Berdasar keinginan untuk melakukan sesuatu karena memang penting,
12:28
because we like it, because they're interesting,
268
736000
2000
karena kita menyukainya, karena memang menarik,
12:30
because they are part of something important.
269
738000
2000
karena hal itu adalah bagian dari sesuatu yang penting.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
Dan menurut saya, sistem operasi baru untuk bisnis itu
12:36
revolves around three elements:
271
744000
2000
digerakkan oleh tiga unsur:
12:38
autonomy, mastery and purpose.
272
746000
3000
kemandirian, kepakaran, dan tujuan.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Kemandirian, keinginan untuk menakhodai hidup kita sendiri.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Kepakaran, hasrat untuk menjadi semakin ahli di bidang yang penting.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Tujuan, kerinduan untuk melakukan apa yang kita lakukan
12:51
in the service of something larger than ourselves.
276
759000
3000
demi kepentingan sesuatu yang lebih besar dari diri kita.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Itu adalah batu penyusun dari sistem operasi yang sama sekali baru
12:57
for our businesses.
278
765000
2000
untuk dunia usaha kita.
12:59
I want to talk today only about autonomy.
279
767000
4000
Hari ini saya hanya ingin membahas kemandirian.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
Pada abad ke-20, kita menemukan ide tentang manajemen.
13:06
Management did not emanate from nature.
281
774000
2000
Manajemen tidak timbul dari alam.
13:08
Management is like -- it's not a tree,
282
776000
2000
Manajemen itu seperti -- yang jelas bukan pohon.
13:10
it's a television set.
283
778000
2000
Lebih mirip pesawat televisi.
13:12
Okay? Somebody invented it.
284
780000
2000
Oke? Jadi ada yang menemukannya.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
Dan bukan berarti bahwa itu akan berfungsi selamanya.
13:16
Management is great.
286
784000
2000
Manajemen itu bagus.
13:18
Traditional notions of management are great
287
786000
2000
Pengertian tradisional tentang manajemen itu bagus
13:20
if you want compliance.
288
788000
2000
kalau yang anda inginkan adalah kepatuhan.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Tapi kalau anda ingin keterlibatan, maka kemandirian akan lebih efektif.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Ijinkan saya memberi beberapa contoh
13:27
notions of self-direction.
291
795000
2000
gagasan radikal tentang kemandirian
13:29
What this means -- you don't see a lot of it,
292
797000
3000
Arti gagasan ini adalah -- anda mungkin jarang melihatnya
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
tapi anda tengah melihat geliat awal dari sesuatu yang sangat menarik.
13:35
because what it means is paying people adequately
294
803000
2000
Karena artinya adalah menggaji orang secara layak
13:37
and fairly, absolutely --
295
805000
2000
dan adil, tentunya.
13:39
getting the issue of money off the table,
296
807000
2000
Supaya uang tak lagi jadi masalah.
13:41
and then giving people lots of autonomy.
297
809000
2000
Lalu memberi karyawan otonomi seluas-luasnya.
13:43
Let me give you some examples.
298
811000
2000
Ijinkan saya memberi beberapa contoh.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Berapa orang pernah mendengar tentang perusahaan Atlassian?
13:49
It looks like less than half.
300
817000
2000
Sepertinya kurang dari setengah.
13:51
(Laughter)
301
819000
2000
(Tawa)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian adalah sebuah perusahaan software Australia.
13:57
And they do something incredibly cool.
303
825000
2000
Dan mereka melakukan sesuatu yang sangat keren.
13:59
A few times a year they tell their engineers,
304
827000
2000
Beberapa kali dalam setahun mereka menyuruh insinyur-insinyur mereka,
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"Pergilah dan kerjakan apa yang kamu mau untuk 24 jam ke depan,
14:05
as long as it's not part of your regular job.
306
833000
2000
asal itu bukan bagian dari pekerjaan rutinmu.
14:07
Work on anything you want."
307
835000
2000
Kerjakan apa saja yang kalian mau."
14:09
So that engineers use this time to come up with
308
837000
2000
Jadi para insinyur memanfaatkan waktu itu untuk menghasilkan
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
revisi kode yang keren, atau hack yang elegan.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Lalu mereka presentasikan semua hal yang telah dihasilkan
14:17
to their teammates, to the rest of the company,
311
845000
3000
pada rekan-rekan mereka, pada seluruh perusahaan,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
dalam sebuah pertemuan santai yang dihadiri semua orang
14:22
at the end of the day.
313
850000
2000
di sore hari.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
Lalu, seperti layaknya orang Australia, semua orang minum bir.
14:26
They call them FedEx Days.
315
854000
3000
Mereka menamainya hari-hari FedEx.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Kenapa? Karena anda harus mendatangkan sesuatu dalam semalam.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
Itu bagus. Tidak buruk. Meski sangat melanggar merk dagang.
14:37
but it's pretty clever.
318
865000
2000
Tapi lumayan kreatif.
14:39
(Laughter)
319
867000
1000
(Tawa)
14:40
That one day of intense autonomy
320
868000
2000
Satu hari yang penuh kemandirian itu
14:42
has produced a whole array of software fixes
321
870000
2000
telah menghasilkan begitu banyak perbaikan software
14:44
that might never have existed.
322
872000
2000
yang tanpa itu mungkin tak pernah ada.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
Dan sistem ini begitu efektifnya sehingga Atlassian meningkatkannya
14:48
with 20 Percent Time --
324
876000
2000
menjadi 20 Persen Waktu.
14:50
done, famously, at Google --
325
878000
2000
Seperti sistem terkenal yang dipakai di Google.
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
Di mana para insinyur dapat bekerja, menghabiskan 20 persen waktu mereka
14:54
working on anything they want.
327
882000
2000
mengerjakan apa pun yang mereka mau.
14:56
They have autonomy over their time,
328
884000
2000
Mereka memiliki otonomi terhadap waktu mereka,
14:58
their task, their team, their technique.
329
886000
2000
tugas-tugas mereka, tim mereka, teknik mereka.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
Tingkat otonomi yang radikal.
15:02
And at Google, as many of you know,
331
890000
4000
Dan di Google, mungkin banyak yang sudah tahu,
15:06
about half of the new products in a typical year
332
894000
2000
sekitar setengah dari produk-produk baru setiap tahunnya
15:08
are birthed during that 20 Percent Time:
333
896000
3000
dilahirkan dalam 20 Persen Waktu itu.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Produk seperti Gmail, Orkut, Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Ijinkan saya memberi contoh yang lebih radikal lagi.
15:17
something called the Results Only Work Environment,
336
905000
2000
Yang dinamakan Lingkungan Kerja Berbasis Keluaran
15:19
the ROWE,
337
907000
2000
Alias LKBK.
15:21
created by two American consultants, in place
338
909000
2000
Diciptakan oleh dua konsultan Amerika,
15:23
in place at about a dozen companies around North America.
339
911000
2000
diterapkan di sekitar selusin perusahaan di Amerika Utara.
15:25
In a ROWE people don't have schedules.
340
913000
4000
Dalam LKBK, karyawan tak punya jadwal.
15:29
They show up when they want.
341
917000
2000
Mereka datang kapan saja mereka mau.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
Mereka tak harus ada di kantor pada jam-jam tertentu,
15:33
or any time.
343
921000
2000
atau jam berapa pun.
15:35
They just have to get their work done.
344
923000
2000
Mereka hanya diharuskan untuk menyelesaikan pekerjaannya.
15:37
How they do it, when they do it,
345
925000
2000
Bagaimana melakukannya, kapan dilakukan,
15:39
where they do it, is totally up to them.
346
927000
3000
di mana melakukannya, semua terserah mereka.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
Rapat di lingkungan kerja ini tidak wajib.
15:46
What happens?
348
934000
2000
Apa dampaknya?
15:48
Almost across the board, productivity goes up,
349
936000
3000
Hampir di seluruh perusahaan, produktivitas meningkat,
15:51
worker engagement goes up,
350
939000
3000
karyawan jadi lebih melibatkan diri,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
kepuasan karyawan meningkat, yang pindah makin sedikit.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Kemandirian, kepakaran, dan tujuan,
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
Ini adalah batu penyusun dari sebuah cara baru untuk bekerja.
16:01
Now some of you might look at this and say,
354
949000
3000
Mungkin di antara anda ada yang melihat ini dan berkata,
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"Hmm, kedengarannya bagus. Tapi terlalu muluk."
16:07
And I say, "Nope. I have proof."
356
955000
5000
Dan saya katakan, "Nggak. Saya punya bukti."
16:12
The mid-1990s, Microsoft started
357
960000
2000
Pertengahan 1990-an, Microsoft memulai
16:14
an encyclopedia called Encarta.
358
962000
2000
sebuah ensiklopedi bernama Encarta.
16:16
They had deployed all the right incentives,
359
964000
2000
Mereka sudah memberi semua insentif yang tepat.
16:18
all the right incentives. They paid professionals to
360
966000
3000
Semua insentif yang tepat. Mereka membayar para profesional
16:21
write and edit thousands of articles.
361
969000
2000
untuk menulis dan mengedit ribuan artikel.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Manajer yang dibayar tinggi mengawasi seluruh proyek ini
16:25
to make sure it came in on budget and on time.
363
973000
5000
untuk memastikan agar penyelesaian sesuai anggaran dan jadwal.
16:30
A few years later another encyclopedia got started.
364
978000
2000
Beberapa tahun kemudian sebuah ensiklopedi lain mulai dibuat.
16:32
Different model, right?
365
980000
3000
Dengan model lain, iya kan?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Lakukan demi kesenangan. Tak ada yang dibayar satu sen, satu Euro, atau satu Yen.
16:39
Do it because you like to do it.
367
987000
3000
Lakukan karena kamu suka melakukannya.
16:42
Now if you had, just 10 years ago,
368
990000
3000
Nah jika anda telah, 10 tahun lalu saja,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
telah menemui seorang ekonom, di mana pun,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
dan bilang, "Hey, saya punya dua model berbeda untuk membuat ensiklopedi.
16:51
If they went head to head, who would win?"
371
999000
3000
Kalau kita adu kedua model ini, mana yang menang?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
10 tahun lalu anda tak akan menemukan satu ekonom waras di mana pun
16:58
on planet Earth
373
1006000
2000
di planet Bumi,
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
yang akan menjagokan model Wikipedia.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Ini adalah pertempuran terbesar kedua pendekatan tadi.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
Setara dengan laga Ali-Frazier di dunia motivasi. Iya kan?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
Inilah Thrilla' in Manila (judul laga Ali-Frazier di Filipina).
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
Oke? Motivasi dari dalam lawan motivasi dari luar.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Kemandirian, kepakaran dan tujuan,
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
lawan permen dan cambuk. Dan siapa yang menang?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Motivasi dari dalam, kemandirian, kepakaran, dan tujuan
17:20
in a knockout. Let me wrap up.
382
1028000
4000
menang KO. Ijinkan saya menyelesaikan.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
Ada kesenjangan antara yang pengetahuan ilmiah dan perilaku dunia usaha.
17:27
And here is what science knows.
384
1035000
2000
Dan inilah yang diketahui secara ilmiah.
17:29
One: Those 20th century rewards,
385
1037000
2000
Satu: Hadiah-hadiah dari abad ke 20,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
Motivator yang kita kira adalah bagian alami dari bisnis,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
memang efektif, tapi ternyata hanya untuk sedikit kasus saja.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
Dua: Hadiah-hadiah 'jika..-maka..' seringkali menghancurkan kreativitas.
17:42
Three: The secret to high performance
389
1050000
2000
Tiga: Rahasia dari prestasi tinggi
17:44
isn't rewards and punishments,
390
1052000
2000
bukanlah hadiah dan hukuman,
17:46
but that unseen intrinsic drive --
391
1054000
2000
tapi motivasi dari dalam yang tidak terlihat.
17:48
the drive to do things for their own sake.
392
1056000
3000
Motivasi untuk bertindak karena kita menginginkannya.
17:51
The drive to do things cause they matter.
393
1059000
2000
Motivasi untuk melakukan sesuatu karena itu penting.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
Dan inilah bagian terbaiknya. Inilah bagian terbaiknya.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Kita sudah tahu sekarang. Ilmu telah membenarkan apa yang kita ketahui dalam hati kita.
17:58
So, if we repair this mismatch
396
1066000
3000
Jadi, kalau kita perbaiki kesenjangan ini
18:01
between what science knows and what business does,
397
1069000
2000
antara apa yang diketahui secara ilmiah dan yang dilakukan dunia usaha,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
jika kita membawa motivasi, pengertian tentang motivasi
18:06
into the 21st century,
399
1074000
2000
ke abad 21,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
jika kita melewati ideologi malas dan berbahaya ini
18:12
of carrots and sticks,
401
1080000
2000
ideologi permen dan cambuk
18:14
we can strengthen our businesses,
402
1082000
3000
kita bisa menguatkan dunia usaha kita,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
kita bisa memecahkan banyak macam teka-teki lilin,
18:20
and maybe, maybe, maybe
404
1088000
4000
dan barangkali, barangkali, barangkali
18:24
we can change the world.
405
1092000
2000
kita bisa mengubah dunia.
18:26
I rest my case.
406
1094000
2000
Sekian pledoi saya.
18:28
(Applause)
407
1096000
3000
(Tepuk tangan)
ABOUT THE SPEAKER
Dan Pink - Career analystBidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace.
Why you should listen
With a trio of influential bestsellers, Dan Pink has changed the way companies view the modern workplace. In the pivotal A Whole New Mind, Pink identifies a sea change in the global workforce -- the shift of an information-based corporate culture to a conceptual base, where creativity and big-picture design dominates the landscape.
His latest book, The Adventures of Johnny Bunko, is an evolutionary transformation of the familiar career guide. Replacing linear text with a manga-inspired comic, Pink outlines six career laws vastly differing from the ones you've been taught. Members of the Johnny Bunko online forum participated in an online contest to create the seventh law -- "stay hungry."
A contributing editor for Wired, Pink is working on a new book on the science and economics of motivation for release in late 2009.
Dan Pink | Speaker | TED.com