Temuan
Kondisi, fakta, pola, deviation, keberhasilan, atau opportunity penting yang didukung evidence dan layak ditindaklanjuti atau dipelajari.
Pertanyaan utama: Kondisi penting apa yang didukung evidence dan perlu dipahami lebih lanjut, dipertahankan, diperbaiki, atau dimanfaatkan?
1. Definisi
Temuan adalah kondisi, fakta, pola, deviation, keberhasilan, atau opportunity penting yang didukung evidence dan ditemukan melalui monitoring, tinjauan, audit, analysis, observation, atau pembelajaran.
2. Temuan Tidak Selalu Negatif
| Tipe | Makna |
|---|---|
| Negative | Gap, deviation, failure, control weakness. |
| Positive | Keberhasilan atau praktik yang terbukti memberi hasil baik. |
| Opportunity | Peluang perbaikan, innovation, atau value creation. |
| Recurring | Kondisi yang berulang dan memerlukan perhatian sistemik. |
3. Temuan ≠ Akar Penyebab
“Complaint meningkat” dapat menjadi finding. Ia belum menjelaskan mengapa. Root cause baru ditetapkan setelah analysis dan evidence yang memadai.
4. Struktur Temuan
Temuan dapat memiliki title, description, type, sumber, date, related sasaran/KPI/inisiatif/proses, evidence, tingkat kepentingan, owner, status, recurrence, dan tinjauan requirement.
5. Bukti Pendukung
Temuan harus dapat ditelusuri ke evidence. Penafsiran perlu dibedakan dari direct observation. Bila evidence belum cukup, status dapat menyatakan investigation required.
6. Tingkat Kepentingan
Tidak setiap anomaly menjadi finding strategis. Tingkat Kepentingan dapat mempertimbangkan dampak, frequency, pemangku kepentingan effect, Dharma implication, strategic relevance, risiko, recurrence, dan pembelajaran value.
7. Positive Temuan
Keberhasilan perlu dipelajari seperti kegagalan. Positive finding dapat menuju Pelajaran yang Dipetik, Praktik Baik, Standardization, atau Replication setelah mechanism dan konteks dipahami.
8. Recurring Temuan
Temuan berulang dapat menunjukkan corrective action tidak efektif, root cause salah, system weakness, kemampuan gap, atau issue yang lebih strategis.
9. AI
AI dapat membantu menemukan pattern dan recurrence serta menghubungkan evidence historis. AI tidak boleh menyatakan root cause hanya karena pattern statistik.
10. Kesalahan Umum
- Temuan langsung diberi root cause tanpa analysis.
- Hanya mencatat finding negatif.
- Tidak ada evidence.
- Semua masalah kecil menjadi finding strategis.
- Recurring finding tidak dieskalasi.
11. Pertanyaan untuk Pimpinan
- Apa evidence kondisi ini?
- Seberapa material?
- Apakah pernah terjadi sebelumnya?
- Apakah perlu RCA atau cukup correction?
- Jika positif, apakah layak direplikasi?
Hubungan dengan Siklus DHASTRAM
Pembelajaran Domain mengubah hasil dan konsekuensi menjadi pengetahuan, keputusan perbaikan, pembaruan, dan praktik yang melembaga. Karena itu DHASTRAM tidak berhenti pada pengukuran kinerja: hasil harus dipahami, dipelajari, dan digunakan untuk memperbarui siklus berikutnya.
Selanjutnya: Analisis Akar Penyebab → Kerangka Glosarium Kanonik