Mengukur Kesenjangan Kompetensi Karyawan Sebelum Merancang Program Pelatihan
Tim Produk Lesan
2 Oktober 2026
Banyak program pelatihan korporat dirancang berdasarkan asumsi, bukan data — tim L&D mendengar keluhan dari beberapa manajer, atau mengikuti tren pelatihan yang sedang populer, lalu menyusun kurikulum berdasarkan perkiraan kebutuhan. Hasilnya sering kali materi yang setengah relevan: sebagian karyawan merasa terlalu dasar, sebagian lagi merasa kewalahan karena sebenarnya butuh fondasi yang belum dibahas.
Kenapa Asumsi Saja Tidak Cukup
Kesenjangan kompetensi yang sebenarnya sering berbeda dari yang diduga di atas kertas. Seorang manajer mungkin mengira timnya lemah di "komunikasi klien", padahal setelah diukur lebih rinci, masalah sebenarnya ada di pemahaman produk yang membuat komunikasi jadi kurang meyakinkan. Tanpa pengukuran yang terstruktur, pelatihan yang dirancang justru menyasar gejala, bukan akar masalah.
Masalah ini makin besar skalanya kalau organisasi punya ratusan karyawan di berbagai divisi. Mustahil mengandalkan feeling atau laporan lisan dari tiap manajer untuk memetakan kesenjangan kompetensi secara akurat di skala tersebut.
Diagnostic Test sebagai Titik Awal Pemetaan
Cara yang lebih terukur adalah memulai dengan diagnostic test terstruktur sebelum merancang kurikulum apa pun. Diagnostic test ini disusun dari bank soal yang ditag per kompetensi — bukan sekadar kuis umum — sehingga hasilnya langsung berupa peta kompetensi per peserta atau per kelompok, bukan skor tunggal yang tidak bisa dipecah lebih lanjut.
Di Lesan, hasil diagnostic test ini diproses menjadi identifikasi kelemahan otomatis yang biasanya selesai dalam hitungan menit, meski jumlah peserta cukup besar. Tim L&D tidak perlu menunggu berhari-hari untuk mendapat gambaran awal kesenjangan kompetensi di organisasi mereka.
Membaca Pola di Level Kelompok, Bukan Cuma Individu
Untuk merancang program pelatihan yang efisien, yang paling berguna biasanya bukan data individual satu per satu, tapi pola di level kelompok atau divisi. Dashboard analitik yang menampilkan peta kompetensi agregat membantu tim L&D melihat, misalnya, apakah kesenjangan kompetensi tertentu tersebar merata di seluruh organisasi, atau terkonsentrasi di divisi atau cabang tertentu saja — informasi yang langsung menentukan apakah pelatihan perlu diadakan untuk semua orang atau cukup untuk kelompok spesifik.
Kalau organisasi Anda beroperasi di beberapa cabang atau lokasi, filter analitik per cabang membantu melihat apakah kesenjangan yang sama muncul di semua lokasi, atau justru berbeda karakter — cabang tertentu mungkin lemah di kompetensi teknis, cabang lain lemah di kompetensi layanan.
Dari Peta Kesenjangan ke Rancangan Kurikulum yang Tepat Sasaran
Setelah peta kesenjangan kompetensi terbentuk, rancangan kurikulum pelatihan bisa disusun mengikuti prioritas nyata — kompetensi dengan kesenjangan terbesar dan berdampak paling langsung ke pekerjaan sehari-hari didahulukan, bukan mengikuti urutan modul generik yang sama untuk semua situasi. Materi yang dirancang berdasarkan peta kesenjangan yang akurat biasanya terasa jauh lebih relevan bagi peserta, karena memang menjawab kebutuhan nyata mereka, bukan asumsi tim penyusun kurikulum.
Skill Gap Bukan Kondisi Statis
Satu hal yang perlu diingat: kesenjangan kompetensi bukan kondisi yang diukur sekali lalu selesai. Kebutuhan industri berubah, teknologi baru muncul, dan kompetensi yang tadinya cukup bisa jadi kurang relevan seiring waktu. Idealnya, pengukuran kesenjangan kompetensi dilakukan secara berkala — bukan hanya sekali di awal sebelum program pelatihan pertama dirancang — sehingga organisasi bisa terus menyesuaikan program pelatihannya mengikuti kebutuhan yang berubah, bukan mengandalkan pemetaan yang sudah usang bertahun-tahun.
Menghubungkan Skill Gap dengan Rencana Belajar Individual
Setelah peta kesenjangan kompetensi di level organisasi terbentuk, langkah lanjutan yang sering luput adalah menerjemahkannya ke rencana belajar per individu, bukan berhenti di rekomendasi program pelatihan generik untuk semua orang di divisi yang sama. Sistem yang bisa menghasilkan rekomendasi latihan personal berdasarkan peta kelemahan masing-masing karyawan — dengan tetap melalui persetujuan atasan atau tim L&D sebelum ditampilkan — membuat proses menutup skill gap terasa lebih relevan bagi karyawan itu sendiri, dibanding diminta mengikuti pelatihan yang separuh materinya sebenarnya sudah mereka kuasai.
Contoh Kasus: Kesenjangan yang Berbeda dari Dugaan Manajer
Misalkan seorang manajer tim sales melaporkan ke tim L&D bahwa timnya "lemah closing", dan meminta pelatihan teknik closing penjualan. Sebelum langsung merancang kurikulum sesuai permintaan itu, tim L&D menjalankan diagnostic test terstruktur ke seluruh tim, dengan soal yang ditag ke beberapa kompetensi terpisah: pemahaman produk, teknik bertanya kebutuhan pelanggan, penanganan keberatan, dan teknik closing itu sendiri.
Hasilnya menunjukkan pola yang berbeda dari dugaan awal: skor teknik closing sebenarnya sudah cukup baik, tapi skor penanganan keberatan jauh di bawah rata-rata. Setelah ditelusuri, pola ini masuk akal — tim sales sering gagal sampai ke tahap closing karena terhenti lebih dulu di tahap menangani keberatan pelanggan, bukan karena teknik closing mereka lemah begitu sampai di tahap itu. Kalau tim L&D langsung merancang pelatihan closing sesuai permintaan awal manajer, materinya akan menyasar kompetensi yang sebenarnya sudah cukup kuat, sementara akar masalah sesungguhnya tetap tidak tersentuh.
Contoh ini menunjukkan kenapa diagnostic test terstruktur dengan tagging kompetensi yang cukup rinci lebih berharga dibanding sekadar menerima keluhan permukaan dari manajer lini, sebaik apa pun niat dan pengamatan manajer tersebut terhadap timnya sehari-hari.
Menghindari Kesalahan Umum: Menyamakan Skor Rendah dengan Kegagalan
Saat pertama kali melihat hasil analisis skill gap yang cukup besar, reaksi umum tim manajemen adalah mengaitkannya dengan kegagalan kinerja karyawan. Padahal skill gap yang teridentifikasi lewat assessment terstruktur biasanya justru menunjukkan area yang memang belum pernah dilatih secara formal, bukan indikasi karyawan tidak kompeten menjalankan tugasnya secara umum. Membingkai hasil skill gap sebagai bahan perencanaan pelatihan — bukan sebagai evaluasi kinerja yang menghukum — membantu organisasi mendapatkan data yang lebih jujur, karena karyawan tidak merasa perlu menyembunyikan kelemahan mereka saat mengerjakan assessment.

Tim Produk Lesan
Product Team
Tim yang membangun dan merawat Lesan — infrastruktur pembelajaran bertenaga AI untuk bimbel, sekolah, dan lembaga pelatihan.