Produk

Perbandingan Performa Antar Cabang: Cara Membaca Data Tanpa Menghakimi Guru

Tim Produk Lesan

Tim Produk Lesan

12 November 2026

Begitu bimbel punya lebih dari satu cabang, pertanyaan "cabang mana yang performanya paling bagus" cepat atau lambat pasti muncul — dari pemilik yang ingin tahu di mana investasi berikutnya diarahkan, sampai dari guru yang penasaran apakah cabangnya dibandingkan dengan cabang lain. Filter cabang di dashboard analytics Lesan membuat perbandingan ini mudah dilakukan secara teknis. Tapi kemudahan teknis ini punya risiko: perbandingan angka yang dibaca serampangan bisa dengan cepat berubah jadi alat menyalahkan guru, padahal yang memengaruhi skor kompetensi antar cabang jauh lebih kompleks dari sekadar "guru mana yang lebih baik".

Angka Mentah Antar Cabang Jarang Setara

Dua cabang bisa punya rata-rata skor kompetensi yang berbeda jauh bukan karena kualitas pengajaran berbeda jauh, tapi karena karakteristik siswa yang masuk memang berbeda sejak awal. Cabang yang berlokasi di area dengan kompetisi sekolah lebih ketat sering menarik siswa dengan kemampuan dasar yang sudah lebih tinggi. Cabang yang baru dibuka biasanya punya proporsi siswa baru lebih besar, yang secara wajar skornya masih dalam proses naik dibanding siswa lama di cabang yang sudah berjalan lama.

Membandingkan skor rata-rata mentah antar cabang tanpa memperhitungkan hal ini sama seperti membandingkan waktu tempuh lari dua orang tanpa memperhitungkan bahwa satu orang baru mulai berlari minggu ini dan satu lagi sudah berlatih setahun. Yang lebih adil dibandingkan bukan skor mentahnya, tapi pergerakannya — seberapa besar peningkatan skor kompetensi siswa di cabang tersebut dari titik masuk mereka, bukan posisi absolut mereka sekarang.

Pisahkan Pola Kelas dari Pola Individu Guru

Weakness map di dashboard institusi Lesan menunjukkan pola di level kelas atau cabang, bukan menilai guru secara langsung. Ini perbedaan yang penting dijaga saat data dibawa ke evaluasi. Kalau satu kompetensi tertentu terlihat lemah di satu cabang, pertanyaan pertama yang perlu diajukan bukan "guru mana yang mengajar ini", tapi "apakah pola ini konsisten di banyak kelas dan banyak guru di cabang tersebut, atau hanya di satu kelas tertentu".

Kalau polanya menyebar di banyak kelas dengan guru berbeda-beda, kemungkinan besar akarnya bukan soal individu guru, melainkan soal sumber daya di cabang itu — bisa jadi bank soal lokal yang dipakai kurang lengkap untuk kompetensi tersebut, bisa jadi jam belajar yang lebih pendek dibanding cabang lain, atau fasilitas yang berbeda. Kalau polanya hanya muncul di satu kelas dengan satu guru, barulah percakapan tentang dukungan tambahan untuk guru tersebut menjadi relevan — dan bahkan di titik ini, percakapannya sebaiknya diarahkan sebagai dukungan, bukan sebagai teguran, karena data pola saja tidak pernah menjelaskan penyebabnya secara lengkap.

Bandingkan Tren, Bukan Snapshot Sesaat

Perbandingan yang lebih berguna dan lebih adil adalah membandingkan tren dari waktu ke waktu, bukan snapshot satu titik. Cabang yang skornya lebih rendah sekarang tapi trennya konsisten naik sebenarnya menunjukkan sesuatu yang positif — sistem dan pengajaran di sana sedang bekerja, hanya belum sampai di titik yang sama dengan cabang lain yang sudah lebih lama beroperasi. Sebaliknya, cabang dengan skor tinggi tapi trennya stagnan atau menurun justru layak mendapat perhatian lebih, meski angka absolutnya masih terlihat baik di permukaan.

Data progress snapshot yang tersimpan otomatis di setiap sesi assessment dan latihan di Lesan membuat perbandingan tren semacam ini bisa dilakukan tanpa perlu menyusun ulang data secara manual — cukup memilih rentang waktu yang sama untuk setiap cabang yang dibandingkan, lalu melihat arah pergerakannya, bukan posisi akhirnya saja.

Kapan Kesenjangan Antar Cabang Layak Jadi Perhatian Serius

Meski sebagian besar kesenjangan antar cabang bisa dijelaskan oleh perbedaan karakteristik siswa dan usia cabang, ada situasi di mana kesenjangan itu memang layak jadi perhatian serius, bukan sekadar dimaklumi. Tandanya cukup jelas kalau diperhatikan: kesenjangan yang tidak mengecil meski cabang yang lebih baru sudah berjalan cukup lama, atau kesenjangan yang justru melebar dari waktu ke waktu alih-alih menyempit seiring cabang baru semakin matang.

Dalam situasi ini, penjelasan "cabang ini kan baru" tidak lagi cukup, karena waktu seharusnya sudah memberi kesempatan cabang tersebut menyusul kalau memang tidak ada masalah struktural. Yang perlu digali lebih dalam biasanya bukan soal guru, tapi soal sumber daya dasar — apakah cabang tersebut punya bank soal lokal yang selengkap cabang lain, apakah jam operasionalnya setara, apakah ada kekurangan fasilitas yang belum pernah diangkat secara formal oleh kepala cabang setempat karena segan melapor.

Cara paling produktif menangani situasi ini adalah kunjungan langsung dari tim pusat, bukan sekadar menganalisis data dari jarak jauh. Data kompetensi bisa menunjukkan ada yang tidak beres, tapi jarang bisa menjelaskan sepenuhnya kenapa — dan di titik inilah data perlu dilengkapi dengan percakapan langsung serta observasi kondisi nyata di lapangan, sebelum kesimpulan apa pun diambil sebagai dasar tindakan.

Gunakan Perbandingan untuk Berbagi, Bukan untuk Menghukum

Cara paling produktif memakai data perbandingan cabang adalah menjadikannya bahan berbagi praktik baik, bukan bahan menghukum cabang yang tertinggal. Kalau satu cabang secara konsisten menunjukkan penguasaan kompetensi tertentu lebih baik dibanding cabang lain dengan karakteristik siswa yang setara, itu layak digali — apa yang dilakukan berbeda di sana? Apakah bank soal lokalnya lebih lengkap, apakah jadwal latihannya lebih sering, apakah ada praktik pengajaran tertentu yang bisa direplikasi ke cabang lain?

Pendekatan ini mengubah data perbandingan dari alat pengawasan jadi alat pembelajaran organisasi. Guru dan kepala cabang jauh lebih terbuka membicarakan data ketika mereka tahu tujuannya adalah mencari solusi bersama, bukan mencari siapa yang harus disalahkan. Dan pada akhirnya, itu yang membuat data antar cabang benar-benar dipakai secara rutin, bukan ditakuti dan dihindari setiap kali laporan bulanan dikirim ke pemilik bimbel.

Tim Produk Lesan

Tim Produk Lesan

Product Team

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