Kualitas Data dan Tata Kelola Jadi Fondasi AI di Indonesia

Perkembangan kecerdasan artifisial mendorong organisasi untuk semakin serius membangun tata kelola data yang berkualitas. Teknologi AI yang canggih tidak akan memberikan hasil optimal apabila didukung data yang tidak akurat, tidak konsisten, atau sulit diintegrasikan. Karena itu, manajemen data menjadi fondasi penting dalam keberhasilan transformasi digital, termasuk dalam penerapan kebijakan Satu Data Indonesia.

Hal tersebut disampaikan Alex Budiyanto, President Indonesia Data Management Association (DAMA Indonesia Jakarta), dalam acara CDO|CIO Summit 2026: The Executive Agenda for Indonesia's Data & AI Future – Navigating the Direction of One Data Indonesia.

Dalam pemaparannya, Alex menekankan pentingnya manajemen data sebagai bagian dari strategi organisasi untuk menghadapi perkembangan AI. Menurutnya, pengelolaan data tidak seharusnya dipandang sebatas urusan teknis atau kewajiban memenuhi regulasi, melainkan sebagai langkah strategis untuk meningkatkan kualitas pengambilan keputusan dan mendorong inovasi.

"AI hanya bisa memberikan hasil yang optimal jika didukung data yang berkualitas, dikelola dengan baik, dan dapat dipercaya," ujar Alex.

Manajemen Data Jadi Fondasi Pengembangan AI

Pemanfaatan AI semakin luas di berbagai sektor, mulai dari layanan publik, industri, hingga bisnis. Namun, kemampuan AI dalam menghasilkan analisis dan rekomendasi sangat bergantung pada kualitas data yang digunakan untuk melatih maupun menjalankan modelnya.

Data yang tidak lengkap, mengandung kesalahan, atau memiliki format berbeda antarsistem dapat menghasilkan keluaran AI yang kurang akurat. Dalam kondisi tertentu, kesalahan tersebut bahkan berpotensi menyesatkan pengguna ketika mengambil keputusan.

Karena itu, organisasi perlu memastikan bahwa data yang dimiliki telah melalui proses pengelolaan yang tepat. Proses tersebut mencakup pengumpulan, penyimpanan, pengintegrasian, pengamanan, pemeliharaan kualitas, hingga pemanfaatan data sesuai kebutuhan.

"Data bukan sekadar kumpulan angka atau informasi. Data harus memiliki kualitas, konteks, dan makna yang jelas agar bisa dimanfaatkan secara tepat, termasuk oleh sistem AI," jelas Alex.

Selain kualitas, konteks dan metadata juga memiliki peran penting. Metadata membantu menjelaskan arti, sumber, struktur, serta karakteristik suatu data. Dengan informasi tersebut, organisasi dapat memahami data yang digunakan dan mengurangi risiko kesalahan interpretasi ketika data diproses oleh sistem AI.

Kemampuan mengintegrasikan data dari berbagai sistem juga menjadi faktor penting. Tanpa interoperabilitas yang memadai, data berpotensi terpisah dalam berbagai aplikasi dan unit kerja sehingga sulit digunakan secara menyeluruh.

DAMA-DMBOK Menjadi Panduan Pengelolaan Data

Dalam pemaparannya, Alex juga mengangkat peran DAMA International, organisasi profesional yang berkontribusi dalam pengembangan praktik manajemen data sejak didirikan pada 1980.

Salah satu kontribusi penting organisasi tersebut adalah Data Management Body of Knowledge (DAMA-DMBOK), sebuah panduan yang menyediakan kerangka pengetahuan, praktik terbaik, dan istilah bersama dalam pengelolaan data perusahaan.

DAMA-DMBOK membantu organisasi memahami bahwa manajemen data bukanlah pekerjaan yang berdiri sendiri. Pengelolaan data melibatkan berbagai fungsi yang saling berkaitan, mulai dari arsitektur data, pemodelan, kualitas, keamanan, tata kelola, hingga pemanfaatan data untuk analisis dan ilmu data.

Panduan tersebut pertama kali diterbitkan pada 2009. Edisi kedua, DAMA-DMBOK 2, dirilis pada 2017, kemudian mengalami pembaruan pada 2024 untuk mencakup perkembangan kebutuhan dan praktik pengelolaan data.

Salah satu konsep yang dikenal dalam kerangka DAMA adalah DAMA Wheel. Kerangka ini mencakup 11 knowledge area yang mendukung siklus hidup data, mulai dari penciptaan dan penyimpanan hingga integrasi serta pemanfaatan untuk kebutuhan strategis.

Melalui pendekatan tersebut, organisasi dapat melihat pengelolaan data sebagai suatu ekosistem yang membutuhkan koordinasi antarfungsi.

Bagi pengembangan AI, setiap area memiliki peran tersendiri. Pengelolaan kualitas memastikan data tetap akurat dan konsisten, arsitektur data mendukung struktur serta integrasi informasi, sementara tata kelola dan keamanan membantu memastikan data digunakan secara bertanggung jawab.

Dengan demikian, penerapan AI tidak cukup hanya dengan memilih model atau platform yang canggih. Organisasi juga perlu membangun proses pengelolaan data yang disiplin dan berkelanjutan.

Aiken Pyramid Membantu Menyusun Strategi Data

Selain DAMA Wheel, konsep Aiken Pyramid turut menjadi bagian dari pembahasan mengenai strategi manajemen data.

Kerangka yang dikembangkan Peter Aiken, President DAMA International, tersebut disusun berdasarkan area fungsional dalam DAMA-DMBOK. Tujuannya adalah membantu organisasi memahami dan mengelola berbagai pilar manajemen data secara lebih terstruktur.

Aiken Pyramid dapat digunakan sebagai panduan dalam merumuskan strategi data dengan mempertimbangkan empat fase yang saling berkaitan. Pendekatan ini membantu organisasi melihat bahwa keberhasilan pengelolaan data memerlukan fondasi yang kuat, perencanaan yang jelas, serta pelaksanaan yang terkoordinasi.

Dengan strategi yang terarah, organisasi dapat menentukan prioritas pengembangan data sesuai kebutuhan bisnis maupun pelayanan publik. Hal ini juga membantu menyelaraskan investasi teknologi dengan kemampuan organisasi dalam mengelola informasi.

Dalam konteks AI, strategi tersebut penting agar pengembangan teknologi tidak berjalan lebih cepat daripada kesiapan data yang mendukungnya.

Organisasi perlu memastikan bahwa data yang digunakan memiliki standar yang jelas, dikelola oleh pihak yang bertanggung jawab, serta dapat diakses sesuai kewenangan. Tanpa fondasi tersebut, investasi AI berisiko tidak menghasilkan manfaat sesuai harapan.

Satu Data Indonesia dan Pentingnya Tata Kelola

Dalam paparannya, Alex menjelaskan bahwa manajemen data memiliki keterkaitan erat dengan arah kebijakan Satu Data Indonesia. Kebijakan ini menekankan pentingnya penyediaan data yang akurat, mutakhir, terpadu, dapat dipertanggungjawabkan, serta mudah diakses dan dibagipakaikan sesuai dengan ketentuan yang berlaku.

Prinsip tersebut relevan dalam pengembangan AI, terutama ketika organisasi perlu memanfaatkan data dari berbagai sumber untuk menghasilkan analisis yang lebih menyeluruh.

Data yang dikelola dengan standar yang selaras akan mempermudah integrasi lintas sistem dan mengurangi perbedaan informasi antarlembaga atau unit kerja. Kondisi ini dapat mendukung pengambilan keputusan yang lebih baik sekaligus meningkatkan efisiensi pemanfaatan teknologi.

Meski demikian, interoperabilitas tidak berarti semua data harus dapat diakses tanpa batas. Penggunaannya tetap perlu memperhatikan hak akses, tujuan pemrosesan, serta ketentuan perlindungan data pribadi yang berlaku, termasuk Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi.

Keamanan dan privasi menjadi aspek yang tidak dapat dipisahkan dari manajemen data. Organisasi harus memastikan bahwa data terlindungi dari akses tidak sah, kebocoran, maupun penyalahgunaan, terutama ketika data digunakan untuk melatih atau mengoperasikan sistem AI.

"Pengelolaan data harus berjalan seiring dengan kualitas, keamanan, privasi, dan tata kelola yang jelas. Tanpa itu, kepercayaan terhadap pemanfaatan AI akan sulit dibangun," ungkap Alex.

Tanpa tata kelola yang baik, potensi AI sulit dimaksimalkan. Sebaliknya, data yang berkualitas dan dikelola secara tepat dapat menjadi modal penting untuk mendorong inovasi, meningkatkan kualitas keputusan, serta memperkuat kepercayaan terhadap transformasi digital di Indonesia.