9  UAS-4 My Knowledge

Body of Knowledge untuk Mewujudkan AQUA-NUSA sebagai Sistem STI di Era AI

1) Pengetahuan Domain: Air Bersih & Sanitasi

Krisis air bersih terjadi ketika populasi tidak punya akses air minum aman atau sanitasi memadai; penyebabnya bisa kelangkaan air, infrastruktur buruk, pencemaran, dan kemiskinan. Dampaknya mencakup penyakit, penurunan produktivitas, dan menghambat pendidikan.
(Sumber: Top-10 Problems, masalah #6 — Air Bersih & Sanitasi, PDF kelas)

2) Pengetahuan Data: Minimum Viable Evidence + Data Governance

Karena lapangan tidak ideal, saya menggunakan prinsip: - data sederhana tapi konsisten, - provenance + timestamp + lokasi, - verifikasi berlapis (petugas + warga), - mekanisme anti-spam dan perlindungan privasi.

Data model minimum: - Event (kejadian/laporan/sensor), - Asset (pipa/sumber air/toilet), - Ticket (pekerjaan), - Verification (bukti penyelesaian), - Feedback (kepuasan/konfirmasi warga).

3) Pengetahuan AI: Metode Tepat Guna (Service-Oriented AI)

AQUA-NUSA memakai AI untuk: - klasifikasi laporan warga (NLP), - deteksi anomali kualitas air (time-series), - risk scoring (prioritisasi), - rekomendasi tindakan (playbook + pembelajaran).

Prinsip aman: - jika confidence rendah → minta verifikasi, bukan memaksa keputusan otomatis, - audit trail untuk perubahan model/rule (governance).

4) Pengetahuan Rekayasa Sistem: Operasi, Observability, dan Ketahanan

Sistem layanan publik wajib punya: - ticketing + SLA, - status transparan, - audit trail (siapa melakukan apa), - observability (log + metrik), - offline-first + sinkronisasi, - prosedur fallback saat sistem down.

Tanpa ini, AI hanya jadi demo.

5) Etika, Keamanan, dan Fairness

• Privasi: lokasi/identitas pelapor dilindungi; data kesehatan agregat.
  
• Keamanan: rate limiting, verifikasi, deteksi laporan palsu, dan kontrol akses.
  
• Fairness: wilayah minim data dipetakan sebagai risiko; SLA tidak boleh “bias keramaian”.

6) Evaluasi Dampak: Ukur yang benar

Pisahkan metrik: - Model metrics: akurasi klasifikasi, false alarm, calibration
- Service metrics: MTTA/MTTR, resolution rate, repeat rate, SLA compliance
- Equity metrics: gap waktu tanggap wilayah rentan vs non-rentan
- Outcome proxy: tren keluhan & indikator kesehatan agregat (bila tersedia)

7) Penutup

Body of knowledge ini membuat AQUA-NUSA bukan sekadar ide, tetapi sistem yang bisa dirancang, diuji, dioperasikan, dan diperbaiki secara berkelanjutan.