<![CDATA[Integrasi Data Tunggal Sosial dan Ekonomi Nasional (DTSEN) memperkuat tata kelola data sosial-ekonomi nasional sebagai dasar perencanaan kebijakan, perlindungan sosial, dan penanggulangan kemiskinan. Namun, integrasi data tidak secara otomatis menghilangkan permasalahan kualitas informasi seperti duplikasi residual, inkonsistensi atribut, ketidakmutakhiran data, ketidaksesuaian lintas sumber, dan risiko salah klasifikasi yang dapat memengaruhi ketepatan sasaran program sosial. Kondisi tersebut menunjukkan perlunya mekanisme audit pasca-integrasi yang mampu mendukung pemeriksaan kualitas data secara lebih efektif dan sistematis. Penelitian ini bertujuan merumuskan kerangka konseptual audit kualitas data berbasis kecerdasan buatan (AI) untuk mendukung deteksi anomali dan prioritas verifikasi data kemiskinan pasca-integrasi DTSEN dalam perspektif pemerintahan cerdas daerah. Penelitian menggunakan tinjauan konseptual berbasis sintesis naratif-tematik terhadap literatur ilmiah, regulasi, dokumen kebijakan, dan laporan lembaga internasional yang relevan dengan registri sosial, kualitas data, deteksi anomali, tata kelola AI, dan pemerintahan digital. Hasil penelitian menghasilkan tiga keluaran utama: sintesis tema literatur yang mencakup delapan tema saling melengkapi; tipologi anomali data kemiskinan yang memuat enam jenis penyimpangan beserta implikasi auditnya; serta kerangka konseptual yang menempatkan DTSEN sebagai basis data sosial-ekonomi, audit kualitas data sebagai lapisan pemeriksaan pasca-integrasi, AI sebagai alat bantu deteksi anomali yang menghasilkan daftar prioritas verifikasi berbasis risiko, dan mekanisme human-in-the-loop sebagai validasi akhir di mana aparatur yang berwenang menentukan tindak lanjut administratif. Kerangka ini menempatkan pelindungan data pribadi dan akuntabilitas algoritmik sebagai prinsip tata kelola, serta dapat diadaptasi sebagai landasan konseptual bagi audit kualitas data pada registri sosial terintegrasi di sektor publik lain yang menghadapi tantangan serupa.]]>
Copyrights © 2026
