Pendahuluan: Tantangan Pemanfaatan Data M&E di Sektor Sosial

Ask-a-Metric adalah alat artificial intelligence (AI) yang dirancang untuk menjembatani kesenjangan antara sistem Monitoring and Evaluation (M&E) dan praktik pengambilan keputusn berbasis data di sektor sosial. Meskipun dashboard M&E telah banyak dikembangkan dan digunakan, berbagai studi menunjukkan bahwa pemanfaatan data dalam pengambilan keputusan masih terbatas; misalnya, laporan World Bank (2021) mencatat bahwa di sejumlah negara berpenghasilan rendah dan menengah, kurang dari 40% unit pemerintah menggunakan data M&E secara rutin dalam perencanaan program. Ask-a-Metric menghadirkan cara baru untuk mengakses metrik kunci melalui WhatsApp, sehingga keputusan berbasis data dapat diambil dengan lebih cepat, mudah, dan inklusif, terutama di lingkungan dengan keterbatasan infrastruktur digital.

Perkembangan Sistem M&E dan Keterbatasan Penggunaan Dashboard

Selama beberapa tahun terakhir, berbagai lembaga pemerintah dan organisasi sektor sosial telah membangun sistem M&E yang relatif canggih. Dashboard menjadi pintu utama untuk mengakses analitik dan laporan yang dibutuhkan manajer program, pejabat senior, dan tim lapangan. Namun, ketersediaan infrastruktur ini tidak secara otomatis berujung pada penggunaan data yang efektif. Penelitian UNICEF (2020), misalnya, menunjukkan bahwa meskipun lebih dari 70% program sosial memiliki dashboard, hanya sekitar 30–40% staf yang menggunakannya secara aktif. Ask-a-Metric hadir untuk mengubah dashboard yang pasif menjadi akses data yang aktif, responsif, dan relevan dengan kebutuhan pengguna, dengan menempatkan percakapan sebagai antarmuka utama.

Dua Tipe Pengguna dan Hambatan Akses Data

Untuk memahami tantangan yang dihadapi, bayangkan dua tipe pengguna: seorang pejabat pemerintah senior dan seorang petugas lapangan organisasi nirlaba. Keduanya berada pada level berbeda dalam struktur organisasi, tetapi menghadapi hambatan serupa saat mengakses data. Pejabat senior sering bepergian dan mengandalkan ponsel sebagai perangkat utama, sementara petugas lapangan menggunakan perangkat sederhana dengan koneksi internet terbatas. Survei GSMA (2023) menunjukkan bahwa di banyak negara berpenghasilan rendah dan menengah, lebih dari 60% pengguna internet mengakses data terutama melalui ponsel dengan spesifikasi menengah ke bawah. Ask-a-Metric dirancang untuk melayani kedua kelompok ini tanpa menuntut kemampuan teknis tinggi atau akses ke perangkat mahal.

Keterbatasan Dashboard pada Perangkat Seluler

Salah satu masalah utama dalam pemanfaatan dashboard M&E adalah ketergantungan pada laptop atau komputer. Di banyak negara berpenghasilan rendah dan menengah, mayoritas pengguna mengakses internet melalui ponsel dengan kapasitas pemrosesan dan tampilan yang terbatas. Dashboard yang kompleks umumnya tidak dioptimalkan untuk layar kecil dan koneksi yang tidak stabil. Akibatnya, meskipun dashboard tersedia, akses nyata terhadap informasi di dalamnya menjadi terbatas dan sering tertunda. Hal ini berdampak pada keterlambatan pengambilan keputusan, terutama pada momen krusial seperti respons terhadap penurunan capaian indikator atau perubahan kondisi di lapangan.

Prasyarat Akses Dashboard dan Hambatan Praktis

Untuk mengakses data di dashboard, pengguna biasanya harus memenuhi beberapa prasyarat. Branda perlu memiliki perangkat yang memadai, koneksi internet yang stabil, mengetahui alamat dashboard, menyimpan kredensial login, dan memahami struktur tampilan serta logika visualisasi. Dalam praktik, banyak dari syarat ini tidak terpenuhi secara konsisten. Pejabat senior tidak selalu sempat membuka dashboard di tengah jadwal yang padat, sementara petugas lapangan mungkin tidak terbiasa menavigasi antarmuka analitik yang rumit. Studi internal di berbagai organisasi menunjukkan bahwa lupa kata sandi, kesulitan menemukan tautan dashboard, dan ketidakpahaman terhadap struktur menu merupakan alasan umum rendahnya frekuensi penggunaan dashboard.

Keterbatasan Potongan Data dan Kebutuhan Laporan Kontekstual

Dashboard juga cenderung menampilkan potongan data yang sudah ditentukan sebelumnya. Potongan ini mungkin relevan bagi sebagian pengguna, tetapi tidak selalu menjawab kebutuhan spesifik seluruh organisasi. Manajer program membutuhkan ringkasan indikator kinerja utama (Key Performance Indicators/KPI), sedangkan petugas lapangan memerlukan detail per wilayah, kelompok penerima manfaat, atau periode waktu tertentu. Tanpa fleksibilitas tinggi, dashboard sulit menjawab pertanyaan kontekstual yang muncul di lapangan, misalnya terkait perbedaan capaian antar desa atau perubahan tren partisipasi setelah intervensi tertentu. Akibatnya, pengguna sering kali harus meminta bantuan tim data atau analis untuk menghasilkan laporan khusus, yang memakan waktu dan sumber daya.

Kompleksitas Antarmuka Dashboard dan Dampaknya terhadap Adopsi

Pengguna dashboard harus memahami tata letak, tab, filter, dan cara menyesuaikan tampilan. Jika branda tidak yakin apakah metrik tertentu tersedia, branda dapat menghabiskan banyak waktu hanya untuk mencari. Pengalaman ini membuat penggunaan dashboard terasa tidak efisien dan melelahkan. Dalam jangka panjang, banyak pengguna menjadi enggan mengakses dashboard, meskipun data yang branda butuhkan sebenarnya sudah tersimpan di sistem. Fenomena ini sejalan dengan temuan berbagai evaluasi sistem informasi manajemen, yang menunjukkan bahwa adopsi teknologi sering kali terhambat bukan oleh ketiadaan data, melainkan oleh antarmuka yang tidak ramah pengguna dan kurangnya dukungan kontekstual.

Dimensi Bahasa dalam Akses Data dan Dashboard

Dimensi lain yang sering diabaikan adalah bahasa. Banyak dashboard dan sistem analitik di sektor sosial menggunakan bahasa Inggris sebagai bahasa utama. Hal ini sejalan dengan praktik kerja di tingkat manajemen dan donor internasional. Namun, di tingkat non-manajemen dan petugas lapangan, bahasa lokal jauh lebih nyaman digunakan. Perbedaan ini menciptakan jurang pemahaman yang signifikan. Laporan UNESCO (2019) menekankan bahwa penggunaan bahasa lokal dalam sistem informasi dapat meningkatkan pemahaman dan partisipasi pengguna secara substansial, terutama di sektor pendidikan dan kesehatan.

Keterbatasan Kepercayaan Diri Petugas Lapangan terhadap Bahasa Inggris

Petugas lapangan yang mengumpulkan data sering kali tidak percaya diri membaca laporan atau dashboard berbahasa Inggris. Akibatnya, data yang branda kumpulkan tidak kembali kepada branda dalam bentuk informasi yang mudah dipahami. Kesempatan untuk menggunakan data secara luas di semua level organisasi pun berkurang. Padahal, banyak keputusan penting justru diambil di tingkat lapangan, dekat dengan penerima manfaat. Ketika data tidak dapat diakses dalam bahasa yang familiar, potensi pemanfaatan bukti untuk penyesuaian program, identifikasi masalah, dan inovasi lokal menjadi terbatas.

Peran Large Language Models dalam Mengatasi Hambatan Bahasa dan Akses

Perkembangan Large Language Models (LLMs) membuka peluang baru untuk mengatasi hambatan tersebut. Dengan LLM, data yang relevan untuk pengambilan keputusan dapat tersedia bagi semua orang di organisasi, dalam bahasa pilihan branda. Ask-a-Metric memanfaatkan kemampuan ini untuk menghadirkan pengalaman “mengobrol” langsung dengan basis data organisasi, tanpa memaksa pengguna mempelajari istilah teknis atau struktur query. Pendekatan ini sejalan dengan tren global pemanfaatan Generative AI untuk meningkatkan akses terhadap informasi, sebagaimana dilaporkan oleh OECD (2023) dalam kajian mengenai penggunaan AI di sektor publik.

Antarmuka Percakapan sebagai Jembatan Infrastruktur Data dan Pengguna

Bayangkan setiap pegawai, dari pejabat pemerintah tingkat atas hingga petugas lapangan, dapat mengajukan pertanyaan dalam bahasa Indonesia atau bahasa lokal. Sistem kemudian menjawab dengan data yang relevan dalam bahasa yang sama, dengan penjelasan yang disesuaikan dengan konteks organisasi. Pendekatan ini menjembatani kesenjangan antara infrastruktur data yang sudah ada dan kemampuan nyata pengguna memanfaatkan data. Ask-a-Metric menjadikan percakapan sebagai antarmuka utama untuk analisis data, sehingga interaksi dengan data terasa lebih natural dan intuitif, tanpa mengorbankan ketepatan informasi.

Ask-a-Metric sebagai Analis Data Berbasis AI

Ask-a-Metric adalah analis data berbasis AI yang dirancang untuk menjawab pertanyaan langsung dari basis data organisasi. Alih-alih memaksa pengguna menyesuaikan diri dengan struktur dashboard yang kaku, Ask-a-Metric memungkinkan pertanyaan natural seperti, “Berapa jumlah penerima manfaat di kabupaten X bulan lalu?” atau “Bagaimana tren kehadiran peserta pelatihan dalam tiga bulan terakhir?” Sistem menerjemahkan pertanyaan tersebut menjadi query teknis, mengambil data, lalu menyajikannya dalam format yang mudah dipahami, misalnya dalam bentuk ringkasan teks, tabel sederhana, atau grafik yang dapat dikirim melalui WhatsApp.

Keunggulan Ask-a-Metric Dibanding Sistem Analisis Data Tradisional

Keunggulan Ask-a-Metric dibandingkan sistem analisis data tradisional terletak pada akses, bahasa, fleksibilitas, dan kemudahan penggunaan. Ask-a-Metric dirancang untuk menurunkan hambatan adopsi teknologi data di sektor sosial. Dengan memanfaatkan platform yang sudah akrab bagi pengguna, seperti WhatsApp, Ask-a-Metric mengintegrasikan analitik ke dalam alur kerja sehari-hari, bukan sebaliknya. Pendekatan ini sejalan dengan temuan berbagai studi adopsi teknologi yang menunjukkan bahwa integrasi ke dalam platform yang sudah digunakan secara luas meningkatkan kemungkinan penggunaan berulang dan keberlanjutan sistem.

Akses Melalui WhatsApp sebagai Platform Populer

Pertama, Ask-a-Metric dapat diakses melalui WhatsApp, aplikasi pesan yang sangat populer di banyak negara berpenghasilan rendah dan menengah. Menurut laporan DataReportal (2024), WhatsApp digunakan oleh lebih dari 2 miliar pengguna di seluruh dunia, dan di sejumlah negara, penetrasi penggunaannya di kalangan orang dewasa mencapai lebih dari 80%. Pengguna tidak perlu mengunduh aplikasi baru atau mempelajari platform tambahan. Branda cukup mengirim pesan seperti biasa, lalu menerima jawaban berbasis data dalam hitungan detik. Integrasi ini membuat Ask-a-Metric mudah diterima oleh pejabat senior maupun petugas lapangan, karena sesuai dengan kebiasaan komunikasi yang sudah ada.

Dukungan Bahasa yang Fleksibel dan Penguatan Kepemilikan Data

Kedua, Ask-a-Metric mendukung penggunaan bahasa yang fleksibel. Organisasi dapat mengonfigurasikan sistem untuk bahasa Indonesia, bahasa Inggris, atau bahasa lokal lain sesuai kebutuhan. Hal ini memungkinkan staf non-manajemen dan petugas lapangan mengakses data dalam bahasa yang branda pahami dengan baik. Dengan demikian, pemahaman dan penggunaan data meningkat di seluruh level organisasi, bukan hanya di pusat. Penggunaan bahasa lokal juga dapat memperkuat rasa kepemilikan terhadap data dan mendorong diskusi internal yang lebih kaya mengenai temuan dan implikasi program.

Pertanyaan Bebas dan Kontekstual untuk Insight Lapangan

Ketiga, Ask-a-Metric memungkinkan pertanyaan bebas dan kontekstual, tidak terbatas pada metrik yang sudah dipilih sebelumnya. Seorang koordinator lapangan dapat bertanya, “Berapa banyak rumah tangga di desa A yang belum menerima kunjungan bulan ini?” atau “Apakah ada penurunan partisipasi di wilayah B setelah intervensi baru?” Sistem akan berusaha menjawab berdasarkan data yang tersedia, memberikan insight yang relevan dengan situasi di lapangan. Jawaban dapat dilengkapi dengan grafik sederhana, seperti tren garis atau diagram batang, yang dikirim sebagai gambar untuk memudahkan visualisasi data bagi pengguna.

Penghapusan Kebutuhan Keahlian Teknis Pengguna

Keempat, Ask-a-Metric tidak memerlukan keahlian teknis dari pengguna. Branda tidak perlu memahami SQL, struktur basis data, atau konsep analitik yang rumit. Ask-a-Metric bertindak sebagai perantara yang menerjemahkan bahasa natural menjadi query teknis, lalu mengubah hasilnya menjadi jawaban yang mudah dicerna. Ini sangat membantu organisasi yang kekurangan staf dengan latar belakang data atau teknologi, sebuah tantangan yang sering disebut dalam literatur mengenai kapasitas data di sektor publik dan organisasi nirlaba (misalnya, laporan UNDP 2022 tentang kapasitas data di negara berkembang).

Penyesuaian dengan Konteks Organisasi dan Istilah Internal

Kelima, Ask-a-Metric dapat disesuaikan dengan konteks organisasi. Sistem dapat dikonfigurasi untuk memahami istilah internal, nama program, indikator khusus, atau kode wilayah yang digunakan organisasi. Dengan pemahaman konteks ini, Ask-a-Metric dapat memberikan jawaban yang lebih relevan, konsisten, dan selaras dengan cara organisasi bekerja. Hal ini penting untuk menjaga keakuratan interpretasi data dan mengurangi risiko kesalahpahaman, terutama ketika indikator memiliki definisi teknis yang spesifik atau ketika terdapat variasi penamaan antar unit kerja.

Guardrail, Keamanan, dan Kontrol Akses Berbasis Peran

Ask-a-Metric juga dilengkapi guardrail dan fitur keamanan untuk memastikan penggunaan yang aman dan bertanggung jawab. Kontrol akses berbasis peran memungkinkan organisasi membatasi siapa yang dapat melihat data sensitif, seperti informasi individu atau data keuangan. Pengguna dengan hak terbatas hanya dapat mengakses agregasi atau ringkasan, sementara detail sensitif tetap terlindungi. Pendekatan ini sejalan dengan prinsip-prinsip perlindungan data yang diatur dalam berbagai regulasi, termasuk praktik baik yang dianjurkan oleh OECD dan pedoman perlindungan data nasional.

Pembatasan Pertanyaan dan Audit Trail untuk Kepatuhan

Organisasi dapat menetapkan pembatasan jenis pertanyaan yang boleh dijawab Ask-a-Metric. Misalnya, sistem hanya diizinkan menjawab pertanyaan agregat, bukan data individu, atau hanya untuk periode waktu tertentu. Audit trail mencatat interaksi dengan Ask-a-Metric untuk keperluan audit, pemantauan, dan peningkatan sistem. Catatan ini membantu organisasi memahami bagaimana data digunakan dan memastikan kepatuhan terhadap kebijakan internal serta regulasi eksternal. Selain itu, audit trail dapat dimanfaatkan untuk mengidentifikasi pola pertanyaan yang sering muncul, sehingga organisasi dapat memperbaiki desain indikator atau memperkaya dokumentasi program.

Perlindungan Privasi dan Mekanisme Anonimisasi

Untuk melindungi privasi, Ask-a-Metric dapat dikonfigurasi dengan filter dan mekanisme anonimisasi. Informasi identitas pribadi dapat dihapus atau disamarkan dalam jawaban yang diberikan, misalnya dengan hanya menampilkan data dalam bentuk agregat per wilayah atau kelompok sasaran. Pendekatan ini penting bagi organisasi yang bekerja dengan data sensitif, seperti data kesehatan, pendidikan, atau perlindungan sosial. Ask-a-Metric dirancang untuk mematuhi prinsip perlindungan data yang ketat, termasuk minimisasi data, pembatasan tujuan, dan keamanan teknis, sebagaimana dianjurkan dalam berbagai kerangka kerja perlindungan data internasional.

Kesiapan Infrastruktur Data dan Integrasi dengan Ask-a-Metric

Proses penyiapan Ask-a-Metric akan lebih mudah jika organisasi sudah memiliki basis data atau data warehouse yang terorganisir dengan baik. Dalam kondisi ideal, skema basis data terdokumentasi, proses Extract-Transform-Load (ETL) berjalan rutin, standar penamaan variabel konsisten, dan pembaruan data terjadwal. Dengan fondasi ini, Ask-a-Metric dapat segera dihubungkan ke sistem yang ada dan mulai menjawab pertanyaan pengguna. Visualisasi arsitektur data, misalnya dalam bentuk diagram alur yang menunjukkan sumber data, proses ETL, dan koneksi ke Ask-a-Metric, dapat membantu tim teknis dan manajerial memahami keseluruhan ekosistem data.

Dukungan IDinsight bagi Organisasi pada Tahap Awal Perjalanan Data

Namun, banyak organisasi sektor sosial masih berada pada tahap awal perjalanan data branda. Untuk organisasi yang belum memiliki sistem data matang, IDinsight dapat membantu mengotomasi alur data, mengorganisir penyimpanan, dan membangun sistem pengumpulan data dari awal. Ask-a-Metric kemudian menjadi lapisan antarmuka yang memudahkan akses ke sistem yang baru dibangun tersebut. Pendekatan bertahap ini memungkinkan organisasi memperkuat kapasitas data sambil secara simultan meningkatkan pemanfaatan data dalam pengambilan keputusan.

Otomasi Alur Data dan Pembangunan Sistem Pengumpulan Data

Mengotomasi alur data berarti merancang pipeline yang menghubungkan berbagai sumber, seperti formulir survei, sistem manajemen program, atau spreadsheet, ke satu basis data terpusat. Pengorganisasian penyimpanan data mencakup penentuan struktur tabel, relasi, dan standar metadata, sehingga data dapat diakses dan dianalisis secara konsisten. Pembangunan sistem pengumpulan data meliputi desain instrumen, pemilihan platform (misalnya aplikasi survei digital), dan integrasi dengan basis data Ask-a-Metric. Grafik alur data yang menggambarkan perjalanan data dari pengumpulan di lapangan hingga analisis melalui Ask-a-Metric dapat digunakan sebagai alat komunikasi internal untuk menjelaskan proses kepada pemangku kepentingan.

Tahapan Implementasi Ask-a-Metric dalam Organisasi

Ilustrasi proses ini biasanya mencakup beberapa tahap berurutan. Pertama, analisis kebutuhan organisasi dan pemetaan indikator kunci, termasuk identifikasi keputusan apa yang ingin didukung oleh data. Kedua, peninjauan sistem data yang sudah ada, jika tersedia, untuk mengidentifikasi celah dan peluang integrasi. Ketiga, desain arsitektur data dan alur kerja, termasuk penentuan frekuensi pembaruan dan mekanisme kontrol kualitas. Keempat, implementasi dan pengujian sistem, baik dari sisi teknis maupun dari sisi pengalaman pengguna. Kelima, pelatihan pengguna dan pendampingan awal penggunaan Ask-a-Metric untuk memastikan adopsi berjalan mulus dan untuk mengumpulkan umpan balik yang dapat digunakan dalam penyempurnaan sistem.

Misi Utama: Meningkatkan Kualitas Hidup melalui Data dan Bukti

Seluruh inisiatif ini, termasuk pengembangan Ask-a-Metric, berangkat dari misi yang sama: meningkatkan kualitas hidup melalui data dan bukti. Dengan memadukan sistem M&E yang kuat, teknologi AI terkini, dan pendekatan yang berpusat pada pengguna, Ask-a-Metric membantu organisasi pemerintah dan sektor sosial membuat keputusan yang lebih tepat, cepat, dan inklusif. Ask-a-Metric menjadikan data bukan sekadar laporan statis, tetapi alat percakapan yang hidup dan relevan bagi semua, yang dapat diakses melalui platform sehari-hari seperti WhatsApp.

Dampak Jangka Panjang terhadap Budaya Pengambilan Keputusan Berbasis Bukti

Dalam jangka panjang, pemanfaatan alat seperti Ask-a-Metric berpotensi memperkuat budaya pengambilan keputusan berbasis bukti di sektor sosial. Dengan menurunkan hambatan akses terhadap data, memperluas penggunaan bahasa lokal, dan menyediakan antarmuka yang intuitif, organisasi dapat mendorong keterlibatan yang lebih luas dari berbagai level staf dalam diskusi berbasis data. Hal ini pada akhirnya dapat meningkatkan akuntabilitas, efektivitas program, dan ketepatan sasaran intervensi, sehingga kontribusi data terhadap peningkatan kesejahteraan masyarakat menjadi lebih nyata dan terukur.