Pengadaan Penyusunan Grand Design Pusat Data Analitik Pemberantasan Korupsi

Uraian Singkat Pekerjaan                          
     Pengadaan Penyusunan Grand Design Pusat Data Analitik Pemberantasan Korupsi

Ruang Lingkup :                                                          
1. Asesmen Kondisi Eksisting                                             
  a. Decision Support System (DSS) dan pengambilan keputusan berbasis data: mengevaluasi
     keberadaan dan efektivitas DSS dalam mendukung pengambilan keputusan berbasis data
     di lingkungan KPK, termasuk kendala dan potensi pengembangan lebih lanjut;
  b. Budaya data dalam organisasi: menilai tingkat kesadaran, pemahaman, dan kebiasaan unit
     kerja dalam menggunakan data sebagai dasar pengambilan keputusan, serta ketersediaan
     SDM yang memiliki kompetensi data (data analyst, engineer, scientist), termasuk program
     literasi dan pelatihan data yang pernah dilakukan;                  
  c. Ketersediaan dan sumber data: mengidentifikasi jenis dan volume data yang tersedia baik
     dari sumber internal maupun eksternal, baik data terstruktur maupun data tidak
     terstruktur termasuk tingkat aksesibilitas, format, dan kelengkapan datanya;
  d. Pengelolaan dan kualitas data: pengumpulan, validasi, penyimpanan, dan pembaruan data,
     serta menilai konsistensi, akurasi, dan reliabilitas data dalam mendukung fungsi
     pemberantasan korupsi;                                              
  e. Inventarisasi use case eksisting dan potensial: mengidentifikasi use case yang saat ini sudah
     memanfaatkan data dan analitik maupun yang berpotensi dikembangkan untuk
     mendukung fungsi strategis, operasional, atau lintas fungsi;        
  f. Identifikasi awal potensi pemanfaatan AI, ML dan LLM: menelaah area proses atau use case
     yang memiliki potensi optimalisasi dengan kecerdasan buatan, seperti: otomasi
     administratif, klasifikasi dokumen, deteksi anomali transaksi, analisis jejaring, serta
     pembelajaran pola historis dari data korupsi;                       
  g. Kapabilitas analitik: menilai sejauh mana kapasitas dan kapabilitas organisasi dalam
     mengolah data menjadi informasi dan insight yang relevan untuk kebutuhan analisis
     operasional maupun strategis;                                       
  h. Platform, Infrastruktur, dan Tools Analitik: menginventarisasi teknologi, sistem, dan
     perangkat lunak yang digunakan dalam siklus data, mulai dari akuisisi, pemrosesan,
     analisis, hingga visualisasi, termasuk integrasi dan skalabilitasnya;
  i. Kebijakan, prosedur dan tata kelola data: menganalisis kerangka regulasi, kebijakan
     internal, dan prosedur kerja yang mengatur pengelolaan dan pemanfaatan data, termasuk
     pengaturan terkait keamanan, privasi, dan pertukaran data;          
  j. Pemetaan pemangku kepentingan: mengidentifikasi aktor internal dan eksternal yang
     terlibat atau terdampak saat ini, serta menilai peran, tingkat keterlibatan, kebutuhan, dan
     ekspektasi mereka terhadap pusat data analitik.                     
2. Perumusan Visi, Misi, Tujuan dan Prinsip Pusat Data Analitik          
  a. Mendapatkan arahan strategis organisasi;                            
  b. Menentukan visi jangka panjang dalam pengelolaan dan pemanfaatan pusat data analitik;
  c. Merumuskan misi sebagai langkah strategis dalam mencapai visi;      
  d. Menetapkan tujuan yang ingin dicapai dalam implementasi pusat data analitik;
  e. Menentukan prinsip-prinsip utama pusat data analitik pemberantasan korupsi;
  f. Menyelaraskan visi dan misi pusat data dengan roadmap transformasi digital KPK secara
     keseluruhan.                                                        
3. Identifikasi dan Analisis Pemangku Kepentingan (Stakeholder Mapping)  
  a. Mengidentifikasi unit kerja internal dan mitra eksternal, seperti regulator, pengambil
     kebijakan, analis data, dan penyedia/pengguna data, dan lainnya;    
  b. Mengkaji tingkat kesiapan dan penerimaan stakeholder terhadap penggunaan teknologi
     AI/ML dan penggunaan output analitik otomatis dalam pengambilan keputusan;
  c. Mengidentifikasi potensi resistensi perubahan dan strategi mitigasi agar penerimaan lebih
     maksimal;                                                           
  d. Menganalisis kebutuhan, ekspektasi, dan potensi kontribusi dari masing-masing
     stakeholder;                                                        
  e. Menyusun peta peran dan tanggung jawab dalam ekosistem pusat data.  
4. Analisis Kebutuhan dan Identifikasi Masalah                           
  a. Inventarisasi Kebutuhan Analitik dan Data                           
     1) Mengidentifikasi kebutuhan data, meliputi jenis data, sumber, atribut penting dan
       kebutuhan integrasi antar entitas data;                           
     2) Mengidentifikasi kebutuhan analitik dari berbagai pemangku kepentingan
       berdasarkan tujuan organisasi;                                    
     3) Mendokumentasikan jenis analisis dan laporan yang diperlukan (misalnya dashboard
       operasional, laporan strategis, analisis prediktif, rekomendasi kebijakan);
     4) Menentukan frekuensi, kedalaman, dan format output analitik yang diharapkan oleh
       pengguna akhir;                                                   
     5) Mengkaji kebutuhan teknologi dan metode analitik pendukung seperti AI, machine
       learning, statistik klasik dan visualisasi.                       
  b. Mengidentifikasi tantangan pengelolaan dan pemanfaatan data serta ketersediaan
     anggaran, koordinasi antar unit, dan kendala budaya organisasi;     
  c. Mengkaji praktik terbaik dari lembaga anti-korupsi dan anti-fraud lain atau lembaga lain
     yang relevan;                                                       
  d. Penyusunan Daftar Use Case Prioritas berdasarkan kebutuhan unit kerja, dengan kategori
     seperti:                                                            
     1) Use case operasional (misal: klasifikasi otomatis laporan masyarakat);
     2) Use case strategis (misal: identifikasi potensi konflik kepentingan berdasarkan data
       LHKPN, pengadaan, dan kepemilikan perusahaan);                    
     3) Use case prediktif (misal: prediksi risiko korupsi berdasarkan karakteristik proyek).
     4) Penilaian dampak dan nilai bisnis (business impact) dari masing-masing use case agar
       prioritas dapat diprioritaskan secara strategis                   
  e. Analisis Kesenjangan (Gap Analysis)                                 
     1) Menganalisis kesenjangan antara kondisi saat ini dengan kondisi ideal yang diharapkan
       berdasarkan praktik terbaik dan kebutuhan organisasi;             
     2) Mengidentifikasi permasalahan dalam aspek data, proses, teknologi,
       kebijakan/prosedur, dan SDM.                                      
5. Perancangan Arsitektur Data dan Infrastruktur /Teknologi              
  a. Model Arsitektur Data                                               
     1) Menentukan bagaimana data dikumpulkan, diproses, disimpan, dan diintegrasikan
       (alur siklus hidup data);                                         
     2) Mendesain struktur data yang konsisten dan modular untuk mendukung kebutuhan
       analitik dan operasional;                                         
     3) Menyusun skema dan pilihan arsitektur penyimpangan data (data warehouse, data
       lake, atau arsitektur big data lainnya);                          
     4) Menetapkan mekanisme pengelolaan metadata untuk memudahkan pencarian,
       pengelolaan, dan pemeliharaan data.                               
  b. Arsitektur sharing data                                             
     1) Merancang framework berbagi data antar unit kerja dan antar lembaga secara aman
       dan efisien;                                                      
     2) Membuat peta kontrol akses berbasis peran dan kebutuhan;         
     3) Menetapkan protokol teknis keamanan dan enkripsi data saat proses sharing untuk
       menjaga kerahasiaan dan integritas data.                          
  c. Infrastruktur dan Teknologi                                         
     1) Memilih perangkat keras (hardware) yang dapat mendukung kebutuhan penyimpanan
       dan pemrosesan data dalam skala besar dan cepat;                  
     2) Memilih perangkat lunak (software) yang mendukung integrasi data, analitik,
       visualisasi, dan automasi proses yang sesuai;                     
     3) Menentukan jenis server, layanan cloud, database management system, serta alat
       visualisasi dan analitik serta Teknologi AI/ML yang akan digunakan;
     4) Merancang arsitektur teknis sistem yang mendukung integrasi Agent/AI dengan pusat
       data analitik, termasuk sistem pengumpulan data otomatis, API pemrosesan AI, dan
       output visualisasi analitik;                                      
     5) Merancang sistem backup, disaster recovery, dan failover untuk menjamin
       ketersediaan dan keandalan data;                                  
     6) Memastikan skalabilitas dan ketersediaan infrastruktur seiring pertumbuhan data;
     7) Memastikan perencanaan untuk manajemen kapasitas dan pengujian performa sistem
       secara periodik;                                                  
     8) Merancang implementasi Teknologi Agent (AI) untuk mengolah data dalam skala besar
       secara cepat, akurat, dan efisien.                                
  d. Interoperabilitas dan Integrasi Sistem                              
     1) Memastikan sistem dapat berkomunikasi dengan berbagai platform dan aplikasi lain,
       baik internal maupun eksternal;                                   
     2) Menyusun standar teknis dan protokol pertukaran data antarinstansi atau antarunit
       kerja yang aman dan terdokumentasi;                               
     3) Menetapkan lingkup dan arsitektur pertukaran data, dengan mendefinisikan ruang
       lingkup data yang akan dipertukarkan, termasuk format, frekuensi, dan keamanan data
       dan menyusun arsitektur pertukaran data yang fleksibel dan dinamis sesuai dengan
       kebutuhan organisasi;                                             
     4) Membangun integrasi data eksternal yang terkonsolidasi dan terpusat;
     5) Merancang mekanisme teknis untuk pertukaran data lintas lembaga; 
     6) Menyusun sistem pemantauan teknis (monitoring tools).            
6. Perancangan Kebijakan dan Regulasi Pengelolaan Data                   
  a. Keamanan dan Privasi Data                                           
     1) Menetapkan kebijakan perlindungan data dan Memastikan compliance dengan standar
       keamanan nasional dan internasional yang relevan, yang sesuai dengan regulasi seperti
       GDPR, UU Perlindungan Data Pribadi, atau standar keamanan ISO 27001;
     2) Menetapkan prinsip-prinsip data privacy by design;               
     3) Menyusun prosedur enkripsi dan autentikasi pengguna untuk menjaga keamanan data.
  b. Standarisasi Data                                                   
     1) Menetapkan standar format data untuk memastikan keseragaman dalam penyimpanan
       dan pengolahan data;                                              
     2) Mengembangkan metadata dan katalog data (data dictionary) untuk memudahkan
       pencarian dan pengelolaan data;                                   
     3) Menyusun prosedur validasi dan cleansing data sebagai bagian dari kebijakan mutu
       data.                                                             
  c. Hak Akses dan Tata Kelola Data                                      
     1) Menentukan aturan dan kebijakan siapa yang berhak mengakses, melihat, mengubah,
       atau membagikan data tertentu;                                    
     2) Membuat mekanisme audit dan pelacakan aktivitas pengguna terhadap data;
     3) Menyusun kebijakan klasifikasi data dan pembatasan akses berdasarkan sensitivitas.
  d. Kebijakan Pertukaran Data                                           
     1) Menyusun peraturan pertukaran data;                              
     2) Mengatur mekanisme otorisasi pertukaran data antar unit dan antar lembaga secara
       legal dan administratif;                                          
     3) Menyusun prosedur monitoring kepatuhan terhadap ketentuan pertukaran data;
     4) Termasuk kebijakan open data untuk sharing data ke publik dalam rangka transparansi
7. Penyusunan Strategi Implementasi dan Pengembangan Pusat Data Analitik 
  a. Tahapan Implementasi                                                
     1) Menyusun roadmap implementasi pusat data analitik dalam jangka pendek, menengah,
       dan panjang;                                                      
     2) Mengidentifikasi prioritas pengembangan analitik, infrastruktur dan teknologi;
     3) Mekanisme koordinasi dan kolaborasi antar pengelola dan pemangku kepentingan;
     4) Strategi komunikasi dan change management agar implementasi berjalan mulus dan
       mendapat dukungan luas;                                           
     5) Monitoring risiko pelaksanaan dan mitigasi selama implementasi.  
  b. Strategi Peningkatan Kapasitas SDM                                  
     1) Menyusun rencana pelatihan bagi pengguna, analis data, dan pengelola pusat data;
     2) Menyusun rencana kegiatan untuk meningkatkan kompetensi tim dalam
       menggunakan teknologi analitik dan kecerdasan buatan (AI).        
  c. Strategi Integrasi dengan Sistem Eksisting                          
     1) Menyusun rencana migrasi dari sistem lama ke sistem baru dengan risiko minimal;
     2) Strategi untuk mengoptimalkan interoperabilitas dengan sistem lain yang sudah
       berjalan.                                                         
8. Perencanaan Pengembangan Model Analitik dan Pemanfaatan Data          
  a. Identifikasi Model Analitik                                         
     1) Menentukan teknik analisis data yang akan digunakan, seperti Machine Learning, AI,
       atau statistik klasik;                                            
     2) Mengembangkan dashboard interaktif untuk visualisasi data secara real-time.
  b. Pemanfaatan Data untuk Pengambilan Keputusan                        
     1) Mengembangkan sistem rekomendasi berbasis data untuk pengambil kebijakan;
     2) Meningkatkan efisiensi operasional organisasi dengan analisis prediktif dan tren;
     3) Mengembangkan prototype atau proof of concept untuk model analitik sebelum
       deployment skala penuh.                                           
  c. Menyusun rancangan pemanfaatan Agent/AI untuk mendukung sistem analitik prediktif,
     klasifikasi data, dan automasi proses kerja, termasuk analisis kelayakan teknis dan
     roadmap implementasi.                                               
9. Penentuan Rencana Monitoring, Evaluasi, dan Pemeliharaan              
  a. Indikator Keberhasilan                                              
     1) Menentukan Key Performance Indicators (KPI) untuk mengukur keberhasilan
       implementasi pusat data analitik;                                 
     2) Melakukan evaluasi berkala terhadap efektivitas sistem dan kebijakan yang diterapkan.
  b. Strategi Pemeliharaan dan Pembaruan Teknologi                       
     1) Menyusun rencana pemeliharaan sistem untuk memastikan keandalan operasional;
     2) Mengadopsi inovasi dan pembaruan teknologi secara berkala agar tetap relevan.
  c. Perencanaan untuk audit keamanan dan kepatuhan regulasi secara berkala;
  d. Mekanisme feedback loop dari pengguna untuk pengembangan berkelanjutan.
10.Menyelaraskan hasil penyusunan Grand Design Pusat Data Analitik Pemberantasan Korupsi
  dengan Renstra KPK dan IT Blueprint KPK dan Kebijakan Eksternal terkait;
11.Melakukan paparan hasil Penyusunan Grand Design Pusat Data Analitik Pemberantasan
  Korupsi di hadapan Pimpinan dan/atau Struktural KPK.                   
12.Penyedia jasa wajib memaparkan progress pekerjaannya sesuai tahapan atau permintaan KPK.