Ketika Data Observasi Salah, Apa yang Harus Dikoreksi dan Apa yang Harus Dipertahankan?
Data observasi yang salah harus dikoreksi tanpa menghapus jejak bahwa kesalahan pernah terjadi. Prinsipnya sederhana: pertahankan raw evidence dan history, koreksi interpretation atau field yang keliru, lalu hubungkan versi lama dengan correction record.
Mengedit diam-diam membuat dataset terlihat bersih, tetapi menghancurkan auditability. Menghapus record salah juga menghilangkan informasi tentang metode, reviewer, atau alat yang gagal.
Retraction bukan pembersihan sejarah. Ia adalah penambahan informasi yang mengubah status sebuah temuan.
Pisahkan raw observation dan interpretation
Raw observation mencakup screenshot, response text, URL, timestamp, query, log, dan output tool yang benar-benar terlihat.
Interpretation mencakup label seperti positive mention, supported claim, drift, official citation, atau cause.
Jika screenshot valid tetapi reviewer salah membaca citation, raw file dipertahankan. Yang dikoreksi adalah mapping dan kesimpulan.
Jika timestamp salah karena timezone conversion, raw capture time dari sistem dapat dipertahankan, sementara normalized timestamp dikoreksi.
Jika screenshot ternyata berasal dari query lain, evidence association salah. File tetap dapat disimpan, tetapi relation ke observation harus dicabut dan record diberi invalid status.
Jenis kesalahan
Capture error terjadi ketika bukti tidak lengkap, terpotong, atau salah file.
Metadata error mencakup waktu, surface, model, lokasi, session state, dan query yang salah.
Parsing error terjadi ketika URL, citation, entity, atau angka diekstrak keliru.
Classification error mencakup mention, sentiment, claim support, drift, dan intent label.
Method error terjadi ketika prosedur tidak sesuai, misalnya logged-in run dibandingkan dengan logged-out run tanpa label.
Source error terjadi ketika halaman yang ditautkan berubah atau tidak lagi tersedia.
Interpretation error adalah kesimpulan yang melampaui data.
Fraud atau fabrication berbeda dari error biasa dan membutuhkan governance khusus.
Apa yang dipertahankan
Pertahankan observation_id. Jangan membuat seolah record lama tidak pernah ada. Identity stabil membantu referensi laporan dan downstream system.
Pertahankan raw evidence sesuai retention dan privacy policy. Beri checksum agar perubahan file dapat terdeteksi.
Pertahankan original values pada version history. Field current dapat diperbaiki, tetapi nilai sebelumnya harus dapat dilihat auditor.
Pertahankan siapa yang membuat, meninjau, menemukan error, dan menyetujui correction.
Pertahankan laporan atau dashboard yang pernah memakai data tersebut melalui impact references. Jangan mengubah laporan historis diam-diam tanpa correction note.
Pertahankan alasan kesalahan. Root cause membantu mencegah pengulangan.
Apa yang dikoreksi
Koreksi field yang salah dengan nilai baru dan evidence. Tambahkan corrected_at, corrected_by, reason, old_value, new_value, dan change_type.
Koreksi status temuan. Pilihan dapat berupa valid, corrected, retracted, superseded, disputed, unverifiable, atau duplicate.
Koreksi aggregate yang terpengaruh. Jika satu record masuk ke citation rate, hitung ulang dan beri data version baru.
Koreksi narrative dalam report yang masih aktif. Jika laporan sudah dipublikasikan, tambahkan correction notice yang proporsional.
Koreksi model atau parser jika kesalahan sistematis. Backfill hanya setelah metode baru diuji, dan simpan version boundary.
Jangan menimpa raw evidence
Sebuah screenshot diberi anotasi yang salah. Solusinya bukan membuka image editor lalu mengganti anotasi pada file asli. Simpan original, buat annotated derivative baru, dan hubungkan keduanya.
Response text juga jangan “dirapikan” sehingga tanda citation atau typo hilang. Buat normalized_text field terpisah.
Untuk URL, simpan raw_url dan normalized_url. Jika normalization salah, raw value memungkinkan perbaikan.
Correction workflow
Pertama, freeze affected record dari aggregate baru jika severity tinggi. Jangan menghapus.
Kedua, triage jenis error dan scope. Apakah satu observation, satu batch, satu reviewer, atau seluruh parser terpengaruh?
Ketiga, kumpulkan evidence. Jangan mengoreksi berdasarkan ingatan.
Keempat, lakukan adjudication oleh reviewer yang sesuai. High-risk correction sebaiknya membutuhkan second review.
Kelima, terbitkan change record dan perbarui current view.
Keenam, hitung downstream impact. Dashboard, report, alert, dan keputusan apa yang memakai data?
Ketujuh, beri notification kepada pemilik output jika material.
Kedelapan, perbaiki root cause dan uji.
Retraction versus correction
Correction dipakai ketika record masih valid setelah field atau interpretasi diperbaiki.
Retraction dipakai ketika record tidak dapat mendukung temuan utama. Misalnya screenshot tidak lengkap dan replay tidak mungkin, atau query yang dicatat salah sehingga konteks tidak dapat dipastikan.
Superseded dipakai ketika observasi lama benar pada waktunya tetapi ada observasi baru yang lebih current. Ini bukan error.
Disputed dipakai ketika reviewer berbeda pendapat dan belum ada adjudication final.
Unverifiable dipakai ketika evidence tidak cukup untuk memutuskan.
Label tersebut mencegah kata “salah” digunakan untuk situasi yang berbeda.
Kesalahan timezone
Timestamp WIB dan UTC sering tertukar. Kesalahan tujuh jam dapat mengubah urutan event, terutama breaking news dan replay.
Simpan original timestamp dengan offset. Jangan hanya menyimpan string lokal. Jika source tidak memiliki timezone, tandai timezone_unknown.
Saat memperbaiki, jangan mengubah waktu file asli. Tambahkan normalized time dan correction note.
Periksa semua comparison yang memakai urutan waktu. Drift yang dilaporkan sebelum update sumber bisa berubah menjadi setelah update.
Kesalahan entity
Entity ambiguity dapat membuat mention Brand A tercatat sebagai Brand B. Correction harus memperbaiki entity link dan menghitung ulang aggregate kedua brand.
Simpan text mention asli. Entity mapping adalah interpretation layer.
Jika nama sama, tambahkan identifiers, domain, location, industry, dan relation. Jangan mengandalkan string match.
Gunakan alias table dengan effective dates. Former name tidak selalu error.
Kesalahan claim support
Reviewer mungkin memberi supported karena domain authoritative, tanpa memeriksa passage. Setelah audit, status berubah menjadi partially supported.
Simpan citation dan source. Koreksi claim mapping. Hitung ulang support coverage.
Jika jawaban benar berdasarkan sumber lain, tambahkan externally_verified tetapi jangan mengubah displayed citation menjadi supported.
Impact assessment
Tidak semua correction membutuhkan pengumuman besar. Gunakan materiality.
High materiality mencakup salah identitas, salah hubungan perusahaan, klaim legal, medis, finansial, reputasional, atau kesimpulan strategi.
Medium mencakup rate dan trend yang berubah bermakna.
Low mencakup typo metadata yang tidak memengaruhi analisis.
Materiality menentukan review level, notification, dan SLA, bukan apakah history disimpan. Semua correction tetap tercatat.
Versioned aggregate
Aggregate harus memiliki data_version dan method_version. Jika 1.000 observation dihitung ulang setelah parser berubah, hasil baru tidak boleh menggantikan seri lama tanpa annotation.
Sediakan current corrected view untuk penggunaan operasional dan historical reproducible view untuk audit.
Dashboard dapat menampilkan badge corrected data. Export harus menyertakan version.
Jika backfill tidak mungkin, beri break in series. Jangan menyambung garis tren seolah metode konsisten.
Root cause analysis
Tanyakan mengapa error lolos.
Apakah instruction kurang jelas?
Apakah field terlalu ambigu?
Apakah UI mendorong pilihan default?
Apakah reviewer overload?
Apakah parser gagal pada format citation baru?
Apakah platform mengubah antarmuka?
Action dapat berupa schema change, validation, training, sampling, unit test, atau UI guardrail.
Hindari menyalahkan individu bila sistem memungkinkan error berulang.
Bahasa correction note
Tulis jelas:
“Pada 10 Agustus 2026, kami mengoreksi classification observation SAI-2041 dari official citation menjadi third-party citation. URL dan screenshot asli tidak berubah. Kesalahan berasal dari parser yang menyamakan publisher mention dengan destination domain. Aggregate official citation untuk periode terkait dihitung ulang dari 42 menjadi 41. Kesimpulan utama laporan tidak berubah.”
Jika kesimpulan berubah, katakan:
“Correction mengubah kesimpulan tentang peningkatan citation. Versi sebelumnya ditarik dan diganti.”
Jangan memakai bahasa kabur seperti “data disesuaikan”.
Budaya correction
Tim observasi yang matang tidak menilai correction sebagai kegagalan reputasi. Menyembunyikan error jauh lebih berbahaya.
Track correction rate, time to detect, time to resolve, recurrence, dan affected outputs. Jangan memberi insentif yang membuat reviewer takut melaporkan kesalahan.
Raw history memungkinkan organisasi belajar. Current corrected view memungkinkan keputusan yang lebih baik. Keduanya diperlukan.
Ketika data salah, yang dipertahankan adalah kenyataan tentang apa yang pernah ditangkap dan bagaimana kesalahan terjadi. Yang dikoreksi adalah representasi current, aggregate, dan kesimpulan.
Dataset yang dapat dipercaya bukan dataset tanpa error. Ia adalah dataset yang membuat error terlihat, dapat diperbaiki, dan tidak dapat dihapus diam-diam.
Invariants yang harus tetap benar setelah correction
Tetapkan aturan yang diuji otomatis. Setiap corrected record harus memiliki original value. Setiap retraction harus memiliki reason. Setiap aggregate harus menunjuk data_version. Evidence hash tidak boleh berubah tanpa membuat versi baru. Observation_id tidak boleh digunakan ulang.
Jika correction mengubah entity_id, semua relation dan aggregate terkait harus dihitung ulang. Jika mengubah timestamp, urutan event dan drift analysis harus diuji. Jika mengubah citation type, official citation rate perlu diperbarui.
Tambahkan reconciliation report yang membandingkan sebelum dan sesudah. Report menunjukkan jumlah record berubah, metric affected, dan unresolved error. Ini mencegah backfill besar berjalan diam-diam.
Gunakan two-person approval untuk perubahan material, tetapi jangan membuat birokrasi berlebihan pada typo ringan. Threshold materiality harus terdokumentasi.
Jika correction tool gagal di tengah batch, operasi harus resume-safe. Record yang sudah dikoreksi tidak diproses ulang tanpa idempotency. Log setiap success dan failure.
Backup bukan history. Backup membantu pemulihan teknis. Version history menjelaskan perubahan semantik. Organisasi membutuhkan keduanya.
Terakhir, lakukan postmortem berkala. Lima correction yang berasal dari format citation baru menunjukkan schema atau parser perlu diubah. Mengoreksi satu per satu tanpa memperbaiki sistem hanya menunggu batch error berikutnya.
Correction juga perlu diuji dari sisi pembaca. Current view harus menunjukkan nilai yang benar tanpa memaksa pengguna membuka audit log. Audit view harus tetap menyediakan sejarah lengkap. Dua kebutuhan ini berbeda.
Jika data telah dibagikan kepada klien atau publik, notification mencantumkan apa yang berubah, mengapa, dampak, dan link versi baru. Jangan mengirim dump teknis yang membuat orang mencari sendiri konsekuensinya.
Untuk dispute yang belum selesai, jangan memilih label netral palsu. Tampilkan dua interpretation, evidence masing-masing, dan owner adjudication. Batas waktu review mencegah status disputed menjadi tempat membuang masalah.
Quality target bukan correction rate nol. Targetnya error cepat ditemukan, dampak dibatasi, sejarah utuh, dan penyebab tidak berulang.
Itulah fondasi kepercayaan yang bisa diaudit oleh siapa pun.
Kontrol negatif
Sertakan query kontrol yang tidak menyebut entitas utama, query dengan formulasi netral, dan query yang sengaja memperjelas ambiguitas. Kontrol negatif membantu menunjukkan apakah hasil dipicu oleh wording atau memang bagian dari pola yang lebih luas. Pada Ketika Data Observasi Salah, Apa yang Harus Dikoreksi dan Apa yang Harus Dipertahankan, kontrol juga dapat memakai entitas pembanding yang kategori dan skala informasinya serupa. Jika hanya target utama yang diuji, setiap perubahan terasa istimewa. Pembanding mengembalikan konteks dan menurunkan risiko overclaim.