Pekanbaru, 27 Agustus 2026 — Persoalan data yang tersebar di berbagai instansi pemerintah & swasta, memiliki format berbeda, serta menggunakan nama dan struktur database yang tidak seragam mendorong lahirnya EIE (Entity Intelligence Engine). Mesin kecerdasan data ini dikembangkan oleh Ifwandi, S.Si. untuk menganalisis, memahami, dan menghubungkan data dari berbagai sumber tanpa mengharuskan setiap sumber data mengganti aplikasi atau database yang telah digunakan.

Saat ini EIE masih berada dalam tahap pengembangan dan uji coba. Fokus pengembangannya adalah membangun mesin yang mampu memahami data baru secara mendalam, menemukan hubungan dengan data yang telah ada, serta membentuk entitas dan rantai data baru apabila belum ditemukan hubungan yang valid.

Bukan Sekadar Menggabungkan Database

Persoalan integrasi data bukan hanya bagaimana mengumpulkan data dalam jumlah besar, tetapi bagaimana membuat data tersebut saling mengenali dan terhubung.

Satu perusahaan, misalnya, dapat tercatat di berbagai sumber data dengan nama field yang berbeda. Sumber data A dapat menggunakan nama_perusahaan, sementara sumber data lain menggunakan nama_badan_usaha atau company_name. Meskipun berbeda secara struktur dan istilah, data tersebut dapat merujuk pada entitas yang sama.

EIE dirancang untuk memahami perbedaan tersebut.

Setiap Data Baru Dianalisis

Prinsip utama EIE adalah setiap data baru yang masuk akan dianalisis terlebih dahulu. Sistem tidak sekadar memasukkan record ke dalam database, tetapi berusaha memahami struktur, makna field, identifier, nilai data, pola, konteks, serta kemungkinan hubungannya dengan seluruh pengetahuan yang telah terbentuk.

Prosesnya secara konseptual:

Data Baru → Analisis → Identifikasi → Pencarian Hubungan → Entity Existing atau Entity Baru → Entity Chain → Knowledge EIE

Jika ditemukan hubungan yang valid, data akan dihubungkan dengan entity yang sudah ada. Jika tidak ditemukan hubungan yang cukup kuat, EIE membentuk entity baru dan membangun rantai data baru.

Dengan demikian, entity yang terbentuk tidak bersifat statis. Entity dapat terus berkembang ketika data baru dan bukti baru ditemukan.

AI Menjadi Bagian Penting EIE

EIE menggunakan AI untuk membantu memahami data yang masuk. AI dapat menganalisis perbedaan istilah, struktur field, pola identifier, isi data, kandidat entity, kemungkinan hubungan, hingga konflik antar-data.

Sebagai contoh, nama_perusahaan, nama_badan_usaha, company_name, dan nama_usaha dapat dianalisis sebagai istilah berbeda yang kemungkinan merujuk pada konsep yang sama.

EIE kemudian dapat membentuk canonical field, yaitu field standar internal yang digunakan kembali ketika data berikutnya masuk.

Jika ditemukan konsep data yang belum pernah dikenal sebelumnya, EIE dapat mengusulkan field baru. Setelah melalui proses validasi, field tersebut dapat menjadi bagian dari pengetahuan EIE dan digunakan secara berkelanjutan.

Master ID Menjadi Penghubung

Salah satu konsep penting EIE adalah penggunaan Master ID sebagai identitas internal.

Misalnya satu perusahaan memiliki NIB dari sistem perizinan, NPWP dari sistem perpajakan, ID industri dari sumber data terkait, serta berbagai ID lainnya.

EIE tidak menghapus ID asli tersebut. Sebaliknya, semuanya dapat dihubungkan melalui satu Master ID EIE.

EIE-ENT-000000001

→ NIB
→ NPWP
→ ID Industri
→ ID Izin
→ Lokasi
→ Dokumen
→ Data Pajak

Dengan pendekatan ini, identitas yang sebelumnya tersebar di berbagai sistem dapat menjadi bagian dari satu entity yang sama.

Membentuk Entity Chain

Hubungan tersebut kemudian berkembang menjadi Entity Chain.

Satu perusahaan dapat memiliki hubungan dengan izin, lokasi, aset, pajak, dokumen, kegiatan usaha, tenaga kerja, maupun entity lainnya.

Data baru yang memiliki hubungan valid dapat memperpanjang chain tersebut.

Jika belum ada hubungan, EIE tidak memaksakan penggabungan. Sistem dapat membuat entity baru yang berdiri sendiri sampai suatu saat ditemukan bukti yang menghubungkannya dengan entity lain.

Prinsip ini penting agar EIE tidak melakukan penggabungan data hanya berdasarkan kemiripan nama.

Data Lama Tidak Dihapus

EIE juga dirancang untuk mempertahankan sejarah data.

Jika sebuah entity mengalami perubahan alamat, status, kepemilikan, atau informasi lainnya, perubahan tersebut dapat dicatat sebagai bagian dari sejarah.

Data tidak hanya dilihat sebagai kondisi terakhir, tetapi juga berdasarkan sumber, waktu, versi, perubahan, dan provenance.

Dengan demikian, EIE dapat membangun gambaran perkembangan sebuah entity dari waktu ke waktu.

Tidak Memaksa Sumber Data Menggunakan Sistem yang Sama

EIE dirancang sebagai intelligence layer yang bekerja di belakang layar.

Sumber data tetap dapat menggunakan aplikasi dan database masing-masing. EIE menjadi mesin yang membaca dan memahami data dari berbagai sumber kemudian membangun hubungan di antara data tersebut.

Data dapat berasal dari berbagai format dan sumber, seperti CSV, XLSX, PDF, DOCX, JSON, XML, API, maupun database.

Konsepnya bukan:

Semua Sumber data harus menggunakan satu aplikasi.

Melainkan:

Sistem boleh berbeda, tetapi data tetap dapat saling mengenali dan terhubung.

Bukan Pengganti Big Data Platform

EIE bukan pengganti data warehouse, data lake, maupun teknologi pemrosesan data skala besar seperti Apache Spark.

EIE berada pada lapisan yang berbeda, yaitu lapisan kecerdasan identitas, semantik, dan hubungan data.

Teknologi big data dapat digunakan untuk menyimpan dan memproses data dalam skala besar, sementara EIE bertugas membantu memahami:

• data ini milik siapa,

• field ini memiliki makna apa,

• apakah dua record merupakan entity yang sama,

• apa hubungan antar-entity,

• apakah terdapat konflik,

• dan apakah sebuah data harus masuk ke entity yang sudah ada atau membentuk entity baru.

Dari Data Terpisah Menjadi Knowledge Graph

Hasil akhir EIE bukan sekadar database besar yang berisi jutaan record.

Tujuannya adalah membentuk Entity Knowledge Graph, yaitu jaringan yang menghubungkan entity, identifier, atribut, dokumen, lokasi, aktivitas, sumber, hubungan, dan sejarah data.

Secara sederhana:

Data Terpisah → Dipahami → Dihubungkan → Entity Chain → Knowledge Graph → Connected Data

Inilah yang menjadi dasar konsep EIE sebagai fondasi bagi pembangunan big data yang benar-benar terhubung.

EIE Terus Berkembang Bersama Data

Semakin banyak sumber data yang dianalisis, semakin banyak pula konsep, canonical field, identifier, pola, relationship, dan pengetahuan yang dapat terbentuk.

Namun perubahan tersebut harus tetap dapat diuji, divalidasi, diberi versi, dan diaudit.

Karena itu, EIE tidak dirancang sekadar untuk menghasilkan keputusan AI, tetapi untuk membangun pengetahuan data yang dapat dipertanggungjawabkan.

Masih Dalam Tahap Pengembangan dan Uji Coba

Saat ini EIE masih dalam tahap pengembangan dan eksperimen. Pengujian akan dilakukan menggunakan berbagai jenis data dengan struktur, format, dan karakteristik yang berbeda.

Pengujian difokuskan pada kemampuan EIE dalam membaca data, memahami field, mengenali identifier, menemukan entity yang sama, mendeteksi konflik, menemukan hubungan, membentuk entity baru, serta menjaga konsistensi entity chain.

Akurasi menjadi salah satu fokus utama pengembangan. Hasil analisis akan dibandingkan dengan data referensi atau ground truth untuk mengetahui tingkat keberhasilan mesin dan menemukan bagian yang masih perlu disempurnakan.

Menuju Ekosistem Data yang Benar-Benar Terhubung

Tujuan EIE bukan sekadar mengumpulkan data sebanyak mungkin.

Tujuannya adalah membuat data yang sebelumnya terpisah dapat saling mengenali, menemukan hubungan, dan membentuk jaringan pengetahuan yang terus berkembang.

Dengan prinsip tersebut, setiap data baru tidak hanya menjadi tambahan record.

Setiap data baru menjadi kesempatan untuk menemukan hubungan baru.

EIE — Entity Intelligence Engine
Setiap Data Baru Adalah Kesempatan untuk Menemukan Hubungan Baru.