Halo, para pengambil keputusan dan praktisi AI!

Beberapa waktu lalu, kita sempat kenalan dengan ISO/IEC 42005:2025, yang isinya fokus banget ke penilaian risiko AI dari data sampai potensi dampak. Nah, setelah itu, satu pertanyaan klasik langsung muncul:

“Lah, kan sudah ada ISO/IEC 42001. Bedanya apa dong? Bukannya itu juga standar tata kelola AI?”

Pertanyaan ini wajar banget. Di mata orang awam, keduanya sama-sama standar internasional, sama-sama bicara soal Artificial Intelligence (AI), dan sama-sama lahir di tengah gencarnya regulasi AI global yang menuntut governance yang lebih serius. Terdengar kembar, kan?

Padahal, fokus masalah yang mereka jawab itu beda 180 derajat. Ibaratnya, 42001 itu ibunya perusahaan, dan 42005 itu panduan praktis buat data scientist Anda.

Daripada bingung, artikel ini akan membedah perbedaannya secara simple, to the point, dan pastinya relevan untuk kebutuhan organisasi Anda yang sedang berjuang menerapkan framework tata kelola AI yang efektif, aman, dan beretika di tahun 2025. Mari kita bedah tuntas!

Kenapa Kita Butuh Dua Standar  ISO/IEC 42001 dan ISO/IEC 42005?

Setelah meluruskan posisi, mungkin Anda sekarang lebih kebayang. Keduanya memang sama-sama bintang di jagat tata kelola AI (AI governance), tapi area kerja mereka beda.

1. ISO/IEC 42001: Sang Nahkoda Kapal (Mengatur “Mesin” AI)

ISO 42001 ini adalah standar yang sangat fokus di level strategis dan sistem. Ibaratnya, ini adalah Sistem Manajemen Kecerdasan Buatan (SMKBA), yaitu buku panduan lengkap bagi Direksi dan Manajer Senior.

Ini bukan tentang kode program atau algoritma Anda. Ini tentang:

• Arah Kapal
  Apakah kita punya kebijakan AI yang etis dan legal?
• Struktur Awak
  Apakah ada pembagian tanggung jawab yang jelas untuk mengawasi seluruh siklus hidup AI (AI lifecycle)?
• Navigasi Risiko
  Apakah kita sudah punya kerangka kerja untuk mengelola risiko secara menyeluruh (overall risk management) di seluruh organisasi, dari hulu ke hilir?

Intinya, 42001 mengatur cara kita mengelola proses dan mesin AI agar berjalan stabil dan bertanggung jawab. Ia adalah standar yang akan Anda tunjukkan kepada regulator atau stakeholder untuk membuktikan bahwa governance AI Anda sudah mantap. Fokusnya adalah pada manajemen.

2. ISO/IEC 42005: Si Petugas Lab Kontrol Kualitas (Memastikan “Bahan Bakar” AI)

Nah, kalau 42001 adalah kerangka kerja sistem manajemen, 42005 adalah panduan detail untuk menjalankan salah satu elemen terpenting dalam sistem itu: Penilaian Risiko AI (AI Risk Assessment).

Anda bisa punya mesin AI tercanggih di dunia (42001), tapi kalau bahan bakarnya (data) buruk, mesin itu pasti mogok, atau yang lebih parah: beroperasi dengan bias dan merugikan.

42005 hadir untuk memastikan:

• Kualitas Bahan Bakar
  Apakah kualitas data (data quality) yang dimasukkan ke AI sudah layak? Apakah representatif?
• Deteksi Kerusakan
  Bagaimana cara mengidentifikasi risiko teknis spesifik—seperti data drift, lack of explainability, atau potensi bias—yang muncul dari interaksi antara data dan model?
• Panduan Praktis
  Memberikan langkah-langkah do-it-yourself yang bisa langsung dipakai oleh tim data science dan engineer untuk menganalisis risiko di level operasional (operational level).

Jadi, bukannya tumpang tindih, kedua standar ini justru saling melengkapi dan berjalan beriringan. Anda butuh kerangka strategis dari 42001 untuk menggaransi bahwa AI Anda dikelola dengan benar, dan Anda butuh metodologi risiko dari 42005 untuk memastikan AI Anda dibangun dengan bahan baku (data) yang berkualitas dan aman. Bersama-sama, mereka membentuk pondasi yang kokoh untuk kepatuhan regulasi dan kredibilitas AI Anda di tahun 2025.

Fokus Utama ISO/IEC 42001: Tata Kelola Sistem AI

ISO/IEC 42001 (atau sering disebut “The 42001”) hadir bukan untuk menanyakan detail teknis data, tapi untuk menjawab satu pertanyaan yang sangat besar dan strategis:

“Apakah AI di organisasi ini dikelola secara bertanggung jawab dan profesional, dari sudut pandang Direksi?”

Ini adalah standar yang berfokus pada Sistem Manajemen Kecerdasan Buatan (SMKBA), menempatkan AI sebagai aset strategis yang harus dikelola, diawasi, dan dipertanggungjawabkan layaknya sistem manajemen mutu (ISO 9001) atau keamanan informasi (ISO 27001).

Pilar Utama 42001: Bukan Kode, Tapi Kontrol

Fokus utamanya selalu di level tata kelola AI (AI governance) dan manajemen risiko strategis (strategic risk management). Ini adalah daftar “kewajiban” yang harus Anda miliki:

• Kebijakan dan Tata Kelola AI
  Organisasi wajib punya blueprint dan aturan main yang jelas tentang penggunaan AI. Ini memastikan semua orang, dari engineer sampai CEO, tahu batasan etika dan kepatuhan regulasi AI global yang berlaku.
• Manajemen Risiko AI
  Fokusnya pada risiko terhadap organisasi (misalnya: denda regulasi, reputasi hancur karena AI bias, atau kerugian finansial dari kegagalan sistem). Ini kerangka kerja untuk mengidentifikasi dan menangani risiko di seluruh siklus hidup AI (AI lifecycle).
• Peran dan Tanggung Jawab Manusia
  Menetapkan siapa yang bertanggung jawab (akuntabel) atas setiap sistem AI. Ini menghindari situasi “lepas tangan” dan memastikan ada akuntabilitas yang jelas jika terjadi masalah.
• Pengawasan terhadap Keputusan AI
  Sistem harus diawasi. Harus ada mekanisme human oversight atau intervensi manusia untuk menguji, memvalidasi, dan bahkan membatalkan keputusan yang dibuat oleh AI jika itu berisiko atau bias.
• Kepatuhan terhadap Hukum dan Etika
  Memastikan bahwa setiap sistem AI yang Anda kembangkan atau gunakan patuh pada semua hukum data pribadi dan standar etika yang disepakati perusahaan.

Siapa yang Paling Butuh 42001?

Standar ini menjadi sangat krusial—bukan sekadar nice-to-have—bagi organisasi yang:

• Mengoperasikan AI dalam skala besar
  Perusahaan teknologi, perbankan, atau e-commerce yang menjalankan puluhan model AI di berbagai departemen.
• Menggunakan AI untuk keputusan strategis
  AI yang memengaruhi harga saham, keputusan kredit, diagnosis medis, atau penentuan rekrutmen. Keputusan ini memiliki dampak besar dan menuntut pengawasan (oversight) yang ketat.
• Berhadapan langsung dengan regulator dan publik
  Mereka yang sering diaudit, wajib lapor, dan berada di mata publik. Sertifikasi 42001 adalah bukti bahwa AI governance mereka sudah matang.

Pesan Penting (Insight): ISO/IEC 42001 mengasumsikan bahwa Anda sudah punya tim quality control data yang baik. Ia tidak turun langsung ke “kandungan gizi” data (itu urusan 42005), tetapi fokus pada bagaimana AI sebagai sistem dijalankan, dikontrol, dan dipertanggungjawabkan di level korporat (corporate level).

Fokus Utama ISO/IEC 42005: Mutu dan Integritas Data AI

Kalau ISO 42001 adalah buku panduan strategi untuk Direksi, maka ISO/IEC 42005 adalah panduan teknis yang harus ada di meja kerja tim Data Science dan Engineer. Standar ini mengambil peran yang sangat berbeda: ia tidak bertanya bagaimana sistem AI Anda secara umum dikelola, melainkan langsung menusuk ke inti masalah yang sering jadi biang kerok kegagalan AI:

“Apakah data yang dipakai AI ini benar-benar bisa dipercaya dan tidak membawa racun bias?”

Sederhananya, 42005 adalah panduan untuk Penilaian Risiko AI (AI Risk Assessment) yang sangat mendetail, khususnya terkait integritas data dan potensi dampak buruk dari data yang cacat. Ini adalah standar yang memastikan “bahan bakar” (data) mesin AI Anda bebas dari kontaminasi.

Pilar Utama 42005: Fokus pada Isi (Data)

Inilah area-area krusial yang diatur oleh 42005, semua berpusat pada siklus hidup data (data lifecycle):

• Kualitas Data (Akurasi, Konsistensi, Kelengkapan)
  Ini adalah fondasi. 42005 memberikan metodologi untuk memastikan input yang masuk ke model AI itu akurat, lengkap, dan seragam. Anda tidak mau kan, AI Anda mengambil keputusan krusial berdasarkan data yang hilang-hilang atau salah ketik?
• Dokumentasi Sumber Data
  Standar ini mewajibkan transparansi. Anda harus tahu dari mana data itu berasal, siapa yang mengumpulkannya, dan bagaimana data itu dimodifikasi. Ini penting untuk audit data (data audit) jika nanti ada masalah.
• Bias dan Fairness Dataset
  Ini poin yang sangat sensitif. 42005 memandu Anda untuk secara aktif mengidentifikasi dan memitigasi risiko bias (bias risk) di dalam dataset sebelum model dilatih. Tujuannya jelas: mencegah diskriminasi atau keputusan tidak adil di kemudian hari.
• Traceability dan Audit Data
  Kita harus bisa melacak (traceability) setiap potongan data. Ketika ada hasil AI yang aneh, Anda harus bisa mundur ke belakang dan mencari tahu data mana yang menyebabkan anomali tersebut, mulai dari asalnya.
• Pengendalian Data Sepanjang Lifecycle
  Ini memastikan kontrol kualitas data (data quality control) tidak hanya terjadi di awal, tapi terus dilakukan selama data itu dipakai, disimpan, dan diperbarui.

Siapa yang Paling Relevan dengan 42005?

ISO/IEC 42005 menjadi teman akrab bagi organisasi yang:

• Mengandalkan Data Besar (Big Data)
  Perusahaan yang menelan data dalam volume masif (seperti platform media sosial atau perusahaan telekomunikasi) sangat rentan terhadap data yang tidak konsisten.
• Menggunakan AI untuk Profiling, Scoring, atau Prediksi
  Bank yang menentukan kelayakan kredit, asuransi yang menghitung premi, atau perusahaan yang memprediksi perilaku konsumen. Di sini, integritas data adalah kunci keadilan dan akurasi.
• Menghadapi Risiko Bias dan Diskriminasi Tinggi
  Sektor yang keputusannya bisa mengubah hidup seseorang (kesehatan, hukum, rekrutmen). Di sini, kegagalan AI karena risiko bias bisa berujung tuntutan hukum dan kerugian reputasi yang tak ternilai.

Catatan Penting (Takeaway):

ISO/IEC 42005 mengakui kenyataan pahit dalam dunia AI: Sebagus apa pun sistem tata kelola Anda (42001), AI akan gagal jika Anda memberinya data yang beracun. Banyak kegagalan AI modern justru terjadi bukan karena salah kelola sistem, tapi karena data yang cacat sejak awal. Oleh karena itu, 42005 adalah panduan operasional yang tak terpisahkan dari 42001.

Perbandingan ISO/IEC 42001 vs ISO/IEC 42005

Setelah memahami area fokus masing-masing, mari kita buat perbandingan yang lebih lugas. Anggaplah ISO/IEC 42001 dan ISO/IEC 42005 ini sebagai dua ahli yang duduk di meja rapat yang sama, tapi dengan kacamata yang berbeda, di mana keduanya membentuk pondasi yang kokoh untuk tata kelola AI (AI governance) organisasi Anda.

Dari Sisi Pertanyaan Kunci (The Core Question)

Sederhananya, perbedaan ini terletak pada fokus utama yang dipertanyakan oleh masing-masing standar:

• ISO/IEC 42001 hadir dengan pertanyaan manajerial: “Apakah AI ini dikelola dengan benar?” Standar ini berfokus pada akuntabilitas dan governance. Intinya, sudahkah Anda memiliki sistem, orang, dan prosedur yang tepat untuk menjalankan mesin AI secara aman dan etis. Fokusnya adalah pada kerangka strategis (strategic framework) di tingkat korporat.
• ISO/IEC 42005 hadir dengan pertanyaan teknis: “Apakah data AI ini layak digunakan?” Ini adalah pertanyaan integritas data dan kualitas data (data quality). Intinya, apakah bahan bakar yang dipakai model AI bersih dari bias, akurat, dan representatif? Jika data bermasalah, semua tata kelola di 42001 bisa menjadi sia-sia.

Dari Sisi Risiko yang Dikendalikan (Controlled Risks)

Ini adalah pembeda paling jelas antara risiko tingkat atas dan risiko operasional.

• ISO/IEC 42001 mengendalikan risiko yang berdampak ke organisasi secara luas (corporate risk). Ini mencakup risiko yang muncul dari keputusan AI, risiko etika yang dilanggar, dan risiko tata kelola (misalnya: denda regulasi AI global, atau kerugian reputasi karena AI yang kontroversial).
• ISO/IEC 42005 mengendalikan risiko yang sifatnya lebih teknis dan mendalam (deep technical risk). Ini berfokus pada kegagalan sistem internal yang bersumber dari data. Contohnya adalah risiko bias (bias risk) di dataset yang menyebabkan diskriminasi, risiko data usang (data drift), dan risiko ketidakakuratan model karena data yang tidak lengkap atau konsisten.

Dari Sisi Pengguna Utama (Primary Users)

Standar ini juga memisahkan kelompok pengguna utama di dalam organisasi.

• ISO/IEC 42001 adalah “kitab suci” bagi level manajemen, seperti risk officer, tim compliance, auditor internal dan eksternal. Mereka yang bertanggung jawab atas pengawasan (oversight) dan kepatuhan perusahaan.
• ISO/IEC 42005 adalah panduan harian untuk tim teknis dan operasional, termasuk data scientist, data engineer, AI developer, dan tim data governance. Mereka yang bertanggung jawab untuk memastikan kualitas data di lapangan.

Kapan Organisasi Cukup dengan ISO/IEC 42001 Saja?

Secara teori, ISO/IEC 42001 bisa menjadi prioritas utama jika:

• AI hanya digunakan sebagai support system, bukan sebagai penentu utama keputusan yang berdampak tinggi (risiko yang ditanggung relatif kecil).
• Data yang digunakan relatif stabil dan sudah terkurasi dengan baik, sehingga risiko bias dan ketidakakuratan sudah minimal.
• Fokus utama organisasi hanya pada kepatuhan dan memiliki kerangka governance minimal untuk memenuhi persyaratan dasar.

Namun, kondisi ini semakin jarang ditemui di tahun 2025. Seiring semakin strategisnya peran AI di berbagai sektor, standar 42005 kini dianggap sebagai alat bantu wajib (metodologi) untuk secara efektif menjalankan kewajiban manajemen risiko yang dituntut oleh 42001. Keduanya bekerja sama untuk memastikan siklus hidup AI (AI lifecycle) Anda berjalan mulus dan bertanggung jawab.

Kapan ISO/IEC 42005 Menjadi Sangat Penting?

Kapan sih Anda benar-benar harus memeluk ISO/IEC 42005 dan menjadikannya pedoman wajib? Jawabannya sederhana: saat taruhannya besar. ISO/IEC 42005, yang fokus pada Penilaian Risiko AI (AI Risk Assessment) dan Kualitas Data (data quality), menjadi krusial di momen-momen genting ini:

• AI Digunakan untuk Keputusan Sensitif
  Jika sistem AI Anda menentukan nasib seseorang—seperti memberi pinjaman, merekrut karyawan, atau bahkan mendiagnosis penyakit—risiko dari data yang cacat itu sangat tinggi. Keputusan ini membutuhkan integritas data yang maksimal. Di sini, Anda tidak bisa hanya mengandalkan governance umum dari 42001, Anda perlu panduan teknis 42005 untuk memvalidasi input AI.
• Dataset Berasal dari Banyak Sumber
  Saat data (big data) yang Anda gunakan itu “kolase” dari berbagai sumber (database internal, crawler web, third party), potensi ketidakonsistenan, missing values, atau format yang berbeda akan melambung tinggi. ISO 42005 membantu Anda menavigasi kekacauan ini, memastikan data itu sudah melalui quality check yang ketat sebelum dipakai.
• Ada Risiko Bias Sosial, Ekonomi, atau Demografis
  Ini adalah masalah etika yang paling sering disorot oleh Regulasi AI global. Jika dataset Anda secara tidak sengaja mewakili satu kelompok saja, AI akan menjadi diskriminatif. ISO 42005 menyediakan metodologi step-by-step untuk mengidentifikasi dan memitigasi risiko bias data (bias risk) ini secara proaktif, jauh sebelum model Anda di-deploy ke publik.
• Organisasi Menghadapi Tuntutan Transparansi Data
  Publik dan regulator kini menuntut lebih dari sekadar “kami mengelola AI dengan baik.” Mereka ingin tahu: “Bagaimana prosesnya? Data mana yang dipakai?” 42005 membantu Anda mendokumentasikan sumber data, proses transformasi, dan hasil penilaian risiko, yang merupakan kunci untuk menunjukkan akuntabilitas dan transparansi sistem Anda.

Dalam konteks ini, ISO/IEC 42001 tanpa ISO/IEC 42005 ibarat mobil canggih dengan bensin kualitas rendah. Mobil (sistem manajemen AI) Anda mungkin sudah berstandar global, tapi bahan bakar (data) yang kotor akan merusak mesin dan membuatnya berhenti di tengah jalan.

Mengapa Kombinasi ISO/IEC 42001 + 42005 Jadi Standar Baru? (Menuju Full-Stack AI Governance)

Tren global saat ini menuju satu arah yang jelas: AI governance tidak bisa dilepaskan dari data governance.

Tidak ada lagi pemisahan. Anda tidak bisa mengklaim mengelola Sistem Manajemen Kecerdasan Buatan (SMKBA) dengan baik (42001) jika Anda tidak punya mekanisme teruji untuk mengelola kualitas dan risiko data (42005). Menggabungkan kedua standar ini menghasilkan “full-stack AI governance” yang menyeluruh, memberikan keuntungan besar bagi organisasi Anda:

• Sistem AI yang Terkendali (dan Punya Arah)
  ISO 42001 menyediakan struktur governance tingkat tinggi, memastikan setiap inisiatif AI sejalan dengan visi dan etika perusahaan. Ini membuat mesin AI Anda punya nahkoda dan tujuan.
• Data AI yang Berkualitas (dan Terpercaya)
  ISO 42005 memastikan bahan bakar yang masuk ke mesin AI adalah yang terbaik. Ini meminimalkan kegagalan karena masalah teknis internal, meningkatkan akurasi, dan secara langsung mengurangi risiko bias.
• Audit yang Lebih Mudah (dan Jelas)
  Ketika auditor datang, Anda tidak hanya menunjukkan kebijakan (42001), tetapi juga bukti dari penilaian risiko data yang detail (42005). Keterkaitan ini membuat proses audit data menjadi lebih flowy, transparan, dan sangat meyakinkan.
• Kepercayaan Publik dan Regulator
  Di era Regulasi AI yang makin ketat (seperti EU AI Act), menunjukkan komitmen pada kedua aspek—manajemen sistem dan integritas data—adalah gold standard. Kombinasi ini membangun kepercayaan publik yang merupakan aset tak ternilai.

Kombinasi ini adalah jembatan yang menyambungkan compliance (kepatuhan regulasi) di ruang rapat dengan realitas teknis di lab Data Science. Inilah yang membuat banyak praktisi menyebut kombinasi ini sebagai “full-stack AI governance”: mengelola AI dari level kebijakan tertinggi sampai ke level data terkecil.

Final response to user: 

Implikasi bagi Organisasi di Indonesia

Kenapa semua hype tentang ISO 42001 dan 42005 ini harus jadi perhatian serius bagi organisasi publik dan swasta di Indonesia? Jawabannya terletak pada dinamika digitalisasi dan penguatan regulasi di Tanah Air.

• ISO/IEC 42001 Menjawab Tuntutan Tata Kelola
  Di Indonesia, dorongan menuju good governance dan akuntabilitas di sektor publik maupun swasta terus menguat. 42001 hadir sebagai template emas untuk membuktikan bahwa proses manajemen dan oversight terhadap AI sudah berstandar global. Ini adalah jawaban konkret terhadap pertanyaan, “Bagaimana kami memastikan AI tidak merugikan masyarakat atau melanggar hukum?”
• ISO/IEC 42005 Menjawab Tuntutan Integritas Data
  Seiring penguatan hukum data pribadi (data privacy law) dan meningkatnya penggunaan AI untuk profiling atau layanan publik, tuntutan terhadap kualitas data (data quality) semakin tak terhindarkan. 42005 adalah alat yang memastikan input data Anda adil, akurat, dan tidak bias—kunci untuk mencegah diskriminasi berbasis risiko bias di layanan publik.

Relevansi kedua standar ini akan terus meroket seiring dengan tiga faktor utama:

1. Penguatan Regulasi AI
   Baik di level global maupun nasional, regulasi AI sedang disusun. Standar ISO ini memberikan framework proaktif agar organisasi tidak kaget dan reaktif saat regulasi itu diimplementasikan.
2. Digitalisasi Layanan Publik
   Instansi pemerintah semakin mengandalkan AI (Government AI) untuk efisiensi. Namun, jika AI-nya gagal karena data buruk, dampaknya langsung terasa pada jutaan warga. Standar ini adalah garansi mutu pelayanan.
3. Meningkatnya Kesadaran Etika Teknologi
   Konsumen dan masyarakat kini jauh lebih vokal. Mereka peduli dengan etika teknologi dan bagaimana data mereka digunakan. Organisasi yang mengimplementasikan standar ini menunjukkan komitmen serius pada AI yang bertanggung jawab (responsible AI).

Kesimpulan: Jangan Pilih Salah, Pahami Fungsinya

Mari kita tutup pembahasan ini dengan pemahaman yang utuh. ISO/IEC 42001 dan ISO/IEC 42005 bukan standar yang saling menggantikan. Mereka adalah dua sisi dari koin AI governance yang bertanggung jawab (responsible AI).

• ISO/IEC 42001 memastikan AI tidak berjalan liar
  Ia membangun Sistem Manajemen Kecerdasan Buatan (SMKBA), menata peran, prosedur, dan kerangka strategis (strategic framework) agar AI terkelola dari level CEO sampai engineer.
• ISO/IEC 42005 memastikan AI tidak berpikir dari data yang salah
  Ia memberikan panduan teknis untuk Penilaian Risiko AI (AI Risk Assessment), fokus pada integritas data dan mitigasi risiko bias (bias risk).

Di era AI 2025, organisasi yang ingin bertahan dan memenangkan kepercayaan bukanlah yang paling cepat mengadopsi AI, tapi yang paling matang mengelolanya. Menerapkan keduanya adalah jalan menuju “full-stack AI governance”.

FAQ Singkat

1. Apakah harus memilih salah satu?
   Tidak. Idealnya, kedua standar ini digunakan bersamaan. 42001 memberikan sistem tata kelola (kerangka), dan 42005 memberikan panduan operasional (metodologi) untuk menjalankan salah satu elemen terpenting dalam sistem tersebut: manajemen risiko data.
2. Mana yang lebih dulu diterapkan?
   Tergantung kesiapan organisasi. Banyak perusahaan memulai dari ISO/IEC 42001 untuk membangun governance dan akuntabilitas di tingkat manajerial, lalu memperkuatnya dengan metodologi 42005 untuk memperdalam kualitas data dan penanganan risiko bias di tingkat operasional.
3. Apakah keduanya bisa diaudit bersamaan?
   Ya, sangat bisa. Terutama jika dikaitkan dengan sistem manajemen yang sudah ada, seperti ISO 27001 (keamanan informasi) dan ISO 31000 (manajemen risiko umum). Kombinasi ini akan mempermudah audit data secara menyeluruh.
4. Apakah relevan untuk sektor publik?
   Sangat relevan. Terutama untuk layanan publik yang menggunakan AI berbasis data, seperti e-government atau sistem pendukung keputusan. Ini adalah bukti komitmen terhadap AI yang bertanggung jawab dan transparansi.
5. Apakah standar ini akan jadi wajib?
   Arahnya menuju mandatory expectation, meski belum selalu diwajibkan secara hukum. Artinya, meski belum ada UU yang mewajibkan, stakeholder, regulator, dan mitra bisnis akan semakin memandang ini sebagai best practice dan syarat kredibilitas.