Selisih adalah platform analitik bertenaga machine learning yang belajar dari ribuan temuan audit historis. Setiap bulan, sistem mengurutkan realisasi APBD yang paling janggal dari 552 Pemda, menjelaskan mengapa setiap realisasi mencurigakan — supaya tim DJPK fokus pada yang benar-benar perlu diperiksa, bukan sampling acak.
Contoh data sintetis — data SIKD anonim, tidak ada data personal.
Triliunan rupiah potensi temuan BPK setiap tahun — bukan karena tim kurang kompeten.
DJPK menerima laporan realisasi APBD dari 552 Pemda setiap bulan. Verifikasi manual atau sampling acak membuat pola yang lebih canggih lolos dari perhatian. Pola janggal tersebar di ribuan baris akun BAS, dan tim analis kelelahan mengejar sampel yang sering bukan yang paling bermasalah.
Hasilnya: potensi temuan BPK yang bisa diantisipasi justru terlewat, rekomendasi perbaikan terlambat, dan beban kerja analis yang tidak manusiawi. Selisih dibangun untuk memperbaiki ketiganya — dalam satu alur kerja yang dipahami analis DJPK, bukan data scientist.
“Dengan Selisih, saya bisa fokus ke Pemda yang benar-benar perlu diperiksa — bukan sampling acak setiap bulan.”
Model machine learning Selisih memilih realisasi APBD paling mendesak setiap bulan — belajar dari pola temuan BPK historis. Tim Anda mulai dari Pemda yang paling bernilai untuk diperiksa.
Di balik setiap realisasi: tiga alasan konkret dari analisis AI — pola serapan anggaran, lag pencatatan, tier fiskal Pemda. Siap disalin ke nota dinas tanpa parafrase.
Aturan SIKD tertanam sebagai lapisan rule-based yang berjalan berdampingan dengan model AI, mengacu Permendagri 90/2019. Tim Anda bisa menambah atau menyesuaikan aturan tanpa programmer.
Daripada memulai dari Pemda mana saja, tim Anda membuka realisasi APBD paling janggal bulan itu — sudah terurut berdasarkan skor risiko, sudah terlabel per akun BAS.
Tiga alasan konkret per realisasi — serapan anggaran vs pagu, lag pencatatan, tier fiskal Pemda — dalam kalimat yang bisa langsung dikutip ke nota dinas.
| Pola yang diperiksa | Temuan |
|---|---|
| Serapan vs pagu anggaran | 122,65% (rata-rata 84%) |
| Lag pencatatan realisasi | 75 hari — persentil ke-91 |
| Tier fiskal Pemda | Tier B — menengah |
| Frekuensi koreksi LRA | — |
| Dokumen pendukung | Tidak dilampirkan |
Konfirmasi janggal, tolak, atau eskalasi ke tim BPK — plus catatan singkat. Setiap keputusan memperkuat model untuk bulan depan.
Nota dinas lengkap dengan bukti serapan dan kutipan aturan SIKD — analis tinggal meninjau dan menandatangani.
Keputusan auditor ditulis ke tabel anotasi · model retrain mingguan menggunakan label ini · versi model tersimpan untuk audit trail 5 tahun.
Alur kerja yang dulu menghabiskan minggu penuh kini selesai dalam beberapa jam — dengan jejak audit lengkap untuk setiap keputusan.
Di inti Selisih: machine learning klasik yang sudah matang di ribuan riset — deterministik, bisa diaudit, berjalan tanpa koneksi internet. Di atasnya: lima fitur AI kopilot opsional (generative AI untuk narasi, RAG untuk regulasi, NLP untuk query) yang membantu tim bekerja lebih cepat. Kopilot bisa dimatikan kapan saja; sistem inti tetap jalan. Keputusan akhir selalu di tangan analis DJPK.
'Realisasi dari Pemda X dengan anomali serapan tinggi di Q3' — antrean langsung terfilter. Tidak perlu belajar query bahasa khusus.
Tiga alasan teknis dirangkum menjadi satu paragraf Bahasa Indonesia — siap dikirim ke Pemda atau supervisor sebagai catatan temuan.
Membandingkan kode akun BAS realisasi dengan klasifikasi anggaran — membantu analis melihat potensi salah saji yang sering terlewat.
'Apa syarat realisasi melewati pagu?' — jawaban singkat dengan kutipan Permendagri 90/2019 dan UU 1/2022 HKPD yang sah.
Sistem menyiapkan nota dinas; analis menyetujui. Semua bukti serapan dan kutipan aturan SIKD sudah melekat otomatis.
↳ AI hanya membantu menjelaskan dan menyusun. Yang memberi skor dan mengambil keputusan tetap tim Anda.