2 Pengusaha Penyuap Noel Ebenezer Cs Divonis 1,5 Tahun Penjara, Lebih Rendah dari Tuntutan Jaksa
loading…
Pengadilan Tipikor Jakarta. Foto: Dok SindoNews/Nur Khabibi
JAKARTA – Dua pengusaha dari PT KEM Temurila dan Miki Mahfud divonis 1,5 tahun penjara dalam kasus suap pengurusan sertifikasi K3 di Kemnaker. Majelis Hakim Pengadilan Tipikor Jakarta menyatakan keduanya bersalah dalam kasus tersebut.
“Menjatuhkan pidana kepada terdakwa I Temurila dan terdakwa II Miki Mahfud oleh karena itu dengan pidana penjara masing-masing selama 1,5 tahun,” ujar Ketua Majelis Hakim Nur Sari Baktiana saat membacakan amar putusan, Kamis (4/6/2026).
Majelis hakim juga menghukum Temurila dan Miki membayar denda Rp200 juta subsider 90 hari pidana kurungan. Miki merupakan suami dari auditor ahli pratama di KPK.
Tak Ada Lagi Salah Ngomong! Instagram Hadirkan Teleprompter di Reels, Konten Video Kini Lebih Presisi.
Instagram resmi menghadirkan fitur Teleprompter untuk Reels, memudahkan pengguna merekam video sambil membaca script langsung dari layar. Ini membantu kreator konten, UMKM, dan profesional tanpa perlu menghafal materi atau aplikasi pihak ketiga. Fitur baru ini meningkatkan efisiensi produksi video secara signifikan. Peluncuran dilakukan bertahap.
Prabowo: Daripada Bangun Kantor Baru, Lebih Baik Buat Program yang Ciptakan Lapangan Kerja
Presiden RI Prabowo Subianto menegaskan pemerintah akan memprioritaskan program-program produktif yang mampu menciptakan lapangan kerja untuk rakyat dibandingkan membangun bangunan atau gedung. Hal itu dikatakan Prabowo saat menghadiri panen raya udang di tambak Budidaya Udang Berbasis Kawasan (BUBK) di Desa Tegalretno, Kecamatan Petanahan, Kebumen, Jawa Tengah, Sabtu (23/5). (Foto Dok. Badan Komunikasi Pemerintah (Bakom) RI)
Kebumen, Idola 92.6 FM-Presiden RI Prabowo Subianto menegaskan pemerintah akan memprioritaskan program-program produktif yang mampu menciptakan lapangan kerja untuk rakyat dibandingkan membangun bangunan atau gedung.
Menurut Prabowo, pembangunan gedung perkantoran tetap diperlukan, tapi harus dibarengi dengan produktivitas dan hasil nyata bagi rakyat.
“Maaf kita sekarang agak tundalah bangun banyak kantor, kantor, kantor, kantor itu itu ya perlu. Tapi jangan ada kantor, nggak ada produktifitas,” kata Prabowo saat menghadiri panen raya udang di tambak Budidaya Udang Berbasis Kawasan (BUBK) di Desa Tegalretno, Kecamatan Petanahan, Kebumen, Jawa Tengah, Sabtu (23/5).
Ia menilai kemegahan kantor tidak berarti apabila tidak menghasilkan manfaat konkret bagi masyarakat. Karena itu, pemerintah ingin fokus pada program yang memberikan hasil dan meningkatkan kesejahteraan rakyat.
“Kantor megah, produknya nggak ada. Lebih baik kantornya tidak begitu bagus, tapi produknya bagus. Hasilnya banyak,” ucapnya.
Prabowo menekankan kebutuhan utama masyarakat saat ini adalah pekerjaan dan peningkatan penghasilan. Oleh sebab itu, pemerintah mendorong berbagai program yang mampu menyerap tenaga kerja dalam jumlah besar.
“Penghasilan untuk rakyat banyak. Rakyat kita butuh pekerjaan,” tegasnya.
Ia pun mengapresiasi program yang dinilai produktif karena mampu membuka lapangan kerja bagi masyarakat lokal. Prabowo menyebut ada ratusan warga setempat yang terserap bekerja di kawasan tambak modern BUBK Kebumen.
“Jadi ini sangat bagus, sangat produktif. Lapangan kerja yang bisa diserap,” kata Prabowo.
“Berapa orang yang kerja sekarang? Enam ratus lima puluh. Enam ratus lima puluh. Lokal orang lokal semua. Orang setempat enam ratus lima puluh orang bekerja,” pungkasnya.
BUBK Kebumen diresmikan pada 9 Maret 2023. Hingga saat ini, BUBK Kebumen telah menjalankan siklus budidaya ke delapan dengan 139 kolam produksi yang beroperasi optimal.
Saat ini, proyek serupa dengan skala lebih besar tengah direncanakan pemerintah di Waingapu, Nusa Tenggara Timur (NTT). (her/dav)
Penanganan Model Drift yang Lebih Efisien melalui Pendekatan Sistemik Sagara
Foto: Nano Banana
Teknologi.id – Cerita klasik di dunia machine learning, Anda meluncurkan model prediksi churn dengan akurasi 92%. Tim excited, leadership puas. Model di-deploy ke production, dan semuanya berjalan lancar selama tiga bulan.
Kemudian, alarmnya berdentang akurasi turun menjadi 78%. Tim data science panik. “Apa yang salah?” Investigasi dimulai. Ternyata, distribusi data pelanggan berubah. Profil pelanggan baru yang masuk tidak sesuai dengan training data. Model masih menggunakan logic yang sama, tapi realitas telah berubah.
Inilah model drift, fenomena ketika performa model menurun karena perubahan dalam data atau lingkungan bisnis. Ini bukan bug. Ini adalah fakta alami dari machine learning di production. Data bergerak, model tertinggal.
Tanpa detection system yang baik, Anda bisa terus membuat keputusan bisnis yang salah selama berbulan-bulan tanpa menyadarinya.
Lebih Serius Daripada yang Kelihatan
Model drift bukan hanya soal akurasi yang turun. Dampaknya tersebar di mana-mana.
Finansial: Fraud detection model yang drift bisa membiarkan fraudster lolos. Recommendation model yang drift mengurangi conversion rate. Setiap poin akurasi yang hilang bisa mengakibatkan jutaan rupiah loss.
Operasional: Tim customer service kebanjiran complaint karena rekomendasi produk tidak relevan. Risk management team tidak tahu kalau model credit scoring sudah tidak reliable. Decision makers mengambil keputusan berdasarkan insights yang sudah outdated.
Reputasi: Pelanggan merasa produk Anda semakin tidak personalized, tidak “smart” seperti sebelumnya. Churn meningkat. Brand trust menurun.
Compliance: Untuk industri yang highly regulated (finance, healthcare), model yang drifted tanpa ada audit trail bisa menjadi violation yang serius.
Setiap Hari Tanpa Monitoring adalah Hari Potensi Loss
Model drift tidak memberikan warning sebelumnya. Anda baru tahu ada masalah ketika business metrics sudah jeblok atau customer complaints sudah berdatangan. Reaktif bukan proaktif.
Kompetitor yang already implement monitoring & retraining cycle otomatis bisa detect drift dalam hitungan jam dan retrain model dalam hitungan menit. Sementara Anda masih manual check performance metrics setiap minggu.
Foto: Nano Banana
Pendekatan Konvensional: Monitoring yang Terlalu Sederhana
Banyak organisasi hanya monitor satu metrik: accuracy. Mereka setup simple dashboard yang show akurasi model setiap hari, dan itu saja. Jika accuracy turun di bawah threshold, mereka trigger manual retraining.
Masalahnya, ini approach yang terlalu superficial:
Blind Spot pada Data Distribution Change: Accuracy bisa tetap stabil tapi data distribution-nya sudah berubah drastis. Model akan fail ketika data bergeser lebih jauh di masa depan.
Delayed Detection: Manual checking hanya dilakukan weekly atau daily. Drift bisa sudah menyeebar untuk hari-hari sebelumnya.
No Root Cause Analysis: Ketika akurasi turun, Anda tidak tahu penyebabnya apakah data drift, label drift, atau concept drift? Tanpa diagnosis yang akurat, retraining akan sia-sia.
Manual Retraining: Proses retraining memakan waktu. Bahkan ketika drift terdeteksi, bisa butuh 1-2 minggu untuk prepare data, retrain, dan deploy model baru.
Sagara Tech mengembangkan framework monitoring yang comprehensive. Bukan hanya accuracy, tapi keseluruhan ecosystem dari model health:
Multi-Dimensional Drift Detection: Monitor data drift (input distribution), label drift (output distribution), concept drift (relationship antara input dan output), dan performance drift secara bersamaan. Setiap dimensi punya early warning system sendiri.
Root Cause Analysis Engine: Ketika drift terdeteksi, sistem otomatis identify penyebabnya. Apakah perubahan di feature tertentu? Segment data tertentu yang problematic? Sagara’s analytics engine men-drill down hingga menemukan root cause.
Automated Retraining Pipeline: Ketika drift dikonfirmasi sebagai signifikan, pipeline retraining trigger otomatis dengan data terbaru. Model baru ditest, di-validate, dan di-deploy tanpa manual intervention.
Proactive Drift Scoring: Sistem menscore setiap incoming batch data, apakah jauh dari training distribution atau tidak. Ini early warning sebelum drift benar-benar impact accuracy.
Foto: Nano Banana
Dari Detection hingga Resolution
Sagara’s approach adalah end-to-end:
Phase 1 – Baseline & Monitoring Setup: Deploy monitoring system yang collect metrics dari model inference. Establish baseline performance dari training data.
Phase 2 – Drift Detection: System continuously monitor incoming data dan model predictions. Multiple algorithms (statistical tests, distribution comparison) run parallel untuk detect subtle shifts.
Phase 3 – Alert & Diagnosis: Ketika drift detected dengan confidence tinggi, system automatically diagnose root cause feature mana yang berubah, segment customer mana yang affected, atau ada structural change dalam data.
Phase 4 – Remedial Action: Tergantung severity dan root cause, system bisa trigger: retraining dengan new data, reweighting training samples, feature engineering baru, atau bahkan model architecture adjustment.
Phase 5 – Validation & Deployment: Model baru ditest against holdout set, performance metrics compared dengan incumbent model, dan deployed hanya jika performance improvement tervalidasi.
Seluruh cycle ini dari detection hingga deployment bisa selesai dalam hitungan jam, bukan minggu.
Manfaat Konkret untuk Operasi Bisnis
Mean Time to Detection Turun 90%: Drift terdeteksi dalam hitungan jam, bukan minggu setelah impact terasa.
Proactive vs Reactive: Retraining bisa trigger otomatis sebelum business metrics jeblok, bukan sebagai firefighting.
Klien Sagara yang beroperasi di e-commerce recommendation engine memiliki 50+ ranking models untuk berbagai product categories. Sebelum systematic monitoring, setiap model checked performance-nya hanya monthly. Mereka baru tahu ada drift ketika recommendation quality complaint meningkat drastis.
Setelah implementasi Sagara’s drift monitoring system:
Detection time: dari 30 hari menjadi 6 jam rata-rata
Retraining automation: dari 1 minggu manual work menjadi 4 jam automated pipeline
Model uptime: dari 85% (sering degraded) menjadi 99.2%
Conversion rate: meningkat 8% karena recommendation tetap relevant
Investasi Jangka Panjang untuk Model Maturity
Model drift handling bukanlah one-time project. Ini adalah continuous operating capability yang Sagara setup dan support untuk long term. Kami tidak hanya implement system dan disappear kami partner dengan klien untuk ensure system tetap effective seiring business dan data berevolusi.
Assessment Gratis
Apakah models Anda sudah memiliki drift detection? Apa sistem monitoring yang digunakan saat ini? Apakah ada recent incidents di mana model performance degraded dan Anda tidak mendeteksinya dengan cepat?
Hubungi Sagara Tech untuk model health assessment gratis. Kami akan evaluate current monitoring setup dan recommend systematic improvements.
BI: Cadangan Devisa Lebih dari Cukup untuk Stabilisasi Nilai Tukar Rupiah
Bank Indonesia menyatakan cadangan devisa Indonesia masih lebih dari cukup untuk melakukan intervensi di pasar valuta asing guna menstabilkan nilai tukar rupiah terhadap dolar AS. Hal itu dikatakan Gubernur BI Perry Warjiyo dalam Rapat Kerja dengan Dewan Perwakilan Rakyat (DPR), Senin (18/5). (Foto Dok. Istimewa/ Bisnis.com)
Jakarta, Idola 92.6 FM-Bank Indonesia menyatakan cadangan devisa Indonesia masih lebih dari cukup untuk melakukan intervensi di pasar valuta asing guna menstabilkan nilai tukar rupiah terhadap dolar AS.
Gubernur BI Perry Warjiyo mengatakan, BI telah meningkatkan intensitas intervensi di pasar valuta asing, baik melalui pasar spot, lindung nilai, maupun forward. Namun demikian, menurut Perry, cadangan devisa masih berada di atas metrik Assessing Reserve Adequacy (ARA) yang ditetapkan Dana Moneter Internasional (IMF).
Adapun menurutnya, saat ini skor metrik ARA Indonesia masih di atas 100, yang merupakan batas bawah aman minimum.
“Jadi, kami pastikan cadangan devisa lebih dari cukup. Masih lebih dari cukup, sehingga dosis intervensinya kami naikkan,” ujar Perry dalam Rapat Kerja dengan Dewan Perwakilan Rakyat (DPR), Senin (18/5).
Ia melanjutkan bahwa intervensi di pasar valuta asing merupakan salah satu langkah BI dalam menjaga stabilitas nilai tukar rupiah.
Selain intervensi pasar, BI juga meningkatkan tingkat imbal hasil Sekuritas Rupiah Bank Indonesia (SRBI) menjadi 6,41 persen untuk mendukung arus masuk modal asing (capital inflow).
Menurut Perry, kebijakan tersebut dinilai cukup efektif, tercermin dari arus masuk modal bersih melalui SRBI yang mencapai USD 105,16 miliar secara tahun kalender hingga 18 Mei 2026.
“Kenapa kami meningkatkan bunga SRBI? Supaya net inflow masih terjadi. Alhamdulillah itu mencatat inflow, sehingga menambah pasokan valas di dalam negeri,” tambahnya.
Selain itu, Perry mengatakan BI juga telah memperluas transaksi yuan-rupiah di pasar domestik guna mengurangi ketergantungan terhadap dolar AS.
BI, lanjut dia, juga akan menurunkan batas pembelian dolar AS tunai di pasar domestik tanpa underlying dari sebelumnya USD 50 ribu per pelaku per bulan menjadi USD 25 ribu mulai Juni mendatang.
“Hal ini kami lakukan supaya yang beli dolar AS adalah yang betul-betul membutuhkan,” pungkas Perry. (her/dav)
WhatsApp Rilis Fitur Obrolan Incognito dengan Meta AI, Chat Lebih Privat dan Aman
Foto: Meta
Teknologi.id –Aplikasi pesan instan WhatsApp kembali menghadirkan inovasi terbaru untuk meningkatkan privasi penggunanya. Kali ini, platform milik Meta Platforms tersebut resmi memperkenalkan fitur “Obrolan Incognito” bersama Meta AI, yang memungkinkan pengguna melakukan percakapan dengan kecerdasan buatan secara lebih aman dan privat.
Fitur baru ini dirancang untuk menjawab kekhawatiran pengguna terkait keamanan data saat berinteraksi dengan AI. Dengan teknologi khusus bernama Pemrosesan Privat, WhatsApp memastikan isi percakapan tidak bisa diakses pihak lain, termasuk Meta sendiri.
Percakapan AI Kini Lebih Rahasia
Dalam pengumuman resminya, Meta menjelaskan bahwa Obrolan Incognito dibuat agar pengguna dapat berbicara dengan AI tanpa khawatir percakapannya dibaca atau disimpan. Ketika fitur ini diaktifkan, pengguna akan memasuki ruang obrolan sementara yang hanya dapat dilihat oleh mereka sendiri.
Berbeda dengan layanan AI lain yang masih menyimpan atau memantau data percakapan, WhatsApp mengklaim sistem mereka bekerja di lingkungan aman yang terenkripsi.
Semua pesan diproses secara privat dan tidak tersimpan secara permanen.
Meta menegaskan bahwa tidak ada seorang pun yang dapat membaca isi obrolan tersebut, bahkan tim internal perusahaan sekalipun. Hal ini membuat pengguna lebih leluasa untuk bertanya, mencari informasi, maupun mengeksplorasi ide pribadi tanpa rasa khawatir.
Salah satu keunggulan utama Obrolan Incognito adalah sifatnya yang sementara. Percakapan yang dilakukan melalui fitur ini akan otomatis menghilang secara default setelah sesi selesai.
Konsep tersebut mirip dengan mode privat atau incognito pada browser internet, tetapi diterapkan untuk komunikasi berbasis AI. Dengan begitu, pengguna tidak perlu repot menghapus riwayat percakapan secara manual.
Kehadiran fitur ini dinilai penting di tengah meningkatnya penggunaan AI dalam kehidupan sehari-hari. Banyak orang kini memanfaatkan AI untuk mencari jawaban, meminta saran, hingga mendiskusikan hal-hal sensitif yang bersifat pribadi.
Fokus pada Perlindungan Privasi
Meta menyebut pengembangan Obrolan Incognito dilatarbelakangi oleh kebutuhan akan perlindungan data yang lebih kuat. Seiring berkembangnya teknologi AI, privasi pengguna menjadi perhatian utama banyak perusahaan teknologi.
Melalui sistem Pemrosesan Privat, WhatsApp ingin memberikan pengalaman yang lebih aman dibanding layanan AI konvensional.
Teknologi ini bekerja dengan memproses data di lingkungan terisolasi sehingga akses terhadap isi percakapan benar-benar dibatasi.
Langkah ini juga menjadi strategi Meta untuk meningkatkan kepercayaan pengguna terhadap layanan AI yang terintegrasi di aplikasi mereka. Sebab, sebagian pengguna masih ragu menggunakan AI karena takut data pribadi disalahgunakan atau bocor.
Tak berhenti di situ, Meta juga mengungkap rencana menghadirkan fitur baru bernama “Obrolan Sampingan” dalam beberapa bulan mendatang. Fitur tersebut nantinya tetap menggunakan teknologi Pemrosesan Privat.
Melalui Obrolan Sampingan, Meta AI dapat membantu pengguna berdasarkan konteks percakapan tertentu tanpa mengganggu obrolan utama. Dengan kata lain, AI akan mampu memberikan bantuan yang lebih relevan namun tetap menjaga kerahasiaan data pengguna.
Kehadiran inovasi ini memperlihatkan bahwa WhatsApp semakin serius mengembangkan layanan berbasis AI dengan fokus pada keamanan dan kenyamanan pengguna. Jika implementasinya berjalan sesuai janji perusahaan, fitur ini bisa menjadi standar baru untuk percakapan AI yang lebih privat di masa depan.
IKN Lanjut! DPR Desak Proyek Lebih Realistis Pasca Putusan MK Jakarta
loading…
Putusan MK menegaskan DKI Jakarta masih memegang status sebagai Ibu Kota Negara. Namun, putusan tersebut tidak dipandang sebagai penghentian proyek pembangunan Ibu Kota Nusantara (IKN). Foto: Dok Sindonews
JAKARTA – Putusan Mahkamah Konstitusi (MK) menegaskan DKI Jakarta masih memegang status sebagai Ibu Kota Negara. Namun, putusan tersebut tidak dipandang sebagai penghentian proyek pembangunan Ibu Kota Nusantara (IKN) .
Anggota Komisi III DPR RI Romy Soekarno menilai putusan ini merupakan langkah penting untuk menjamin kepastian hukum dalam proses transisi pemerintahan. “Putusan MK harus kita hormati sebagai bagian dari kepastian konstitusi dan kepastian tahapan perpindahan ibu kota negara,” ujar Romy dikutip, Minggu (17/5/2026).
Karena itu, putusan MK ini justru memberikan kesempatan bagi pemerintah untuk menyusun langkah yang lebih matang dan terukur dalam mempersiapkan infrastruktur serta kesiapan fiskal dan sosial-ekonomi.
“Jangan dipahami seolah pembangunan Ibu Kota Nusantara berhenti. Pembangunan bisa tetap berjalan, tetapi pendekatannya harus lebih realistis, bertahap, terukur, dan strategis sesuai kemampuan negara serta prioritas nasional,” ungkapnya.
Sebagai mitra kerja Otorita IKN, legislator PDIP itu mengusulkan agar konsep pembangunan IKN ke depan lebih difokuskan sebagai pusat pemerintahan strategis nasional sekaligus green capital.
Dia memberikan pandangan mengenai fungsi awal Istana Negara di IKN agar bisa digunakan secara bertahap. “Apabila diperlukan, posisi Istana Negara di Ibu Kota Nusantara dapat terlebih dahulu difungsikan setingkat kawasan istana kepresidenan seperti Istana Bogor, Istana Cipanas, maupun Istana Tampaksiring, sambil menunggu kesiapan penuh perpindahan pemerintahan nasional,” katanya.
Pengajian Berbayar Lebih Masuk Akal dan Layak untuk Diikuti
Terus terang saja, dulu saya termasuk orang yang agak sinis ketika mendengar ada pengajian berbayar. Dalam kepala saya pada waktu itu, kok bisa-bisanya pengajian tiketnya. Bahkan dulu ketika masih pacaran dengan istri saya, saya terbahak-bahak ketika ia menawari saya ikut pengajian Hanan Attaki.
Bukan saya tidak suka ustadnya, cuma bagi orang desa yang hampir selalu ada pengajian gratis, saya tidak menerima konsep pengajian berbayar. Bahkan saya pernah nyeletuk, “Kalau harus bayar, mending nonton konser sekalian.”
Iya, waktu itu saya benar-benar tidak paham kenapa konsep pengajian berbayar bisa laris. Kok ada saja orang yang mau datang, bahkan rela membeli tiket lebih dulu.
Namun, setelah berkali-kali mengikuti pelatihan, saya merasa yang berbayar memang lebih layak diikuti. Pun ketika akhirnya kembali mendengarkan pengajian gratisan di desa, saya merasa seperti mendengar angin lalu. Tidak ada struktur pembahasan yang jelas. Terasa ngambang.
Ini bukan cuma kesimpulan saya, beberapa yang ikut mendengarkan juga merasa demikian. Dari sana, saya kepikiran, jangan-jangan konsep pengajian berbayar memang paling layak diikuti.
Pembicara lebih fokus dan tidak ngomong ke mana-mana
Iya, dalam banyak pengajian gratis yang pernah saya ikuti, ceramah sering kali berjalan sangat bebas. Kadang pembicara memulai dari satu tema, lalu tiba-tiba melompat ke cerita lain, kemudian berbelok lagi ke topik berbeda.
Tidak selalu buruk memang. Kadang justru menghibur. Tapi sering juga membuat jamaah pulang dengan perasaan agak kosong. Ketika pulang dan ditanya, “Tadi bahas apa?” jawabannya tidak tahu. Tidak paham. Rasanya seperti habis mendengar banyak cerita, tapi inti pembahasannya sulit dirangkum.
Sebaliknya, dalam pengajian yang lebih terkonsep—yang biasanya memang berbayar—materinya terasa lebih rapi. Pembicara datang dengan persiapan. Ada alur pembahasan yang jelas. Kadang bahkan menggunakan slide presentasi atau materi visual.
Alhasil, pembahasannya lebih fokus. Tidak terlalu melebar ke mana-mana. Jamaah juga lebih mudah mengikuti dan bisa mengambil kesimpulan.
Hal lain yang saya perhatikan adalah sikap para peserta. Karena harus membeli tiket atau membayar biaya tertentu, orang yang datang biasanya memang berniat mengikuti pengajian dengan serius. Mereka tidak sekadar coba-coba.
Ini membuat suasana jadi berbeda. Orang-orang datang untuk mendengarkan, bukan sekadar hadir. Mereka memperhatikan pembicara, mencatat poin penting, atau benar-benar mencoba memahami isi ceramah.
Dalam kajian psikologis, ketika kita sudah mengeluarkan uang untuk sesuatu, kita cenderung lebih menghargainya. Hal ini juga berlaku dalam pengajian.
Aturan acara dalam pengajian berbayar lebih jelas
Karena diselenggarakan secara lebih profesional, biasanya ada aturan yang jelas selama acara berlangsung. Misalnya larangan merokok di area pengajian, aturan menjaga ketertiban, atau pembagian tempat duduk yang lebih rapi.
Hal-hal kecil seperti ini ternyata sangat berpengaruh pada kenyamanan. Tidak ada gangguan asap rokok, tidak ada orang yang keluar masuk sembarangan, dan suasana terasa lebih kondusif untuk mendengarkan.
Bagi orang yang ingin benar-benar fokus mengikuti kajian, kondisi seperti ini tentu jauh lebih membantu.
Tempatnya lebih nyaman
Ini mungkin terdengar sepele, tapi sebenarnya cukup penting. Pengajian yang berbayar biasanya diselenggarakan di tempat yang nyaman, seperti aula hotel, gedung pertemuan, atau ruang acara yang tertata dengan baik.
Kursinya nyaman. Sistem suaranya jelas. Kalau hujan, tidak perlu khawatir atapnya bocor.
Bandingkan dengan beberapa pengajian umum yang kadang digelar di tempat seadanya. Tidak jarang jamaah harus duduk berdesakan, kepanasan, atau bahkan kehujanan jika cuaca berubah. Dalam kondisi seperti itu, sulit rasanya benar-benar fokus mendengarkan materi.
Dengan beberapa pertimbangan di atas, saya sampai pada kesimpulan bahwa membayar tidak selalu berarti komersialisasi agama. Dalam konteks tertentu, biaya justru membuat sebuah acara menjadi lebih terkelola.
Pembicara lebih siap. Materi lebih terstruktur. Tempat lebih nyaman. Pesertanya pun datang dengan niat yang jelas. Dan yang paling terasa, karena kita sudah membayar, kita juga merasa “sayang” kalau tidak benar-benar memperhatikan. Artinya ekosistemnya jadi lebih fokus untuk mendengarkan.
Jadi kalau sekarang ada orang bertanya pendapat saya tentang pengajian berbayar, jawabannya sudah berubah. Saya tidak lagi terlalu sinis seperti dulu. Bukan berarti semua pengajian harus berbayar. Pengajian gratis tetap penting dan punya tempatnya sendiri.
Tapi sekarang saya paham, dalam kondisi tertentu, konsep pengajian berbayar memang masuk akal. Bahkan kadang justru membuat kita pulang dengan pemahaman yang lebih jelas daripada gratisan tapi pulang dengan keadaan bingung dan mempertanyakan tadi pengajiannya membahas apa, ya?
Terminal Mojok merupakan platform User Generated Content (UGC) untuk mewadahi jamaah mojokiyah menulis tentang apa pun. Submit esaimu secara mandiri lewat carainiya.
Backend Intelligence Sagara, solusi cerdas untuk proyek AI yang lebih hemat
Foto: Pexels.com
Teknologi.id– Di kalangan perusahaan nasional dengan likuiditas tinggi (cash-rich), kegagalan sebuah proyek teknologi bukan hanya soal kerugian finansial, melainkan soal reputasi dan hilangnya kepercayaan pemegang saham. Memasuki tahun 2026, ekspektasi terhadap implementasiArtificial Intelligence(AI) berada di titik tertinggi.
Para direksi kini tidak lagi mencari solusi “coba-coba”. Mereka membutuhkan jaminan bahwa investasi miliaran rupiah mereka harus membuahkan hasil nyata dengansuccess rateyang mendekati sempurna sejak tahun pertama. Inilah alasan mengapaBackend Intelligencedari Sagara Technology menjadi pilihan strategis yang paling dicari oleh para pemimpin industri.
Tantangan “AI Pilot Purgatory” di Korporasi Besar
Masalah utama yang sering dialami perusahaan besar adalah “AI Pilot Purgatory”, di mana sebuah proyek AI hanya berhenti di tahap uji coba dan gagal saat akan diimplementasikan ke seluruh cabang nasional. Biasanya, hal ini disebabkan oleh infrastrukturbackendyang tidak sanggup menanggung beban data riil yang sangat dinamis dan masif.
Bagi perusahaan yang memiliki dana besar, ketidakmampuan vendor dalam menangani kompleksitas integrasi data birokrasi dan operasional adalah hambatan terbesar yang menghabiskan waktu bertahun-tahun tanpa hasil. Tanpa otak sistem yang kuat, fitur-fitur AI yang canggih sekalipun tidak akan bisa berjalan di atas infrastruktur yang rapuh.
Dampak Kegagalan Digital terhadap Valuasi dan Kepercayaan
Setiap proyek digital yang mangkrak akan menjadi sorotan negatif, terutama bagi perusahaan yang memiliki eksposur tinggi di pasar modal. Inefisiensi dalam sistem informasi yang baru diluncurkan dapat menyebabkan kekacauan layanan pelanggan hingga kerugian operasional yang masif.
Di era transparansi digital 2026, kegagalan teknologi di tahun pertama sering kali dianggap sebagai tanda ketidakmampuan manajemen dalam menavigasi masa depan. Hal ini dapat memicu penurunan kepercayaan investor dan memberikan sinyal lemahnya daya saing perusahaan di tengah revolusi industri 4.0 yang kian kompetitif.
Keharusan “Go-Live” Tanpa Celah di 2026
Tahun 2026 menuntut kecepatan dan ketepatan yang absolut. Dengan target adopsi AI nasional yang kini mencapai 92%, perusahaan tidak memiliki kemewahan untuk melakukan kesalahan di tahun pertama. Urgensinya adalah memiliki sistem yang stabil, aman, dan langsung memberikan nilai tambah pada produktivitas.
Perusahaan harus mengamankan infrastruktur yangfit-for-purposeagar dana besar yang dialokasikan segera memberikan imbal hasil (ROI) melalui efisiensi proses bisnis. Solusi bagi perusahaancash-richadalah menghindari pengembangan eksperimental dan mulai beralih ke kemitraan yang fokus pada penguatanbackend intelligence yakni otak sistem yang mampu mengelola logika bisnis kompleks, keamanan data, dan skalabilitas secara simultan.
Sagara Technology melalui unitBackend Intelligencemenawarkan pendekatan yang berbeda: keberhasilan berbasis arsitektur. Dengan dukungan talenta digital terbaik Indonesia, Sagara membangun sistem informasi yang dirancang untuk langsung siap pakai (ready-to-scale). Sagara memastikan setiap proyek AI yang ditanganinya memiliki fondasibackendyang tangguh, sehingga probabilitas keberhasilan proyek di tahun pertama meningkat secara drastis melalui monitoring performa yang ketat dan integrasi sistem yang mulus.
Manfaat Praktis Backend Intelligence Sagara:
Jaminan Stabilitas Tahun Pertama, Arsitektur yang dirancang khusus untuk mencegahcrashsistem saat peluncuran perdana secara nasional.
Integrasi Data Tanpa Hambatan, Kemampuan mengonsolidasikan jutaan data dari berbagai departemen menjadi satu pusat kecerdasan AI yang akurat.
Keamanan Data Mutakhir, Proteksi kedaulatan data sesuai regulasi nasional, menjamin kerahasiaan aset strategis perusahaan tetap terjaga.
Efisiensi Biaya Operasional,Mengurangi pemborosanbudgetpada infrastruktur yang tidak perlu melalui optimalisasi kode dan sumber daya server secara presisi.
Memberikan Kepastian di Tengah Dinamika Teknologi
“Bagi perusahaan dengan budget besar, mereka tidak butuh janji, mereka butuh sistem yang menyala dan bekerja sesuai rencana,” ungkap Senior Project Manager Sagara Technology. Kepuasan terbesar tim Sagara adalah saatBackend Intelligenceyang dibangun mampu membantu perusahaan melewati tahun pertama transformasi mereka tanpa kendala teknis berarti.
Jangan biarkan proyek strategis Anda menjadi bagian dari statistik kegagalan digital. Sagara Technology siap menjadi mitra yang menjamin proyek AI perusahaan Anda sukses, stabil, dan berdampak sejak hari pertama. Mari bangun masa depan digital Indonesia dengan kepastian teknologi dan kualitas talenta lokal yang melampaui standar global.
Pemerintah Tegaskan Rasio Utang Indonesia Masih Aman, Lebih Rendah dari Malaysia hingga Jepang
Menteri Keuangan Purbaya Yudhi Sadewa memastikan bahwa rasio utang pemerintah masih berada pada level aman, yakni sebesar 40,75 persen terhadap Produk Domestik Bruto (PDB) per 31 Maret 2026. Hal itu dikatakan Purbaya dalam media briefing, Senin (11/5). (Foto Dok. Istimewa)
Jakarta, Idola 92.6 FM-Menteri Keuangan Purbaya Yudhi Sadewa memastikan bahwa rasio utang pemerintah masih berada pada level aman, yakni sebesar 40,75 persen terhadap Produk Domestik Bruto (PDB) per 31 Maret 2026.
Purbaya menjelaskan, rasio utang pemerintah saat tersebut masih berada di bawah batas yang ditetapkan dalam Maastricht Treaty, yakni 60 persen terhadap PDB.
Selain itu, angka tersebut juga masih berada di bawah ambang batas 60 persen yang diamanatkan dalam Undang-Undang (UU) No. 17 Tahun 2003 tentang Keuangan Negara.
“Kalau kita lihat Maastricht Treaty, atau acuan yang paling ketat di Eropa, rasio utang ke PDB (dibatasi) 60 persen. Kita masih jauh, jadi masih aman,” ujar Purbaya dalam media briefing, Senin (11/5).
Lebih lanjut, ia mengatakan rasio utang Indonesia juga masih lebih rendah dibandingkan sejumlah negara di Asia Tenggara.
Sebagai contoh, Purbaya menyebut bahwa Malaysia saat ini memiliki rasio utang lebih dari 60 persen terhadap PDB. Sementara itu, rasio utang Singapura hampir mencapai 180 persen terhadap PDB.
Berdasarkan data tersebut, Purbaya menilai rasio utang Indonesia justru menunjukkan bahwa pemerintah mengelola utang secara disiplin, hati-hati, dan terukur.
“Kita termasuk yang paling hati-hati dibanding negara-negara lain, dibanding Amerika Serikat juga, dibanding Jepang juga,” imbuh dia.
Oleh karena itu, ia meminta masyarakat menilai kondisi utang Indonesia secara komparatif, bukan hanya berdasarkan nilai nominal semata. “Jadi lihat dari sisi komparatifnya,” ujar dia. (her/dav)
Foto: Pexels.com
