Metodologi & Sumber Data
Bagaimana Kami Menghitung AI Exposure Index
Transparansi penuh tentang metodologi, sumber data, asumsi, dan batasan yang digunakan dalam AI Exposure Index Indonesia 2026.
📌 1. Gambaran Umum
AI Exposure Index Indonesia adalah penilaian kuantitatif tentang seberapa besar kemungkinan suatu pekerjaan terdampak oleh otomatisasi berbasis kecerdasan buatan (AI) dalam jangka menengah (3–10 tahun ke depan).
Index ini dikembangkan oleh ARISE INTELLIGENCE sebagai alat edukasi dan analisis, bukan sebagai prediksi pasti. Tujuannya adalah membantu pekerja, pengambil kebijakan, dan peneliti memahami lanskap risiko ketenagakerjaan di era AI.
Penting: Skor AI Exposure adalah analisis ARISE INTELLIGENCE menggunakan metodologi adaptasi dari penelitian Karpathy (2026). Ini bukan data resmi pemerintah. Data ketenagakerjaan (jumlah pekerja, gaji) adalah estimasi berdasarkan referensi BPS Sakernas dan survei industri — bukan angka resmi BPS yang diambil langsung.
🔬 2. Metodologi Skor AI Exposure
Dasar Kerangka: Karpathy Exposure Framework (2026)
Skor AI Exposure mengadaptasi kerangka yang dipopulerkan oleh Andrej Karpathy dalam konteks "Software 2.0" dan kemampuan Large Language Models (LLM). Kerangka ini menilai pekerjaan berdasarkan seberapa besar porsi tugasnya yang bisa dilakukan atau diotomatisasi oleh AI saat ini atau dalam waktu dekat.
Dimensi Penilaian
Setiap pekerjaan dinilai berdasarkan 7 dimensi utama:
- Kognisi Rutin — Seberapa besar pekerjaan ini terdiri dari tugas-tugas kognitif berulang yang bisa diprediksi (data entry, kalkulasi, klasifikasi)?
- Pemrosesan Bahasa — Apakah pekerjaan ini banyak melibatkan membaca, menulis, atau komunikasi terstruktur?
- Kemampuan Fisik & Manual — Seberapa besar pekerjaan membutuhkan keterampilan tangan, mobilitas, atau interaksi fisik dengan lingkungan nyata?
- Kreativitas & Inovasi — Apakah pekerjaan memerlukan pemikiran orisinal, desain baru, atau solusi untuk masalah yang belum pernah ada?
- Interaksi Sosial Kompleks — Seberapa besar ketergantungan pada empati, negosiasi, kepercayaan, atau hubungan manusia yang mendalam?
- Konteks & Judgment — Apakah pekerjaan membutuhkan pemahaman konteks situasional yang kompleks dan pengambilan keputusan dalam ketidakpastian?
- Akses Data & Digitalisasi — Seberapa mudah input/output pekerjaan ini didigitalisasi dan direplikasi oleh sistem AI?
Proses Penilaian
Skor akhir (0–10) merupakan agregat tertimbang dari ketujuh dimensi di atas, dengan bobot yang disesuaikan berdasarkan konteks ketenagakerjaan Indonesia (misalnya: sektor informal, tingkat digitalisasi industri, infrastruktur AI yang tersedia).
Penilaian dilakukan melalui kombinasi:
- Analisis deskripsi jabatan menggunakan KBJI 2014 (Klasifikasi Baku Jabatan Indonesia) sebagai referensi nama dan lingkup pekerjaan
- Benchmarking dengan penelitian global (O*NET, Frey & Osborne 2013, Acemoglu & Restrepo 2022)
- Kontekstualisasi kondisi Indonesia: tingkat adopsi teknologi, upah minimum, akses internet, dan dinamika pasar kerja lokal
- Review oleh tim analis ARISE INTELLIGENCE
📂 3. Sumber Data
⚠️ Catatan Transparansi: BPS Indonesia menggunakan proteksi Cloudflare yang mencegah akses programatik langsung. Data BPS yang kami gunakan diambil dari laporan resmi BPS yang tersedia secara publik (PDF, publikasi, dan statistik yang sudah dipublikasikan), bukan melalui scraping API langsung.
| Data |
Sumber |
Status |
Catatan |
| Klasifikasi jabatan & nama pekerjaan |
KBJI 2014 (BPS) |
BPS Referensi |
Klasifikasi Baku Jabatan Indonesia 2014, publikasi resmi BPS |
| Jumlah pekerja per sektor |
BPS Sakernas 2023–2024 (agregat sektoral) + estimasi ARISE |
Estimasi |
Angka agregat per sektor dari publikasi BPS, didistribusikan ke jabatan spesifik menggunakan model estimasi ARISE |
| Gaji/upah median per jabatan |
BPS Sakernas (rata-rata upah per sektor) + Jobstreet/LinkedIn Indonesia 2024 |
Estimasi |
Upah rata-rata sektoral dari BPS, didetailkan ke jabatan spesifik menggunakan data platform kerja Indonesia |
| Skor AI Exposure (0–10) |
Analisis ARISE INTELLIGENCE |
ARISE Analysis |
Metodologi internal adaptasi Karpathy, bukan data pemerintah |
| Klasifikasi sektor industri |
KBLI 2020 (BPS) — Klasifikasi Baku Lapangan Usaha Indonesia |
BPS Referensi |
Pengelompokan sektoral mengacu pada KBLI 2020 |
| Penelitian AI & otomatisasi |
Frey & Osborne (2013), Acemoglu & Restrepo (2022), McKinsey Global Institute (2023), WEF Future of Jobs (2025) |
Eksternal |
Digunakan sebagai benchmark global untuk kontekstualisasi |
Mengapa Data Pekerja & Gaji adalah Estimasi?
BPS Sakernas menyediakan data ketenagakerjaan pada tingkat agregasi sektoral (pertanian, manufaktur, jasa, dll), bukan per jabatan spesifik. Untuk mendapatkan angka per jabatan (mis. "berapa petani padi vs petani hortikultura"), kami menggunakan distribusi proporsional berdasarkan survei industri dan data platform ketenagakerjaan Indonesia.
Angka agregat makro (total 77 juta pekerja yang dianalisis) mengacu pada data BPS Sakernas Agustus 2024, namun distribusi per pekerjaan adalah estimasi ARISE INTELLIGENCE.
🎯 4. Cara Menginterpretasi Skor
1–4
Aman
Pekerjaan ini sangat sulit diotomatisasi AI dalam 5–10 tahun ke depan. Membutuhkan keterampilan fisik, sosial, atau kreatif yang kompleks yang belum bisa direplikasi AI secara ekonomis di Indonesia.
5–6
Menengah
Sebagian tugas bisa diotomatisasi AI (terutama bagian rutin/administratif), namun inti pekerjaan masih membutuhkan manusia. Pekerja disarankan mengembangkan skill komplementer AI.
7–8
Tinggi
Mayoritas tugas bisa dilakukan AI. Pekerjaan ini kemungkinan besar akan berubah signifikan atau berkurang jumlahnya dalam 3–7 tahun. Transisi skill sangat direkomendasikan.
9–10
Kritis
Hampir semua tugas bisa diotomatisasi AI dengan teknologi yang sudah ada saat ini. Transisi karir atau upskilling radikal sangat mendesak.
Yang Perlu Diingat
- Skor bukan prediksi pasti. Banyak faktor non-teknis (regulasi, adopsi teknologi, biaya implementasi) yang menentukan apakah otomatisasi benar-benar terjadi.
- Konteks Indonesia sangat penting. Upah minimum yang relatif rendah membuat otomatisasi belum tentu ekonomis, bahkan untuk pekerjaan berisiko tinggi secara teknis.
- AI mengubah, tidak selalu menggantikan. Banyak pekerjaan akan berubah bentuknya — beberapa tugas hilang, tugas baru muncul — daripada pekerjaan itu sendiri yang lenyap.
- Skor berlaku pada level jabatan, bukan individu. Pekerja dengan skill unik, pengalaman luas, atau spesialisasi tinggi mungkin lebih tahan dari skor rata-rata jabatannya.
⚠️ 5. Batasan & Disclaimer
Disclaimer Resmi ARISE INTELLIGENCE
AI Exposure Index Indonesia adalah alat analisis edukatif. Data ini
BUKAN:
- Angka resmi dari pemerintah Indonesia, BPS, atau lembaga resmi manapun
- Prediksi pasti tentang masa depan ketenagakerjaan
- Dasar untuk keputusan kebijakan publik tanpa verifikasi tambahan
Batasan Metodologis
- Data granular BPS tidak tersedia secara publik per jabatan. BPS Sakernas menyediakan data sektoral, bukan per jabatan spesifik — distribusi per jabatan adalah estimasi.
- Teknologi AI berkembang cepat. Skor yang dibuat hari ini mungkin sudah tidak akurat dalam 12–18 bulan ke depan seiring kemajuan model AI.
- Bias terhadap pekerjaan formal. Data gaji dan pekerja cenderung lebih akurat untuk sektor formal; sektor informal Indonesia (±57% angkatan kerja) lebih sulit diestimasi.
- Agregasi jabatan. Beberapa "pekerjaan" dalam index ini sebenarnya mencakup banyak sub-jabatan dengan tingkat risiko berbeda.
- Faktor adopsi tidak diperhitungkan. Skor mengukur kemungkinan teknis otomatisasi, bukan probabilitas adopsi aktual di Indonesia.
Komitmen Kami: ARISE INTELLIGENCE berkomitmen untuk memperbarui index ini secara berkala seiring tersedianya data BPS terbaru dan perkembangan teknologi AI. Kami juga terbuka untuk kolaborasi dengan peneliti, institusi, dan pemerintah untuk meningkatkan akurasi data.
📚 6. Referensi Akademis & Sumber
Publikasi Resmi BPS Indonesia
- BPS Indonesia. Klasifikasi Baku Jabatan Indonesia (KBJI) 2014. Jakarta: BPS, 2014.
- BPS Indonesia. Klasifikasi Baku Lapangan Usaha Indonesia (KBLI) 2020. Jakarta: BPS, 2020.
- BPS Indonesia. Survei Angkatan Kerja Nasional (Sakernas) Agustus 2024. Jakarta: BPS, 2024.
- BPS Indonesia. Keadaan Ketenagakerjaan Indonesia Agustus 2024. Berita Resmi Statistik No. 83/11/Th.XXVII, November 2024.
Penelitian Akademis
- Frey, C. B., & Osborne, M. A. (2013). The future of employment: How susceptible are jobs to computerisation? Oxford University Programme on the Impacts of Future Technology.
- Acemoglu, D., & Restrepo, P. (2022). Tasks, Automation, and the Rise in US Wage Inequality. Econometrica, 90(5).
- Karpathy, A. (2026). Software Is Eating the World, AI Is Eating Software. (Adaptasi framework exposure untuk LLM era.)
- McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier.
- World Economic Forum. (2025). Future of Jobs Report 2025. Geneva: WEF.
Data Pendukung
- Jobstreet Indonesia. Salary Report Indonesia 2024. jobstreet.co.id
- LinkedIn Workforce Insights Indonesia 2024.
- ILO Indonesia. Indonesia Labour Market Update 2024. ilo.org/jakarta
Kontak & Feedback
Ada pertanyaan tentang metodologi, ditemukan kesalahan data, atau ingin berkolaborasi?
Hubungi kami di: ariseintelligence.id atau melalui komunitas Metavulus Discord.