Nexa Intelligence Docs
Pipeline Data

decision_intelligence

Alur penalaran strategis AI per isu nasional & perumusan rekomendasi mitigasi pimpinan (03:00 WIB) ke dalam indeks Elasticsearch decision_intelligence.

Pipeline Data: decision_intelligence (Issue-Level Strategic Recommendations)

Indeks Elasticsearch decision_intelligence memuat hasil sintesis intelijen strategis tingkat tinggi terhadap isu-isu publik kritis nasional. Pipeline ini merumuskan skor risiko komposit, akar masalah (root cause), proyeksi dampak sistemik (impact), serta arahan rekomendasi mitigasi taktis (recommended_actions) bagi pengambil kebijakan.

ALUR DECISION INTELLIGENCE WORKER (`decision-worker`)

Kalkulasi skor ancaman, rekomendasi mitigasi strategis, dan notifikasi early warning

01. Extract Macro Aggregations [PostgreSQL • Redis]

Membaca data sentimen agregat, anomali volume, dan isu kritis dari Aggregation Worker.

02. Threat Matrix & Impact Scoring [Likelihood × Severity (0 - 100)]

Menghitung indeks kerentanan dan tingkat keparahan ancaman berdasarkan matriks risiko standar.

03. Actionable Policy Recommendation Synthesis [LLM Reasoning Engine]

Menyusun butir-butir rekomendasi taktis (Langkah Cepat, Mitigasi Menengah, & Solusi Kebijakan).

04. Alerting Dispatcher & Dashboard Sync [WebSocket • Telegram / Email Alert]

Mengirim sinyal peringatan dini ke pemangku kepentingan dan menyinkronkan data ke portal eksekutif.


1. Prinsip Utama Arsitektur Pipeline

Pipeline decision_intelligence dirancang dengan prinsip efisiensi kognitif tinggi:

  1. Global Intelligence Level (Bukan Scan Mentah): Engine decision-worker TIDAK membaca indeks articles secara langsung dan TIDAK melakukan query ke database PostgreSQL. Seluruh pemrosesan memanfaatkan data yang sudah dipadatkan oleh nexa-aggregation.
  2. Evidence-Based Grounding: Indeks issue_dashboard bertindak sebagai primary evidence source yang menyuplai ringkasan artikel sampel (sample_articles), entitas tokoh/lembaga kunci (top_entities), dan kata kunci kritis (top_keywords) per isu.
  3. Efisiensi Token & Respons Kilat: Ukuran prompt AI menjadi jauh lebih ringkas (hemat token hingga >85% dibanding membaca naskah artikel utuh), sementara waktu eksekusi inferensi AI batch harian berlangsung terkontrol.

2. Alur Eksekusi End-to-End & Jadwal Batch (03:00 WIB)

Pipeline dieksekusi secara otomatis setiap hari pada pukul 03:00 WIB (0 3 * * *), tepat setelah nexa-aggregation menyelesaikan kalkulasi agregasi harian pada pukul 02:00 WIB:

Alur Eksekusi End-to-End & Jadwal Batch (03:00 WIB)

Aggregation Phase (02:00 WIB) → Decision Phase (03:00 WIB) → Downstream Consumers

01. Aggregation Phase [02:00 WIB • nexa-aggregation]Kalkulasi Agregasi H-1
ES: national_dashboard
Konteks makro risiko nasional
ES: province_dashboard
Sebaran wilayah kritis
ES: trending_topics
Deteksi lonjakan tren & anomali
ES: issue_dashboard
Primary evidence per isu publik
02. Decision Phase [03:00 WIB • decision-worker]Penalaran Kognitif & Sintesis Rekomendasi
1. Ingest 4 Indeks Agregat → Susun Contextual Input JSON [Payload Konteks Isu]

Engine decision-worker mengekstrak data dari 4 indeks ES dan memadatkan konteks menjadi JSON ringkas (>85% hemat token).

2. Request HTTP POST → AIOS / Gemini Reasoning Layer

Mengirim payload ke AIOS Reasoning Layer untuk perumusan skor risiko komposit, root cause, impact, dan rekomendasi mitigasi.

3. Ekstraksi JSON Strategic Intelligence → Validasi Skema & ID Mapping

decision-worker memvalidasi skema output dan menyusun primary key unik: decision_{issue_slug}_{YYYY-MM-DD}.

4. HTTP PUT / Bulk Index → Elasticsearch: decision_intelligence

Menyimpan seluruh dokumen keputusan strategis yang telah tervalidasi ke dalam indeks Elasticsearch decision_intelligence.

03. Downstream Consumers [Konsumsi Hasil Keputusan]Akses Hasil & Visualisasi
Backend API
/decision/recommendations
Dashboard Overview
Panel Rekomendasi
Executive Briefing
Prioritas Tindak Lanjut

3. Sumber Data Masukan (Input Evidence Matrix)

decision-worker mengekstrak data dari 4 indeks Elasticsearch agregasi H-1:

Indeks SumberPeran dalam Sintesis KeputusanField Utama yang Dikonsumsi
issue_dashboardBukti Utama (Primary Evidence) per isu publikissue, leaf_node_id, taxonomy_path, avg_risk, top_provinces, top_entities, top_keywords, sample_articles
national_dashboardKonteks makro risiko nasionalnational_risk, total_event, taxonomy_summary, active_sources
trending_topicsDeteksi kecepatan eskalasi & anomali trentrend_percentage, cluster, average_risk
province_dashboardLokalisasi sebaran wilayah kritisprovince, overall_risk, taxonomy_summary

4. Format Dokumen Elasticsearch (decision_intelligence)

Dokumen disimpan dengan skema penamaan ID unik: decision_{issue_slug}_{YYYY-MM-DD} (atau decision_national_{YYYY-MM-DD} untuk sintesis makro nasional):

{
  "doc_id": "decision_pilkada_jakarta_memanas_2026-09-26",
  "generated_at": "2026-09-26T03:00:00+07:00",
  "generated_from": {
    "start": "2026-09-25T00:00:00+07:00",
    "end": "2026-09-25T23:59:59+07:00"
  },
  "period": "24h",
  "issue": "Pilkada Jakarta memanas akibat polarisasi",
  "province": "DKI Jakarta",
  "priority": "KRITIS",
  "taxonomy": {
    "l1": "POLITIK",
    "leaf": "Pilkada Jakarta memanas akibat polarisasi"
  },
  "risk_score": 78,
  "root_cause": "Eskalasi gesekan massa simpatisan paslon di ruang siber dan lapangan menjelang tahapan penetapan paslon resmi KPU DKI.",
  "impact": "Potensi polarisasi sosial merembet ke ranah komunal di wilayah penyangga (Banten & Jabar), mengganggu stabilitas kamtibmas dan sentimen ekonomi ibu kota.",
  "recommended_actions": [
    "Polda Metro Jaya meningkatkan patroli siber terpadu dan mitigasi narasi provokatif di media sosial.",
    "Bawaslu & Sentra Gakkumdu segera memediasi tim sukses paslon guna menekan retorika ofensif.",
    "Pemprov DKI mengaktifkan forum Forkopimda bersama tokoh masyarakat untuk mendinginkan tensi publik."
  ],
  "confidence": 92,
  "evidence": {
    "issue_dashboard_id": "issue_pilkada_jakarta_memanas_2026-09-25",
    "province_dashboard_id": "province_dki_jakarta_2026-09-25",
    "national_dashboard_id": "national_2026-09-25",
    "trending_topic_id": "trend_pilkada_jakarta_memanas_2026-09-25"
  },
  "generated_by": "decision-worker",
  "document_version": 1
}

5. Spesifikasi Payload Kontrak AIOS

Payload JSON terstruktur yang dikirimkan oleh decision-worker ke endpoint AI:

{
  "issue": "Pilkada Jakarta memanas akibat polarisasi",
  "taxonomy_path": "POLITIK > Pemilu > Pilkada",
  "avg_risk": 78,
  "total_event": 4500,
  "top_provinces": ["DKI Jakarta", "Banten", "Jawa Barat"],
  "top_entities": ["Bawaslu DKI", "KPU DKI", "Pasangan Calon A", "Polda Metro Jaya"],
  "top_keywords": ["kampanye hitam", "polarisasi", "protes", "pelanggaran", "demonstrasi"],
  "sample_articles": [
    "Massa simpatisan menggelar aksi di depan kantor Bawaslu menuntut investigasi dugaan pelanggaran.",
    "Polda Metro Jaya menyiagakan 2.500 personel gabungan mengamankan tahapan pemilu serentak di wilayah ibu kota."
  ],
  "national_context": {
    "national_risk": 60.7,
    "total_event": 28450
  }
}

6. Konsumsi Data Downstream

Dokumen pada indeks decision_intelligence dikonsumsi oleh:

  1. Dashboard Overview — Panel Rekomendasi Intelijen:
    • Backend memfilter dokumen dengan confidence >= 60 dan menyajikan kartu arahan mitigasi langsung di antarmuka utama pimpinan.
  2. Executive Briefing — Prioritas Tindak Lanjut:
    • Disajikan pada modal dan lembar cetak PDF eksekutif (/ew/briefing) untuk isu berstatus priority IN ['KRITIS', 'TINGGI'] terurut berdasarkan risk_score DESC.
  3. API Gateway (/decision/recommendations):
    • Menyediakan feed JSON bagi sistem eksternal atau aplikasi mobile komando pimpinan.

On this page