Apa Itu Intelligent Process Automation (IPA)?

Otomatisasi tradisional paling efektif saat prosesnya jelas dan inputnya selalu dalam format yang konsisten. Namun, kebanyakan operasi bisnis tidak berjalan sebersih itu.

Dalam praktiknya, alur kerja sering gagal ketika data kurang, permintaan tidak jelas, atau kondisi berubah di tengah jalan.

Sistem berbasis aturan hanya mengikuti instruksi, tapi tidak bisa menyesuaikan diri saat lingkungan berubah.

Intelligent process automation (IPA) melangkah lebih jauh dengan menggabungkan otomatisasi dengan chatbot perusahaan yang mampu memahami alur kerja yang rumit. Bot ini menafsirkan input alami, menyelesaikan ketidaksesuaian antar sistem, dan mengambil keputusan secara real-time.

Apa itu intelligent process automation (IPA)?

Intelligent process automation (IPA) menggabungkan robotic process automation (RPA) dengan kecerdasan buatan (AI), analitik, dan logika pengambilan keputusan untuk menciptakan alur kerja yang dapat memahami, menyesuaikan, dan bertindak tanpa campur tangan manusia.

Kadang disebut intelligent automation, hyper-automation, atau digital process automation, IPA melampaui bot berbasis aturan tradisional.

IPA menggunakan teknologi seperti machine learning, pemrosesan bahasa alami, dan process mining untuk menangani data tidak terstruktur, memahami konteks, dan mengambil keputusan secara real-time.

Perbandingan Intelligent Process Automation dan Robotic Process Automation

Istilah intelligent process automation (IPA) dan robotic process automation (RPA) sering digunakan secara bergantian, namun sebenarnya memiliki tujuan yang berbeda.

RPA dirancang untuk menangani tugas berulang berbasis aturan di mana inputnya konsisten dan langkah-langkahnya sudah ditentukan — seperti menyalin data antar sistem atau memproses formulir terstruktur.

IPA membangun di atas itu dengan menambahkan kecerdasan buatan ke dalam tumpukan otomatisasi. Ini memungkinkan sistem menangani input tidak terstruktur, mengevaluasi kondisi secara real-time, dan mengambil keputusan berdasarkan konteks.

Hal ini membuat IPA cocok untuk alur kerja yang tidak bisa diatur dalam skrip sederhana — di mana langkah-langkahnya bergantung pada apa yang dilihat sistem, bukan hanya instruksi yang diberikan.

Manfaat Utama Intelligent Process Automation

Otomatisasi hanya efektif jika mampu menangani kompleksitas proses bisnis nyata. Kebanyakan bot berbasis aturan gagal saat input bervariasi atau langkah-langkahnya tidak mengikuti pola yang dapat diprediksi.

IPA memberikan tim lapisan otomatisasi yang lebih fleksibel dan dapat diskalakan. Dirancang untuk menangani input dinamis dan mengambil keputusan.

Mengurangi pekerjaan manual dalam skala besar

Otomatisasi tradisional sering membutuhkan pengawasan ketat. Tim masih harus meninjau pengecualian, menyelesaikan ketidaksesuaian data, dan menangani tugas di luar skrip.

IPA mengurangi kebutuhan pengawasan tersebut. Ia dapat menafsirkan permintaan sesuai aturan bisnis dan menjalankan aksi tanpa perlu intervensi manusia di setiap langkah.

Beberapa perusahaan bekerja sama dengan agensi AI untuk merancang alur kerja ini. Mitra ini fokus memastikan sistem stabil, efisien, dan sesuai dengan operasi bisnis nyata.

Menyesuaikan diri dengan perubahan input dan konteks

Bot tradisional bergantung pada format yang konsisten. Perubahan kecil saja, seperti salah ketik atau tata letak dokumen baru, bisa membuat proses gagal.

IPA dapat menangani variasi. Ia membaca input, memahami maksud, dan merespons — bahkan jika strukturnya tidak ideal. Ini membuatnya lebih andal untuk penggunaan sehari-hari, di mana permintaan tidak selalu mengikuti pola yang sama.

Meningkatkan transparansi dalam operasional

Otomatisasi berbasis aturan sering gagal tanpa konteks. Sulit untuk memahami apa yang terjadi, di mana terjadinya, atau apa yang memicu kegagalan.

Hal ini menjadi perhatian lebih besar dalam sistem multi-agen, di mana agen berbeda beroperasi secara paralel atau berurutan. Tanpa visibilitas, sulit melacak interaksi atau menjaga kinerja yang andal di antara agen.

IPA meningkatkan observabilitas dengan mencatat setiap langkah dalam proses. Tingkat detail ini sangat berguna saat mengevaluasi sistem multi-agen, membantu tim mengisolasi masalah dan menyempurnakan kerja sama antar agen.

Bagaimana cara kerja otomatisasi proses cerdas?

Intelligent process automation menghubungkan peristiwa, data, keputusan, dan aksi dalam satu alur otomatis. Setiap langkah ditangani oleh agen AI yang memahami situasi dan tahu apa yang harus dilakukan selanjutnya, bahkan saat input berantakan atau tidak lengkap.

Untuk melihat cara kerja IPA secara nyata, mari lihat alur kerja e-commerce yang umum: menangani permintaan pengembalian barang.

Alih-alih mengarahkan semuanya ke agen dukungan, Anda bisa mengotomatisasi proses dari awal hingga akhir menggunakan agen AI — yang tahu cara menafsirkan input, menentukan langkah berikutnya, dan bertindak di berbagai alat.

Langkah 1: Peristiwa pemicu memulai proses

Pelanggan mengisi formulir permintaan pengembalian atau mengirim pesan untuk mengembalikan barang. Pesan itu mengaktifkan alur kerja pengembalian.

Agen langsung menanganinya, tanpa menunggu peninjauan manual.

Langkah 2: Agen AI memproses informasi

Agen memindai pesan atau formulir untuk mengambil informasi penting seperti nomor pesanan, nama barang, alasan pengembalian, dan ID pelanggan.

Untuk pesan tidak terstruktur, agen menggunakan model bahasa besar (LLM) untuk menafsirkan maksud dan mengidentifikasi pesanan yang benar.

Langkah 3: Agen AI menentukan langkah berikutnya

Dengan aturan bisnis dan kebijakan pengembalian, agen memeriksa apakah barang memenuhi syarat untuk dikembalikan dan jenis pengembalian apa yang berlaku, seperti pengembalian dana atau kredit toko.

Keputusan diambil secara instan, meniru apa yang biasanya dilakukan staf dukungan.

Langkah 4: Agen AI menjalankan aksi di berbagai sistem

Setelah keputusan diambil, agen:

• Memperbarui status pesanan
• Membuat label pengembalian
• Mengirim instruksi ke pelanggan
• Memberi tahu gudang

Semua dilakukan dalam sistem yang terhubung, tanpa perlu perpindahan antar tim.

Langkah 5: Agen AI mencatat hasilnya

Setiap langkah dicatat, mulai dari permintaan awal hingga respons akhir. Catatan ini masuk ke dasbor dan sistem notifikasi, sehingga proses dapat dipantau.

Jika ada kasus yang perlu ditinjau manual, akan diteruskan dengan konteks lengkap untuk tindak lanjut.

Contoh Penggunaan Intelligent Process Automation

Meskipun banyak perhatian pada contoh penggunaan chatbot, beberapa otomatisasi paling berdampak justru terjadi di belakang layar — dalam alur kerja yang mendorong keputusan, aksi, dan tindak lanjut.

Intelligent process automation cocok untuk alur kerja yang terlalu rumit untuk aturan, tapi terlalu berulang jika dikerjakan manual.

Jika tim Anda sering menghadapi input tak terduga, alat yang terfragmentasi, atau keputusan berulang yang masih perlu ditinjau manusia, IPA bisa membantu.

Memproses dokumen dan formulir tidak terstruktur

Bot berbasis aturan cepat gagal saat menangani input berantakan. Banyak dokumen bisnis — seperti faktur, klaim, kontrak, atau paket onboarding — berisi data tidak terstruktur atau semi-terstruktur yang tidak mengikuti format konsisten.

Agen IPA menangani hal ini menggunakan optical character recognition (OCR) dan natural language processing (NLP):

• Mengambil total dari struk belanja
• Menganalisis klausul kontrak
• Memverifikasi identitas dari formulir yang dipindai

Setelah data diinterpretasikan, sistem dapat mengambil tindakan tanpa pengawasan manusia. Ini membuka alur kerja end-to-end di dalam alat seperti chatbot HR yang menangani formulir karyawan, atau chatbot layanan pelanggan yang menerima permintaan dukungan berbasis dokumen.

Mengotomatiskan alur kerja multi-langkah di berbagai sistem

Proses seperti onboarding atau penanganan retur tidak terjadi dalam satu sistem saja. Biasanya melibatkan CRM, basis data internal, platform penjadwalan, dan alat notifikasi. Setiap komponen menambah lapisan ketergantungan tersendiri.

Agen IPA mengelola alur langkah demi langkah. Mereka mengevaluasi input, mengambil keputusan berdasarkan konteks, dan menjalankan tindakan di dalam sistem yang terhubung.

Logika tetap terjaga, tanpa bergantung pada pengalihan manual atau solusi sementara yang rapuh.

Hal ini menjadikan IPA mesin yang ideal di balik alur kerja seperti chatbot pemesanan janji temu. Sementara antarmuka mengumpulkan input dasar, sistem menangani pengecekan ketersediaan, penjadwalan janji temu, pengiriman konfirmasi, dan pembaruan alat backend.

Mengalihkan tiket dukungan berdasarkan maksud pesan

Antrean dukungan sering kali tersendat karena pesan yang masuk tidak jelas. Pelanggan tidak selalu mengikuti format yang rapi, dan sebagian besar sistem tidak bisa memahami apa yang sebenarnya diminta.

Agen IPA menangani ini dengan menginterpretasikan pesan, mengidentifikasi detail penting, dan menentukan tindakan yang tepat.

Mereka dapat menilai tingkat urgensi dan meneruskan tiket ke sistem atau tim yang sesuai tanpa perlu campur tangan manusia.

Inilah yang membuat sistem tiket AI lebih mudah diskalakan. Tiket diperkaya dengan konteks dan diarahkan ke tempat yang tepat.

Mendukung layanan mandiri di portal internal

Tim internal sering kali menghabiskan waktu menunggu persetujuan atau jawaban yang sebenarnya tidak memerlukan campur tangan manusia. Penundaan ini biasanya terjadi karena kepemilikan yang tidak jelas atau proses manual yang lambat.

IPA membuat portal internal menjadi lebih bermanfaat. Sistem memahami kebutuhan pengguna, terhubung ke sistem backend, dan menyelesaikan tugas secara langsung, semua melalui satu antarmuka yang menghilangkan bolak-balik yang tidak perlu.

Ini sangat efektif karena alur kerja ini dapat diskalakan di banyak saluran dan pengguna, sambil tetap menjaga catatan interaksi yang jelas.

5 Software Intelligent Process Automation Terbaik

Saat Anda siap melangkah lebih jauh dari otomasi berbasis aturan, memilih software yang tepat sangat penting.

Jika Anda mengotomatiskan alur kerja rumit seperti refund, onboarding, triase, atau pengalihan tiket, platform-platform ini menyediakan komponen utamanya.

1. Botpress

Botpress dibuat untuk tim yang ingin mengontrol cara otomasi berjalan. Anda dapat mendefinisikan agen yang tidak hanya mengikuti aturan — mereka mengambil keputusan berdasarkan input, memori, dan konteks waktu nyata.

Anda bisa membangun alur yang memverifikasi kelayakan retur, menginterpretasikan permintaan refund, atau memperbarui data di berbagai sistem. Setiap agen dapat menggunakan aturan, LLM, atau logika keputusan, dan semuanya berjalan di web, Slack, WhatsApp, dan lainnya tanpa perlu upaya berulang.

Sangat ideal saat Anda membangun alur kerja cerdas yang melibatkan input variabel, pemicu API, dan hasil operasional nyata.

Fitur Utama:

• Builder visual untuk agen AI dengan logika flow, memori, dan kondisi
• Berfungsi di banyak saluran dan terintegrasi dengan alat backend
• Mendukung panggilan API waktu nyata, routing dinamis, dan tindakan kustom
  
  

Harga:

• Paket gratis dengan kredit AI berbasis penggunaan
• Plus: $89/bulan untuk handoff ke agen live dan pengujian flow
• Team: $495/bulan dengan kolaborasi, SSO, dan kontrol akses
• Enterprise: Kustom

2. Make (sebelumnya Integromat)

Make dirancang untuk menghubungkan aplikasi tanpa menulis kode. Anda mendapatkan kanvas visual untuk membangun skenario multi-langkah — sangat cocok untuk IPA saat Anda mengotomatiskan tindakan antar alat.

Sangat efektif untuk alur kerja di mana satu sistem perlu merespons sesuatu di sistem lain — seperti sinkronisasi CRM dengan sistem pesanan, atau merespons formulir dukungan dengan tindakan bersyarat.

Anda tidak mendapatkan konteks tingkat agen atau pengambilan keputusan AI, tapi untuk integrasi dan pemicu di tingkat proses, ini cepat dan fleksibel.

Fitur Utama:

• Builder alur kerja drag-and-drop untuk ratusan aplikasi
• Logika bersyarat, penjadwalan, parsing data, dan webhook
• Mendukung percabangan kompleks dan alur multi-langkah
  
  

Harga:

• Gratis: 1.000 operasi/bulan
• Core: $9/bulan
• Paket Pro dan Teams untuk penggunaan lebih tinggi dan kontrol lanjutan
  
  

3. Zapier

Zapier paling cocok saat Anda ingin menghubungkan alat dengan cepat dan tidak memerlukan percabangan rumit. Ini bukan lapisan orkestrasi penuh — tapi menangani transfer data antara chatbot dan CRM, penjadwal, atau basis data Anda tanpa kode.

Untuk IPA, Zapier sangat bagus untuk mengubah intent yang telah diinterpretasikan menjadi tindakan backend. Zapier tidak melakukan "pengambilan keputusan", tapi menghubungkan sistem yang berpikir ke alat yang menjalankan pekerjaan.

Fitur Utama:

• Lebih dari 6.000 integrasi
• Pemicu dari chatbot, formulir, atau webhook
• Setup mudah untuk tim tanpa dukungan engineering

Harga:

• Gratis: 100 tugas/bulan
• Starter: $19,99/bulan
• Professional: $49/bulan untuk fitur lanjutan

4. Tidio

Tidio adalah platform live chat dengan otomasi terintegrasi. Ini bukan platform IPA penuh, tapi sangat berguna saat Anda mengotomatiskan tugas yang berhadapan dengan pelanggan seperti routing, pengumpulan input, atau membalas pertanyaan dukungan.

Mendukung balasan AI, alur bersyarat, dan transfer ke backend — menjadikannya berguna untuk otomasi keputusan di permukaan. Untuk tim ops kecil atau UKM, ini tempat yang mudah untuk memulai.

Fitur Utama:

• Live chat bertenaga AI dengan template otomasi
• Routing chat, penanganan formulir, dan integrasi CRM
• Asisten berbasis GPT untuk respons yang fleksibel

Harga:

• Gratis: Chat dan otomasi dasar
• Starter: $29/bulan
• Plus: Fitur AI dan sinkronisasi CRM

5. n8n

n8n adalah platform otomasi alur kerja open-source yang memberi Anda kontrol penuh atas logika, pemicu, dan integrasi. Berbeda dengan Zapier atau Make, ini bisa di-host sendiri dan memungkinkan Anda menulis kode jika diperlukan.

Ini sangat ideal untuk tim dengan sumber daya teknis yang menginginkan fleksibilitas dan privasi. Anda dapat menjalankan agen IPA, menghubungkan ke API, dan memproses data terstruktur maupun tidak terstruktur — semuanya di dalam alur kerja yang dapat dikustomisasi.

Fitur Utama:

• Editor visual dengan dukungan node kode
• Webhook, penjadwal, percabangan bersyarat
• Bisa di-host sendiri atau gunakan layanan cloud

Harga:

• Gratis: Di-host sendiri
• Cloud Basic: $20/bulan
• Pro: $50/bulan dengan fitur tim

Cara Menerapkan Intelligent Process Automation

Memahami intelligent process automation adalah satu hal. Menerapkannya membutuhkan fokus, perencanaan, dan titik awal yang tepat.

Kebanyakan tim tidak langsung mengubah semuanya sekaligus. Mereka mulai dari proses yang sering bermasalah — sesuatu yang terlihat, berulang, dan masih bergantung pada intervensi manusia.

Mari kita ambil contoh:

Anda bekerja dengan tim customer success yang menangani refund secara manual.

Alur kerjanya bergantung pada pengiriman formulir, pencarian data di berbagai sistem, dan mengikuti aturan bisnis tertentu untuk menyetujui atau menolak permintaan.

Proses ini lambat, mudah terjadi kesalahan, dan mahal untuk diskalakan. Di sinilah otomatisasi proses cerdas berperan.

1. Mulai dengan satu alur kerja yang menyebabkan hambatan

Alur kerja persetujuan pengembalian dana adalah contoh yang baik. Permintaan masuk, tapi sering tidak konsisten. Ada yang mencantumkan nomor pesanan, ada yang tidak. Agen harus mencari detail, memverifikasi kelayakan, dan menerapkan aturan bisnis secara manual.

Gesekan ini menjadikannya kandidat ideal untuk otomatisasi cerdas — logikanya jelas, tapi inputnya bervariasi sehingga bot berbasis aturan mudah tersandung.

2. Petakan alur dari awal hingga akhir, termasuk pengecualian

Dokumentasikan bagaimana proses berjalan. Lacak bagaimana permintaan pengembalian dana masuk, dari mana agen mengambil informasi, keputusan apa yang mereka buat, dan tindakan apa yang mereka lakukan.

Pastikan Anda juga mencatat pengecualian yang sering terjadi: data yang kurang, alasan pengembalian yang tidak jelas, atau ketidaksesuaian antara info pesanan dan kebijakan pengembalian dana.

Di sinilah otomatisasi cerdas perlu mengambil alih.

3. Identifikasi titik pengambilan keputusan

Cari bagian di mana manusia menafsirkan input atau menggunakan penilaian. Dalam alur pengembalian dana, ini bisa berupa membaca alasan pelanggan, mencocokkannya dengan aturan pengembalian, lalu memutuskan antara pengembalian dana, kredit toko, atau penolakan.

Setiap keputusan ini bisa diambil alih oleh agen AI, asalkan logikanya jelas dan datanya dapat diakses.

4. Hubungkan alat yang menjalankan tindakan

Setelah keputusan dibuat, sistem perlu memperbarui status pesanan, memberi tahu pelanggan, mengeluarkan label, atau memicu pembayaran.

Untuk mengotomatisasi ini, Anda memerlukan platform yang dapat terhubung ke alat-alat tersebut dan mengoordinasikan aksi secara andal. Ini bisa berupa lapisan orkestrasi agen atau kerangka kerja otomatisasi dengan dukungan integrasi.

5. Uji, pantau, tingkatkan

Setelah proses pengembalian dana diotomatisasi, pantau kinerjanya. Lihat kasus mana yang berhasil ditangani dan di mana sistem mengalami kesulitan. Gunakan umpan balik ini untuk menyempurnakan logika keputusan dan meningkatkan keandalan.

Sistem IPA bersifat dinamis. Semakin banyak kasus khusus yang Anda tangani, semakin kuat dan mudah diskalakan alur kerjanya.

Tantangan Umum dalam Menerapkan IPA

Otomatisasi proses cerdas dapat memberikan hasil yang kuat — tetapi mencapainya membutuhkan lebih dari sekadar kemampuan teknis.

Sebagian besar hambatan berasal dari cara organisasi menyusun proses, membagi tanggung jawab, dan menyelaraskan otomatisasi dengan hasil yang diinginkan.

Kesiapan proses dan data yang buruk

Otomatisasi paling efektif jika prosesnya konsisten. Namun di banyak organisasi, alur kerja tidak terdokumentasi atau dijalankan berbeda-beda di tiap tim. Data sering tersebar di sistem yang tidak terhubung atau dalam format yang berbeda, sehingga sulit membangun otomatisasi yang stabil.

Sebelum menerapkan otomatisasi proses cerdas, luangkan waktu untuk memetakan bagaimana proses saat ini berjalan. Dokumentasikan input, pengecualian yang diketahui, ketergantungan alat, dan titik di mana intervensi manusia masih diperlukan.

Implementasi awal yang terlalu rumit

Tim sering mencoba mengotomatisasi terlalu banyak hal sekaligus. Jika peluncuran awal mencakup banyak sistem atau langsung menangani kasus khusus, risiko keterlambatan atau kegagalan meningkat.

Sebaliknya, mulai dari satu proses dengan satu titik keputusan yang jelas dan hasil yang terukur. Buktikan manfaatnya lebih awal dengan ruang lingkup yang fokus.

Kurangnya kepemilikan atau visi jangka panjang yang jelas

Sistem otomatisasi proses cerdas adalah proyek yang adaptif dan terus berkembang. Tanpa tim atau orang yang bertanggung jawab atas performa, logika, dan pemeliharaan, sistem sering menjadi usang atau tidak sesuai kebutuhan.

Tunjuk penanggung jawab sejak awal. Seseorang perlu memantau kinerja otomatisasi, apa yang bermasalah, dan di mana perlu penyesuaian.

Ketidaksesuaian antara tujuan bisnis dan logika otomatisasi

Tidak semua proses layak diotomatisasi — dan tidak semua otomatisasi memberikan nilai tambah. Kadang logika otomatisasi hanya mengikuti apa yang secara teknis memungkinkan, bukan apa yang sebenarnya dibutuhkan bisnis.

Untuk menghindari hal itu, rancang alur kerja bersama orang-orang yang menggunakannya. Termasuk tim support, pemimpin operasional, dan pemilik produk.

Jika otomatisasi selaras dengan kebutuhan nyata, hasil jangka panjang lebih mungkin tercapai.

Terapkan IPA ke Alur Kerja Anda Hari Ini

IPA bekerja paling baik ketika ditambahkan ke alur kerja yang sudah Anda jalankan — seperti triase dukungan, persetujuan pengembalian dana, pemrosesan dokumen, pengalihan internal, atau permintaan penjadwalan.

Dengan platform seperti Botpress, Anda dapat membangun agen yang menentukan tindakan, terhubung ke alat eksternal, menangani input tidak terstruktur, dan berjalan di berbagai kanal seperti web, Slack, WhatsApp, atau alat internal.

Baik Anda menggantikan skrip yang rapuh atau memperluas alur yang sudah ada, IPA memberi struktur untuk mengotomatisasi pekerjaan nyata, bukan sekadar tugas berulang.

Mulai dari yang kecil. Bangun sesuatu yang bermanfaat. Rilis dengan cepat.

Pertanyaan yang Sering Diajukan

1. Apa perbedaan IPA dengan Business Process Management (BPM)?

IPA (Intelligent Process Automation) berbeda dengan BPM karena BPM berfokus pada perancangan, pemodelan, dan optimalisasi proses, sedangkan IPA benar-benar menjalankan proses tersebut menggunakan AI, machine learning, dan RPA untuk mengotomatisasi pengambilan keputusan dan aksi. BPM bersifat strategis; IPA bersifat operasional dan berorientasi eksekusi.

2. Apakah IPA dapat sepenuhnya menggantikan pekerja manusia, atau hanya mengurangi beban kerja mereka?

IPA dirancang untuk mengurangi beban kerja manusia dengan mengotomatisasi tugas-tugas yang berulang dan berbasis aturan, bukan untuk sepenuhnya menggantikan pekerja manusia. Ini membebaskan manusia untuk fokus pada pekerjaan bernilai tinggi seperti pemecahan masalah atau membangun hubungan yang tidak dapat diotomatisasi dengan andal.

3. Model machine learning apa yang biasanya digunakan dalam IPA?

Model machine learning yang umum digunakan dalam IPA meliputi model bahasa alami (misalnya BERT, GPT) untuk memahami teks tidak terstruktur, random forest untuk keputusan berbasis aturan, dan model klasifikasi untuk penandaan dokumen atau pengenalan intent. Pilihan model tergantung pada tugas yang diotomatisasi.

4. Apakah IPA hanya relevan untuk perusahaan besar, atau UKM juga bisa mendapatkan manfaatnya?

IPA sangat relevan untuk UKM, karena memungkinkan tim kecil mengotomatisasi tugas-tugas berulang seperti pemrosesan faktur atau validasi formulir. Alat IPA berbasis cloud membuatnya terjangkau dan mudah diskalakan bagi perusahaan dengan sumber daya terbatas.

5. Data seperti apa yang dibutuhkan untuk melatih atau mengonfigurasi model IPA secara efektif?

Untuk melatih model IPA secara efektif, Anda memerlukan data operasional nyata — email, tiket support, log chat, formulir, dan catatan transaksi — yang dipasangkan dengan output atau aksi yang benar. Data historis yang bersih dan berlabel akan meningkatkan performa.