Transformasi Penilaian DJKN: Peran Kepemimpinan Etis dan Artificial Intelligence

oleh

Fahdrian Kemala

Kantor Pelayanan Kekayaan Negara dan Lelang Bogor

Direktorat Jenderal Kekayaan Negara (DJKN) memiliki peran strategis dalam pengelolaan aset negara, termasuk layanan penilaian yang mendukung kebijakan fiskal dan pengelolaan Barang Milik Negara. Peraturan Menteri Keuangan Nomor 99 Tahun 2024 memperkuat posisi Penilai Pemerintah sebagai pelaksana utama penilaian, sekaligus membuka peluang modernisasi melalui teknologi digital (Kementerian Keuangan RI, 2024). Salah satu pendekatan yang dapat digunakan adalah Automated Valuation Model (AVM), yang di banyak negara telah digunakan untuk mempercepat estimasi nilai properti secara massal dan konsisten (Winky et al., 2021).

Meski AVM menawarkan efisiensi dan konsistensi, penerapannya dalam birokrasi publik tidak lepas dari tantangan. Di antaranya adalah kualitas data yang belum seragam, potensi bias algoritmik, keterbatasan kompetensi teknis, serta belum jelasnya kepastian hukum atas hasil AVM. Selain itu, penggunaan AI dalam layanan publik menimbulkan dilema etis, seperti risiko diskriminasi dan kurangnya transparansi (Kuziemski & Misuraca, 2020). Dalam konteks ini, kepemimpinan etis menjadi penting untuk menjaga agar inovasi teknologi tetap berpijak pada prinsip keadilan, akuntabilitas, dan integritas profesi penilai (Sjamsiar, 2017).

Tulisan ini berangkat dari pertanyaan utama yaitu bagaimana kepemimpinan etis dapat mendorong transisi bertahap menuju pemanfaatan AVM di DJKN, dengan tetap menjaga prinsip-prinsip tata kelola yang adil dan bertanggung jawab? Pertanyaan ini menjadi relevan karena transformasi digital tidak hanya soal teknis, tetapi juga menyangkut nilai-nilai pelayanan publik yang harus dijaga. Sebagai Penilai Pemerintah, penulis memandang bahwa pemanfaatan AVM perlu dilakukan secara bertahap dan berbasis etika birokrasi. Standar internasional seperti OECD AI Principles (OECD, 2019), NIST AI Risk Management Framework (Tabassi, 2023), dan ISO/IEC 42001:2023 (ISO, 2023) memberikan panduan yang dapat diadaptasi untuk mendukung transformasi ini. Di tingkat nasional, wacana administrasi publik juga mulai menyoroti pentingnya kematangan digital dan keterbukaan informasi (Nuryanto, 2021; Novienty et al., 2025; Almaarif & Wargadinata, 2022). Dengan menggabungkan prinsip etika dan kerangka tata kelola yang sudah tersedia, DJKN memiliki peluang besar untuk menjadi pelopor dalam penerapan AI yang bertanggung jawab di sektor publik.

AVM: Konsep, Potensi, dan Pelajaran Empiris

Automated Valuation Model (AVM) adalah metode penilaian properti berbasis data dan algoritma yang digunakan untuk menghasilkan estimasi nilai aset secara massal (Alsawan & Alshurideh, 2023). Berbagai pendekatan seperti regresi hedonic, decision tree, ensemble, dan jaringan saraf tiruan telah digunakan dalam praktik mass appraisal (Kok et al., 2017). Studi menunjukkan bahwa akurasi AVM sangat dipengaruhi oleh kualitas data input, segmentasi pasar yang tepat, dan validasi silang yang ketat. Di Hongkong, algoritma Random Forest dan Gradient Boosting terbukti lebih akurat dibandingkan Support Vector Machine dalam menangani data properti yang kompleks (Winky et al., 2021). Penelitian lain menekankan pentingnya memasukkan data lingkungan seperti tata guna lahan dan ruang hijau untuk meningkatkan kualitas hasil penilaian (Lee et al., 2023; Deppner & Cajias, 2024). Dalam konteks DJKN, AVM dapat dimanfaatkan sebagai alat bantu penilaian awal, dengan syarat sistem data dibangun secara menyeluruh dan pengujian akurasi dilakukan secara berkala.

Etika dan Tata Kelola AI di Sektor Publik

Dalam tata kelola kecerdasan buatan di sektor publik, pemerintah memiliki dua peran utama, yaitu sebagai pengguna teknologi untuk meningkatkan layanan dan sebagai pengatur agar dampaknya tetap aman bagi masyarakat (Kuziemski & Misuraca, 2020). Teknologi seperti AVM perlu dirancang dengan prinsip transparansi, keadilan, dan akuntabilitas agar tidak menimbulkan bias atau ketimpangan (Margetts, 2022; OECD, 2019). Pemimpin birokrasi dituntut mampu menyeimbangkan antara dorongan efisiensi dan risiko seperti bias algoritmik serta pelanggaran privasi (Alhosani & Alhashmi, 2024). Di sisi lain, banyak institusi publik belum memiliki kapasitas teknis yang cukup untuk mengoperasikan sistem AI secara aman, sehingga peningkatan kompetensi menjadi hal yang mendesak. Dalam situasi seperti ini, kepemimpinan etis menjadi kunci agar pemanfaatan AVM benar-benar meningkatkan kualitas layanan tanpa mengurangi kepercayaan publik (Sholeh et al., 2019).

Peta Jalan Transisi Bertahap ke AVM Berbasis Kepemimpinan Etis

Langkah awal yang perlu dilakukan DJKN dalam menerapkan AVM adalah membangun komitmen kelembagaan terhadap penggunaan AI secara etis. Komitmen ini bisa dituangkan melalui pernyataan resmi pimpinan yang menegaskan prinsip transparansi, keadilan, dan akuntabilitas (OECD, 2019; Tabassi, 2023). Untuk mendukung pelaksanaannya, DJKN perlu membentuk Komite Tata Kelola AI yang bertugas mengawasi kebijakan data dan evaluasi model secara terbuka (OECD, 2022). Setelah itu, audit menyeluruh terhadap kualitas data dan peningkatan kompetensi SDM menjadi langkah penting agar proses penilaian berbasis AI dapat berjalan dengan baik (Kok et al., 2017; Floridi et al., 2018). Standarisasi metadata dan dokumentasi proses juga perlu disesuaikan dengan ISO/IEC 42001:2023 agar tata kelola data tetap terjaga.

Tahap berikutnya adalah uji coba terbatas dengan pendekatan human-in-the-loop, di mana hasil AVM tetap ditinjau oleh Penilai sebelum digunakan sebagai dasar keputusan (Alhosani & Alhashmi, 2024). Setelah uji coba, DJKN perlu mengevaluasi potensi bias dan menyusun dokumentasi model seperti Model Cards dan Data Statements agar prosesnya transparan (Tabassi, 2023). Jika hasilnya stabil dan adil, maka AVM bisa mulai dioperasionalkan dengan SOP yang jelas dan mekanisme keberatan yang tersedia bagi pengguna. Selanjutnya, cakupan penggunaan AVM dapat diperluas ke lebih banyak aset dan wilayah, dengan monitoring berkala melalui dashboard kinerja dan risiko. Dengan tahapan ini, DJKN dapat memastikan bahwa AVM digunakan secara bertanggung jawab dan tetap menjaga kepercayaan publik.

Gambar Ringkasan Peta Jalan Transisi Bertahap ke AVM Berbasis Kepemimpinan Etis

Peran Kepemimpinan Etis

Kepemimpinan etis adalah kemampuan seorang pemimpin untuk menanamkan dan menegakkan nilai kejujuran, keadilan, dan akuntabilitas dalam setiap keputusan organisasi (Brown & Treviño, 2006). Dalam transformasi digital sektor publik, peran ini menjadi sangat penting agar teknologi seperti AVM tetap berpijak pada prinsip pelayanan publik. Para ahli kebijakan menekankan pentingnya membangun semangat digital yang menjamin transparansi dan keberpihakan pada kelompok rentan (Margetts, 2022; Porter, 2022). Di Indonesia, diskusi tentang administrasi publik juga menyoroti perlunya kematangan digital dan keterbukaan informasi sebagai syarat utama adopsi teknologi (Novienty et al., 2025; Andhika, 2025). Oleh karena itu, kepemimpinan etis di DJKN perlu mampu menjembatani antara tuntutan inovasi dan tanggung jawab sosial agar transformasi digital berjalan inklusif dan tetap dipercaya publik.

Bagaimana Memastikan Manfaat AVM Melebihi Risikonya?

Agar manfaat Automated Valuation Model (AVM) benar-benar dirasakan, DJKN perlu memastikan bahwa penerapannya tidak hanya teknis, tetapi juga etis dan inklusif (Floridi et al., 2018; Gangavarapu, 2025). Model harus dirancang secara berimbang dengan mempertimbangkan faktor lingkungan, legalitas, dan risiko sosial agar tidak menimbulkan bias (Batool et al., 2025). Validasi multi-metrik penting dilakukan untuk memastikan hasil AVM konsisten, adil, dan dapat dipercaya oleh publik (Ghosh et al., 2025). Pengawasan berlapis dan keterlibatan pemangku kepentingan menjadi bagian dari akuntabilitas, sementara komunikasi publik yang transparan membantu menjaga kepercayaan masyarakat (Mäntymäki et al., 2022; World Bank, 2025). Dalam semua tahap ini, kepemimpinan etis berperan penting untuk memastikan bahwa teknologi mendukung pelayanan publik secara bertanggung jawab dan tidak mengurangi legitimasi kebijakan (Gangavarapu, 2025).

Penutup

Transisi menuju penggunaan Automated Valuation Model (AVM) di DJKN perlu dilakukan secara bertahap dan tetap mengutamakan prinsip kehati-hatian. Kepemimpinan etis menjadi landasan penting agar teknologi ini tidak hanya mengejar efisiensi, tetapi juga menjaga nilai publik dan kepercayaan masyarakat. AVM bisa membantu mempercepat dan menstandarkan penilaian, terutama untuk tujuan sewa BMN, penentuan indikasi nilai atau properti standar, namun tetap harus diawasi secara ketat. Manfaat AVM akan lebih terasa jika manusia tetap menjadi pusat pengambilan keputusan, data dijaga kualitasnya, dan prosesnya transparan serta terbuka untuk ditinjau. Dengan mengacu pada prinsip tata kelola AI seperti OECD, NIST, dan ISO, DJKN dapat menjalankan inovasi secara bertanggung jawab dan tetap sesuai dengan mandat hukum yang berlaku.

Daftar Pustaka

Alhosani, K., & Alhashmi, S. M. (2024). Opportunities, challenges, and benefits of AI innovation in government services: a review. Discover Artificial Intelligence, 4(1), 18. https://doi.org/10.1007/s44163-024-00111-w

Almaarif, A., & Wargadinata, E. L. (2022). Adopting Open Government in Local Development Planning: A Study on Bekasi Regency. JKAP (Jurnal Kebijakan dan Administrasi Publik), 26(1), 18-32. https://doi.org/10.22146/jkap.64692

Alsawan, N.M., Alshurideh, M.T. (2023). The Application of Artificial Intelligence in Real Estate Valuation: A Systematic Review. In: Hassanien, A.E., Snášel, V., Tang, M., Sung, TW., Chang, KC. (eds) Proceedings of the 8th International Conference on Advanced Intelligent Systems and Informatics 2022. AISI 2022. Lecture Notes on Data Engineering and Communications Technologies, vol 152. Springer, Cham. https://doi.org/10.1007/978-3-031-20601-6_11

Andhika, Lesmana R. (2025). Public Service Management: An Emerging Research Trend Jurnal Borneo Administrator, 21(1), 61-74. https://doi.org/10.24258/jba.v21i1.1581

Batool, A., Zowghi, D., & Bano, M. (2025). AI governance: A systematic literature review. AI and Ethics, 5, 3265–3279. https://doi.org/10.1007/s43681-024-00653-w

Brown, M. E., & Treviño, L. K. (2006). Ethical leadership: A review and future directions. The Leadership Quarterly, 17(6), 595–616. https://doi.org/10.1016/j.leaqua.2006.10.004

Deppner, J., Cajias, M. Accounting for Spatial Autocorrelation in Algorithm-Driven Hedonic Models: A Spatial Cross-Validation Approach. J Real Estate Finan Econ 68, 235–273 (2024). https://doi.org/10.1007/s11146-022-09915-y

Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People-An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds and machines, 28(4), 689–707. https://doi.org/10.1007/s11023-018-9482-5

Gangavarapu, R. (2025). Mastering AI Governance: A Guide to Building Trustworthy and Transparent AI Systems. Springer. https://link.springer.com/book/10.1007/978-3-031-93681-4

Ghosh, A., Saini, A., & Barad, H. (2025). Artificial intelligence in governance: Recent trends, risks, challenges, innovative frameworks and future directions. AI & Society. https://doi.org/10.1007/s00146-025-02312-y

ISO. (2023). ISO/IEC 42001:2023 Information technology – Artificial intelligence — Management system. International Organization for Standardization. https://www.iso.org/standard/42001

Kok, N., Koponen, E. L., & Martínez-Barbosa, C. A. (2017). Big data in real estate? From manual appraisal to automated valuation. The Journal of Portfolio Management, 43(6), 202-211. https://maastrichtrealestate.com/upload/researches/Kok-et-al_Big-Data-in-Real-Estate.pdf

Kuziemski, M., & Misuraca, G. (2020). AI governance in the public sector: Three tales from the frontiers of automated decision-making in democratic settings. Telecommunications Policy, 44(6), 101976. https://doi.org/10.1016/j.telpol.2020.101976

Lee, H., Han, H., Pettit, C., Gao, Q., & Shi, V. (2023). Machine learning approach to residential valuation: A convolutional neural network model for geographic variation. The Annals of Regional Science, 72, 579–599. https://link.springer.com/article/10.1007/s00168-023-01212-7

Mäntymäki, M., Minkkinen, M., Birkstedt, T. et al. Defining organizational AI governance. AI Ethics 2, 603–609 (2022). https://doi.org/10.1007/s43681-022-00143-x

Margetts, H. (2022). Rethinking AI for good governance. Daedalus, 151(2), 360-371. https://direct.mit.edu/daed/article/151/2/360/110613/Rethinking-AI-for-Good-Governance

Novienty, D. E. R., Nurmandi, A., & Younus, M. (2025). Application of Digital Maturity Framework in Improving the Performance of Public Sector Organizations in Indonesia. JKAP (Jurnal Kebijakan dan Administrasi Publik), 29(1), 39-54. https://doi.org/10.22146/jkap.104081

Nuryanto, A. (2021). Tantangan Administrasi Publik di Dunia Artificial Intelligence dan Bot. Jejaring Administrasi Publik, 12(2), 139–147. https://doi.org/10.20473/jap.v12i2.30882

OECD. (2019). Scoping the OECD AI principles: Deliberations of the Expert Group on Artificial Intelligence at the OECD (AIGO). OECD Digital Economy Papers, No. 291. https://www.oecd.org/en/publications/scoping-the-oecd-ai-principles_d62f618a-en.html

OECD. (2019). OECD AI Principles. Organisation for Economic Co-operation and Development. https://www.oecd.org/en/topics/ai-principles.html

OECD. (2022). G7 Toolkit for Artificial Intelligence in the Public Sector. https://www.oecd.org/en/publications/g7-toolkit-for-artificial-intelligence-in-the-public-sector_421c1244-en.html

Porter, Z., Zimmermann, A., Morgan, P. et al. Distinguishing two features of accountability for AI technologies. Nat Mach Intell 4, 734–736 (2022). https://doi.org/10.1038/s42256-022-00533-0

Sholeh, C., Sintaningrum, S., & Sugandi, Y. S. (2019). Formulation of Innovation Policy: Case of Bandung Smart City. Jurnal Ilmu Sosial dan Ilmu Politik, 22(3). https://jurnal.ugm.ac.id/jsp/article/view/33698

Sjamsiar, S. (2017). Etika birokrasi dan akuntabilitas pemerintahan. Jakarta: Kencana Prenadamedia Group.

Tabassi, E. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.100-1

Winky K.O. Ho, Bo-Sin Tang & Siu Wai Wong (2021) Predicting property prices with machine learning algorithms, Journal of Property Research, 38:1, 48-70. https://doi.org/10.1080/09599916.2020.1832558

World Bank. (2025). Artificial Intelligence in the Public Sector: Summary Note. https://documents1.worldbank.org/curated/en/746721616045333426/pdf/Artificial-Intelligence-in-the-Public-Sector-Summary-Note.pdf

***

Tulisan lengkap dapat dilihat di https://www.djkn.kemenkeu.go.id/kpknl-bogor/baca-artikel/17890/KEPEMIMPINAN-ETIS-DALAM-TATA-KELOLA-ARTIFICIAL-INTELLIGENCE.html