Noise Classification — Client Onboarding

Step 1 of 6

Entity Setup

Identitas dasar klien — ini menjadi fondasi semua noise rules yang dihasilkan.

Tipe Entitas * Menentukan terminologi dan struktur rules yang akan digunakan.

Perusahaan Swasta / TbkBrand komersial, produk, layanan, saham

BUMN / Perusahaan NegaraEntitas milik pemerintah, bisa punya saham (Persero)

Lembaga / Instansi PemerintahKementerian, dinas, BPOM, KPK, Kemenhub, dll.

Asosiasi / Organisasi Non-profitIndustri asosiasi, LSM, lembaga riset

Nama Entitas * Nama resmi lengkap

Nama Pendek / Sebutan Umum Yang sering disebut di media

Singkatan / Akronim Lembaga * Yang sering muncul di media

Nama Pimpinan / Jabatan Utama Keyword tambahan (nama mentri, ketua, dll.)

Industri / Sektor *

Deskripsi Singkat * 2–3 kalimat tentang apa yang dilakukan entitas ini. Akan dimasukkan ke bagian ROLE & CONTEXT di prompt.

Sumber Konten yang Dimonitor * Pilih satu atau keduanya — akan menentukan versi prompt yang dibuat.

Mainstream / Online MediaArtikel berita, blog, portal media

Default Bias Klasifikasi * Ketika classifier ragu antara RELEVANT vs NOISE, mana yang dipilih?

Default → RELEVANTLebih baik terlalu banyak data daripada melewatkan sesuatu (direkomendasikan untuk most clients)

Default → NOISELebih baik data bersih dan presisi (cocok jika volume sangat tinggi)

Step 1 of 6

Step 2 of 6

Keyword Mapping

Semua keyword di sini masuk ke KEYWORD OVERRIDE RULE — kemunculannya di main content langsung memicu noise=false.

Nama & Alias Entitas Sendiri

Seberapa banyak? Sertakan semua cara penyebutan: nama resmi, singkatan, typo umum, variasi spasi/tanda hubung, dan kode saham jika ada.

Keyword / Nama	Aliases & Variasi	Catatan Konteks

Kompetitor / Entitas Terkait

Kenapa kompetitor masuk keyword override? Artikel yang menyebut kompetitor tetap relevan untuk monitoring — bisa berisi benchmarking, berita industri, atau perbandingan yang berdampak ke posisi klien.

Nama Kompetitor	Aliases / Kode Saham	Kategori	Catatan

False Brand Context

Penting untuk akurasi. Nama brand yang bisa disalahartikan — e.g. "Simba" = karakter Lion King, "Soho" = kawasan London, "TINUS" = PT Timah Nusantara (bukan PT Timah Tbk).

Kata / Nama	Konteks SALAH (bukan entitas klien)	Cara Membedakan / Sinyal yang Benar

Step 2 of 6

Step 3 of 6

Definisi Konten Relevant

Topik dan kondisi yang selalu membuat konten noise=false, bahkan tanpa menyebut nama entitas secara eksplisit.

Topic Override — Topik yang Selalu Relevant * Pilih topik yang relevan dengan industri klien. Muncul berdasarkan industri yang dipilih di Step 1.

Tambah Topik Industri Spesifik Lainnya Topik yang tidak ada di daftar atas tapi selalu relevant.

Topik	Alasan Selalu Relevant

Aturan Mention Tidak Langsung

Jika nama entitas disebut hanya 1x dalam artikel panjang, apakah masih relevant? *

Ya — 1 mention sudah cukupDefault recommended. Cocok untuk monitoring brand awareness luas.

Hanya jika menjadi topik utama atau disebut >3xCocok jika ingin data lebih presisi dan terfokus.

Apakah regulasi industri tanpa sebut nama entitas relevant?

Konten lain yang harus selalu dianggap Relevant Tulis bebas — akan dikonversi ke rules oleh tim kami.

Apakah perlu monitoring berita saham / bursa? Aktifkan jika klien adalah perusahaan publik atau memantau kompetitor yang listed.

Tidak perluKlien bukan perusahaan publik atau tidak memantau saham

Ya — perlu monitoring sahamBerita bursa dan kinerja keuangan kompetitor ikut dipantau

Step 3 of 6

Step 4 of 6

Definisi Konten Noise

Konten yang harus di-exclude meski lolos boolean filter. Isi spesifik sesuai konteks industri klien.

Kategori Noise yang Berlaku * Pilih semua yang relevan untuk klien ini.

Kebijakan Pemerintah / Regulasi Non-Industri Daftarkan topik kebijakan yang terkesan relevan tapi sebenarnya NOISE untuk klien ini.

Jenis Kebijakan / Topik	Perlakuan	Alasan / Catatan

Noise Spesifik Industri Ini Konten yang kelihatan relevan karena keyword, tapi tidak relevant untuk klien ini secara spesifik.

Topik / Keyword	Alasan NOISE untuk klien ini	Pengecualian (kapan menjadi RELEVANT)

Aturan Noise Khusus per Channel (opsional) Apakah ada jenis konten di Mainstream atau Social Media yang selalu noise terlepas dari topiknya?

Channel	Tipe Konten yang NOISE	Contoh

Step 4 of 6

Step 5 of 6

Validation Examples

Contoh nyata dari klien adalah input paling berharga — langsung menjadi acuan klasifikasi di sistem. Minimal 3 per kategori.

Tips: Ambil dari konten aktual yang pernah muncul di monitoring klien sebelumnya, atau contoh yang klien yakini klasifikasinya.

Contoh Konten RELEVANT (noise=false)

Contoh Relevant #1 RELEVANT

Teks / Judul / Caption

Alasan Relevant

Contoh Konten NOISE (noise=true)

Contoh Noise #1 NOISE

Teks / Judul / Caption

Alasan Noise

Edge Cases — Konten Ambigu

Edge cases adalah yang paling valuable. Konten yang Anda ragu: relevant atau noise? Keputusan Anda di sini menjadi acuan klasifikasi kasus sulit.

Edge Case #1 AMBIGU

Teks Konten

Keputusan Alasan

Step 5 of 6

Step 6 of 6

Review & Export

Periksa ringkasan, tulis changelog, lalu export.

Entity Setup Edit

Nama Entitas: —
Tipe: —
Industri: —
Sumber Dimonitor: —
Default Bias: —

Relevant Rules Edit

Topic Override (dipilih): —
Minimal Mention: —
Regulasi Industri: —

Noise Rules Edit

Kategori Noise: —

Nama PIC yang Mengisi *

Email *

Catatan untuk Tim Classifier

Changelog v1

Tulis apa yang berubah di versi ini — akan masuk ke metadata JSON dan Markdown.