Meta Akuisisi Startup AI Manus yang Memiliki Teknologi Agen AI Otonom Global

Langkah Meta membeli Startup AI bernama Manus—yang dikenal mengembangkan Teknologi Agen AI Otonom berskala Global—menjadi sinyal bahwa perlombaan kecerdasan buatan telah memasuki fase yang lebih “praktis” dan berdampak langsung. Bukan lagi soal model bahasa yang bisa menjawab pertanyaan, melainkan sistem yang mampu merencanakan, mengeksekusi, memantau, dan memperbaiki tugas lintas aplikasi tanpa banyak campur tangan manusia. Di saat platform sosial berubah menjadi ruang kerja, ruang belanja, dan pusat layanan pelanggan, akuisisi ini terasa seperti upaya mengikat masa depan interaksi digital ke ekosistem Meta: dari perpesanan, konten kreator, hingga layanan bisnis. Nilai transaksi yang beredar di kalangan industri disebut berada di kisaran US$2–3 miliar, menjadikannya salah satu pembelian besar di sektor agen otonom.

Yang membuat cerita ini menarik adalah “paradoks” yang menyertainya: Manus disebut tetap berjalan relatif independen, sementara kapabilitas intinya akan ditenun ke produk Meta. Bagi pengguna, dampaknya bisa berupa asisten yang benar-benar mengurus pekerjaan; bagi perusahaan, ini dapat mempersingkat rantai operasional; bagi regulator, ini membuka bab baru soal akuntabilitas. Dan bagi startup lain di Asia Tenggara, ini menegaskan bahwa inovasi dari Singapura atau kawasan sekitar tidak lagi sekadar pelengkap, melainkan pusat gravitasi baru. Pertanyaannya kemudian: apa yang sebenarnya dibeli Meta—talenta, platform, atau peta jalan menuju agen otonom yang aman? Jawabannya ada di detail strategi, integrasi, serta konsekuensi ekonominya.

• Akuisisi Meta atas Manus dikaitkan dengan tren Agen AI yang bisa menjalankan tugas end-to-end.
• Nilai kesepakatan dilaporkan berada di kisaran US$2–3 miliar, menempatkannya sebagai transaksi besar di ranah AI.
• Manus disebut tetap independen, namun Teknologi-nya akan diintegrasikan ke ekosistem Meta (Messenger, WhatsApp, Instagram, dan alat bisnis).
• Use case utama: riset otomatis, orkestrasi workflow, customer support cerdas, dan asisten bisnis.
• Isu kunci: tata kelola, keamanan, jejak data, dan “siapa bertanggung jawab” saat agen otonom membuat keputusan.

Meta Akuisisi Startup AI Manus: Gambaran Kesepakatan dan Alasan Strategis

Di permukaan, akuisisi Manus tampak seperti berita korporasi yang biasa. Namun, jika dibedah lebih dalam, keputusan Meta ini menandai pergeseran prioritas: dari sekadar menghadirkan fitur AI yang “menempel” pada produk, menuju membangun mesin eksekusi yang dapat bergerak lintas konteks. Banyak perusahaan sudah punya chatbot, tetapi hanya sedikit yang memiliki Agen AI yang bisa merencanakan serangkaian tindakan, memanggil tool, membaca hasil, lalu mengeksekusi ulang sampai target tercapai.

Sumber industri yang dekat dengan negosiasi menyebut nilai pembelian berada di rentang US$2–3 miliar. Angka seperti ini masuk akal bila yang dibeli bukan hanya kode, melainkan juga tim riset, pipeline produk, paten, dataset internal, dan jaringan mitra enterprise yang sudah terbentuk. Di tahun-tahun terakhir, valuasi untuk “agentic AI” memang cenderung lebih tinggi karena dianggap lebih dekat ke monetisasi dibanding model generatif yang hanya menjadi lapisan antarmuka.

Meta juga dinilai sedang menyiapkan ekosistem yang bisa memindahkan AI dari layar ke tindakan. Sebuah contoh sederhana: pemilik toko di Instagram selama ini harus membalas DM, mengecek stok, membuat invoice, menyiapkan pengiriman, dan menangani komplain. Dengan agen otonom, rangkaian pekerjaan itu dapat dibagi menjadi langkah-langkah yang terukur—dan sebagian dijalankan otomatis. Di titik ini, Manus bukan sekadar “fitur”, melainkan tulang punggung orkestrasi.

Kenapa Manus, dan kenapa sekarang?

Manus dikenal sebagai startup berbasis Singapura yang “naik daun” karena platform agen otonomnya relatif matang: mampu mengelola tugas majemuk seperti riset, peringkasan, pembuatan rencana, eksekusi tindakan melalui integrasi aplikasi, hingga pelaporan hasil. Meta membutuhkan kepingan ini untuk mempercepat time-to-market, terutama saat kompetisi global memanas dan pengguna mulai menuntut AI yang benar-benar menghemat waktu, bukan sekadar menambah opsi menu.

Momentum juga relevan: bisnis yang beroperasi lintas negara kian membutuhkan otomasi yang bisa memahami konteks lokal, bahasa, serta kepatuhan. Dalam konteks Global, agen otonom tidak boleh “pintar” saja—ia harus patuh, dapat diaudit, dan bisa diatur batasnya. Manus, menurut banyak pembahasan industri, membangun reputasi pada lapisan kontrol seperti kebijakan akses tool dan pelacakan keputusan, sesuatu yang penting ketika agen mulai menyentuh data sensitif.

Di sisi lain, Meta punya keunggulan yang tidak dimiliki kebanyakan pembeli: distribusi. Integrasi agen otonom ke WhatsApp, Messenger, dan Instagram berpotensi menciptakan efek jaringan. Begitu fitur terasa berguna, pelaku usaha kecil sampai perusahaan besar akan terdorong mengadopsinya, membuat “standar baru” dalam cara orang bekerja dan berinteraksi.

Kasus ilustratif: “NusaCraft”, UKM lintas kanal

Bayangkan “NusaCraft”, usaha kerajinan yang berjualan lewat Instagram dan WhatsApp. Saat kampanye diskon, pesan masuk melonjak, komentar bertambah, dan permintaan custom menumpuk. Dengan agen otonom berbasis Manus, NusaCraft dapat menugaskan: mengelompokkan pesan, meminta detail ukuran/warna, membuat ringkasan pesanan, lalu mengirim template pembayaran. Pemilik tetap memegang persetujuan akhir, tetapi beban kerja turun drastis.

Pengaruhnya terasa bukan hanya pada efisiensi, melainkan juga pada pengalaman pelanggan: respons lebih cepat, kesalahan lebih sedikit, dan tindak lanjut yang konsisten. Pada akhirnya, akuisisi ini dibaca sebagai investasi Meta agar platformnya tidak hanya menjadi tempat promosi, tetapi juga tempat “kerja selesai”. Dan itu mengantar kita ke pembahasan berikutnya: apa sebenarnya yang dimaksud dengan agen otonom, dan mengapa ia berbeda dari chatbot biasa?

Teknologi Agen AI Otonom Global: Cara Kerja, Lapisan Tool, dan Perbedaan dari Chatbot

Istilah Agen AI sering dipakai longgar, seolah sama dengan chatbot yang bisa menjawab pertanyaan. Padahal, agen otonom adalah sistem yang dirancang untuk mencapai tujuan, bukan hanya merespons prompt. Ia memegang “loop” kerja: memahami tujuan, membuat rencana, mengeksekusi langkah, mengevaluasi hasil, lalu memperbaiki strategi. Ketika orang menyebut Teknologi Manus sebagai agen Otonom Global, yang dimaksud biasanya mencakup kemampuan lintas bahasa, lintas aplikasi, serta lintas aturan operasional.

Perbedaan utamanya terlihat saat tugas menjadi kompleks. Chatbot bisa menjelaskan cara membuat laporan penjualan. Agen otonom bisa benar-benar mengambil data (sesuai izin), menyusun laporan, mengirim ke email tim, dan membuat pengingat rapat untuk membahas anomali. Di banyak organisasi, nilai AI muncul ketika pekerjaan administratif yang repetitif bisa dipangkas tanpa mengorbankan kontrol.

Lapisan inti agen otonom: planner, executor, dan guardrails

Arsitektur agen biasanya dibangun di atas tiga lapisan. Pertama, “planner”: komponen yang memecah tujuan menjadi langkah-langkah yang bisa dieksekusi. Kedua, “executor”: modul yang memanggil tool seperti API kalender, dokumen, CRM, atau sistem tiket. Ketiga, “guardrails”: aturan yang membatasi akses, mengharuskan persetujuan, dan mencatat jejak keputusan. Manus dikenal karena fokus pada orkestrasi tool dan pelacakan tindakan—dua hal yang sering menjadi titik lemah ketika AI dipakai di dunia nyata.

Contoh konkret: agen diminta “atur perjalanan dinas ke Singapura minggu depan, biaya hemat, dan jadwalkan pertemuan dengan dua klien.” Planner akan membagi tugas: cek tanggal kosong, cari opsi transport, ajukan pilihan, lalu siapkan draft agenda. Executor memanggil tool: kalender, pemesanan, dokumen itinerary. Guardrails memastikan agen tidak melakukan transaksi tanpa konfirmasi, atau tidak mengakses data di luar peran pengguna.

Kenapa “global” itu sulit, bukan sekadar multi-bahasa

Banyak sistem bisa menerjemahkan. Yang sulit adalah mempertahankan akurasi konteks saat berpindah regulasi, mata uang, format alamat, jam kerja, dan kebiasaan komunikasi. Agen otonom untuk pasar Global perlu paham bahwa “besok pagi” di Jakarta berbeda dengan “tomorrow morning” bagi rekan di San Francisco, termasuk zona waktu dan budaya rapat. Ia juga perlu memahami variasi gaya bahasa—formal di email, ringkas di chat—tanpa merusak makna.

Dalam skenario bisnis, aspek global menyentuh kepatuhan. Misalnya, data pelanggan Eropa atau kebijakan retensi percakapan. Di sini, penguatan guardrails menjadi krusial. Manus dikaitkan dengan fondasi platform yang sudah “siap pakai” untuk perusahaan: integrasi, logging, dan kontrol akses. Meta, dengan skala pengguna yang masif, punya insentif besar memastikan agen otonom tidak menimbulkan insiden yang merusak kepercayaan publik.

Contoh implementasi: customer support yang tidak berhenti di “jawaban”

Bayangkan pusat bantuan sebuah brand fesyen. Pelanggan mengeluh barang belum sampai. Chatbot biasa akan memberi status tracking. Agen otonom melangkah lebih jauh: mengecek pesanan, memverifikasi alamat, menghubungi mitra logistik, membuat tiket eskalasi, lalu menawarkan opsi kompensasi sesuai kebijakan. Ia menutup loop, dan hanya meminta manusia turun tangan ketika ada pengecualian.

Di level industri, perubahan ini dapat menggeser KPI: dari “waktu respons” ke “waktu penyelesaian.” Ketika Meta mengakuisisi Manus, yang dikejar bukan sekadar percakapan yang lebih pintar, tetapi alur kerja yang benar-benar selesai. Selanjutnya, tantangannya adalah integrasi: bagaimana teknologi agen ini ditanamkan ke produk Meta tanpa membuat pengalaman pengguna terasa rumit?

Untuk melihat dinamika ekonomi digital yang ikut mendorong kebutuhan otomasi—termasuk tekanan efisiensi di sektor ritel—konteksnya bisa dibaca lewat pembahasan tentang kelas menengah dan konsumsi di laporan ritel kelas menengah Indonesia.

Integrasi Manus ke Ekosistem Meta: WhatsApp, Instagram, dan Workflow Bisnis yang Lebih Otomatis

Jika Manus adalah mesin, Meta adalah jalan raya. Integrasi keduanya berpotensi mengubah aplikasi yang selama ini dianggap “sekadar sosial” menjadi lapisan produktivitas yang mengikat komunikasi, transaksi, dan layanan. Kekuatan Meta ada pada tiga hal: jangkauan pengguna, intensitas interaksi harian, dan posisi strategis di komunikasi bisnis—terutama lewat WhatsApp dan Instagram. Dengan akuisisi ini, integrasi agen otonom dapat diposisikan sebagai asisten kerja yang hidup di tempat orang sudah berada, bukan aplikasi baru yang harus dipelajari.

Model integrasi yang paling realistis adalah bertahap. Tahap awal: agen membantu merangkum chat panjang, mengusulkan balasan, dan mengekstrak tindakan (to-do). Tahap berikutnya: agen menjalankan tindakan via integrasi, seperti membuat katalog, memeriksa stok dari sistem POS, atau membuka tiket dukungan. Pada tahap matang, agen dapat menjadi “operator” yang memantau antrian pesan, membagi prioritas, dan mengeskalasi kasus sulit ke staf manusia. Poin pentingnya: otonomi bukan berarti tanpa kontrol; otonomi berarti sistem bisa berjalan sendiri di koridor aturan yang jelas.

Skema integrasi yang masuk akal untuk pengguna dan bisnis

Di sisi pengguna individual, agen dapat membantu mengatur hidup digital: mengelompokkan notifikasi, menyusun jadwal, atau menyiapkan draf pesan yang sensitif. Namun manfaat terbesar ada pada pelaku usaha. Banyak bisnis kecil di Asia Tenggara mengandalkan chat sebagai “CRM” utama. Mereka tidak selalu punya tim, apalagi SOP yang rapi. Agen otonom dapat menjadi SOP hidup: menanyakan informasi yang belum lengkap, memastikan format pesanan, dan mencatat ringkasan percakapan.

Untuk perusahaan menengah, integrasi bisa meluas ke orkestrasi antar-sistem. Misalnya, sebuah brand memasarkan di Instagram, melayani via WhatsApp, mencatat transaksi di ERP, dan mengatur pengiriman di platform logistik. Agen yang terintegrasi dapat menjembatani semuanya: memindahkan informasi dengan aman, meminimalkan copy-paste, dan memberi laporan harian. Ini adalah bentuk Inovasi yang terasa “sepele” tapi dampaknya besar karena mengurangi friksi operasional.

Contoh alur kerja: dari DM ke pengiriman

Ambil contoh toko sepatu yang menerima DM: “Ada ukuran 42?” Agen bisa menanyakan model, warna, dan kota tujuan, lalu memeriksa stok. Jika tersedia, agen menyusun tautan pembayaran dan estimasi ongkir. Setelah pembayaran terkonfirmasi, agen membuat label pengiriman dan mengirim pembaruan status. Staf manusia hanya memverifikasi pengecualian, misalnya alamat tidak valid atau permintaan retur.

Dalam praktik, Meta dapat menyusun “template agen” untuk vertikal tertentu: kuliner, fesyen, jasa, edukasi. Template ini berisi aturan kebijakan (misalnya jam layanan), gaya bahasa, dan integrasi yang umum. Manus menjadi pondasi agar template tersebut bukan sekadar skrip percakapan, tetapi sistem yang mampu melakukan tindakan yang relevan.

Peran kreator: produksi konten yang lebih terstruktur

Kreator juga bisa merasakan dampak. Agen otonom dapat membantu riset topik, menyusun outline, membuat jadwal posting, lalu menyiapkan variasi caption sesuai platform. Tetap ada batas etika: konten harus autentik, tidak menipu, dan mematuhi kebijakan. Namun secara produktivitas, agen dapat menjadi editor yang tidak lelah. Di sini Meta punya kepentingan langsung: semakin mudah kreator berkarya, semakin tinggi keterlibatan pengguna.

Dalam lanskap 2026, pengguna sudah terbiasa dengan AI yang membantu menulis. Yang membedakan adalah AI yang membantu “mengurus” proses produksi dan distribusi, bukan hanya kalimat. Ketika Manus masuk, Meta berpeluang membangun rantai nilai baru: ide → produksi → publikasi → interaksi → penjualan, semua dipandu agen dalam satu ekosistem. Lalu, jika agen makin kuat, isu berikutnya menjadi tak terelakkan: bagaimana dengan keamanan, privasi, dan akuntabilitas?

Keamanan, Privasi, dan Tata Kelola: Saat Agen Otonom Mulai Mengambil Tindakan

Begitu Agen AI tidak hanya memberi saran, tetapi juga mengeksekusi tindakan—mengirim pesan, mengubah data, membuat tiket, atau memicu transaksi—risiko berubah kelas. Kesalahan bukan lagi “jawaban keliru”, melainkan tindakan keliru. Karena itu, akuisisi Manus oleh Meta otomatis memunculkan pertanyaan tata kelola: siapa yang bertanggung jawab jika agen membuat keputusan yang merugikan, bagaimana audit dilakukan, dan bagaimana pengguna memahami batas kemampuan sistem?

Prinsip yang paling penting adalah pemisahan antara otorisasi dan eksekusi. Agen boleh mengusulkan rencana, tetapi untuk aksi sensitif—misalnya refund besar, akses data pelanggan, atau perubahan kebijakan—harus ada persetujuan manusia atau kontrol berlapis. Dalam organisasi yang matang, kontrol ini diwujudkan lewat role-based access, approval workflow, dan log aktivitas yang mudah diaudit. Manus disebut memiliki fondasi platform yang relatif matang di area orkestrasi, sehingga tantangan Meta adalah menskalakannya ke miliaran interaksi tanpa membuatnya rapuh.

Guardrails yang perlu “terlihat” oleh pengguna

Keamanan tidak cukup jika hanya ada di backend. Pengguna perlu memahami kapan agen bekerja otomatis dan kapan ia menunggu konfirmasi. Contoh desain yang sehat: setiap tindakan penting menampilkan ringkasan “apa yang akan dilakukan” dan “data apa yang dipakai”. Ini membangun kebiasaan pengguna untuk memeriksa sebelum menyetujui. Di sisi lain, agen juga perlu punya mekanisme “undo” dan jalur eskalasi cepat ke manusia. Tidak semua masalah bisa diselesaikan otomatis, dan mengakui batas ini justru meningkatkan kepercayaan.

Dalam konteks Meta, tantangan lain adalah konsistensi lintas aplikasi. Pengguna bisa memulai percakapan di Instagram, berpindah ke WhatsApp, lalu masuk ke email. Agen harus mematuhi kebijakan masing-masing kanal, dan tidak memindahkan data tanpa izin. Di pasar Global, hal ini bersinggungan dengan aturan perlindungan data yang berbeda-beda. Maka, desain permission yang granular menjadi kunci: agen hanya boleh mengakses apa yang dibutuhkan untuk tugas tertentu.

Risiko halusinasi dan mitigasi berbasis verifikasi

Model generatif kadang “meyakinkan” walau salah. Untuk agen otonom, mitigasi paling efektif bukan melarang generasi bahasa, tetapi menambah verifikasi berbasis data. Misalnya, jika agen menyatakan “stok tersedia”, ia harus merujuk ke sistem inventori yang nyata. Jika agen menyusun jadwal, ia harus memeriksa konflik kalender. Dengan pendekatan ini, output agen lebih dapat dipercaya karena didukung sumber yang terstruktur.

Di level implementasi, perusahaan biasanya menerapkan kebijakan: agen hanya boleh mengambil keputusan berbasis sumber yang terverifikasi, dan harus menandai bagian yang berbasis asumsi. Manus, sebagai platform, dapat menyediakan kerangka kerja untuk menautkan tindakan dengan bukti (evidence). Meta dapat memanfaatkan ini untuk mengurangi risiko reputasi: salah satu insiden yang viral bisa berdampak luas mengingat skala pengguna.

Tabel ringkas: manfaat vs risiko agen otonom dalam ekosistem Meta

Isu-isu ini bukan sekadar teknis; ia juga sosial. Ketika agen makin “terlihat” dan memegang banyak peran, publik akan menuntut transparansi: apa yang dipelajari sistem, bagaimana keputusan dibuat, dan bagaimana pengguna bisa memilih keluar. Akhirnya, diskusi keamanan selalu berujung pada dampak ekonomi: siapa yang diuntungkan, siapa yang terdorong beradaptasi, dan bagaimana pasar kerja berubah ketika otomasi makin cerdas?

Dampak Ekonomi dan Inovasi Global: Persaingan AI, Talent, dan Efek ke Startup Asia Tenggara

Akuisisi Manus tidak hanya memperkuat portofolio AI Meta, tetapi juga mengirim sinyal ke pasar: agen otonom adalah “kategori” yang layak dihargai mahal. Dampaknya terasa di ekosistem startup, terutama di Asia Tenggara. Selama bertahun-tahun, banyak startup regional dianggap unggul di distribusi lokal, tetapi tertinggal dalam deep tech. Kasus Manus menunjukkan kebalikannya: Inovasi yang fokus pada orkestrasi dan kontrol bisa menjadi aset strategis bagi raksasa global.

Di tingkat makro, akuisisi bernilai miliaran dolar menciptakan efek domino. Investor akan mencari “Manus berikutnya”: startup dengan kemampuan agentic, integrasi enterprise, dan tata kelola yang kuat. Universitas serta laboratorium riset akan menyesuaikan kurikulum ke area seperti sistem multi-agen, evaluasi, keamanan model, dan desain tool-use. Sementara itu, perusahaan mapan akan terdorong membangun tim internal agar tidak sepenuhnya bergantung pada vendor.

Kompetisi global: dari model ke eksekusi

Beberapa tahun terakhir, persaingan AI sering dibingkai sebagai lomba membangun model terbesar. Kini fokusnya bergeser: siapa yang bisa mengubah model menjadi sistem yang menghasilkan nilai bisnis. Agen otonom adalah jembatan ke sana. Meta dengan Manus berpotensi mempercepat industrialisasi AI—membuatnya lebih mudah dipakai oleh pelaku usaha, bukan hanya oleh engineer.

Pergeseran ini menciptakan “peta persaingan” baru. Perusahaan yang menguasai kanal distribusi—aplikasi chat, platform sosial, marketplace—memiliki posisi untuk menanamkan agen. Inilah sebabnya akuisisi terasa logis: Manus menyediakan mesin, Meta menyediakan akses. Dalam banyak kasus, pemenang bukan yang paling canggih secara teoretis, tetapi yang paling cepat mengemas menjadi fitur yang dipercaya pengguna.

Efek pada tenaga kerja: tugas berubah, bukan sekadar hilang

Agen otonom akan mengurangi pekerjaan administratif: menyortir tiket, membuat ringkasan rapat, mengisi CRM, memeriksa template. Namun di banyak organisasi, ini berarti peran manusia bergeser ke pekerjaan yang membutuhkan penilaian: menangani kasus pengecualian, membangun hubungan pelanggan, menyusun strategi, dan mengawasi kualitas. Akan muncul peran baru seperti “agent supervisor” atau “workflow designer”, yang tugasnya menyetel aturan, menguji skenario, dan memastikan kepatuhan.

Contoh nyata: tim customer support yang sebelumnya menghabiskan waktu untuk pertanyaan berulang bisa dialihkan ke retensi pelanggan. Tim penjualan yang tadinya sibuk mengisi data bisa fokus pada negosiasi. Nilainya bukan hanya penghematan biaya, tetapi peningkatan kualitas layanan. Di sisi lain, organisasi yang tidak menyiapkan pelatihan ulang akan mengalami ketegangan internal. Karena itu, keberhasilan adopsi agen bergantung pada manajemen perubahan, bukan hanya pembelian teknologi.

Daftar prioritas adopsi agen otonom untuk bisnis

• Mulai dari proses yang terukur: misalnya ringkasan chat, klasifikasi tiket, atau follow-up standar.
• Definisikan batas tindakan: mana yang boleh otomatis, mana yang wajib persetujuan.
• Siapkan data rujukan: inventori, kebijakan retur, harga, dan SOP harus rapi agar agen tidak menebak.
• Bangun audit dan pelaporan: catat tindakan agen, alasan, serta hasil untuk evaluasi berkala.
• Latih tim: bukan hanya cara memakai, tetapi cara mengoreksi dan meningkatkan perilaku agen.

Relevansi dengan konsumsi dan ritel

Ketika biaya hidup dan pola belanja berubah, bisnis ritel dipaksa menjadi lebih efisien tanpa mengorbankan pengalaman pelanggan. Otomasi yang mengurangi friksi layanan—misalnya mempercepat pengembalian, status pengiriman, atau rekomendasi—menjadi pembeda. Diskusi tentang dinamika kelas menengah dan tekanan di sektor ritel memberi latar yang penting, seperti yang dibahas dalam analisis tren ritel Indonesia yang menekankan bagaimana perilaku konsumen memengaruhi strategi kanal dan layanan.

Pada akhirnya, Meta membeli Manus bukan semata untuk mengejar buzzword, melainkan untuk mengamankan posisi dalam babak berikutnya: saat AI tidak hanya “bicara”, tetapi “bekerja”. Di titik itu, pemenang adalah mereka yang menyeimbangkan kecepatan inovasi dengan kepercayaan publik—sebuah keseimbangan yang akan diuji di setiap pesan yang dijawab agen, setiap tiket yang ditutup otomatis, dan setiap keputusan yang perlu dipertanggungjawabkan.