Katalog & Strategi Data Uji

Sumber kebenaran untuk semua data uji blackbox. Setiap berkas diberi ID stabil dan diunggah ke Google Drive dengan penamaan konsisten.

1. Prinsip

Positive case = dokumen yang semestinya lolos verifikasi sistem (field lengkap, konsisten, valid).
Negative case = dokumen yang semestinya ditolak/di-flag (akta expired, NIK mismatch, dokumen kurang, format salah, kuorum tak terpenuhi, dsb).
Dua sumber: (a) PDF sintetis (data fiktif, aman PII, untuk kasus terkendali) dan (b) subset backend/uploads/ nyata (untuk kesetiaan OCR). Yayasan/Perkumpulan/PP juga punya sample nyata di docs/samples/ dan backend/uploads/sp-*-pp/.

2. Konvensi penamaan (lokal & Drive)

{domain}/{fitur}/{positive|negative}/{id}__{deskripsi-singkat}.pdf
contoh: PT/pendirian/negative/D-NEG-01__akta-expired.pdf

Struktur folder Drive:

Blackbox-Test-Data/
  PT/{pendirian,perubahan,perbaikan,peralihan-pp-pt,pembubaran,merger,akuisisi,laporan-rups}/{positive,negative}/
  PP/{pendirian,perubahan,perbaikan,pembubaran}/{positive,negative}/
  Apostille/{intake,classification,eligibility,verifier,legalisasi}/{positive,negative}/
  _sintetis/   # duplikat semua yang sintetis (aman PII)
  _nyata/      # dari uploads/ (mengandung PII — sesuai keputusan user)

3. Inventaris sumber yang sudah ada

Sumber	Lokasi	Bentuk	Kegunaan
PT corpus	`backend/src/services/__tests__/fixtures/*.txt`	Teks	Uji logika klasifikasi/ekstraksi (bukan OCR)
Yayasan sample	`docs/samples/yayasan/akta/*.pdf`	PDF nyata	Referensi born-digital vs scan
Perkumpulan sample	`docs/samples/perkumpulan/akta/*.pdf`	PDF nyata	Referensi
PP surat pernyataan	`backend/uploads/sp-{pendirian,perbaikan,perubahan}-pp/`	PDF+DOCX	PP flows
PP schema	`backend/src/ocr/__tests__/fixtures/sp_pendirian_pp_v{3,4}_sample.json`	JSON	Validasi schema
Uploads nyata	`backend/uploads/` (±4.159)	PDF/JPG	Kesetiaan OCR (perlu dilabeli)

4. Rencana pembuatan (yang harus dibuat)

4.1 PDF sintetis (via `e2e/helpers/pdf-factory.ts`)

ID	Domain/Fitur	Tipe	Deskripsi
D-POS-01	PT/Pendirian	Positive	Akta pendirian lengkap & konsisten
D-NEG-01	PT/Pendirian	Negative	Akta dengan tanggal kedaluwarsa
D-NEG-02	PT/Pendirian	Negative	KTP NIK tidak cocok roster
D-NEG-03	PT/Pendirian	Negative	Checklist dokumen kurang (tanpa NPWP)
D-POS-10	PT/Perubahan	Positive	Akta perubahan + risalah RUPS kuorum terpenuhi
D-NEG-10	PT/Perubahan	Negative	RUPS kuorum tidak terpenuhi
D-POS-20	PP/Pendirian	Positive	Surat pernyataan pendirian lengkap + BO valid
D-NEG-20	PP/Pendirian	Negative	BO kriteria tidak lengkap (submission-mode)
D-POS-30	Apostille/Intake	Positive	KTP + ijazah ber-TTE (marker BSrE)
D-NEG-30	Apostille/Eligibility	Negative	Konvensional + petugas tak terdaftar (butuh Keterangan Keabsahan)
D-POS-40	Apostille/Legalisasi	Positive	Dokumen untuk negara non-Apostille

Daftar di atas adalah kerangka minimum; tiap supervisor MENAMBAH negative case per aturan validasi flow-nya (lihat brief handoff).

4.2 Pelabelan `backend/uploads/`

Orkestrator menjalankan pass klasifikasi ringan (baca teks halaman-1 tiap PDF, cocokkan kata kunci: "PENDIRIAN", "PERUBAHAN", "PEMBUBARAN", "RUPS", "KTP", dst) lalu menghasilkan e2e/data/uploads-index.json (path → dugaan flow + confidence). Supervisor memilih dari index ini untuk uji OCR nyata.

5. Upload ke Google Drive

Tool: Google Drive MCP (create_file / share_file).
Waktu: setelah tiap fitur selesai diuji (data final), atau batch di Fase 2.
PII: folder _nyata/ berisi akta/KTP asli — sesuai keputusan user, tetap diunggah; tanggung jawab kepatuhan pada user. Folder _sintetis/ bebas PII.
Sertakan MANIFEST.md di root folder Drive: tabel ID data → deskripsi → flow → positive/negative → sumber (sintetis/nyata).

6. Manifest master (diisi berjalan)

ID	Domain	Fitur	Tipe	Sumber	Berkas	Ekspektasi	Drive path
D-POS-01	PT	Pendirian	Positive	Sintetis	akta-pendirian-valid.pdf	Lolos	PT/pendirian/positive/
...