Evidence Freshness: Kapan Sumber Harus Dianggap Kedaluwarsa
Ada halaman yang terakhir diperbarui tiga tahun lalu tetapi masih sepenuhnya valid.
Ada halaman yang baru berumur tiga minggu tetapi sudah menyesatkan.
Itu sebabnya evidence freshness tidak bisa diukur dengan satu aturan seperti:
“Semua sumber di atas 12 bulan dianggap stale.”
Terdengar rapi. Dalam praktik, salah.
Freshness selalu bergantung pada jenis claim.
Sejarah perusahaan bisa stabil bertahun-tahun.
Harga tiket bisa berubah dalam hitungan hari.
Stok produk berubah dalam hitungan menit.
Jabatan direksi berubah pada tanggal tertentu.
Peraturan bisa terbit hari ini tetapi baru berlaku beberapa bulan lagi.
Sertifikasi punya masa berlaku.
Review produk tetap berguna setelah dua tahun untuk pengalaman tertentu, tetapi spesifikasi software yang direview mungkin sudah berubah total.
Jadi pertanyaan yang benar bukan:
“Berapa umur halaman ini?”
Pertanyaannya:
“Apakah evidence ini masih merepresentasikan claim pada waktu keputusan dibuat?”
Itulah evidence freshness.
Google sendiri mendokumentasikan freshness systems untuk query yang memang mengharapkan informasi terbaru. Artinya freshness bukan kebutuhan universal untuk semua pencarian. Query tentang gempa yang baru terjadi membutuhkan informasi baru, sedangkan pertanyaan historis belum tentu.
Prinsip yang sama berguna untuk AI trust.
Freshness adalah property hubungan antara claim, source, dan time.
Bukan property URL sendirian.
Mulai dari decay rate claim
Setiap fakta punya kecepatan kedaluwarsa berbeda.
Buat kelas sederhana.
Kelas A: real-time sensitive.
Stock.
Price yang dinamis.
Availability.
Schedule.
Live status.
Exchange rate.
Seat inventory.
Kelas B: operational.
Jam operasional.
Cabang aktif.
Service coverage.
Delivery area.
Active product.
Current promotion.
Kelas C: organizational.
Leadership.
Team.
Partner.
Certification.
License.
Office location.
Kelas D: policy.
Return policy.
Terms.
Warranty.
Eligibility.
Compliance statement.
Kelas E: stable reference.
Company history.
Founding story.
Definitions.
Long-term methodology.
Archived research.
Setelah itu baru tentukan review cadence.
Bukan sebaliknya.
Kalau tim memulai dari aturan “refresh semua artikel setiap 90 hari”, mereka akan melakukan pekerjaan kosmetik pada content stable sambil mungkin membiarkan harga salah selama dua minggu.
Freshness harus risk-based.
Tanggal publikasi tidak sama dengan tanggal fakta
Ini salah satu jebakan terbesar.
Artikel diterbitkan 8 Agustus 2026.
Di dalamnya ada data per Desember 2025.
Source secara publikasi baru.
Faktanya delapan bulan lebih tua.
Sebaliknya, PDF diterbitkan April 2026 tetapi data di dalamnya diperbarui sampai Maret 2026.
Untuk claim tertentu, PDF itu bisa lebih current.
Catat minimal tiga tanggal ketika relevan:
Publication date.
Last updated date.
Fact effective date atau data period.
Untuk regulasi, tambahkan effective date.
Untuk policy, tambahkan version.
Untuk product, tambahkan availability time jika memang berubah cepat.
Timestamp bukan dekorasi.
Ia adalah bagian dari meaning.
Kapan evidence harus dianggap stale?
Ada lima trigger yang lebih berguna daripada umur halaman.
Trigger pertama: fakta berubah.
Alamat pindah.
CEO berganti.
Harga naik.
Produk dihentikan.
Policy direvisi.
Begitu underlying fact berubah, evidence lama tidak lagi current, meski baru dibuat kemarin.
Trigger kedua: period berakhir.
Promo sampai 31 Juli.
Pada 1 Agustus, page yang masih menyebut promo itu harus diperlakukan stale untuk current recommendation.
Trigger ketiga: source yang lebih authoritative mengeluarkan versi baru.
Regulator memperbarui guidance.
Manufacturer mengubah spec.
Company mengeluarkan filing terbaru.
Policy v3 menggantikan v2.
Trigger keempat: evidence kehilangan scope.
Review membahas software version 4.
Sekarang product sudah version 7 dengan interface dan pricing berbeda.
Review belum tentu useless, tetapi scope-nya harus diturunkan dari “current product review” menjadi “historical experience”.
Trigger kelima: conflict muncul.
Sumber A bilang X.
Sumber B yang lebih baru bilang Y.
Begitu conflict diketahui, status evidence A setidaknya harus “needs revalidation”.
Tidak perlu menunggu tanggal expiry formal.
Stale bukan berarti salah secara historis
Ini distinction yang sangat penting.
Pada 2025 perusahaan punya 20 cabang.
Pada 2026 punya 27.
Artikel 2025 yang menulis 20 tidak salah.
Ia historical.
Problem muncul ketika angka 20 dipakai untuk menjawab “berapa cabang sekarang?”
Jadi gunakan status:
Current.
Historical.
Superseded.
Stale.
Deprecated.
Conflicted.
Unverified.
Dengan status seperti ini, kita tidak perlu menghapus sejarah untuk menjaga freshness.
Kita hanya mencegah historical evidence dipakai sebagai current truth tanpa context.
Source resmi juga bisa stale
“Kan ini dari website pemerintah.”
“Kan ini dari website brand sendiri.”
Authority tidak menghapus time.
Website resmi bisa telat update.
Database regulator bisa punya reporting lag.
Marketplace merchant bisa lupa memperbarui stok.
PDF resmi bisa tetap hidup walau versi baru sudah terbit.
Freshness dan authority adalah dua axis.
High authority + stale tetap berisiko untuk current claim.
Low authority + fresh juga belum tentu layak.
Kita perlu keduanya:
Source fit.
Freshness fit.
Evidence Freshness Score boleh dibuat, tetapi hati-hati
Organisasi boleh membuat framework internal.
Misalnya:
Freshness status berdasarkan umur.
Volatility.
Last verification.
Conflict.
Source authority.
Tetapi jangan menyebutnya platform ranking factor.
Tidak ada dasar untuk mengklaim ChatGPT atau Google memakai “Evidence Freshness Score” yang sama dengan spreadsheet internal.
GEO.or.id lebih baik menggunakan istilah seperti:
internal evidence freshness classification.
Tujuannya governance.
Bukan reverse engineering palsu.
Freshness untuk AI Search punya consequence baru
Dulu stale page mungkin hanya memberi pengalaman buruk pada user yang kebetulan menemukannya.
Sekarang stale information dapat masuk ke generative answer, comparison, summary, atau recommendation.
ChatGPT dapat mencari web untuk informasi current dan memberikan citation. Ini meningkatkan kemungkinan user bisa memeriksa source, tetapi tidak menghapus risiko source lama atau interpretation yang salah.
Google AI features juga dibangun di atas ekosistem Search dan dokumentasi Google tetap menekankan prinsip SEO fundamental serta content yang membantu user.
Practical implication-nya sederhana.
Kalau fakta penting sering berubah, current source harus mudah ditemukan dan cukup jelas untuk dibaca manusia.
Jangan menyimpan current price hanya di banner image.
Jangan membuat location closure hanya di Instagram Story.
Jangan membiarkan product page aktif tanpa tanda discontinued.
Jangan membuat policy terbaru bernama “final-v3-revisi-baru2.pdf”.
Human clarity dan machine clarity sering sejalan.
Expiry date harus dipakai selectively
Beberapa evidence memang layak punya expiry.
Security certification.
License.
Promotion.
Price quote.
Benchmark.
Market data.
Service availability tertentu.
Tetapi tidak semua.
Company founding date tidak butuh expiry 90 hari.
Membuat expiry untuk semua claim menghasilkan maintenance burden tanpa value.
Gunakan rule:
Jika fakta punya natural expiration, simpan expiry.
Jika fakta tidak punya natural expiration tetapi berpotensi berubah, simpan review date.
Jika fakta hampir permanent, simpan verification provenance dan event-based trigger.
Contoh:
CEO: review event-based saat corporate announcement.
Alamat: update event-based saat relocation.
Pricing: periodic + event-based.
Regulation: event-based saat amendment + scheduled legal review.
Historical article: no artificial refresh, tetapi current-reference link bisa diperbarui.
Last updated harus punya integritas
Jangan mengganti tanggal artikel setiap minggu hanya untuk terlihat fresh.
Itu fake freshness.
Kalau tidak ada perubahan substantif, jangan berpura-pura ada.
Lebih baik tulis:
Published: Januari 2025.
Reviewed: Agustus 2026.
No material changes.
Atau:
Updated: Agustus 2026.
Changes: pricing section and product availability.
Sekarang reader memahami apa yang dilakukan.
Untuk evidence-led site, review date dan update note sering lebih berguna daripada sekadar tanggal baru.
Freshness monitoring sebaiknya dimulai dari claim inventory
Pilih 50 claim paling penting.
Untuk masing-masing:
Claim.
Canonical source.
Volatility.
Last verified.
Review trigger.
Owner.
External corroboration.
Conflict status.
Impact if stale.
Contoh:
Claim: kantor Surabaya aktif.
Volatility: medium.
Canonical source: location master.
Last verified: 8 Agustus.
Trigger: branch status change.
Impact: high.
External source: Google Business Profile, directory industry.
Sekarang freshness menjadi operational.
Tanpa claim inventory, tim hanya punya daftar halaman.
Halaman bukan unit yang cukup.
Satu halaman bisa memiliki 30 claim dengan umur berbeda.
Price di paragraf kedua mungkin stale.
Company history di paragraf kelima tetap valid.
Jadi update harus claim-aware.
AI monitoring dapat membantu menemukan stale evidence
Gunakan AI atau automation untuk:
Mendeteksi tanggal lama.
Membandingkan claim lintas halaman.
Menemukan product discontinued yang masih disebut.
Menandai executive yang berbeda.
Mencari policy version conflict.
Menyusun queue review.
Tetapi final verification untuk claim material harus kembali ke source yang benar.
Automation membantu triage.
Bukan menjadi source of truth baru.
Apa yang harus dilakukan ketika source sudah stale tetapi masih kredibel?
Jangan selalu hapus.
Pertama, tandai sebagai historical jika memang historically correct.
Kedua, tambahkan current update.
Ketiga, link ke versi terbaru.
Keempat, jika page lama berpotensi menyebabkan harm atau kebingungan besar, pertimbangkan deprecation notice.
Kelima, jika source pihak ketiga, ajukan correction atau update note dengan evidence.
Keenam, monitor apakah source lama tetap muncul dalam AI answer.
Freshness management adalah lifecycle, bukan content refresh campaign.
Buat Freshness Review yang singkat
Setiap minggu atau bulan, sesuai risk:
Apa claim yang mencapai review date?
Apa claim yang berubah?
Apa source conflict baru?
Apa external source yang stale?
Apa AI answer yang memakai source lama?
Apa correction yang belum selesai?
Apa high-severity evidence yang tidak punya owner?
Dashboard seperti ini lebih berguna daripada “berapa artikel di-update minggu ini”.
Jumlah artikel bukan outcome.
Current truth adalah outcome.
Kapan sumber dianggap kedaluwarsa?
Jawabannya akhirnya sangat spesifik.
Sumber kedaluwarsa ketika ia tidak lagi cukup layak digunakan untuk mendukung claim dalam konteks waktu saat ini tanpa qualification tambahan.
Bisa karena fact berubah.
Bisa karena version baru.
Bisa karena period selesai.
Bisa karena scope bergeser.
Bisa karena conflict diketahui.
Bisa karena evidence lebih authoritative sudah menggantikannya.
Umur halaman hanya salah satu signal.
Di era AI search, organisasi perlu berhenti memperlakukan freshness sebagai kosmetik SEO.
Freshness adalah bagian dari trust.
Karena sebuah sumber bisa sangat kredibel, ditulis dengan baik, populer, dan tetap salah untuk pertanyaan hari ini hanya karena dunia sudah berubah sejak sumber itu dibuat.
Ada satu praktik tambahan yang sering memberi leverage besar: pisahkan verification date dari modification date.
Modification date menjawab kapan file berubah. Verification date menjawab kapan seseorang terakhir memastikan claim masih benar. Dua hal ini tidak selalu sama.
Sebuah halaman bisa tidak berubah selama dua tahun karena faktanya memang tetap benar. Dalam kondisi itu, verification baru lebih informatif daripada memaksa perubahan copy. Sebaliknya, halaman bisa diedit kemarin untuk memperbaiki typo tetapi claim harga di dalamnya belum diverifikasi.
Untuk claim kritis, simpan siapa verifier dan source yang dipakai. Tidak perlu selalu ditampilkan ke publik, tetapi harus tersedia secara internal.
Dengan cara ini, tim tidak mengejar freshness kosmetik. Mereka membangun freshness yang bisa dibuktikan.
Kalau suatu fakta belum diverifikasi sesuai cadence, status yang jujur bukan “current”. Statusnya “review due”. Perbedaan kecil seperti ini membuat evidence governance jauh lebih disiplin.
Bacaan terkait di GEO.or.id
- Cluster: AI Trust & Hallucination
- Kerangka terkait: Source Credibility
- Kerangka terkait: Hallucination Dataset
- Artikel terkait: Trust Decay: Kenapa Informasi Lama Bisa Merusak Jawaban AI
- Artikel terkait: Bagaimana Menjawab Saat AI Mengutip Sumber Kredibel yang Sudah Usang
- Artikel terkait: Evidence Conflict: Apa yang Harus Dilakukan Saat Dua Sumber Kredibel Berbeda
- Artikel terkait: Reputasi Digital di Era AI: Kesalahan Lama Bisa Hidup Lebih Lama
