{"id":976,"date":"2026-08-11T13:36:19","date_gmt":"2026-08-11T06:36:19","guid":{"rendered":"https:\/\/komunitech.com\/blog\/?p=976"},"modified":"2026-08-11T16:05:04","modified_gmt":"2026-08-11T09:05:04","slug":"3-pemenang-openclaw-usecase-challenge-batch-4-dari-dokter-spesialis-saraf-sampai-trader-saham","status":"publish","type":"post","link":"https:\/\/komunitech.com\/blog\/karyawan-ai\/3-pemenang-openclaw-usecase-challenge-batch-4-dari-dokter-spesialis-saraf-sampai-trader-saham\/","title":{"rendered":"3 Pemenang OpenClaw Usecase Challenge Batch 4: dari Dokter Spesialis Saraf sampai Trader Saham"},"content":{"rendered":"

tl;dr:<\/strong> OpenClaw Usecase Challenge Batch 4 adalah bagian dari Workshop 2 Jam Bikin AI Agent Komunitech \u2014 pesertanya adalah peserta workshop batch yang sama, yang menerapkan AI agent buatannya ke masalah nyata di profesi mereka. Pemenang pertama, dr. Intan Kemala Dina<\/strong> (dokter spesialis saraf, background non-IT), bikin chatbot stimulasi kognitif untuk pasien pikun\/demensia dan bawa pulang VIP Komunitech senilai Rp8.000.000. Pemenang kedua, Danny<\/strong> (trader saham), bikin sistem sinyal trading otomatis end-to-end lewat Telegram. Pemenang ketiga, Yudi<\/strong> (pemilik toko sembako), bikin bot pencatat & pengingat stok. Tiga studi kasus ini nunjukin satu hal: kamu gak perlu jago ngoding buat bikin AI agent yang benar-benar berdampak.<\/p>\n

Apa Itu OpenClaw Usecase Challenge?<\/h2>\n

OpenClaw Usecase Challenge adalah bagian dari Workshop 2 Jam Bikin AI Agent<\/strong> Komunitech. Pesertanya bukan orang luar yang daftar terpisah \u2014 mereka adalah peserta workshop di batch yang sama, yang setelah belajar bikin AI agent pakai OpenClaw, ditantang menerapkannya langsung ke masalah nyata di bisnis atau profesi masing-masing. Bukan demo main-main, tapi solusi yang benar-benar dipakai (atau siap dipakai) di dunia nyata.<\/p>\n

Karya peserta dinilai dua juri dari tim Komunitech yang sehari-hari menggunakan dan membangun AI agent secara langsung. Difen Alfen<\/strong> berperan sebagai Social Media Specialist di Komunitech, terbiasa memanfaatkan AI agent untuk kerja konten dan operasional sosial media sehari-hari. Mas Dino<\/strong> adalah praktisi dan mentor yang fokus di pengembangan strategi personal branding serta komunitas digital, dan aktif mengembangkan AI agent untuk automasi dan pertumbuhan komunitas. Kombinasi ini bikin penilaian mereka bukan sekadar teori \u2014 keduanya paham betul apa yang bikin sebuah AI agent benar-benar berguna di dunia nyata. Penilaian memakai empat bobot: Impact to Society (35%), Impact Bisnis (30%), Kreativitas (20%), dan Kompleksitas Teknis (15%). Kombinasi bobot ini bikin challenge-nya adil buat semua latar belakang: kamu bisa menang lewat dampak sosial yang kuat, lewat nilai bisnis, atau lewat kepintaran teknis. Di Batch 4, para pemenang datang dari dunia yang jauh berbeda: dokter, trader saham, sampai pemilik toko sembako.<\/p>\n

\ud83e\udd47 Winner 1: dr. Intan Kemala Dina \u2014 Chatbot Stimulasi Kognitif untuk Pasien Demensia<\/h2>\n

Pemenang pertama Batch 4 adalah dr. Intan Kemala Dina<\/strong>, seorang Dokter Spesialis Saraf<\/strong> yang berpraktik di Pekanbaru. Yang bikin ceritanya makin menarik: beliau punya background non-IT sama sekali<\/strong>. Bukan programmer, bukan orang teknologi \u2014 murni klinisi. Atas karyanya, dr. Intan membawa pulang hadiah VIP Komunitech senilai Rp8.000.000<\/strong>.<\/p>\n

Kredensial medis ini bukan sekadar embel-embel. Justru inilah yang bikin use case-nya kuat. Stimulasi kognitif untuk pasien pikun dan demensia bukan area yang bisa asal ditebak \u2014 butuh pemahaman klinis soal apa yang harus di-screening, latihan apa yang relevan, dan data mana yang penting dipantau. Ketika sebuah AI agent kesehatan dirancang langsung oleh dokter spesialis yang paham lapangan, kredibilitasnya beda level. Ini contoh nyata prinsip human-in-the-loop di AI kesehatan<\/a> \u2014 AI bantu kerja dokter, bukan menggantikan penilaian klinisnya.<\/p>\n

Apa yang dr. Intan Bangun<\/h3>\n

Chatbot stimulasi kognitif buatan dr. Intan punya alur yang rapi dan mengikuti logika klinis:<\/p>\n

    \n
  1. Screening awal.<\/strong> Chatbot mengumpulkan data dasar pasien: nama, jenis kelamin, pendidikan, tujuan latihan, dan riwayat kesehatan seperti hipertensi, diabetes, kolesterol, riwayat stroke, sampai riwayat keluarga. Ini fondasi buat memahami kondisi pasien sebelum latihan.<\/li>\n
  2. Sesi latihan daya pikir.<\/strong> Pasien diajak latihan kognitif nyata \u2014 misalnya pengurangan berurutan (100 dikurangi 7 sebanyak tiga kali) dan recall 5 kata. Latihan seperti ini memang dipakai untuk merangsang fungsi kognitif.<\/li>\n
  3. Skor otomatis + reminder harian.<\/strong> Sistem menghitung skor secara otomatis dan punya fitur pengingat harian di jam tertentu, supaya pasien konsisten latihan.<\/li>\n
  4. Sinkronisasi ke database dokter.<\/strong> Semua hasil latihan tersinkron ke database yang hanya bisa diakses dokter, sehingga progres pasien bisa dipantau saat kontrol berikutnya.<\/li>\n<\/ol>\n

    Estimasi manfaatnya: menghemat sekitar 15 menit per interaksi pasien<\/strong> dibanding cara manual bertanya ke keluarga soal latihan yang sudah dijalani. Buat praktik dokter yang padat, penghematan waktu seperti ini nyata dampaknya.<\/p>\n

    Kenapa Use Case Ini Layak Menang<\/h3>\n

    Dari sisi social impact<\/strong>, use case ini kuat banget. Kesehatan lansia \u2014 khususnya pikun dan demensia \u2014 adalah area yang jarang sekali tergarap oleh AI agent. Padahal populasi lansia terus bertambah dan kebutuhan stimulasi kognitif itu nyata. Dari sisi teknis, chatbot ini butuh model yang cukup pintar karena alur latihan dan penilaiannya bersifat non-deterministik \u2014 bukan sekadar if-else, tapi reasoning yang harus fleksibel mengikuti jawaban pasien.<\/p>\n

    Dan poin yang bikin kagum: seluruh proses pembuatannya cuma 4\u20135 hari<\/strong>, dikerjakan di sela kesibukan praktek dokter, oleh orang dengan background non-IT total. Kalau kamu masih mikir bikin AI agent kompleks itu cuma buat anak IT, cerita dr. Intan ini jawabannya.<\/p>\n

    Catatan Jujur<\/h3>\n

    Biar adil dan transparan: chatbot ini sudah selesai dibangun dan sudah ditest berkali-kali<\/strong>, tapi belum live dipakai ke pasien nyata<\/strong> \u2014 masih terkendala dana. Selain itu, saat ini chatbot masih memakai model gratis (Groq) karena belum mampu bayar model premium, dan model gratis ini kadang kurang patuh terhadap instruksi. Ini kendala yang jujur, bukan kegagalan. Fondasinya sudah kokoh; yang tersisa tinggal soal sumber daya buat naik kelas. Untuk memahami trade-off biaya seperti ini, kamu bisa baca hitungan jujur biaya AI agent untuk bisnis Indonesia<\/a>.<\/p>\n

    \ud83e\udd48 Winner 2: Danny \u2014 Sistem Sinyal Trading Saham Otomatis via Telegram<\/h2>\n

    Pemenang kedua adalah Danny<\/strong> (Dhani), seorang trader saham yang sedang bertransisi dari full-time investor ke full-time trader. Berbeda dari dr. Intan, Danny adalah lulusan Informatika\/IT \u2014 dan itu terlihat jelas dari kompleksitas sistem yang ia bangun. Atas karyanya, Danny mendapat hadiah Rp1.000.000<\/strong>.<\/p>\n

    Apa yang Danny Bangun<\/h3>\n

    Danny bikin sistem sinyal trading saham otomatis yang jalannya end-to-end lewat Telegram:<\/p>\n

      \n
    1. Screening terjadwal jam 7 pagi.<\/strong> Script Python menyaring 900 saham\/emiten IHSG menjadi 20 kandidat terbaik setiap pagi \u2014 pekerjaan yang praktis mustahil dilakukan manual.<\/li>\n
    2. Analisa AI.<\/strong> 20 saham kandidat itu dianalisa oleh AI (OpenClaw) untuk menghasilkan rekomendasi indikator plus entry, Take Profit (TP), dan Stop Loss (SL).<\/li>\n
    3. Auto-post ke Telegram.<\/strong> Hasil rekomendasi otomatis diposting ke grup Telegram, dipisah per topik (sesi pagi, scalping, dan seterusnya) supaya rapi dan mudah diikuti.<\/li>\n
    4. Live tracking otomatis.<\/strong> Begitu sebuah sinyal kena TP atau SL, bot langsung meng-update statusnya di grup \u2014 jadi anggota tahu hasil setiap sinyal secara real-time.<\/li>\n<\/ol>\n

      Danny bahkan sudah membangun funnel subscription yang otomatis penuh: landing page \u2192 pembayaran lewat Lynk.id \u2192 webhook \u2192 auto-invite ke grup Telegram berbayar. Praktis tanpa campur tangan manual. Sistem live tracking otomatis seperti ini mirip konsep dashboard monitoring workflow untuk visualisasi data<\/a> \u2014 bedanya, di sini output-nya langsung ke grup Telegram secara real-time.<\/p>\n

      Yang menarik dari sisi personal: sebelumnya Danny cuma investor pasif yang tidak pernah menganalisa 900 emiten secara manual (memang dianggap mustahil). Sekarang, ia punya sinyal harian otomatis yang jalan sendiri setiap pagi.<\/p>\n

      Disclaimer Penting Soal Angka 277%<\/h3>\n

      Baca bagian ini dengan hati-hati.<\/strong> Live tracking sinyal Danny menunjukkan angka total 277% pada periode 13\u201324 Juli (sekitar 11 hari)<\/strong>. Tapi angka ini WAJIB dipahami dengan benar: ini murni hasil TRACKING SINYAL, bukan profit riil yang direalisasikan Danny.<\/strong> Artinya, angka 277% itu adalah akumulasi hasil sinyal yang di-track oleh sistem \u2014 belum tentu semua sinyal itu benar-benar dieksekusi, dan bukan berarti Danny (atau siapa pun) mengantongi profit sebesar itu. Trading saham selalu punya risiko, hasil masa lalu tidak menjamin hasil masa depan, dan tracking sinyal tidak sama dengan profit yang tereksekusi. Jangan menjadikan angka ini sebagai ekspektasi keuntungan.<\/p>\n

      Kenapa Use Case Ini Layak Menang<\/h3>\n

      Dari sisi business impact<\/strong> dan kompleksitas teknis<\/strong>, karya Danny termasuk yang paling kuat di Batch 4. Ia mengintegrasikan banyak komponen menjadi satu sistem yang jalan mulus: Python screening terjadwal, AI reasoning untuk analisa, distribusi multi-topik ke Telegram, sampai payment webhook yang otomatis penuh. Ini bukan satu fitur \u2014 ini pipeline end-to-end dari screening sampai monetisasi. Buat challenge yang menilai kompleksitas teknis, sistem seperti ini benar-benar menonjol.<\/p>\n

      \ud83e\udd49 Winner 3: Yudi \u2014 Bot Pencatat & Pengingat Stok buat Toko Sembako<\/h2>\n

      Pemenang ketiga Batch 4 adalah Yudi<\/strong>, pemilik toko sembako kelontong. Beda dari dr. Intan dan Danny yang use case-nya kompleks dan berlapis, Yudi justru membuktikan hal sebaliknya: use case sederhana yang langsung nyambung ke masalah sehari-hari juga layak diapresiasi.<\/p>\n

      Yudi bikin bot pencatat dan pengingat stok barang buat usaha kecilnya. Cara kerjanya simpel: pemilik toko input data stok secara manual tiap hari, lalu bot otomatis mengirim notifikasi ke WhatsApp atau Telegram begitu stok produk tertentu mulai menipis.<\/p>\n

      Hasilnya juga konkret: Yudi menghemat waktu cek stok manual sekitar 20-30 menit per hari<\/strong>, dan mengurangi kejadian kehabisan stok tanpa disadari \u2014 masalah klasik yang sering dialami toko kelontong yang masih mengandalkan ingatan atau catatan manual.<\/p>\n

      Kenapa use case ini tetap layak jadi juara 3? Karena ini contoh paling jujur soal AI agent buat UMKM: gak perlu kompleks buat berdampak. Toko sembako kelontong adalah gambaran nyata sebagian besar pelaku usaha kecil di Indonesia \u2014 dan Yudi menunjukkan bahwa AI agent sesederhana notifikasi stok pun bisa langsung dipakai, langsung kerasa manfaatnya, tanpa perlu integrasi rumit atau biaya besar.<\/p>\n

      Apa yang Bisa Dipelajari dari 3 Studi Kasus Ini<\/h2>\n

      Tiga pemenang ini datang dari dunia yang berbeda, tapi semuanya meninggalkan pelajaran yang sama berharganya:<\/p>\n