Data-Intensive Scalable Computing (DISC) sangat penting untuk mengelola kumpulan data yang besar dengan penekanan pada toleransi kesalahan, efektivitas biaya, dan aksesibilitas pengguna. Namun, kesalahan input pada data yang diproses menimbulkan tantangan yang signifikan bagi programmer. Penelitian ini menggunakan program Snowfall Analysis, yang terkenal dengan data anomali yang menyebabkan ketidakakuratan peramalan, sebagai studi kasus. Untuk mengatasi tantangan ini, kami menggunakan Titian, sebuah library yang memudahkan debugging dengan melacak secara sistematis asal-usul data yang salah. Analisis kami menunjukkan bahwa Titian secara akurat mengidentifikasi kesalahan data dengan ketepatan 100%, selain itu, rata-rata waktu proses program yang mengimplementasikan Titian hanya 0,505 detik di berbagai ukuran dataset, secara signifikan mengungguli metode debugging manual standar. Temuan ini menyoroti potensi Titian untuk meningkatkan pembuktian data dalam sistem DISC, menawarkan wawasan teoritis tentang proses debugging dan aplikasi praktis untuk meningkatkan integritas data dalam lingkungan komputasi berskala besar.