Survei Nasional Opini Publik 2018 Diluncurkan Sabtu Ini

Jakarta, 13 April 2018 – Lembaga Survei KedaiKOPI akan meluncurkan hasil Survei Nasional Opini Publik 2018 pada Sabtu sore besok (14/04/2018). Hasil survei di 34 propinsi ini akan disampaikan melalui live streaming di media sosial.

Survei ini diantaranya membahas tentang bagaimana pendapat publik tentang fenomena kotak kosong, tokoh nasional yang mampu menarik perhatian publik sebagai calon alternatif, kepuasan publik terhadap pemerintahan Joko Widodo, elektabilitas partai politik pendatang baru, dan kemungkinan hasil rematch Jokowi vs Prabowo. Sejumlah isu keagamaan seperti kenyamanan beribadah dan fenomena cadar juga diangkat dalam survei ini.

Berikut akun media sosial yang akan menayangkan hasil Survei Nasional Opini Publik 2018:

–    Kanal Youtube Survei KedaiKOPI
–    Fan Page Facebook Lembaga Surveikopi
–    Akun twitter @surveikedaikopi


Survei ini dilakukan terhadap 1135 responden dari 1200 responden yang ditargetkan di 34 propinsi dengan Margin of Error (MoE) +/- 2,97 % pada interval kepercayaan 95,0%. Responden adalah masyarakat Umum (calon pemilih berusia >17 tahun atau sudah menikah) dan dipilih dengan menggunakan metode Multistage Random Sampling dan diwawancarai dengan tatap muka (home visit).

Hasil lengkap survei ini juga bisa diunduh di website ini pada Sabtu (14/04/18) pukul 16.00 WIB.

Cara penargetan Cambridge Analytica di Facebook

Jakarta, 10 April 2018 –  Heboh mengenai bocornya data Facebook kepada konsultan politik Cambridge Analytica masih berlanjut hingga mengundang rencana kepolisian Indonesia mengusut kasus ini. Ini terutama setelah beberapa hari lalu Facebook merilis bahwa lebih dari 1 juta pengguna media sosial di tanah air juga ikut bocor datanya.  Tulisan Matthew Hindman, dari George Washington University yang dimuat the Conversation Indonesia di bawah ini mengulas bagaimana  penggalian data itu dilakukan dan bagaimana model statistika memproses data Facebook untuk Cambridge Analytica.

Matthew Hindman, George Washington University

Peneliti yang risetnya berada pada pusat skandal Facebook-Cambridge Analytica soal analisis data untuk iklan politis telah mengungkapkan bahwa metode yang ia pakai mirip seperti yang digunakan Netflix untuk merekomendasikan film untuk penggunanya.

Dalam sebuah surat elektronik pada saya, peneliti Cambridge University Aleksandr Kogan menjelaskan bagaimana model statistika miliknya memproses data Facebook untuk Cambridge Analytica. Tingkat keakuratan yang ia klaim menunjukkan bahwa metodenya bekerja sebaik metode penyasaran pemilih berbasis demografi seperti ras, usia, dan gender.

Jika pengakuan Kogan benar, artinya pemodelan digital yang digunakan Cambridge Analytica jauh dari beberapa klaim yang menyebutnya sebagai sebuah bola kristal virtual. Meski demikian, angka yang Kogan berikan menunjukkan apa yang mungkin—dan tidak mungkin—terjadi jika sebuah entitas menggabungkan data pribadi dengan machine learning untuk tujuan politik.

Sebelum kita lanjut, ada satu isu kunci yang menyangkut kepentingan publik. Angka-angka yang Kogan berikan menunjukkan bahwa informasi mengenai kepribadian pengguna atau “psikografi” hanya bagian kecil dalam pemodelan untuk menyasar warga. Model yang digunakan Kogan bukan berdasarkan pada kepribadian semata, namun model yang menggabungkan demografi, pengaruh sosial, kepribadian, dan banyak hal lain menjadi satu korelasi besar. Pendekatan gabungkan-semua-korelasi-dan-panggil-saja-ini-kepribadian menjadi alat kampanye yang berharga, meski produk yang dijual tidak sepenuhnya seperti apa yang digadangkan.

Janji-janji penargetan berdasarkan kepribadian

Menyusul terungkapnya penggunaan data lebih dari 50 juta pengguna Facebook oleh konsultan kampanye Trump, Cambridge Analytica, untuk menyasar iklan digital politik selama pemilihan presiden AS pada 2016, Facebook telah rugi miliaran dollar dari turunnya nilai saham mereka, pemerintah di dua sisi Samudera Atlantis telah membuka penyelidikan, dan sebuah gerakan sosial baru menyerukan pengguna media sosial untuk #DeleteFacebook.

Di Indonesia lebih 1 juta pengguna Facebook termasuk yang datanya diambil oleh Cambdrige Analytica, membuat Indonesia negara paling terkena dampak ketiga, sesudah AS dan Filipina.

Namun ada pertanyaan kunci yang masih belum terjawab: Apakah Cambridge Analytica benar-benar secara efektif dapat menyasar pesan kampanye pada warga berdasarkan karakter kepribadian mereka—bahkan “rahasia terburuk” mereka, seperti dituduhkan seorang peniup peluit dari perusahaan tersebut?

Jika ada pihak yang paling tahu apa yang dilakukan Cambridge Analytica dengan segunung data Facebook yang mereka punya, mereka adalah Aleksandr Kogan dan Joseph Chancellor. Startup Global Science Research milik merekalah yang mengumpulkan informasi profil dari 270.000 pengguna Facebook dan puluhan juta teman mereka menggunakan aplikasi tes kepribadian bernama “thisisyourdigitallife.”

Bagian dari riset saya sendiri fokus untuk memahami metode-metode machine learning, dan buku saya yang akan terbit membahas cara perusahaan digital menggunakan model rekomendasi untuk membangun khalayak. Saya punya bayangan bagaimana modelnya Kogan dan Chancellor bekerja.

Maka saya mengirim surel pada Kogan dan bertanya padanya. Kogan masih peneliti di Cambridge University; sementaranya rekannya Chancellor sekarang bekerja untuk Facebook. Kogan, menunjukkan sopan santun akademis yang tinggi, menjawab pertanyaan-pertanyaan saya.

Jawaban Kogan membutuhkan sedikit penjelasan, dan latar belakang.

Dari Sayembara Netflix ke “psikometri”

Pada 2006, ketika Netflix masih perusahaan yang mengirimkan DVD lewat pos, Netflix menawarkan hadiah $1 juta pada siapa pun yang mengembangkan cara lebih baik daripada yang dimiliki perusahaan tersebut untuk memprediksi peringkat film menurut pengguna. Pesaing teratas adalah developer perangkat lunak independen dengan pseudonim Simon Funk. Pendekatan dasar Funk pada akhirnya disertakan dalam semua entri tim teratas. Funk mengadaptasi teknik yang dinamakan “dekomposisi nilai singular,” (singular value decomposition atau SVD) yang memampatkan rating film pengguna ke dalam sebuah rangkaian faktor atau komponen— intinya sebuah set kategori hasil inferensi, yang disusun berdasarkan mana yang paling penting. Funk menjelaskan dalam postingan blog,

“Jadi, misalnya, sebuah kategori mungkin mewakili film aksi, dengan film-film yang punya banyak adegan aksi di atas, dan film-film lambat di bawah, dan sesuai dengan itu pengguna yang suka film aksi di atas, dan yang suka film lambat di bawah.”

Faktor-faktor adalah kategori buatan, yang tidak selalu mirip dengan kategori yang seorang manusia akan susun. Faktor paling penting dalam model awal Funk untuk Netflix ditentukan oleh pengguna-pengguna yang menyukai film-film seperti “Pearl Harbor” dan “The Wedding Planner” dan pada saat yang sama tidak suka film-film seperti “Lost in Translation” atau “Eternal Sunshine of the Spotless Mind.” Model milik Funk menunjukkan machine learning dapat menemukan korelasi antara kelompok orang, dan kelompok film, yang manusia tak akan pernah temukan sendiri.

Pendekatan Funk menggunakan 50 atau 100 faktor paling penting untuk pengguna dan film untuk menebak secara tepat bagamana pengguna akan memberi rating sebuah film. Metode ini, yang seringkali disebut reduksi dimensionalitas (dimensionality reduction) atau faktorisasi matriks (matrix factorization), bukan hal baru. Peneliti ilmu politik telah menemukan bahwa teknik yang mirip menggunakan data voting berdasarkan absensi dapat memprediksi bagaimana anggota Kongres AS memilih dengan tingkat keakuratan 90%. Dalam psikologi, model “Lima Besar” juga telah digunakan untuk memprediksi perilaku dengan mengelompokkan pertanyaan-pertanyaan mengenai kepribadian yang cenderung dijawab sama.

Tetap saja, modelnya Funk punya keuntungan lebih: modelnya membuat teknik tersebut dapat digunakan dengan set data yang besar, termasuk set data dengan banyak data yang tak lengkap—seperti set data milik Netflix, di mana seorang pengguna umumnya hanya memberi rating beberapa lusin film dari ribuan film di perpustakaan film perusahaan tesebut. Lebih dari satu dekade setelah Sayembara Netflix berakhir, metode berbasis SVD, atau model yang berhubungan untuk data implisit, tetap merupakan alat yang dipilih banyak situs untuk memprediksi apa yang akan pengguna baca, tonton, atau beli.

Model-model ini dapat memprediksi hal-hal lain juga.

Facebook tahu jika seorang warga AS pemilih partai Republik

Pada 2013, peneliti dari Cambridge University Michal Kosinski, David Stillwell dan Thore Graepel menerbitkan sebuah artikel tentang kekuatan prediktif data Facebook, menggunakan informasi yang dikumpulkan melalui tes kepribadian online. Analisis awal mereka hampir identik dengan yang digunakan Sayembara Netflix, menggunakan SVD untuk mengkategorisasi pengguna dan hal-hal yang mereka suka (“like”) ke dalam 100 faktor teratas.

Makalah mereka menunjukkan bahwa model faktor dengan menggunakan “like” Facebook saja 95% akurat dalam membedakan responden berkulit putih atau hitam, 93% akurat dalam membedakan laki-laki dari perempuan, dan 88% akurat membedakan orang yang mengidentifikasi dirinya sebagai laki-laki gay dari laki-laki heteroseksual. Model ini bahkan dapat membedakan kelompok Republikan dari Demokrat dengan tingkat keakuratan 85%. Model ini juga dapat memprediksi, meski tidak sebegitu akurat, skor pengguna dalam tes kepribadian “Lima Besar”.

Menanggapi keluarnya hasil penelitian tersebut, publik protest; dan dalam beberapa minggu Facebook kemudian membuat like pengguna menjadi privat.

Kogan dan Chancellor, juga peneliti Cambridge University pada saat itu, mulai menggunakan data Facebook untuk penyasaran dalam pemilihan umum sebagai bagian dari sebuah kolaborasi dengan SCL, perusahaan induk Cambridge Analytica. Kogan mengundang Kosinski dan Stillwell bergabung dalam proyek tersebut, tapi kolaborasi antara mereka tidak terwujud. Kosinski dilaporkan mencurigai bahwa Kogan dan Chancellor telah melakukan rekayasa-terbalik model “like” Facebook untuk Cambridge Analytica. Kogan membantah ini. Ia mengatakan proyeknya “membangun semua model yang kami mereka punya, menggunakan data kami sendiri yang dikumpulkan menggunakan perangkat lunak kami sendiri.”

Apa yang sebenarnya dilakukan Kogan dan Chancellor?

Seiring perkembangan cerita ini, saya melihat bahwa jelas Kogan dan Chancellor memang mengumpulkan banyak data menggunakan aplikasi thisisyourdigitallife. Mereka jelas dapat membuat model prediktif SVD seperti yang ada dalam penelitian Kosinski dan Stillwell.

Maka saya mengirim surel pada Kogan bertanya jika itu yang dia lakukan. Saya kaget juga ketika ia membalas.

“Kami tidak betul-betul menggunakan SVD,” tulisnya. Ia menggarisbawahi bahwa SVD dapat menemui masalah ketika sejumlah pengguna memiliki lebih banyak “like” daripada pengguna lain. Sebaliknya, Kogan menjelaskan, “Tekniknya sebetulnya sesuatu yang kami kembangkan sendiri … Ini bukan sesuatu yang ada di ranah publik.” Tanpa menjelaskan secara mendetil, Kogan menjelaskan bahwa metode mereka adalah “pendekatan ko-okurensi multi langkah.”

Namun, jawaban dia mengkonfirmasi bahwa pendekatan yang ia gunakan memang mirip dengan SVD atau metode faktorisasi matriks lainnya, seperti yang digunakan Sayembara Netflix, dan model Facebook Kosinki-Stillwell-Graepel. Reduksi dimensionalitas merupakan inti dari modelnya.

Seberapa akurat model ini?

Kogan menulis bahwa tepatnya model apa yang digunakan bukan inti dari permasalahan—yang penting adalah tingkat keakuratan prediksi yang dilakukan. Menurut Kogan, “korelasi antara skor prediksi dan skor asli … sekitar [30 percent] untuk semua dimensi kepribadian.” Sebagai perbandingan, skor Lima Besar seseorang akurat sekitar 70 hingga 80% dalam memprediksi skor ketika mereka mengambil kembali tes tersebut.

Jelas, klaim Kogan soal tingkat keakuratan tidak dapat diverifikasi secara independen. Dan siapa pun yang berada di tengah skandal yang sangat high-profile seperti ini mungkin punya insentif untuk mengecilkan kontribusinya. Dalam wawancara di CNN, Kogan menjelaskan pada Anderson Cooper, yang dalam wawancara tersebut terlihat semakin lama semakin meragukan Kogan, bahwa sebenarnya model yang ia gunakan tidak bekerja dengan baik.

Aleksandr Kogan menjawab pertanyaan di CNN.

Pada kenyataannya, klaim akurasi Kogan terlihat sangat rendah, tapi mungkin saja benar. Kosinski, Stillwell dan Graepel melaporkan hasil yang mirip atau sedikit lebih baik, seperti juga beberapa studi akademik lainnya yang menggunakan jejak digital untuk memprediksi kepribadian (meski beberapa dari penelitian tersebut menggunakan lebih banyak data daripada hanya “like” Facebook). Agak mengherankan bahwa Kogan dan Chancellor repot-repot merancang model mereka sendiri jika solusi yang sudah ada sama akuratnya.

Yang lebih penting lagi, tingkat akurasi model untuk skor kepribadian membuat kita dapat membandingkan hasil milik Kogan dengan penelitian lain. Model lain yang sudah diterbitkan dalam jurnal ilmiah dengan tingkat akurasi yang setara dalam memprediksi kepribadian semuanya lebih akurat dalam menebak variabel demografis dan politik.

Sebagai contoh, model SVD Kosinski-Stillwell-Graepel yang mirip punya Kogan 85% akurat dalam menebak afiliasi partai politik, bahkan tanpa menggunakan informasi profil selain “like”. Model Kogan memiliki tingkat akurasi yang mirip atau lebih baik. Menambahkan sedikit saja informasi mengenai teman atau demografi pengguna akan meningkatkan akurasi ini menjadi di atas 90%. Tebakan mengenai gender, ras, orientasi seksual dan karakteristik lain mungkin bisa jadi lebih dari 90% akurat juga.

Penting untuk diketahui juga, tebakan-tebakan ini akan sangat tepat untuk pengguna Facebook yang paling aktif—orang-orang yang disasar oleh model ini. Lagipula, pengguna yang tidak aktif kemungkinan besar tidak sering ada di Facebook.

Ketika psikografi sebenarnya demografi

Dengan mengetahui bagaimana model ini dikembangkan bisa menjelaskan mengapa pernyataan-pernyataan Cambridge Analytica yang bertentangan soal peran—atau ketiadaan peran—penciptaan profil kepribadian dan psikografi dalam model yang digunakan. Semuanya secara teknis konsisten dengan apa yang Kogan jelaskan.

Model seperti yang Kogan gunakan akan memberikan perkiraan untuk setiap variabel yang tersedia dalam kelompok pengguna manapun. Artinya, model tersebut secara otomatis akan memperkirakan skor kepribadian Lima Besar untuk setiap pemilih. Namun, skor kepribadian ini adalah hasil dari model, bukan input. Yang model tersebut ketahui hanyalah bahwa like Facebook tertentu, dan sekelompok pengguna tertentu, cenderung berada dalam satu kelompok.

Dengan model ini, Cambridge Analytica dapat mengatakan bahwa mereka sedang mengidentifikasi orang dengan kecenderungan tidak terbuka pada pengelaman baru dengan tingkat neurotisime yang tinggi. Namun, model yang sama, dengan prediksi yang sama dengan setiap pengguna, juga dapat secara akurat mengklaim sedang mengidentifikasi pria Republikan lanjut usia yang berpendidikan rendah.

Informasi yang Kogan berikan juga membantu mengklarifikasi kebingungan tentang apakah Cambridge Analytica menghapus kumpulan data Facebook yang mereka miliki, ketika model-model yang dikembangkan dari data tersebut nampaknya masih beredar, dan bahkan sedang dikembangkan lebih jauh.

Inti dari model reduksi dimensi adalah untuk secara matematis mewakili data dalam bentuk yang lebih sederhana. Ini layaknya Cambridge Analytica mengambil foto dengan resolusi yang sangat tinggi, mengubah ukurannya menjadi lebih kecil, dan kemudian menghapus foto asli. Fotonya masih ada—dan selama model Cambridge Analytica masih ada, datanya secara efektif masih ada juga.


The ConversationArtikel ini diterjemahkan dariHow Cambridge Analytica’s Facebook targeting model really worked – according to the person who built itdan diperbarui untuk menambahkan informasi yang berhubungan dengan penggunaan data Facebook warga Indonesia oleh Cambridge Analytica.

Matthew Hindman, Associate Professor of Media and Public Affairs, George Washington University

Sumber asli artikel ini dari The Conversation. Baca artikel sumber.

 

PKPU Kampanye Disepakati

Jakarta, 10 April 2018 – Komisi Pemilihan Umum (KPU), Badan Pengawas Pemilu (Bawaslu), pemerintah dan Komisi II DPR menyepakati rancangan Peraturan Komisi Pemilihan Umum (PKPU) tentang Kampanye yang akan digunakan untuk Pemilihan Umum (Pemilu) 2019 mendatang. Kesepakatan ini dicapai dalam rapat konsultasi yang digelar kemarin di Gedung DPR (9/4/2018).

Dalam rapat konsultasi Ketua KPU Arief Budiman membacakan jawaban atas 7 catatan tentang isi PKPU yang disampaikan dalam Rapat Dengar Pendapat (RDP) sebelumnya. Ketujuh catatan tersebut antara lain terkait pemberitahuan kegiatan diluar masa kampanye, branding mobil, bahan kampanye, rapat umum, obyek alat peraga kampanye, masa tenang kampanye serta media sosial.

Arief mengatakan, KPU menyetujui usulan agar mengganti istilah pertemuan internal partai politik menjadi pertemuan tertutup. Juga mengenai penggunaan mobil pribadi dengan plat hitam diperkenankan dengan catatan dilakukan dengan persetujuan pemilik mobil. “Karena tidak mungkin itu diakal-akali. Bagaimana kita menghentikan di massa tenang, maka penggunaan mobil pribadi akan membatasi di masa-masa yang sudah ditentukan,” ucap Arief.

Adapun untuk pengaturan akun media sosial selama masa kampanye, KPU mengatur ada sepuluh akun yang harus dilaporkan masing-masing peserta kepada penyelenggara untuk nantinya diumumkan kepada masyarakat sebagai akun resmi.

Sumber: kpu.go.id

Besok Debat Perdana Pilkada Jawa Timur

Jakarta, 9 April 2018  – Komisi Pemilihan Umum (KPU) Jawa Timur (Jatim) menjadwalkan Selasa besok (10/4/2018) adalah debat perdana kandidat Pemilihan Kepala Daerah (Pilkada) Jatim 2018.

Dalam debat tersebut, tema yang bakal diusung adalah kesejahteraan rakyat. Isu yang diangkat meliputi kesejahteraan bidang pendidikan, ketenagakerjaan, kesehatan, keagamaan, sosial budaya, kemasyarakatan, konflik sosial serta ideologi, HAM (Hak Asasi Manusia), kebangsaan, kepemudaan, dan juga isu tentang peranan wanita.

Menurut agenda awal, acara debat akan dimulai dari pukul 19.30 WIB hingga 21.30 WIB dengan menghadirkan empat panelis. Mereka adalah Nunuk Nuswardani asal Universitas Trunojoyo Madura, Abdul Chalik asal UIN Sunan Ampel, Fauzan asal Universitas Muhammadiyah Malang, dan aktivis anti-korupsi Luthfi J Kurniawan.

Sementara itu dalam Subdit I Intelkam Polda Jawa Timur, AKBP Asmoro menyatakan pihaknya akan menerjunkan kekuatan penuh dalam mengawal debat publik pertama Pilgub Jatim 2018 nanti. Berapapun yang diminta untuk terkait keamanan akan diterjunkan, termasuk mengamankan lokasi dan obyek dari televisi yang live. “Untuk keamanan nanti akan diturunkan dari Polrestabes Surabaya, dengan kendali penuh dari Polda Jatim,” pungkasnya saat rapat koordinadi di KPUD Jatim pecan lalu.

Sementara pada pekan lalu sejumlah daerah juga telah menggelar debat kandidat perdananya seperti Kota Malang yang menggelar debat pada akhir pekan, Sabtu (7/4/2018). Debat di Kota Malang ini menarik perhatian karena kehadiran dua calon wali kota dari tiga pasangan yang bertarung tidak hadir karena ditahan penyidik Komisi Pemberantasan Korupsi (KPK) akibat terjerat kasus korupsi.

Sumber: kompas.com & www.kpujatim.go.id

#2019GantiPresiden: Jokowi Tak Perlu Was Was

Jakarta, 9 April 2018 –  Presiden Joko Widodo (Jokowi) seharusnya tidak menunjukkan kekhawatirannya terhadap #2019GantiPresiden. Reaksi Jokowi dengan menanggapi gerakan ini justru membuat lawan politiknya makin bersemangat.

Seperti diberitakan tribunnews.com, Presiden Joko Widodo (Jokowi) menanggapi gerakan #2019GantiPresiden yang digaungkan lewat media sosial dan kaos. Melalui tanggapannya itu, pengamat komunikasi politik dari Universitas Paramadina Hendri Satrio melihat Jokowi was-was dengan gerakan #2019GantiPresiden. “Seharusnya Jokowi tidak menunjukkan kewas-wasannya terhadap #2019GantiPresiden,” ujar Pendiri Lembaga Survei Kelompok Diskusi dan Kajian Opini Publik Indonesia (KedaiKOPI) ini kepada Tribunnews.com, Minggu (8/4/2018).

Begitu Jokowi was-was, katanya, maka lawan politiknya akan makin bersemangat. Selain itu menurut Hendri, semakin Jokowi bereaksi, maka akan semakin besar pengaruh dari #2019GantiPresiden. Dengan Jokowi bereaksi, imbuhnya, semua orang akan semakin membahasnya. Menurut Hendri, seharusnya Jokowi mensyukuri saja #2019GantiPresiden di tengah alam demokrasi seperti sekarang ini.

“Disyukuri saja. Hastagnya kan 2019. Artinya memang masyarakat memahami kalau mau ganti Presiden itu di 2019,” jelasnya. Karena itu Hendri berpesan agar Jokowi fokus saja pada kerja, kerja dan kerjanya serta memenuhi janji-janji kampanyenya.”Sehingga tidak ada celah #2019GantiPresiden menjadi kenyataan,” pesannya.

Sumber: Tribunnews.com

Uji Publik PKPU Bahas Status Napi dan LHKPN

Jakarta, 6 April 2018 – Komisi Pemilihan Umum menggelar Uji publik Rancangan Peraturan Komisi Pemilihan Umum (PKPU) terkait Pencalonan Peserta Pemilu Presiden dan Wakil Presiden serta Anggota DPR, DPRD provinsi, DPRD kabupaten/kota 2019. Pada rapat yang digelar pada Kamis (5/4/2018) itu, mengemuka sejumlah isu, diantara mengenai mantan terpidana korupsi, bandar narkoba serta kejahatan seksual anak bagi calon legislatif 2019 serta rencana mewajibkan Laporan Harta Kekayaan Pejabat Negara (LHKPN).

Pertanyaan mengenai masalah ini banyak datang dari partai politik dan aktivis.

Sepertri dikutip dari laman berita di www.kpu.go.id,  Koordinator Divisi Korupsi Politik Indonesia Corruption Watch (ICW) Donal Fariz serta Biro Hukum Komisi Pemberantasan Korupsi (KPK) Wulandari, yang menganggap aturan melampirkan LHKPN baik bagi integritas caleg. Mereka pun tak sependapat dengan alasan pengurusan LHKPN merepotkan. “Kalau merepotkan tidak karena LHPKN sekarang sudah bisa melalui online dan itu cepat,” ucap Wulandari.

Dalam diskusi juga mengemuka dukungan serta penolakan terhadap rencana tidak diusungnya calon mantan terpidana korupsi, bandar narkoba serta kejahatan seksual anak di Pemilu 2019. Pihak yang sepakat menganggap aturan ini sejalan dengan upaya menciptakan pemerintahan yang bersih dan diisi orang-orang terbaik. “Karenanya kita perlu mulai mengatur itu sejak awal dan ini terobosan baik,” ujar Pendiri sekaligus penasehat Constitutional and Electoral Reform Center (Correct), Hadar Nafis Gumay.

Sementara bagi pihak yang menentang, aturan ini dianggap membatasi ruang bagi calon, sementara putusan Mahkamah Konstitusi (MK) menyebut memperbolehkan mantan terpidana untuk ikut dalam proses pemilihan.

Lain dari itu, pembahasan dua PKPU juga membicarakan tentang tidak disertakannya logo partai baru dalam surat suara pemilihan presiden dan wakil presiden 2019 serta potensi calon tunggal dan pencegahannya atau masalah belum meratanya masyarakat memiliki Kartu Tanda Penduduk Elektronik (KTPel).

Sumber: www.kpu.go.id

Lebih 1 Juta Data Facebook Indonesia Bocor

Jakarta, 5 April 2018 – Lebih dari 1 juta data pengguna Facebook Indonesia bocor Cambridge Analytica. Indonesia adalah negara peringkat ketiga yang datanya paling banyak bocor. Tentu saja yang paling banyak bocor adalah berasal dari Amerika Serikat.

Mike Schroepfer (Chief Technology Officer Facebook) dalam Facebook Newsroom juga merilis jika data yang bocor lebih besar dari yang diperkirakan sebelumnya. Data Facebook yang bocor ke konsultan politik asal Inggris tersebut mencapai 87 juta akun.

Facebook Cambridge Newsroom

Sembari mengabarkan hal tersebut, Mike Schroepfer juga menjanjikan  jika media sosial tersebut akan memperbaiki pengamanan data.
Akibat kebocoran data ini, saat ini Facebook terancam denda hingga pemblokiran dari Indonesia.

KPU Undang 13 Kementerian dan Lembaga untuk Selaraskan Data Pemilih

Jakarta, 05 April 2018 – Komisi Pemilihan Umum (KPU) menggelar rapat dengan 13 kementerian dan lembaga  untuk menyosialisasikan pembentukan Forum Koordinasi Pemutakhiran Data Pemilih.

Pembentukan forum ini dilakukan untuk memenuhi amanat Undang-undang (UU) Pemilu Nomor 7 Tahun 2017 yang diturunkan dalam Pasal 16 huruf (a) Peraturan Komisi Pemilihan Umum (PKPU) Nomor 11 Tahun 2018 tentang Penyusunan Daftar Pemilih Dalam Negeri dalam Penyelenggaraan Pemilihan Umum. Tujuannya, untuk menyelaraskan data yang dimiliki penyelenggara pemilu dengan kementerian dan lembaga terkait sehingga meminimalisir kesalahan data pemilih. “Pembentukan forum ini terkait kebutuhan kita untuk dapat menyajikan daftar pemilih yang komprehensif, akurat dan mutakhir,” jelas Komisioner KPU Viryan seperti dikutip www.kpu.go.id.

Viryan melanjutkan, tujuan pembentukan forum ini, diharapkan kementerian lembaga terkait dapat dimasukan ke dalam kelompok kerja (pokja) baik tingkat pusat, provinsi, dan kabupaten/kota. “Ini bagian dari awal sosialisasi pembentukan, nanti peresmiannya kita berharap menteri atau kepala lembaga terkait dapat hadir, bertepatan 1 tahun sebelum pelaksanaan pemilu 2019 kita laksanakan,” tambahnya.

3 kementerian dan lembaga yang dilibatkan dalam kegiatan ini meliputi Badan Pengawas Pemilu (Bawaslu), Kementerian Dalam Negeri (Kemendagri), Kementerian Luar Negeri (Kemlu), Kementerian Hukum dan Ham (Kemenkumham), Kementerian Pendidikan dan Kebudayaan (Kemendikbud), Kementerian Riset, Teknologi dan Pendidikan Tinggi (Kemenristekdikti), Kementerian Agama (Kemenag), Kementerian Tenaga Kerja (Kemenaker), Kementerian Desa dan Pembangunan Daerah Tertinggal (Kemendes PDT), Kementerian Kesehatan (Kemenkes), Kementerian Sosial (Kemensos) Badan Pusat Statistik (BPS) serta Badan Nasional Penempatan dan Perlindungan Tenaga Kerja Indonesia (BNP2TKI). (www.kpu.go.id)

Belajar dari Jerman: Gabungkan teknologi dan regulasi untuk perangi penyebaran kebencian online

Jakarta, 4 April 2018 – Pemerintah Indonesia menangkap sejumlah orang yang diduga menyebarkan hoax dan ujaran kebencian belakangan ini,  dua kelompok ini diduga melakukan gerakannya itu secara sengaja dan memanfaatkan media sosial.  Negara Jerman juga menghadapi masalah penyebaran ujaran kebencian di media sosial.  Negara ini punya cara berbeda menanganinya.

Berikut tulisan Andre Oboler dari La Trobe University yang dimuat oleh The Conversation Indonesia.

Perundungan, kebencian, dan hasutan online tengah meningkat, dan perlu pendekatan baru untuk mengatasinya. Untuk memberantas masalah ini dua pendekatan perlu dipertimbangkan.

Pertama, mengikuti jejak Jerman dalam menjatuhkan sanksi finansial kepada perusahaan media sosial besar bila mereka gagal mengurangi volume konten yang menghina pada platform mereka.

Kedua, kita harus mengembangkan cara-cara untuk mengenali dan menilai dengan benar jumlah konten yang bersifat menghina yang dikirim dan dihapus untuk memastikan bahwa perusahaan-perusahaan tersebut patuh.

Mengingat volume data di media sosial, kecerdasan buatan (artificial intelegence) harus menjadi bagian dari gabungan untuk mendukung regulasi, tapi kita perlu juga mengetahui keterbatasannya.

Dampaknya pada korban

Pada 2015, pengacara Australia John Bornstein menjadi korban perlakuan kejam daring serius di tangan seorang laki-laki di Amerika Serikat, yang menyamar sebagai Bornstein dan mempublikasi artikel daring yang bersifat rasis menggunakan namanya. Bornstein kemudian menerima serangan penuh kebencian dari seluruh dunia.

Insiden ini sangat menyedihkan bagi Bornstein, tapi lebih dari itu kebencian siber juga bisa berdampak pada masyarakat secara luas. Orang yang sama menggunakan identitas palsu lain untuk berlagak sebagai seorang pendukung ISIS yang menyerukan serangan teror di Australia dan negara-negara Barat lainnya. Pada Desember, ia dipenjara di Amerika Serikat atas tuduhan terorisme.

Bornstein kini menyerukan regulasi bagi perusahaan media sosial oleh pemerintah, serta upaya hukum untuk memungkinkan korban bertindak.

Jerman sebagai model pengaturan online

Legislasi baru yang belum lama ini diperkenalkan di Jerman mengharuskan perusahaan untuk menghapus ujaran yang jelas-jelas mengandung kebencian dalam waktu 24 jam.

Menanggapi hal ini, Facebook telah memperkerjakan 1.200 karyawan dan karyawan kontrak untuk memproses secara lebih efektif laporan perlakuan kejam oleh pengguna internet Jerman. Bila perusahaan tersebut gagal menghapus sebagian besar dari konten seperti itu dalam batas 24 jam, regulator bisa menjatuhkan denda hingga €50 juta (A$79 juta).

Hukum semacam ini tidaklah sempurna—dalam beberapa bulan sejak aturan tersebut berlaku pemerintah Jerman sudah mulai mempertimbangkan beberapa perubahan untuk mencegah kewaspadaan berlebihan oleh perusahaan media sosial yang dapat mencederai kebebasan berbicara. Namun pendekatan Jerman memberi kita contoh tanggapan yang tegas dari negara terhadap perundungan maya.

Peraturan di Jerman hanyalah sebuah titik awal dari regulasi dunia teknologi yang benar-benar baru. Hukum perundungan maya tidak bisa dilaksanakan bila kita tidak tahu seberapa banyak hate speech yang ada di dunia maya, dan seberapa banyak hate speech tersebut dihapus oleh perusahaan media sosial. Kita membutuhkan alat untuk mendukung hal ini.

Memperkerjakan kecerdasan buatan

Di Online Hate Prevention Institute (OHPI), kami telah menghabiskan enam tahun terakhir untuk mengatasi kasus spesifik—termasuk kasus Bornstein—dan untuk mencari solusi untuk dapat mengukur jumlah hate speech yang dihapus menggunakan pendekatan crowdsourcing kelas dunia dan kecerdasan buatan.

Beberapa kelompok lain juga sedang mengembangkan teknologi untuk identifikasi dan pengukuran. Kementerian Urusan Diaspora Israel sejak Oktober 2016 mengembangkan Antisemitism Cyber Monitoring System (ACMS)—sebuah alat baru untuk memantau antisemitisme di media sosial. Alat ini akan diluncurkan pada Forum Global untuk Menangkal Antisemitisme 2018 di Yerusalem akhir bulan ini.

Alat tersebut menggunakan analisis teks—sebuah bentuk dari kecerdasan buatan—dan bekerja mencari kata-kata, kalimat, dan simbol di situs media sosial yang telah diidentifikasi sebagai indikator untuk kemungkinan konten antisemit. Alat ini kemudian mengulas konten dan menghasilkan grafik interaktif.

Pendekatan serupa telah digunakan oleh Kongres Yahudi Dunia dan oleh proyek Conversation AI Google, tapi efektivitas pendekatan ini terbatas, khususnya ketika diterapkan pada situs media sosial besar.

Data dari percobaan ACMS selama satu bulan telah dikeluarkan sebelum peluncuran sistem. Piranti lunak ACMS adalah langkah maju yang utama dalam memerangi kebencian siber, tapi data yang terkumpul sendiri menunjukkan adanya keterbatasan metodologi dan teknologi yang cukup serius.

Keterbatasan teknologi

Salah satu keterbatasan ACMS adalah dalam mendeteksi perlakuan kejam yang menggunakan bahasa kode, simbol, dan eufisme yang makin diminati oleh kelompok radikal kanan.

Keterbatasan lainnya, ACMS hanya memantau konten dari Facebook dan Twitter. YouTube, yang meliputi 41% dari antisemitisme daring yang diidentifikasi dalam laporan sebelumnya, tidak termasuk yang dipantau. Sistem otomatis ini juga hanya memantau konten dalam bahasa Inggris, Arab, Prancis, dan Jerman.

Yang lebih mengkhawatirkan adalah klaim Kementerian bahwa kota-kota yang memproduksi konten rasis tertinggi adalah Santiago (Chili), Dnipro (Ukraina), and Bucharest (Rumania). Kota-kota ini memiliki bahasa utama yang tidak dapat diproses oleh piranti lunak. Namun entah bagaimana mereka telah melampaui kota-kota yang bahasa utamanya diproses oleh piranti lunak.

Salah satu hal yang mengkhawatirkan terutama untuk Australia adalah tulisan berjudul Places of Interest: Level of Antisemitism by Location yang menunjukkan Brisbane sebagai kota peringkat tertinggi yang berbahasa Inggris. Hasil ini telah dijelaskan oleh penjelasan susulan yang menunjukkan angkanya merupakan penggabungan dari like, share, dan retweet global yang terlibat dengan konten yang awalnya dikirim dari Brisbane. Oleh karena itu, data ini tunduk pada tingkat keacakan yang luas berdasarkan konten apa yang menjadi viral.

Pengacara dan ilmuwan data harus bekerja sama

Alat deteksi berbasis AI berguna, tapi kita perlu pahami juga keterbatasannya. Analisis teks bisa mengidentifikasi subset tertentu dari kebencian daring, seperti swastika; bahasa yang terkait dengan Hitler, Nazi, kamar gas, dan oven; dan tema antisemitik yang menonjol pada kelompok kanan. Namun ini bukanlah solusi sederhana bagi masalah yang kompleks.

Lebih dari identifikasi, kita membutuhkan pengacara maupun ilmuwan data untuk memperkaya pendekatan yang diambil dalam mengatur ruang daring. Alat kecerdasan buatan baru perlu diverifikasi terhadap pendekatan lain, seperti data crowdsource__ dari masyarakat. Dan para ahli harus mengulas data untuk akurasi. Kita perlu memanfaatkan teknologi untuk mendukung rezim regulasi.

The ConversationMenelaah masalah perundungan maya adalah langkah penting, asalkan dapat memfasilitasi solusi untuk masa depan, dan bukan sekadar masalah hari ini.

Andre Oboler, Lecturer, Master of Cyber-Security Program (Law), La Trobe University

Sumber asli artikel ini dari The Conversation. Baca artikel sumber.

The Conversation

KPU Publikasi Video Sosialisasi DPK dan DPD

Jakarta, 3 April 2018 – Dua video terbaru bisa Anda lihat di situs KPU mulai kemarin. Dua video tersebut berisi sosialisasi terkait dengan Pemilu.

Video pertama tentang DPD. Masyarakat dalam video ini dingatkan bahwa yang akan dipilih pada Pemilu mendatang tak hanya wakil dari partai politik, namun juga wakil dari daerah. KPU juga memberitahu jika masyarakat nanti bisa mengecek siapa saja yang mencalonkan mewakili daerahnya. Pencalonan DPD ini sudah dimulai sejak 26 Maret 2018 dan akan berakhir pada 21 September 2018 nanti.

KPU juga memproduksi video yang mengingatkan masyarakat untuk memeriksa namanya dalam daftar pemilih. Masyarakat diminta segera mendaftar ke kelurahan masing-masing jika menemukan namanya belum terdaftar agar bisa masuk Daftar Pemilih Khusus. Videonya bisa dilihat di sini.