“AI versus AI” untuk Memfasilitasi Kebebasan Memilih Masyarakat Indonesia Dalam Pemilu

Main Article Content

Syafira Fitri Auliya

Abstract

Kecerdasan buatan (akan disebut sebagai AI/Artificial Intelligence) adalah pedang bermata dua, yang dapat membawa manfaat sekaligus ancaman bagi kehidupan bermasyarakat, termasuk dalam konteks demokrasi. Salah satu ancaman tersebut adalah penggunaannya untuk mempengaruhi kebebasan masyarakat dalam menentukan pilihannya pada pemilu. Dengan memanfaatkan AI, data publik dari pengguna media sosial dapat dianalisis untuk mengidentifikasi kecenderungan politik individu. Informasi ini kemudian dapat dieksploitasi oleh aktor politik untuk membombardir masyarakat dengan manipulasi politik yang sangat kuat dan terpersonalisasi, mengurangi ruang refleksi pemilih terhadap preferensi politiknya. Manipulasi ini seringkali tidak disadari oleh publik, tetapi dampaknya nyata, seperti yang terlihat pada kasus Cambridge Analytica yang memengaruhi pemilihan presiden AS pada 2016 dan Brexit di Inggris (Cadwalladr & Graham-Harrison, 2018; Rosenberg et al., 2018).


Dengan kemampuan AI yang semakin canggih dalam mengidentifikasi preferensi politik individu, mekanisme proteksi konvensional cenderung tertinggal. Oleh karena itu, diperlukan pendekatan berbasis AI untuk melawan penyalahgunaan tersebut. Dalam hal ini, AI perlu dilawan dengan AI lain – yang dikenal sebagai ‘Adversarial Machine Learning’ (Szegedy et al., 2014).


Penelitian ini mengembangkan sistem AI yang disebut APP-AI, yang dirancang untuk mengelabui AI yang digunakan oleh aktor politik (Profiler AI) yang mengidentifikasi preferensi politik masyarakat melalui data media sosial. Strategi ini penting karena berbagai penelitian telah menunjukkan bahwa data media sosial yang tersedia secara publik dapat digunakan oleh AI untuk secara akurat memprediksi preferensi politik individu (Baran et al., 2022; Belcastro et al., 2020; Campanale & Caldarola, 2018; Conover et al., 2011; Kitchener et al., 2022; Makazhanov & Rafiei, 2012), yang kemudian menjadi alat bagi aktor politik untuk memengaruhi pemilih. Proses kerja APP-AI mencakup: (1) APP-AI mempelajari cara kerja Profiler AI dalam menganalisis data sosial media, (2) APP-AI menganalisis perubahan kecil pada data sosial media pengguna yang dapat mengelabui Profiler AI, seperti mengubah daftar following, penggunaan hashtag tertentu, hingga mengubah struktur unggahan (seperti: melakukan negasi ganda maupun menyisipkan typo pada unggahan), (3) APP-AI kemudian merekomendasikan perubahan tersebut kepada pengguna. Perubahan ini dirancang agar tidak terdeteksi oleh Profiler AI, sehingga AI tersebut tidak dapat memberikan respons balasan yang efektif. Dengan demikian, kemampuan Profiler AI untuk secara akurat memetakan preferensi politik pengguna akan melemah. Diharapkan, ini akan mengurangi efektivitas manipulasi politik yang ditargetkan, sehingga masyarakat memiliki lebih banyak ruang untuk merefleksikan pilihan politik mereka secara bebas.


Studi kasus pertama telah dilakukan dalam konteks Pemilu Indonesia 2024, melibatkan 27 responden yang terdiri dari masyarakat umum dan aktor politik (politisi, tim sukses, dan konsultan media). Uji coba awal ini memberikan masukan untuk menyempurnakan sistem, yang kini dapat diakses melalui platform www.deliberative.me . Dalam beberapa bulan ke depan, sistem ini akan diuji pada populasi responden yang lebih luas. Pada tahap selanjutnya, sistem APP-AI akan diuji secara eksperimental untuk mengevaluasi efektivitasnya dalam mengelabui Profiler AI. Untuk mematuhi regulasi anti-profiling seperti GDPR dan aturan platform media sosial, eksperimen ini akan menggunakan data sintetis yang merepresentasikan masyarakat Indonesia, yang dihasilkan oleh GPT-4.


Penelitian ini menunjukkan bahwa AI dapat digunakan untuk memprofil pilihan politik berdasarkan data media sosial, dan menawarkan solusi berbasis AI untuk melawan ancaman tersebut. Diharapkan, APP-AI dapat mendorong masyarakat Indonesia untuk lebih reflektif dalam mengambil keputusan politik, khususnya dalam konteks pemilu.

Article Details

How to Cite
“AI versus AI” untuk Memfasilitasi Kebebasan Memilih Masyarakat Indonesia Dalam Pemilu. (2025). Research Database PPI Belanda, 1(01). https://jurnal.ppibelanda.org/index.php/jppib/article/view/20
Section
Work in Progress Articles

How to Cite

“AI versus AI” untuk Memfasilitasi Kebebasan Memilih Masyarakat Indonesia Dalam Pemilu. (2025). Research Database PPI Belanda, 1(01). https://jurnal.ppibelanda.org/index.php/jppib/article/view/20

References

Baran, J., Kajstura, M., Ziółkowski, M., & Rajda, K. (2022). Does Twitter know your political views? POLiTweets dataset and semi-automatic method for political leaning discovery (arXiv:2207.07586). arXiv. http://arxiv.org/abs/2207.07586

Belcastro, L., Cantini, R., Marozzo, F., Talia, D., & Trunfio, P. (2020). Learning Political Polarization on Social Media Using Neural Networks. IEEE Access, 8, 47177–47187. https://doi.org/10/gp2zhm

Cadwalladr, C., & Graham-Harrison, E. (2018). Revealed: 50 million Facebook profiles harvested for Cambridge Analytica in major data breach. The Guardian. https://www.theguardian.com/news/2018/mar/17/cambridge-analytica-facebook-influence-us-election

Campanale, M., & Caldarola, E. G. (2018). Revealing Political Sentiment with Twitter: The Case Study of the 2016 Italian Constitutional Referendum. 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM), 861–868. https://doi.org/10/grzggr

Conover, M. D., Goncalves, B., Ratkiewicz, J., Flammini, A., & Menczer, F. (2011). Predicting the Political Alignment of Twitter Users. 2011 IEEE Third Int’l Conference on Privacy, Security, Risk and Trust and 2011 IEEE Third Int’l Conference on Social Computing, 192–199. https://doi.org/10/fx467m

Kitchener, M., Anantharama, N., Angus, S. D., & Raschky, P. A. (2022). Predicting Political Ideology from Digital Footprints (arXiv:2206.00397). arXiv. http://arxiv.org/abs/2206.00397

Makazhanov, A., & Rafiei, D. (2012). Predicting Political Preference of Twitter Users. 2012 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. 2012 International Conference on Advances in Social Networks Analysis and Mining (ASONAM 2012), Istanbul, Turkey.

Rosenberg, M., Confessore, N., & Cadwalladr, C. (2018, March 17). How Trump consultants exploited the Facebook data of millions. The New York Times. https://www.nytimes.com/2018/03/17/us/politics/cambridge-analytica-trump-campaign.html

Szegedy, C., Zaremba, W., Sutskever, I., Bruna, J., Erhan, D., Goodfellow, I., & Fergus, R. (2014). Intriguing properties of neural networks (arXiv:1312.6199). arXiv. http://arxiv.org/abs/1312.6199