FGD Bappenas, 16 Juli 2021

1. DEMOKRASI 4.0:
DEMOKRASI DALAM MASYARAKAT
INDUSTRI 4.0
Ismail Fahmi, Ph.D.
Director Media Kernels Indonesia (Drone Emprit)
Lecturer at the University of Islam Indonesia
Ismail.fahmi@gmail.com
FGD BAPPENAS
16 JULI 2021
KEMENTERIAN PPN/
BAPPENAS

2. 2
1992 – 1997 Undergraduate, Electrical Engineering, ITB, Indonesia
2003 – 2004 Master, Information Science, University of Groningen, NL
2004 – 2009 Doctor, Information Science, University of Groningen, NL
2009 – Now Engineer at Weborama (Paris/Amsterdam)
2014 – Now Founder PT. Media Kernels Indonesia, a Drone Emprit Company
2015 – Now Consultant at Perpustakaan Nasional, Inisiator Indonesia OneSearch
2017 – Now Lecturer at the IT Magister Program of the Universitas Islam Indonesia
Ismail Fahmi, Ph.D.
Ismail.fahmi@gmail.com

3. AGENDA
• Social Media & Data Explosion
• Where is our democracy, now?
• Democracy 4.0
• Studi kasus analisis big data OSINT untuk demokrasi
• Kesimpulan
3

4. SOCIAL MEDIA & DATA EXPLOSION

5. DATA GROWTH: UNSTRUCTURED DATA
5

6. BIG DATA – BIG GROWTH
6

7. PENGGUNA TWITTER DI INDONESIA
NAIK DARI 27% (2018) MENJADI 56% (2020)
7
27%
52%
56%
2018
2019
2020

8. PENGGUNA MEDIA SOSIAL DI INDONESIA (2021)
8

9. TIKTOK AND VIDEO STRIKE!
9

10. PROFILE PENGGUNA MEDIA SOSIAL INDONESIA
10
MILLENIAL
GEN Z

11. WHERE IS OUR DEMOCRACY, NOW?

12. QUESTION:
IN INDUSTRY 4.0, WHERE IS OUR DEMOCRACY?
12

13. WHICH SOCIETY IS OURS?
13

14. GENERAL VOTING
• extremely open to abuse
• misused as a legitimation tool
• badly informed citizens vote
• some issues have been
populistically manipulated
E.g. by hoax, propaganda, and
influence operation.
14

15. RESIDU PILPRES:
VICIOUS CYCLE OF NOISES
15
Institution
Noise
Public
Noise
Buzzers Buzzers

16. OPPORTUNITY:
DETECT SIGNAL (VOICES) FROM NOISES
16

17. PROPOSED SOLUTION:
DATA-BASED PUBLIC ENGAGEMENT
17
Institution
Big Data Analytics
Signal
Policy,
engagement
Policy & Public Relation
Public Open Source
Intelligent Data

18. DEMOCRACY 4.0

19. THE NEW SOCIAL CONTRACT:
FROM REPRESENTATIVE TO PARTICIPATIVE
•Participation is not as in a
pure online voting.
•Participative:
• Personal engagement in civil
society projects
• Join the discussion and
development of public policy
and programs.
19

20. PARTICIPATORY DECISION MAKING
20

21. 21

22. IDEA FLOW: ETORO SOCIAL TRADERS’ ROI
22
Best performers
30% increases over individual
Copying from best traders work

23. ANALISIS BIG DATA
UNTUK DEMOKRASI

24. ANALISIS BIG DATA
Twitter
Facebook
YouTube
Instagram
Online News
Physical Hardware
SOLR Index 1 SOLR Index 2 SOLR Index N
Data Lake Engine
Crawler &
Data
Ingest
Engine
Realtime
Job
Analytics Engine
SQL DB Engine
Scheduled
Job
Advanced
Analytics
Basic
Analytics
API Engine
Access
Control
Data
Advanced
Analytics
Basic
Analytics
UI Engine
Data Sources
Theme
Config
Logo
Features
Hostname
TikTok

25. PIKOBAR JAWA BARAT
25
2020

26. COMMAND CENTER PP MUHAMMADIYAH
YOGYAKARTA
26

27. MIXED METHOD
• Merupakan metode
gabungan:
• Kuantitatif
• Kualitatif
27

28. ANALISIS BERBASIS BIG DATA DAN AI
• Analisis Trend
• Analisis Social Network
• Analisis Aktor
• Analisis Narasi
• Analisis Topik/Isu
• Analisis Opini
• Analisis Geo Location
• Analisis Sentimen
• Analisis Emosi
• Analisis Demografi
• Analisis Bot
• Analisis Difusi Informasi
28

29. ANALISIS OPINI: CRIMSON HEXAGON (USA)
29

30. CONTOH: STIGMA TERHADAP PASIEN
COVID19
• 8
Rasa Takut (tertular dan dikucilkan)
masih banyak muncul sebagai
penyebab stigma pasien maupun
keluarganya.
Penolakan penguburan dan
pengusiran masih terjadi, lebih
spesifiknya: warga melakukan
penolakan dan pengusiran jenazah
Covid-19. Selain itu, pengucilan
lebih banyak terjadi pada pasien
atau keluarganya pasca sembuh
dari Covid-19.
Pemberian bantuan terhadap
pasien dilakukan berbagai pihak.
Dampak PHK juga masih terjadi
kepada pasien dan masyarakat
pada umumnya.
Penyebab
1.441
71%
Perilaku
Pengucilan
Pengusiran
418
21%
Takut
Misinformasi
Provokasi
Tolak Penguburan
Dampak
Bantuan
180
9%
PHK
1.005 49%
354 17%
5 0%
335 16%
68 3%
11 1%
84 4%
96 5%
Perundungan 4 0%

31. CYBER TROOPS - EXAMPLES
31
CYBER TROOPS: government,
military or political party teams
committed to developing or
manipulating public opinion
over social media.

32. BIG DATA: PEMETAAN OPINI NETIZEN
32
Betweenness (Bridge)

33. COMPUTATIONAL PROPAGANDA
33
Since 2012 until now, we have
seen bots, algorithms and other
forms of automation are used by
political actors in countries around
the world to manipulate public
opinion over major social
networking platforms, such as
Twitter, Facebook, Instagram, and
YouTube.

34. AI UNTUK MENDETEKSI ROBOT DI TWITTER
TiLiK
HUMAN ROBOT
HUMAN ROBOT
HUMAN ROBOT
HUMAN ROBOT

35. PETA PERCAKAPAN “JEJAK KHILAFAH”
35
Pro Pemerintah
Pro Oposisi
Pro Khilafah (HTI)
robot
robot

36. CYBERTROOP & COMP PROPAGANDA

37. TREN TOPIK PRO REVISI UU KPK
KPK dan Taliban #KPKPATUHAturan
#KPKKuatKorupsiTurun
#KPKCengeng
#KPKLebihBaik
#TempoKacungKPK
#RevisiUUKPKForNKRI
#DukungRevisiUUKPK

38. SNA TOPIK PRO REVISI UU KPK
Pro Revisi UU KPK
Kontra Revisi UU KPK
Giveaway

39. TOP TWIT #KPKPATUHATURAN = GIVEAWAY

40. SNA #KPKPATUHATURAN

41. RESPONSE KEBIJAKAN “IMPOR BERAS”: KONTRA
41
KONTRA IMPOR

42. NOISE VS VOICE: “IMPOR BERAS”
42

43. ANALISIS EMOSI: “IMPOR BERAS” DISGUSTING!
43
DISGUST
ANGER

44. TANTANGAN: DIGITAL DIVIDE
44
Lebih banyak
di Jawa
KEBAKARAN HUTAN

45. KEBAKARAN HUTAN:
BERITA ONLINE VS MEDIA SOSIAL
45
Media lokal lebih banyak
memberitakan

46. BERITA ONLINE: LEBIH REPRESENTATIF
46
KEBAKARAN HUTAN

47. BERITA ONLINE: KELUHAN PETANI
BANYAK MEDIA LOKAL
47

48. FACEBOOK: SUMBER OPINI UNTUK ISU DAERAH
48

49. FACEBOOK: “JALAN DESA RUSAK”
49

50. FACEBOOK: “HARGA GABAH ANJLOK”
50

51. FACEBOOK: COMMENTS AND SHARES NETWORK
51

52. DISINFORMATION-FOR-PROFIT BUSINESS MODEL
Logic dalam sistem rekomendasi di Twitter dan Facebook lebih memberi kemudahan bagi
berita kontroversial untuk menyebar lebih cepat dari berita benar. Di Twitter hingga 6x lebih
cepat. Mereka dapat profit. ~ The Social Dilemma, Film (Netflix)
52

53. DEEP POLARIZATION
53
Polarization Polarization
Polarization
INDONESIA

54. DRONE EMPRIT & SCHOLARLY WORKS

55. GOOGLE SCHOLAR: DRONE EMPRIT

56. PUBLIKASI DI JOURNAL Q1 /1
56

57. PUBLIKASI DI JOURNAL Q1 /2
57

58. KESIMPULAN

59. KESIMPULAN
• Kita sekarang dalam fase “Networked Society”.
• Namun demokrasi kita kadang masih dalam fase “Tribal” – menyerahkan semua
keputusan kepada (penguasa) pemerintahan, karena wakil rakyat tidak sepenuhnya
“fungsional” dalam mewakili.
• Revolusi Industri 4.0 bisa sukses jika didukung oleh Demokrasi 4.0 – partisipasi publik
adalah utama, bukan hanya representatif.
• Teknologi (khususnya big data, artificial intelligence) bisa mendukung Demokrasi 4.0 –
dalam menangkap informasi dan opini penting dari publik, memisahkan voice dari noise,
untuk membantu pengambilan kebijakan.
• Para wakil rakyat dan pemerintah dapat memanfaatkan perkembangan teknologi ini untuk
lebih dekat dengan konstituen dan publik, sekaligus mendengar suara mereka guna
membangun demokrasi partisipatif.
• Residu pilpres masih terus memperlebar polarisasi, dan diwarnai oleh cybertroop dan
computational propaganda. Ini menjadi ancaman besar bagi demokrasi 4.0.
• Sumber data yang cukup representatif:
• Isu nasional: Twitter, Facebook, Berita online (nasional, lokal)
• Isu regional: Facebook, Berita online (lokal)
59

60. THANK YOU FOR LISTENING
60

61. EXTRACTING MEANINGFUL INFORMATION
FROM ONLINE NEWS
61
ONLINE NEWS
National and local

62. TREND OF ESSENTIAL TOPICS
62

63. VOLUME OF MENTIONS - NATIONAL
63

64. DKI JAKARTA
64

65. JAWA TIMUR
65

66. PAPUA
66

67. PAPUA – TOPIC MAP ‘PENDIDIKAN’
67

68. SURABAYA – TOPIC MAP ‘PENDIDIKAN’
68