MEMBONGKAR POLA

KECURANGAN KPU
MENGGUNAKAN
Laporan Internal
Bersifat Rahasia

FORENSIK IT
Empat (4) Modus Operandi Kecurangan KPU sebagai berikut: Modus-1: Set
Point pada Database [54 : 46], Modus-2: Manipulasi Perolehan Suara di
Database, Modus-3: Mengedit/merubah C1 secara Manual dan Modus-4:
Merubah C1 dengan IT Teknologi.
Table of Contents
Abstract ......................................................................................................................................................... 3
1.0 Pendahuluan ........................................................................................................................................... 4
1.1 Latar Belakang..................................................................................................................................... 4
1.2 Isu Di Pemilu 2019 Di Indonesia.......................................................................................................... 4
1.2.1. Surat Suara Rusak ....................................................................................................................... 4
1.2.2. Politik Uang (Jual Beli). ................................................................................................................ 4
1.2.3. Kesalahan SITUNG KPU ............................................................................................................... 5
2.0 Tujuan ..................................................................................................................................................... 5
3.0 Maksud.................................................................................................................................................... 5
4.0 Catatan .................................................................................................................................................... 5
5.0 Theori Dasar ............................................................................................................................................ 5
5.1 Error Level Analysis (ELA) method ...................................................................................................... 5
5.1.1 Mengevaluasi Gambar Menggunakan ELA .................................................................................. 6
5.2 Perkirakan Kualitas JPEG ..................................................................................................................... 9
5.2.1 Dampak Kualitas........................................................................................................................... 9
5.2.2 Tabel Kualitas dan Kuantisasi ..................................................................................................... 10
5.2.3 JPEG % ........................................................................................................................................ 10
5.3 Analisis Metadata.............................................................................................................................. 11
6.0 Analisa Manual dan Forensik IT ............................................................................................................ 11
6.1 Analisa Manual.................................................................................................................................. 11
6.2 Analisa Forensik IT ............................................................................................................................ 12
7.0 Analisa Modus Operandi Kecurangan KPU ........................................................................................... 17
7.1 Setting Point [54: 46] ........................................................................................................................ 17
7.2 Manipulasi Perolehan Suara di TPS................................................................................................... 19
7.3 Merubah C1 Secara Manual .............................................................................................................. 21
7.3 Merubah C1 dengan IT Teknologi ..................................................................................................... 22
8.0 Conclusion ............................................................................................................................................. 23
9.0 Recommendation.................................................................................................................................. 23
References .................................................................................................................................................. 23
Appendixes A .............................................................................................................................................. 25
Abstract
Sejumlah masalah serius telah terjadi dalam Pemilu 2019 dan Pemilihan Presiden mulai dari masalah
logistik, surat suara yang rusak, daftar pemilih hantu (DPT), politik uang, intimidasi, kesalahan data entri
SITUNG KPU, birokrasi dan ketidak netralan pejabat negara hingga kematian lebih dari lima ratus orang
dan ribuan orang yang sakit. Itu semua diduga terjadi karena kelalaian, ketidakmampuan dan
kecurangan KPU dalam mengelola Pemilu dan Pilpres. Oleh karena itu, suatu penelitian dilakukan untuk
mengungkapkan pola kelalaian dan kecurangan KPU tersebut dengan menggunakan forensic IT. Metode
yang digunakan dalam penelitian ini adalah Error Level Analysis (ELA) berdasarkan C1. Daerah penelitian
yang diambil adalah seluruh Indonesia dengan mengambil secara acak. Dengan menguraikan hasil
forensik IT secara terintegritas modus operandi kecurangan KPU dapat dikategorilkan menjadi 4
step ]sebagai berikut: Modus-1 [Setting Point], Modus-2 [Manipulasi Perolehan Suara di Database],
Modus-3 [Merubah C1 dengan Mencoret] dan Modus-4 [Merubah C1 dengan Copy-Paste]. Dalam
modus-1, database diset up pada nilai tertentu sekitar [54: 46] dengan cara memasukan suara hantu.
Untuk mempertahankan nilai tersebut, modus-2 dijalankan dengan menambahkan suara pada paslon 01
dan mengurangi suara pada paslon 02. Modus kecurangan tersebut dengan mudah diketahui oleh
masyarakat. Modu-2 tersebut dijalankan paralel dengan Modus-3 dan Modus-4 yaitu mengubah C1
secara manual dan dengan menggunakan teknologi IT secara berurutan. Modus-modus tersebut dapat
diidentifikasi dengan menggunakan Forensik IT. Dari hasil penelitian ditemukann C1 yang dipublikasikan
di SITUNG KPU telah mengalami pengeditan. Dari penemuan ini, kuat dugaan ada kecurangan yang
terjadi di seluruh Indonesia. Khusus rekavitulasi suara di Jawa Tengah dan Jawa Timur, sebaiknya
dibatalkan, karena jika dibandingkan dengan Pilkada 2018, terjadi pertambahan suara sebesar 23 % (5
juta) di Jawa Timur dan 18 % (4 juta) di Jawa Tengah. Untuk menjawab kecurigaan tersebut, diadakan
rekavitulasi ulang dengan dibantu forensik IT untyk validasi semua dokumen
1.0 Pendahuluan

1.1 Latar Belakang

Sebagai negara yang menganut prinsip demokrasi, penting bagi orang Indonesia untuk memiliki
proses Pemilihan Umum (PEMILU) untuk mengisi posisi di parlemen dan presiden serta perwakilan
mereka.
Pada awalnya, pemilihan umum di Indonesia diadakan dengan tujuan memilih anggota lembaga
perwakilan, yaitu DPR, DPRD provinsi, dan DPRD kabupaten / kota. Setelah amandemen keempat UUD
1945 tahun 2002, pemilihan presiden dan wakil presiden (pemilihan presiden), yang semula dilakukan
oleh MPR, disepakati untuk dilaksanakan secara langsung oleh rakyat dan dari rakyat sehingga pemilihan
presiden termasuk dalam seri pemilihan umum. Sepanjang sejarah Indonesia, 11 pemilihan telah
diadakan, yaitu pada tahun 1955, 1971, 1977, 1982, 1987, 1992, 1997, 1999, 2004, 2009 dan 2014.
Pemilihan umum di Indonesia menganut prinsip "LUBER" yang merupakan kependekan dari
"Direct, General, Free and Confidential". Prinsip "Luber" sudah ada sejak era Orde Baru. Kemudian di era
reformasi ada juga prinsip "Jurdil" yang berarti "Jujur dan Adil". Prinsip "kejujuran" berarti bahwa
pemilihan harus dilakukan sesuai dengan aturan untuk memastikan bahwa setiap warga negara yang
memiliki hak dapat memilih sesuai dengan kehendaknya dan setiap pemilih memiliki nilai yang sama
untuk menentukan wakil rakyat yang akan dipilih. Prinsip "adil" adalah perlakuan yang sama terhadap
peserta pemilu dan pemilih, tanpa hak istimewa atau diskriminasi terhadap peserta atau pemilih
tertentu. Prinsip kejujuran dan keadilan tidak hanya mengikat pemilih atau peserta pemilu, tetapi juga
penyelenggara pemilu (KPU).
Menurut UU Pemilu 2008, hanya partai yang mengendalikan lebih dari 20% kursi di Dewan
Perwakilan Rakyat atau memenangkan 25% suara rakyat yang dapat mengajukan kandidat mereka. Di
bawah ini adalah laporan dari hasil penelitian secara forensik C1 KPU yang dilakukan di provinsi jawa
tengah and jawa Timur secara acak.

1.2 Isu Di Pemilu 2019 Di Indonesia

Sejumlah potensi masalah yang mungkin terjadi pada Pemilu 2019 dan Pemilihan Presiden, mulai dari
masalah logistik, surat suara yang rusak, daftar pemilih (DPT), politik uang, intimidasi, birokrasi dan
pejabat sampai kematian lebih dari lima ratus and ribuan yang sakit.

1.2.1. Surat Suara Rusak

Di Kabupaten Sukabumi, Jawa Barat, ribuan surat suara untuk pemilihan anggota Dewan Perwakilan
Daerah Republik Indonesia (DPD) rusak. Kemudian, KPU Kabupaten Boyolali juga menemukan 500 surat
suara rusak untuk Pemilihan Presiden 2019.

1.2.2. Politik Uang (Jual Beli).

Politik uang, intimidasi, birokrasi dan pejabat terlibat dalam memenangkan petahana dalam pemilihan
2019 sebagaimana ditulis oleh publik di media sosial.
Politik uang yang sangat jelas adalah penangkapan anggota Dewan Perwakilan Rakyat Mr Bowo Sidik
Pangarso oleh Komisi Pemberantasan Korupsi (KPK) seperti yang ditunjukkan pada Gambar 1, dalam
operasi penangkapan (OTT) yang diadakan dari Rabu, 27 Maret hingga Kamis pagi, 28 Maret 2019.
Tersangka Bowo Sidik menggunakan suap untuk melakukan “Serangan Fajar” dalam pemilihan 17 April
2019. Serangan Fajar adalah upaya untuk membeli suara pemilih dengan membagikan uang

1.2.3. Kesalahan SITUNG KPU

Dari informasi yang beredar di media sosial, ada kesalahan masuk di banyak TPS, di beberapa daerah,
yaitu Maluku, NTB, Jawa Tengah, Riau, dan Jakarta Timur. Data yang ditampilkan di situs web KPU
berbeda dibandingkan dengan formulir C1 sebagai contoh yang ditunjukkan pada Tabel 1. Ketua Komisi
Pemilihan Umum (KPU) Arief Budiman mengatakan bahwa memasukkan data ke dalam Sistem Informasi
Akuntansi (SITUNG) adalah kesalahan. Dia membantah kesalahan itu disengaja dan bertujuan
memenangkan salah satu dari pasangan calon presiden dan wakil presiden [Iqbal, 2019].

2.0 Tujuan
Tujuan dari analisis ini adalah untuk menentukan validitas C1 KPU secara manual dan forensik..

3.0 Maksud
Laporan ini dimaksudkan sebagai input untuk relawan BPN internal sebagai informasi yang akan
digunakan untuk memvalidasi data KPU C1.

4.0 Catatan
Penulis tidak akan bertanggung jawab jika ada pihak ketiga yang menggunakan di luar tujuan yang
disebutkan di atas.

5.0 Theori Dasar

5.1 Error Level Analysis (ELA) method

Penelitian ini menggunakan Error Level Analysis (ELA) method. Error Level Analysis (ELA) memungkinkan
pengidentifikasian area dalam gambar yang berada pada level kompresi berbeda. Dengan gambar JPEG,
seluruh gambar harus berada pada level yang kira-kira sama. Jika bagian dari gambar berada pada
tingkat kesalahan yang sangat berbeda, maka itu kemungkinan menunjukkan modifikasi digital.
ELA menyoroti perbedaan dalam tingkat kompresi JPEG. Daerah dengan pewarnaan seragam, seperti
langit biru solid atau dinding putih, kemungkinan akan memiliki hasil ELA yang lebih rendah (warna lebih
gelap) daripada tepi kontras tinggi. Hal-hal yang harus dicari:

Area Penjelasan
Edges (Tepi) Tepi yang serupa harus memiliki kecerahan yang sama dalam hasil ELA. Semua tepi
kontras tinggi akan terlihat mirip satu sama lain, dan semua tepi kontras rendah harus
terlihat sama. Dengan foto asli, tepi kontras rendah harus hampir seterang tepi
kontras tinggi
Textures Tekstur yang sama harus memiliki pewarnaan yang sama di bawah ELA. Area dengan
(Tekstur) detail permukaan yang lebih banyak, seperti close-up bola basket, kemungkinan akan
memiliki hasil ELA yang lebih tinggi daripada permukaan yang halus
Surfaces Terlepas dari warna permukaan yang sebenarnya, semua permukaan datar harus
(Permukaan) memiliki pewarnaan yang sama di bawah ELA

Lihatlah ke sekeliling gambar dan identifikasi perbedaan tepi kontras tinggi, tepi kontras rendah,
permukaan, dan tekstur. Bandingkan bidang-bidang tersebut dengan hasil ELA. Jika ada perbedaan
signifikan, maka itu mengidentifikasi area mencurigakan yang mungkin telah diubah secara digital.
Menyimpan JPEG menghilangkan frekuensi tinggi dan menghasilkan lebih sedikit perbedaan
antara tepi kontras tinggi, tekstur, dan permukaan. JPEG kualitas sangat rendah akan tampak sangat
gelap.
Menskal gambar lebih kecil dapat meningkatkan tepi kontras tinggi, menjadikannya lebih terang
di bawah ELA. Demikian pula, menyimpan JPEG dengan produk Adobe akan secara otomatis
mempertajam tepi dan tekstur kontras tinggi, membuatnya tampak lebih terang daripada permukaan
tekstur rendah

5.1.1 Mengevaluasi Gambar Menggunakan ELA

Dengan ELA, setiap kotak yang tidak dioptimalkan untuk tingkat kualitas akan menampilkan kotak kotak
yang berubah selama resave. Misalnya, kamera digital tidak mengoptimalkan gambar untuk tingkat
kualitas kamera yang ditentukan (tinggi, sedang, rendah, dll.). Gambar asli dari kamera digital harus
memiliki tingkat perubahan tinggi selama resave apa pun (nilai ELA tinggi). Setiap resave berikutnya
akan menurunkan potensi tingkat kesalahan, menghasilkan hasil ELA yang lebih gelap. Dengan cukup
resave, kotak persegi pada akhirnya akan mencapai tingkat kesalahan minimum, di mana itu tidak akan
berubah lagi.

Gambar.1: Menganalisa gambar menggunakan ELA

Gambar Hasil menggunakan ELA

Foto digital asli memiliki nilai ELA tinggi, diwakili oleh warna putih di ELA. Bagian yang hitam sesuai
dengan buku putih solid dan kotak 8x8 hitam pada gambar asli. Kompresi warna solid sangat baik, jadi ini
sudah pada tingkat kesalahan minimum
The box line is very
clear and sharp
Gambar asli disalin satu kali. Bagi mata manusia, tidak ada perbedaan yang terlihat antara gambar asli
dan gambar yang disimpan kembali. Namun, ELA menunjukkan lebih banyak warna hitam dan lebih
gelap. Jika gambar ini disimpan lagi, itu akan memiliki nilai ELA yang lebih rendah (lebih gelap).

Gambar yang disimpan kembali diubah secara digital: buku disalin dan mainan dinosaurus ditambahkan.
ELA jelas menunjukkan area yang dimodifikasi memiliki nilai ELA yang lebih tinggi.
 Penting untuk mengenali bahwa area frekuensi tinggi, seperti tepi sepanjang objek, biasanya akan
memiliki nilai ELA lebih tinggi daripada gambar lainnya. Misalnya, teks pada buku menonjol karena
kontras terang / gelap menciptakan tepi frekuensi tinggi. Secara umum, Anda harus membandingkan
tepi dengan tepi dan permukaan dengan permukaan. Jika semua permukaan kecuali satu memiliki nilai
ELA yang sama, maka pencilan harus dicurigai.
Hasil dari ELA secara langsung tergantung pada kualitas gambar. Anda mungkin ingin tahu apakah
ada sesuatu yang ditambahkan, tetapi jika gambar itu adalah salinan dari salinan salinan, maka ELA
hanya dapat mengizinkan mendeteksi resave. Cobalah untuk menemukan versi kualitas gambar terbaik

5.2 Perkirakan Kualitas JPEG

Gambar JPEG menggunakan tingkat kualitas variabel untuk mengontrol jumlah kompresi. Namun,
kualitas JPEG biasanya tidak disimpan dalam metadata. Ada beberapa cara untuk memperkirakan
tingkat kualitas JPEG yang terakhir digunakan untuk menyimpan gambar.
Gambar JPEG menggunakan algoritma kompresi lossy. Algoritma ini memperdagangkan kualitas
untuk kompresi. Gambar berkualitas rendah menghasilkan file JPEG yang lebih kecil; gambar berkualitas
tinggi menghasilkan file yang relatif besar. Ini berbeda dari format gambar lossless, seperti PNG, BMP,
dan PPM, di mana kualitasnya tidak pernah menurun.
Jumlah kompresi JPEG biasanya diukur sebagai persentase dari tingkat kualitas. Gambar dengan
kualitas 100% (hampir) tidak mengalami kerugian, dan kualitas 1% adalah gambar dengan kualitas
sangat rendah. Secara umum,
1. tingkat kualitas 90% atau lebih tinggi dianggap "kualitas tinggi",
2. 80% -90% adalah "kualitas sedang", dan
3. 70% -80% adalah kualitas rendah.
4. Apa pun di bawah 70% biasanya merupakan gambar berkualitas sangat rendah

5.2.1 Dampak Kualitas

Tingkat kualitas yang dipilih digunakan untuk menentukan tabel kuantisasi yang digunakan dengan
gambar JPEG. Tabel kuantisasi mengontrol jumlah kehilangan selama kompresi dan ukuran file
terkompresi. Ini berarti bahwa tingkat kualitas secara langsung berdampak pada kualitas visual gambar
dan ukuran file.
Dari sudut pandang forensik, ada dampak lain dari kualitas. Gambar berkualitas rendah dapat
mengurangi kemampuan untuk mendeteksi modifikasi dengan beberapa algoritma analisis. Misalnya,
Analisis Tingkat Kesalahan (ELA) bekerja dengan menyimpan ulang gambar pada tingkat kualitas yang
diketahui, seperti 75%, dan kemudian mengidentifikasi jumlah kesalahan yang diperkenalkan selama
resave. Jika gambar terakhir disimpan di 75%, maka ELA di 75% tidak mungkin untuk menyoroti
perubahan apa pun. Ini bisa menjadi masalah ketika Anda mempertimbangkan bahwa situs hosting
gambar seperti Facebook dapat menyimpan gambar JPEG dengan kualitas 75% atau lebih rendah;
dengan ELA, gambar dari Facebook tidak mungkin memiliki modifikasi yang dapat diidentifikasi.
Demikian pula, algoritma analisis berdasarkan deteksi noise sinyal dan kualitas fokus tidak mungkin
efektif pada gambar berkualitas rendah. Sebaliknya, analisis berdasarkan deteksi artefak JPEG mungkin
masih berlaku, bahkan pada gambar berkualitas sangat rendah.

5.2.2 Tabel Kualitas dan Kuantisasi

Kompresi lossy JPEG disebabkan oleh matriks nilai yang disebut tabel kuantisasi. Tabel ini membatasi
rentang nilai (nilai kuantisasi) yang dikompresi oleh algoritma JPEG. Tabel disimpan dalam format JPEG
dan secara langsung bertanggung jawab atas kualitas gambar.
Gambar JPEG berwarna biasanya menggunakan dua tabel kuantisasi untuk menyandikan gambar.
Satu meja adalah untuk luminance (intensitas abu-abu) dan yang lainnya diterapkan pada chrominance
(pewarnaan). Namun, ada beberapa variasi. Misalnya, JPEG skala abu-abu hanya dapat menyandikan
luminance, dan beberapa JPEG mencakup dua tabel kuantisasi krominans untuk chrominance-red dan
chrominance-blue

5.2.3 JPEG %
Algoritma JPEG% mengevaluasi nilai-nilai dalam tabel quantiation. Jika tabel sejajar dengan Standar JPEG,
maka itu mengidentifikasi faktor penskalaan yang diperlukan. Untuk tabel non-standar, algoritma
memperkirakan persentase yang diperlukan untuk mencapai kualitas yang sama menggunakan nilai-nilai
JPEG Standard.

Hasil dari JPEG% termasuk:

 Persentase yang diperlukan untuk mencapai kualitas yang sama menggunakan nilai-nilai JPEG
Standard.
 Apakah nilai persen cocok dengan Standar JPEG atau merupakan estimasi berdasarkan tabel
kuantisasi non-standar.
 Tabel kuantisasi mentah diekstraksi dari JPEG.
 Jika gambar tersebut bukan JPEG, maka JPEG% mengidentifikasi file sebagai lossless dan setara
dengan kualitas 100%.
5.3 Analisis Metadata
Sebagian besar file gambar tidak hanya berisi gambar. Mereka juga mengandung informasi (metadata)
tentang gambar. Metadata memberikan informasi tentang silsilah gambar, termasuk jenis kamera yang
digunakan, informasi ruang warna, dan catatan aplikasi.
Format gambar yang berbeda mencakup berbagai jenis metadata. Beberapa format, seperti BMP,
PPM, dan PBM mengandung sangat sedikit informasi di luar dimensi gambar dan ruang warna.
Sebaliknya, JPEG dari kamera biasanya berisi berbagai informasi, termasuk merek dan model kamera,
informasi fokus dan bukaan, dan cap waktu.
File PNG biasanya mengandung informasi yang sangat sedikit ... kecuali gambar itu dikonversi dari
JPEG atau diedit dengan Photoshop. File PNG yang dikonversi dapat menyertakan metadata dari format
file sumber. Demikian pula, file WebP hampir selalu dikonversi dari format file lain. Banyak konverter
menghilangkan metadata, dan WebP tidak memiliki fasilitas untuk menyimpan semua bidang metadata
yang ditemukan dalam gambar JPEG.

6.0 Analisa Manual dan Forensik IT

Untuk membongkar kecurangan KPU beberapa analisa dilakukan baik secara manual mengunakan mata
terlanjang (visual eye) dan menngunakan forensic Infomartion teknologi (IT).

6.1 Analisa Manual

Pengujian validitas C1 KPU yang pertama dengan mengamati sinkronisasi latar belakang dengan konten
C1. Gambar 1 menunjukkan perbandingan antara C1 KPU dengan C1 yang diambil dengan handphone
oleh author dengan sudut pandang yang tidak sempurna. Dari gambar tersebut terlihat latar belakang
hollogram C1 (a) tidak sejajar dengan isi, tetapi sebaliknya latar belakang hollogram C1 (b) sejajar
dengan isi. Ini menunjukkan isi C1 (a) tidak diambil melalui handphone, camera atau scanner, tetapi
dicurigai diambil melalui proses CUT, COPY dari sumber lain and PASTE diatas gambar berlatar belakang
hologram.
a. Kemiringan isi C1 tidak sama dengan kemiringan b. Kemiringan isi C1 paralel dengan kemiringan watermarks
watermarks KOMISI KPU.

Gambar.2: (a) Perbandingan C1 KPU dengan (b) C1 KPU yang diambil ulang dengan hanphone

6.2 Analisa Forensik IT

Dengan menggunakan analisa forensic IT dengan metoda ELA terhadap C1 KPU di seluruh Indonesia
secara acak seperti terlhat di Table 1 yangmana C1 didownload dari SITUNG KPU dan KawalPemilu. Ada
beberapa temuan sebagai berikut
1. Tubuh memiliki tingkat kualitas (noise) dan ditemukan penyimpangan
2. Garis kotak tidak jelas atau buram.
3. Sebagian besar tanda tangan memiliki tingkat kualitas atau kebisingan
4. Ukuran gambar komposit sekitar 900 x 1280 dengan 1,2 megapiksel. Perkiraan JPEG yang
terakhir disimpan adalah pada kualitas 86%. Persentase luminositas dan chrominance untuk
area latar belakang adalah 2 - 4 dan persentase luminositas dan chrominance untuk area tubuh
adalah 8 - 13. Ini tidak mungkin ratusan ribu tempat pemungutan suara dapat membuat gambar
dengan gambar komposit yang sama. Oleh karena itu, C1 dibuat dalam sistem yang memiliki
akurasi yang sama tetapi tempat yang berbeda atau satu sistem dan satu tempat.

Table.1: Hasil Forensik gambar dengan menggunakan metoda ELA di seluruh Indonesia secara
acak.
1. JAWA TENGAH, BLORA, JATI, GABUSAN, TPS 20
 Latar belakang berhologram tidak sealur dengan konten.
 Dengan menggunakan ELA, gambar ini memiliki tingkat kualitas atau kebisingan dan
ditemukan penyimpangan (lihat tepi gambar).
 Jika kotak hitam (garis merah) di zoom up, hologram akan dapat dibaca dengan jelas pada
kotak hitam. Menggunakan ELA, kotak tidak jelas atau buram. Ini menadakan kotak hitam
tidak solid warnanya. Ini menandakan konten di copy-paste dari sumber lain dan dibuat
tembus pandang (see through).
 Tanda tangan Sutomo lebih terang dan lebih jelas daripada yang lain. Tanda tangan Sutomo
juga tidak selaras dengan kotak (lihat garis hijau). Ini dicurigai ditanda tangan kemudia.
2. JAWA TENGAH, BLORA, JATI, GABUSAN, TPS 4
 Gambar ini memiliki tingkat kualitas atau kebisingan dan ditemukan penyimpangan (lihat
tepi gambar).
 Jika kotak hitam (garis merah) di zoom up, hologram akan dapat dibaca walaupun pun ada
bintik-bintik putih. Menggunakan ELA, kotak hitam menjadi tidak jelas atau buram. Ini
menandakan warna hitam tidak solid. Ini dicurigai konten di copy-paste dari sumber lain
dan diedit sehingga tembus pandang.
3. JAWA TIMUR, MOJOKERTO, JATIREJO, JATIREJO, TPS 2
 Gambar telah di scale down dimana memiliki tingkat kualitas atau kebisingan dan
ditemukan penyimpangan (lihat tepi gambar) dengan tingkat kesalahan tinggi
 Ini dicurigai konten di copy-paste dari sumber lain dan diedit sehingga tembus pandang.
 Ukuran gambar komposit sekitar 900 x 1280 dengan 1.2 megapiksel. Perkiraan JPEG yang
terakhir disimpan adalah pada kualitas 85%. Persentase luminositas dan chrominance untuk
area latar belakang adalah 2 - 4 dan persentase luminositas dan chrominance untuk area
tubuh adalah 8 - 13.
4. ACEH, ACEH SINGKIL, PULAU BANYAK, PULAU BAGUK, TPS 04

Tubuh memiliki tingkat kualitas atau kebisingan

(lihat garis kuning) dan ditemukan penyimpangan.
Garis kotak tidak jelas atau buram..
7.0 Analisa Modus Operandi Kecurangan KPU

Berdasarkan hasil analisa visual eye dan forensik sebagaimana dijabarkan diatas, flowchart modus
operandi kecurangan KPU dapat diprediksi sebagaimana terlihat dibawah gambar 1.

Seluruh Indonesia

Help Desk

Pusat Modifikasi
Input
Order
54 : 46

Correction
Setting Point Database
Report
Output

Portal Website

Monitor oleh
Masyarakat

Gambar.1: Flowchart modus operandi kecurangan KPU

7.1 Setting Point [54: 46]

Modus awal kecurangan diawali dengan setting point database dikisaran 54 : 46 maksunya 54 % untuk
paslon 01 dan 46 % untuk paslon 02 (lihat garis putus-putus merah digambar 1).

Dikutib dari Harian Terbit lihat gambar.2, “Berdasarkan data dari situs resmi Situng KPU
https://pemilu2019.kpu.go.id, data yang masuk baru 37.493 TPS dari total 813.350 TPS yang tersebar di
seluruh Indonesia dan juga luar negeri. Hasil hitung suara sementara itu menyebutkan, Jokowi-Ma'ruf
meraih suara terbanyak dalam real count KPU RI dibandingkan lawannya Prabowo-Sandi. Jokowi-Ma'ruf
meraih 54,91 persen dengan jumlah perolehan suara 3.943.595, sedangkan Prabowo-Sandi meraih
45,09 persen dengan jumlah perolehan suara 3.237.714.”
 Gambar.2: Persentase perolehan suara untuk Paslon 01 and Paslon 02 [Harian Terbit]

Gambar.3: Hasil Quick Count Pilpres 2019 oleh lembaga survey [Tribunnews]

Setting point ini diduga disesuaikan dengan hasil Quick Count (QC) lembaga survey lihat gambar.3.
Untuk setting ini, dimasukkanlah angka angka siluman. Beberapa hari setelah dipublikasikan, akhirnya
angka siluman ini akan diketahui oleh masyarakat (lihat gambit 4).
 Gambar.4: List kesalahan data di SITUNG KPU.

7.2 Manipulasi Perolehan Suara di TPS

Seiring dengan masuknya data dari seluruh TPS di Indonesia jumlah suara dalam database akan bergerak
naik atau turun. Database system akan memberikan laporan nilai terbaru dengan membandingan
dengan nilai Setting Point. Ini bertujuan untuk memberikan perintah kepada pusat medifikasi untuk
melakukan sesuatu perubahan yang dianggap perlu untk menjaga Setting Point, Perubahan ini dilakukan
dengan Memanifulasi Suara pada kedua paslon di TPS tertentu. Pola manifulasi data yaitu dengan
melakukan penambahan suara terhadap paslon 01 dan penggurangan suara terhadap paslon 02
sebagaimana terlihat pada gambar 5. Dalam beberapa hari saja, Setting Point dan Memanifulasi Suara
ini dapat dibuktikan oleh masyarakat sepeti ditemukannya 57 ribu lebih kesalahan oleh Pakar IT Unair Dr.
Soegianto Soelistiono [Sukri], kesalahan ini juga ditemukan oleh banyak khalayak masyarakat
Suaranasional, portal-islam]. Akhirnya KPU meminta maaf kepada masyarakat (lihat gambar 6).
 Pattern of data entry errors in SITUNG KPU 2019, Indonesia

2600
Jokowi-Amin

Prabowo-Sandi
2100

1600
Vote

1100

600

100
F.2

P.2
P.4
A.1
A.3
A.5
A.7
A.9

D.1
D.3
D.5

G.2
G.4
G.6

I.1
I.3
J.2
K.1

O.1

Q.1

V.1
A.11
B.2
B.4

M.1

R.1
S2
E.1
E.3

L.2

T.1
-400

Voting Place (TPS)

Gambar.5: Manifulasi data dengan menambah suara untuk 01 and mengurang suara untuk 02.

Gambar.6: KPU mengakui kesalahan pada SITUNG KPU.

7.3 Merubah C1 Secara Manual

Setelah meminta maaf apahkah operandi kecurangan ini berhenti ? jawabannya Tidak, malah berganti
dengan lebih brutal yaitu merubah C1. Sebagaimana yang terjadi di Sampang, C1 dirubah dengan
mencoret cara C1 asli sebagaimana terlihat di Gambar 7. Manifulasi cara inipun dapat dengan mudah
diketahui oleh masyarakat luas, sehingga KPU mem C1 baru sebagaimana terlihat di gambar 8. Bila kita
lakukan forensik IT test, kelihatan hasilnya akan menjadi lebih buram.

Gambar.7: Contoh manifulasi data yang dilakukan oleh KPU dengan mencoret perolehan suara
Gambar.7: Contoh C1 yang telah dimodifikasi dan resaved, dengan melakukan forensik IT gambar
terlihat lebih buram.

7.3 Merubah C1 dengan IT Teknologi

Melalui monitor masyarakat yang ketat, operandi di ketahui juga, sehingga KPU berpindah ke pola Copy-
Paste Metoda. Metoda ini sedikit susah untuk dideteksi oleh masyarakat awam yang tidak tentang IT,
teapi pengeditan ini dapat dianalisa dengan menggunakan forensic gambar. Sebagaimana telah dibahas
di seksi 6, C1 KPU sudah mengalami perubahan dengan menggunakan IT teknologi. Modus kecurangan
ini dicurigai adanya hubungan dengan kasus pertambahan jumlah pemilih sebagaimana yang terjadi di
Jawa Tmur berkisar 22 % atau lebih dari lima juta 5 lihat gambar 5 dan Jawa Tengah sekitar 17 % atau 4
juta pemilih. Untuk membuktikan hipotesa ini, perlu dilakukan pencocokan dengan dokumen lain seprti
C1 pleno, DPT dan lainnya.
 Jumlah pemilih di Pilkada 2018 and Pilpress 2019 setiap kabupaten/kota di Jawa Timur Pilkada 2018 and
Pilpres 2019 berbanding Pilkada 2018

1,800,000
1,600,000
Suara (orang)

1,400,000
1,200,000
1,000,000
800,000
600,000
400,000
200,000
-
Kediri (Kota)
Blitar (Kota)
Pasuruan (Kota)
Mojokerto (Kota)
Madiun (Kota)
Batu (Kota)
Probolinggo (Kota)
Nganjuk
Ngawi
Bojonegoro
Tuban
Lamongan
Gresik
Lumajang:
Pacitan
Ponorogo
Trenggalek
Tulungagung
Blitar
Kediri
Jember
Banyuwangi
Bondowoso
Situbondo
Probolinggo
Pasuruan
Sidoarjo
Mojokerto
Jombang
Madiun Kabupaten
Magetan
Malang (Kota)
Surabaya
Malang (Kabupaten)
Bangkalan
Sampang
Pamekasan
Sumenep
Pilkada 2018
Pilpres 2019
Kabupaten/Kota

Gambar.5: Perbandingan Jumlah pemilih di Pilkada 2018 and Pilpress 2019

8.0 Conclusion
Dari analisa forensik IT, dapat disimpulkan sebagai berikut:
1. Diduga C1 KPU telah diedit atau dirubah.
2. Diduga C1 KPU BUKAN ASLI tetapi diduga diambil dari sumber lain dengan cara Copy-Paste
metoda.
3. C1 KPU tidak dapat digunakan sebagai informasi untuk rekapitulasi suara karena sudah cacat
hukum.

9.0 Recommendation
1. Disarankan untuk validasi suara C1 KPU dengan menggunaka forensic IT bersama-sama dengan
C1 pleno.

Reported by: Dr. Eng K. J, C.Eng (HPC Information Teknologi)

References
1. Vita Ayu Anggraeni, 2018, Sejarah Pemilu di Indonesia
2. Dian Erika Nugraheny, Bowo Pribadi, Febrianto Adi Saputro, Muhammad Hafil, Sejumlah
Masalah yang Muncul Menjelang Pemilu dan Pilpres, Sabtu 09 Mar 2019 05:49 WIB,
https://nasional.republika.co.id/berita/nasional/
3. Kanavino Ahmad Rizqo, Ini 10 Catatan Potensi Permasalahan di Pilkada Serentak, detiknews,
Kamis 11 Januari 2018, 14:54 WIB, https://news.detik.com/berita
4. Musni Umar , 2018, Politik Uang Dan Kecurangan Pemilu Marak: Mengapa Prabowo-Sandi Masih
Unggul, https://arahjaya.com/2019/04/20/politik-uang-dan-kecurangan-pemilu-marak-
mengapa-prabowo-sandi-masih-unggul/
5. Iqbal Tawakal Lazuardi, Syailendra Persada, 2019, Kesalahan Input Data, KPU: Murni Human
Error, https://nasional.tempo.co/read/1197483/kesalahan-input-data-kpu-murni-human-
error/full&view=ok
6. RMOLJAKARTA, KPU Akui Ada Kesalahan Input Data C1 di 9 Daerah, Jum'at, 19 April 2019 ,
23:15:00 WIB, http://www.rmoljakarta.com/read/2019/04/19/56596/KPU-Akui-Ada-Kesalahan-
Input-Data-C1-di-9-Daerah-
7. https://kawalpemilu.org/#pilpres:0
8. https://pemilu2019.kpu.go.id/#/.
9. https://fotoforensics.com
10. http://cendolshare.blogspot.com/2016/11/image-forensic-menganalisa-keaslian-foto.html
11. Harian Terbit, Situng KPU Baru 4,6 persen: Jokowi-Ma'ruf Masih Unggul,
https://www.harianterbit.com/nasional/read/105679/Situng-KPU-Baru-46-persen-Jokowi-
Maruf-Masih-Unggul
12. Umar Agus W, Tribunnews, Update Hasil Quick Count Pilpres 2019 Litbang Kompas: Jokowi
54.72% Prabowo 45.28% Data Masuk 57.00%,
http://www.tribunnews.com/section/2019/04/17/update-hasil-quick-count-pilpres-2019-
litbang-kompas-jokowi-5472-prabowo-4528-data-masuk-5700
13. https://www.portal-islam.id/2019/05/temukan-57-ribu-kesalahan-situng-kpu.html
14. Sukri Harahap, Pasca Sebut Ada 57 Ribu Kesalahan di Situng KPU, Akun FB Pakar TI Unair Raib,
https://kitakini.news/18547/pasca-sebut-ada-57-ribu-kesalahan-di-situng-kpu-akun-fb-pakar-ti-
unair-raib/
15. suaranasional , Tim IT BPN Temukan 9 Ribu Lebih Kesalahan Situng KPU,
https://suaranasional.id/berita/detail/tim-it-bpn-temukan-9-ribu-lebih-kesalahan-situng-kpu
16. portal-islam, Saking Parahnya Kesalahan Situng Web KPU, Sampai Pakar IT Onno W Purbo
berucap "Astaghfirullah ....", https://www.portal-islam.id/2019/05/kesalahan-situng-web-kpu-
sangat-parah.html
17. Rekapitulasi Suara Pilgub Jatim Final, Khofifah-Emil Unggul 7,11%, Sabtu 07 Juli 2018,
https://news.detik.com/berita-jawa-timur/d-4103327/rekapitulasi-suara-pilgub-jatim-final-
khofifah-emil-unggul-711
Appendixes A
A.1: JAWA TENGAH BLORA JATI BANGKLEYAN TPS 01

A.2: JAWA TENGAH BLORA JATI BANGKLEYAN TPS 02

A.3: JAWA TENGAH BLORA JATI BANGKLEYAN TPS 12

A.4: JAWA TENGAH BLORA JATI GABUSAN TPS 1

A.5: JAWA TENGAH BOYOLALI AMPEL TANDUK TPS 15

A.6: JAWA TENGAH KARANGANYAR JATIYOSO KARANGSARI TPS 02

A.7: JAWA TENGAH KARANGANYAR JATIYOSO KARANGSARI TPS 03

A.8: JAWA TENGAH WONOSOBO KERTEK SURENGEDE TPS 2

A.9: JAWA TENGAH WONOSOBO KERTEK SURENGEDE TPS 12
A.10. JAWA TIMUR MOJOKERTO JATIREJO JATIREJO TPS 1

A.11: JAWA TIMUR SIDOARJO SUKODONO ANGGASWANGI TPS 15 KPU