3.

Algoritma untuk Pembuatan Konten: Jurnalisme Otomatis

Sementara teknologi personalisasi memanfaatkan konten yang telah diproduksi dan
mengirimkannya sesuai dengan selera pengguna, algoritme juga dapat menghasilkan seluruh
artikel dari awal dalam bentuk teks dan video.
Beberapa istilah telah dikemukakan untuk menggambarkan teknologi ini, seperti “algorithmic
journalism” (Door 2016), “robot journalism” (van Dalen 2012), dan “jurnalisme otomatis”
(Carlson 2015), yang banyak digunakan secara bergantian. Dalam bab ini, “automated
journalism” digunakan untuk merujuk pada algoritme yang membuat konten berita, yang
didefinisikan sebagai “proses algoritmik yang mengubah data menjadi teks berita naratif secara
terbatas tidak ada campur tangan manusia di luar pemrograman awal” (Carlson 2015: 417). Cara
kerja, persepsi dari suatu artikel, dan tantangan jurnalisme otomatis dijelaskan di bagian berikut.
3.1 Cara Kerja Jurnalisme Otomatis
Artikel yang dibuat secara otomatis melalui perangkat lunak penghasil Bahasa alami (lihat Door
2016), yang menghasilkan teks berdasarkan data yang telah ditentukan sebelumnya. Semua
kumpulan data yang menyampaikan informasi secara terstruktur dapat digunakan untuk proses
ini, seperti data tentang statistik pertandingan olahraga, tingkat kejahatan, atau masalah
keuangan. Untuk memasukkan data ke dalam teks yang koheren, sebagian besar perangkat lunak
memerlukan template untuk di definisikan setelah artikel tersebut dimodelkan. Menggunakan
software Wordsmith sebagai contoh, pada langkah pertama, suatu tempat untuk titik data
dimasukkan ke dalam template ini, seperti untuk jumlah gol atau kartu kuning dalam permainan
sepak bola. Kedua, tidak seperti teks isian, narasi yang berbeda diproduksi untuk titik data yang
berbeda, seperti pertandingan sepak bola yang berbeda. Untuk melakukannya, algoritme harus
dilatih agar dapat menjelaskan hasil yang berbeda, seperti keuntungan dan kerugian dari tim
sepak bola yang berbeda, atau, dalam kasus pelaporan kejahatan, untuk tingkat kejahatan yang
menurun dan meningkat, sehingga teks berubah sesuai dengan data diberikan. Pelatihan ini harus
kompleks untuk memperhitungkan semua kemungkinan kejadian, misalnya dengan
menggunakan struktur jika-maka-dan lain-lain.
Secara gaya, ada juga cara untuk memastikan bahwa tidak semua artikel yang dihasilkan
menggunakan ekspresi yang sama, misalnya dengan mendefinisikan sinonim teks. Saat template
selesai, algoritme secara otomatis mengakses informasi yang relevan dari kumpulan data, dan
menghasilkan artikel secara instan. Setelah template ditulis, pada prinsipnya dapat digunakan
berulang kali. Meskipun dimungkinkan untuk mempublikasikan artikel ini sebagaimana adanya,
beberapa redaksi lebih suka menggunakan teks yang dibuat secara otomatis sebagai dasar untuk
pelaporan mereka, yang berarti bahwa mereka menulis ulang bagian dari cerita dan
menambahkan kutipan dan fakta lain yang tidak ditampilkan dalam kumpulan data (Johannes
Sommer, CEO Retresco, personal communication, 13.07.2018).
Untuk video otomatis, prosesnya berbeda dari proses pembuatan bahasa alami. Dalam
kasus penyedia video otomatis Wibbitz, teks yang sudah ada diringkas oleh algoritme, lalu
ringkasan ini digunakan untuk membuat teks untuk video secara otomatis. Gambar dan video
yang sesuai untuk mengilustrasikan topik yang diambil dari database dan musik serta elemen
grafik ditambahkan. Mirip dengan mengedit artikel yang dibuat secara otomatis, ada banyak
pengaturan yang dapat dimanipulasi oleh jurnalis, seperti pilihan musik atau gambar, tetapi juga
elemen seperti panjang video dan setiap bingkai foto.
3.2 Penggunaan Jurnalisme Otomatis di Ruang Berita
Jurnalisme otomatis sekarang digunakan dalam banyak hal jurnalistik (Door 2016). Salah
satu aplikasi penting yang pertama menggunakan teks yang diproduksi secara otomatis adalah
QuakeBot, yang telah menghasilkan artikel tentang gempa bumi di daerah Los Angeles sejak
2014, dan masih digunakan (Oremus 2014). Statsheet, aplikasi sebelumnya, melaporkan
permainan olahraga dan semenjak itu menjadi Wawasan Otomatis, sebuah perusahaan yang
menawarkan jurnalisme otomatis untuk banyak jurnalistik (Schonfeld 2010; Wauters 2011).
Keuangan, kejahatan, dan olahraga sangat layak untuk penggunaan jurnalisme otomatis
karena kekayaannya dalam data yang terstruktur. Misalnya, pembuatan teks otomatis digunakan
oleh Associated Press untuk laporan pendapatan perusahaan (Automated Insights 2019), dan
portal sepak bola Jerman untuk menghidupkan kembali liputan olahraga lokal (Gizinski 2017).
Produksi berita otomatis juga memainkan peran besar di Washington Post, di mana perangkat
lunak "Heliograf" diprogram secara internal untuk melaporkan sejumlah topik besar
(WashPostPR 2016). Pada tahun 2016 dan 2018, "Heliograf" digunakan untuk reportase
Olimpiade di Rio dan Pyeongchang, yang secara otomatis memposting perolehan medali dan
hasil acara Olimpiade di Twitter. Selain olahraga, “Heliograf” juga digunakan untuk Twitter lain
yang mencakup acara lokal seperti olahraga sekolah menengah (Moses 2017), misalnya.
Lebih jauh tentang potensi berita otomatis untuk berita lokal atau hiperlokal, peristiwa
yang mungkin tidak mendapatkan perhatian media apa pun atau masih sangat terbatas dapat
dilaporkan dengan teknologi ini. (Lokot dan Diakopoulos 2015). Salah satu contohnya adalah
laporan cuaca, atau, dalam kasus olahraga, laporan yang mungkin menekankan pencapaian satu
tim di atas yang lain, tergantung di mana artikel tersebut didistribusikan. Jeremy Gilbert, direktur
inisiatif strategis Washington Post, menekankan potensi perangkat lunak mereka "Heliograf"
untuk pelaporan lokal: "Di masa lalu, The Post tidak mungkin mengelola lebih dari segelintir
game paling signifikan di setiap minggunya. Sekarang, kami akan dapat mencakup game apa pun
dengan data yang kami miliki, memberikan liputan yang hampir instan kepada tim dan
penggemar untuk dibaca dan dibagikan “(WashPostPR 2017).
3.3 Apa yang Dipikirkan Jurnalis Tentang Jurnalisme Otomatis
Para jurnalis umumnya mewaspadai perkembangan ini. Sebagai Thurman et al. (2017)
menunjukkan, jurnalis umumnya menemukan sisi kreatif dari proses yang kurang, dan perangkat
lunaknya tidak cukup intuitif. Terlepas dari pengamatan umum ini, mereka sangat ingin
berurusan dengan volume data yang besar, dan takut bahwa banyak titik data mengaburkan titik
perangkat lunak pembuatan, misalnya dengan membuatnya menghasilkan data teks sederhana
yang disediakan.
Perwakilan Reuters juga melihat perangkat lunak tersebut sebagai cara untuk
mempercepat pelaporan mereka, karena mereka membayangkan bahwa mereka dapat
mengirimkan berita terhangat kepada pelanggan mereka, dan kemudian, pada langkah kedua,
menulis artikel lengkap dengan analisis dan konteks lebih lanjut. Flew dkk. (2012: 160f.)
Memperluas keunggulan ini dalam pengertian yang lebih teoritis, dengan mengatakan bahwa
penggunaan alat komputasi berpotensi membebaskan jurnalis untuk melakukan lebih banyak
liputan investigatif.
Mendukung pandangan ini, van Dalen (2012) menemukan dalam analisis pendapatnya di
portal olahraga Statsheet bahwa jurnalis tidak menampik pengertian jurnalisme otomatis, tetapi
melihatnya sebagai kesempatan untuk dibebaskan dari pekerjaan rutin, dan sebagai kesempatan
untuk menyesuaikan keterampilan mereka. Berbeda dengan temuan van Dalen (2012),
wawancara Bucher (2016) dengan eksekutif kunci organisasi berita Skandinavia mengungkapkan
bahwa algoritme dianggap hanya sebagai asisten jurnalis, karena narasumber skeptisnya
menekankan pentingnya pengalaman dan naluri jurnalistik yang tidak dapat ditiru oleh algoritme.
. Mendukung penilaian pandangan yang agak negatif secara keseluruhan tentang jurnalisme
otomatis, van der Kaa dan Krahmer (2014) menemukan bahwa jurnalis menganggap artikel yang
seharusnya ditulis oleh manusia lebih dapat dipercaya, meskipun artikel yang ditunjukkan
kepada responden mereka sebenarnya telah ditulis. dengan algoritma.
Perlu dicatat bahwa temuan ini setidaknya sebagian bergantung pada keadaan teknologi
yang tersedia dan pengalaman responden dengannya. Dalam kasus studi van Dalen
(2012),Statsheet hanya digunakan untuk pelaporan olahraga dan bukan untuk ketikan lainnya,
dan opini mungkin berbeda pada penerus Statsheet Automated Insights dilatih tentang perangkat
lunak dan menulis template mereka sendiri sebelum diwawancarai, yang juga dapat
memengaruhi tanggapan mereka.
3.4 Apa Pendapat Audiens Tentang Jurnalisme Otomatis
Kualitas berita otomatis juga dinilai oleh khalayak. Dimensi di mana evaluasi dilakukan
umumnya adalah kualitas, kredibilitas, keterbacaan, keahlian, dan kepercayaan konten (Clerwall
2014; Graefe 2017, 2018; Jung dkk. 2017; van der Kaa dan Krahmer 2014; Haim dan Graefe
2017; Waddell 2018). Hingga saat ini, hanya artikel teks persepsi yang telah dipelajari, dengan
video yang dibuat secara otomatis tidak dipertimbangkan.
Penelitian tentang persepsi konten otomatis masih dalam tahap penelitian instansi,
dengan studi yang menggunakan beragam responden, dimensi, dan materi stimulus yang
berbeda. Secara keseluruhan, bagaimanapun, telah ditemukan bahwa ketika disajikan dengan
artikel yang ditulis manusia dan yang ditulis oleh algoritma, audiens sering tidak dapat
membedakan antara konten yang ditulis manusia dan yang dibuat secara otomatis pada tingkat
yang signifikan jika mereka tidak mengetahui yang mana (lihat Clerwall 2014; van der Kaa dan
Krahmer 2014). Namun, ketika responden mengetahui artikel mana yang diminta untuk
dievaluasi, artikel yang ditulis manusia dinilai lebih baik untuk dibaca daripada yang ditulis oleh
algoritme, sedangkan berita yang dibuat secara otomatis lebih disukai dalam hal kredibilitas
(Haim dan Graefe 2017).
Saat tidak mempertimbangkan keseluruhan artikel, tetapi efek dari baris demi baris, yang
mengidentifikasi penulis sebagai manusia atau algoritme, hasilnya tidak meyakinkan. Sedangkan
Greaefe dkk. (2018) menemukan bahwa artikel yang ditulis komputer dinilai lebih disukai dalam
hal kredibilitas dan keahlian jurnalistik, Graefe et al. Hasil (2017) menunjukkan bahwa artikel
yang ditulis komputer dievaluasi sebagai kurang kredibel dengan deskripsi yang lebih rinci
tentang bagaimana artikel dibuat (lihat juga Waddell 2018). Temuan terakhir adalah tandingan
dari seruan untuk akuntabilitas algoritmik (Diakopoulos 2015).
 Sebaliknya, Jung et Studi al. (2017) tentang konsumen dan jurnalis berita Korea Selatan
mengungkapkan hasil yang mengejutkan. Baik jurnalis maupun khalayak umum menilai kualitas
artikel yang ditampilkan lebih tinggi jika dikaitkan dengan algoritme dan bukan jurnalis
manusia. Hasil ini berkorelasi dengan kepercayaan media di Korea Selatan (lihat Newman et al.
2017: 20), yang memberikan wawasan yang sangat rendah tentang mengapa algoritme lebih
dipercaya daripada manusia dalam kasus ini. Selain itu, Korea Selatan juga menunjukkan tingkat
penerimaan teknologi yang sangat tinggi (lihat Kim 2017), dan dengan demikian, mungkin juga,
algoritme.
Singkatnya, sedangkan perbedaan antara hasil studi tersebut adalah sungguh
mengejutkan, sebagian dapat dijelaskan dengan pengaturan metodologis yang berbeda.
Tantangannya terletak pada pemilihan materi stimulus, yang mungkin dalam bahasa asli negara
tersebut dan pada topik yang sudah dikenal (misalnya van der Kaa dan Krahmer 2014) atau
dalam bahasa yang asing bagi responden Clerwall 2014); dalam topik artikel, untuk efek
mungkin ditemukan (misalnya van der Kaa dan Krahmer 2014), sedangkan dalam penelitian lain,
efek ini tidak signifikan (misalnya Graefe dkk. 2018); atau dalam sampel yang dipilih dan
ukurannya,yang bervariasi dari sampel kecil mahasiswa (misalnya Clerwall 2014) hingga ukuran
yang lebih besar dari panel nasional komersial (misalnya Clerwall 20014) hingga ukuran besar
dari panel nasional komersial (misalnya Haim dan Graefe 2017). Terlepas dari perbedaan
metodologi, studi oleh Jung dkk. (2017) menunjukkan bahwa budaya negara juga berperan
ketika konten algoritmik dievaluasi. Sejalan dengan tema buku ini, kepercayaan media
merupakan variabel yang menentukan di sini. Jadi, alih-alih hanya mengambil artikel dari baris
demi baris yang ditampilkan pada nilai nominal, variabel campur tangan harus dipertimbangkan.
Selain variabel tingkat makro seperti sistem media, juga variabel mikro menjadi variable yang
dapat dicicipi, seperti Graefe dkk. (2018) melakukan apa yang mereka tanyakan kepada
responden tentang pola penggunaan media, pengalaman jurnalistik, dan juga minat mereka pada
topik yang berbeda. Meskipun hal ini tidak berdampak pada studi Graefe dkk. (2018) yang
dilakukan dengan responden Jerman, hal ini mungkin terjadi di negara lain.
3.5 Tantangan Jurnalisme Otomatis
Karena untuk distribusi konten yang dimodifikasi, the filter bubble juga menjadi perhatian untuk
jurnalisme otomatis. Meskipun mungkin untuk meliput peristiwa yang tidak dapat dilaporkan
oleh wartawan sebelumnya, mungkin karena keterbatasan waktu atau karena relevansi acara
kecil, layanan yang sangat terlokalisasi juga dapat menyebabkan penutupan berita nasional atau
internasional demi berita lokal. Argumen yang sama berlaku untuk berita yang sangat spesifik,
seperti laporan cuaca yang dibuat secara otomatis untuk satu lingkungan, yang dapat dilihat
sebagai layanan bagi orang-orang di wilayah tersebut, atau sebagai ancaman terhadap masalah
persepsi yang lebih luas. Dengan berfokus pada banyak peristiwa kecil, gambaran besarnya
mungkin hilang (lihat Thurman dkk. 2017). Meskipun memberikan penghitungan medali
otomatis dan kalimat singkat tentang kemenangan di Olimpiade di Twitter dapat menjadi alat
yang berguna,
Hingga saat ini, artikel yang dibuat secara otomatis hanya menyertakan informasi yang
dapat ditemukan di data. Acara yang mungkin juga terjadi, seperti acara seputar perolehan
medali, tidak bisa dipertimbangkan. Selain itu, jika himpunan data pada awalnya rawan
kesalahan, artikel juga akan rusak jika tidak ada bentuk kualitas dan kontrol data (Flew et al.
2012: 167). Apa yang terjadi ketika data feed memberikan informasi yang salah dapat dilihat dar
insiden Juni 2017 di mana Los Angeles Times Quakebot melaporkan gempa bumi yang terjadi
pada tahun 1925 sebagai berita terkini, yang disebabkan oleh kesalahan perangkat lunak dan
email yang dikirim secara keliru, dari mana Quakebot mengumpulkan datanya (Lin II 2017).
Meski tidak ada ruginya, contoh ini secara gamblang menunjukkan ketergantungan jurnalisme
otomatis pada data yang benar.
Lain pertanyaan datang dari penulisan artikel yang dibuat secara otomatis. Siapa yang
sebenarnya dipercaya oleh pembaca saat membaca konten semacam itu? Telah dibahas apakah
akan menggunakan byline yang mengidentifikasi teks sebagai tulisan komputer, dan, lebih dari
itu, bagaimana ini bisa dilakukan sehingga dengan baris dapat dipahami oleh pembaca (lihat
Montal dan Reich 2016). Masalah ini membahas pertanyaan tentang keaslian sebuah artikel. Ini
dibahas apakah seorang jurnalis yang menjadi penulis teks secara otomatis membuat teks karena
mereka menulis template atau karena mereka mengedit video yang dibuat secara otomatis, atau
apakah algoritme yang menulis artikel atau membuat video tersebut. Bagaimanapun, menilai
siapa algoritme yang menulis artikel atau membuat video. Bagaimanapun, menilai siapa yang
dimaksud dengan "agen moral", siapa yang bertanggung jawab atas konten adalah pertanyaan
yang harus diajukan oleh perusahaan media, misalnya dengan mengembangkan pertanyaan etis
untuk penggunaan jurnalisme otomatis (Door dan Hollnbuchner 2017: 414). Pembahasan
mengenai “agen moral” tidak hanya bersifat normatif, tetapi juga terkait dengan bisnis karena
algoritma juga dapat menghasilkan konten yang memfitnah (Lewis et al. 2019). Setelah itu,
seperti yang telah disebutkan dalam kasus modifikasi berita, akuntabilitas algoritmik dan
transparansi dianggap penting untuk jurnalisme otomatis (Diakopoulos dan Koliska 2017), dan
akuntabilitas dituntut untuk kerja dan batasan algoritme (Diakopoulos 2015).
4. Kesimpulan
Algoritme telah menemukan jalan untuk masuk ke dalam pelaporan berita, baik untuk distribusi
konten atau pembuatan konten. Sementara teknologi ini terus dikembangkan lebih lanjut, mereka
juga menghadapi beberapa tantangan dan kekhawatiran.
Untuk distribusi berita melalui personalisasi, perhatian utamanya berkisar pada
pertanyaan apakah pengguna melewatkan informasi karena personalisasi berita algoritmik, dan
apa kualitasnya, dan dengan demikian nilai jurnalisme otomatis untuk pelaporan berita. Selain
itu, apa artinya kepercayaan media jika orang merasa tidak mendapatkan gambaran lengkap
tentang apa yang sedang terjadi di dunia? Penelitian telah menunjukkan bahwa pembaca dan
kantor berita lebih memilih jalan tengah, di mana berita penting masih ditampilkan kepada
semua orang, tetapi konten lain yang mungkin sangat relevan bagi pengguna individu masih
diprioritaskan (Kunert dan Thurman 2019). Pengaturan ini berpotensi memperkuat kepercayaan
pada media, karena kantor media tetap relevan dengan kehidupan sehari-hari pengguna.
Otomatis jurnalis, juga berpotensi untuk meningkatkan kepercayaan media, karena
dengan mengisi celah dalam penerbitan dengan kemampuan untuk melaporkan topik yang
sebelumnya diabaikan, liputan media mungkin menjadi lebih relevan bagi pembaca individu.
Namun, seperti yang ditunjukkan oleh penelitian, iblis berada dalam perincian, dan bahkan
menamai fenomena "jurnalisme robot" mungkin memiliki efek negatif pada bagaimana teknologi
dianggap, terlepas dari konten aktualnya (misalnya Waddell 2018).
Potensi algoritma bergantung pada fungsinya dan, pada akhirnya, pada kegunaan aktual
ruang redaksi dan pengguna, terutama karena masa depan kemampuan perangkat lunak terbuka
lebar baik untuk penggunaan algoritme di situs web berita dan aplikasi serta jurnalisme otomatis.
Untuk jurnalisme otomatis, kritik awalnya adalah artikel yang dibuat secara otomatis agak
membosankan (lihat Thurman dkk. 2017), dan beberapa orang bahkan tidak menganggap konten
tersebut sebagai jurnalisme (Rebecca Greenfield, dikutip dalam Carlson 2015: 428). Model yang
mengatasi masalah ini serta tantangan lebih lanjut, seperti mengisi celah data yang telah diuji,
meskipun hanya dalam tahap prototipe (Caswell dan Dorr 2017). Selain itu, pelaporan otomatis
semakin diadopsi oleh redaksi berita. Padahal sebelumnya kantor berita memang enggan
merangkul jurnalisme otomatis (Fanta 2017),
Pada akhirnya, apakah algoritme mengancam untuk menggantikan jurnalis manusia?
Jawabannya adalah tidak, karena jurnalis manusia lebih suka bekerja dengan algoritme secara
berdampingan, hampir seperti rekan kerja. Dalam hal menggunakan algoritme untuk
personalisasi berita, algoritme jurnalis manusia untuk mensegmentasi konten, dan
menyampaikan informasi yang relevan kepada pengguna, tetapi tidak menggantikan mereka.
Selain itu, seperti yang ditunjukkan oleh penelitian, tidak ada pengembangan linier untuk
penggunaan fitur personalisasi — sementara beberapa fitur populer beberapa tahun yang lalu,
seperti RSS feed, fitur tersebut digantikan oleh sarana teknologi lain, atau bahkan dihapus sama
sekali (Kunert dan Thurman 2019; Thurman dan Schifferes 2012). Dilihat dari itu, kantor berita
menggunakan strategi try-and-error untuk memanfaatkan algoritma, dengan konsep yang terus
berubah.
Penilaian serupa harus diterapkan pada jurnalisme otomatis. Saat ini, jurnalisme otomatis
hanya digunakan oleh sedikit kantor berita. Tetapi bahkan jika jurnalisme otomatis menjadi
semakin populer, jurnalis manusia tidak akan menjadi usang karena konten yang dibuat secara
otomatis memasuki ruang redaksi. Wartawan masih perlu menggali arahan lebih jauh,
mengumpulkan opini, dan mengeluarkan cerita dari data. Algoritma dapat mendukung pekerjaan
mereka dengan memperoleh narasi awal dari kumpulan data yang besar, atau membebaskan
mereka untuk mengambil topik yang diminati. Jadi, untuk saat ini, tujuannya adalah agar jurnalis
dan algoritme dapat bekerja berdampingan untuk produk yang berpotensi memiliki relevansi
tinggi bagi pengguna. Saat melakukannya, jurnalis memiliki kesempatan untuk menguji kembali
keterampilan mereka sendiri sehubungan dengan kemitraan baru ini dengan algoritme yang
disebut 'kolega' (van Dalen 2012; Linden 2016)