Artificial Intelligence dalam Rutinitas Media Online

Tesis
Disusun untuk memenuhi persyaratan menyelesaikan Pendidikan Strata 2
Magister Ilmu Komunikasi Fakultas Ilmu Sosial dan Ilmu Politik
Universitas Diponegoro

Penyusun
Nama : Yofiendi Indah Indainanto
NIM : 14040118410010

Program Studi Magister Ilmu Komunikasi

Fakultas Ilmu Sosial dan Politik
Universitas Diponegoro
Semarang

2020
 Artificial Intelligence dalam Rutinitas Media Online

Tesis
Disusun untuk memenuhi persyaratan menyelesaikan Pendidikan Strata 2
Magister Ilmu Komunikasi Fakultas Ilmu Sosial dan Ilmu Politik
Universitas Diponegoro

Penyusun
Nama : Yofiendi Indah Indainanto
NIM : 14040118410010

Program Studi Magister Ilmu Komunikasi

Fakultas Ilmu Sosial dan Politik
Universitas Diponegoro
Semarang

2020
 SURAT PERNYATAAN KEASLIAN

Menyatakan bahwa tesis yang susun dengan judul

Nama : Yofiendi Indah Indainanto
NIM : 14040118410010
Fakultas : Ilmu Sosial dan Politik
Program Studi : Magister Ilmu Komunikasi
Konsentrasi : Kebijakan Media
Dengan ini menyatahkan bahwa Tesis yang saya susun dengan judul ;
Artificial Intelligence Dalam Rutinitas Media Online
adalah benar-benar karya asli saya sendiri. Karya tersebut bukan merupakan plagiat dari tesis
atau karya ilmiah orang lain. Apabila di kemudian hari pernyataan saya terbukti tidak benar,
maka saya bersedia menerima sanksi akademis yang berlaku, yaitu dicabut predikat kelulusan
dan gelar kemasterannya.

Demikian surat pernyataan ini saya buat dengan sebenar-benarnya dan tidak ada paksaan. Surat
ini akan digunakan bilamana diperlukan.

Semarang, 23 Desember 2020

Yofiendi Indah Indainanto

NIM. 14040118410010

i
 LEMBAR PERSETUJUAN TESIS

Nama penyusun tesis : Yofiendi Indah Indainanto

NIM : 14040118410010

Fakultas : Ilmu Sosial dan Ilmu Politik

Jurusan : Magister Ilmu Komunikasi

Program studi : Kebijakan Media

Judul tesis : “Artificial Intelligence Dalam Rutinitas Media Online”.

Telah dipertahankan dalam sidang Ujian Tesis Program Magister Ilmu Komunikasi Program
Pascasarjana Universitas Diponegoro, yang dilaksanakan pada:

Hari : Kamis

Tanggal : 10 Desember 2020

Waktu : 18.30 WIB

Tesis dinyatakan : LULUS

TIM PENGUJI TESIS

Ketua sidang : S. Rouli Manalu, Ph.D ( )

Dosen penguji 1 : Dr. Hedi Pudjo Santosa ( )

Dosen penguji 2 : Dr. Adi Nugroho ( )

Dosen pembimbing : Dr. Nurul Hasfi ( )

ii
 HALAMAN PENGESAHAN TESIS

ARTIFICIAL INTELLIGENCE DALAM RUTINITAS MEDIA ONLINE

DISUSUN OLEH:

NAMA PENYUSUN : YOFIENDI INDAH INDAINANTO

NIM : 14040118410010

Telah disetujui di depan Tim Pengguji

Semarang,
Pembimbing

Dr. Nurul Hasfi

NIP. 19790831.200604.2.001

iii
 LEMBAR PENGESAHAN TESIS

Nama : Yofiendi Indah Indainanto

NIM :14040118410010

Program Studi : Magister Ilmu Komunikasi

Konsentrasi : Kebijakan Media

Judul : Artificial Intelligence Dalam Rutinitas Media Online

Telah disetujui didepan Tim Penguji,

Pembimbing Tesis

Dr. Nurul Hasfi

NIP. 19790831.200604.2.001

Ketua Program Studi

Dr. Nurul Hasfi

NIP. 19790831.200604.2.001

iv
 Kata Pengantar

Puji syukur kehadirat Allah SWT yang memberikan rahmat-Nya kepada penulis dapat

menyelesaikan penelitian dan penulisan tesis dengan judul Artificial Intelligence dalam

Rutinitas Media Online.

Tesis ini sebagai wujud tanggung jawab penulis dalam proses menyelesaikan studi

di Magister Ilmu Komunikasi Fakultas Ilmu Sosial dan Ilmu Politik Universitas

Diponegoro Semarang. Tesis ini berangkat dari ketertarikan penulis mengenai

perkembangan media online yang terus berubah. Peneliti ingin melihat bagaimana

penggunaan teknologi Artificial Intelligence (AI) dalam Rutinitas Media Online yang

merubah bagaimana konten diproduksi.

Artificial Intelligence (AI) merupakan salah satu bagian ilmu komputer yang

dirancang agar mesin dapat melakukan kegiatan layaknya seperi manusia. Penggunaan

AI didunia jurnalistik memberikan warna baru dalam proses produksi. AI dirancang

dapat melakukan kegiatan jurnalistik seperti melakukan proses news gathering, news

processing, dan news distribution. Keterilbatan AI dalam proses tersebut, turut merubah

redaksi dalam melaukan proses produksi. Tujuan penelitian ini mengetahui jenis AI yang

digunakan dan bagaimana AI merubah rutinitias media di ruang redaksi.

Pada bab 1, pembaca akan memahami latar belakang penelitian ini dan teori-teori

yang membantu peneliti memahami perubahan dengan adannya AI dalam rutinitas

media. Penulis menitikberatkan pada perubahan yang terjadi pada proses produksi

konten. Bab 2, Pembaca dapat melihat desain media online dan gambaran umum objek

penelitian yakni Lokadata.ID. Penulis turut membandingkan keunggulan AI dalam

dunia jurnalisitik. Pada Bab 3 penulis memaparkan temuan-temuan selama melakukan

v
wawancara dengan narasumber. Sedangkan Bab 4 pembaca dapat melihat ulsan dan

disuksi penelitian dengan konsep-konsep teori yang telah ada di bab 1 dan menuliskan

argumentasi-argumentasi perubahan yang terjadi dengan masuknya AI dalam proses

produksi. Diakhir Bab, berisi penutup yang berisi kesimpulan penelitian dan

rekomendasi untuk penelitian selanjutnnya.

Semarang, 23 Desember 2020

Penulis

vi
 Halaman Persembahan

Puji Syukur kepada Allah yang telah memberikan kesempatan kepada penulis untuk terus

belajar menuntut ilmu. Penulis menggucapkan terima kasih sebesar-besarnnya kepada semua

pihak yang telah membantu penulis menyelesaikan tesis ini.

1. Ibuk Sungatmi dan Bapak Wagio orang tua penulis. Kedua saudara kakak Ayu dan adik

Oinda. Pakde Sutrino dan Mokde Bandiem sebagai orang tua di Jawa, dan mbk Maya,

mbk Sekar, dan mbk Melati.

2. Dr. Nurul Hasfi, Ketua Program Studi Magister Ilmu Komunikasi dan sekaligus sebagai

dosen pembimbing

3. Tim Pengguji. Ketua sidang S. Rauli Manalu Ph.D, Pengguji 1 Dr. Hedi Pudjo Santosa

dan Pengguji 2 Dr. Adi Nugroho yang telah memberikan masukan dan saran untuk

tulisan ini agar lebih baik.

4. Keluarga besar MIkom, dosen yang tidak bisa disebutkan satu per-satu dan staf ( mbk

Febri dan mas Totok) yang teurut mendukung proses penyelesaian tesis ini.

5. Para senior angkatan VIII, IX, dan X yang telah meluangkan waktu berdisuksi dalam

tentang perkuliahan dan penyelesaian tulisan ini. Sobat dan saudara saya Faiz Albar Nst

dan Iman Kandias yang dipertemukan pada saat menempuh pendidikan di Undip.

6. Teman-teman angkatan XI mulai dari kelas komunikasi strategis dan pejuang tesis

bimbingan Mbk Nurul ( Mbk Hima, Mas Wily, Mas Azka, Mas rudi, Mas Joko yang telah

meluangkan waktu untuk berdiskusi bersama.

vii
 7. Sebagai wujud mengenang kebersamaan dan romantisme perjuangan, serta mengenang

Kota Semarang dengan penuh kehangatan. Saya tidak bisa melepaskan peran Mbk

Mayda, Mbk Ifa, Mbk Hima, Mbk Gita, Kak We, Mbk Tea, Mbk Keke, Mas Halim, Mas

Rudi, dan Mas Arif, yang sama-sama membangun kesebelasan dalam Squad SO7. Untuk

kalian Squad SO7 jika suatu hari nanti singgah ke perpustakaan Mikom dan membaca

pesan ini, fotolah itu akan mengingat momen perjuangan dari balik jendela.

Terimakash untuk semua yang selalu mendukung, dan tidak bisa saya sebutkan satu

persatu. Doa terbaik untuk kita semua. Amin.

Fastabiqul Khairat
( berlomba-lombalah berbuat kebajikan)

viii
 Artificial Intelligence dalam Rutinitas Media Online
Abstraksi
Perkembangan teknologi artificial Intelligence (AI) telah banyak diterapkan dalam dunia
jurnalistik dan semakin banyaknya sumber informasi secara digital, mendorong media
memanfaatkan sumber tersebut dalam aktivitas jurnalistik. Kemampuan artificial intelligence
dalam yang dapat melakukan aktivitas layaknya jurnalis, mendorong terjadinya berbagai
perubahan-perubahan dalam rutinitas di ruang redaksi. Media Online Lokadata.ID merupakan
satu-satunya media di Indonesia yang mengenalkan teknologi AI dalam proses produksi konten
berita.
Penelitian ini bertujuan untuk mengetahui bagaimana AI merubah rutinitas media dalam
proses news gathering, news processing dan news distribution. Tipe penelitian ini adalah
metode studi kasus dengan pendekatan deskriptif kualitatif. Teknik penggumpulan data
menggunakan wawancara kepada pihak-pihak yang terlibat dan memahami tentang artificial
intelligence.
Hasil penelitian menunjukan bawah, penggunaan AI merubah cara redaksi dalam peroses
news gathering, news processing dan news distribution. Perubahan pada news gathering proses
penggumpulan data dilakukan AI dengan mengambil data yang telah ditentukan. AI digunakan
redaksi dalam pengumpulan data rutin dan persebaran peristiwa. News processing
memunculkan cara kerja baru dan proses penulisan, dan editing. Pada tahap ini, AI
memunculkan cara kerja hibrid antara AI dan editor. News distribution AI dapat meningkatkan
jumlah publikasi. AI dapat melakukan publikasi secara langsung.
Kesimpulan penggunaan AI dalam rutinitas media telah memunculkan praktik kerja baru
yang didalamnya editor dan AI dapat melakukan pekerjaan berdasarkan karakterisitik sumber
informasi yang diproses. AI bertugas mengerjakan berita rutin, sedangkan jurnalis
mengerjakan berita yang lebih humanis dan mendalam.
Kata kunci: Artificial Intelligence, jurnalisitik, media online, Lokadata.ID

ix
 Artificial Intelligence in Online Media Routines

Abstract
The development of artificial Intelligence (AI) technology has been widely applied in the world
of journalism and the increasing number of digital sources of information has encouraged the
media to utilize these sources in journalistic activities. The ability of artificial intelligence to
carry out activities like a journalist encourages changes in routine in the newsroom. Online
Media Lokadata.ID is the only media in Indonesia that introduces AI technology in the process
of producing news content.
This study aims to determine how AI changes media routines in the news gathering, news
processing and news distribution processes. This type of research is a case study method with
a qualitative descriptive approach. The data collection technique uses interviews with the
parties involved and understands artificial intelligence.
The results show that the use of AI changes the way the editorials process news gathering,
news processing and news distribution. Changes to the news gathering process of data
collection are carried out by AI by taking predetermined data. AI is used by editors in routine
data collection and distribution of events. News processing led to new ways of working and the
process of writing, and editing. At this stage, AI creates a hybrid way of working between AI
and editor. News distribution AI can increase the number of publications. AI can publish
directly.
The conclusion of using AI in media routines has led to new work practices in which
editors and AI can do work based on the characteristics of the processed information sources.
AI is in charge of working on routine news, while journalists are working on news that is more
humane and in-depth.
Keywords: Artificial Intelligence, journalism, online media, Lokadata.ID

x
 Daftar Isi
Surat Pernyataan Keaslian ----------------------------------------------------------------------------- i
Lembar Persetujuan Tesis ----------------------------------------------------------------------------- ii
Halaman Pengesahan Tesis ---------------------------------------------------------------------------iii
Lembar Pengesahan Tesis ----------------------------------------------------------------------------- iv
Kata Pengantar -------------------------------------------------------------------------------------------v
Halaman Persembahan ------------------------------------------------------------------------------- vii
Abstrasksi------------------------------------------------------------------------------------------------ ix
Daftar Isi ------------------------------------------------------------------------------------------------ xi
Daftar Tabel ------------------------------------------------------------------------------------------- xiv
Daftar Grafik ------------------------------------------------------------------------------------------ xiv
Daftar Bagan ------------------------------------------------------------------------------------------- xv
BAB I Pendahuluan
1.1 Latar Belakang --------------------------------------------------------------------------------------1
1.2 Perumusan masalah ------------------------------------------------------------------------------- 10
1.3 Tujuan Penelitian --------------------------------------------------------------------------------- 10
1.4 Signifikansi Penelitian --------------------------------------------------------------------------- 10
1.5 Kerangka Pemikiran Teoritis ------------------------------------------------------------------- 11
1.5.1 State Of The Art ------------------------------------------------------------------------- 11
1.5.2 Paradigma Penelitian ------------------------------------------------------------------- 14
1.5.3 Artificial Intelligence (AI) Jurnalisme ------------------------------------------------ 15
1.5.4 Rutinitas Media -------------------------------------------------------------------------- 18
1.6 Oprasional Konsep ------------------------------------------------------------------------------- 20
1.7 Metodelogi Penelitian ---------------------------------------------------------------------------- 22
1.7.1 Desain Penelitian ------------------------------------------------------------------------ 23
1.7.2 Situs Penelitian -------------------------------------------------------------------------- 24
1.7.3 Subjek Penelitian ------------------------------------------------------------------------ 23
1.7.4 Langkah Penelitian ---------------------------------------------------------------------- 24
1.7.5 Jenis dan Sumber Data ----------------------------------------------------------------- 24
1.7.6 Teknik Pengumpulan Data ------------------------------------------------------------- 25
1.7.7 Analisis Data ----------------------------------------------------------------------------- 25
1.7.8 Goodness Criteria ------------------------------------------------------------------------ 27
1.7.9 Keterbatasan Penelitian ----------------------------------------------------------------- 27
Bab II Desain Media Online
2.1 Perkembangan Media Online ------------------------------------------------------------------- 29
2.2 Lokadata.ID---------------------------------------------------------------------------------------- 32
2.2.1 Sejarah Lokadata.id --------------------------------------------------------------------- 34

xi
 2.2.2 Struktur Organisasi ---------------------------------------------------------------------- 36
2.2.3 Rubikasi Berita --------------------------------------------------------------------------- 43
2.2.4 Perubahan Lingkungan Media --------------------------------------------------------- 41
2.2.5 Keunggulan Artificial Intelligence Dalam Proses Jurnalistik di Lokadata.ID -- 43
2.3 Brand Positioning Lokadata.ID ---------------------------------------------------------------- 47
BAB III Artificial Intellegence (AI) di Redaksi
3.1 Penggunaan Artificial Intelligence (AI) ------------------------------------------------------ 51
3.2 News Gathering
3.2.1 Perencanaan dan Sumber Data -------------------------------------------------------- 51
3.2.2 Nilai Berita (news value) --------------------------------------------------------------- 58
3.2.3 Syarat Oprasional AI ------------------------------------------------------------------- 59
3.2.4 Penugasan --------------------------------------------------------------------------------- 60
3.2.5 Akses Data dan Jangkauan ------------------------------------------------------------ 61
3.2.6 Objektivitas Data ------------------------------------------------------------------------ 62
3.2.7 Alur Kerja Pengumpulan Data --------------------------------------------------------- 65
3.3 News Processing ---------------------------------------------------------------------------------- 66
3.3.1 Penugasan --------------------------------------------------------------------------------- 66
3.3.2 Alur AI dalam Memproses Informasi ------------------------------------------------- 67
3.3.3 Penulisan ---------------------------------------------------------------------------------- 71
3.3.4 Kontrol Kualitas ------------------------------------------------------------------------- 74
3.3.5 Tampilan Berita -------------------------------------------------------------------------- 76
3.3.6 Keterbatasan ------------------------------------------------------------------------------ 79
3.4 News Distribution
3.4.1 Jumlah Berita Penayangan ------------------------------------------------------------- 84
3.4.2 Waktu Publikasi-------------------------------------------------------------------------- 87
3.4.3 Penyebaran Berita ----------------------------------------------------------------------- 89
BAB IV Rutinitas Produksi Konten di Redaksi
4.1 Penggunaan AI ------------------------------------------------------------------------------------ 94
4.1.1 Oprasional -------------------------------------------------------------------------------- 94
4.1.2 Jangkauan --------------------------------------------------------------------------------- 95
4.2 News Gathering ---------------------------------------------------------------------------------- 96
4.2.1 Perencanaan ------------------------------------------------------------------------------ 97
4.2.2 Penugasan --------------------------------------------------------------------------------100
4.2.2.1 Kemampuan Jurnalis --------------------------------------------------------------100
4.2.2.2 Alat Pendukung Jurnalis ----------------------------------------------------------102
4.2.3 Penentuan Berita -----------------------------------------------------------------------103
4.2.4 Aktivitas News Gathering -------------------------------------------------------------105
4.2.4.1 Sumber Informasi ------------------------------------------------------------------105
4.2.4.2 Pengumpulan Data ----------------------------------------------------------------106
4.2.5 Proses Hibrid -----------------------------------------------------------------------------109
4.2.6 Proses AI Otomatis ----------------------------------------------------------------------110
4.2.7 Refleksi Teoritis--------------------------------------------------------------------------112
4.3 News Processing --------------------------------------------------------------------------------113
4.3.1 Proses Hibrid ----------------------------------------------------------------------------114
xii
 4.3.1.1 Penulisan ----------------------------------------------------------------------------115
4.3.1.2 Tambahan Informasi ---------------------------------------------------------------118
4.3.1.3 Memframing Data ------------------------------------------------------------------120
4.3.1.4 Penyuntingan -----------------------------------------------------------------------123
4.3.1.5 Tampilan Berita --------------------------------------------------------------------124
4.3.2 Proses AI Otomatis ----------------------------------------------------------------------126
4.3.2.1 Penulisan -----------------------------------------------------------------------------127
4.3.2.2 Penyuntingan ------------------------------------------------------------------------128
4.3.2.3 Refleksi Teoritis ---------------------------------------------------------------------129
4.4 News Distribution -------------------------------------------------------------------------------131
4.4.1 Proses Hibrid -------------------------------------------------------------------------132
4.4.2 Proses AI Otomatis------------------------------------------------------------------134
4.4.3 Refleksi Teoritis ---------------------------------------------------------------------138
4.5 Dua Mata Pisau AI Dalam Rutinitas Produksi Konten141
4.5.1 AI Menurunkan dan Meningkatkan Kualitas Berita ---------------------------142
4.5.2 AI Memaksa Redaksi Melakukan Kerja Lebih Mendalam --------------------145
4.5.3 Bias Algoritma -----------------------------------------------------------------------147
4.6 Argumentasi --------------------------------------------------------------------------------------148
4.6.1 Perspektif Melihat Isu --------------------------------------------------------------149
4.6.2 Alur Kerja ----------------------------------------------------------------------------150
4.6.3 Jurnalis Beradaptasi -----------------------------------------------------------------153
4.6.4 Etika dalam keterlibatan AI di redaksi -------------------------------------------156
Bab V Penutup
5.1 Kesimpulan ------------------------------------------------------------------------------------- 157
5.2 Rekomendasi ----------------------------------------------------------------------------------- 162

Daftar Pustaka ----------------------------------------------------------------------------------------- 164

xiii
 Daftar Tabel

Tabel 1.1 Berita Robotorial -------------------------------------------------------------------------- 2

Tabel 2.1 Media online yang sering dikunjungi di Indonesia --------------------------------- 30

Tabel 2.2: perbedaan proses AI dan Jurnalis ---------------------------------------------------- 45

Tabel 3.1 Sumber data pemerosesan Robotorial ------------------------------------------------ 56

Tabel 3.2: Persebaran berita arikel dan robotorial bulan september-oktober 2020 -------- 85

Tabel 3.3: Waktu tayang berita AI ---------------------------------------------------------------- 88

Tabel 4.1 :Persebaran berita produksi AI ------------------------------------------------------- 137

Tabel 4.2: Perbandingan Tambahan Pekerjaan Redaksi -------------------------------------- 155

Tabel 4.3: Keterbatasan Jurnalis ----------------------------------------------------------------- 156

Daftar Grafik

Grafik 2.1 Rubikasi artikel ------------------------------------------------------------------------- 38

Grafik 4.1: Persebaran berita bulan September-oktober rubik Arikel --------------------- 137

xiv
 Daftar Bagan

Bagan 3.1 : Proses membangun model untuk proses AI--------------------------------------- 57

Bagan 3.2 : Alur kerja NLP dalam proses pengumpulan data -------------------------------- 66

Bagan 3.3: Sistem kerja AI pemerosesan NLG disetiap bagian ------------------------------ 68

Bagan 4.1: Rutinitas Media ----------------------------------------------------------------------- 93

Bagan 4.2 Proses Pengumpulan Informasi ----------------------------------------------------- 111

Bagan 4.3: Pemerosesan berita proses otomatis dan hibrid ---------------------------------- 129

Bagan 4.4: Proses distribusi konten ------------------------------------------------------------- 138

Bagan 4.5: Piramida Rutinitas Media di Lokadata.ID ---------------------------------------- 141

Bagan 4.6: Perbandingan dalam melihat isu/peristiwa---------------------------------------- 150

Bagan 4.6: Alur kerja Bagan --------------------------------------------------------------------- 152

Bagan 4.7: Tambahan Tenaga Mesin Bagi Jurnalis ------------------------------------------- 152

xv
 BAB I

Pendahuluan

1.1 Latar Belakang

Lokadata.ID merupakan perusahan media yang fokus utama pada pengembangan jurnalisme

data dan riset. Sejak tahun 2015 dengan mengawali situs media Beritagar.ID yang

merupakan gabungan dari situs kurasi publik, Lintas.me (2011), dengan situs kurasi

Beritagar.com (2012), konsisten menampilkan sebuah media baru berbasis teknologi.

Lokadata.ID menjadi media pertama di Indonesia dalam urusan penggunaan teknologi

dalam peraktek jurnalistik yang fokus mengasilkan jurnalisme berbasis data. Jurnalisme

berbasis data diyakini akan mampu berperan dalam mengabil keputusan, baik dibidang

bisnis, politik maupun pemerintah dan menawarkan bisnis menjajikan dimasa depan.

Media-media di Indonesia saat ini mengalami perubahan mendasar akibat munculnya

berbagai teknologi Internet. Perubahan tersebut mendorong media seperti Lokadata.ID

beradaptasi dengan teknologi dengan memperbarui lini yang mengakrapakan diri dengan

teknologi. Jaringan internet yang menghubungkan berbagai dimensi didunia maya,

menjadikan media berlomba-lomba menarik pembaca dengan berbagai bentuk strategi, nilai

interaksi menjadi sangat penting dibanding nilai konten. Meskipun teknologi internet

menawarkan kemudahan akses, namun memberikan ketidakpastian dalam menghasilkan

konten dan bisnis karena pembaca sekarang memiliki kekuasaan mutlak dalam

mengkonsumsi konten karena memiliki banyak pilihan. Artinya big data menjadi bagian

tidak terpisahkan dalam praktek jurnalitik media sekarang.

Penggunaan teknologi mendorong munculnya pratik jurnalisitk yang perosesnya

berlangsung secara otomatis, seperti penggunaan metode komputer dan Artificial

1
Intelligence (AI) dalam rutinitas media. Istilah ini sering disebut Robot Jurnalitik mampu

menghasilkan konten yang banyak tanpa keterlibatan manusia didalammhya. Lokadata.ID

tercatat menggunakan AI dalam produksi berita baik yang dilakukan sepenuhnya oleh robot

maupun campuran. Berdasarkan analisi isi, selama bulan Januari 2019, robot jurnalistik

yang dilakukan secara otomatis mampu menghasilkan berita 1390 tanpa tangan manusia

dengan perincian seperti tabel 1.1.

Tabel 1.1 Berita Robotorial

Berita Robotorial
1200
1000
800 986
600
400
200 223 86 78 17
0
1

Perkiraan Cuca Olahraga Ekonomi Kesehatan Gempa Bumi

(Sumber: Hasil analisis isi konten robotikal Lokadata.IDbulan Januari 2019)

Media pada dasarnya ingin membangun kedekatan dengan pembaca, namun berita yang

dihasilkan AI cenderung monoton dengan isu-isu dan tampilan yang didominasi angka dan

tabel. Hal tersebut berbeda dengan kebiasaan membaca masyarakat. Kendala lain yang

dihadapi mengenai pengecekan fakta yang tidak dapat dilakukan manusia karena proses

otomatisasi dan pemilihan data yang mampu menimbulkan perdebatan tentang

keabsahannya, terlebih mengenai peran dan tugas jurnalis yang bertugas memproduksi

berita mulai tergantikan. Analisis isi diatas memberikan gambaran, berita yang dihasilkan

memiliki makna dan isu terbatas, namun mampu menghasilkan berita yang jauh lebih

banyak dibanding manusia.

2
 AI dalam rutinitas media berupaya menghadirkan cara pandang berbeda dalam melihat

peluang. AI yang mempermudah dalam memproduksi konten dan mendorong peningkatan

integrasi diberbagai Industri media memberikan perubahan tentang sudut sosial jurnalis.

Perubahan ini meliputi bagimana jurnalis berbagi peran, tugas, tanggung jawab dan interkasi

yang menghasilkan makna dengan AI. Interakasi tersebut meliputi bagaimana orang

memposisikan AI sebagai komunikator yang mampu menyampaikan pesan. Tentu ini

berbeda dengan konsep teknologi selama ini dimana berperan sebagai mediator. Masuknya

AI sebagai sumber pesan menjadikanya sebagai aktor sosial yang mampu menghasilkan

makna saat berinterkasi dengan manusia.

Hasil AI dalam proses produksi konten, seperti mencari data, memproses dan mengelola

data perlahan mengantikan peran jurnalis sebagai fungsi vital sebelum AI masuk dalam

proses jurnalistik. Aritnya akan ada peran tegantikan didalammnya. Laporan penelitian yang

diterbikan Institut Reuterster pada Januari 2019 dengan judul Journalism, Media, and

Technology Trends and Predictions 2019 oleh Newman Nic, (2019:32), menyebut Media

berencana berinvetasi lebih untuk pemanfaatan AI dan Machine Learning (ML) dengan

catatan tidak mengorbankan editor dan jurnalis. Artinya ada kekawatiran lebih ancaman AI

mampu menggeser peran redaktur dan jurnalis. Uniknya responden berpikir bahwa investasi

dalam AI (78%) dan lebih banyak jurnalis (85%) diperlukan untuk itu membantu memenuhi

tantangan di masa depan, tetapi dengan preferensi terkuat yang sangat mendukung manusia.

Laporan ini juga menyebutkan ditahun sebelum 72% media bereksperimen dengan AI,

sehingga peneliti memperediksikan AI akan berguna dalam kehidupan terutama dalam tiga

kategori. pertama Menggunakan ML untuk mempersonalisasi konten dan membuat

rekomendasi yang lebih baik untuk pemirsa, mengotomatiskan lebih banyak cerita dan video

(disebut robo-jurnalisme), menyediakan alat untuk membantu menambah dan mendukung

wartawan menangani informasi yang berlebihan. Artinya Jurnalis dan editor menyadari AI
3
sangat penting dalam proses produksi disisi lain mampu mengancam pekerjaan karena

tergantikan pekerjaan.

AI kini mengalami perkembangan pesat, sebelumnya hanya mampu mengumpulkan

data, sekarang mampu menganalisis volume data yang lebih besar mencakup informasi

visual secara otomatis, menandai konten media (teks, gambar, suara, dan video) di semua

platform. Artinya penetrasi AI dalam jurnalisitik dengan alogaritma mampu mengubah data

menjadi narasi berita tanpa perlu manusia didalamnya. Alogaritma AI nantinya akan

menggantikan jurnalis manusia karena bagi prusahaan media alasan efisiensi menjadi faktor

utama. AI awalnya dimulai dibidang olahraga, kemudian bergeser kebidang keuangan dan

sekarang digunakan dihampir semua bidang termasuk dalam aktivitas jurnalisme. Bahkan

di China melalui stasiun Tv Xinhua sukses memamerkankan penyiar berita virtual yang

dapat bekerja 24 jam. Tidak sampai disitu, kesuksean China dalam mengembangkan AI

telah sampai pada proses membuat film yang naskahnya dibuat AI

(Https://inet.detik.com/cyberlife/d-4501590/china-sudah-bisa-buat-film-pakai-kecerdasan-

buatan diakses pada 11 november 2019 pukul 14.22). Artinnya AI mampu menggantikan

peran manusia dalam proses jurnalistik.

Kendati demikian, AI menawarkan kemudahan dari sistem otomatisasi, justru

menjadi ancaman bagi manusia dalam bekerja, Laporan terbaru dari McKinsey Global

Institute memperkirakan 400 hingga 800 juta orang akan kehilangan pekerjaan ditahun

2030, yang digantikan oleh kecerdasan buatan dan robot, sedangkan laporan dari World

Economic Forum memperkirakan 10 tahun mendatang robot akan mengantikan 75 juta

pekerja secara global, namun sejalan dengan itu akan munculnnya 133 juta pekerjaan baru

diteknologi digital (Https://theconversation.com/optimisme-dan-kebingungan-indonesia-

terhadap-dampak-revolusi-industri-4-0-pada-dunia-kerja-116167, diakses pada 11

4
november 2019 pukul 14.24). Kecerdasan buatan dan robot menjadi permasalahan global

yang akan sangat berdampak pada kehidupan manusia dimasa depan, meskipun memberikan

harapan baru tentang pekerjaan dan peluang bisnis tidak serta-merta akan memberikan masa

depan baik bagi pekerjaan manusia. Media online yang mengandalkan manusia dalam

proses kerjannya, akan merasakan dampak signifikan, terlebih banyaknya data yang akan

berputar didunia digital nantinnya sebagai dasar AI berkerja.

Selama ini, ruang redaksi media konvensional mengenal proses News Gathering,

News production dan Distribution yang semua aktivitas dilakukan manusia. Adanya AI

dalam proses tersebut memungkinkan mengalami perubahan dengan menggantikan

perannya yang dilihat dari aspek fungsional. Penelitian Pew dari Biro Statistik Tenaga Kerja

mengungkapkan fakta, pekerjaan ruang redaksi di seluruh Amerika Serikat dari tahun 2008

hingga 2018 terus turun, pekerjaan di ruang redaksi di AS turun 25%. Pada 2008, sekitar

114.000 karyawan ruang berita, reporter, editor, fotografer, dan videografer yang bekerja di

lima industri surat kabar, radio, siaran televisi, kabel, dan "layanan informasi lainnya". Pada

2018, jumlah itu menurun menjadi sekitar 86.000, kehilangan sekitar 28.000 pekerjaan.

Penurunan tersebut disebapkan adanya pertumbuhan media digital yang pesat dan menutupi

biaya produksi. Penelitian terpisah dari Pew menyebut sejak 2008, jumlah karyawan ruang

berita digital telah meningkat sebesar 82%, dari sekitar 7.400 pekerja menjadi sekitar 13.500

pada tahun 2018. Namun, peningkatan sekitar 6.100 total pekerjaan ini, masih jauh dari

mengimbangi hilangnya sekitar 33.000 pekerjaan ruang surat kabar. Daya serap jurnalis

dalam pekerjaan tersebut tidak sebanding dengan jumlah tenaga ahli yang ada. Artinya di

newsroom, sangat memungkinkan mengalami perubahan yang cepat dalam runititas media.

Penelitian diatas belum melihat bagaimana AI bekerja dalam newsroom, mungkin angka

penuruan tenaga kerja akan bertambah karena penggunaan AI yang terus meningkat.

Menarik melihat pekerja di newsroom media-media di Indonesia yang mulai menggunakan

5
teknologi dan fokus pada jurnalisme digital sebagai model baru bisnis informasi, meskipun

media masih menggandalkan cara lama dalam mendapatkan informasi. AI mampu

membentuk gaya baru jurnalisme yang menuntut pembaca paham tentang teks konten tanpa

perlu memaknai pesan.

Kehadiran AI yang fungsinya mirip editor membuat editor dan radakur tertentu

terancam posisinnya. Faktanya AI memungkinkan mengumpulkan data dalam bentuk

matrik dan alogaritma berdasarkan perintah, kemudian mampu menuliskan data dalam

bentuk cerita naratif, dan mampu menerbitkan data jurnalisitik sebagai berita kesemua itu

dilakukan secara otomatis. Hadirnya AI dalam newsroom menyebapkan bias yang terjadi

didalamnya, terlebih bagimana proses verifikasi yang selama ini terlah berlangsung baik

dalam menejemen newsroom, harus berganti dengan adanya AI. Menarik melihat

bagaimana bias yang dihasilkan AI dalam praktek jurnalisme di ruang redaksi.

"Dengan masuknya AI mungkin akan menggantikan posisi-posisi (dalam)

proses produksi berita. Editor dalam produksi berita mungkin saja tidak perlu banyak
lagi, dan ini terjadi di beberapa media di Eropa dan Amerika," kata Pemimpin
Redaksi The Jakarta Post Nezar Patria
(Https://www.liputan6.com/news/read/3907000/kecerdasan-buatan-dalam-
jurnalisme-mungkinkah, diakses 11 November, 2019 pukul: 15:12 )
Contohnya seperti Robot Xiaomingbot berhasil memproduksi 450 artikel dengan

rata-rata berisi 100 hingga 821 kata selama olimpiade di Brasil dan mampu dipahami dengan

baik kata-kata oleh pembaca (Https://indopos.co.id/read/2016/08/31/34437/ancaman-bagi-

wartawan-robot-mampu-bikin-58-artikel-per-hari/,). Begitu juga dalam praktek berita

olahraga yang mampu menghasilkan data berita. Artinnya dalam hal produksi AI sejalan

dengan trand media sekarang yang lebih menekankan kecepatan dibanding akurasi, terlebih

dalam bisnis digital interaksi yang tinggi akan mampu mendatangkan data stastistik untuk

mengambil keputusan dan keuntungan.

6
 Penetrasi pengguna internet di Indonesia yang terus meningkat seperti dalam laporan

Asosiasi Penyelenggara Jasa Internet Indonesia (APJII), pada 2018 64,8 pengguna dari

tahun sebelumnya, 171.176.716.8 juta pengguna internet dengan pertumbuahn internet

2017-2018 mencapai 27.916.716 juta. Artinya akan banyak interaksi digital yang akan

mempengaruhi konten berita. Jurnalisme digital memiliki tantang besar, dimana pembaca

lebih tertarik membaca berita di media sosial dibanding di situs web, sehingga

memunculkan gaya baru membaca yang sifatnya insidental dan praktek personalisasi konten

yang didapat dari alogaritma pengguna untuk membuat media membuat konten. Alogaritma

menjadi dasar cara berkerja AI dalam memproduksi konten dan menjadi dasar pembentukan

konten efektif berdasarkan kebutuhan pembaca. Lokadata.IDsebagai media pertama

menggunakan AI, sangat bergantung pada internet untuk memperoduksi konten dan

membuat sasaran target pembaca demi keuntungan perusaaan.

"Personalized content (memanfaatkan) artificial intelligence. Dengan data

yang diterima, media digital bisa tahu [...] Ada algoritma yang bisa
memprediksi, jadi berita yang dibikin (disajikan) bener-
bener personalized yang disukai dan dicari (oleh pembaca),"Chairul Tanjung
Chairman CT Corp
(Https://www.cnnindonesia.com/teknologi/20180726030115-185-
317046/industri-media-hadapi-era-kecerdasan-buatan, diakses 11 November,
2019 pukul:15:23).
Media-media besar didunia seperti The Washington Post dengan Bentuk AI

Heliograf dan Modbot), Forbes dengan robot bertie, Bloomberg News dengan robot Cyborg,

Associated press dengan robot Automated Insight dan APand Reuters dengan AI Graphiq

tercatat telah menggunakan teknologi ini untuk produksi berita dan terbukti efisien.

Indonesia dengan Lokadata.IDmulai mengenalkan metode AI dalam proses produksi berita.

Kendati demikian, hasil dari AI banyak digunakan oleh media-media di Indonesia seperti

Tirto, Kumparan, Tempo dan IDNtimes dalam bentuk jurnalism data. Karena pada dasarnya

hasil dari AI adalah berupa data jurnalistik. Tantangan ketika AI digunakan tentu konten

7
yang dihasilkan berbeda dengan hasil manusia, sehingga pembaca akan sulit memahami

lajimnya konten media lain, sehingga persoalan bukan soal memperoduksi konten sebanyak

mungkin, tapi bagaimana menarik pembaca dengan konten buatan robot.

Keseriusan Lokadata.ID dalam mewujutkan jurnalisme data dengan memanfatkan

AI sebagai metode, diyakini sebagai aset berharga jurnalisme dimasa depan dan

memberikan perspektif baru terhadap peristiwa dan trand. Optimalisasi penggunaan

teknologi AI dalam proses produksi konten mampu mendatangkan efesiensi dalam

mewujudkan jurnalism data. Dampak Lokokadata.id mengurangi 17 jurnalis yang berada

dalam dewan redaksi meliputi jurnalis, editor, dan fotografer. Sejauh ini dalam proses

newsroom ketiga sektor tersebut sangat vital kedudukannya, namun adanya AI dapat

menggantikan peran tersebut dan menarik untuk melihat tentang perosesnya. Terlebih

pesoalan jurnalisik memiliki prosedur legal yang mengharuskan kegiatan sesuai dengan

peraturan, sehingga penerapan AI menjadi pro dan kontra.

Kehilangan teman-teman redaksi tentu akan sangat memengaruhi jumlah artikel

yang bisa kami sajikan, untuk sementara. Namun, kami bisa janjikan bahwa
mesin kecerdasan buatan — salah satu kekuatan kami selama ini — akan terus
kami kembangkan untuk menghasilkan informasi yang lebih lengkap dan akurat
(Https://beritagar.id/artikel/editorial/surat-dari-jatibaru-data, diakses pada
tanggal 12 November 2019 pukul 13.40)
Implikasi penggunaan AI dalam dunia Jurnalistik mampu merubah kerja wartawan

dan kondisi newsroom diyakini mampu memberikan ancaman bagi keberlangsungan

wartawan. Kereativitas wartawan dalam interpretasi konten akan mengalami penurunan

karena separuh tugas telah tergantikan, sehingga peran dalam membangun emosional

pembaca berkurang, karena data konten mempengaruhi. Peran ini sebelumnya dilakukan

jurnalis dan editor mampu menarik emosional pembaca yang memunculkan beragam

pemaknaan. Selain itu, AI akan menggurangi sistem sosial yang sebelumnya dipegang

wartawan dalam menghasilkan konten sebagai tugas utama memegang ruang publik. Sistem

8
sosial jurnalis yang saling berinterkasi dengan tingkatan struktur berganti dengan interaksi

dengan robot, hal tersebut mampu memberikan pengaruh jurnalis bersikap dan

memutuskan, mulai dari awal kerja dan konten yang harus dipublikasi.

Lokadata.ID dalam praktiknya sangat mungkin mengalami bias yang ditimbulkan

akibat penggunaan alogaritma AI, kreaktivitas yang dihasilkan wartawan selama ini dalam

newsroom akan berganti dengan alogaritma yang terbatas dalam memahami bahasa alami

manusia, ide dan membangun emosional pembaca melalui penekanan gaya bahasa, sehingga

memungkinkan penggunaan AI hanya terbatas pada data jurnalisme. Persoalan tentang data

yang dipilih dalam proses produksi konten untuk menghasilkan output konten

Lokadata.IDmenjadi perdebatan tentang objektivitas, dan krebibilitas data. Selama ini,

Lokadata.IDbanyak memanfatkan data dari aktivitas digital terutama dalam melihat trand

informasi diberbagai platfrom. Artinya bias data yang dihasilkan dari data dari paltfrom

masih diragukan keredibilitas dan banyak data pribadi pengguna, sehingga dikawatirkan

akan menghadirkan data yang menyesatkan. Aktivitas jurnalisme kesehariaanya di media

sangat tergantung pada aktivitas digital. Misal, ketika ada peristiwa politik, jurnalis tidak

perlu turun kelapangan untuk mengkonfirmasi fakta, melainkan memantau aktivitas digital

sudah cukup untuk mendapatkan data, sehingga dapat mengetahui apa yang terjadi dan

menjadi perbincangan untuk mementuk konten personalisasi yang sesuai dengan pembaca.

Artinya memunculkan dunia baru jurnalisitik dengan ciri khas aktivitas digital,

menghaburkan dunia lapangan dan memunculkan praktek ketergantungan data yang

membuat wartawan terisolasi. Dasarnya data tersebut akan membentuk praktek konten yang

memungkinkan jurnalisme berbasis data mendominasi. Data jurnalisme menjadi bagian

penting dalam komsumsi konten yang sangat dipengaruhi kuat dengan teknologi. Oleh

karena itu, Penelitian ini untuk mengungkapkan bagaimana Artificial Intellegence (AI)

merubah kerja dalam rutinitas newsroom di Lokadata.Id.

9
1.2 Perumusan Masalah

Penggunaan teknologi Artificial Intelligence (AI) yang digunakan media online dalam

produksi konten telah mendorong terjadinnya perubahan dalam setiap tahapan rutinitas

proses produksi berita diredaksi. Untuk mengetahui perubahan dengan keterlibatan AI

dalam proses produksi berita akan meneliti media online Lokadata.IDyang satu-satunya di

Indonesia telah menerapkan AI dalam rutinitas produksi berita.

Berdasarkan latarbelakang asumsi diatas, makan perumusan masalah dalam penelitian ini

sebagai berikut: Bagaimana teknologi Artificial Intelligence (AI) terlibat dalam dirutinitas

media Lokadata.ID?

1.3 Tujuan Penelitian

1. Untuk mengetahui Artificial Intellience (AI) yang digunakan dalam media

Lokadata.ID?

2. Untuk Mengetahui Bagaimana Artificial Intelligence (AI) merubah rutinitas redaksi

media Lokadata.ID?

1.4 Signifikansi Penelitian

1.4.1 Akademis : Memberikan pengembangan riset komunikasi, terutama studi mengenai

teknologi Artificial Intellegence (AI) dalam perkembangan jurnalisme digital.

Penggunaan AI dalam aktivitas jurnalistik memberikan gambaran untuk menghadapi

tantangan dunia digital.

1.4.2 Praktis: Memberikan gambaran mengenai praktek penggunaan teknologi kecerdasan

buatan dalam dunia jurnalisme digital dan menghasilkan pengetahuan mengenai mulai

berkembangannya AI di Indonesia.

1.4.3 Sosial: Memberikan pengetahuan bagi masyarakat, terutama para pengguna digital yang

menjadikan aktivitas digital sebagai salah satu medium AI dalam berkerja dan

10
memberikan gambaran terhadap kebijakan dan regulasi jurnalisme yang berkaitan

dengan perkembangan teknologi.

11
1.5 Kerangka Pemikiran Teoritis

1.5.1 State Of The Art

Penelitian terdahulu dalam melihat penggunaan teknologi dalam kerja jurnalis.

Pertama, Praktik Jurnalisme pada Situs Kurasi Berita (Studi Kasus Praktik Jurnalisme

Berbasis Teknologi Artificial Intelligence pada Situs Beritagar.id). Penelitian ini

dilakukan Lamia Putri Damayanti pada tahun 2017 berlatar belakang dari penerapan

Computer-Assisted Reporting (CAR) dalam praktek-pratek jurnalisme dari aspek etis

dan teknis. Selain itu untuk melihat peran antar manusia dan robot dalam membuat

produk jurnalisme yang sebagian besar dilakukan di Internet (big data). Penelitian

yang digunakan menggunakan metode studi kasus, dengan teknik pengumpulan data

wawancara, dokumentasi, studi pustaka, dan observasi. Hasil dari penelitian ini

menunjukkan bahwa peran-peran manusia masih sangat penting. Karena, kerja

algoritma masih terbatas dalam praktik-praktik jurnalisme. Sehingga, terdapat

beberapa aspek yang belum mampu diakomodasi oleh robot dan tetap ditangani oleh

manusia. Penerapan teknologi AI yang dilakukan oleh Lokadata.IDmerupakan wujud

inovasi dalam jurnalisme. Meski demikian, manusia tetap memiliki peran penting

dalam mempertahankan tradisi jurnalisme.

Kedua, Jurnalisme Robot dalam Media Daring Beritagar.id dilakukan Sri Oktika

Amran dan Irwansyah pada tahun 2018, dengan latar belakang bagaimana praktik

menulis berita pertandingan sepak bola di Beritagar.id dan peran jurnalis pada

produksi berita pertandingan sepak bola di Beritagar.id?. Metode penelitian yang

digunakan adalah studi kasus dengan wawancara diruang redaksi dan penelusuran

dokumen secara daring dan offline yang terkait. Hasil menunjukkan, pertama, media

daring Beritagar.id merupakan media yang menggunakan pemakaian AI dalam

produksi berita. Kedua, penggunaan jurnalisme robot pada Beritagar.id diaplikasikan

12
pada produk Robotorial, tapi tidak sepenuhnya melakukan praktik elemen jurnalisme

karena belum memiliki kesadaran etika layaknya jurnalis manusia. Ketiga, peran

jurnalis manusia masih dibutuhkan untuk penulisan di luar berita hasil pertandingan.

Ketiga, Making Artificial Intelligence Work for Investigative Journalism. Menurut

Jonathan Stray (2019) AI tidak banyak digunakan dalam jurnalisme investigatif karena

analisis kasus-kasus unik dalam proses investigatif. Namun adanya perkembangan

teknologi AI memungkinkan permasalahan itu dapat teratasi. Artikel ini menjelaskan

studi jurnalisme otomatisasi dengan mengembangkan praktek AI dalam meningkatkan

peran dan jangkauan jurnalis dalam investigasi yang memencahkan berbagai data dan

menuliskan menjadi berita. Penulis memberikan gambaran tantangan kedepan tentang

penggunaan AI meliputi, pengenalan pola untuk kasus unik yang membutuhkan akses

data yang berbeda disetiap kasus, efektivitas penggunaan tenaga manusia karena AI

mampu melakukan kerja melampaui tindakan manusia. Namun keterbatasan mengenai

kognitif manusia yang diterapkan dalam mesin untuk menerjemakan gagasan tentang

berita masih menjadi kendala. Secara keseluruhan, AI sangat berperan penting dan

layak digunakan untuk jurnalisme investigasi.

Keempat, Decades of Automation in the Newsroom. Penlitiaan yang dilakukan

Carl-Gustav Linden tahun 2016 berlatar belakang untuk mencari tahu bagaimana

logika jurnalisitk telah dimasukan dalam perangkat lunak dan dampak pada wartawan

dengan adanya jurnalisme opomatis, bagaimana logika jurnalisme telah ditafsirkan

dan diterjemahkan ke dalam perangkat lunak, "aturan untuk robot," dan bagaimana

para pakar industri mengantisipasi masa depan jurnalistik. Penelitian ini mewancarai

31 orang yang terdiri jurnalis data, manajer berita, ilmuwan komputer, akademisi, dan

pakar industri yang mendiami dan mereproduksi ekosistem baru komputasi,

jurnalisme, dan statistis. Metode digunakan kualitatif yang dilakukan di media

13
Amerika, Inggris, Swedia, francis dan Denmark. Hasil penelitian menyebutkan

jurnalisme otomatis tidak berdampak pada pengurangan tenaga kerja wartawan karena

bagimannapun wartawan memberikan makna pada pekerjaan mereka, mungkin akan

menjadi efek mitigasi yang kuat juga di masa depan.

Kelima, The Robotic Reporter, Automated Journalism And The Redefinition Of

Labor, Compositional Forms, And Journalistic Authority. Penelitian yang dilakukan

Matt Carlson (2014) melihat perkembangan jurnalisme otomatis yang

menggambungkan proses alogaritma mengubah data menjadi teks berita naratif

dengan intervensi terbatas dari manusia. Menggunakan metode studi kasus

diperusahan teknologi yang memulai mengembangkan Narrative Science sebagai

dasar berkembangannya jurnalism otomatis. Perusahaan di Chicago yang tumbuh dari

kemitraan di Universitas Northwestern antara ilmuwan komputer dan Medill School

of Journalism yang menghasilkan program penulisan olahraga otomatis StatsMonkey.

Penelitian ini mempertannyakan bagaimana Narrative Science menempatkan

teknologinya dalam visi jurnalisme yang seharusnya dan bagaimana wartawan

bereaksi terhadap inovasi ini. Kesimpulan penelitian ini menyebut pertumbuhan

jurnalisme otomatis sangat memperluas jumlah berita yang tersedia dan membebaskan

jurnalis untuk mengejar cerita yang kurang mekanis. Teknologi ini juga membantu

jurnalisme sebagai sistem pintar yang mampu menemukan pola yang mudah

terlewatkan oleh persepsi manusia. Kemampuan jurnalisme otomatis untuk menjadi

konten konsumsi, manusia memaksa pemeriksaan ulang tulisan baru yang terjebak

antara ketergantungan pada formula yang dipelajari dan kebutuhan untuk gaya

individual. Jurnalis yang mengidentifikasi apa yang tidak dapat secara otomatis

dilakukan seperti adanya dramatis berita dan kekuatan cerita, yang menunjukkan

14
 pemahaman yang lebih luas tentang otoritas jurnalistik untuk menjelaskan unsur-unsur

ini dengan lebih baik.

Penelitian sebelumnya belum melakukan penelitian pada bagaimana AI dalam

merubah cara kerja jurnalis di newsroom yang mempengaruhi rutinitas media dan

peran AI dalam mengambil keputusan. Selama ini, Newsroom memiliki peran penting

dengan keterlibatan manusia pada proses mempengaruhi produksi konten. Logika

pemerograman dalam prakek jurnalisitik sangat mempengaruhi dalam newsroom dan

tergolong baru digunakan di media Indonesia, sehingga memungkinkan mementuk

konsep baru jurnalisitik.

1.5.2 Paradigma Penelitian

Paradigma merupakan seperangkat keyakinan dasar yang memandu tindakan

(Lincoln, 2017:194). Paradigma penelitian digunkan untuk peneliti melihat realitas.

Paradigma didasarkan pada aksioma, atau pernyataan yang bersifat universal diterima

sebagai benar. Paradigma itu penting karena terkait dengan pemilihan metodologi

penelitian (Dominick, 2011:115). Penelitian ini menggunakan paradigma interpretif

sebagai keyakinan peneliti dalam memandu tindakan. Tujuan dari paradigma

interpretatif adalah untuk memahami bagaimana orang-orang dalam lingkungan alam

sehari-hari menciptakan arti dan menafsirkan peristiwa mereka dunia (Dominick,

2011:115).

Pada penelitian ini, Paradigma Interpretif digunakan untuk landasan dasar yang

menjelaskan bagaimana teknologi Artificial Intelligence (AI) terlibat dalam dirutinitas

media Lokadata.ID. Interpretif digunakan untuk menafsirkan perubahan-perubahan

dengan keterlibatan AI didalamnya.

1.5.3 Artificial Intelligence (AI) Jurnalisme

15
AI, sebuah bidang ilmu komputer, menekankan pada penciptaan mesin cerdas untuk

bekerja dan bereaksi seperti manusia. Untuk ini, komputer dengan AI mencakup aspek

pengenalan ucapan, pembelajaran, perencanaan, dan pemecahan masalah (Kulkarni &

Satapathy, 2020:165). Awalnya AI diciptakan oleh Ilmuan Ilmuwan John McCarthy

tahun 1955 untuk istilah mesin cerdas yang seolah-olah dilakukan manusia dalam

kehidupan sehari-hari, sehingga desain otak dapat menirukan manusia dari keratifitas

dan pengetahuan.

Pemanfaatan teknologi AI dalam dunia jurnalisitk digunakan untuk alat bantu

jurnalis dalam produksi. AI sangat mebantu di ruang redaksi dalam tiga kategori:

pertama AI dapat mengerjakan pekerjaan yang luput dari perhatian jurnalis seperti

identifikasi karena skala atau kompleksitas data. Artinnya AI cocok digunakan untuk

pemeriksaan fakta. Kedua, mengidentifikasi trend (atau menyimpang dari tren).

Kemampuan komputasi besar-besaran AI bisa membantu memberikan identifkasi dan

karakterisasi kumpulan data. Ketiga menelaah penerapan AI atau komputasi sebagai

subjek cerita itu sendiri (Keegan & King, 2017:7). AI dalam dunia jurnalistik

diterapkan untuk mengumpulkan data, menganalisis data, memproses data, menyusun

narasi yang dilakukan secara otomatis. Pada kasus tertentu, penulisan narasi dapat

dilakukan berdasarkan pola analisis berdasarkan pola dan memunculkan praktik

hibrid.

Bahkan AI sekarang mampu merespon secara komunikatif dari manusia berupa

percakapan, robot sosial dan otomatisasi perangkat penulisan. Teknologi ini terutama

dikembangkan dari kemajuan dalam sub-bidang AI Pemrosesan Bahasa Alami (NLP)

dan Generasi Bahasa Alami (NLG). Pada level paling dasar, NLP dan NLG memiliki

tujuan yang saling terkait dalam pemrosesan manusia komunikasi dengan cukup baik

sehingga memungkinkan mesin memahami pesan yang disajikan dalam bahasa

16
manusia, dan membuat pesan dalam bahasa manusia (Allen dalam Guzman & Lewis,

2019:3). NLP dan NLG ini sangat mungkin diterpakan dalam dunia jurnalistik.

Produksi konten berupa penulisan otomatis yang ditafsirkan dari alogaritma data. NLP

dan NLG membangun sistem komputasi yang menghasilkan laporan, teks (angka,

kata, vidio dan gambar), dan narasi. Sistem kerjanya, NLG melakukan analisis data

yang didapat dalam proses alogaritma AI, kemudian NLP mendapatkan informasi

yang relevan tentang data non-linguistik menghasilkan ringkasan dan penjelasan

tekstual dari data yang membantu orang memahami dan mendapat manfaat dari data

tersebut.

Penulisan berita secara otomatis dengan menggunakan logika alogaritma

dilakukan oleh computer assisted Reporting (CAR). Konsep terkini dikembangkan

oleh Eirik Stavelin yang menjelaskan praktek jurnalisitik berbasis perangkat lunak

yang mencakup lima bidang, pertama jurnalisme presisi (precision journalism),

computer-assisted reporting (CAR), jurnalisme data (data journalism), jurnalisme

database (database journalism), data-driven journalism, dan computational journalism.

Fokus utama dalam hal ini mengenai computer assisted reporting (CAR) yang mampu

merubah rutinitas media. Melisma Cox (2000) menyebut CAR adalah bentuk

pelaporan berita berbantuan komputer mengacu pada apa pun yang menggunakan

komputer untuk membantu dalam proses pengumpulan-berita (Eirik Stavelin, 2013:8).

Artinya komputer memungkinkan mengambil peran dalam mendapatkan informasi

dari aktivitas digital dengan menggunakan kata kunci dalam pencarian dengan

menggunakan alogaritma dari data-data yang acak maupun terstruktur, semua proses

dilakukan secara otomatis dan membentuk narasi-narasi teks yang mampu

diidentifikasi manusia. Meskipun CAR sendiri telah lama berkembang, namun

17
penggunanya dalam dunia jurnalistik masih sangat terbatas, hal itu tidak terlepas dari

kendala sumber data yang akan diperoses.

Adanya pemerograman AI Machine Learning (ML) yang mampu belajar

sendiri yang memungkinkan melalukan praktek otomatis dalam produksi berita yang

prosesnya dapat berulang. ML mempelajari pengenalan pola, mengekstraksi pola dari

data dan membuat sebuah keputusan berdasarkan pola yang diidentifikasi. Tujuan

machine learning memungkinkan membuat model untuk menggeneralisasi “aturan”

atau “pola” data sehingga kita dapat menggunakannya untuk mendapatkan

informasi/membuat keputusan (Jan & Gotama, 2018:8). Aplikasi ML termasuk

pengenalan ucapan atau pemrosesan bahasa alami, pemrosesan gambar seperti deteksi

wajah, klasifikasi urutan DNA, keuangan analisis, prediksi olahraga dan algoritma

mesin pencari (Essinger & Rosen, 2011:243).

Kehadiran AI sendiri akan berdampak pada perubahan yang akan terjadi dalam

internal intitusi, mengurangi model bisnis, meningkatkan rutintitas media, dan

mengeluarkan banyak informasi alternatif. Nicholas Diakopoulos dalam bukunya

Automating the news: How Alogarithms are rewriting the media menyebut bahwa AI

adalah media baru dimana wartawan dapat mengekspresikan dan menggunakan nilai-

nilai etis dan normatif mereka melalui kode yang mereka terapkan dan namun sangat

sedikit tugas wartawan yang mampu dikerjakan. Namun, Diakopoulos berpendapat

bahwa, AI dapat merusak pekerjaan jurnalitik (Broussard et al., 2019:2). Artinnya

Jurnalis akan merasakan dampak yang sangat signifikan akibat dari penerapannya AI

dalam proses rutinitas media. Menurut Graefe, (2016) yang memberi pondasi dalam

jurnalisme otomatis, dalam melihat pemerosean kerja secara otomatis mempengaruhi

cara kerja jurnalis, organisasi dan pembaca. Pemerosesan otomatis juga memiliki

18
 potensi seperti meningkatkan kecepatan hasil berita, memperluas jumlah berita,

akurasi, objektivitas dan personalisasi. Namun ada batasan yang terjadi seperti

ketersediaan data, keterbatasan analisis data dan keterbatasan program (algoritma).

Artinnya ada banyak perubahan yang ada didalamnnya.

Kegunaan konseptual diatas dalam penelitan ini untuk menjelaskan bentuk dan

sistem kerja AI yang telah dipraktekan dalam media Lokadata.IDyang mempengaruhi

rutinitas media.

1.5.4 Rutinitas Media

Rutinitas media merupakan bentuk, pola kerja pelaku media dalam produksi berita

mulai dari langkah perencanaan, pembuatan dan pendistribusian berita. Rutinitas

media memiliki dampak yang penting dalam produksi konten, karena rutinitas

membentuk tempat kerja media menjalankan tugas-tugas dan membangun lingkungan

dan budaya kerja. Pengaruh konten media dapat ditentukan oleh dua faktor, internal

dan eksternal yang dijelaskan dalam pandangan Hirarki Pengaruh Shoemaker &

Reese. Faktor internal meliputi karakteristik individu pekerja media dan rutinitas

media (media rutine). Sedangkan faktor eksernal meliputi ekstramedia (sumber-

sumber informasi, pengiklan, khalayak sasaran, kontrol pemerintah, dan pasar media)

dan Ideologi (sistem kepercayaan, nilai dan makna) (Nasrulah, 2018:79).

Gambar 1.5 : Model analisis lima hirarki pengaruh

19
 Sumber: (Shoemaker & Reese, 2014:9)

Rutinitas dalam prakteknnya membentuk seperangkat aturan kohesif yang menjadi

terintegrasi untuk mendefinisikan profesional media, dengan kata lain membentuk

panduan dalam memproduksi konten. Sumber rutinitas media terbagi tiga, audiens (

pembaca), organisasi media dan sumber berita (Shoemaker & Reese, 2014:164).

Ketiga konsep sangat mempengaruhi bagaimana rutinitas media bekerja. Konsep

audiens digambarkan, ketika audiens menggunakan media sosial maka mendapat

informasi yang akhirnya mempengaruhi produksi media, seperti berita trand, isu

terkini. Konsep organisasi media menciptakan praktik rutin untuk menangani materi

yang ada didalamnya harus memproses dan memproduksi. Konsep sumber informasi

berkaitan bagaimana produk mentah informasi didapat untuk memasok sumber berita

jurnalis. Seperti pada gambar 6.1, ketiga konsep memiliki hubungan yang tidak

terpisahkan, setiap konsep mempengaruhi konsep lain.

Konteks rutinitas media yang berinteraksi dengan teknologi mampu merubah

jurnalis, dimana komputer dan bahasa pemerograman membentuk gaya berfikir dan

pola dalam memahami informasi dalam pandangan jurnalis. Bahkan, praktek tersebut

mampu membentuk cara kerja dan pandangan tentang konten prioritas. Sebut, AI yang

mampu memberikan rekomendasi, untuk melakukan proses produksi berita dan

menyesuaikan konten. Artinnya, proses Gatekeeper sebagai individu memutuskan

informasi yang dipilih untuk menjadi berita, bagaimana informasi itu diproduksi, dan

pada platform mana informasi dikirimkan, sangat dipengaruhi bahasa pemrogaman

(alogaritma) untuk memutuskan (Shoemaker & Reese, 2014:165). Proses tersebut

tidak bisa dipisahkan untuk memahmai audiens dalam mengkonsumsi konten yang

data tersebut akan digunakan untuk organisasi menarik iklan dan keuntungan.

20
 Gambar 1.6 : Sumber rutinitas Media

Sumber:(Shoemaker & Reese, 2014:169)

Praktek tersebut mengikatkan bagaimaan big data menjadi sangat penting

dibanding makna konten yang dihasilkan, sehingga nilai berita, dan berita layak

tergantikan dengan aktivitas digital untuk membentuk berita yang ujungnya untuk

kepentingan bisnis. AI memiliki peran penting dalam rutinitas media. Penting diingat

rutinitas media sub yang sangat luas dalam media, artiannya rutinitas media,

didalammnya tedapat sub kusus dalam memproduksi berita yang dikenal dengan

rutintias newsroom.

1.6 Oprasional Konsep

Rutinitas merupakan bentuk kerja pelaku media dalam memproduksi konten. Sumber

rutinitas media terbagi tiga, audiens ( pembaca), organisasi media dan sumber berita

(Shoemaker & Reese, 2014:164). Proses produksinya meliputi perencanaan

(Newsgathering), pembuatan (News production ) dan pendistribusian (distribution ) berita

(Bradshaw, 2012:16).

Berdasarkan penjelasan diatas, penelitian ini fokus pada penggunaan AI dalam merubah

kerja pada rutinitas media. Aspek yang diteliti meliputi sumber rutinitas media mulai dari

sumber berita, organisasi dan audines:

21
 1. News gathering merupakan proses penggumpulan informasi. Prosesnya meliputi

bagaimana produk mentah informasi didapat untuk memasok sumber berita jurnalis

atau yang disebut proses news gathering. Aspek yang dipilih, meliputi perencanaan,

penentuan tema, sumber-sumber informasi, pemilihan sumber informasi, pengumpulan

data dan pengembangkan isu.

2.News processing meliputi pemerosesan berita. Praktik rutin untuk memproses dan

memproduksi. Aspek yang diteliti meliputi proses, pelaksanaan, kebijakan konten,

penulisan, mengelola, penonjolan, mengedit, seleksi, dan keputusan penyebaran

konten.

3. News Distribution merupakan proses penyebaran berita. Aspek yang diteliti meliputi

semua aspek yang ada dalam proses distribusi.

1.7 Metodelogi Penelitian

Tipe penelitian ini adalah diskriptif kualitatif dengan pendekatan studi kasus. Penelitian

kualitatif adalah penelitan yang bermaksud untuk memahami fenomena tentang apa yang

dialami subjek penelitian, misalnnya persepsi, motiviasi, tindakan dll, secara holisitik dan

dengan cara diskripsi dalam bentuk kata-kata dan bahasa, pada suatu konteks khusus yang

alamiah dan memanfaatkan berbagai metode ilmiah (Moleong, 2017:6), sedangkan

penelitian diskriptif kualitatif ditunjukan untuk menjelaskan dan menggambarkan

fenomena yang ada, baik bersifat alamiah maupun rekayasa manusia yang memperlihatkan

mengenai karakterisitik, kualitas, keterkaitan antar kegiatan (Sukamadinata, 2011: :72-73).

Metode kualitiatif meliputi pengamatan, wawancara, dan penelaahan dokumen. Penelitian

di Lokadata.id, Peneliti akan menjadi instrumern pokok riset dan akan menggali informasi

dan menganalisis data lapangan. Langkah selanjutunnya peneliti melaporkan hasil termasuk

dalam diskripsi rincian.

1.7.1 Desain Penelitian

22
Menurut Maxfield (1930) metode studi kasus adalah penelitian mengenai subjek

penelitian yang berkenaan dengan suatu fase sepesifik atau khas dari keseluruhan

personal. Subjek penelitan berupa individu, kelompok, lembaga, dan masyarakat.

Produk penelitian kasus adalah suatu generalisasi pola-pola kusus yang tipikal dari

individu, kelompok dan lembaga, sedangkan ruang lingkup mencakup keseluruhan

siklus kehidupan dari individu, kelompok dan sebagainnya, baik dengan penekanan

terhadap faktor-faktor kasus tertentu maupun meliputi keseluruhan faktor-faktor dan

fenomena-fenomena (Nazir, 1988:670 dalam Prastowo, 2011:127). Konteks

penelitian ini terletak pada lembaga media yang melakukan aktivitas jurnalisme.

Sementara Sudi kasus merupakan metode ilmu sosial yang cocok untuk penelitian

dengan pokok pertannyaan how dan why, peneliti hanya sedikit peluang untuk

mengontrol peristiwa-peristiwa yang akan diselidiki, dan fokus penelitiannya terletak

pada fenomena kontemporer dalam kehidupan nyata (Yin, 2014:1). Menurut Yin,

desain penelitian studi kasus dibagi dua, pertama Desain tunggal dan multikasus.

Desain tunggal menempatkan kasus pada fokus utama atau disebut desain tunggal

holistik. Penelitian hanya diarahkan untuk mengkaji sifat umum program yang

bersangkutan. Keuntungan desain ini jika tidak ada satu subunit yang logis dapat

diidentifikasi dan bila ada satu teori relevan yang mendasari.

Jenis-jenis Studi kasus dalam penelitian ini adalah deskriptif. Studi ini digunakan

untuk mendiskripsikan intervensi atau fenomena dan konteks kehidupan nyata yang

terjadi menyertainnya (Yin, 2009 dalam Sunarto dkk, 2011:211). Penggunan studi

kasus dalam konteks penelitian ini, metode studi kasus mampu menjelaskan

keterkatitan dalam mempengaruhi kehidupan nyata. Dalam studi kasus, pada

dasarnnya ada dua desain besar, tunggal dan multikasus. Penelitian ini menggunakan

desain tunggal, dimana memungkinkan peneliti mempertahankan karakter holistik

23
 dan bermakna dari kehidupan proses-proses organisasional dan manajerial,

sedangkan jenis studi kasus diskripsi akan menjelaskan pertannyaan mengapa dan

bagaimana proses Artificial Intelligence dalam newsroom Lokadata.id.

1.7.2 Situs Penelitian

Situs Penelitian ini adalah ruang redaksi media online Lokadata.ID dengan melihat

penggunan Artificial Intellegence (AI) dalam proses produksi berita di newsroom

yang mempengaruhi rutinitas media dalam menghasilkan produk berita berbasis

jurnalisme data. Lokadata.ID selama ini dikenal sangat konsen dalam penerapan

teknologi dalam proses rutinitas media untuk menghasikan berita untuk mengisi

rubik arena, berita, bincang, edisi khusus, editorial, figur, film bulan ini, gaya hidup,

laporan khas, otogen, piknik, ramadan, sains & tekno, seni hiburan, tabik, telatah,

ulasan, waini, video dan foto dipubliser.

1.7.3 Subjek Penelitian

Subjek penelitian ini adalah situs berita Lokadata.ID dengan narasumber yang

mengetahui proses kerja AI. Informan terbagi menjadi dua informan utama dan

informan tambahan. Informan utama merupakan pihak yang terlibat langsung dalam

proses AI dan Informan tambahan pihak yang berada pada lingkungan proses rutinitas

yang memungkinkan informan terlibat langsung dan tidak langsung dalam aktivitas

AI. Informan utama tediri dari Wakil Pimpinan Redaksi Rahadian Prajna Paramita

dari Redaksi, Kepala Departemen Teknologi, Henkie Prabancono, Development Tim

Teknologi, Atik Nugraha, dan Eka Arisman. Informan tambahan Pimpinan Redaksi

Dwi Setyo Irawanto Senior Editor Ayyi Achmad Hidayah dan Chief Data Officer

Lokadata.ID, Ahmad Suwandi. Proses wawancara dilakukan mulai dari Maret hingga

November 2020.

1.7.4 Langkah Penelitian

24
 Penelitian berpedoman pada langkah penelitian studi kasus. Dalam Yin (2014)

penelitian menggunakan metode studi kasus diawali membuat desain penelitian

dengan menjelaskan hubungan kasus yang diteliti pada teori yang digunakan, lalu

selanjutnya mengoperasionalkan konsep-konsep dan teori yang digunakan. Desain

penelitian ini akan menjadi acuan untuk langkah selanjutnya yaitu pengumpulan dan

analisa data (Yin, 2014:61-62). Untuk melihat bagaimana AI mempengaruhi rutinitas

media dalam produksi konten, Penelitian ini diawali dengan membuat kerangka

pemikiran sebagai konseptual, kemudian digunakan untuk desain penelitian.

Gambaran visualisasi penelitian seperti gambar dibawah. Selanjutnya, langkah-

langkah penelitian melihat praktek AI jurnalisitk, kedua proses gatekeeping yang

dipengaruhi AI. Detail langkah penelitian sebagai berikuat:

1. Pertama, penulis mencari tahu proses yang terjadi dalam AI pada saat proses

oprasional disetiap tahapan. Dalam proses tersebut peneliti mengajukan

pertahnnyan kepada pihak yang terlibat langsung.

2. Kedua, melihat perubahan yang terjadi setelah penggunaan AI dalam rutinitas

media meliputi news Gathering, news processing dan news distribution.

Kemudian peneliti melakukan wawancara kepada pihak-pihak yang terlibat dalam

proses rutinitas media dan pekerja yang berinterkasi langsung dengan pekerjan.

1.7.5 Jenis dan Sumber Data

Jenis data meliputi data primer dan sekunder. Data primer didapat dari wawancara

mendalam dengan objek dan catatan pengamatan. Data sekunder didapat dali

penelusuran dokumen, studi literatur mulalui( buku, jurnal) dan sumber refrensi

terkait dengan objek penelitian. Sumber data didapat dari wawancara dengan jurnalis

di Lokadata.ID(lokadata.id)

25
1.7.6 Teknik Pengumpulan Data

Penelitian ini menggunakan teknik pengumpulan data dokumen, observasi,

wawancara mendalam, dan studi pustaka. Studi dokumen digunakan untuk

mengetahui sejauh mana AI mampu membuat konten berita. dokumen berupa vidio

dan tulisan. Observasi digunakan untuk mengamati dengan catatan-catatan sistematis

yang secara langsung mendukung data penelitian. Wawancara mendalam digunakan

untuk mengumpulkan data dari subjek atau pelaku yang terlibat langsung dalam

proses AI dalam newsroom. Wawancara mendalam sendiri diartikan sebagai cara

mengumpulkan data atau informasi agar mendapatkan data yang lengkap dan

mendalam. Data wawancana dalam penelitian ini dijadikan data perimer yang

menjelaskan implikasi AI dalam newsroom. Studi pustaka digunakan untuk

memperkuat data primer. Sumber studi pustaka meliputi buku, jurnal, artikel,

penelitian dan bahawa bacaan online yang akan menjelaskan permasalahan

penelitian.

1.7.7 Analisis Data

Terdapat empat strategi analisis data yaitu Relying on theoritical proposition,

developing a case description, using both qualitative and quantitative data dan

examining rival explanation (Yin,2019:130 dalam. Penelitian ini menggunakan

strategi analisis Relying on theoritical proposition dengan langkah-langkah pertama

peneliti mempelajari teori atau situasi ideal, kemudian dengan menggunakan teori

tersebut peneliti memotret dan menganalisis fenomena. Fungsi dari teori adalah

membantu membentuk proposisi-proposisi yang selanjutnnya menjadi pisau analisis

fenomena yang diteliti (Sunarto dkk, 2011:).

Teknik analisinnya menurut (Yin, 2009) menyebutkan lima teknik, pertama pattern

matching merupakan penjodohan berpola atas data-data yang dikumpulkan, sehingga

26
 data-data yang valid adalah data yang menunjukan kesamaan. Carannya

membandingkan pola yang didasari data empiris dengan pola prediksi. Persamaan

pola akan menguatkan validitas internal. Kedua, explanation building bertujuan

membangun sebuah esplanasi atas kasus, tahapnnya meliputi susunan pertannyaan

teoritis dan proposisi, bandingkan temuan kasus dengan proposisi, lakukan revisi atas

proposisi, bandingkan dengan detail, lakukan revisi pada fakta kedua dan

seterusnnya, dan lakukan pengecekan revisi. Ketiga, analisis time-series, proposisi

dibentuk dengan cara dengan melakukan pengulangan penelitian dengan periode

tertentu.

Pada penelitian ini, analisis dilakukan dengan cara mengaitkan antara ekplanasi hasil

temuan penelitan dengan penjelasan-penjelasan atau proposisi-proposisi teoritis.

Teori yang digunakan teori hirarki pengaruh dan teori sistem. Data-data yang

ditemukan diperkuat dengan hasil wawancara, pengamatan, dokumen yang

kemudian di analisis.

Untuk menganalisis data, peneliti berdoman dari Miles dan Hubermans dalam

(Pawito, 2007: 104) pertama pengumpulan data (data colleting). Pengumpulan data

dilakukan dengan pengamatan, wawancara, dan dokumen. Kedua reduksi data (data

reduction). Hal ini dilakukan dengan mengedit, mengkalsifkasikan dan meringkas

data. Lalu, setelah itu melakukan koding sehingga ditemukan tema dan pola. Ketiga

menyajikan data (data display) setelah sebelumnnya melakukan perorganisasian.

Data-data yang dilakukan sesuai dengan kualifikasi. Penyajian data berupa teks

naratif. Keempat pengujian dan penarikan kesimpulan (conclution drawing).

1.7.8 Goodness Criteria

Goodnes Criteria merupakan cara peneliti mempertimangkan kulaitas data dalam

proses pencarian pengetahuan. Data yang diperoleh dari wawancara dan analisis
27
 dokumen, perlu dilakukan pengujain keabsahaannya sebelum diolah. Goodness

criteria atau kualitas data menentukan analisis dari peneliti. Menurut Denzim

(1995:180) Kualitas data dapat ditentukan dari authenticity dan trustworthiess.

Authenticity merupakan laporan harus terbuka, jujur dan seimbang. Dalam penelitian

ini peneliti mendapatkan data dari sumber terpercaya dan pelaku langsung didalam

proses yang akan diteliti. Sedangkan Trustworthiess merupakan cara peneliti

menyajikan bukti yang dapat dipercaya. Trustworthiness mengandung komponen

credebility, transferability, dan confirmability. Credebility adalah apakah data yang

didapat dapat dipercaya. Dalam penelitian ini dilakukan dengan melakukan

peningkatkan intensitas pengamatan pada data dan kecermatan. Transferability

mengacu pada generalisasi data. Artinnya jika data akan menunjukan kesamaan.

Confirmability artinnya peneliti disajikan terbuka dan hasil wawancara disertakan

dalam lampiran.

1.7.9 Keterbatasan Penelitian

Peneliti ini memiliki keterbatasan data yang didapatkan dari hasil wawancara karena

mengandalkan pengalaman dan pengetahuan individu dalam proses berlangsungnya

Penggunan AI dalam rutinitas produksi. Proses wawancara juga tidak dapat

dilakukan secara langsung melainkan dimediasi oleh aplikasi video (googlemeet),

email dan Whatsapp call. Peneliti juga tidak dapat melakukan observasi sebagai salah

satu teknik pengumpulan data di penelitian sudi kasus.

Pada proses kebijakan radaksional, peneliti tidak bisa terlibat langsung karena

kegiatan tersebut berlangsung secara internal. Selain itu keterbatasan waktu dalam

meneliti. Pada penelitian ini, peneliti hanya menguraikan tentang perubahan yang

terjadi dirutinitas media dalam penggunaan AI untuk produksi konten. Peneliti

28
menggunaakn desain tunggal, sehingga tidak dapat menghasilkan kesimpulan yang

digeneralisasi, namun tetap memberikan pengetahuan.

29
 BAB II

Desain Media Online

Pesatnya perkembangan media online memunculkan berbagai model dan segmentasi konten

yang mengarah pada ciri karaktetisitk media sebagai bentuk persaingan antar media. Ketatnya

persaingan tersebut mendorong media memproduksi konten personalisasi berdasarkan

keinginan pembanca. Perkembangan teknologi komunikasi, berdampak baik pada media yang

terus bermunculan dan membantu kerja jurnalis, salah satunya pemanfaatan big data sebagai

sumber informasi. Melalui aktivitas digital, big data bekerja merekam aktivitas untuk

mengetahui perbincangan pembaca yang akan memberikan pertimbangan dalam produksi

konten dan mengetahui konten yang akurat diminati pembaca. Bab ini membahas model media

yang menggunakan AI sebagai bagian dari proses produksi konten.

2.1. Perkembangan Media Online

Perkembangan media online tidak bisa dipisahkan dengan adanya peningkatan pengguna

internet dan peningkatan infrastruktur jaringan yang mendorong kemudahan akses. Menurut

Data We Are Social¸ pengguna internet di Indonesia per Januari 2020 mencapai 175.4 juta

pengguna dengan penetrasi mencapai 64% persen, meningkat 17% diantara tahun 2019 dan

2020. Artinya berdampak baik pada industri media online yang sangat mengandalkan internet

untuk akses utama. Peningkatan pengguna internet membuat bisnis media online terus

berkembang dengan memberikan berbagai konten menarik ataupun sekedar meningkatkan

trafik.

Sebelumnya Aliansi Jurnalis Independen (AJI) Indonesia menyebut perkembangan media

online Indonesia terbagi dari berbagai tahap. Pertama, era 1990an atau disebut genderasi

pertama, yang ditandai dengan munculnya www.republika.co.id pada 17 agustus 1995.

30
Republika mengawai upaya media memperluas jaringan yang sebelumnya fokus pada media

cetak. Kondisi politik yang tidak stabil berdampak pada pemberedalan media yang mengeritisi

pemerintah, mendorong muncul media online, seperti yang dilakukan Tempo dengan

meluncurkan www.tempo.co pada 2 September 1996, disusul www.waspada.co.id di Medan

pada 11 juli 1997, www.kompas.com pada 22 agustus 1997. Kedua, genderasi ini diawali

dengan munculnya media online yang otonom tanpa ada media utama (Cetak) seperti

sebelumnya. Media detik.com yang laih pada 9 juli 1998 memulai mengenalkan media ringkas

yang menjadi ciri media online sekarang. Ketiga, generasi Datcom yang ditandai munculnya

media lokal. Pada fase ini, generasi Detikcom mulai tergerus dengan model media grup yang

menggabungkan berbagai media dalam satu wadah untuk mengurangi oprasional. Fase ini

ditandai munculnya grup PT Media Nusantara Citra (MMC) dialamnya terdapat setasiun tv,

media cetak dan radio meluncurkan www.Okezone.com yang sekarang menjadi situs media

terpopuler di Indonesia pada situs Alexa.com.

Sekarang, media online menjadi sarana penting mendapatkan informasi dibanding dengan

media konvensional. Data Alexa.com seperti gambar dibawah menunjukan media online

memiliki kunjungan yang tinggi dari pembaca dengan lama kunjungan diatas dua menit dan

sangat bergantung dengan penyebaran link yang dilakukan diplatfrom media sosial. Minat

kunjunga terus meningkat, yang berdampak baik pada industri media.

Tabel 2.1 :Media online yang sering dikunjungi di Indonesia

Website Time/Site (m/s) Page/visit Total Link Rank

Okezone.com 4:27 4.41 16,992 1
Tribunnews.com 3:53 1.99 29,448 3
Grid.id 4:25 2.05 8,546 5
Detik.com 6:46 4.20 45,211 6
Kompas.com 4:30 2.14 46,541 7
Sindonews.com 3:49 2.42 5,074 8
Liputan6.com 4:44 2.11 21,292 9
Suara.com 3:32 2.14 4,665 12
31
 Merdeka.com 3:29 1.78 10,977 13
Kumparan.com 2:57 1.93 5,695 14
Lokadata.id 2:39 2.2 44 3008
Sumber:Alexa.com diakses pada 21 Mei 2020

Menarik melihat media online yang tergolong baru dalam merebut pangsa pasar, mulai dari

mengandalkan konten, konektivitas dan sengementasi kusus. Kusus Lokadata.IDyang

tergolong baru usianya masih seumur jagung dengan awal pemberitaan pada Janurari,

menggunakan teknologi sebagai bagian utama kerja jurnalisitk. Hasil akhir konten berupa olah

data sebagai ciri utama konten dengan tampilan visual angka dan grafik yang sangat dominan.

Media online sangat mengandalakan share di media online untuk mengarahkan pembaca ke

publiser. Tidak sedikit ruang redaksi menggunakan model konvergensi yang mengabungkan

berbagai media (TV, radio, cetak, online) dalam satu alur kerja yang saling mengisi dengan

teknologi digital. Menurut Terry Flew konvergensi media merupakan hasil dari irisan tiga

unsur new media yaitu jaringan komunikasi, teknologi informasi, dan konten media. Ketiga

unsur itu menyebabkan perubahan dasar dalam penanganan, penyediaan, distribusi dan

pemrosesan seluruh bentuk informasi baik visual, audio, dan data (Preston, 2001 dalam Anton,

Prihartono, & Sos, 2016:108). Perubahan tersebut dimaksudkan agar mudanyah integrasi antar

media dalam sistem jaringan. Media yang menerapakan konvergensi lebih cenderung media

yang mengalami adapatasi dengan teknologi bukan pada media yang lahir karena adanya

teknologi digital seperti lokadata.id.

Lokadata.ID dengan total kunjungan yang mencapai 2.2 kali untuk media baru tidaklah buruk,

meskipun total link yang masih tergolong sedikit dibanding media lain, menjadi tugas

Lokadata.IDmeningkatan interaksi digital untuk menarik para pembaca dari media online ke

publiser. Data We are Social, Hotesuit (2020) menunjukan media sosial yang sering diakses

pengguna internet di Indonesia tahun 2020 (febuari) yaitu Youtube mencapai 88%,

WhatsAppa sebesar 84%, Facebook sebesar 82%, dan Instagram 79% dengan rata-rata waktu
32
 yang dihabiskan masyarakat Indonesia untuk mengakses sosial media selama 3 jam 26 menit

(https://databoks.katadata.CO.ID diakses pada 4 juni 2020, pukul 11.25). Mengutip dari situs

resmi lokadata.id, berusahan menghadikan media online yang berbasis pada data anlisis

berdasarkan riset. Lokadata.ID menilai informasi yang berkembang setiap harinya, membuat

pembaca dengan artikel data menunjukan garfik meningkat dalam perkembangannya. Hal

tersebut yang menjadi dasar Lokadata.IDmengenalkan konsep jurnalisme data sebagai konten

unggulan ditengah media online yang mengandalkan informasi cepat. Untuk mendorong

konsistensi tersebut, lokadata,id menggunakan teknologi otomatisasi sebagai pendukung yang

diimplementasikan dalam bentuk kecerdasan buatan. Kecederungan perubahan gaya

membanca oleh audines memberikan peluang baru Lokadata.IDbersaing.

2.2. Lokadata.ID

2.2.1. Sejarah Lokadata.ID

Lokadata.ID merupakan perusahan media online yang tergolong baru dalam dunia

jurnalisitik. Tampil pertama kali dalam memberikan informasi pada desember 2019,

Lokadata.ID hadir memberikan warna baru dengan fokus utama konten berkaitan

dengan dunia ekonomi. Mengutip dari situs resminya www.lokadata.ID, media ini fokus

menampilkan jurnalisme data dan riset sebagai konten utama. Lokadata.ID beranggapan

ada trend perubahan pembaca yang sedang berlangsung di Indonesia, mulai dari

konsumsi konten yang mendalam ke konsumsi konten informatif hingga konten visual

dengan data-data mendominasi. Perubahan ini yang melandasi Lokadata.ID konsisten

menghadapi persaingan dengan konten data.

Gambar: logo Lokadata.id

Sumber:www.Lokadata.IDdiakses pada 12 mei 2020

33
Perspektif yang baru dalam mengkonsumsi konten dipercayai mampu menampilkan

peristiwa atau tren yang lebih menarik dan menjadi tantangan jurnalisme dimasa depan

yang berinteraksi langsung dengan teknologi digital. Kumpulan data yang tersebar

dinilai menjadi era baru media mendapatkan sumber informasi dan melihat isu.

Sejak pertama kali menampilkan konten pada desember 2019, berbagai bentuk dan

tampilan konten telah tersebar melalui platfrom situs. Keseriusan Lokadata.IDbergerak

pada jurnalisme data telihat dari perubahan mendasar mulai dari nama dan struktur

keredaksian. Dulunya Lokadata.IDdikenal dengan nama perusaan beritagar.id yang

didalamnya ada berbagai situs mini seperti lokadata.beritagar.id yang menampilkan

berita visual mulai dari grafik, tabel dan stasistik. Menurut Rahadian Prajna Paramita

selaku Deputy Editor In Chief Selama 4,5 tahun dengan nama media beritagar.id, dinilai

tidak identik dengan data, sehingga perlu ada perubahan nama agar identik dengan

jurnalism data, sehingga berganti nama lokadata.id.

“kita mau fokus pada data, kita cari nama yang lebih keasosiasi kedata makanya

lokadata”, (Sumber: wawancara, Rahadian:2020)

Awalnya, Beritagar.ID selaku media terdahulu dari Lokadata.IDlahir pada 2015 yang

merupakan situs kurasi publik, lintas.me (2011), dengan situs kurasi Beritagar.com

(2012). Praktik yang dilakukan Beritagar.id yaitu dengan melakukan agregasi konten

dari berbagai sumber yang kemudian digabungkan. Redaksi berperan menyunting dan

melengkapi dari sumber lain. Melalui penggunaan teknologi otomtis, Beritagar.id media

pertama di Indonesia yang menggunakan kecerdasan buatan dalam produksi konten.

34
 Kini, Lokadata.ID dikenal luas media berbasis data, bahkan telah menjadi rujukan

media-media lain untuk belajar dan mengenal jurnalism data. Data diyakini mampu

berperan penting dalam pengambilan keputusan, mulai dari bidang bisnis, politik atau

pemerintah. Melalui jurnalisme data, media mampu memberikan informasi akurat dan

menangksi berita bohong dan hoax.

2.2.2. Struktur Organisasi

Lokadata.ID secara entitas bisnis di bawah payung PT Lintas Cipta Media (LCM) yang

merupakan anak perusahaan Global Digital Prima (GDP) Venture. GDP Venture adalah

perusahaan investasi di bisnis konsumsi melalui internet dan aktif berinvestasi di

perusahaan rintisan di Indonesia. Mengutip dari situs resminya www.gdpventure.com,

GDP Venture bertujuan untuk menciptakan ekosistem sehat menghasilkan perusahan

digital yang didukung tim technopreneur besar, insinyur dan pemasar. GDP Venture

bergerak pada komunitas digital, media, perdagangan, dan perusahaan solusi di industri

internet konsumen Indonesia. Dukungan yang kuat dibidang digital, GDP Venture

memiliki berbagai anak prusahaan dibidang digital, salah satunya media online seperti

IDN Media, Bolalob, DailySocial, Bobotoh.id, Kumparan, Kincir, opini, Kurio, Endeus,

HistoriA, dan Womentalk.com. Sementara komunitas online memiliki Kaskus, dan

Mindtalk. Dukungan Jejaring media online tersebut, membuat Lokadata.ID memiliki

akses informasi yang luas dalam memberikan konten menarik terutama mengenai

jurnalisme data.

Lokadata.ID beralamat di Wisma 77 Tower 1, Lantai 3 Jl. Letjen S. Parman Kav.

77 Slipi - Jakarta Barat 11410 dapat dihubungi Telp. +6221 5366 6794Faks. +6221 5366

6794, Email redaksi@lokadata.id marketing@lokadata.id. Adapun struktur organisasi

sebagai berikut:

35
Board Of Directors/ Pimpinan Umum
Chief Executive Officer:Herman Kwok
Chief Operation Officer:Didi Nugrahadi

Editorial Team
Editor In Chief :Dwi Setyo Irawanto
Deputy Editor In Chief :Rahadian Prajna Paramita
Editorial Board :Luky Maulana Firmansyah, Rabiatul Adawiyah, Tasya Simatupang
Multimedia:Bagus Tri Wibowo, Pratita Mandaga Sigilipoe, Salni Setyadi
Editorial Secretary :Airin Febrina

Data & Research

Chief Data Officer :Ahmad Suwandi
Data Analyst :Choirunnisa Nur, Cornelius Agung B, Dimas Sigi Nugraha,
Doddy Farhan, Imron Fauzi, Muhammad Nafi', Ryane Andika Kristianto
Data Logistics :Agung Setyo Nugroho, Cahaya Harahap, Lita Kurnia Salsabila, Markus
Deni Kuncoro, Muhamad Yogi
Content :Anindhita Maharrani, Islahuddin
Data Scientist :Kaka Enindhita Prakasa, Nanang Syaifudin
Data Visualizer :Arijal Khoiru Firos, Astari Kusumawardhani

Technology
Head Of Technology Dept :Henkie Prabancono
Development :Atik Nugraha, Eka Arisman, Eka Candra Setyobudi, Iyan
Kushardiansah, Luluq Miftakhul Huda
Support:Norvianto, Prisca Prisilia Rambitan, Reno Ardy Darmawan, Trio Putra
Candra Buwana
Marketing & Sales
Head Of Marketing & Sales Dept: Iqbal Prakasa
Activation & Partnership :Arianti Wulandari, Martyn Kho
Digital Marketing :Firni Fadzriani
Social Media Engagement :Partiniyani Yuningsih
Head Of Sales Division :Ris Munandar Aribowo
36
Account Executive :Aisha Putri Tania, Adhitya Hakim, Andreas Imanuel
Planner :Albertus A. Walandow, Mutiasari
Head Of Content Marketing Division :Syarahsmanda Sugiartoputri
Content Developer :Abdul Wahid Fauzie, Andreas Yemmy Martiano, Gary
Jatikusumo, Indra Wiguna Rosalia, Irsan Suwanto, Muhammad Imaduddin, Randi
Aditya, Sri Wiyanti
Office Management :Susi Rahayu
Editoiral tim Lokadata.ID yang memiliki wewenang menampilkan konten di platfrom

sekilas tidak memiliki perbedaan dengan media lainnya, yaitu berkutik dengan arah

pemberitaan, nulis, reportase dan kerja redaksi. perbedaan mendasar yang terjadi yaitu

metode mendapatkan, memproses konten yang akan ditampilkan. Redaksi lebih banyak

menggunakan sumber konten yang telah tersedia kemudian dikurasi dan diproses

berdasarkan kebutuhan media.

Adanya tim Data dan Research dalam struktur organisasi mempertegas

Lokadata.ID mengembangkan jurnalisme data di media Indonesia. Tim data tersebut

memberikan kontribusi aktif untuk konten yang akan kurasi oleh tim editor. Berdasarkan

penjelasan Rahadian Prajna Paramita selaku Deputy Editor In Chief, tim data bertugas

memberikan sumber data yang akan diolah oleh tim redaksi. Rahadian menyebut, tim

data bukan hanya memberikan sumber data untuk Lokadata.ID, melainkan media lain

yang membutuhkan data dan media dengan satu jejaring. Utama tugas dari tim data lebih

kepada urusan bisnis.

Konteks penerapan AI dalam produksi konten di lokadata.ID, berada dalam tugas

tim teknologi yang menjamin setiap proses otomatisasi berjalan dan berfungsi dengan

baik. Rahadian menyebut tim teknolgi bertugas menjamin kerbelangsungan sistem

otomatisasi dan proses digital . Hal tersebut didasari pada oprasional utama Lokadata.ID

adalah sistem digital.

37
 “Tim teknologi bertugas mulai menjaga sistusnya hidup, menjaga sirver, ngurus tms,

menejemen servisnya, dan AI”, (sumber: wawancara, Rahadian:2020)

2.2.3. Rubikasi Berita

Lokadata.ID dalam menyampaikan konten membagi berbagai isu kedalam berbagai

rubikasi, mulai dari artikel, visual, data, robotorial, living data, sorot media, edisi kusus

dan laporan khas. Berdasarakan analisis isi konten pada bulan mei 2020, Lokadata

membagikan berita 15015 berita dengan tema dan rubikasi berbeda-beda seperti dalam

grafik dibawah. Rubik robotorial sangat mendominasi persebaran berita dalam platfrom.

Total Share berita bulan Mei 2020

1500
1209
1000

500

0 113 94 23 85
Artikel Sorot media Data Visual Robotorial

Sumber: Olahan Peneliti (2020)

Peserbaran berita berdasarkan tema, berita tentang prakiraan cuaca sangat

mendominasi. Berita ini diproduksi secara otomatis menggunakan AI. Berdasarkan

kategori berita, isu industri 46, ekonomi 113, pemerintah/politik 51, olahraga 3, covid19

31, hukum 16, kesehatan 117, sosial 95, pendidikan 10, teknologi 6, prakiraan cuaca,

1013 dan lingkungan 13. Melihat dari hasil analisis isi, diluar produksi robot, isu

ekonomi menjadi fokus utama redaksi, hal tersebut sejalan dengan idologi media dan

kebijakan redaksi. Lokadata.ID memberikan perhatian lebih pada dunia ekonomi, mulai

menampilkan info tentang trand pasar, harga saham, emas dan juga industri.

38
 Persebaran berita bulam mei berdasarkan
1500 tema
1013
1000

500

46 113 51 117 95
3 31 16 10 6 14
0
Industri Ekonomi Pemerintah/politik
Tema Berita Olahraga
Covid19 hukum Kesehatan Sosial
Pendidikan Teknologi Prakiraan Cuaca Lingkungan

Sumber: Olahan Peneliti (2020)

2.2.3.1. Rubikasi Artikel

Rubikasi Artikel berisi berita-berita keseharain dengan berbagai isu terkini.

Karakteristik konten yaitu menampikan teks kata didukung data yang tampilkan secara

visual dengan tetap mengandalkan informan untuk menceritakan kronologi setiap berita.

berdasarkan analisi isi, isu industri mendominasi konten yang disusul isu ekonomi,

seperti telihat pada gambar grafik.

Grafik 2.1 Rubikasi artikel

Berita artikel
40
20 29 25
20 17 13
0 5 3 1

Total Berita:113

Sumber:Olahan Peneliti (2020)

2.2.3.2. Rubikasi Data

Rubikasi data berisi berita yang diominasi tampilan berupa grafik dan artikel berita.

artikel berita dalam rubik karakternya tidak berbeda jauh dengan rubik artikel, namun
39
kusus sub grafik hanya menampilkan grafik dengan penjelasan singkat. Berdasarkan

analisi isi, isu ekonomi banyak ditampilkan dalam rubik seperti gambar grafik dibawah.

Berita Data
20
11 9
0 1 2
Ekonomi Sosial Sosial Kesehatan

Total Berita:23

Sumber:olahan peneliti (2020)

2.2.3.3. Rubikasi Living Data

Rubik living data berisi konten mengenai isu kusus yang ditampilkan dalam bentuk

gambar, infografik dan visual. Karakternya berisi pengumpulan, pengelolahan dan

pemaparan data dengan penjelasan teks singkat.

2.2.3.4. Rubikasi Edisi Kusus

Rubik ini mengulas kisah, seputar istimewa atau topik istimewa. Contoh isu yang

diangkat seperti “bui warisan kompeni”, dan “nasi goreng”. Karater berita pada rubik

lebih kepada berita informatif yang membahas dari sejarah hingga kondisi terkini.

2.2.3.5. Rubikasi Visual

Rubikasi visual menampilkan berita dengan kemasan hiburan. Terdapat berbagai tema

kategori rubik, mulai dari video, grafik, komik, dan kartun. Berdasarkan analisis isi

berita video menominasi disusul kartun, komik dan grafik. Isu yang dibahas lebih

kepersoalan sosial dengan berbagai perspektif seperti dalam grafik dibawah.

40
 Berita visual
100
49
0 9 5 2 4 9 4 3

Total Berita:85

2.2.3.6. Rubikasi Robotorial

Rubikasi Robotorial berisi berita-berita rutin yang prosesnya menggunakan kecerdasan

buatan. Isu-isunya seperti prakiraan cuaca, kualitas udara, pasar saham, harga emas,

gempa, olahraga, covid. Karakter dari rubik ini lebih menampilkan berita informatif

berdasarkan data yang tersedia. Detail berita seperti dalam garfik dibawah.

Berita Robotorial
2000
1000 1013
0 91 51 12 11 31
Kualitas Udara Prakiraan Pasar saham Gempa Harga emas Covid
cuaca

Total Berita:1209

2.2.3.7. Rubikasi Sorot Media

Rubikasi ini berisi tentang isu terkini yang menjadi perbincangan didunia digital, mulai

dari media sosial hingga media online. Karaternya memanfaatkan adanya big data yang

mampu menyimpan data interkasi dan tampilannya perpaduan antara teks dan gambar

(foto, dan grafik). Berdasarkan analisis ini, rubik ini banyak memperhatikan isu sosial

sperti pada grafik dibawah.

41
 Berita Sorot Media
40

20 19 20
12 12 13
0 4 2
Pemerintah Industri Kesehatan Sosial Hukum Pendidikan Ekonomi

Total Berita:94

Sumber:Olahan Peneliti

2.2.3.8. Rubik Laporan Khas

Rubik Laporan Khas berisi informasi terkini yang ditampilkan dengan laporan kusus,

mulai dari intervew, data, dan narasi berita.

2.2.4. Perubahan Lingkungan Media

Hadirnya teknologi dalam kegiatan media memberikan perubahan mulai dari struktur,

budaya kerja, dan model media. Platfom Media online membangun struktur yang

disesuaikan dengan perkembangan teknologi, karena ada peningkatan penggunaan alat-

alat digital. Begitupula dengan budaya kerja yang berinteraksi dengan dengan plalfrom

media sosial dan aplikasi penulisan berita. Kedua praktek tersebut mampu membentuk

model media lebih bersegmetasi kusus yang menyasar kalangan terbatas. Kondisi itu

mampu mendesain ulang ruang redaksi, mulai dari bekerja, distribusi konten, dan

melihat pembaca. Selama ini, jurnalis memiliki kendali penuh konten yang akan

diproduksi dan menjadi pusat informasi, namun media sosial dan informasi digital

merubah anggapan ini. Jurnalis sekarang memiliki tugas tambahan bagaimana mampu

memproduksi konten berdasarkan medium penyebaranan yang tidak berhenti pada

platfrom media, melainkan ke media sosial yang memiliki ciri berbeda, seperti konten

audio, video teks, teks singkat. Platform produsen berita sangat mengandalkan “sistem

anjuran” untuk memfilter konten berita. Sistem semacam ini memprioritaskan dan

mempersonalisasikan konten berita berdasarkan preferensi pengguna yang direkam atau

42
disimpulkan (Konstan & Riedl 2012: dalam Wilding et al., 2018:52). Cara tersebut

mampu mengenali pembaca, sehingga memberikan konten yang diminati dengan sistem

mengumpulkan informasi, pemerosesan pembelajaran dan prediksi/rekomendasi

(Wilding et al., 2018:52).

Menurut Hasebrink dan Hepp (2016), lima tren umum dalam lingkungan media

yang berubah untuk jurnalisme. Pertama, diferensiasi media dan praktik komunikatif

memberi audiens peluang baru untuk berpartisipasi. Kedua, meningkatkan konektivitas

antara jurnalis dan pemirsa. Ketiga, pentingnya kehadiran umpan balik audiens dan

kontribusi lainnya. Keempat, laju inovasi teknologi media terus meningkat dan

penggunaannya oleh jurnalis dan audiensi. Kelima, datacation dan pemantauan perilaku

audiens berdasarkan jejak digital yang semakin beragam seperti rasio klik dan media

sosial analitik yang mengungkapkan informasi tentang preferensi berita, evaluasi dan

keterlibatan (Kramp & Loosen, 2018:209). Kelima trand tersebut sangat berdampak

besar pada konten yang diproduksi. Kelima perubahan tersebut tidak bisa lepas dari

adanya big data. Bagi media cetak, majalah dan online, Big data dapat mencakup

pemirsa analitik untuk memungkinkan pemahaman dan penargetan pelanggan, bagi

jurnalistik alat untuk mengelola dan mencari informasi (Stone et al., 2014:1). Big data

menjadi penting bagi media yang lahir dan berkembangan dengan memanfatkan

teknologi sebagai sumber utama produksi konten. Konten dengan ciri dari pengelolahan

big data terlihat dari banyaknya visual angka dalam konten. Setidaknya ada dua model

media yang berkembang dengana adanya teknologi, pertama media yang beradaptasi

dengan teknologi (konvergensi) dan media yang lahir karena adanya teknologi.

Melihat dari lima perubahan Menurut Hasebrink dan Hepp (2016), Lokadata.ID

melakukan perubahan yang terlihat dari praktik dan produk konten yang ditampilkan.

43
 Pertama memberikan kesempatan pembaca mengkonsumsi konten dari perspektif yang

berbeda dibanding media lain, seperti tampilan data dan grafik. Kedua interkasi ruang

redaksi dan pembaca, hal ini terlihat dari konten-konten olahan yang diproses

berdasarkan trand yang sedang diperbincangakan mulai dari media sosial maupun

online. Ketiga umpan balik untuk berkontribusi dalam konten dan peningkatan trafik

kunjungan, langkah yang dilakukan dengan menyebarakan konten di media sosial.

keempat, penggunaan teknologi canggih, Lokadata.ID yang notabenya hadir karena

adanya teknologi telah menggunaakan teknologi otomatis untuk produksi konten,

sehingga mengalami perubahan interaksi manusia dan robot.

“untuk wartawan tidak ada berubah, yang diperlukan hanya orang yang bisa

dua sisi yah jurnalis dan robot”, (Sumber: wawancara, Rahadian 2020).

Kelima datacoletion atai kumpulan untuk melihat data untuk melihat aktivitas digital.

Lokadata.ID melakukan ini yang dapat dilihat dari konten-konten kusus untuk target

tertentu, seperi konten harga saham, dan harga emas.

2.2.5.Keunggulan Artificial Intelligence Dalam Proses Jurnalistik di Lokadata.ID

Penggunaan AI dalam praktik jurnalistik memiliki beberbagai keunggulan yang dapat

membantu kerja jurnalis dalam memproduksi dan meningkatkan konten. Menurut

Santosh Kumar Biswal and Nikhil Kumar Gouda (2020) dalam buku Optimization in

Machine Learning and Applications menyebut AI memiliki keuntungan dalam

menghadapi masalah jurnalisme kontemporer terutama berkaitan dengan proses analisis

data dan sumber data. Keunggulan tersebut meliputi: Pertama, AI membantu jurnalis

untuk memahami data dalam kondisi acak dan mampu membantu menganilisinya,

terlebih dengan kondisi informasi berlebih dan kurangnya kredibilitas data. AI mampu

merubah mengubah kata-kata yang diucapkan menjadi teks, teks menjadi audio dan
44
video. Jurnalis di Lokadata.ID sangat bergantung besar terhadap penggunaan AI yang

digunakan untuk memproduksi berita rutin dan membantu redaksi mendapatkan sumber

informasi untuk menggisi berita pada rubikasi Sorot Media. Keuntungan AI digunakan

dalam mencari sumber berita dan analisis data. Ada keterbatasan dalam penerapannya di

Lokadata.ID yang hanya dapat mengidentifikasi angka dan teks menjadai narasi berita,

sedangkan untuk konten video dan gambar dilakukan secara manusia yang dikerjakan

manusia.

“hanya angka dan teks, untuk gambar, itu tadi ada kebutuhan GPU, jadi belum
kesana, termasuk video. Jadi gini videonya yang diambil captionnya subtitlnya
kalau pun clear” Suber: wawancara Atik Nugraha
Kedua, AI mampu meningkatkan kualitas dan akurasi berita dengan mengidentifikasi

dan membongkar berita palsu, kemampuan mengecek fakta secara otomatis memberikan

kemudahan jurnalis dalam mengecek sumber berita. Lokadata.ID memiliki standar

akurasi yang diatas 90 persen untuk sebuah artikel yang akan dipublikasi. Proses ini

mengalami berbagai pengujian yang telah dimodeling agar model serupa dapat

diterapkan ke tema berita lain. Standar akurasi tersebut digunakan untuk menghadirkan

berita yang berdasarkan kode etik jurnalisitik. Ketiga, AI telah mempercepat proses

penyuntingan berita. Praktis adanya AI di Lokadata.ID lebih memfokuskan jurnalis pada

proses edit dan membangun narasi. Perbedaan mendasar terjadi pada berita rutin yang

sepenuhnya otomatis mampu menghasilkan berita puluhan dalam sekali momen seperti

beita prakiraan cuaca dalam sekali publikasi mampu 33 berita yang berbeda.

“sebanyak mungkin yang bisa, secara teknis tidak ada batasan. Batasannya yang
ada adalah redaksi. Kalau untuk Lokadata yah,itu redaksi. Jangan sampai proposi
tidak proposi lagi dibanding dengan konten-konten yang lain”. (Sumber:
Wawancara Henki Prabancono)
Keempat, AI telah memfasilitasi agenda berita yang dipersonalisasi, yang berbeda

dari rumah media yang lain. Karakteristik publikasi berita Lokadata.ID didominasi

45
gambar visual dan grafik yang narasi berita lebih banyak pada penekanan angka. Isu yang

diambil lebih pada persoalan ekonomi dan terkini dengan kemasana visual. Kelima, AI

telah mengambil pertahanan yang kuat terhadap manipulasi dan propaganda yang dapat

membahayakan keamanan suatu negara. Konteks ini dalam Lokadata praktis digunakan

untuk proses produksi yang lebih kepada melacak konten, kemudian digunakan untuk

melihat perbedaan data seperti perdebatan chating. Secara umum AI mampu memberikan

keamanan mengenai konten-konten yang menimbulkan masalah keamanan seperti

propaganda, perbedaan pendapat dan ancaman. Praktik ini pernah dilakukan pemerintah

Indonesia dalam berbagai kasus seperti pesan propaganda mengenai Papua Barat, berita

bohong dan melacak konten bermasalah lain.

Adapaun perbedaan proses berita dari AI dan Jurnalis terlihat dalam tabel dibawah.

Tabel 2.2: perbedaan proses AI dan Jurnalis

Indikator AI di Lokadata.ID Jurnalis di

Lokadata.ID
Posisi dalam Mampu membantu Memiliki fungsi utama
produksi jurnalis dalam proses dalam proses produksi
dan menutupi
kekurangan jurnalis di
ruang redaksi
Perencanaan Keuntungan AI Keuntungan perencanaan
perencanaan hanya tidak membutuhkan waktu
dilakukan sekali selama lama dalam prosesnya dan
progaram masih dapat kelemahan perencanaan
digunakan. Kelemahan dapat berubah-ubah
perencanaan program AI melihat kondisi lapangan
membutuhkan waktu
berminggu-minggu
dalam penyusunan model
dan membutuhkan
kerjasana redaksi dan
teknologi
Inovasi riset Membutuhkan biaya Relatif untuk membiayai
program mahal untuk menguji rencana liputan jurnalis dan
alogaritma dan alat yang membayar kerja jurnalis
mahal. Serta media
46
 menginvestasikan ke
prangkat pendukung
Keterlibatan Membutuhkan Hanya keterlibatan redaksi
pengawasa redaksi dan dalam prosesnya
teknologi dalam
prosesnnya
Keahlian Membutuhkan keahlian Hanya membutuhkan
kusus memahami bahasa keahlian pada jurnalisme
pemerogaraman dan
jurnalisme
Sistem Kerja Terstruktur berdasarkan Flaksibel dan mengikuti
bahasa pemerograman perkembangan sumber
informasi dengan kaidah
jurnalistik
Durasi pengerjaan Proses pencarian, Proses pengerjaan untuk
mengumpulkan dan berita mendalam
memproses dapat membutuhkan waktu
dilakukan dengan cepat. penggumpulan informasi
Kelemahan sangat dan menuliskan. Namun
bergantung dengan memiliki keuntungan
perangkat yang jurnalis memiliki
terhubung koneksi kekuasaan penuh terhadap
Internet. Jurnalis minim informasi
kontribusi
Sumber Informasi Sumber resmi, sangat Sumber resmi dan sumber
bergantung terhadap pakar. Tidak bergantung
data yang tersedia sumber data online, dan
secara online. Data struktur. sumber bisa
harus update. Data didapat dari wawancara.
dalam bentuk pdf dan Berbagai model data dapat
teks huruf dikerjakan
memungkinkan terjadi
kesalahan membaca.
Data yang terstruktur
lebih cepat diproses.
Akurasi Memiliki standar Tidak memiliki standar
akurasi yakni diatas 90 akurasi melainkan
persen agar dapat berpedoman pada kode etik
dipublikasi
Objekivitas Sumber data berasal dari Memungkinkan data di
situs resmi yang framing berdasarkan
memiliki pertanggung kebutuhan media
jawaban
Output berita Dalam bentuk angka Didominasi kata dan
dan narasi sederhana dilengkapi data angka
Jumlah publikasi Tidak ada batasan Terbatas pada kemapuan
jumlah dan cenderung jurnalis mempublikasi
redaksi yang membatasi
jumlah publikasi
47
 Etika Belum ada etika yang Memiliki etika jurnalis
mengatur dari proses dalam menuliskan berita
mengambil data,
memproses dan
mempublikasi.
Cenderung
menggunakan etika
jurnalis dalam
perancangan
Sumber: (Olahan penelitian, 2020)
2.3. Brand Positioning Lokadata.ID

Langkah Lokadata.ID sebagai pioner penerapan AI di Indonesia yang menjadikannya

sebagai sebuah metode pemerosesan berita dan identitas media. Terlebih memfokuskan

diri pada jurnalism data, menjadikan itu sebagai Brand Positioning yang membedakan

Lokadata.ID dengan media lain. Jurnalisme dengan penggunaan AI atau lebih dikenal

dengan pemerograman, jurnalisme robot dan jurnalisme otomatis memiliki tantangan yang

ditandai dengan minimnya sumber daya manusia ahli terutama dari kalangan jurnalis,

sumber data yang terbatas dan konsumsi konten hasil AI yang masih terbatas. Praktik

jurnalis sekarang yang lebih dituntut menghasilkan berita yang kreatif dan cepat

mempublikasi, sangat berbeda dengan yang dialami di Lokadata.ID.

Demi mendukung jurnalism berbasi data, mendorong jurnalis memahami bahasa

pemerograman untuk menunjang kerja, sehingga membatasi aktivitasnya lebih banyak

diruangan. Dalam mengatasi keterbatasn jurnalis memahami bahasa pemerogaraman, tim

Teknologi di Lokadata.ID sebagai penanggung jawab AI, melalukan peran ganda. Peran

pertama, menyediakan dan membangun basis program yang digunakan untuk oprasonal

otomatis. Kedua, menjamin dan mengawasi proses berjalan dengan baik. peranya mirip

seperti wartawan yang menuliskan berita kemudian menyerahkan ke editor. Perbedaan

mendasar terletak pada wewenang bidang teknologi hanya mengawasi dan memasitkan AI

berjalan dengan baik tanpa bisa merubah isi dari sebuah proses. AI memiliki peranan
48
penting dalam menampilkan berita-berita rutin seperti sebuah laporan berita. hal tersebut

sangat membantu redaksi yang terbatas pada SDM.

Langkah selanjtunya Lokadata.ID dalam membangun brand positioning yakni

dengan fokus pada pemberitaan yang dimungkinkan data sebagai informasi utama.

Penerapan jurnalisme data sangat efektif untuk peristiwa yang berkaitan dengan bisnis dan

ekonomi. Peristiwa tersebut dapat dijelaskan menggunakan angka, seperti dalam rubikasi

berita, isu seputar dunia industri, saham, harga pasar, dan olahraga menjadi fokus perhatian

utama, meskipun terselip berita-berita huburan seperti kartun, komik, cerpen dan video

dalam publikasinnya.

“Kalau lokadata sekarang lebih fokus dan bisnis ekonomi mas. Jadi kita akan
lebih banyak bermain data disana dengan sektor itu. Politik juga mungkin
masih, tapi porsinya tidak akan besar dari dua sektor yang lain. Bandingannya
itu yang sangat signifikan, setiap penggunaan data diarahkan keartikel yang
memang ada porsi data disana.”. (Sumber: Wawancara, Henkie:2020)
Konseunsi penerapan AI pada ruang redaksi berkaitan dengan biaya pengembangan dan

alat yang digunakan cenderung mahal. Mahalnya alat AI diakui pihak Lokadata.ID dalam

proses pengembangan konten-konten otomatis. Dampaknya konten yang ditampilkan

cenderung membosanankan. Karakter konten yang tidak memberikan analisis mendalam

ditengarai biaya alat dan keterbatasan SDM. Lokadata.ID sendiri memperkerjakan enam

orang dibagain redakasi untuk menyediakan konten dengan berbagai segmentasi.

Keterbatasan ini berdampak pada jumlah dan variasi konten yang terbatas. Secara kuantitas

AI mampu menghasilkan berita lebih banyak dibanding dengan manusia, sehingga mampu

mengurangi beban biaya yang ditimbulkan dari SDM, namun secara kualitas jurnalisme

konten AI memiliki banyak keterbatasan mulai dari kredibilitas dan kualitas, terutama

berkaitan dengan kereatifitas membangun makna dalam setiap berita yang publikasi.

Kemampuan memberikan makna ini menjadi ciri khas jurnalis mempengaruhi pembaca

49
 untuk melihat peristiwa. Daya kritis jurnalis dalam adanya dengan AI tidak menjadi

persoalan utama, karena cara pandang melihat peristiwa berbeda. Bagi Lokadata.ID setiap

peristiwa memiliki nilai ukur yang dapat dilihat dari angka.

BAB III
Artificial Intellegence (AI) di Ruang Redaksi

Proses utama dalam produksi konten, praktis tidak mengalami perubahan yang singnifikan.

Redaksi masih menggandalkan wawancara sebagai sumber informasi, menggelola informasi

(menulis dan menambahkan data) secara manual, dan menyerahkan ke editor untuk proses

seleksi dan perbaikan sebelum dilakukan publikasi. Namun, penerapan teknologi artificial

Intelligence (AI) yang turut merubah cara redaksi mendapatkan informasi, mengelola dan

mempublikasi. Sistem kerja AI yang hanya dapat beroprasi pada ketersediaan data dalam

model big data mendorong redaksi lebih banyak melakukan aktivtas didalam ruang redaksi.

Kenyataaan itu yang terlihat dalam redaksi Lokadata.ID dalam memproduksi konten. Saat

media online berlomba menghadirkan model media intraksi, Lokadata.ID lebih

mempertahankan model liner dalam proses produksi dengan mengenalkan jurnalisme dengan

perpektif baru. Prosesnya melibatkan teknologi kecerdasan buatan dalam produksi konten. Bab

ini akan menjelaskan temuan penelitian mengenai penggunaan AI dan bagiamana AI merubah

rutinitas di redaksi Lokadata.ID.

3.1. Penggunaan Artificial Intelligence (AI)

Latar Belakang bertebarnya beragam informasi didunia digital telah mendorong

penggunaan AI menjadi bagian penting menjawab tantangan jurnalisme di masa depan.

Dorongan invetasi yang kuat untuk pengembangan AI telah mendorong Lokadata.ID terus

melakukan inovasi dengan mengembangkan berbagai model AI dan pembaruan sistem

untuk membantu jurnalis memperoses data. AI ditugasakan redaksi dalam

50
menggumpulkan dan memproses data mentah yang kemudian diolah dan diceritakan

kembali dengan proses otomatis. Penggunaan AI di Lokadata.ID mampu dilakukan hanya

sekali proses pemerograman yang memposisikan jurnalis untuk menonton dan mengawasi

prosesnnya. Proses yang efisien tersebut mampu memperoduksi konten berita dengan

jumlah berita yang lebih banyak dibanding manusia. Berdasarkan analisis isi pada bulan

mei 2020, konten buatan robot sebanyak 1209 artikel, berbanding 113 buatan manusia.

Ada dua cabang AI yang digunakan dalam proses produksi konten di redaksi

Lokadata.ID. Pertama cabang AI Natural language Processing (NLP) atau pemrosesan

Bahasa alami merupakan bagian ilmu komputer yang melakukan pembelajaran mesin dan

komputasi linguistik. NLP mempelajari sintaks bahasa manusia, lalu memprosesnya dan

memberikan hasilnya kepada pengguna (Aditya Jain, Gandhar Kulkarni, 2018:161). NLP

bertujuan agar komputer memahami pernyataan atau kata-kata yang ditulis dalam bahasa

manusia (Khurana, Koli, Khatter, & Singh, 2018). Secara sederhana NLP digunakan untuk

merubah teks menjadi data struktur yang nantinya akan membentuk ringkasan dan mudah

dipahami manusia. Lokadata.ID menggunakan NLG dalam melihat persebaran berita dan

isu dari sebuah peristiwa yang diberitakan media. NLP diaplikasikan redaksi dalam bentuk

media monitoring, dan penerapanya untuk mengisi rubik yang sorot media. NLP dapat

melakukan pembelajaran mesin (machine learning) sehingga mampu mempelajari data

yang ditugaskan redaksi.

Kedua, Natural Language Generation (NLG) proses perangkat lunak atau penerjemah

yang mengubah representasi berbasis komputer menjadi representasi bahasa alami

(McDonald, 2010:232). NLG merupakan cabang AI yang dapat melakukan proses secara

otomatis dalam produksi konten. Sistem kerjanya mengambil data terstruktur menjadi teks

kalimat atau menghasilkan teks yang dihasilkan berdasarkan data terstruktur. Teks

tersebut nantinya akan dirubah NLG kedalam representasi teksual yang telah ditentukan
51
 dalam pemerograman. Dibanding NLP, NLG prosesnya dapat melakukan publikasi.

Lokadata.ID menerapkan NLG untuk rubik robotorial yang didalamnya proses produksi

dilakukan AI. Tercatat ada lebih dari 7 jenis berita berdasarkan isu yang diproduksi

meliputi, prakiraan cuaca, kualitas udara, saham, harga emas, gempa, Covid-19, dan

olahraga (hasil dan prediksi bola). Pemilihan jenis berita tersebut tidak terlepas

ketersediaan data terstrukur yang dapat proses AI.

3.2. News Gathering

News gathering adalah proses peliputan berita yang didalamnya terdapat proses mencari

dan mengumpulkan sumber informasi. News gathering mencakup perencanan yang akan

menentukan sumber informasi yang akan digunakan dan penugasan dalam melakukan

pencarian data. Menurut Shoemaker & Reese, (2014:169) proses rutinitas media sangat

dipengaruhi sumber informasi sebagai penyedia data untuk pemerosesan. Artinya data yang

diambil akan mempengaruhi proses peliputan didalammnya. Lokadata.ID menugaskan AI

dalam proses news gathering, sehingga sumber informasi berasal dari data- data digital.

Berikut temuan yang didapat dalam proses yang terjadi di News gathering.

3.2.1. Perencanaan dan Sumber Data

Perencanaan dilakukan di Lokadata.ID meliputi perencanaan harian, mingguan, dan

bulanan. Perencanaan harian dilakukan pada malam hari yang berisi tentang

rencana konten untuk hari selanjunya dan evaluasi konten pada hari tersebut. Setiap

harinya redaksi mempunyai rapat proyeksi untuk membahas tentang usulan konten

yang dilakukan secara diskusi dan dihadiri seluruh jajaran redaksi. Model diskusi

dipilih untuk menghasilkan rencana liputan yang sesuai dengan kreteria. Hal

tersebut berkaitan dengan keterbatasan anggota redaksi dan jumlah konten yang

tayang. Prencanaan mingguan umumnya lebih banyak mengevaluasi konten dan

pengembangan konten untuk diulas. Perencanan bulanan umumnya membahas

52
usulan mengenai program untuk konten yang lebih banyak berurusan dengan tim

teknologi dan konten kusus (report) yang terbit setiap bulan sekali. Dalam

perencanan memungkinkan sifatnya mendadak saat sebuah peritiwa terjadi bisa

langsung melakukan perencanaan.

Perencanaan yang dilakukan redaksi dalam kaitannya dengan AI sangat

berbeda dengan perencanan yang melibatkan reporter didalamnya. Jika reporter

melakukan perencanaan pada malam hari, perencanaan untuk proses AI lebih

mengarah pada membangun progaram model AI yang akan digunakan. Proses

perencaan membutuhkan lebih lama dengan melibatkan antar divisi.

Membangun model membutuhkan waktu dan kerjasama antar divisi. Kerjasama

tersebut memposisikan jurnalis harus lebih responsif dalam melihat perkembangan

dan kolaboratif dalam bekerja. Meskipun sangat terbatas jumlah redaksi dalam

peroses perencanaan membangun model, namun tidak mengurangi hasil dari proses

kolaborasi tersebut. Menurut Rahadian Prajna Paramita dalam perencanaan redaksi

terlibat dalam proses membangun model. Keterlibatan redaksi berawal dari ide

kebutuhan model AI untuk keperluan redaksi. Tim teknologi yang bertugas

merancang AI akan menyerap ide redaksi. Redaksi menugaskan salah satu editor

untuk merancang model AI, sehingga semua aktivitas AI yang melibatkan redaksi

hanya bertumpu satu editor. Editor yang ditugaskan dalam proses ini yakni

Rahadian Prajna Paramita.

Tahap eksekusi, redaksi akan membantu proses perancangan yang melibatkan

bahasa-bahasa seperti narasi teks, tamplate, isi data dan pengujian akurasi. Proses

perancangan model AI tidak terlepas dari kebutuhan redaksi. Menurut kepala

bidang teknologi Henkie Prabancono diciptakan untuk mengatasi minimnya tenaga

redaksi, sehingga AI memungkinkan membantu kerja redaksi.

53
 “Dari situ kemudian muncul lagi kebutuhan yang namanya robotorial.
Kalau dari sisi isu, dari konten sudah terpenuhi dari sisi media monitoring.
Terus muncul bagaimana mengatasi keterbatasan sumber daya redaktur itu
sendiri? Makanya muncul robotorial, dimana publikasinya secara otomatis
dilakukan oleh robot, penyiapannya juga. namun tentu konteksnya sangat
terbatas ya, karena produk jurnalistik punya etika dan rambu penulisan
sendiri gitu yah”, (sumber: wawancara, Rahadian:2020).
Berangkat dari kebutuhan tersebut, redaksi terus melakukan perencanaan-

perencanaan untuk membangun model AI yang lebih baik. Ada beberapa tahapan

dalam membangun model AI untuk digunakan dalam proses produksi. Prosesnya

seperti bagan dibawah. Pertama, proses penyampaian ide dari redaksi tentang

keinginan untuk menciptakan pemerograman untuk konten AI, seperti perencanan

yang dilakukan dalam membangun program konten Covid-19.

Kedua, peroses membangun program yang dilakukan sepenuhnya oleh tim

teknologi. Menurut development di tim data, Eka Arisman, penyusunan program

dilakukan dengan menggunakan bahasa pemerograman python. Pyton digunakan

untuk membuat tax mining. Tax mining berfungsi untuk mencari kata-kata populer

di platfrom seperti media online, google dan media sosial. Misal, Pyton tersambung

ke Facebook akan mendeteksi hashtag yang populer menggunakan”keyword” akan

terkumpul. Selanjutnya menggunakan tool IDE (Integrated development

envirotment) membantu membangun bahasa programnya. Misal, keyword yang

populer “Habib Rizieq”. Terus nyambung ke keyword lain “pulang”, “menikah”,

“putrinya”, “tutup jalan”. IDE tersebut membantu menyambungkan dengan

keyword lain. Akhirnya keyword-keyword tersebut nanti disusun menjadi bahasa

pemrograman. Dalam proses membuat IDE, Arisman menggunakan alat aplikasi

Pycam untuk menuliskan programnnya.

Pada tahap ini, proses membangun rumus untuk digunakan dalam membuat model

yang akan digunakan untuk data. Kemudian model terbentuk, dilakukan proses
54
pengujian model tersebut. Tahap pertama pengujian dilakukan dengan pencocokan

data dari proses yang dilakukan, ke data asli. Peroses ini memakan waktu hingga

berhari-hari. Sementara tugas redaksi menyiapkan tamplating yang berisi narasi-

narasi yang digunaka untuk melakukan klaterisasi atau pengelompokan data

menjadi berita. Melalui bahasa pemerogaram diatas tadi, pengguna dapat

mensetting diatur sesuai dengan kebutuhan penulisan jurnalisitik. Selanjutnya,

setelah data dikelompokan, redaksi terlibat dalam proses penentuan kategori data

yang akan dimasukan ke berita. proses ini disibut preprocesing atau proses

penyeleksian korpus (jumlah kumpulan data yang digunakan untuk model).

Tugasnnya membersihkan korpus yang prosesnya bisa dilakukan manual dan

otomatis.

“kalau kelasifikasi itu sendiri mengkalasifikasi pemberitaan berdasarkan..,

kan kita mau mengkelasifikasikan otomatis ini masuknya kemana, yang
sekarang itu ada polhukam, ada olahraga, ada peristiwa, kemudian ada tuju
kelasifikasi dari lokadata menyiapakan. Detailnya dari situ disiapkan dari
proses awal, itu namanya menyiapkan model untuk kelasifikasi itu sendiri.
Model disini dimaksudkan adalah model yang, sudah bisa dibilang kalau dari
aku yah itu otak dari robot itu sendiri”, (Sumber: wawancara, Eka:2020)
Awal prosesnya membersihkan korpus dilakukan secara otomatis dengan

menggunakan “kata kunci” tertentu. Artinnya sebuah artikel yang mengandung

“kata kunci” yang ditetapkan akan masuk kedalam model. Tahapan proses manual

dilakukan pengecekan untuk memasikan dan pengembangan karakteristik data ke

kategori model yang sebelumnya dilakukan secara otomatis. Proses ini disebut

anotasi yang dilakukan tim redaksi. Proses anotasi membutuhkan keahlian dalam

memahami artikel yang karena mampu mempengaruhi kesempurnaan model yang

sangat bergantung pada “kata kunci”.

“ketika dari awal kita ingin membuat suatu model, model kelasifikasi, itu
ada awal lagi prosesnya. Prosesnya itu dinamakan preprocesing,

55
 preprocesing itu adalah proses penyeleksian kropus. Nah ada nama lagi
kropus, kropus itu jumlah kumpulan data yang akan digunakan untuk model
ini. Nah di praprocesing ini itu proses pembersian korpus tadi, bisa
dilakukan secara manual atau otomatis, untuk mengecek suatu pemberitaan
itu masuknya kemana”, (Sumber: wawancara, Eka:2020).
Ketiga, proses training yaitu proses pembelajaran mesin memahami data-data

bedasarkan korpus yang telah dilakukan. Proses training digunakan untuk

melakukan uji proses otomatis sebelumnya, kemudian dilakukan diuji pada tahap

akurasi untuk mengetahui tingkat akurasi programnnya melalui serangkaian uji

coba. Jika uji akurasi tidak memenuhi tingkat akurasi yang ditentukan diatas 90%,

akan dilakukan pengecekan korpus secara manual untuk diuji kembali sampai

angka akurasi yang diinginkan.

“ada namanya traning, itu namanya proses pembelajaran mesin untuk

mengatahui, oh ini masuknya, pemberitaan ini masuknya ke kelasifikasi ini.
Jadi kita apa, ngasih tau kemesin, bawah artikel ini masuknya ke ini,
kekelasifikasi ini, jadi disitu tadi dilanjutkan diawal preprocesing disiapkan.
Bawah untuk menyiapkan korpus itu, sudah disediakan, artikel ini masuknya
keklasifikasi ini, artikel ini masuk kelasifikasi yang secara otomatis
sebelumnnnya, kemudian ditraning. Hasil traning itu kita evaluasi lagi dites.
Model ini sudah akurasi udah oke apa belum. Misal hasil traning, kan dari
hasil pemilahan korpus tadi sudah ada, kemudian kita pecah yang sudah
ditulis secara otomatis tadi, kita pecah misal dari kita ambil 20 persen untuk
evaluasi dari tester. Kemudian dari model yang sudah ditraning tadi, dites
dievaluasi, itu misal hasil evaluasinya misal 80 persen. Bisa dilihat disitu,
80 persen disitu sudah sesuai setandar atau belum. Biasanya kalau
standarnya itu diatas 90 persen. Jika dirasa 80 persen itu belum sesuai
dengan keinginan yang diamil, biasanya ada proses pengecekan kembali
korpus yang otomatisl tadi sudah sesuai apa belum. Jika belum dicek secara
manual biasanya kalau disini.”, (Sumber: wawancara, Eka:2020)
Ketiga tahapan tersebut dilakukan secara kontinyu hingga mendapatkan model

program konten yang diingkan oleh redaksi. Menurut development tim data Atik

Nugraha hambatan yang sering terjadi dalam penyusunan model adalah

menyatukan persepsi yang diinginkan redaksi dan tim data tentang korpus untuk

dijadikan model berita.

56
Perencanaan harian yang melibatkan AI redaksi lebih mengarah pada pengecekan

alat, oprasional dan ketersediaan data. Perencanaan ini tidak terlepas dengan

adannya kemungkinan eror dalam proses yang disebapkan kesalahan oprasional

seperti mengiput data. Kesalahan lain yang mungkin terjadi, AI salah membaca

data. Redaksi juga melakukan perencanaan ketika sumber data tidak tersedia pada

saat pemerosesan. Secara praktik, perencanaan ketika model AI sudah siap jauh

lebih mudah dibanding dengan membangun model.

Sementara itu, sumber data yang dilakukan penggumpulan diambil dari situs-situs

online yang menyediakan data seperti dalam tabel dibawah. Situs tersebut dalam

perencanaan telah ditentukan, sehingga ketika situs tidak mempublikasi data,

oprasional tidak dapat dilakukan.

Tabel 3.1 Sumber data pemerosesan Robotorial

AI Ketegori Berita Sumber Data
NLP Persebaran Tranding Big Data ( media-media
online dan Facekbook)
NLG Prakiraan Cuaca BMKG
Kualitas Udara AirVisual (Iqair)
Saham IHSG (Index Harga Saham
Gabungan)
Gempa BMKG (Badan Meteorologi,
Klimatologi, dan Geofisika)
Harga Emas logammulia.com, harga-
emas.org
Hasil Sepak Bola Sumber Resmi Liga
Covid-19 Covid19.go.id
Sumber: (Olahan Penelitian, 2020)

57
Bagan 3.1 : Proses membangun model untuk proses AI

Kebutuhan konten Preprocesing Pengujian

Penyeleksian korpus
Proses diskusi redaksi Membangun program
(2)
dan teknologi

bagian developer Redaksi Pengkategorisasian

Keinginan, langkah
perancangan, model data (3)
konten
Membangun model Penyusunan data (4)
progaram data yang Menuliskan narasi
Eksekusi membangun akan dimasukan
program narasi (1) Training
(pembelajaran mesin)
(5)
Menghasilkan model
program tamplate Model siap digunakan
Keterangan:
(1) : Menggunakan bahasa pemerograman Pyton untuk membangun IDE (integrated deplopment envrionment) menggunakan tool pycam
(2) : proses pembersihan jumlah kumpulan data yang akan digunakan dalam model (korpus) yang dapat dilakukan manual ataupun otomatis
(3) : proses menyatukan persepsi antara progaram dan jurnalis terhadap isi konten data yang telah ditentukan
(4) : proses penyusan dan memasukan data yang telah disesuaikan isi berdasarkan kata pencarian (keyword) ke kategori data
(5) : proses pengujian akurasi sebuah data. Proses ini meliputi evalusasi dari hasil uji akurasi, hingga menemukan model akurasi yang telah ditentukan
agar program dapat digunakan untuk kelasifikasi konten lain.

58
3.2.2. Nilai Berita (news value)

Nilai berita adalah sebuah nilai yang terkandung dalam subuah peritiwa

yang layak disampaikan ke pembaca. Nilai berita dapat diinterpertasikan

redaksi dalam banyak perfektif yang disesuaikan dengan kebutuhan

media. Proses penentuan nilai berita didasari pada kebutuhan redaksi

dalam menentukan peristiwa layak diberitakan. Menurut pimpinan

redaksi Dwi Setyo Irawanto penentuan nilai berita didasari pada

pengaruh yang akan ditimbulkan dari pemberitaan. Redaksi menjadikan

setiap konten yang diproduksi dapat direfrensi pengambilan keputusan

pembaca baik dalam bidang bisnis, ekonomi, politik, pemerintah dan

peribadi.

“Patokan kami news velue. Jadi jika news velnya besar kita
muat. Apa itu news velue yang memiliki nilai berita besar yang
nilai beritanya besar apa, yang magnitudo besar. Peristiwa-
perisitiwa yang mencakup hajat hidup orang banyak yang kita
muat. Misal kenalikan harga BMM pasti itu mencakup hajat
hidup orang banyak, kayak kecelakaan pesawat itu kan membuat
orang kawatir disitu transportasi jadi naik disitu yah. Nilai
rupiah jatuh itu akan mempengaruhi inflasi, ekspor, inpor gitu
yah. Semua peristiwa kita ukur seberapa besar dampaknya
terhadap publik. Kalau dampak bagi publik luas luar biasa yah
kita pilih yang lain gk kita pilih. Ukurannya cuman satu
magnitudo seberapa besar dampatknya kepublik”,(sumber:
wawancara, Dwi:2020).
Tidak semua konten dapat diproduksi oleh AI. Hanya konten

yang memiliki data testruktur yang dapat diproses. AI diterapkan

dalam bidang berita ekonomi, bisnis dan olahraga. Berita-berita

berbasis ekonomi bisnis memiliki pengaruh yang sangat luas dalam

kehidupan dan sangat ideal dapat diukur pengaruhnya. Artinya AI

59
 menampilkan berita dalam bentuk narasi angka yang terukur,

sehingga berita seperti harga saham, emas, prakiraan cuaca, kualitas

udara sangat ideal didapat pada proses ini. Hal senada juga

diungkapkan wakil pimpinan redaksi Rahadian Prajna Paramita

fokus pada berita yang memiliki pengaruh besar seperti berita-berita

ekonomi bisnis menjadi salah satu melatar belakangi penggunaan AI.

“Kita sekarang lebih banyak fokus pada engel ekonomi, Yah

misinya begitu, kebijakan perusahan. Yang utama sih engel
ekonomi, sisahnya apa yang lagi trending, lagi reme apa, kalau
bisa disangkut pautkan dengan engel ekonomi yah akan
dikerjakan”, (sumber: wawancara, Dwi:2020).
Nilai pada berita ekonomi bisnis dinilai memiliki pengaruh yang

besar terhadap pembaca, sehinga setiap peristiwa termasuk dalam

peroses AI harus dikaitkan dalam bidang ekonomi bisnis.

3.2.3. Syarat Oprasional AI

Syarat oprasional agar AI dapat berkerja tergantung penggunaan cabang

AI. Yang akan digunakan. Pada pengumpulan data yang dilakukan NLG

ketersediaan data secara online wajib tersedia, data terstruktur, berpola,

publis rutin dan dapat diakses. Pengumpuland data yang dilakukan NLG

sangat terbasas pada kekampuan mendeteksi data yang terstrukur.

Menurut Henkie Prabanco pembacaan data yang dilakukan NLG sangat

sepesifk, detail dan sangat bergantung pada data yang terstruktur.

“Robotorial sangat ketergantungan dengan ketersediaan data,

dimana data disitu bisa dinarasikan sesuai dengan kerangka yang
biasa digunakan oleh teman-teman redakasi kan gitu perinsipnya
robotorial. (Sumber: wawancara, Henkie: 2020)

60
 Cabang AI NLP syarat utama tidak jauh berbeda dengan NLG seperti

harus ada ketersediaan data online, rutin dan mudah diakses. Namun

pengumpulan data dilakukan NLP tidak harus terstruktur, sehingga data

yang tidak terstruktur seperti masih banyak sampah dalam data dapat

dikerjakan. NLP hanya memberi ringkasan dari persebaran data yang

dimandaatkan redaksi untuk melihat tranding peristiwa. Menurut Atik

Nugraha pengembang AI Tim Teknologi, pemerosesan data dapat

dilakuan secara offline.

“yah hem. Bisa dua-duanya mas, tidak ada masalah. AI itu kan
artificial Intelligence, artinnya eee, sebeneranya if dan else yang
terseruktur, sebeneranya disitu, nah tergantung apakah datanya
tersedia di online, atau bisa di offlinkan tidak ada masalah, bisa
kedua-keduanya mas (sumber:wawancara: Atik,2020)
Syarat oprasional lain adalah, harus melibatkan editor ataupun tim

Teknologi untuk memulai pemerosesan dengan menghidupkan sistem,

seperti komputer/leptop, dan koneksi internet untuk mengakses sumber

informasi harus tersedia.

3.2.4. Penugasan

Proses pengumpulan data AI bertugas dalam mencari, mengumpulkan

dan menseleksi data yang tersebar cara digital (big data) yang kemudian

akan menyerahkan dalam bentuk laporan. AI digunakan untuk memenuhi

konten-konten berita yang sifatnya rutin, tidak mendalam dan tidak

memiliki perbedaan karakter penulisan signifikan. Menurut wakil

pimpinan redaksi Rahadian Prajna Paramita, maksud berita rutin adalah

berita-berita yang memiliki krakater narasi menunjukan kenaikan dan

61
 penurunan data, seperti prakiraan cuaca. Tugas ini dilakukan oleh cabang

AI NLG.

Sementara untuk melihat perkembangan peristiwa yang sedang

diberitakan media, penugasan dilakukan NLP yang mampu merekam,

memonitoring dan mengumpulkan data dalam bentuk ringkasan sebelum

nantinya dilakukan pemerosesan oleh editor. Menurut Eka Arisman

Pengembang AI Tim Teknologi NLP akan melakukan klasifikasi data

yang akan memasukan data kedalam kategori yang telah ditentukan.

“Kita kan kebagai yah, disutu ada turunannya , ada NLP disitu
digunakan seperti yang dijelaskan pak Hengke media monitoring,
nah disitu dimanfaatkan untuk, kelasifikasi, kelastering, kemudian
apalagi yah, itu sih kalau gk salah. Yang dimanfaatin yang ada itu
kelasifikasi dan kelastering. Nah kalau kelasifikasi itu sendiri
mengkalasifikasi pemberitaan berdasarkan.., kan kita mau
mengkelasifikasikan otomatis ini masuknya kemana, yang
sekarang itu ada polhukam, ada olahraga, ada peristiwa,
kemudian ada tuju kelasifikasi dari lokadata menyiapakan,”
(sumber: wawancara, Eka:2020)”.
Selanjutnya, Redaksi juga menugaskan editor kusus untuk

melanjutkan proses NLP. Editor ini yang nantinya akan melanjutkan

pemerosesan.

3.2.5. Akses Data dan Jangkauan

Proses pencarian data yang dilakukan AI memiliki pembatas dalam

persoalan akses. Akses data dilakukan dalam upaya

pertanggungjawaban data yang akan diproses. Menurut wakil pimpinan

redaksi Rahadian Prajna Pramita AI hanya akan mengkases data

kesumber resmi penyedia data seperti sumber BMKG untuk berita

prakiraan cuaca, kualitas udara, dan gempa.

62
 “Yah kalu itu kebanyakan dari sumber-sumber resmi yang sudah
ada kayak BMKG yang dipublis mereka. Data yang udah
diterbiktan mau di webset mau ditwitter kita pake bisa,” Sumber:
wawancara, Rahadian:2020)
Akses data juga mencakup jangkauan kerja yang dapat dilakuakn AI

dalam mengidentifikasi data. AI yang diterapkan redaksi hanya mampu

mendeteksi teks dan angka, sehinga sumber-sumber data resmi yang

menampilkan angka memungkinkan AI dapat mengakses. Akses data

bisa dilakukan secara online ataupun memasukan (input ) manual untuk

pemerosesan. Proses akses data tidak bisa dilepaskan dalam proses

perijinan dalam memproduksi ulang data dengan tampilan berbeda,

sehigga jika data dari sumber resmi akeses dibuka proses tidak dapat

dilakukan. Menurut pimpinan redaksi Dwi Setyo Irawanto, akses data

tersebut juga berkaitan dengan seleksi sumber data yang telah ditentukan

dalam proses perencanaan.

“Semua data yang diproses AI, diseleksi sejak awal. Jadi sebelum
masuk ke robot data itu harus udah verified. Misal sumber kita
BMKG, bursa sama indonesia, itu semua pihak pihak yang udah
verified. Data saham itu kita tidak bisa dapat dari pihak lain,
kecuali pt bursa efek indonesia. itu kita dapatkan dari sana. Kita
bukan memverifikasi data selelah keluar data, tetapi sebelum
masuk ke mesin datanya harus udah verified, kita juga menseleksi
media yang kita kutip, bukan kita sembarang ngutip dari media
yang gk jelas yang sekarang itu banyak media gk jelas. Nah itu
kita sisir dulu sebelum masuk kerobot. Jadi udah pasti berita yang
udah keluar dari AI itu datanya terverifikasi karena dari awal
sudah tentukan,” (sumber: wawancara, Dwi: 2020).
Hanya akses sumber resmi yang menyediakan data resmis seperti

BMKG, pembatasan akses data juga dilakukan untuk melihat

perkembangan pemberitaan media secara daring. Penentuan akses data

dilakukan redaksi pada saat perancangan model, misal data pemberitaan

63
 Tribunews, Tirto, Detik dan lain, akses dapat dilakukan karena masuk

media resmi. Pembatasan akses inilah, yang membatasi jangkauan kerja

AI dalam mencari berita.

3.2.6. Objektivitas Data

Redaksi memiliki standar akurasi yang telah ditetapkan dalam pemilihan

data. Standar tersebut dijadikan redaksi sebagai dasar menentukan

objektivitas data sebagai sumber informasi. Akurasi data untuk proses

otomatis harus melebih angka 90 persen. Untuk mendapatkan angka

tersebut perlu melakukan berbagai ujicoba data. Menurut wakil pimpinan

redaksi Rahadian Prajna Paramita mengaku redaksi tidak memiliki

standar kusus untuk kategori berita tertentu. Namun akurasi diatas 90

persen dapat diproses secara otomatis, sedangkan akurasi dibawahnya

akan mendapat pengawasan dan prosesnya dibantu editor.

“Kita sih gk ada standar lokal.umunya tertantung filtnya,

tergantung apa, bidangnya. Ada yang sampek 90 ada yang 80
udah oke. Kita sih pengenya 90, paling gk. Kalau tidak 90 kami
tidak berani publis, cuman berenti ditahap prosesnya. Makanya
ada satu sampai sekarang sorot media masih, setegah robot,
setengah manusia. Karena hasil robotnya belum bisa dilepas.
Yah sorot media itu banyak intervensi saya. Karena kalu dilepas
susunan robot itu acak-acakan. Yah kan dia belum bisa
menyusun paragraf, mana yang penting dan gk penting. Dia
hanya menyusun kesamaan topik. Jadi susah mencari alogarime
yang kayak manusia yang bisa menentukan oh ini lebih penting
diatas ini kurang penting dibawah kan standar tulisan
jurnalistik kan gitu yah”, (Sumber: wawancara, Rahadian:
2020).
Tidak ada standar akurasi yang pasti tersebut disebapkan setiap data

memiliki struktur dan karakterisitk yang berbeda. layak atau tidaknya

proses berlangsung secara otomatis atau ada interpensi editor bergantung

64
keputusan dari redaksi dalam serangkaian uji coba dalam membangun

korpus akurasi. Artinya data yang diproses tidak bisa disamaratakan

dalam menentukan akurasinya. Objektivitas lainya terlihat data tidak

mengalami perubahan kecuali dalam tampilan penyajian dan pembatasan

akses data. Serangkaian tahapan tersebut beperoses secara bersamaan

yang tidak bisa dipisahkan. Meski program produksi AI memiliki rentan

kesalahan dibanding jurnalis manusia dalam memahami data komplex,

namun tingkat akurasi diatas 90% jauh lebih baik dibanding manusia

terutama pemahaman penulisan berita. Adanya evaluasi yang dilakukan

redaksi dalam peroses tersebut menjadikan akurasi setiap prosesnya terus

ditingkatkan. Menurut Tim Teknologi Eka Arisman ada proses pengujian

yang dilakukan secara berkelanjutan baik secara otomatsi maupun

manual untuk mendapatkan model program yang ideal. Dalam

melakukan verifikasi data, data yang diamil bersumber pada data resmi

seperti dalam berita gempa bumi yang lansung mengecek ke BMKG.

Redaksi melakukan tugas verifikasi mulai dari penyusunan data,

penyuntingan dan pemeriksaan kebenaran data yang memiliki struktur

acak dengan mencocokan sumber data.

Transparasi proses produksi memiliki arti bagi pembaca untuk

membedakan konten buatan manusia dan AI, karena ini dapat

mempengaruhi kepercayaan pembaca. Sebut, konten AI yang berasal

dari media online tidak menjelasakan media yang masuk ke dalam

sumber informasi. Kendati demikian, Lokadata.ID memberikan

65
 keterangan mengenai sumber informasi yang didapat dengan

menampilkan media-media yang memiliki peringkat teratas dalam

pembahasan topik. Lokadata.ID memberikan keterangan disetiap artikel

konten yang dikerjakan dengan. Jika konten yang dikerjakan AI

penandanya digunakan istilah “robotorial”, sementara untuk konten

jurnalis hanya memberikan keterangan penulis di bawah judul berita.

Bagi Lokadata.ID Transparansi sangat terbatas tentang pengambilan

keputusan yang dilakukan alogaritma dalam menentukan data,

melainkan memberikan perbedaan proses AI.

3.2.7. Alur Kerja Pengumpulan Data

Secara kusus, alur kerja proses AI cabang NLP. Pertama redaksi melalui

editor mengirim perintah ke program AI melalukan awal pemerosesan

mencari data. Kedua, AI memproses pencarian dengan menelusuri situs-

situs resmi penyedia data dan mengumpulkan berdasarkan kategori yang

telah ditentukan. Kategori pencarian ini menggunakan keyword yang

ditentukan redaksi. Ketiga AI, menseleksi data untuk proses pemberisan

dari iklan dan link dalam berita. keempat AI memasukan kedalam

kategori data yang telah diberi nama kusus berita dan menunjukan angka-

angka persebaran beserta nama dan link berita. Kelima, AI melakukan

pengecekan data untuk mencari inti dari data, sebelum proses selesai

dalam bentuk ringkasan. Proses selanjutnya sepenuhnya dilakukan editor

dalam pemerosesan berita.

66
 Bagan 3.2 : Alur kerja NLP dalam proses pengumpulan data
News Processing

Robot mencari Robot meringkas Editor

sumber, inti data dan menyeleksi,
Intruksi menseleksi dan mengirimkan ke menuliskan dan
Redaksi memasukan ke editor dalam menambahkan
kategori yang ringkasan informasi
telah ditentukan

Sumber: (Olahan peneliti, 2020)

Pada pengumpulan NLP dalam prosesnya tidak jauh berbeda. Pada

penyerahan NLG. NLG akan memporses inti data yang memasukan

kedalam kategori berita atau klaterisasi yang telah ditentukan secara

otomatis. Kategori berita tersebut berisi tamplate narasi yang automatis

akan menuliskan keterangan dari data. Narasi lebih menjelaskan tentang

kenaikan data dan penurunan data.

3.3. News Processing

Pada pemerosesan berita, atau news processing peran AI sangat terbatas dalam

tahap ini. Proses News processing meliputi tahap menulis, editing dan

penambahan informasi mengenai data. Hanya AI cabang NLG yang dapat

melakukan proses ini secara otomatis. Prosesnya hanya terbatas pada

menceritakan data, sementara untuk editing dan penambahan informasi tidak

dapat dilakukan. Peran tersebut dilakukan oleh editor. Pada sub judul ini akan

mendiskripsikan proses AI yang didalamnya terdapat keterlibatan redaksi

dalam prosesnnya.

3.3.1. Penugasan

67
 Penugasan sepenuhnya dalam pemerosesan berita yang dilakukan AI

hanya dilakukan NLG, sementara pada AI cabang NLP tidak dapat

melakukan penulisan. NLG dapat melakukan pemerosesan berita yang

memasukan inti data kedalam kategori berisi tamplate tulisan. NLG

mampu merubah data kedalam narasi yang telah ditentukan redaksi.

Sementara dalam proses NLP, proses hanya berhenti pada ringkasan

data. Untuk melanjutkan pemerosesan, dilakukan editor kusus AI yang

bertugas menarasikan, menganalisis dan menuliskan data kedalam

kaidah penulisan berita. Redaksi menempatkan editor kusus untuk

menganalisis data dari proses NLP. Menurut Wakil Pimpinan Redaksi

Rahadian Prajna Paramita, algoritma memainkan peran penting dalam

penugasan yang dilakukan AI untuk melakukan pemerosesan.

“Yah lagi-lagi algoritma. Algoritma itu perintah, kumpulan

perintah yang kita berikan kepada mesin. Mesin sekarng beritanya
apa, yah baca yang konten, yang bukan konten hapus, otupunya
kotor atau bersih. Algoritma itu kan cuman susunan perintah,”
(sumber: wawancara, Rahadian:2020).
3.3.2. Alur AI dalam Memproses Informasi

Beragam cara kerja yang dapat dilakukan AI dalam berbagai model

pemerograman. Sistem kerja AI yang diterapkan Lokadata.ID memiliki

bebagai tahapan proses yang sistematis. Proses awal ditandai dengan

memahami struktur teks yang telah mengalami pemodelan pada tahap

membangun model pemerograman. Kemudian, melakukan kategoriasi

berita yang telah ditetapkan, selanjutnya penulisan data yang telah

mengalami kategorisasi sebelum melakukan publikasi. Tahapannya

seperti gambar dibawah.

68
 Bagan 3.3: Sistem kerja AI pemerosesan NLG disetiap bagian

Struktur Teks Kategorisai Berita Penulisan Publikasi

Struktur Data Tamplate

Klaterisasi Data
 Masuk ke
 Sumber Data  Huruf
 Seleksi rubik
 Lokasi  Gaya berita
 Pembersihan
 Nama data (orang, bahasa  Waktu
 Masukan ke
organisasi, Negara  Visual publikasi
kalasifikasi data
ect) (tabel)

Sumber: (Olahan Peneliti 2020)

Tahapan struktur teks merupakan tahap awal pengenalan data-data yang

akan diproses. Tahapan ini memiliki yang berkutik tentang struktur data.

Struktur data memiliki berbagai kondisi ketika AI mulai melakukan

pemerosesan. Pertama, sumber data yang diambil dalam pemerosesan

didapat dari data yang tersebar secara digital, seperti pemberitaan media

online, media sosial, blog, situs media yang terkait dan memasukan data

manual. AI melakukan pencarian berdasarkan kesamaan sumber data,

sehingga tidak mencampurkan sumbernya seperti berita media online,

data didapat berasal dari semua media online yang masuk kategori.

Tahap ini disebut proses news gathering. Kedua, mencari lokasi

keberadaan sebuah peristiwa terjadi. Pemerosesan ini sangat bergunan

bagi redaksi untuk menambah informasi mengenai peristiwa. Menurut

Development tim teknologi Eka Arisman, data yang terkumpul perlu

69
melakukan pemeriksaan yang salah satunya tentang lokasi untuk menguji

kebenaran sebuah data.

“..disinikan di Lokadata.ID kan menerbitkan prediksi bola, nah

didalam prosesnya prediksi bola ada menyiapkan prediksi bola,
tapi dilinenya predeksinya bukan saya yang bikin, itu ada mas
Latip. kalau disaya ngambil datanya udah siap baru diolah. Nah
disitu yang paling sulitnya adalah mensinkronkan datanya udah
sesuai dengan hasilnya apa belum. Misalnya lokasi, ahh apa
stadion”, (Sumber: wawancara, Eka: 2020)
Ketiga, mengidentifkasi nama data untuk mengetahui narasumber datai

persoanal, organisasi, dan negara. Peroses ini dimaksudkan untuk

memahami karakteristik konteks data dan penambahan informasi

mengenai data. Menurut Development Atik Nugraha data memiliki

karakteristik berbeda. ada dua tipe data yang tersebar, data structured dan

unstructured yang memiliki tingkat kesulitan tersendiri. Tingkat

kesulitan tersebut mempengaruhi keterlibatan manusia dalam

perosesnnya.

Tahapan selanjutnya mengkategorisaksikan berita berdasarkan

pemodelan yang telah ditetapkan, seperti berita kategori olahraga, politik

hukum, dan ekonomi. Tahapan ini memiliki tingkat kesulitan tinggi,

karena prosesnya telah masuk ke dalam konteks isi data. Prosesnya

meliputi, pertama melakukan kelaterisasi data yang terdiri dari seleksi

berita dan pembersian. Proses seleksi berita meliputi mengumpulkan

berita yang sesuai dengan kategori yang telah ditentukan dengan kata

kunci tertentu. Kedua, pembersihan data (celining) proses ini dilakukan

untuk mencegah terjadinya duplikat data seperti penyebutan narasumber,

mata uang, dan seterusnya. Menurut wakil pimpinan redaksi, Rahadian

70
Prajna Paramita, pembersihan data bertugas untuk membersihkan isi data

yang tidak dibutuhkan dalam prosesnya, seperti membersihkan sampah

berita (iklan, dan link berita lain).

“Celining itu memersikan, kalau misalnya kalau ngambil data

orang itu bisa. Bisa itu kita menyebutnya tidak didobel mesin.
Misalnya Siginting berita, diartikel-artikel suka banyak sisipan
berita, baca ini, baca itu juga. Itu kan harus dicleing, karena kan
gk masuk berita, gk bagian dari konten. ini ngerti artikel apa yah
arus dibersihkan dulu iklan dan segala macem dibersihkan
dibuang, itu fungsi celinging”, (Sumber: wawancara,
Rahadian:2020)
Kedua, pemodelan berita peroses ini melakukan pemisahan data

berdasarakan kata kunci. Kata kunci digunakan untuk memasukan data

ke dalam pemodelan. Menurut tim teknologi Eka Arisman pemodelan

seperti otak manusia yang mampu memahami data berdasarkan isi.

Sistem kerjannya ketika data yang sudah terkumpul, data tidak bisa

masuk kedalam model berita, sehingga membutuhkan kata kunci yang

telah ditentukan untuk melakukan perintah memasukan data kedalam

model berita.

Tahapan penulisan, data yang telah masuk kedalam pemodelan,

kemudian akan tulis berdasarkan tamplate yang telah di tentukan dalam

proses pemergramana. Tahap ini merubah data dengan model tulisan

(font) yang ditentukan. Untuk model data angka, visualnya berbentuk

tabel dan grafik, sehingga angka-angka yang telah masuk akan langsung

mengsisi ke tabel. Kemudian menuliskan denga gaya bahasa untuk

melengkapi disripsi data mulai dari gaya judul, keterangan data, dan

narasi (berkaitan naik-turun data).

71
 Tahap akhir dari proses diatas, yaitu melakukan publikasi. Publikasi

dapat dilakukan secara automatis untuk kategori berita tertentu seperti,

prakiraan cuaca, kulitas udara, gempa bumi, hasil dan prediksi sepak

bola, harga saham, emas dan berita Covid-19. Konten hasil penulisan

akan terpublikasi ke dalam rubuksi yang telah ditentukan. Menurut tim

teknologi Eka Arisman, publikasi konten tidak dapat dilakukan pada

proses tersebut selesai, melainkan pada waktu yang telah ditentukan oleh

tim redaksi.

“jadi untuk menentukan penerbitan artikel yang nentukan redaksi,

kalau dari saya sendiri hanya mengecek waktu tayangnya kapan
saja. Kalau soal apa, proses pembuatan artikelnya secara
otomatis tidak terlalu lama sih, gak membutuhkan waktu lama.
Tergantung datanya sebesar apa, nah itu jadi gak hanya jam 6, itu
misal harga emas jam 10 pagi. Kemudian saham itu sore jam 5”,
(sumber:wawancara, Rahadian:2020).
3.3.3. Penulisan
Penulisan berita memiliki dua alur proses berbeda dalam melibatkan AI.

Pertama penulisan otomatis yang dilakukan NLG dan editor kusus AI.

Pada tahap proses alur kerja otomatis telah dijelaskan pada sub judul

sebelumnya. Penulisan otomatsi pada dasarnya memasukan hasil seleksi

data kedalam kategori berita yang didalamnya telah terdapat tamplate-

tamplate keterangan data. Menurut Atik Nugraha seleksi data yang

menunjukan poin-poin inti yang akan berlanjut ke proses kategori berita.

“Nah perbedaan lebih kesitu sih mas, untuk data poinya dari
mana itu tergantung sugestinya mau kearah mana gitu. Kalau
penulisan itu yang udah masuk seleksi dan keategori berita, akan
masuk ketamplate yang udah disediakan narasinya dari redaksi”,
(Sumber, Atik:2020)
Tamplate tersebut nantinya akan digunakan untuk menarasikan data

yang berisi berbagai perubahan mengenai sumber informasi. Misal, pada

72
penulisan berita prakiraan cuaca di kota Riau selasa 1 desember 2020 dan

kepulauan Riau 2 desember 2020 , penulisan berita memiliki ciri yang

tidak jauh berbeda, hanya terjadi perubahan pada bentuk penjelasan data.

Seperti penulisan dibawah.

“Badan Meteorologi, Klimatologi, dan Geofisika (BMKG)

memprakirakan, sebagian besar wilayah Riau kabut pagi ini, Selasa
(01/12/2020). Sementara, cerah berawan diprediksi akan terjadi di
sebagian besar wilayah ini pada siang hari. Kemudian, pada malam
hari Riau diprediksi akan cerah berawan di sebagian besar wilayah, dan
berawan di sebagian besar wilayah pada dini hari. BMKG tidak
mengeluarkan peringatan dini cuaca ekstrem untuk daerah-
daerah di wilayah Riau. (sumber: www. Lokadata.ID diakses pada
2 desember pukul 11.02)
Badan Meteorologi, Klimatologi, dan Geofisika (BMKG)
memprakirakan, seluruh wilayah Kepulauan Riau berawan pagi
ini, Rabu (02/12/2020). Sementara, hujan ringan diprediksi akan
terjadi di sebagian besar wilayah ini pada siang hari. Kemudian,
pada malam hari Kepulauan Riau diprediksi akan berawan di
sebagian besar wilayah, dan berawan di sebagian besar wilayah
pada dini hari. "- Untuk transportasi laut dan aktivitas kelautan
dihimbau agar berhati-hati terhadap gelombang laut yang dapat
mencapai 3,5 meter di wilayah Perairan Kep. Natuna dan 3,0
meter di wilayah Kep. Anambas. - Waspada hujan dengan
intensitas sedang hingga lebat yang dapat disertai petir dan angin
kencang di wilayah Kep. Natuna dan Anambas." ungkap BMKG
lewat peringatan dininya. (sumber: www. Lokadata.ID diakses
pada 2 desember pukul 11.03).
Kedua tamplate tulisan memiliki alur yang mirip. Penulisan model

ini, menjadi ciri khas penulisan otomatis yang sangat sederhana dengan

tidak mempertimbangkan model penulisan berita. Perinsip penulisan

berita tidak bisa dilepaskan dalam membangun arti dalam setiap

informasi, melalui kemapuan narasi dan memilah informasi penting dari

yang penting. Penempatan informasi penting seperti ini dikenal dalam

penulisan model piramida terbalik. AI secara penulisan tidak dapat

73
menentukan bagian penting dalam setiap berita, sehingga peran memberi

arti penting dalam data menjadi tugas jurnalis. Tim redaksi mengaku

tugas yang tidak tergantikan AI mengenai memberi makna dalam setiap

data yang ada dan menceritakan untuk memberikan pengaruh kepada

pembaca. Tugasnya memberi arti dari data dilakukan Rahadian Prajna

Pramita yang dibantu tim editor. Proses menceritakan data bukan

persoalan mudah untuk memahami data yang telah ada. Perinsip data

mengetahui apa yang terjadi, tetapi tidak mengetahui mengapa itu terjadi.

Hal tersebut diakui Rahadian Prajana Pramita yang harus terbiasa dengan

data dan narasi. Jurnalis memiliki peran menghidupkan data melalui

narasi yang mampu membuat pembaca senang, sedih, tertawa, terdiam

dan bertindak.

“Redaksi terlibat. Prinsip dasar pengolahan data adalah

memberi arti pada data. Salah satunya dengan storytelling.
Tugas redaksi adalah data storytelling, untuk memberikan
konteks atas data... Mana penting mana tidak itu kereteriannya
apa. Nah itu banyak kereteriannya kuatitatif penting karena
sekarang lagi hot, ne sekarang lagi hot itu ukuran kuantitatifnya
apa. Buat robot semua harus kuantitatif. ”, (Sumber:
Wawancara, Rahadian:2020)
Pada proses penulisan NLP, editor kusus AI memiliki peran penting

dalam memebuat data-data berada pada posisi yang sangat penting,

penting, dan tidak penenting. Proses pembentukan makna dalam

penulisan dari NLP dilakukan ketika editor menarasikan data dalam

bentuk angka. Kereteria penting dalam konteks data kuantiataif berbeda

dengan data kualitatif. Peran editor dalam memahami data membutuhkan

kemampuan analisis dan yang mengaitkan kedalam sebuah isu/peristiwa.

74
 Untuk melakukan analisis tersebut, editor mencari tambahn informasi

yang dapat melengkapi data proses AI. Penambahan informasi tersebut,

turut mempengaruhi posisi data proses NLP dalam berita. tidak jarang

hasil proses AI hanya berada pada body berita sebagai pelengkap berita

dan bukan informasi utama. Seperti dalam berita “Lalu lintas

penerbangan makin aktif di bandara AP II”, Rahadian sebagi penulis

menambahkan data yang bersumber dari wawancara dengan President

Director PT Angkasa Pura II, Muhammad Awaluddin dalan penguatan

Lead. Awal berita diisi rangkuman berita, sehingga pembaca akan mudah

memahami tanpa membaca keseluruhan. Sementara, konten AI letaknya

berada dibody berita yang mencertakan (how) berita terdiri dari sebaran

berita media online, durasi waktu, dan sebaran di media sosial Facebook.

Komposisi berita ini, menjadi ciri narasi berita di Sorot Media.

3.3.4. Kontrol Kualitas

Meskipun proses yang dilakukan AI dapat dilakukan secara otomatis,

redaksi berperan menentukan kualitas terbaik dari hasil proses tersebut.

Dalam proses NLG, redaksi tidak melakukan pengawasan untuk

menentukan kualitas, proses pengawasan tersebut dilakukan Tim

Teknologi. Kontrol kualitas dalam pemerosesan berita dalam bentuk

pengawasan, penulisan dan penambahan informasi berita. Pada proses

NLG pengawasan meliputi proses oprasional AI berjalan dengan normal

sesuai dengan prosedur dan mengecek hasilnya nanti sesuai dengan data

sumber informasi. Pengawasan pada proses ini, hanya melihat proses

75
berjalan normal, tanpa melakukan intepensi yang mampu mempengaruhi

hasil. Jika dalam pemerosesan ditemukan proses eror. Tim Teknologi

akan mengambil tindakan mengulang proses. Namun jika proses sudah

publis redaksi yang mengambil peran menghapus. Menurut kepala

Bidang Teknologi, Henkie Prabancono eror proses akan tampak jika

mencakup proses teknis, seperti data salah masuk kedalam kateogori,

gambar tidak muncul, Tim Teknologi akan melakukan tindakan.

“pernah mas, pernah nah itu yang main SOP. Kalau erornya
secara teknis jelas kelihatan, ada tulisan eror gambar tak
muncul, isu keliru. Yah temen-temen yang pasti punya ini
sendiri. redaksi itu yang pertama, atau atas arahan redaksi.
kita hanya bisa menyampaikan mengistalasi
problemnnya.(sumber: wawancara, Henkie:2020)
Penulisan berita yang dilakukan editor memiliki ciri yang berbeda

dalam penyampaian data. Pada konten kolaborasi NLP dan editor, editor

cenderung menulisan ringkasan hasil proses AI diawal berita, sebelum

menambakan data lain untuk menarasikan berita. karakter ringkasan ini

sering dijumpai dalam rubik sorot media. Ciri penulisan seperti ini terus

diupayakan dan dipertahankan redaksi dalam membangun narasi data.

Pada penambahan informasi tidak hanya terjadi dalam proses AI cabang

NLP saja, melainkan pada proses liputan manual yang dilakukan

reporter. Pada proses NLP ini menentukan proses AI layak disebut berita.

Penambahan informasi harus mencerminkan karakter penulisan yang

dilakukan redaksi. Hal tersebut dipertegas pimpinan redaksi Dwi Setyo

Irawanto setiap pemberitaan harus mengulas data secara mendalam agar

memberikan pengaruh bagi pembaca dalam mengambil keputusan.

76
 Penulisan mendalam ini yang dijadikan redaksi sebagai patokan dalam

melakukan kontrol yang melibatkan editor didalamnnya.

“Kita sebagian besar pekerjaan tim. Jadi jarang satu item yang
dikerjakan sendiri. Jadi kalau kamu perhatiin timeline nama-nama
penulis itu sering ada dua. Yang sendirian ada tapi umumnya penulis-
penulis udah senior. Kita maunya beritanya mendalam”, (sumber:
wawancara, Dwi: 2020)
3.3.5. Tampilan Berita

Lokadata.ID menampilkan konten yang didalamnya rata-rata

menampilkan tabel data dan garfik. Langkah tersebut dipilih agar data

yang ditampilkan dapat mengambarkan informasi dengan jelas. Sebut

pada berita yang dihasilkan AI, lebih banyak menampilkan informasi

kenaikan dan penuruan angka, sehingga tampilan tabel dinilai efektif.

Begitupula ketika menampilkan data dalam bentuk persebaran informasi,

redaksi memilih menggunakan lingkaran untuk melihat data. Dalam

melihat perkembangan data dari tahun-ketahun redaksi memilih

menggunakan grafik. Tampilan berita memiliki pengaruh kuat menarik

perhatian, sehingga editor menempatkan tim kusus yang mengatur

tampilan yakni tim visualisasi. Tim visualisasi ini yang bertugas

menampilkan tamplate garfik, tabel dan gambar dalam konten. Desain

konten yang menarik menjadi tanggung jawab tim visual, termasuk

menampilkan rubik komik, cerpen dan kartun.

Tampilan berita menentukan apakah berita yang disampaikan

menampilkan sesuatu yang berbeda. Hal yang sangat berbeda ditampilkan

redaksi adalah berita yang didalamnya terdapat visual peta Indonesia dan

77
grafik. Dalam Laporan tentang data persebaran korupsi di Indonesia,

visual menampilkan data dalam peta yang akan keluar datanya ketika

tersentuh, hal serupa berlaku untuk konten grafik. Tampilan seperti ini di

klaim redaksi sebagai trobosan baru penyajian konten yang lebih moderen

dan menarik. Adapun tampilan berita hasil produksi AI dapat dilihat pada

rubik robotorial dan sorot media seperti gambar dibawah.

Gambar 3.1: Berita Robototrial

78
Sumber: www.Lokadata.ID diakses pada 3 desember 13.02
Gambar 3.2: tampilan berita Sorot Media (Sormed)

Sumber: (www.Lokadata.ID diakses pada 3 desember pukul 13.25)

79
3.3.6. Keterbatasan

Bergantungnya Lokadata terhadap ketersediaan data dan pihak kedua

penyedia data, sangat mempengaruhi proses produksi berita. Kendala

tersebut mulai dari, data yang tidak tersedia, sumber data tidak jelas, data

terus berubah cepat (update) dan data yang terkunci (privat). Menurut

Eka Arisman pengembang AI di Lokadata yang berada didivisi teknologi

yang bertanggung jawab mengembangkan AI untuk produksi di ruang

redaksi. Mesin AI sangat bergantung dengan data yang tersedian untuk

proses kerjannya dimulai. Data yang tersedia bisa online (data tidak perlu

diinput ke program) dan offline (memasukan data ke program).

Kerumitan data berdampak terhadap proses yang dapat berlangsung

lama. Kompleksitas data menjadi persoalan utama proses produksi

menjadi lama dan rawan kesalahan. Persoalan sumber data yang tidak

jelas ataupun invalid menjadi persoalan yang diakui membutuhkan

waktu untuk memahami.

Kondisi proses yang mengumpulkan data acak, memungkinkan proses

tersebut terjadi dan membutuhkan tim redaksi untuk membantu verifikasi

data. Persoalan data terkuci umumnya didapat dari publikasi yang

enggak mempublis hasil data. Mesin tidak dapat menjangkau data yang

terkunci. Umumnya kendala ini ketika mengambil data yang berasal dari

media sosial (akun privat, dan grub) untuk mengisi rubik Sorot Media

(sormed). Proses monoton dalam sistem programan, menjadi sangat sulit

ketika data yang tersedia mengalami perubahan dan harus memulai ulang

80
prosesnya. Kasus seperti data kenaikan angka positif Covid-19, dan

perediksi bola. Data-data tersebut sering kali tidak sesuai dengan hasil

yang telah diproses. Misal, data Covid-19 jumlah hari dan angka positif.

Perubahan tersebut turut merubah program yang awalnya telah tersedia.

Adanya jangka waktu dalam proses menyusun rumus progaramnya

membuat proses manual digunakan untuk memasitikan hasil proses AI

sama dengan data manual nantinnya.

“Kita membutuhkan waktu 3 hari 5 harilah. Tergantung kesulitan

datanya, datanya itu rumit apa enggak, kalau datanya simpel bisa
cepet, yang biasanya bikin lama ada satu proses lagi, ketika sudah
selesai tamplating, itu ada namanya tampilan grafis, infografisnya
itu juga diseeting agar diartikel itu bisa dibilang tambahan
tampilan biar enak dibacanya. Kategori data yang sulit sama
enggak itu terlihat itu ketika datanya komplexs. misalnya seperti
ini, apaya contohnya bentar. Ini prediksi bola, disinikan di
Lokadata.IDkan menerbitkan prediksi bola, nah didalam
prosesnya prediksi bola ada menyiapkan prediksi bola. Nah disitu
yang paling sulitnya adalah mensinkronkan datanya udah sesuai
dengan hasilnya apa belum. Misalnya lokasi, ahh apa stadion,
biasanya datanya belum bener, dan ada biasanya kita ada
perhitungan misalnya seperti robotorial covid nah ini. Nah dicovid
itu ada menghitung jumlah hari, nah biasa disitu cukup butuh
waktu, karena menyiapkan rumushnya dulu. Untuk menyiapkan
rumus satu hari jadi”, (Sumber wawancara, Eka:2020)

81
Gambar 3.3: Desain perbandingan konten utama publikasi BMKG.go.id
dengan konten buatan robot Lokadata.ID yang bersumber dari konten
BMKG

Sumber: (www.Lokadata.ID diakses pada 3 desember 2020)

Permasalahan ketegantungan data kepada pihak kedua mumbuat

Lokadata sangat terbatas dalam kereatifitas produksi konten, bahkan

tidak mempublikasi berita. Independensi media yang mampu

memperoduksi konten sendiri dengan mencari sumber data langsung,

menjadi persoalan utama konsistensi media memperoduksi konten tanpa

bergantung dengan peroses pemerograman. Hal tersebut diungkapan

wakil pimpinan redaksi.

“Gempa bumi tegantung peristiwa. pertandingan sepak bola

karena semua libur jadi libur. Mesin tidak dapat bekerja kalau
data tidak update. Mesin kan ngecek ada data baru gk hari ini
kalau gk ada gk terbit”,(Sumber: wawancara, Eka: 2020)
Keterbatasan lain penggunaan AI di Lokadata.ID terletak pada proses

membangun dan mengembangkan AI yang terkendala masalah biaya dan

sumberdaya manusia. PengembanganAI untuk produksi jurnalisitik

sangat bergantung dengan penggunaan teknologi dengan sistem yang

baik. Untuk mencapai proses kerja maksimal dengan kereatifias mesin

82
yang baik, dibutuhkan alat yang mampu mendukung proses tersebut.

Menurut Divelpment divisi Teknologi Atik Nugraha mengatakan untuk

mendukung kinerja maksimal dalam melakukan Deep Learning

(pembelajaran mendalam) mesin terhadap data, membutuhkan sistem

Graphic Processing Unit (GPU) yang baik. Namun biaya untuk

ketersedian alat menjadi persoalan utama yang berdampak pada varisasi

konten.

“Selalu pasti ada hambatan mengenai sdm alat maupun teknologi.

Kalau kemapuan alhamdulilah timnya mau belajar ne. kalau mau
menghadapi ini, ya udah pelajari dulu, teknik ini gimana, literatur
ini gimana. Apa kita baca peper-peper yang sudah pernah dipakai
yang sudah pernah di uji. Tapi kalau hambatan yang sifatnya alat
yah kadang kita harus menyerah itu mas. Kayak misalanya untuk
prediksi bola, untuk melakukan prediksi, sebenarnnya eee kalau
mau bilang alogaritma yang dilihat sekarang bagus gitu pakai teks
opo dan menggunakan GPU gitu misalnnya. Karena akses
GPUnya itu mahal sehingga yang saya gunakan bad yang tidak
menggunakan GPU, jadi misal kek gutu. Jadi hambatan itu seperti
itu sih”,. (Sumber Wawancara, Atik:2020).
Kreativitas sebuah konten sangat bergantung dengan teknologi yang

digunakan. Hal tersebut berbeda dengan perinsif jurnalisme sebelumnya

yang menekankan pada kereatifitas jurnalis dalam membangun pengaruh

di setiap konten. Namun Lokadata.ID berdalih mahalnya alat produksi

nantiknya akan sejalan dengan produksi dimasa depan yang akan

semakin murah. Teknologi AI di masa depan akan memberikan

perubahan media yang mampu menghadirkan konten yang cepat dengan

jumlah banyak. Menurut kepala Bidang Teknologi Henkie Prabancono

biaya pengembangan yang mahal akan memberikan dampak yang

signifikan terhadap keberlanjutan konten. Lokadata menilai kebutuhan

83
 membangun program AI dengan biaya yang mahal akan terbayar dengan

kesan dan produk yang nantinya terus meningkat.

“waduh ini aku gk boleh reales ee hahaha (ketawa), tapi gini

meskipun itu ada murah ataupun mahal, tapi sebenernya ada
inpact-impact lain yang gk bisa dinilaikan, kayak misalkan
membangun Bad itu jugakan mungkin besar pengeluarkan, tapi
misalkan Ban sama Impression (kesanya) bagus sebenernya realits.
Seperti yang dibilang mas Latip relatif gitu. Sebagai contoh use
cases saja untuk satu robotorial kalau kita menghilangkan soal
kebutuhan GPU disana praktis sekitar 2 3 instan yah mas Arisman
yah (Arisman: ehh iya), untuk satu prodak mini robotorial saja,
belum yang lain, semakin besar tentu, procesingnya juga makin
besar”.(Sumber:Wawancara, Henkie:2020)
Jurnalis yang menjadi roda penggerak Lokadata.ID memiliki

keterbatasan dalam memahami program AI. Keterlibatan jurnalis sangat

terbatas pada pengembangan ide dan kebutuhan, hanya wakil redaksi

yang terlibat aktif untuk pengembangan. Rahadian Prajna Paramita

mengakui untuk urusan teknis lebih kepada tim teknologi, sehingga

kesahalan yang sifatnya dasar diluar konten membuat redaksi sangat

bergantung ke tim teknologi. Jurnalis di Lokadata.ID dituntut mengerti

tentang dasar pemerograman dan jurnalistik sehingga nantinya

ketergantungan terhadap tim teknologi akan berkurang. Sekarang,

ketergantungnya tersebut sangat tinggi dengan keterlibatan redaksi

sangat terbatas pada pengembangan AI.

“Kalau dalam redaksi itu cuman saya, sisahnya tim teknologi. Ada
tim kusus yang bekerja dibagian robot yang membantu tim redaksi.
semua teknologi kan urusan mereka,termasuk pengoprasionalan,
pengawasan dan perbaikan, semua orang teknologi. Urusan web
itu tim teknologi juga yang mengawasi”, (Sumber wawancara,
Rahadian:2020).
3.4. News Distribution

84
News Distribution merupakan proses mempublikasikan atau menayangkan

berita agar dapat dikonsumsi pembaca. Proses penayangan berita dilakukan

oleh NLG secara otomatis dan editor secara manual. News distribution tidak hanya

persoalan penayangan berita, melainkan jumlah berita dan waktu tayang. Lokadata.ID

melakukan publikasi penayangan berita di situs resmi.

3.4.1. Jumlah Berita Penayangan

Bagi Lokadata.ID produksi konten beberbasis pemerograman AI

merupakan produk unggulan yang memiliki perhatian lebih bagi

organisasi. Redaksi tidak melihat kebutuhan pembaca “sekarang” menjadi

perioritas, melainkan kebutuhan dimasa depan. Artinnya produksi konten

AI, memiliki perhatian lebih terus ditingkatkan. Redaksi tidak mengejar

apa yang disukai pembaca, yang nantinya akan diproduksi konten,

melainkan mengenalkan konten yang nantinya dibutuhkan pembaca.

Menurut Wakil Pimpinan Redaksi, konten yang diproduksi bukan untuk

kalangan yang memilki kepentingan, tetapi setiap orang dapat mengakses.

Konten produksi AI memiliki segmentasi terbatas, seperti konten hasil

pertandingan hanya untuk pencinta bola, konten harga saham dan emas

untuk kalangan pebisnis, konten prakiraan cuaca untuk industri dan hanya

konten mengenai kesehatan dan bencana alam yang dapat mencerminkan

kepentingan umum. Sebut pada persebaran berita bulan september-

oktober 2020 , konten produksi AI di rubik robotorial 2011, berbanding

257 di rubik artikel buatan jurnalis, perbandingan seperti tabel dibawah.

Perhatian lebih redaksi terhadap program AI, tidak lepas dari manfaat

yang dapat mempermudah redaksi memproduksi konten. Dalam

85
berberapa berita, data dari proses AI menjadi pelengkap isi berita. Konten

produksi AI seperti prakiraan cuaca, kualitas udara, hasil bola, harga

emas, saham, bencana alam (gempa bumi) memiliki jumlah kuantitas

yang banyak dibanding konten yang diproduksi redaksi seperti

ekonomi/perbankan, pasar/perdagangan/industri, Covid-19 dan lainnya,

memiliki sudut pandang ekonomi bisnis dalam penyajiannya.

Tabel 3.2: Persebaran berita arikel dan robotorial bulan september-

oktober 2020

Persebaran Berita
1500 1237

1000 774

500
138 119
0
September Oktober

Artikel Robotorial

Sumber: (Olahan Peneliti, 2020)

Menurut Rahadian Prajna Paramita bahasa pemerogaraman AI terus

mengalami pengembangan yang mengarh pada bentuk tampilan yang

menarik. Redaksi akan menunggu pembaruan program untuk

menampilkan konten yang menarik.

“Sebenernya masih banyak sih yang perlu dikembangkan. AI itu kan

masih terbatas. Mesin learing itu kan terbatas, dia berkembang
sering waktu, temua baru alogarima yang bisa seperti ini seperti
itu. Ada hardwer baru, algaritme baru, itu ada hitungan bulan
muncul, setauh empat kali update besar didunia digital. Masih
banyak sih yang dibikin. Ada yang namanya noles graf itu semanca
peta pengetahuan. tapi bentuknya bukan peta, kayak network
gambarnya seperti jejaring”,( Sumber:wawancara, Rahadian:2020)

86
 Lokadata.ID sebagai media online yang sangat mengembangkan

teknologi dan jurnalism data, tidak sepenuhnya menampilkan konten yang

diinginkan pembaca, melainkan mengutamakan visi dan misi organisasi

media yang mampu menggeser orentasi konten dan mengarah pada target

pasar tertentu. Sejauh ini terget pasar Lokadata.ID mengenalkan progaram

produksi konten berbasi AI dan jurnalisme data sebagai bentuk jurnalisme

masa depan. Artinya yang menjadi kepentingan Lokadata.ID meskipun

tidak disukai pembaca akan menjadi prioritas redaksi untuk memberikan

warna baru jurnalisme di Indonesia. Pembaca akan memasuki diri di

Lokadata.ID, redaksi akan mengenalkan konten berdasarkan kepentingan

pembaca.

Jumlah publikasi AI tidak memilik batasan dalam pengerjaan, selama data

yang tersedia, AI akan terus melakukan produksi. Menurut kepala bidang

teknologi Henkie Prabancono pembatasan jumlah berita yang dilakukan

sangat bergantung dengan kebutuhan konten dan kebijakan redaksi.

Artinya harus ada keseimbangan antara produksi konten AI dan editor.

“sebanyak mungkin yang bisa, secara teknis tidak ada batasan,

batasan yang ada adalah dari redaksi. kalau untuk lokadata yah,
itu redaksi. jangan sampai proposi tidak proposi lagi dibanding
dengan konten-konten yang lain. (Sumber: wawancara,
Henkie:2020).
Proses produksi AI akan diatur redaksi mulai dari waktu orpasional,

jumlah dan waktu penayangan. Pengaturan tersebut dimaksudkan

menyesuakikan kebutuhan dari pembaca.

3.4.2. Waktu Publikasi

87
Waktu publikasi proses otomatis diatur berdasarkan konten yang akan

dikonsumsi. Penentuan waktu publikasi dilakukan redaksi untuk melihat

konten yang akan diproduksi tetap sasaran. Misal pada penayangan berita

harga emas, penayangan dilakukan pagi menjelas siang, hal ini

dimaksudkan bagi pembaca yang akan menjual dan membeli emas dapat

segera melakukan tranasaksi. Namun, penayangan berita sangat

bergantung terhadap penayangan sumber informasi utama. Artinya AI di

Lokadata.ID akan menunggu data keluar baru dapat diproses. Menurut

Eka Arisman pengembang teknologi di Lokadata.ID, penentuan

penayangan berita sangat bergantung penyedia data, sehingga sulit

dipastikan kapan tayang. Namun redaksi akan menentukan waktu

penayangan yang disesuaikan dengan kebutuhan redaksi. Artinya ketika

data tersedia dan proses sudah siap tinggal penayangan, redaksi akan

menentukan apakah konten tersebut ditayangkan sekarang atau nanti.

“jadi untuk menentukan penerbitan artikel yang nentukan redaksi,

kalau dari saya sendiri hanya mengecek waktu tayangnya kapan
saja. Kalau soal apa, proses pembuatan artikelnya secara otomatis
tidak terlalu lama sih, gak membutuhkan waktu lama. Tergantung
datanya sebesar apa, nah itu jadi gak hanya jam 6, itu misal harga
emas jam 10 pagi. Kemudian saham itu sore jam 5”, (Sumber:
wawancara, Eka: 2020).
Praktik tersebut telihat pada pemberitaan mengenai kejadian gempa

bumi. Dalam pemerosesan membutuhkan waktu dalam pengerjaan dari

mulai mengambil data dari sumber resmi, diproses ulang oleh AI redaksi

membatasi waktu agar penayangan tidak terlalu lama. Artiannya redaksi

mempertimbangkan kecepatan dalam berita tertentu.

88
 “yang gempa ini, diseet juga ada ketentuan juga dari redaksi,
mereka mintaknya kalau bisa jangan terlalu lama, cuman sekarang
itu maksimal paling cepet itu 10 menit. Jadikan notice gempa dari
BMKG muncul”, (Sumber: wawancara, Eka:2020)
Waktu penayangan sangat bergantung terhadap ketersediaan data dan

kebijakan redaksi. Redaksi memainkan peran dalam menentukan apakah

berita selesai pemerosesan akan langsung dipublikasi. Waktu publikasi

juga sangat dipengaruhi oleh berita yang akan tayang. Waktu publikasi

seperti pada data dibawah:

Tabel 3.3: Waktu tayang berita AI

AI Ketegori Berita Sumber Data Prakiraan tayang

NLP Persebaran Big Data ( media-media Kondisonal
Tranding online dan Facekbook)
NLG Prakiraan Cuaca BMKG 06.00 wib
Kualitas Udara AirVisual (Iqair) Pagi 06:30
Siang 12:30
Sore 17:30
Saham IHSG (Index Harga 17:00-17:30
Saham Gabungan)
Gempa BMKG (Badan Tergantung
Meteorologi, ketersediaan data
Klimatologi, dan
Geofisika)
Harga Emas logammulia.com, harga- 10:00-11:30
emas.org
Hasil Sepak Sumber Resmi Liga Tergantung
Bola ketersediaan data
Covid-19 Covid19.go.id Diatas jam 18:00
Sumber: (Olahan Penelitian 2020)
Penayangan konten berita ada yang terjadwal dan tidak. Terjadwal artinnya

data dari sumber penyedia memiliki waktu publikasi yang pasti, sehingga

penayangan di Lokadata.ID dapat dikerjakan. Publikasi yang tidak

terjadwal bergantung dengan penyedia data yang melakukan publikasi.

Misal data berita Covid dari sumber Covid19.go.id memiliki waktu

89
 publikasi yang berubah, namun publikasi selalu dilakukan sore menjelang

malam, sehingga redaksi melakukan publikasi pada malam hari.

Berbeda dengan data yang publikasnya bergantung perstiwa

kejadian seperti gempa dan hasil pertandingan bola. Waktu penyangan

tidak terjadwal, bahkan tidak melakukan publikasi. Artinnya waktu

penyangan akan dilakukan sesegera mungkin jika data dari sumber

penyedia melakukan peublikasi. Proses ini juga memungkinkan AI tidak

melakukan pemerosesan jika data tidak tersedia.

3.4.3. Penyebaran Berita

Penyebaran berita sepenuhnya tidak dilakukan AI dan redaksi, melainkan

divisi kusus yang berada dalam tim marketing. Divisi Marketing melalui

tim media sosial dan digital marketing mendistribusikan berbagai konten

ke situs mini, media sosial dan mitra Lokadata. Menurut Ayyi Achmad

Hidayah tim media sosial akan menyebarakan berita ke media sosial,

sedangkan digital marketing lebih mitra dan mini situs Lokadata.

“Setelah itu, tim media sosial akan menayangkan cuplikan konten

beserta linknya di beberapa platform media sosial resmi Lokadata
seperti Facebook, Twitter, Instagram, Pinterest, LinkedIn, Kaskus,
Kaskus TV, Vidio.com dan Youtube, serta beberapa platform
lainnya. Output konten Lokadata selain dipublikasi di situs resmi
Lokadata.id, konten juga dipublikasikan di minisite Lokadata, situs
partner seperti Rumah123.com, platform media sosial Lokadata,
serta beberapa platform distribusi yang telah menjadi partner
resmi kami seperti Line Today, Kaskus, BABE, RCTI+, dan
beberapa platform lainnya. Selain itu, output berupa hasil
penelitian/olah data dari Lokadata didistribusikan juga kepada
Perusahaan/Pemerintahan yang memerlukan data dan informasi
sesuai kesepakatan pekerjaan atau mitra kerjasama”, (sumber:
wawancara, Ayyi:2020).

90
Sementara itu, ada media kusus distribusi untuk konten robotorial di

media sosial Twitter. Hasil produksi AI cabang NLG disebarkan di media

twitter. AI tidak dapat melakukan distribusi konten yang disebapkan

keterbatasan kemapuan dalam menyebarakan konten. bahasa

pemerograman yang sepesifik membuat pekerjaan penyebaran konten

dilakukan tim marketing.

91
 BAB IV

Rutinitas Produksi Konten di Redaksi

Memposisikan sebagai media yang mencentuskan teknologi kecerdasan buatan

(Artificial Intellegence) dalam proses produksi menjadikan Lokadata.IDmemiliki

perbedaan dengan media online lainnya. Perbedaan yang terlihat mata seperti

karakterisik penulisan dan otput berita, redaksi tidak menampilkan homogenisasi

konten (cepat, singkat, dan serupa), dan dipengaruhi media sosial seperti trand

media terkini. Redaksi menawarkan konten data, baik dari olahan manual dan

otomatis. Konten tersebut dikolaborasikan dalam bentuk tulisan mendalam. Konten

berita mendalam, memiliki kecenderungan berita analisis yang menyasar

segementasi kusus menjadi salah satu alternatif ditengah gempuran konten yang

singkat dari media bermodal besar. Model penulisan cepat, dan updating secara

langsung terpinggirkan, berganti tulisan narasi singkat dari data melalui proses

otomatis dan penulisan mendalam dari proses kolaborasi (hibrid) antara AI dan

Editor kusus AI. Kenyataan dalam internal pemerosesan konten di Lokadata.ID,

redaksi mengalami perubahan budaya kerja yang terjalin antar anggota redaksi,

redaksi dengan bidang lain dan redaksi dengan AI. Perubahan tersebut mendorong

redaksi tidak hanya fokus terhadap produksi konten, melainkan interkasi

didalamnya seperti perencanan bersama, kolaborasi produksi, dan evaluasi.

Menurut Tuchman (1977) rutinitas diartikan suatu berpola, rutin, berulang dan cara

yang digunakan oleh pekerja media dalam mengerjakan pekerjan mereka.

Sedangkan rutinitas media adalah kebiasaan orang-orang yang sedang berlangsung,

92
prosedur berpola yang diterima sebagai praktik profesional (Saraghi, 2016:22).

Rutinitas media mencakup bagaimana redaksi dalam memproduksi konten yang

membentuk alur kerja dan keputusan-keputusan yang telah disepakati. Keputusan

tersebut mencakup bagaimana mengumpulkan berita (news gathering),

pemerosesan berita (news processing) dan pendistribusian berita (news

distribution). Dalam News gathering tentang pengumpulan berita, selain reporter

yang betugas mengumpulkan berita, redaksi juga dibantu Tim Data yang

menyediakan olahhnnya data yang didalamnya terdapat analisis data, sehingga

redaksi lebih fokus menceritakan data dan menambahkan informasi mengenai data.

Rutinitas media dalam memproduksi konten praktis tidak jauh berbeda dengan

media online lainnya seperti kaidah penulisan 5W+1H, etika peliputan dan

tanggung jawab jurnalis. Namun, ada berberapa tahapan proses dalam

memperoduksi konten yang berbeda dengan melibatkan teknologi AI. Pemerosesan

konten di Lokadata.ID dilakukan dalam tiga bentuk pengerjaan. Pertama, konten

yang diproses secara otomatis oleh AI, dimana tahapan awal dan sampai publikasi

dilakukan perogram AI, tanpa melibatkan manusia dalam pemerosesannya.

Manusia tugasnnya hanya mengawasi proses. Kedua, konten yang diperoduksi

jurnalis tanpa melibatkan AI. Tahapan awal hingga akhir dikerjaan oleh jurnalis

mulai dari mencari sumber informasi, penulisan dan publikasi. Konten yang

dikerjakan jurnalis lebih mengandalkan sumber informasi yang berasal dari

wawancara. Ketiga, konten produksi campuran, proses ini melibatkan AI sebagai

tahap awal produksi seperti mencari informasi, memperoses informasi dan

menyusun informasi. kemudian tahap selanjunnya dilakukan jurnalis yang berkerja

93
memasukan unsur-unsur penulisan 5W+1H, melakukan analisis hasil olahan AI,

menambah informasi yang mendukung konten dan mempublikasi konten. Rutinitas

dalam produksi berita di redaksi Lokadata.ID seperti pada bagan dibawah.

Bagan 4.1: Rutinitas Media

Pengumpulan/ Pemerosesan Distribusi

Informasi
sumber Informasi AI NLG

Sekretaris redaksi Online

(WEB)
Perencanaan Reporter
Editor/penulis
Redaksi
AI
Penyebaran
Tim Data Visualisasi tim marketing

Media Mitra Mini

Sosial Media Situs
s

Sumber: Olahan Penelitian, 2020

Pembahasan pada BAB ini lebih memfokuskan interpretasi temuan tentang

perubahan-perubahan yang terjadi dengan penggunaan AI dalam produksi konten

mulai dari tahap News Gathering, News Processing dan News Distribution.

Rutinitas media dalam produksi konten yang melibatkan AI didalamnya

menempatkan pada tugas-tugas sepesifik yang terjadi didalamnya. Namun, tekanan

jurnalis yang dituntut mampu memperoduksi konten sebannyak mungkin dalam

target waktu, bergeser mampu menghadirkan analisis data untuk berita yang

mampu dijadikan daya tarik dan mempengaruhi pembaca. Redaksi Lokadata.ID

memainkan peran melihat sebuah peristiwa melalui angka yang dikemas dengan

94
serangkaian data yang terukur dalam menjelasankan peristiwa. Dua perpektif

tersebut sangat berbeda dalam bahasa saat terpublikasi.

4.1. Penggunaan AI

Memfokuskan diri sebagai media online berbasis jurnalisme data, Lokadata.ID

lebih memperoduksi konten dari hasil olahan AI, riset dan analisis data. Fokus

tersebut menyebapkan rendahnya aktivitas lapangan yang dilakukan reporter

dalam menggumpulkan berita, sebaliknya meningkatkan aktivtias di dalam

ruang redaksi. Fokus utama dalam pemberitaan yang mengandung nilai berita

ekonomi, bisnis dan politik, sangat memungkinkan penggunaan teknologi AI

dalam membantu produksi di ruang redaksi. AI yang digunakan dalam rutinitas

produksi konten meliputi Natural language Generation (NLG) yang dapat

melakukan proses secara otomatis dari proses penggumpulan hingga publikasi

dan Natural Language Processing (NLP) yang dapat mengumpulkan data dari

Big data yang diproses dan diproduksi. Peroses ini yang memunculkan praktik

baru kerja kolaborasi (hibrid) mesin dan editor.

4.1.1. Oprasional

Menggunakan bahasa pemerograman dalam proses produksi konten

sangat bergantung terhadap syarat oprasional yan ada dalam

pemerograman. Artinya hal yang menjadi penting bukan sebuah

peristiwa yang terjadi, melainkan pemerosesan bisa berjalan baik, tanpa

cacat dalam produksi. Redaksi sangat bergantung terhadap program

berjalan dengan baik dibanding dengan ketersediaan berita harian di

situs web. Oprasional AI yang merubah kumpulan angka menjadi narasi

95
 sederhana yang dapat dipahami manusia sangat bergantung dengan

struktur data yang ada. Ketergantungan ini membuat akses data kesistus-

situs resmi sangat penting. Penyedia data ini menjadi sumber informasi

tunggal yang tidak bisa digantikan posisinya. Misal berita prakiraan

cuaca yang diambil BMKG, Lokadata.ID menunggu publikasi. Jika

BMKG tidak melakukan publikas, secara otomatis berita untuk

robotorial kusus prakiraan cuaca akan hilang.

4.1.2. Jangkauan

Jangkauan kerja AI yang terbatas pada ketersediaan data dan terbatas

pada identifikasi data, membuat ruang jurnalisitik menjadi sempit yang

terbatas pada angka sebagai sumber cerita dan sumber tunggal sebagai

satu-satunya proses dapat dilakukan. Akses data berpola menjadi dasar

AI dapat melakukan pemerosesan berita. Artinnya sulit menggunakan

data baru yang sifatnya datanya jauh lebih penting masuk kedalam

proses. Penambahan data tidak bisa dilakukan kedalam program,

melainkan memasukan setelah pemerosesan program selesai.

Akurasi proses yang tidak bisa disamaratakan untuk sebuah data,

memungkinkan data-data yang diambil memiliki tingkat kesalahan yang

beragam. Seleksi yang dilakukan diredaksi diawal, bukan satu-satunya

jaminan data memiliki akurasi yang baik. Hal tersebut sangat bergantung

bagaimana AI membaca data dan memproses ulang data untuk

kepentingan redaksi. kesalahan-kesalahan seperti tampilan salah, sulit

membaca bentuk pdf, penulisan angka salah dan eror proses menjadi

96
 kesalahan yang sering dijumpai. Artinnya pengawasan menjadi salah

satu alternatif memantau kesalahan teknis tersebut.

Hasil penelitian ini menunjukkan penerapan Artificial Intelligence (AI)

dalam rutinitas media telah menunjukan babak baru dalam dunia jurnalitisk.

Penggunaan cabang AI Natural Language Generation (NLG) dan Natural

Language Processing (NLP) telah merubah pandangan yang menyebutkan

jurnalis merupakan satu-satunya yang memperoses berita dalam ruang

redaksi. Kenyataan sekarang AI telah berkembang menjadi bagian tidak

terpisahkan dengan jurnalis. Sebagai media yang memfokuskan pada

penggunaan teknologi kecerdasan buatan Lokadata.ID dalam prosesnnya

telah mengalami perkembangan terutapa varian konten dan jumlah publikas

hasil dari proses AI. Perbedaan hasil otput berita antara jurnalis dan AI,

menambahkan berbagai gaya penulisan berita yang semakin beragam.

Keberagaman tersebut memberikan kenyaman tersendiri bagi pembaca,

ditengah informasi yang dihasilkan media online sekarang memiliki

kecenderungan mengalami homogensiasi konten. Fokus utama Lokadata.ID

yang mengulas sebuah peristiwa dalam perpektif data, menjadikan peran AI

sangat vital mendukung konten lain sebagai tambahan data untuk konten yang

dihasilkan redaksi melalui editor.

4.2. News Gathering

News Gathering merupakan proses penggumpulan sumber berita. Proses ini

meliputi tentang redaksi malakukan perencanaan, dan penggumpulan sumber

berita. Pada proses news gathering setiap media berbeda-beda. Temuan Ami

97
 Luhur, (2019) pada news gathering di tribunnews.com, menunjukan reporter

mencari berita berdasarkan arahan kordinator liputan baik dengan penugasan,

maupun tanpa penugasan. Sumber utama pencarian berita berasal dari

wawancara kepada narasumber.

AI membuat penggumpulan berita yan dilakukan redaksi merubah cara

mendapatkan data dan melihat sebuah peristiwa. News gathering dengan

menggunakan AI proses pengumpulan data dilakukan dengan mencari di big

data atau kumpulan data online yang tersebar. Praktik tersebut mendorong AI

mengambil data-data dari sumber lain yang diolah kembali untuk kepentingan

Lokadata.ID. Penggunaan AI cabang NLG dan NLP dinilai menjadi salah satu

alternatif dalam mendaptkan data yang tersebar secara daring. AI mendorong

redaksi memberikan perhatian lebih terhadap perencanaan dan memfokuskan

redaksi pada berita mendalam yang lebih humanis. Namun, tidak sepenuhnya

big data dapat digunakan AI sebagai sumber data. Hanya sumber yang telah

ditentukan (situs resmi) yang dapat diambil. Ada beberapa alasan hal tersebut

terjadi yang mencakup hak cipta, keterbatasan program AI dan soal

objektivitas. Ada beberapa perubahan yang terjadi dalam proses news

gathering yang terjadi.

4.2.1. Perencanaan

Perencanaan diaritkan bagaimana sebuah informasi akan diproses pada

peliputan. Proses perencanaan meliputi rapat redaksi baik dilakukan pada

setiap hari, mingguan, bulanan yang melibatkan seluruh jajaran

keredaksian. Rapat redaksi juga mencakup konten yang akan diproduksi

98
dan evaluasi. Rapat redaksi harian menentukan berita yang akan diliput

dan siapa jurnalis yang diberi tugas. Rapat mingguan lebih mengarah

pengembangan berita untuk mingguna dan rapat bulanan mengarh pada

evaluasi dan rancangan liputan untuk konten bulan berikutnnya.

Perencanaan dilakukan di Lokadata.ID meliputi perencanaan harian,

mingguan, dan bulanan. Perencanaan harian dilakukan pada malam hari

yang berisi tentang rencana konten untuk hari selanjunya dan evaluasi

konten pada hari tersebut. Setiap harinya redaksi mempunyai rapat

proyeksi untuk membahas tentang usulan konten yang dilakukan secara

diskusi dan dihadiri seluruh jajaran redaksi. Prencanaan mingguan

umumnya lebih banyak mengevaluasi konten dan pengembangan konten

untuk diulas dan proses yang memungkinkan mengembangkan model

AI. Perencanan bulanan umumnya membahas usulan mengenai program

untuk konten yang lebih banyak berurusan dengan tim teknologi dan

konten kusus (report) yang terbit setiap bulan sekali. Dalam perencanan

memungkinkan sifatnya mendadak saat sebuah peritiwa terjadi bisa

langsung melakukan perencanaan.

Fokus utama agenda liputan untuk berita sebelumnya udah

ditentukan, mulai dari berita release acara bisnis, wawancara kusus dan

seremonial (pelucuran produk). Setiap editor yang bertugas akan

mengarahkan agenda liputan yang dianggap penting oleh redaksi,

meskpun kurang menarik bagi pembaca. Seperti ulasan mengenai berita

kesehatan udara, bagi editor ini penting, sehingga dikerjakan meskipun

99
pembacanya terbatas. Umumnya perencanan selanjutnya akan

mengembangkan berita tersebut dengan data-data yang memiliki egel

berbeda meskipun kemasannya mengenai kesehatan udara. Faktor utama

yang mempengarhui perencanaan adalah ketersediaan data sebagai

sumber informasi, termasuk sumber data untuk proses AI.

Ada beberapa perbedaan perencanaan yang dilakukan Lokadata.ID

dengan adannya AI. Perubahan terjadi pada pembahasan yang berbeda.

Perencanaan harian lebih kepada AI proses pengawasan, dan mengecek

ketersediaan data yang memungkinan AI beroprasi. Prencanaan

mingguan digunakan untuk mengembangkan model mulai dari

perancangan model seperti pada proses pembentukan model (lihat pada

tabel 3.1), pembaruan tamplate dan desaian. Sedangkan perencanaan

bulan bagaimana melibatkan AI dalam proses liputan kusus seperti rubik

report dan pembangunan model untuk bulan selanjutnya. Perbedaan

tersebtu membuat perencanaan tidak bisa dilepaskan dari proses AI

dibanding memikirkan konten yang akan diproduksi hari berikutnnya.

Kendati tugas pengumpulan dilakukan AI, redaksi harus

menyipakan program AI agar dapat beroprasi. Ada dua karakteristik

dalam orpasional AI. Pertama data yang terkumpul akan langsung

diproses otomatis melalui softwere NLG, dan akan menyerahkan dalam

bentuk ringkasan media monitoring NLP yang akan diteruskan prosesnya

oleh editor. Praktis pada proses pengumpulan yang melibatkan AI,

100
 redaksi tidak banyak berperan hanya menghidupkan dan pengawasan.

Pemerosesan pengumpulan sangat bergantung pada ketersediaan data.

4.2.2. Penugasan

Penugasan dalam hal ini adalah aktor yang terlibat dalam proses

penggumpulan berita. pada proses di news gathering aktor terbagi

menjadi tiga, yakni AI, editor dan reporter. Masing-masing memiliki

peran berdasarkan sepesifik sumber yang akan dicari dalam prosesnnya.

Penugasan ini didasari pada kebutuhan konten yang berbeda-beda dalam

proses penggumpulan data. Aktor tersebut bukan berarti terpisahkan

dalam prosesnnya, melainkan saling membutuhkan. Sebut ketika editor

mencari dan mengidentifikasi data membutukan kemampuan memahami

AI. Ada beberapa yang menjadi fokus dalam proses penugasan yang

melibatkan jurnalis dalam lingkar AI.

4.2.2.1. Kemampuan Jurnalis

Menurut peraturan Dwan Pers tentang standar kompetensi.

Keterampilan yang harus dimiliki jurnalis dalam peliputan

mencakup keterampilan mencari, memperoleh, memiliki,

menyimpan, mengolah, dan menyampaikan informasi. Format

dan gaya peliputan terkait dengan medium dan khalayaknya.

Kemapuan tersebut tidak jauh berbeda antara jurnalis media

online dan media cetak. Namun ada beberapa penambahan

kemampuan yang harus dimiliki jurnalis di Lokadata.ID dalam

proses penggunaan AI dalam prosesnya.

101
 Jurnalisme berbasis pemerograman AI membutuhkan

kemampuan kusus yang menguasai lebih dari satu bidang

kemampuan. Setidaknya untuk jurnalis harus memahami bahasa

pemerograman dasar dan memahami teknik olah data seperti

identifikasi, analisis dan narasi data. Menurut Rahadian Prajna

Pramita, Lokadata.ID memiliki kreteria kusus untuk berada

dijajaran redaksi, seperti paham AI, mampu data, dan familiar

dibidang ekonomi. Hal tersebut menjadi salah satu alasan redaksi

sekarang berbeda ketika masih Britagar.ID mulai dari jumlah

orang, dan konten yang dihasilkan.

“Untuk wartawan biasa tidak ada perubahan. Yang

diperlukan kan hanya orang yang bisa dua sisi yah
jurnalisnya dan robot. Salah satu kereterianya harus
paham bahasa pemerograman. Kalau kita dijurnalisitk
biasanya kita hanya tentang tulis menulis, nah kalu itu
dimasukan kedalam kereterika data jurnalism. Jadi
didalamnya udah setengah programer setengah
penulis,” (sumber: wawancara, Rahadian:2020).
Proses membangun karakter berita berbasis jurnalisme data,

Lokadata.ID melakukan bebagai upaya menyatukan pemahaman

yang dapat tercemin dalam konten yang ditampilkan terutama

dalam proses pencarian sumber informasi. Kemampuan dalam

memahani bahasa pemerograman merupakan salah satu

kemapuan yang dibutuhkan jurnalis dalam proses adapatsi

menggunakan AI. Hal tersebut seperti yang diungkapkan

Višňovský, Magdalena & Karina, (2019) penting bagi jurnalis

untuk memperoleh keterampilan penting agar dapat bekerja

102
 dengan robot (AI) dan menggunakannya untuk keuntungan

mereka. Sementara itu kemampuan mencari, memproleh,

memiliki, dan menyimpanan, telah tergantikan oleh AI yang

mampu melakukan tugas penggumpulan berita tersebut. Jurnalis

harus mulai memikirkan bagaiman mengasah kemapuan yang

tidak tergantikan oleh AI. Bukan tidak mungkin ruang lingkup AI

terus berkembang ke proses berita yang lebih sepesifik.

4.2.2.2. Alat Pendukung Jurnalis

Dekade awal dalam proses penggumpulan berita, jurnalis

menggunakan buku catatan dalam merekam apa yang ucapkan

narasumber melalui tulisan-tulisan penting. Pekerkembangan

selanjutnya, alat perekam suara tape recorder muncul dan banyak

digunakan jurnalis sampai sekarang. Tidak hanya itu kamera juga

digunakan untuk menangkap gambar. Kedua alat tersebut sangat

populer sebelum teknologi smartpone banyak digunakan jurnalis

online dalam menangkap suara dan gambar.

AI yang diterapkan didunia jurnalistik cenderung memudahkan

jurnalis dalam bekerja. AI mampu merekam baik kata, suara

maupun gambar dalam penerapannya. Namun, di Lokadata.ID AI

hanya dapat merekam kata kedalam angka. Namun alat kerja

jurnalis bukan lagi tipe recorder ataupun AI ketika menggunakan

AI. Jurnalis hanya membutuhkan prangkat yang terkoneksi

internet baik komputer dan leptop, kemudian jurnalis masuk

103
 kedalam softwere yang telah bangun modelnya untuk diprogram.

Tentu ini sebuah perubahan yang menjadi salah satu indikator alat

hardwere akan berganti menjadi softwere dalam penggumpulan

berita.

4.2.3. Penentuan Berita

Pertimbangan nilai berita menjadi salah satu faktor redaksi dalam

melakukan peliputan. Menurut Wilbur Schramm (1949) Pandangan nilai

berita modren tidak lebih daripada asumsi-asumsi intuitif wartawan

tentang apa yang menarik bagi khalayak tertentu, yakni tentang apa yang

menarik perhatian. Menurut Wilbur Schramm (1949) dalam

tulisanny”The Nature of News” yang pertama kali mengelompokan nilai

berita membedakan jenis berita kedalam dua kelompok yakni

memberikan kepuasan yang tertunda dan memberikan kepuasan yang

segera. Berita yang masuk kedalam kepuasan tertunda meliputi informasi

tentang kemasyarakatan, ekonomi, sosial, pendidikan, keadaan cuaca dan

kesehatan (Kusumaningrat, 2014:61). Pertimbangan nilai berita atau

news judgment secara umum sangat dipengarhui dengan bobot nilai dari

berita. Bobot nilai berita pertama menyangkut fokus Lokadata.ID

terhadap jurnalisme data lebih banyak mengulas berita ekonomi bisnis.

Namun, tidak serta-merta setiap peristiwa ekonomi bisnis dapat diliput.

Ada pertimbangan bobot nilai berita yang akan memberikan rekomendasi

untuk pelaku bisnis akan diperoritaskan. Bobot nilai berita ekonomi

104
bisnis lebih tinggi dibanding dengan berita politik, sosial, kesehatan,

olahraga, pendidikan dan lingkungan.

Bobot nilai berita kedua menyangkut konten produksi AI harus

memperhatikan pertimbangan pengaruhnya terhadap perspektif

ekonomi. Artinnya ketersediaan program AI akan selalu dikaitikan

dengan perspektif ekonomi. Menurut Rahadian Prajna Pramita, ketika

editor dihadapkan pada berbagai peristiwa, akan lebih mengutamakan

berita ekonomi bisnis dalam proses penulisan, termasuk penggumpul

data NLP akan menjadi pelengkap berita untuk kepentingan ekonomi

ataupun sebaliknya.

“Sekarang sepesifiknya bisnis, tepatnya ekonomi bisnis yang bisa

dikerjakanan manusia, kalau harga emas, saham kan robot. Kalau
kami semua isu ekonomi, perusahan ekonomi makro, kebanyakan
sih mikro kalau makro gak terlalu banyak. Lebih banyak paling
sektor industri otomotif, industri apa, (Sumber: wawancara,
Rahadian :2020).
Pandangan Wilbur Schramm (1949) tentang kategori berita ekonomi

yang masuk kedalam jenis berita yang memberikan kepuasan tertunda,

menjadikan redaksi Lokadata.ID lebh mempertimbangkan pengaruh

berita. Nilai pengaruh konten Lokadata.ID dibuat untuk kalangan yang

lebih eksklusif yaitu pembaca yang menginginkan berita ekonomi bisnis.

Nilai kedekatan konten lebih mengarah kepada pembaca yang berasal

dari pelaku bisnis dan mitra Lokadata. Nilai Aktual mengarah kepada

aktual permasalahan dibanding aktual waktu. Redaksi tidak mengejar

kecepatan dalam menampilkan berita, melainkan ulasan mendalam.

Berita hasil olahan AI sering digunakan dalam menambahakan informasi

105
 untuk berita lain. Perubahan cara pandang terhadap nilai berita tersebut

menjadi titik awal AI merubah nilai berita di lingkungan redaksi.

4.2.4. Aktivitas News Gathering

4.2.4.1. Sumber Informasi

Menurut (Shoemaker & Reese, 2014:186-191) media berita

memiliki sumber informasi tak terhitung jumlahnya yang tersedia

baik dalam bentuk observasi tangan pertama, perpustakaan,

polling, dan Internet. Lantas Shoemaker & Reese membagi

sumber informasi menjadi dua sumber resmi yakni sumber dari

pemerintah dan lembaga-lembaga resmi dan sumber pakar yakni

orang yang diandalkan oleh jurnalis untuk meletakkan peristiwa

ke dalam konteks dan menjelaskan arti berita. proses AI hanya

dapat menggumpulkan data yang berasala dari publikasi sumber

resmi dan tidak menggunakan sumber pakar dalam prosesnnya.

Namun, sumber pakar digunakan editor untuk melengkapi data

yang dihasilan dari proses AI.

Kebijakan pemberitaan yang ada Lokadata.ID lebih banyak

memprioritaskan sumber resmi pelaporan peristiwa dibandingkan

mengangkat isu. Menjadikan tema-tema bisnis, ekonomi dan

politik lebih diutamakan dalam produksi. Sumber informasi utama

Lokadata.ID seperti yang ungkapkan Senior Editor Ayyi Achmad

Hidayah berasal dari wawancara, riset-riset, pengelolahan data

dari pemerintah ataupun non-governmental organization (NGO),

106
 data dari swasta, dan investigasi. Artinnya ketika ada berita terkini

yang sedang viral, redaksi tidak memperoduksi dengan cepat

tentang peristiwa yang sedang viral, melainkan menggulas dengan

data-data yang dikumpulkan dari berbagai sumber digital.

Secara umum sumber informasi berita Lokadata.ID tidak

memiliki perbedaan dengan media online lainnya, yakani ada

sumber resmi dan pakar. Namun, hadirnya AI merubah perioritas

redaksi mengutamakan sumber data resmi, sebagai proses liputan.

Sumber data resmi sebagai satu-satunya sumber informasi yang

dapat dikumpulkan AI. AI makasa sumber pakar tidak memiliki

nilai berita untuk diproses. Sumber pakar digunakan editor untuk

mendukung data AI dalam pemerosesan. Sumber resmi AI diambil

secara digital yang terdiri dari situs penyedia data resmi dan

pemberitaan media online untuk persebaran.

Keuntungan sumber resmi digunakan AI menjadi salah satu

faktor penting dalam mengatasi bias informasi yang didapat dari

sumber pakar. Komitmen redaksi yang lebih menunggu sebuah

perisitwa tersebar, kemudian diulas ulang yang memunculkan data

interaksi menjadi salah satu faktor AI mampu mendukung

kebutuhan redaksi.

4.2.4.2. Pengumpulan Data

Pada proses penggumpulan berita ada beberapa teknik

penggumpulannya, yakni dengan melakukan wawancara,

107
observasi, dan press release. Wawancara merupakan salah satu

pencarian fakta dengan meminjam indera (mengingat dan

merekontruksi) sebuah peristiwa, mengutip pendapat dan opini

narasumber. Ada tiga jenis wawancara tatap-muka, melalui

telepon, dan wawancara kelompok. Observasi merupakan proses

pencaraian fakta dari berbagai sumber. Observasi meliputi

observasi langsung yakni reporter atau berada pada sumber

peristiwa, dan tidak langsung dengan melakukan prantra (catatan

dokumen), (Kusumaningrat, 2016:189-190). Riset diaritkan

sebagai publikasi hasil penelitian atupun keterangan resmi dari

pihak-pihak tertentu. Wartawan atau reporter dalam proses

penggumpulan sumber dalam berbagai bentuk seperti penugasan

dari kordinator liputan, pembagian wilayah liputan sistem beat,

meneruskan (follow up) dan hunting. Jurnalis akan melakukan

tekni penggumpulan tersebut sebagai salah satu proses

penggumpulan berita. Proses yang dilakukan reporter umumnya

dilakukan secara langsung seperti menjumpai narasumber tatap

muka, datang kelokasi peress release dan melihat lokasi pristiwa.

Proses proses penentuan narasumber pada proses manual, redaksi

sangat menentukan sumber narasumber yang akan diwawancara.

Reporter akan dibekali dengan dafatar pertannyaan, penentuan

topik dan kewajiban mendapatkan narasumber. Sedangkan, dalam

proses mencari data dari publikasi media, editor akan mencari

108
sumber yang menggunakan data sebagai narasi, sehingga editor

bisa menggunakan kutipan data untuk kelengkapan berita. Proses

penggambilan data dari press release yakni mengambil data yang

berkaitan dengan publikasi riset.

Sementara itu, hadirnya AI, proses penggumpulan sumber

informasi yang dilakukan AI sangat berbeda dari ketiga model

penggumpulan informasi reporter. Proses penggumpulan sumber

dilakukan sepenuhnya secara online, tanpa sekalipun

menggunakan proses langsung. Ada terbatasnnya kemampun AI

yang disebapkan bahasa pemerograman yang tidak dapat

melakukan wawancara seperti jurnalis. AI akan mencari data

secara digital dengan mengidentifikasi atau melakukan obeservasi.

Observasi yang dilakukan AI berbeda dengan yang dilakukan

reporter (mendatangi lokasi pristiwa, AI melakukan observasi

dengan menggumpulkan berbagai sumber yang berkaitan dengan

pencarian yang telah ditentukan. Observasi tersebut termasuk

kedalam observasi menggunakan prantara atau observasi tidak

langsung. Menurut Rahadian Prajna Paramita kemampuan AI

dapat melakukan pencarian dengan mengidentifikasi untuk

sumber-sumber data yang sifatnnya rutin, seperti data prakiraan

cuaca yang di publikasi BMKG, harga saham, hasil pertandingan,

harga emas dan lain. AI di Lokadata.ID diprogram untuk melihat

perkembangan data mengalami kenaikan dan penurunan angka

109
 dan persebaran informasi seperti banyaknya sebuah isu dibahas

dimedia online atau media sosial.

Pada proses penggumpulan berita, proses AI terbagi menjadi

dua bagian:

4.2.5. Proses Hibrid

Tugas utama AI cabang NLP dalam proses penggumpulan

informasi lebih diperioritaskan untuk mencari persebaran peristiwa

di media sosial (facebook) dan media digital (online, blog, situs-

situs resmi). Praktik AI sangat membatasi proses penggumpulan

diluar sumber yang telah ditentukan. Artinnya proses

penggumpulan tidak mengharuskan kebebasan dalam

mengumpulkan. Menurut pimpinan redaksi Dwi Setyo Irawanto

proses AI mengambil dari ratusan sumber media yang ada di

Indonesia, kemudian dikumpulkan dan akan mendapat angka

tertinggi dalam prosesnya. Proses hibrid melibatkan editor dalam

proses pencarian berita. editor akan turut mencari yang sifatnya

untuk menambahkan keterangan data untuk proses penulisan.

Editor akan melakukan observasi secara tidak langsung yakni

mencari secara digital data untuk mendukung data AI termasuk

hasil press release dari publikasi riset ataupun keterangan resmi

yang telah diberitakan media. jika membutuhkan data lapangan,

editor biasannya akan menugaskan reporter untuk mendapatkan

data.

110
4.2.6. Proses AI Otomatis

Berbeda dengan penulisan NLG, sumber informasi dari NLG

sangat sepesifik. Proses penggumpulannya dilakukan dengan

mencari ke situs penyedia data yang telah ditentukan. Satu

pencarian data dilakukan hanya untuk satu situs penyedia data,

tidak dapat mencari kesemua situs seperti NLP. Proses pencarian

berita sepenuhnya dengan melakukan observasi melalui prantra

internet, tanpa mengambil data dari wawancara, observasi

peristiwa lain dan press release. Proses pencarian ini yang

membedakan AI dengan reporter dalam mencari berita.

Dalam satu kategori berita hanya dari satu sumber diproses.

Seperti kategori berita seperti prakiraan cuaca dan gempa dari situs

BMKG, kualitas udara dari AirVisual (Iqair), berita Covid-19 dari

covid19.go.id, berita saham dari IHSG, harga emas dari

logammulia.com dan harga-emas.org, hasil pertandingan dari

sumber resmi liga bersangkutan. Pengumpulan ini sangat

bergantung terhadap sumber data. Artinya tidak ada altervatif lain

ketika sumber data tidak tersedia yang mengharuskan proses

produksi ditiadakan.

Proses pencarian berita yang dilakukan AI, pada dasarnya

berpegang pada proses yang dilakukan pemerograman, hal ini

berbeda dengan yang dilakukan jurnalis yang sangat mengandalkan

kemapuan jurnalis. Meskipun ada internet, yang membuat proses

111
 pencarian dilakukan diberbagai platform digital (media online,

blog, dan media sosial) seperti dalam temuan Rosemarwati &

Lindawati, (2019) yang digunakan jurnalis untuk sumber data

sekunder. Kenyataanya proses yang dilakukan masih manual,

dimana reporter mencari ke sumber berita, sedangkan AI mencari

secara otomatis tanpa melibatkan manusia dalam prosesnnya.

Adapun alur proses penggumpulan informasi seperti pada bagan

dibawah. Dimana proses NLG dilakukan otomatis, sedangkan NLP

membutuhkan bantuan editor dalam prosesnnya.

Bagan 4.2 Proses Pengumpulan Informasi

Sumber
NLG Memasukan
kusus Otomatis
data ke
tamplate

Sumber
informasi Editor AI Menuslikan
umum NLP

Melengkapi
Informasi
Sumber: Olahan Peneliti, 2020

Sepesifiknya sumber data tersebut tidak jauh berbeda dengan proses

manual yang dilakukan reproter dalam penggumpulan bahan berita.

reporter diberikan tugas kusus dengan narasumber yang telah ditentukan

berserta daftar pertannyaan. Artinnya redaksi hanya mengerjakan berita

kusus.

112
4.2.7.Refleksi Teoritis

Menurut Shoemaker & Reese, (2014:165-166) individu sebagai

gatekeeper memutuskan informasi mana yang dipilih untuk menjadi

berita, bagaimana itu diproduksi, dan di platform mana informasi itu

disampaikan. Berangkat dari pemikiran tersebut, AI dalam proses

gathering tidak bisa dilepaskan pada individu yang melakukan praktik

gatekeeping. Proses News gathering yang selama ini dilakukan oleh

repoter bergeser dilakukan AI dan memaksa proses aktivitas lapangan

(terjun langsung kelokasi peristiwa) sangat minim terjadi dalam

prosesnnya.

Jika proses manual gatekeeping praktiknya lebih banyak dilakukan pada

saat pemerosesan, berbeda dengan gatekeeping untuk proses AI yang

dilakukan pada saat prancangan model AI. Pada proses perencanaan

adannya AI, membuat redaksi perhatian terhadap perancangan dan

perencanaan liputan membutuhkan waktu. Perencanan tidak untuk

konten yang akan diproduksi pada waktu berikutnya, melainkan

menyusun model AI untuk produksi konten. Perencanan lebih bagaimana

redaksi menyalurkan ide untuk konten yang diterapkan dalam bahasa

pemerograman, sebaliknya perencanaan untuk kebutuhan konten harian

redaksi lebih melakukan pemerikasan baik dalam kesiapan program AI

ataupun sumber data.

Pandangan tentang nilai berita tidak semua media sama, hal tersebut

sangat dipengaruhi kebutuhan redaksional. Menurut Shoemaker &

113
Reese, (2014:170), penentuan nilai berita didasari pada nilai yang

disepakati berorentasi pada nilai ukur. Artinnya apa yang dilihat audiens

menarik dan penting akan mengarahkan penjaga gerbang untuk membuat

pilihan yang konsiten. Redaksi Lokadata menyadari perhatian pembaca

terhadap nilai berita snagat terbatas. Artinnya sebanyak apapun berita

yang ditampilkan tidak akan menarik pembaca jika proses penciptaan

nilai berbeda antara redaksi dan pembaca. Gatekeeper memiliki

pengaruh penting terhadap berita yang akan lolos ke tahap publikasi.

Menurut Shoemaker dan Vos, Gatekeeper berkeja berdasarkan apa yang

dianggap penting dan menarik bagi audiens, Sedangkan di Lokadata.ID

dalam proses terutama melibatkan AI, Gatekeeper berkeja berdasarkan

apa yang dianggap penting dan menarik bagi redaksi yang akan

ditampilkan.

Nilai berita yang dianggap penting bagi AI adalah nilai yang telah

terprogram yakin tentang ketersedian data. Nilai ini mengalahkan

pentingnya sebuah peritiwa yang sedang terjadi, tanpa data yang tersedia

sebuah peristiwa dianggap tidak memiliki nilai meskipun memiliki daya

tarik tinggi.

Jika Shoemaker dan Vos (2014) membagi sumber data menjadi dua

sumber data resmi dan sumber pakar. Dalam Praktik yang melibatkan AI,

sumber data resmi menjadi sumber yang tidak tergantikan posisinnya,

bahkan AI tidak dapat digunakan dalam proses tersebut. Sumber data

resmi untuk AI diambil dari situs resmi penyedia data seperti BMKG.

114
Artinnya sumber data pada pemerosesan AI sangat sepesifik, berbeda

dengan prinsp jurnalisitk bawah sumber data dapat diambil dari berbagai

sumber (manusia, data pustaka, dan foto atau video). Pada pemerosesan

selama ini jurnalis fakta dilihat dari narasi atau retetan kejadian yang

teruca, terekam dan tersebar, namun fakta pada proses AI adalah angka-

angka yang menunjukan makna dari sebuah peristiwa.

115
4.3. News Processing

Menurut Shoemaker & Reese, (2014) rutinitas menghasilkan berita yang dapat

diterima dengan mengarahkan pekerja berita untuk mengambil fakta dan

peristiwa dari satu konteks dan menyusunnya kembali ke dalam format yang

sesuai. Namun dengan melakukan itu, proses ini mau tidak mau mengubah

kejadian aslinya. Artinnya redaksi akan merubah sudut pandang berita yang

telah ditentukan arah narasi dan sumber data. News Processing tidak terlepas

pengaruh dari redaksi dalam memperoduksi konten berdasarkan kepentingan

redaksi. Redaksi mengambil peran sekalipun proses penggumpulan tidak

dilakukan reporter ataupun editor melainkan AI. Proses news processing

mencakup bagaimana berita ditulis, dan proses seleksi atau editing. Penulisan

berita mencakup memasukana unsur penulisan jurnalisitik yang mencakup 5 w

dan 1 h (What, Who,, Why, When, Where, dan How) dan gaya penulisan.

Sedangkan seleksi atau editing proses mengkoreksi atau menyunting berita.

alur kerja pada pemerosesannya berita media online umumnya, reporter akan

menulikan, kemudian menyerahkan ke kordinator liputan. Selanjutnya akan

ditugaskan ke editor yang akan melakukan proses editing dan publikasi.

Mekanisme kerja dalam pemerosesan berita di Lokadata.ID memiliki

beberapa pebedaan yang mendasar. Reporter di Lokadata.ID tidak sepenuhnya

menuliskan berita, namun membuat laporan-laporan temuan lapangan yang

akan diperoses oleh editor. Pemerosesan informasi dalam ruang redaksi

menerapkan pembagian tugas yang diberikan kepada editor. Hasil dari

pengumpulan informasi akan diserahkan ke editor yang telah diberi tugas

116
untuk bertanggung jawab terhadap konten di rubik tertentu. Editor di

Lokadata.ID selain melakukan penyuntingan berita, juga menuliskan laporan

dan mencari data untuk melengkapi berita. Pemerosesan berita melibatkan AI

terbentuk dalam dua proses, pertama proses hibrid dan AI secara keseluruhan.

Proses hibrid dalam pemerosesannya jauh lebih kompleks dibandingan dengan

AI yang menuliskan dalam bentuk sederhana berdasarkan narasi data.

4.3.1.Proses Hibrid

Proses ini muncul sebagai bagian dari pemerosesan berita yang

disebapkan keterbatasan pemerograman AI. NLP yang melakukan

penggumpulan data hanya dapat menyerahkan hasil dalam bentuk

ringkasan data yang didalammnya memunculkan angka persebaran data,

sehingga membutuhkan editor kusus yang dapat melakukan penulisan,

editing dan penambahan informasi. Proses kerja hibrid pada dasarnnya

bagaimana hasil proses data dari AI dimasukan kedalam kaidah

jurnalisitik, melalui bahasa jurnalisik dan penulisan.

4.3.1.1. Penulisan

Penulisan berita yang dilakukan di Lokadata.ID tidak jauh dari

media-media lainya yaitu mengedepankan perinsip penulisan

jurnalistik 5 W + 1 H. Bagian-bagian berita terdiri dari judul,

teras berita (lead), isi (body), dan ekor berita, dengan

menerapkan perinsip piramida terbalik dari yang sangat penting

hingga tidak penting. Perbedaan yang sangat mendasar terlihat

dari pemilihan sudut pandang (enge berita), gaya penulisan, dan

117
mengedepankan perinsip penulisan model jurnalisme data.

Keterbatasan penulisan yang dilakukan AI, tidak mampu

menuliskan dalam bentuk jurnalitis. AI tidak dapat menentukan

data paling penting, penting dan tidak penting, sehingga

penulisan menyesuaikan keadaan data.

Karakterisitik penulisan yang lebih menampilkan data baik

dalam bentuk tabel maupun narasi, membuat gaya penulisannya

berbeda dari setiap berita yang akan dituliskan. Sisi unik dalam

kacamata Lokadata.ID jika setiap informasi yang didapatkan

harus mengandung data. Terdapat beberapa perbedaan gaya

penulisan yang didasari dari data yang tersedia. Sumber data

hasil wawancara sangat berbeda dengan hasil olahan data.

Editor tidak menggunakan model judul clikbait, tidak

menggunakan kata yang bermakna ganda, tidak menggunakan

nama seseorang untuk judul, tidak mengakat sisi personal

informan, dan judul harus menggambarkan isi berita. Penulisan

isi berita (body) lebih banyak diisi penjelasan data yang

dinarasikan. Isi berita ini yang membuat Lokadata.ID memiliki

perbedaan dengan media lain. Ulasan isi yang mendalam dengan

data narasi sebagai penggerak cerita, membuat pembaca tidak

hanya mendapatkan informasi melainkan pengetahuan.

Penulisan ini tidak jarang menggunakan data dari proses AI.

118
 Penulisan proses AI lebih kepada storytelling data.

Artinnya membutuhkan keahlian kusus dalam memahami hasil

data dari bahasa pemerograman, dan memahami struktur data

yang acak. Lokadata.ID menempatkan editor kusus yang

mengerjakan data olahan dari AI. Dalam rutinitas keseharian

editor kusus dikerjakan oleh Rahadian Prajna Paramita

sekaligus sebagai wakil pimpinan redaksi. Rahadian bertugas

menceritakan data hasil dari olahan AI kedalam kaidah

penulisan jurnalistik untuk rubik Sorot Media dan Artikel. Editor

menilai hasil penggumpulan informasi dari AI merupakan

serangkaian draf-draf yang tidak memiliki strukur bahasa,

namun berisi fakta-fakta. Artinnya perlu menuliskan narasi.

“Itu sudah menghasilkan ringkasan, cuman tidak bisa

dibaca manusia, jadi outputnya udah kayak ringkasan
poin ke poin. Cuman kadang-kadang banyak yang
berulang kayak itulah. Karena dia nemunya dari multi
dokumen”, (sumber:wawancara, Rahadian:2020)
Editor kusus yang menuliskan data, didukung tim teknologi

yang membantu memahami data. Menurut Rahadian, program

pengumpulan data dari AI memiliki kesuliatan yang tidak bisa

terus memberikan apa yang diingikan redaksi, seperti langsung

menuliskan ke dalam bentuk berita, atau menentukan bagian

penting dalam berita. Program AI yang hanya memahami angka

dan melakukan penjumlahan dari angka, tidak dapat memahami

makna konteks hurup yang ditemukan. Editor akan berperan

119
melanjutkan data angka yang diterjemahkan ke dalam bahas

huruf.

“semua data itu kan ada kreteriannya, kalu manusia kan

gampang dikasih tau, yang penting duluan yang gk
penting belakangan. Mana penting mana tidak itu
kereteriannya apa. Nah itu banyak kereteriannya
kuatitatif penting karena sekarang lagi hot, ne sekarang
lagi hot itu ukuran kuantitatifnya apa. Buat robot semua
harus kuantitatif. Skoranya lebih tinggi misalnya lebih
penting. Cara membuat skornya kreteriannya apa, itu
yang susah dibikin. Alogarimenya teralu panjang dan gk
efesien,” (sumber: wawancara, 2020).
Editor kusus tidak hanya menerjemahkan fakta dari hasil AI,

melainkan menuliskan narasi untuk melengkapi dan menabah

data. Hasil narasi data bisa menjai informasi utama, ataupun

pelengkap isi berita. Seperti dalam berita 4 november 2020

“Pemerintah akui ada typo di Undang-Undang Cipta Kerja,”,

informasi yang dianggap penting mengambil sumber dari

pernyataan Mensesneg Pratikno yang mengakui kesalahan

dalam menyodorkan tulisan Undang-Undang Cipta Kerja

meskipun sumber didaptakan berita mengutip dari media televisi

iNews. Kemudian isi berita memasukan data dari penggumpulan

AI. Contoh penulisan NLP terlihat pada contoh berita 3

desember 2020 dengan judul “IIMS Motobike Show 2020

digelar besok, online dan offline”,

“IIMS Motobike Show 2020 digelar besok, online dan

offline, isi “Pameran sepeda motor IIMS Motobike Hybrid
Show akan digelar mulai besok, Jumat, 4 Desember 2020
hingga Minggu, 13 Desember 2020 di di MotoVillage,
Kemang, Jakarta. Pameran ini mengusung konsep hibrida,
yang menggabungkan pameran online dan offline secara

120
 bersamaan. Presiden Direktur Dyandra Promosindo,
Hendra Noor Saleh, yang menggelar pameran,
mengatakan, pameran offline dilakukan dengan protokol
kesehatan yang ketat termasuk dengan mengurangi jumlah
pengunjung hingga 50 persen dari kapasitas gedung,
Ringkasan
IIMS Motobike Show 2020 hadir dengan konsep hybrid
yang tentunya sudah diadaptasikan dengan kondisi
pandemi demi kebaikan semua pihak. Pandemi virus
Corona Covid-19 yang belum menunjukkan tanda akan
berakhir, ternyata tidak menyurutkan semangat Dyandra
Promosindo untuk menyelenggarakan sebuah pameran
otomotif. Dyandra Promosindo akan menyelenggarakan
pameran otomotif IIMS Motobike Hybrid Show pada 4-13
Desember 2020. Pengunjung bisa mengakses website
www.indonesianmotobike.com untuk menyaksikan acara
ini secara online. Sedangkan versi offline-nya, akan
berlangsung dengan menerapkan protokol kesehatan, di
MotoVillage, Jakarta. ”, (Sumber: www.Lokadata.ID
diakses pada 4 desember 2020 pukul 13.55).
4.3.1.2. Tambahan Informasi

Laporan berita yang akan dipublikasi memiliki standar konten

yang berbeda. Pada pemerosesan NLG data tidak dapat

ditambakhkan berbagai informasi, sebaliknya hasil publikasi

NLG sering digunakan untuk tambahan bahan berita lain.

Penambahan Informasi pada peroses AI hanya dapat dilakukan

pada proses NLP. Hasil proses NLP wajib ditambahkan data saat

penulisan. Proses ini biasa dilakukan editor kusus AI. Data

informasi tambahan dapat berupa kutipan data media lain

ataupun proses data lapangan. Editor akan menugaskan

menugaskan reporter berkaitan dengan data lapangan,

sebaliknya editor akan mengerjakan sendiri jika data mengambil

dari sumber online.

121
 Tugas reporter ketika liputan lapangan telah selesai, harus

menuliskan laporan dan memberitahu redaksi jika informasi

tidak didapatkan. Kemudian diserahkan ke sekretaris redaksi

yang akan meneruskan ke editor. Reporter dan editor akan

melakukan interaksi dan kordinasi untuk melengkapi data, dari

berbagai sumber primer maupun sekunder. Pada tahap

melengkapi data, editor akan memandu dan membantu reporter.

Proses memberikan tambahan informasi yang dilakukan

editor lebih mencari sumber data sekunder melalui berbagai

publikasi dan pemberitaan media. kemudian akan ditulis ulang

dengan model tulisan diskripsi. Editor bertanggung jawab untuk

tambahan informasi dari data sekunder. Tuntutan isi berita yang

menampilkan lebih dari satu data mendorong editor wajib

memberikan tambahan data sekunder. Reporter hanya

bertanggung jawab terhadap tambahan informasi yang ada

dilapangan.

AI cabang NLP tidak memiliki kemampuan sepesifik dalam

melaukan penulisan. Hasil prosesnya dalam bentuk angka.

Artinnya tidak sepenuhnya data yang dihasilkan AI memiliki

keunukan dan keragaman dalam data. Justru adanya AI

memberikan tugas kusus editor dalam menuliskan hasil AI.

Praktik seperti ini sebelumnya tidak pernah terjadi dimedia

manapun. Artinnya tugas baru tersebut, diperlukan keterampilan

122
 baru. Penambahan informasi dimaksdukan untuk memberikan

kelengkapan dan pendukung data dalam proses AI. Misal, pada

berita 4 desember 2020 berjudul “Jokowi: Ekonomi kita sudah

lewati titik terendah”, kelengkapan data menampilkan kutipan

pidato Jokowi yang diambil dari akun Youtube bank sentral dan

mengambil kutipan berita dari CBN News. Editor memiliki

kebiasaan menambahkan data dengan mengambil kutipan dari

media lain.

4.3.1.3. Memframing Data

Proses menulis data dari proses NLP dan penambahan informasi

tidak lepas dari pengaruh dan interpensi yang dilakukan editor

untuk mengarahkan pemberitaan. Memframing berita menjadi

salah satu cara redaksi memberikan makna dalam data. Menurut

Dietram Scheufele (1999) mengatakan bahwa framing mewarnai

konten seputar fakta. Framing terkait dengan narasi

menambahkan informasi kontekstual ke faktual. Membingkai

juga membantu audiens memahami pentingnya dan mampu

untuk memahami penerapan fakta ke acara lain (Shoemaker &

Reese, 2014:175). Editor AI memainkan peran dalam membuat

pola rutin data menjadi sesuatu yang bermakna. Pengaruh

terhadap tulisan ini yang menjadi ciri khas redaksi dalam

menentukan makna mana yang akan digunakan untuk menarik

pembaca.

123
 Data objektif yang didapat dalam pemerosesan tidak

sepenuhnya objektif, melainkan akan diproses ulang redaksi

ditulis, dan ditambah informasi untuk mendukung framing. Data

hasil proses AI tidak sepenuhnya memiliki makna, artinnya

makna data itu hasil dari kontruksi dari redaksi. Data hanya

menampilkan perbedaan angka, dan tidak mengarah sesuatu.

Perbedaan angka tersebut akan diarahkan redaksi untuk

mengarhkan kesesuatu itu. Misal pada pemberitaan sorot media

tanggal 3 desember 2020 berjudul “Ahok pakai cengli, cuan, dan

cincai tarik investor ke Pertamina”, data proses AI hanya

melihat persebaran berita dan banyaknya pemberitaan oleh

media online. Data objetif menunjukan angka pemberitaan

hanya menunjukan tentang Ahok tarik investor ramai

diberitakan media lain. Editor akan memaknai ini sebagai

sebuah daya tarik pembaca. Isu tersebut menjadi pusat perhatian

pembaca, sehingga pengemasan mengarh upaya Ahok

menggundang investor Tiongkok ke Indonesia. Proses

memaknai ini tidak bisa dihilangkan dalam proses produksi

berita meskipun dengan adannya AI.

Kualitas berita yang dihasilkan sejatinya tidak memiliki

perbedaan yang berarti antara data objektif (proses otomatis)

dengan data obejtif yang diframing editor. Tidak ada perbedaan

yang berarti tentang kualitas, editor hanya membuatnya framing

124
 data kedalam kidah jurnalitisk. Hal tersebut sejalan dengan studi

Edson C. Tandoc Jr., (2020) kombinasi kerja antaaea alogaritma,

manusia (jurnalis) dan proses campuran (hibrid) tidak

mengalami perbedaan kualitas pesan. Namun, penulisan

kolaborasi (Hibrid) dinilai lebih tinggi dalam kualitas sumber

ketika artikel tidak objektif daripada ketika artikel itu objektif.

Artinnya editor sangat memungkinkan menggunakan data

olahan AI untuk menambahkan data subjektif (wawancara)

berubah menjadi berita objetif. Peran itu yang tidak bisa

dilepaskan dalam proses memframing data. Memframing data

tidak dapat dilakukan menggunakan AI, melainkan editor

memainkan peran dalam memframing berita.

4.3.1.4. Penyuntingan

Penyuntingan atau editing lebih diterapkan pada proses seleksi

data untuk melakukan penulisan yang meliputi penggunaan

bahasa, merubah letak, menyusun data dan kalimat berita.

Karakter Penulisan mendalam yang dilakukan Lokadata.ID,

menuntut banyak penggunaan kata dan mengambil banyak data.

Proses penyuntingan lebih menyingkronkan tabel data yang akan

digunakan menunjukan data dengan narasi data dan penulisan.

Penyuntingan juga untuk koreksi kata yang disesuaikan dengan

EYD.

125
 Tahap menyusun berita tidak hanya melibatkan editor sebagai

penanggung jawab dan penulisan, melainkan tim visual yang

mengambarkan data kedalam tabel, grafik, dan gambar, sehingga

penyuntingan juga dimakdukan agar tidak terjadi kesalahan data

pada saat ditampilkan.

4.3.1.5. Tampilan Berita

Lokadata.ID menampilkan konten yang didalamnya rata-rata

menampilkan tabel data dan garfik. Langkah tersebut dipilih agar

data yang ditampilkan dapat mengambarkan informasi dengan

jelas. Sebut pada berita yang dihasilkan AI, lebih banyak

menampilkan informasi kenaikan dan penuruan angka, sehingga

tampilan tabel dinilai efektif. Begitupula ketika menampilkan

data dalam bentuk persebaran informasi, redaksi memilih

menggunakan lingkaran untuk melihat data. Dalam melihat

perkembangan data dari tahun-ketahun redaksi memilih

menggunakan grafik. Tampilan berita memiliki pengaruh kuat

menarik perhatian, sehingga editor menempatkan tim kusus yang

mengatur tampilan yakni tim visualisasi. Tim visualisasi ini yang

bertugas menampilkan tamplate garfik, tabel dan gambar dalam

konten. Desain konten yang menarik menjadi tanggung jawab tim

visual, termasuk menampilkan rubik komik, cerpen dan kartun.

Model tampilan berita berita seperti ini sangat berbeda

dengan tampilan media-media online yang lebih condong ke

126
 penulisan sederhana dan tampilan foto. Jarang dijumpai media

konsisten dengan menampilkan tabel, gambar dan grafik. Otuput

hasil olahan data sangat ideal tampilkan dalam bentuk visual. Hal

berbeda lain ketika redaksi menampilkan visual peta Indonesia

dan grafik. Dalam Laporan tentang data prsebaran korupsi di

Indonesia, visual menampilkan data dalam peta yang akan keluar

datanya ketika tersentuh, hal serupa berlaku untuk konten grafik.

Tampilan seperti ini di klaim redaksi sebagai trobosan baru

penyajian konten yang lebih moderen dan menarik

4.3.2.Proses AI Otomatis

Adanya AI turut mendorong munculnya praktik penulisan secara

otomatis. Penerapan cabang AI Generasi Bahasa Alami (NLG) yang

mampu mengktrasi fakta kedalam narasi-narasi sederhanan yang mampu

membentuk kalimat telah menjadi nilai lebih redaksi Lokadata.ID untuk

mengatasi berita rutin yang mampu memproduksi berita sebanyak yang

diinginkan. Redaksi mengakui hal tersebut tidak mengganggu peran dan

tugas jurnalis, melainkan membantu tugas jurnalis. Temuan Montal &

Reich, (2017:13) terdapat perbedaan persepsi penulisan yang dilakukan

robot dan manusia. AI atau robot mengacu pada penulisan pemrograman

berdasarkan organisasi media yang ditentukan, sedangkan jurnalis

berpedoman pada kaidah penulisan jurnalisitik. Perbedaan tersebut

membuat redaksi Lokadata.ID membatasi proses AI untuk konteks berita

127
tertentu. Sepenuhnya melalui kerja kolaboratif editor menanamkan

prinsip juranlisitik.

4.3.2.1. Penulisan

Penulisan berita dengan sumber informasi yang berasal proses

NLG sangat sederhana dan isinya hanya menjelaskan data.

Sedangkan untuk gaya penulisan yang mendalam dengan

menampilkan banyak sumber data melibatkan AI dan editor.

Contoh Berita NLG 4 desember 2020 dengan judul “Kualitas

udara terbaik dan terburuk di Indonesia (Jumat, 04/12/2020)”.

Adapun isi tulisannya sebagai berikut:

“Kualitas udara terbaik dan terburuk di Indonesia (Jumat,

04/12/2020) isi ‘Kualitas udara di Palembang (Sumatera
Sel.) pada Jumat, 04 Desember 2020 pagi diprediksi paling
tidak sehat di Indonesia. Menurut permodelan AirVisual,
indeks kualitas udara (AQI) Palembang berada di angka
177 pada pukul 06:00 WIB. Catatan ini lebih buruk dari
kemarin pagi, yang berada pada AQI 84, atau terbilang
sedang. Data kualitas udara (AQI) menunjukkan bahwa
semakin tinggi nilainya, maka udara semakin tidak sehat,”,
Penulisan yang dilakukan NLG jika merujuk dalam penulisan

jurnalisik yang harus memiliki unsur 5 w dan 1 h, tidak semua

unsur ada dalam pelaporan berita. artinnya bawah ada

keterbatasan program yang disampaikan AI. Namun, tidak

lengakpanya unsur berita seperti dalam berita diatas yang tidak

memiliki unsur way, dan how, tidak menghilangkan unsur berita

yang ada didalammnya. Pada dasarnnya narasi yang ditulis NLG

adalah menyesuaikan konteks data, tidak melihat dari proses

diluar seperti lingkungan, sehingga data yang diambil akan

128
 diceritakan. Penulisan NLG adalah penulisan model tampalte

yang disediakan redaksi pada saat perencanaan.

Tamplate penulisan juga mencakup judul, lead dan tampilan,

sehingga proses penulisan yang dilakukan hanya memasukan

data kedalam tamplate.

4.3.2.2. Penyuntingan

Proses penyuntingan, bagaimana data yang masuk dalam proses

akan masuk kelateriasi yang telah ditentukan. Proses ini

melibatkan proses algoritma yang diproses secara otomatis.

Proses ini pada dasarnnya melihat konteks data agar tidak masuk

kedalam klaterisasi data. Misal, kita berita mengenai hasil

pertandingan bola, namun didalamnnya terdapat ulasan

penonton, makan ulsan penonton tidak akan masuk kedalam

proses penulisan, AI hanya akan mengambil data berdasarkan

stasitstik pertandingan.

Proses penyuntingan juga tidak melibatkan editor didalamnnya.

Ketika model AI dioprasikan, tidak ada keterlibatan manusia

didalammnya, sebaliknya manusia atau jurnalis terlibat dalam

perencanaan. Pada proses perencanaan itulah yang menentukan

konteks data akan masuk kedalam klaterisasi berita. artinnya

penyuntingan diawal dilakukan bukan pada saat berperoses.

129
Bagan 4.3: Pemerosesan berita proses otomatis dan hibrid

Penulisan,
penyuntingan
didalam proses
Sumber data program Proses (1) ke (2)
Menugaskan untuk proses liputan
Proses (2)
Otomatis Memproses data
AI (2) (3) Proses (2) ke (3)
Menuliskan secara otomatis
Proses (2) ke (4)
Editor Menyerahkan hasil pemerosesan ke
(4) editor
Proses (4)
Editor melakukan penulisan, seleksi
penyuntingan, editing, dan visualisasi
Sumber: Olahan penelitian, (2020)
4.3.3. Refleksi Teoritis

News processing (penulisan, seleksi, dan tampilan) turut berubah

dengan adannya AI. News Processing merupakan sebuah konsep yang

menjelaskan tentang sebuah informasi yang telah terkumpul diproses

menjadi berita. Artinnya tidak semua informasi bisa dijadikan berita,

hanya yang memiliki nilai yakni tentang daya tarik pembaca seperti

“Anjing menggigit manusia bukan berita, tetapi manusia menggigit

anjing baru berita”.

Pada penulisan berita ada beberapa tidak terlepaskan dari prinsip

piramida terbalik, tentang posisi data dalam penulisan berita. AI

melakukan penulisan menggunakan model yang lebih sederhana yakni

menarasikan sebuah data, tidak menggunakan prinsip piramida

terbalik. Menarasikan data bentuknya sangat sederhana dengan

penggunaaan kata yang sangat sederhana. Penulisan seperti ini

130
menjadi ciri khas dari AI. Menurut Shoemaker & Reese,( 2014:175)

teknik penyajian berita menjadi rutinitas penting pekerjaan redaksi,

salah satunnya penulisan berita. Struktur cerita naratif yang selama ini

dilakukan pekerja media, memiliki daya tarik yang melekat. Struktur

cerita mewakili cara rutin dalam memproses apa yang terjadi, dan itu

memandu reporter dalam memutuskan fakta mana yang akan

dimasukkan. Peristiwa harus ditransformasikan menjadi komoditas

berita. Strukur cerita naratif yang ditampilkan redaksi Lokadata.ID

dengan ulasan data mendalam pada proses hibrid menjadi titik

pembada yang mencerminkan pekerja Lokadata.ID. Disisi lain proses

AI otomatis dengan cerita naratif menunjukan penulisan berita tidak

harus memenuhi unsur 5w dan 1h. Struktur cerita naratif sederhana ini

mengenalkan babak baru tentang memahami peristiwa yang

dikomodifikasikan menjadi berita. Penciptaan penulisan naratif

menjadi bagian terpenting dalam rutintas, hal tersebut tidak hanya

menyangkut tentang berita tapi rutinitas pekerja dalam ruang redaksi.

Pada proses menceritakan lebih menekankan How sebagai bentuk

pembaca memahami peristiwa. AI lembih menekankan pada sebuah

gambar dalam bentuk tabel, gambar dan grafik untuk membuat

pembaca paham akan sebuah peristiwa dibanding narasi kata.

Seleksi yang dilakukan AI lebih mengarah pada pembersihan data

yang didalamnnya terdapat berbagai sampah dari proses

penggumpulan. Berbeda dangan seleksi yang dilakukan editor yang

131
 menyaring tentang berita layak muat dengan kelengkapan sumber

informasi dan penulisan. Sementara itu dalam bentuk tambilan

umumnya berita akan menampilkan foto kejadian dilapangan ataupun

yang mendukung informasi. Perbedaan cara memahami peristiwa ini

yang menjadi salah satu perbedaan penyajian antara tampilan jurnalis

dan AI.

4.4. News Distribution

News Distribution diartikan bagaimana berita ditayangkan dan baca pembaca.

Publikasi yang dilakukan Lokadata.ID seperti media sosial lainnya

menggunakan situs resmi web dan paltfom. Media online lainnya dalam

menyebarkan konten agar sampai kepembaca, menggunakan platfom media

sosial sebagai salah satu sarana menarik pembaca. Internet merubaca cara

konten disebarkan. Jika media televisi menyebarkan konten dengan melakukan

penyiaran dengan bantuan televisi, radio dengan frekuensi dan media cetak

dengan oplah dengan agen koran sebagai penyebaran. Media online

menyebarkan konten ke web dan media sosial sebagai salah satu cara menarik

pembaca. Menurut Newman et al (2018), Orang semakin banyak

menggunakan mesin pencari, media sosial, dan produk serta layanan platform

lainnya sebagai sarana utama mereka menemukan dan mengakses berita online

(Newman et al. 2018). Perpindahan proses distribusi yang menemukan berita

di paltfom kemudian diarahkan mengkases ke situs web (penerbit)

menawarkan tantangan baru dalam menarik perhatian iklan (Bell et al.2017;

Nielsen dan Ganter 2018 dalam Cornia, Sehl, & Levy, 2018).

132
 Model distribusi yang lakukan Lokadata.ID tidak sepenuhnya

mengandalkan iklan sebagai salah satu pendapatan. Artinnya bahwa,

pengunjung banyak dan sedikit kepeneribit bukan menjadi indikator redaksi

bekerja. Redaksi menganggap konten yang diproduksi untuk kepentingan

pembaca tertentu dengan segementasi kusus bukan umum. Artinnya konten-

konten hasil AI dan redaksi akan bermanfaat untuk kalangan terbatas. Fokus

perhatian pada proses distribusi terletak pada bagaimana AI menghasilkan

berita untuk dipublikasi. Indikator ini menjadi landasan redaksi mengenalkan

konten AI kepembaca dan melakukan bisnis lain dengan mengandalakan AI

(menjual model AI).

Distirubusi konten di Lokadata.ID memiliki dua garis besar prosesnnya,

proses penayangan dan publikasi. Proses penayangan konten dilakukan oleh

editor dan publikasi otomatis oleh NLG (kusus rubik robotorial). Konten hasil

produksi berita akan ditayangkan di situs resmi Lokadata, www.Lokadata.ID

dan didstribusikan ke mini situs Lokadata, media sosial dan mitra Lokadata

oleh Tim Marketing (media sosial dan digital marketing ) yang bertugas untuk

melakukan distribusi.

Ada dua model dalam proses distribusi yang melibatkan AI didalamnnya.

Yakni proses hibrid dan otmatis. Pada news distribution ada perbedaan antara

jumlah publikasi dan waktu antara proses hibrid dan otomatis.

4.4.1. Proses Hibrid

Fakta Lokadata.ID tidak menerapakan model bisnis yang

mengandalkan interaksi di webstie, seperti jumlah kunjungan yang

133
dijadikan modal untuk mendapatkan keuntungan dan menarik iklan.

Lokadata.ID lebih bergantung dengan model media konsultasi,

seperti menjual data, dan alogaritma. Redaksi tidak mengejar ruang

iklan di situ website. Hal tersebut membuat redaksi melalui tim

marketing mempublikasi kebanyak media sosial untuk mengenalkan

model konten jurnalisme data. Media sosial dan aplikasi berita

dipilih karena memiliki banyak interkasi dan gratis. Alur distribusi

seperti bagan dibawah. Jumlah hasil publikasi yang dilakukan editor

dalam proses hibrid tidak sebanyak yang dihasilkan redaksi. hal

tersebut dipengaruhi oleh ketersediaan data dan edior yang

mengerjakan sebut pada analisis isi bulan September-oktorber 2020.

Berita hibrid hanya 6 berita, sedangkan di bulan noveber 2020

mencapai . Hal tesebut berbeda dibanding dengan publikas bulan

november 2020 yang mencapai 78 pemberitaan (lihat tabel 4.1).

Artinnya ketersediaan data dan editor yang mengerjekan sangat

ditentukan.

Tidak jauh berbeda, misal dalam berita yang dikerjakan editor

tanpa melibatkan AI pada bulan septermber-oktober mencapai

mencapai 119 berita yang mencakup kategori berita seperti ekonomi

(ekonomi, perbankan, dan saham) industri (industri, pasar, dan

perdagangan), covid-19, dan lainya (politik dan event).

134
 Sementara itu pada proses penayangan berita, proses tersebut

sangat tergantung proses yang dikerjakan redaksi. publikasi hanya

membagi kedalam tiga waktu pagi, siang, dan malam.

4.4.2. Proses AI Otomatis

AI cabang NLG sangat efektif untuk meningkatakan publikasi bagi

media yang mengandalkan trafik wab untuk pendapatan.

Kemampuan publikasi jauh lebih banyak dibanding dengan

pekerjaan editor, sehingga sangat efektif media meningkatkan trafik

web. Kendati demikian, redaksi Lokadata.ID tidak menjadikan

trafik web sebagai salah satu strategi menarik perhatian pembaca,

justru sebaliknya redaksi melakukan pembatasan-pembatasan pada

jumlah publiasi AI.

Ada beberapa aspek yang menjadi perhatian dalam temuan

penelitian mengenai news distribution. AI memberikan pemberitaan

yang berbeda dalam konsumsi berita yang mengerucut pada

kepentingan pembaca yang sangat sepesifik AI mampu

meningkatkan jumlah publikasi dibanding dengan proses manual

editor. Misal pada analisis isi publikasi berita robotorial

Lokadata.ID pada bulan September 1237 berita dan oktober 774

berita, sementara berita Sorot Media hanya 6 berita. Sementara itu,

berita di rubik artikel yang dikerjakan reporter dan editor, redaksi

membuat kategori berita seperti ekonomi (ekonomi, perbankan, dan

saham) industri (industri, pasar, dan perdagangan), covid-19, dan

135
lainya (politik dan event) mencapai 119 berita. adapaun total

masing-masing berita dapat dilihat pada tabal dan grafik dibawah.

Karakter-karakter hasil pemberitan mengarah fokus pada informasi

yang sepesifik yang dapat memberikan pengaruh langsung terhadap

pembaca.

Perbedaan jumlah publikas pada rubik Robotorial tidak

terlepas dari ketersediaan data. Sebut pada berita prakiran cuaca

bulan september hanya melakukan publikasi selama 17 hari. Artinya

ketersediaan data tidak selamannya ada. Begitupula pada berita

Sorot Media yang angkahnya jauh lebih sedikit pemberitaan hanya

6 berita periode tesebut. Hal tesebut berbeda dibanding dengan

publikas bulan november 2020 yang mencapai 78 pemberitaan.

Secara kuantitas jumlah produksi konten dari NLG jauh lebih

banyak dibanding dengan konten NLP ataupun manual dari Editor.

Menurut Shoemaker & Reese, (2014:181) waktu dianggap

sebagai salah satu kendala fisik yang bergantung terhadap tenggat

waktu yang ditentukan. Redaksi Lokadata.ID memilik

kecenderungan menjadwalkan waktu publikasi. Kenyataan waktu

publikasi untuk program AI dapat diatur berdasarkan kepentingan

dan kebutuhan konten yang disesuaikan dengan kebutuhan

pembaca, menghapus hambatan yang disebapkan tenggat waktu dari

redaksi. Pengaturan publikasi dimaksdukan agar berita-berita

penting seperti yang ada di rubik artikel dapat menjadi perhatian

136
 pembaca. Kenyataan perkembangan media online yang

mengandalkan kecepatan dalam penayangan seperti Detik,

Tribunnews, Kompas, Vivanews, Tirto dan lain, tidak selamannya

diterpakan disemua media. Pengaturan penayangan tersebut

menjadikan Lokadata.ID dapat mengatur pemberitaan dan tidak

terjebak pada trand media online. Disisi lain, pengaturan waktu

tersebut akan menjaga kualitas informasi yang dihasilkan redaksi.

Pembagian waktu publikasi melindungi konten-konten yang

dihasilkan editor yang lebih beragam dan komplek dalam bentuk

penyajian. Perlindungan konten tesebut dilakukan agar Lokadata.ID

tidak hanya fokus pada konten yang sifatnya berulang dan rutin.

Ada kelemahan bagi media yang hanya mengandalkan kuantitas publikasi

dengan konten NLG sebagai salah satu penyumbang konten. Menurut penelitan

Clerwall, (2014) tentang responden berada konten dibuat perangkat lunak

menunjukkan konten yang dihasilkan perangkat lunak dirasakan sebagai

deskriptif dan membosankan, dan dianggap obyektif. Artinnya konten hasil AI

sangat memiliki minat yang terbatas. Menurut situs Alexa.com Lokadata.ID

menempati ranking 2829 di Indonesia (sumber: www.Alexa.com diakses pada

4 desember 2020 pukul 16:32). Data tersebut menunjukan Lokadata.ID sangat

minim dikunjungi pembaca. Artinnya konten AI masih belum mendapatkan

perhatian publik untuk dibaca. Kunjungan pembaca bukan satu-satunnya

Lokadata.ID mendapatkan keuntungan yang mengandalkan iklan dan trafik

137
web, melainkan menjual pemerograman AI, konten AI sangat efektif dan tidak

berpengaruh terhadap pendapatan media.

Selain itu, terbatasnya tenaga redaksi diruang redaksi membuat

produktifitas sangat bergantung kemapuan individu redaksi, sehingga redaksi

memfokuskan pada pemberitaan yang menjadi perioritas, seperti mengisi rubik

arikel, data, sorot media dan multimedia. AI sangat efektif meningkatkan

publikasi dan mengerjakan berita rutin.

Tabel 4.1 :Persebaran berita produksi AI

1500
Persebaran Berita Robotorial
986
1000

578
500

90
2723 671727 31177855 5 10
0 Prakiraan Cuaca Covid-19 Gempa Kualitas Udara
September Oktober
Pasar Saham Emas Hasil Bola

Sumber:(Olahan Peneliti, 2020)

Grafik 4.1: Persebaran berita bulan 138 September-oktober rubik Arikel

Berita Artikel
September Oktober

60
50 47 51
40 43
37
30 31
20 25
17
10 6
0

Sumber: (Olahan Peneliti,2020)

138
 AI tidak banyak terlibat dalam proses pendistribusian konten ke platfom

media, seperti media sosial, mini situs, dan mitra Lokadata.ID. tugas

sepenuhnya yang melakukan penyebaran dilakukan diluar keredaksian yakni

divisi marketing melalui tim media sosial dan digital marketing. Proses

distribusi meliputi menyebarakan link, membuat potongan video dan

memberikan keterangan terhadap konten. hal tersebut dilakukan untuk

mengenalkan AI yang tergolong baru dan mengenalkan Lokadata.ID secara

umum untuk pembaca. Adapun Alurnya seperti bagan dibawah:

Bagan 4.4: Proses distribusi konten

Editor/AI Website
Lokadata.ID Media Sosial

Tim Media sosial

Tim Marketing dan Digital Media Partner
Markerting

Perusahaan
Media Sosial Lokdata.ID /pemerintah
Facebook, Twitter, Instagram,
Pinterest, LinkedIn, Kaskus
TV, Vidio.com dan Youtube
Media Partner Lokdata.ID
Rumah123.com, Line Today,
Kaskus, BABE, RCTI+ , ect

Sumber: Olahan Peneliti, (2020)

4.4.3. Refleksi Teoritis

Menurut Shoemaker & Reese, (2014:170) Teknologi internet memungkinkan

organisasi media dan pengiklan untuk diam-diam menangkap informasi tentang

penggunaan berita, hiburan oleh audiens konten, dan iklan. Waktu yang

dihabiskan, jumlah klik, dan tampilan halaman memungkinkan organisasi untuk

139
secara langsung mengukur beberapa dimensi minat pemirsa terhadap konten

dan iklan. Organisasi berita dapat membuat informasi menyesuaikan kontennya

untuk penggunanya, dengan memusatkan perhatian pembaca pada sekumpulan

berita yang dipilih, atau berita yang relevan. Artinnya media akan

mempublikasi berita yang memilik minat tinggi dari pembaca. Redaksi di

Lokadata.ID secara konsisten dan terukur mempublikasi berita-berita yang

tidak menjadikan minat pembaca sebagai salah indikator produksi konten.

Redaksi memusatkan perhatian pembaca pada sekumpulan berita yang dipilih,

atau berita yang relevan dengan kepentingan bukan minat. Iklan bukan satu-

satunya hasil pendapatan Lokadata.ID. Artinnya apa yang dikatakan Shomeker

dan Vos organisasi media akan membuat konten menarik untuk menarik

pembaca yang nantinya akan digunakan untuk iklan, tidak diterapkan sebagai

salah satu cara redaksi untuk mempublikasi pembaca. Justru redaksi

Lokadata.ID memfokuskan pada produksi konten yang menyasar kalangan

pembaca kusus. Artinnya pembaca yang akan mencari konten berdasarkan

kebutuhan, bukan minat. Waktu, jumlah kunjungan dan tampilan dimaknai

berbeda bagi redaksi, waktu dimaknai produksi konten harus terjadwal pada jam

yang telah ditentukan, jumlah kunjungan digunakan untuk memberikan follow

up konten dan tampilan digunakan untuk memberikan kemudahan memahami

data yang ditampilkan.

Disisi lain, pada news distribution konsep yang menekankan bagaimana

berita disebarkan agar pembaca dapat mengkonsumsi konten. Dalam proses

penyebaran berita, kemapuan AI sangat terbatas, hal ini tidak terlepas pada

140
kekakuan pemerograman AI. Kendati demikian, kemajuan AI yang mampu

mempublikasi konten secara otomatis memberikan alternatif yang baik bagi

proses disitribusi yang menginginkan kecepatan sebagai sebuah keunggulan.

Menjadi yang terdepan dalam mengabarkan menjadi salah satu tujuan disetiap

media terutama media online, namun tidak semua media menjadikan hal yang

utama. AI yang diterapkan di Lokadata.ID sejatinnya dapat digunakan untuk

tujuan tersebut, namun Lokadata.ID lebih memilih mengatur waktu

penayangan. Tentu ini berbeda dalam alur kerja selama ini, dimana editor akan

sesegera mungkin menayangakan. Kebiasaan Editor ketika berita yang siap

dikerjakan akan langsung ditayangkan, bahkan ada batas waktu pengerjakan

agar target berita dapat terpenuhi. AI memiliki dapat menawarkan alternatif

mengenai berita yang akan ditayangkan. Artinnya akan ada konsistensi dalam

penayangan yang telah diatur. Pembaca akan dengan mudah mengidentifikasi

kapan berita akan tayang, sehingga akan memberikan dampak langsung dalam

memberikan keputusan pembaca. Jumlah berita yang dihasilkan dari proses AI

jauh lebih banyak dibanding dengan editor. Kendala-kendala seperti

keterbatasan jurnalis dalam ruang redaksi yang akan mempengaruhi jumlah

publikasi, menjadi persoalan utama dihadapi media. banyak litratur yang

menyebut produktifas jurnalis bergantung pada motivasi jurnalis dan kesehatan.

Tentunnya, dalam hal ini AI memainkan peran penting dalam meningkatkan

jumlah publikasi untuk konten berita.

Secara umum, Teknologi AI yang selama ini diterapkan dalam bidang

telekomunikasi, kesehatan, keuangan, pendidikan, keamanan dan lain. AI juga

141
 dapat diterapkan dalam dunia jurnalisitik yang memainkan peran menyediakan

informasi akurat.

4.5. Dua Mata Pisau AI Dalam Rutinitas Produksi Konten

Model piramida rutinitas media ditawarkan Shoemaker dan Vos (2014:169)

yang didalammnya terdapat organisasi media yang melakukan produksi konten

(news processing), sumber data sebagai pemasok informasi (news gathering)

dan audiens mengonsumsi berita (news distribution). Praktik rutinitas yang

melibatkan AI di ruang redaksi Lokadata.ID terlihat pada bagan 4.5. Pada

organisasi sembagai pelaku produksi melaksanakan dua pola rutin

pemerosesaan yakni proses AI otomatis dan hibrid. Sumber informasi sebagai

pemasok data didapat dari data online yang sepesifik yakni dari sumber resmi

publikasi lembaga penyedia data dan persebaran informasi pemberitaan media

online di digital dan media sosial Facebook. Pada audiens sebagai konsumsi

konten, dapat mengakses di situs resmi Lokadata.ID, media sosial, mini situs

dan mitra Lokadata.

Bagan 4.5: Piramida Rutinitas Media di Lokadata.ID

News Processing
(AI otomatis, Hibrid)

Piramida Rutinitas Media

News Gathering News Distribution

(Sumber Resmi, terstrukur (web, media sosial, mini
dan online) situs dan mitra)

Sumber: Olahan peneliti, 2020

142
4.5.1. AI Menurunkan dan Meningkatkan Kualitas Berita

Temuan AI yang digunakan dalam proses produksi berita pada rutinitas

newsroom Lokadata.ID menunjukan keterlibatan dalam proses news

gathering, news processing dan news distribution. AI memberikan cara

baru jurnalis dalam berkerja dan menawarkan berbagai alternatif dalam

memproses berita. Penggunaan AI di redaksi kenyataannya masih sangat

terbatas, meskipun hadirnnya AI mampu mengatasi kendala fisik seperti

keterbatas anggota redaksi. Namun, kebergantungan AI pada penyedia

dan data online, membuat aktivitas proses penggumpulan menjadi sangat

terbatas. Berbeda ketika jurnalis yang melakukan proses penggumpulan

data yang tidak bergantung pada satu sumber untuk mendapatkan

informasi. Artinnya aktivitas jurnalistik yang mengedepankan bebas dan

bertanggung jawab, terbatas tidak dapat diterpakan dalam proses AI.

Kekakuan tersebut menepatkan AI sebagai proses yang

mempengaruhi jurnalis tunduk pada proses mesin. Hal tersebut berbeda

dengan yang dikatakan (Shoemaker & vos, 2009), bahwa individu

sebagai penjaga gerbang akan memutuskan informasi mana yang akan

dipilih untuk menjadi berita, bagaimana itu diproduksi, dan platform

mana informasi yang disampaikan. Individu yang diaritkan jurnalis

dalam proses yang melibatkan AI, sangat berbeda dalam proses

memutuskan informasi yang menjadi berita. Proses memutuskan ini

terjadi ketika redaksi melakukan penyusunan program, tidak pada

penggumpulan informasi pada pemerosesan berita. Ketika

143
penggumpulan informasi, jurnalis tunduk pada kinerja AI. Begitupulan

pada bagaimana berita diproses, jurnalis tidak melakukan kerja sama

sekali. Artinnya seleksi, penyuntingan dan editing, sepenuhnnya

dilakukan AI. Pada penulisan jurnalisitik, jurnalis mengenal piramida

terbalis yang menentukan susunan penulisan dari sangat penting,

penting, dan tidak penting, telah hilang berganti menjadi susunan yang

tanpa susunan, hanya menarasikan apa yang ada dalam data. Proses

publikasi menjadi puncak dimana kendali jurnalis pada proses AI

otomatis tidak terlibat. Hal tersebut, membuat ada sebuah penurunan

kualitas jurnalis dalam proses AI, terlebih apa yang dilakukan AI

membuat jurnalis tunduk. AI memposisikan jurnalis sebagai bagian

diluar proses produksi ketika prosesnnya secara otomatis. Artinnya

proses ini menimbulkan persoalan etika yang menitikberatkan, produk

jurnalisistik dihasilkan dari tangan keredaksian.

Berbeda ketika proses hibrid, jurnalis melalui kerja editor memiliki

kendali penuh terhadap proses AI. AI digunakan sebagai alat yang

berfungsi untuk mencari sumber informasi yang telah ditentukan secara

digital melalui proses otomatis. Meskipun cara kerjannya tidak berbeda,

namun data yang dihasilkan AI bukan satu-satunya sumber informasi

yang digunakan untuk sebuah berita. Editor akan melakukan seleksi

informasi yang telah dikumpulkan AI kemudian menyusun dalam bentuk

tulisan berita (5w dan 1h) yang menentukan seberapa penting sebuah

peristiwa. Praktik hibird di Lokadata.ID, menempatkan data dari proses

144
AI bisa menjadi data utama dalam berita ataupun data pelengkap sumber

informasi lain. Artinnya kendali dan wewenang editor dalam

menentukan berita mana yang akan dipilih dan bagaimana memproses

sebelum dipublikasi, sangat kuat perannnya seperti yang disebukan

Shoemaker & Vos.

Proses hibird menjadi salah satu rutinitas baru dalam proses produksi

berita yang dipraktikan dalam ruang redaksi, meskipun setiap media

memiliki rutinitas berbeda-beda. Proses Hibrid menjadi sangat sepesial

karena tidak semua media menerapakan AI dalam memproduksi berita,

sehingga proses ini menjadi salah satu bentuk kemajuan dalam dunia

jurnalistik. Dalam bentuk kualitas yang dihasilkan, AI memberikan

sebuah berita kaya akan informasi yang dapat memberikan jawaban dari

sebuah peristiwa. Gabungan antara sumber informasi resmi dan pakar

dalam berita memberikan karakter berita yang lebih mendalam,

dibanding dengan berita sepotong-potong yang memecah peristiwa

menjadi banyak berita. AI mengabungkan banyak berita dalam satu

peristiwa dalam satu berita. perbeda tersebut menjadi salah satu kualitas

proses hibrid meningkatkan jurnalisme.

Proses produksi berita secara otomatis, menurunkan kualitas jurnalistik

seperti dalam menentukan nilai berita, penulisan dan pengaruh. Tidak

terlibatnya jurnalis dalam proses tersebut turut mempengaruhi.

Sedangkan, proses hibrid meningkatkan kualitas jurnalisitik, dimana

jurnalis memainkan peran dalam menentukan proses. Inti dari sebuah

145
 produk jurnalisitik adalah membangun makna (meaning) dalam

pemerosesan informasi. Konten hibrid memiliki kualitas berita yang

baik, memberikan pengaruh luas.

4.5.2. AI Memaksa Redaksi Melakukan Kerja Lebih Mendalam

Fakta utama AI menggantikan peran jurnalis dalam menggumpulkan

sumber dari data-data online dengan kereteria kusus tidak terbantahkan.

Namun, sumber data online yang sepesifik bukan satu-satunya sumber

informasi untuk berita, masih ada sumber lain seperti sumber resmi dan

pakar. Klaim redaksi Lokadata.ID bahwa AI tidak akan menggantikan

jurnalis karena kemampuan terbatas, memang terlihat dari berbagai peran

AI yang sangat terbatas dalam keredaksian. Namun keterbatasan AI

perlahan akan terus teratasi, seperti yang dilakukan pada konten

robotorial yang dapat melakukan proses secara otomatis untuk mengatasi

jumlah produksi konten yang terbatas pada proses manual. Artinnya

persoalan keterbatasan AI dimasa depan akan teratasi.

AI yang dapat menghasilkan berita sederhana informatif, mendorong

jurnalis melakukan aktivitas jurnalis yang lebih mendalam, seperti berita

investigasi atau berita yang lebih humanis (ketokohan, esai, ficture).

Setidaknnya itu yang dilakukan redaksi Lokadata.ID. Redaksi

melakukan proses produksi berita dengan lebih mendalam, detail dan

penuh ulasan. Redaksi mengerjakan berita yang memiliki nilai tambah

lebih, dibanding dengan berita yang sekedar memberikan nilai

informatif. Fokus utama redaksi Lokadata.ID melakukan penulisan

146
berita mendalam, mencari tambahan informasi, mengulas data,

melakukan wawancara, dan membuat liputan bulanan. Pekerjaan tersebut

tidak dapat dilakukan AI, artinnya redaksi tetap menjadi pusat dalam

semua aktivitas jurnalisitik. Produk jurnalis harus memberikan pengaruh

emosional untuk pembacaanya seperti senang, sedih, gembira, tertawa

dan menangis, kesemua itu dapat dilakukan oleh tangan terampil jurnalis

yang menuliskan. Misal dalam berita gempa yang terjadi di Indonesia,

AI dapat mengambarkan terjadi gempa mulai dari kekuatan, waktu, dan

lokasi, namun AI tidak bisa memberitakan peritiwa-peritiwa yang ada

didalammnya tentang, perjuangan korban menyelamatkan diri, kisah

korban selamat, dan proses penanganan bencana. Artinnya AI akan

sangat berguna membantu jurnalis membangun emosional pembaca.

Proses yang dilakukan AI tidak sepenuhnnya memberikan kemudahan

bagi redaksi, redaksi tetap melakukan penggumpulan informasi,

memeriksa fakta, menganalisis, menuliskan dan memvisualisasikan hasil

AI. Meskipun disisi lain, AI dapat mempersingkat dan mempercepat

proses produksi, namun itu tidak menentukan kualitas. Menurut

Shoemaker dan Vos (2014) dengan mengamati perbedaan pekerjaan,

tingkah laku dan sikap akan memberikan gambaran tentang rutinitas

yang ada dalam sebuah organisasi media. Redaksi Lokadata.ID memiliki

kesamaan profesi dengan media lain, namun pekerjaan, tingkah laku dan

sikap memiliki perbedaan yang sangat berbeda. Misal, pekerjaan redaksi

Lokadata.ID fokus pada ulasan data, tingkah laku lebih banyak

147
 menghabiskan pekerjaan di ruang redaksi, dan sikap terhadap sebuah

berita tidak mengejar kecepatan. Shoemaker & Cohen, (2005)

mencontohkan pada penentuan berita media televisi lebih memusatkan

pada nilai berita, sedangkan surat kabar yang lebih kepada banyak variasi

berita. Perbedaan ini memengaruhi pemilihan media peristiwa dan

bagaimana peristiwa tersebut digambarkan. Sementara Lokadata.ID

lebih memperhatikan ulasan dalam berita, sehingga karakter berita

mendalam menjadi cerminan Lokadata.ID.

4.5.3. Bias Algoritma

Setiap proses yang melibatkan AI memungkinkan terjadi kesalahan yang

disebapkan AI salah membaca perintah yang dilakukan. Seperti yang

sering terjadi pada proses produksi konten info Covid-19 yang

prosesnnya sering mengalami eror. Umumnya bias Alogritma terjadi

akibat adannya perubahan strukutur data dari sumber yang tidak dikenali

AI atau juga karena kesalahan program. Ada ataupun tidak adannya bias

tersebut, redaksi melalui editor kusus AI lebih sibuk melakukan

pemeriksaan fakta dalam sumber AI untuk menjamin objektivitas data.

Pengecekan fakta menjadi sebuah keharusan yang dilakukan redaksi

sebagai bentuk tidak adannya standarisasi akurasi data yang menjadi

rujukan. Akurasi data memiliki tingkatan akurasi yang berbeda, sehingga

perlu pengecekan. Banyak media online yang telah meninggalkan praktik

pengecekan fakta, kecenderungan pengecekan fakta pada proses yang

terus berlangsung. Jika media online jika fakta salah akan dengan mudah

148
 menulis ulang atupun meralat berita, berbeda dengan AI yang akan

dihapus dan diulang proses, sehingga pengecekan fakta menjadi penting.

4.6.Argumentasi

Konteks AI diterpakan dalam proses produksi di Indonesia, tergolong baru dan

memiliki berbagai persoalan terutma berkaitan dengan nilai jurnalitik dan

regulasi. AI bukanlah produk jurnalistik, namun penarapnnya dapat digunakan

untuk aktivitas jurnalitisik. Penerapan AI didunia jurnalitik akan

mencerminkan jurnalis, organisasi dan ideologi media yang mendorong

profisonalitas jurnalis dalam memproduksi berita (Deuze, 2005; Ananny &

Crawford;2014; Shilton,2018; Broussard et al., 2019:7). Artinnya penerapan AI

di Lokadata.ID telah mendorong pada pemebentukan identitas media dan

mempengaruhu kebijakan-kebijakan didalamnnya. Salah satu perubahan yang

mendasar adalah kemampuan profesionalisme jurnalis disesukaikan dengan

kemampuan dan kebutuhkan terhadap penerapan AI. Namun, inovasi yang

dilakukan Lokadata.ID dengan menambah berbagai model pemberitan dinilai

merupakan terobosan baik bagi media. Sebut pemberitaan Covid-19 yang rutin

disampaikan AI setiap hari. Waktu perancangan model yang lama dan biaya

riset yang mahal menjadi kendala utama proses pengembangan AI.

Ada beberpa catatan perubahan-perubahan yang terjadi diterapkannya AI

dalam proses produksi konten di Lokadata.ID perubahan tersebut mencakup

cara kerja redaksi dan etika jurnalistik. Perubahan-perubahan tersebut seperti:

149
4.6.1. Perspektif Melihat Isu

Masuknya AI dalam proses penggumpulan berita, pemerosesan dan

publikas berita, secara langsung dapat membantu kerja redaksi dalam

memproduksi konten. Namun, adanya AI juga telah mengantikan peran

redaksi mulai dari pengumpulan data secara digital, pemerosesan dan

publikasi, serta menambah tugas redaksi dalam proses perancangan

program AI. Menurut Višňovský, Magdalena & Karina, 2019) penting bagi

jurnalis untuk memperoleh keterampilan penting agar dapat bekerja

dengan robot (AI) dan menggunakannya untuk keuntungan mereka.

Penerapan AI pada dasarnya mengubah rutinitas editorial, praktik

jurnalistik, dan model pekerjaan editorial yang ada. Kenyataan inilah yang

terlihat dalam rutinitas produksi konten di Lokadata.ID. Keterbatasan AI

memposikan proses yang berlangsung mendukung kerja dari editor, bukan

tidak mungkin nantinya editor akan tergantikan dengan adannya AI.

Perubahan tersebut mempengaruhi cara pandang redaksi dalam melihat

sebuah peristiwa. Ketergantungan AI terhadap ketersediaan data yang ada,

menjadikan redaksi bergantung media lain. Begitupula ketika model AI

diproduksi, susunan algoritmenya sangat ditentukan organisasi.

Lokadata.ID menerapakan progaram AI yang mendorong terjadi

perubahan mendasar, seperti akses terhadap informasi yang tidak

sembarangan.

Sifat data yang rutin dan berulang menjadi dasar utama program AI

dalam melihat sebuah peristiwa mampu diproses. Ada beberapa hal yang

150
menjadi pembeda, bagaimana redaksi Lokadata.ID melihat sebuah

peristiwa dibanding dengan media lain. Lokadata.ID dalam melihat

peristiwa dalam satu sudut pandang yakni fokus diseputaran bisnis dan

ekonomi.

Bagan 4.6: Perbandingan dalam melihat isu/peristiwa

Media lain Isu/ Peristiwa Lokadata.ID

 Mengejar berita Realtme

 Narasumber Berita
didominasi wawancara
dengan informan
 Melihat perkembangan
peristiwa untuk topik
dominan dengan fokus
pada narasi huruf
 Menulis dengan banyak
sudut pandang
 Tidak mengejar berita
realtime, fokus berita
ulasan data
 Narasumber utama
didominasi Big data, dan
kumpulan laporan
 Melihat perkembangan
peristiwa dalam angka
 Menulis fokus ekonomi
bisnis

Sumber: (Olahan Peneliti 2020)

Pertama, tidak mengejar berita terkini dengan mengandalkan kecepatan

seperti yang dilakukan Detik News (Juditha, 2013), melainkan memproses

berita terkini untuk kepentingan berita bisnis dan ekonomi. Karakteritik

media online yang mengandalkan kedekatan dengan menyampaikan

informasi dengan cepat dan langsung (Foust, 2005 dalam Haristya, Suwana,

& Kurniana, 2012:6), menjadi ajang perlombaan media. Lokadata.ID

memilih mengembangkan berita dengan fokus olahan data. Kedua, sumber

berita utama dari kutipan pernyataan narasumber.Kecenderungan media

151
online lebih mengejar interkasi pembaca melalui platfom media sosial,

seperti yang dilakukan Jogja.tribunnews.com yang mengambil komentar

nitizen sebagai salah satu sumber berita untuk produksi konten (Winarni &

Lestari, 2019) memposisikan setiap kutipan dalam bentuk apapun dapat

digunakan untuk berita. Berbeda dengan Lokadata.ID yang lebih

mengutamakan sumber berita dari data baik dari olahan jurnalis maupun

AI.

Ketiga, untuk menghadirkan pembaca kusus, dibutuhkan konten

pembeda, Lokadata memilih konten data untuk mempengaruhi pembaca.

Media online yang mengandalkan kecepatan dalam publikasi, memiliki

kecenderungan menghadirkan berita sepotong-potong. Artinnya dalam

satu peritiwa, dapat dikemas dalam berbagai engel berita dengan narasi

sepotong-potong, seperti Detiknews, (Adzkia, 2015:45). Kemapuan AI

yang dapat merekam aktivitas digital dijadikan langkah melengkapi data

ataupun menjadi data utama dalam pemberitaan. Kumpulan data tersebut

akan menghadirkan berbagai model angka kumulatif. Artinya angka

tersebut menjadi fakta berita. Keempat, menulis fokus perspektif ekonomi.

Konten ekonomi sangat berkaitan angka. Hal terserbut melekat dalam

setiap pemberitaan. Menurut Rahadian Prajna Paramita, pemberitaa

tersebut sangat mendukung gagasan Lokadata dalam memfokuskan pada

jurnalisme data dan bahasa pemerograman AI.

152
4.6.2. Alur Kerja

Memposisikan sebagai media yang mengedepankan teknologi dalam

proses produksi, Lokadata.ID memiliki alur kerja berbeda. Model alur

kerja yang berputar dan saling bergantung memberikan perubahan-

perubahan yang dapat dilakukan manusia dan AI. Berikut tahapan alur

kerja yang terjadi dengan melibatkan AI. Pertama, pada perencanaan ide

liputan, tim redaksi melihat hasil publikasi media lain seperti situs-situs

penyedia data resmi seperti BMKG ataupun publikasi media lain. Hasil

publikasi ini digunakan untuk memutuskan apakah AI dapat beroprasi dan

menugaskan AI dalam mengumpulkan dan memperoses data.

Bagan 4.6: alur kerja Bagan

Publikasi Perencanaan
(AI dan Jurnalis) (Jurnalis)

Penulisan dan
Praktik
Penugasan, mencari dan
Analisis Data jurnalis
memperoses data (AI)
(Jurnalis)

Penulisan
(AI dan Jurnalis)

Sumber: (Olahan peneliti, 2020)

Bagan 4.7: Tambahan Tenaga Mesin Bagi Jurnalis

Redaksi AI
(NML

Konten
Hibrid
153
 Sumber: (Olahan Peneliti, 2020)

Kedua, penugasan mulai dari mencari, mengumpulkan, menseleksi

dan memperoses data. Praktis tidak jauh berbeda seperti tugas jurnalis

umumnnya, namun tugas dilakukan AI, editor berperan sangat sedikit

dalam proses menggumpulkan data. Editor berperan mengawasi proses.

Ketiga, pada tahap penulisan mulai memunculkan kerja kolaborasi antara

AI dan Editor. Penulisan dapat dilakukan AI dengan menyusun data,

memasukan kedalam tamplate tulisan. Keempat, analisis data dilakukan

oleh editor berupa memberikan penekanan pada 5w+1h, memberikan

tambahan kelengkapan informasi dan menambahkan data. Analisis data

berperan memberikan sikap dan makna data. Program AI tidak dapat

melakukan analisis data, sehingga data olahan AI akan dianalisis oleh

editor kusus AI. Kelima, proses publikasi dapat dilakukan secara manual

oleh redaksi dan autopublikasi. Publikasi yang dilakukan editor dalam

proses kerja kolaborasi. Konten kolaborasi dapat dilihat dirubik sorot

media. Hasil publikasi ini nantinya dijadikan evaluasi dan bahan

perencanan selanjutnya.

4.6.3. Jurnalis Beradaptasi

Kendati adanya AI membantu kerja pada penulisan, ada tambahan kerja

jurnalis dalam penerapan AI. Redaksi terlibat dalam perancangan

algoritma agar menghasilkan produk jurnalis. Keterlibatan redaksi dalam

proses mambangun model tersebut, menjadi salah satu upaya membangun

154
produk jurnalisitik. Nantinya jurnalis akan disibukan membangun

pengetahuan bagaimana melakuka pengiriman informasi dengan benar,

dan bagaimana cara berkolaborasi dengan IA untuk mendapatkan hasil

terbaik (Salazar, 2018:311). Perubahan tidak terlepas dari kemapuan AI

yang sangat terbatas. Temuan Lamia, dan Adam,( 2019) pada praktik

jurnalisme robot di Beritagar.ID menunjukkan kerja algoritma masih

terbatas dalam praktik-praktik jurnalisme, sehingga terdapat beberapa

aspek yang belum mampu diakomodasi oleh robot dan tetap ditangani oleh

manusia. Artinya bahwa, keterbatas tersebut masih ditemukan dalam

praktik AI Lokadata.ID. Redaksi sangat terbatas pada kemapuan-

kemapuan teknis dan program AI terbatas pada kemapuan kereativitas

produksi. Ada berberapa perubahan yang terjadi menyangkut adaptasi

dengan adannya proses AI baik tabahan pekerjaan dan keterbatasan.

Tambahan Kerjaan Jurnalis ditemukan, bahwa secara umum kerja

jurnalis tidak berubah, hanya caranya kerjanya yang berbeda. Jurnalis di

Lokadata.ID memiliki tambahan kerja yang tidak selalu berkaitan dengan

kegiatan produksi, melainkan mampu mengembangkan alogaritma

jurnalistik. Redaksi memberikan tugas kusus yang terlibat dalam

perencanaan program dengan memberikan ide dan kebutuhan akan

program untuk pengembangan variasi konten. Berangkat dari ide redaksi,

tim teknologi memberikan jaminan ketersediaan program AI untuk

produksi konten. Redaksi juga bertugas menguji program yang telah dibuat

baik tentang akurasi maupun bahasa yang dihasilkan. AI membrikan

155
pengaruh besar terhadap perencanaan konten yang membutuhkan waktu

lama dalam pelaksanaan. Tahap persiapan program konten misalnya,

Jurnalis melakukan banyak persiapan dibanding dengan pemerosesan.

Persiapan meliputi pemberkasan mulai dari kesiapan program, alat, dan

bahan (memastikan ketersedian data) konten. kemudian mengumpulkan

sumber data yang diinginkan, membuat format tulisan (tamplate) dan

mengawasi proses kerja hingga selesai baik autopublikasi maupun berhenti

ditahap data terkumpul. Artinnya fokus perhatian tersebut memfokuskan

editor kusus untuk melakukan perancangan kusus, sedangkan editor lain

dapat fokus mengisi konten harian. Tambahan kerja seperti terlihat pada

tabel.

Tabel 4.2: Perbandingan tambahan pekerjaan redaksi

 Perencanaan ide program

 Perencanaan Liputan
 Proses liputan (mencari,
mengumpulkan, menuliskan)
berita 5W1H
 Menyerahkan ke Editor
 Editor menyeleksi konten,
koreksi dan publikasi
 Evaluasi konten
(internal redaksi)
 Perencanaan bersama
pembuatan program ( redaksi
dan teknologi)
 Pengetesan/ uji program
alogaritma (bahasa, dan akurasi)
 Pengawasan pelaksaanaan
program
 Pengembangan Program

Sumber: (Olahan Peneliti, 2020)

Hadirnnya AI juga membatasi kerja jurnalis. Pertama, jurnalis terbatas

terutama berkaitan pada otput berita. Keterbatasan Redaksi di Lokodata.ID

pertama, jumlah jurnalis diruang redaksi sangat terbatas, sehingga konten

yang diproduksi terbatas. Editor selain bertugas menseleksi konten juga

156
 bertugas mempublikasi konten. Kedua, pengumpulan, pemerosesan dan

penulisan data sebagaian dilakukan AI. Ketiga pengetahuan yang terbatas

tentang sistem pemerograman AI untuk kepentingan redaksi. penggunaan

AI di proses produksi mendorong jurnalis dituntut paham dan mengerti

tentang sistem AI. Keempat banyak menghabiskan kerja diruang redaksi

yang meliputi pengawasan, dan minim aktivitas lapangan.

Tabel 4.3: Keterbatasan Jurnalis

Jurnalis terbatas, otput berita terbatas

pemerosesan , menuliskan sebagaian dilakukan AI

Keterbatasan Jurnalis
Pengetahuan jurnalis tentang sistem pemerograman
Bahasa AI terbatas

Banyak menghabiskan kerja di ruang redaksi

Sumber: (Olahan penelitian, 2020)

4.6.4. Etika Dalam Keterlibatan AI di Redaksi

Secara perinsip, AI bukanlah jurnalis, sehingga persoalan tentang proses-

proses memperoduksi konten menimbulkan pertayaan etis. Kendati

demikian, Lokadata.ID meyakini proses yang ada didalammnya

dilakukan berdasarkan perisip jurnalis yang mengedepankan etika dan

tanggung jawab. Jurnalis berperan membangun dan mengawasi

perosesnnya, sehingga AI menjadi bagian yang membantu jurnalis

157
memproduksi konten. Dalam Undang-Undang No 40 Tahun 1999

Tentang PERS pasal 1 ayat 4 menyebut “Wartawan adalah orang yang

secara teratur melaksanakan kegiatan jurnalistik”. Merujuk pada ayat

tersebut yang berhak melaksanakan kegiatan jurnalisik adalah wartawan.

Dalam mengatasi persoalan tersebut, setiap aktivtas yang dilakukan AI

melibatkan redaksi dalam prosesnnya. Artiannya produk AI yang

prosesnya dilakukan mesin menimbulkan perdebatan. AI yang

kegiatannya seperti jurnalis tidak memiliki payung hukum dan rambu-

rambu etika seperti jurnalis. Apapun bentuk pengawasan yang dilakukan

jurnalis terhadap AI, jika kenyataan AI mampu melakukan kegiatan

jurnalisitik menggumpulkan, memproses dan mempublikasi, namun tidak

memiliki payung hukum akan menimbulkan permasalahan pada tanggung

jawab.

Permasalahan etika lain adalah menyangkut pengambilan data dari

sumber lain diolah dan diproduksi ulang, kemudian ditampilkan dimedia

dan mendapatkan keuntungan media tersebut menjadi persoalan tentang

etika dalam berbisnis. Persoalan-persoalan tersebut menjadi

permasalahan selama belum ada peraturan yang mengatur tentang

penggunaan AI didunia jurnalisik. Dalam Kode Etik Jurnalisitik pasal 12

menyebutkan “wartawan tidak melakukan tindakan plagiat, tidak

mengutip karya jurnalisitk tanpa menyebut sumbernnya”, artinnya

wartawan disebutkan yang melakukan pengutipan. Lantas selama ini,

dalam prosesnya AI mengambil sumber dari media lain kemudian

158
diproses. Upaya redaksi dalam membentuk produk AI sabagai bagian dari

produk jurnalisik melalui meningkatkan akurasi, dan verifikasi data agar

setiap produk dapat dipertanggungjawabkan. Artikel yang dapat

dipublikasi tingkat akurasi kebenarannya diatas 80% untuk diperiksa

jurnalis dan 90% autopublikasi menjadi landasan utama redaksi dalam

menilai konten. Kenyataannya model jurnalisme data dengan melibatkan

AI tidak sepenuhnya memiliki kesadaran etika layaknya jurnalis manusia

seperti yang ditemukan dalam praktik di Beritagar.ID (Amran, 2018),

sehingga redaksi melalui editor kusus berperan mengawasi dan mengelola

ulang hasil pemerosesan AI. Potensi penggunaan AI yang sangat besar

terutama dalam mendukung kegiatan jurnalisik seperti temuan Stray,

(2019) bahwa, AI dalam penerapan untuk memiliki potensi dalam

melakukan tugas-tugas persiapan data, seperti ekstraksi data dari beragam

dokumen dan hubungan catatan lintas database probabilistik. AI harus

diimbangi dengan etika sebagai bentuk nilai yang ditanam dalam

memberikan pertanggungjawaban. Kebijkan open data access yang

dilakukan banyak pihak jangan sampai menibulkan permasalahan

dikemudian.

Perlu adannya etika yang mengatur bagaimana seharunnya AI

harusnya dapat terlibat melakukan kegiatan jurnalisitik. AI tidak memiliki

kesadaran etika, layaknya jurnalis. Artinnya tidak ada bentuk

pertanggungjawaban kepada pembaca, sekalipun apa yang disampaikan

salah.

159
 BAB V

Penutup

5.1.Kesimpulan

Penggunaan Artificial Intelligence (AI) dalam rutinitas media memproduksi

konten berita, telah memberikan perubahan-perubahan yang mengarah pada

munculnya cara kerja baru. Rutinitas yang diaritkan sebagai bentuk kerja yang

terus-menerus dilakukan, memberikan pemahaman baru tentang redaksi bekerja

dengan bahasa pemerograman AI. AI secara praktik mampu mengumpulkan,

mengelola, memproses, menuliskan dan mempublikasi secara langsung

memberikan kemudahan-kemudahan bagi redaksi dalam mengatasi kreteria

berita kusus.

Lokadata.ID sebagai media online yang baru di Indonesia, memilih melibatkan

AI dalam proses produksi konten dibanding dengan meningkatkan jumlah awak

redaksi. Ada keuntungan tersendiri ditengah sumber informasi data yang

berterbaran secara digital (big data) dalam jumlah banyak, proses ini yang

dapat dimaksimalkan dengan penggunaan AI. AI sepenuhnya bekerja dengan

data tersedia secara online, dan mendorong visi dan misi Lokadata.ID sebagai

media berbasis jurnalisme data.

AI digunakan redaksi Lokadata.ID dalam mengatasi terbatasnya jumlah redaksi

untuk mengerjakan berita-berita rutin, sehingga redaksi fokus pada menyajikan

berita mendalam dengan karakteristik pemberitaan ulasan data. Tujuan utama

160
redaksi dalam menyajikan berita data, direpresntasikan dari hasil berita AI,

meskipun ada beberapa keterbatasan. Adapun kesimpulan dari hasil penelitian

mengenai perubahan yang terjadi dengan penggunaan AI dalam rutinitas media

sebagai berikut:

1. Redaksi Lokadata.ID menggunakan cabang AI Natural language

Generation (NLG) dan Natural Language Processing (NLP). NLG

yang digunakan dalam bentuk softwere untuk berita rutin dalam rubik

Robotorial. Proses dari NLG dapat dilakukan secara otomatis mulai

dari pencarian sumber data hingga publikasi. Sedangkan, NLP

digunakan dalam bentuk media monitoring untuk mengisi rubik sorot

media yang melibatkan editor dalam prosesnnya.

2. Penggunaan AI dalam redaksi masih sangat terbatas untuk berita rutin

dan sangat bergantung dengan ketersediaan data (tersedia, terstruktur,

berpola, rutin dan tersedia secara online). AI hanya mengambil dan

memproses data yang tersedia secara online. Tidak semua data yang

bertebaran dapat diproses, hal tersebut disebapkan kekakuan bahasa

pemerograman AI.

3. Pada proses news gathering AI merubah redaksi melihat nilai berita.

Hanya berita memiliki susunan model bahasa pemerograman AI yang

akan diproduksi. Kendati tugas pengumpulan dan pemerosesan

produksi konten dilakukan AI, redaksi harus menyipakan program AI

yang membutukan waktu dalam perancangan. Redaksi dalam proses

161
 pra produksi memiliki keterlibatan tinggi dalam perancangan dan

produksi minim keterlibatan dalam proses produksi.

4. Redaksi membatasi proses pencarian data yang dilakukan AI. Akses

data yang diambil berasal dari sumber-sumber resmi sebagai bentuk

menerapkan kaidah jurnalisitik.

5. Pada news processing pemerosesan berita AI sangat terbatas perannya.

Praktis hanya NLG yang dapat berjalan secara otomatis. NLG

melakukan pemerosesan data dengan mengkategorikan data kedalam

tamplate yang sudah disediakan. Sedangkan untuk NLP pemerosesan

berita yang mencakup, penulisan, penambahan informasi, dan editing,

tugasnya dilakukan editor kusus AI.

6. Keterbatasan dalam news processing yang dilakukan AI, memunculkan

prakrik kolaborasi antara AI dan editor dan menempatkan editor kusus

AI yang menangani dan mengenali proses bahasa hasil dari produksi

AI.

7. Pada news distribution, hanya NLG dapat melakukan publikasi secara

otomatis, sementara untuk NLP publikasi masih secara manual dilakukan

editor kusus AI. Untuk jumlah publikasi yang dilakukan NLG jauh lebih

banyak dibanding editor. Proses distribusi yang dilakukan AI dapat diatur

waktu publikasi.

8. AI tidak dapat melakukan distribusi konten ke mini situs dan media

sosial resmi Lokadata.ID.

162
5.2. Rekomendasi

5.2.1.Rekomendasi Akademis

Peneliti ini menggunakan objek media online Lokadata.ID sebagai media

pertama yang mengunakan AI sebagai bagian dari proses produksi konten.

Peneliti ini jauh dari kata sempurna yang memiliki keterbatasan sumber

informasi terbatas dan tidak melakukan observasi sebagai bagian dari

pengugmpulan data. Peneliti merekomendasikan melakukan penelitian

lanjutan untuk memperdalam tentang penggunaan AI dalam ruang

redaksi. Peneliti merekomendasikan untuk melakukan penelitian.

Pertama, mengenai pola interaksi antara redaksi dan AI sebagai bentuk

proses komunukasi dalam ruang redaksi.

Kedua, Sejauh apa melihat minat dan ketertarikan pembaca terhadap

jenis-jenis berita yang dihasilkan dari proses AI. Secara kualitatif dapat

melihat gaya penulisan, dan framing, secara kuantitatif dapat diteliti

tentang pergeseran minat pembaca terhadap konten berita hasil AI.

5.2.2. Rekomendasi Praktis

Pemerosesan data dengan menggunakan bahasa pemerograman AI

memiliki kerentatan kesalahan dalam prosesnnya. Redaksi harus terus

menjaga akurasi dari proses produksi yang melibatkan AI.

Penelitian ini memberikan rekomendasi kepada pembaca yang

memilki kebutuhan informasi yang kusus terutama tentang ekonomi

bisnis dan perkembangan pemberitaan. Hasil dari produksi konten AI

dapat dijadikan informasi mengambil keputusan tentang bisnis dan

163
 ekonomi. Rekomendasi penelitian menyarankan membaca sumber resmi

dari penyedia data sebagai salah satu bentuk mengharagai hak cipta

dengan tidak meninggalkan membaca konten hasil AI di Lokadata.ID.

5.2.3. Rekomendasi Sosial

Penelitian ini memberikan padangan terhadap kemajuan teknologi

kecerdasan buatan yang telah digunakan didunia jurnalisitik. Penelitian

ini diharapkan memberikan pengetahuan tentang proses produksi konten

yang melibatkan AI dalam prosesnnya.

164
Daftar Pustaka
Aditya Jain, Gandhar Kulkarni, V. S. (2018). Natural Language Processing.
International Journal of Computer Sciences and Engineering, 6(10).
https://doi.org/10.26438/ijcse/v6i1.161167
Adzkia, A. R. S. (2015). Praktik Multimedia dalam Jurnalisme Online di
Indonesia. Jurnal Komunikasi, 10.
Ami Luhur, P. (2019). Pola Komodifikasi Informasi Media Online di Tribunnews.
Diponegoro.
Amran, S. O. (2018). Jurnalisme Robot dalam Media Daring Beritagar . id Robot
Journalism in Online Media : Beritagar . id. 20(2), 169–182.
Anand J. Kulkarni, S. C. S. (2020). Optimization in Machine Learning and
Applications. https://doi.org/10.1007/978-981-15-0994-0_6
Anton, O., Prihartono, W., & Sos, S. (2016). Surat Kabar & Konvergensi Media
(Studi Deskriptif Kualitatif Model Konvergensi Media Pada Solopos). 4(1),
105–116. https://doi.org/10.12928/channel.v4i1.4210
Bradshaw, P. (2012). Model for a 21st Century Newsroom - Redux. How
digitisation has changed news organisations in a multiplatform. 84.
Retrieved from http://leanpub.com/21stcenturynewsroom
Broussard, M., Diakopoulos, N., Guzman, A. L., Abebe, R., Dupagne, M., &
Chuan, C.-H. (2019). Artificial Intelligence and Journalism. Journalism &
Mass Communication Quarterly, 107769901985990.
https://doi.org/10.1177/1077699019859901
Clerwall, C. (2014). Enter the Robot Journalist Users ’ perceptions of automated
content. Journalism Practice, 8(5), 519–531.
https://doi.org/10.1080/17512786.2014.883116
Cornia, A., Sehl, A., & Levy, D. A. L. (2018). Private Sector News , Social Media
Distribution , and Algorithm Change.
Dominick, R. D. W. & J. R. (2011). Mass Media Research An Introduction. In
Wadsworth Cengage Learning ALL (Vol. 7). Boston.
Edson C. Tandoc Jr., L. J. Y. & S. W. (2020). Man vs. Machine? The Impact of
Algorithm Authorship on News Credibility. Digital Journalism, 8(4), 548–
562. https://doi.org/10.1080/21670811.2020.1762102
Eirik Stavelin. (2013). Computational Journalism When journalism meets
programming. Desertasi, 54(10), 66–71.
https://doi.org/10.1145/2001269.2001288
Essinger, S. D., & Rosen, G. L. (2011). An introduction to machine learning for
students in secondary education. 2011 Digital Signal Processing and Signal
Processing Education Meeting, DSP/SPE 2011 - Proceedings, 243–248.

165
 https://doi.org/10.1109/DSP-SPE.2011.5739219
Graefe, A. (2016). Guide to Automated Journalism - Columbia Journalism
Review. (January). Retrieved from
https://www.cjr.org/tow_center_reports/guide_to_automated_journalism.php
Guzman, A. L., & Lewis, S. C. (2019). Artificial intelligence and communication:
A Human–Machine Communication research agenda. New Media and
Society. https://doi.org/10.1177/1461444819858691
Haristya, S., Suwana, F., & Kurniana, I. (2012). the Credibility of News Portal in
Indonesia : Journal of Communication Studies, 05(August), 1–17.
Https://beritagar.id/artikel/editorial/surat-dari-jatibaru-data. (n.d.). Surat dari
Jatibaru: data dan perampingan redaksi. Retrieved November 12, 2019, from
https://beritagar.id/artikel/editorial/surat-dari-jatibaru-data
Https://indopos.co.id/read/2016/08/31/34437/ancaman-bagi-wartawan-robot-
mampu-bikin-58-artikel-per-hari/. (n.d.). Ancaman Bagi Wartawan, Robot
Mampu Bikin 58 Artikel per Hari - indopos.co.id. Retrieved November 11,
2019, from https://indopos.co.id/read/2016/08/31/34437/ancaman-bagi-
wartawan-robot-mampu-bikin-58-artikel-per-hari/
Https://inet.detik.com/cyberlife/d-4501590/china-sudah-bisa-buat-film-pakai-
kecerdasan-buatan. (n.d.). China Sudah Bisa Buat Film Pakai Kecerdasan
Buatan. Retrieved November 11, 2019, from
https://inet.detik.com/cyberlife/d-4501590/china-sudah-bisa-buat-film-pakai-
kecerdasan-buatan
Https://theconversation.com/optimisme-dan-kebingungan-indonesia-terhadap-
dampak-revolusi-industri-4-0-pada-dunia-kerja-116167. (n.d.). Optimisme
dan kebingungan Indonesia terhadap dampak Revolusi Industri 4.0 pada
dunia kerja. Retrieved November 11, 2019, from
https://theconversation.com/optimisme-dan-kebingungan-indonesia-
terhadap-dampak-revolusi-industri-4-0-pada-dunia-kerja-116167
Https://www.cnnindonesia.com/teknologi/20180726030115-185-317046/industri-
media-hadapi-era-kecerdasan-buatan. (n.d.). Industri Media Hadapi Era
Kecerdasan Buatan. Retrieved November 11, 2019, from
https://www.cnnindonesia.com/teknologi/20180726030115-185-
317046/industri-media-hadapi-era-kecerdasan-buatan
Https://www.liputan6.com/news/read/3907000/kecerdasan-buatan-dalam-
jurnalisme-mungkinkah. (n.d.). Kecerdasan Buatan dalam Jurnalisme,
Mungkinkah? - News Liputan6.com. Retrieved November 11, 2019, from
https://www.liputan6.com/news/read/3907000/kecerdasan-buatan-dalam-
jurnalisme-mungkinkah
Jan, P., & Gotama, W. (2018). Pengenalan Pembelajaran Mesin dan Deep
Learning Jan Wira Gotama Putra Pengenalan Konsep Pembelajaran Mesin

166
 dan Deep Learning. (July), 1–199. Retrieved from
https://www.researchgate.net/publication/323700644
Juditha, C. (2013). News Accuracy in Online Journalism (News of Alleged
Corruption The Constitutional Court in Detiknews). Jurnal Pekommas,
16(3), 145–154. Retrieved from
https://media.neliti.com/media/publications/222363-akurasi-berita-dalam-
jurnalisme-online-k.pdf
Keegan, J., & King, G. (2017). Artificial Intelligence : Practice and
Implications for Journalism.
Khurana, D., Koli, A., Khatter, K., & Singh, S. (2018). Natural Language
Processing : State of The Art , Current Trends and Challenges Natural
Language Processing : State of The Art , Current Trends and Challenges
Department of Computer Science and Engineering Manav Rachna
International University , Faridabad-. ArXiv Preprint ArXiv, (August 2017).
Kramp, L., & Loosen, W. (2018). The Transformation of Journalism: From
Changing Newsroom Cultures to a New Communicative Orientation? In
Communicative Figurations. https://doi.org/10.1007/978-3-319-65584-0_9
Kulkarni, A. J., & Satapathy, S. C. (2020). Optimization in Machine Learning and
Applications. Springer, (January). Retrieved from
https://link.springer.com/content/pdf/10.1007/978-981-15-0994-0.pdf
Kusumaningrat, H. dan P. K. (2014). Jurnalistik: Teori dan Praktik (Cetakan ke).
Bandung: Pt Remaja Rosdakarya.
Kusumaningrat, H. dan P. K. (2016). Jurnalistik Teori dan Praktik. Bandung:
Remaja Rosdakarya.
Lamia, PUTRI DAMAYANTI dan Adam, W. S. (2019). Praktik Jurnalisme pada
Situs Kurasi Berita (Studi Kasus Praktik Jurnalisme Berbasis Teknologi
Artificial Intelligence pada Situs Beritagar.id). Universitas Gadjah Mada.
Lincoln, N. K. D. Y. S. (1995). Qualitative Inquiy. Sage.
Lincoln, N. K. D. Y. S. (2017). The Sage Handbook of Qualitative Research. In
Synthese (Fiftin Edi, Vol. 195). https://doi.org/10.1007/s11229-017-1319-x
McDonald, D. D. (2010). Natural language generation. Handbook of Natural
Language Processing, Second Edition, 3(2), 121–144.
https://doi.org/10.2307/414915
Moleong, L. J. (2017). Metodelogi Penelitian Kualitatif (edisi revi). Bandung: Pt
Remaja Rosdakarya.
Montal, T., & Reich, Z. (2017). I, Robot. You, Journalist. Who is the Author?:
Authorship, bylines and full disclosure in automated journalism. Digital
Journalism, 5(7), 829–849. https://doi.org/10.1080/21670811.2016.1209083

167
Nana Syaodin Sukamadinata. (2011). Metode Penelitian Pendidiakn. Bandung:
Remaja Rosadakarya.
Nasrulah, R. (2018). Khalayak Media, Identitas, Ideologi dan Perilaku Pada Era
Digital. Bandung: Simbiosa Rekatama Media.
Newman Nic. (2019). Journalism, Media, and Technology Trends and
Predictions 2019. 46. Retrieved from
https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2019-
01/Newman_Predictions_2019_FINAL_2.pdf
Pawito. (2007). Penelitian Komunikasi Kualitatif. Yogyakarta: LKis.
Pers, D. Peraturan Tentang STANDAR KOMPETENSI WARTAWAN. , (2010).
Prastowo, A. (2011). Memahami metode-metode Penelitian: Suatu Tinjauan
Teoretis dan Praksis. Yogyakarta: Ar-RUZZ MEDIA.
Robert K. Yin. (2014). Studi kasus: Desain dan metode. Jakarta: RajaGrafindo
Persada.
Rosemarwati, T. U., & Lindawati, L. (2019). PENGGUNAAN MEDIA SOSIAL
SEBAGAI SUMBER BERITA OLEH JURNALIS MEDIA DARING DI
INDONESIA THE USE OF SOCIAL MEDIA AS A NEWS SOURCE BY
INDONESIAN ONLINE. 101–114.
Salazar, I. (2018). Robots and Artificial Intelligence . New challenges of
journalism. Doxa.Comunicación, 295–315.
Saraghi, R. P. (2016). Rutinitas Media dalam Mengadopsi Penggunaan User-
Generated Content: Studi Kasus praktik Kerja dan Proses Pengambilan
Keputusan Topik Berita Harian di era User-Generated Content pada
Program Inews Siang DI iNews TV. UNIVERSITAS INDONESIA.
Shoemaker, P. J., & Reese, S. D. (2014). Mediating the Message in the 21st
Century: A Media Sociology Perspective. https://doi.org/10.2307/461477
Stone, M. L., Fielden, L., Levy, D. A. L., Picard, R. G., Kleis Nielsen, R.,
Gardam, T., … Currah, A. (2014). BIg data for Media. REUTERS
INSTITUTE for the STUDY of JOURNALISM, (November), 1–35. Retrieved
from https://ora.ox.ac.uk/objects/uuid:0b03bcfe-5c1d-41aa-97d6-
838b8ea3921a/download_file?file_format=pdf&safe_filename=Big%2BData
%2Bfor%2BMedia&type_of_work=Report
Stray, J. (2019). Making Artificial Intelligence Work for Investigative Journalism.
Digital Journalism, 0(0), 1–22.
https://doi.org/10.1080/21670811.2019.1630289
Sunarto, Adnan Hussein, Mario Antonius Birowo, Agustina Zubair, Setio Budi
HH, Bonaventura Satya Bharata, Fajar Junaedi, MC Ninik Sri Rejeki, Y.
Argo Twikromo, Basuki Agus Suparno, Chatarina Endah P, Anang
Hermawan, Y. L. (2011). Mix Methodology dalam Penelitian Komunikasi.

168
 Yogyakarta: Mata Padi Pressindo.
Višňovský, Ján, M. U. & K. K. (2019). ROBO-JOURNALISM AND ITS
IMPLEMENTATION IN EDITORIAL PRACTICE DEFINING ROBO-
JOURNALISM. Section LANGUAGE AND LINGUISTICS, 169–175.
Wilding, D., Fray, P., Molitorisz, S., & Mckewon, E. (2018). Centre for Media
Transition.
Winarni, N., & Lestari, R. D. (2019). Netizen News Sources in the Journalistic
Ethics Perspective (Case Study in Online Media Jogja.tribunnews.com).
Journal Pekommas, 4(1), 85. https://doi.org/10.30818/jpkm.2019.2040109

169