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
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
2020
SURAT PERNYATAAN KEASLIAN
Demikian surat pernyataan ini saya buat dengan sebenar-benarnya dan tidak ada paksaan. Surat
ini akan digunakan bilamana diperlukan.
i
LEMBAR PERSETUJUAN TESIS
NIM : 14040118410010
Telah dipertahankan dalam sidang Ujian Tesis Program Magister Ilmu Komunikasi Program
Pascasarjana Universitas Diponegoro, yang dilaksanakan pada:
Hari : Kamis
ii
HALAMAN PENGESAHAN TESIS
DISUSUN OLEH:
Semarang,
Pembimbing
iii
LEMBAR PENGESAHAN TESIS
NIM :14040118410010
Pembimbing Tesis
NIP. 19790831.200604.2.001
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
Tesis ini sebagai wujud tanggung jawab penulis dalam proses menyelesaikan studi
di Magister Ilmu Komunikasi Fakultas Ilmu Sosial dan Ilmu Politik Universitas
perkembangan media online yang terus berubah. Peneliti ingin melihat bagaimana
penggunaan teknologi Artificial Intelligence (AI) dalam Rutinitas Media Online yang
Artificial Intelligence (AI) merupakan salah satu bagian ilmu komputer yang
dirancang agar mesin dapat melakukan kegiatan layaknya seperi manusia. Penggunaan
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
Pada bab 1, pembaca akan memahami latar belakang penelitian ini dan teori-teori
media. Penulis menitikberatkan pada perubahan yang terjadi pada proses produksi
konten. Bab 2, Pembaca dapat melihat desain media online dan gambaran umum objek
disuksi penelitian dengan konsep-konsep teori yang telah ada di bab 1 dan menuliskan
produksi. Diakhir Bab, berisi penutup yang berisi kesimpulan penelitian dan
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
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,
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
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
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
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
xiii
Daftar Tabel
Daftar Grafik
Grafik 4.1: Persebaran berita bulan September-oktober rubik Arikel --------------------- 137
xiv
Daftar Bagan
Bagan 3.2 : Alur kerja NLP dalam proses pengumpulan data -------------------------------- 66
Bagan 4.3: Pemerosesan berita proses otomatis dan hibrid ---------------------------------- 129
xv
BAB I
Pendahuluan
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
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.
beradaptasi dengan teknologi dengan memperbarui lini yang mengakrapakan diri dengan
menjadikan media berlomba-lomba menarik pembaca dengan berbagai bentuk strategi, nilai
interaksi menjadi sangat penting dibanding nilai konten. Meskipun teknologi internet
konten dan bisnis karena pembaca sekarang memiliki kekuasaan mutlak dalam
mengkonsumsi konten karena memiliki banyak pilihan. Artinya big data menjadi bagian
1
Intelligence (AI) dalam rutinitas media. Istilah ini sering disebut Robot Jurnalitik mampu
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
Berita Robotorial
1200
1000
800 986
600
400
200 223 86 78 17
0
1
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
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
2
AI dalam rutinitas media berupaya menghadirkan cara pandang berbeda dalam melihat
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
berbeda dengan konsep teknologi selama ini dimana berperan sebagai mediator. Masuknya
AI sebagai sumber pesan menjadikanya sebagai aktor sosial yang mampu menghasilkan
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
rekomendasi yang lebih baik untuk pemirsa, mengotomatiskan lebih banyak cerita dan video
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.
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
(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
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
pekerja secara global, namun sejalan dengan itu akan munculnnya 133 juta pekerjaan baru
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
Selama ini, ruang redaksi media konvensional mengenal proses News Gathering,
News production dan Distribution yang semua aktivitas dilakukan manusia. Adanya AI
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.
membentuk gaya baru jurnalisme yang menuntut pembaca paham tentang teks konten tanpa
Kehadiran AI yang fungsinya mirip editor membuat editor dan radakur tertentu
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
rata-rata berisi 100 hingga 821 kata selama olimpiade di Brasil dan mampu dipahami dengan
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
6
Penetrasi pengguna internet di Indonesia yang terus meningkat seperti dalam laporan
Asosiasi Penyelenggara Jasa Internet Indonesia (APJII), pada 2018 64,8 pengguna dari
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
menggunakan AI, sangat bergantung pada internet untuk memperoduksi konten dan
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.
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
AI sebagai metode, diyakini sebagai aset berharga jurnalisme dimasa depan dan
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
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.
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.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
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,
membuat wartawan terisolasi. Dasarnya data tersebut akan membentuk praktek konten yang
penting dalam komsumsi konten yang sangat dipengaruhi kuat dengan teknologi. Oleh
karena itu, Penelitian ini untuk mengungkapkan bagaimana Artificial Intellegence (AI)
Penggunaan teknologi Artificial Intelligence (AI) yang digunakan media online dalam
produksi konten telah mendorong terjadinnya perubahan dalam setiap tahapan rutinitas
dalam proses produksi berita akan meneliti media online Lokadata.IDyang satu-satunya di
Berdasarkan latarbelakang asumsi diatas, makan perumusan masalah dalam penelitian ini
sebagai berikut: Bagaimana teknologi Artificial Intelligence (AI) terlibat dalam dirutinitas
media Lokadata.ID?
Lokadata.ID?
media Lokadata.ID?
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
11
1.5 Kerangka Pemikiran Teoritis
Pertama, Praktik Jurnalisme pada Situs Kurasi Berita (Studi Kasus Praktik Jurnalisme
dilakukan Lamia Putri Damayanti pada tahun 2017 berlatar belakang dari penerapan
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
beberapa aspek yang belum mampu diakomodasi oleh robot dan tetap ditangani oleh
inovasi dalam jurnalisme. Meski demikian, manusia tetap memiliki peran penting
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
digunakan adalah studi kasus dengan wawancara diruang redaksi dan penelusuran
dokumen secara daring dan offline yang terkait. Hasil menunjukkan, pertama, media
karena belum memiliki kesadaran etika layaknya jurnalis manusia. Ketiga, peran
jurnalis manusia masih dibutuhkan untuk penulisan di luar berita hasil pertandingan.
Jonathan Stray (2019) AI tidak banyak digunakan dalam jurnalisme investigatif karena
peran dan jangkauan jurnalis dalam investigasi yang memencahkan berbagai data dan
penggunaan AI meliputi, pengenalan pola untuk kasus unik yang membutuhkan akses
data yang berbeda disetiap kasus, efektivitas penggunaan tenaga manusia karena AI
kognitif manusia yang diterapkan dalam mesin untuk menerjemakan gagasan tentang
berita masih menjadi kendala. Secara keseluruhan, AI sangat berperan penting dan
Carl-Gustav Linden tahun 2016 berlatar belakang untuk mencari tahu bagaimana
logika jurnalisitk telah dimasukan dalam perangkat lunak dan dampak pada wartawan
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
jurnalisme otomatis tidak berdampak pada pengurangan tenaga kerja wartawan karena
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
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
merubah cara kerja jurnalis di newsroom yang mempengaruhi rutinitas media dan
peran AI dalam mengambil keputusan. Selama ini, Newsroom memiliki peran penting
Paradigma didasarkan pada aksioma, atau pernyataan yang bersifat universal diterima
sebagai benar. Paradigma itu penting karena terkait dengan pemilihan metodologi
2011:115).
Pada penelitian ini, Paradigma Interpretif digunakan untuk landasan dasar yang
15
AI, sebuah bidang ilmu komputer, menekankan pada penciptaan mesin cerdas untuk
bekerja dan bereaksi seperti manusia. Untuk ini, komputer dengan AI mencakup aspek
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.
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
subjek cerita itu sendiri (Keegan & King, 2017:7). AI dalam dunia jurnalistik
narasi yang dilakukan secara otomatis. Pada kasus tertentu, penulisan narasi dapat
hibrid.
percakapan, robot sosial dan otomatisasi perangkat penulisan. Teknologi ini terutama
dan Generasi Bahasa Alami (NLG). Pada level paling dasar, NLP dan NLG memiliki
tujuan yang saling terkait dalam pemrosesan manusia komunikasi dengan cukup baik
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
tekstual dari data yang membantu orang memahami dan mendapat manfaat dari data
tersebut.
oleh Eirik Stavelin yang menjelaskan praktek jurnalisitik berbasis perangkat lunak
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
dari aktivitas digital dengan menggunakan kata kunci dalam pencarian dengan
menggunakan alogaritma dari data-data yang acak maupun terstruktur, semua proses
17
penggunanya dalam dunia jurnalistik masih sangat terbatas, hal itu tidak terlepas dari
sendiri yang memungkinkan melalukan praktek otomatis dalam produksi berita yang
data dan membuat sebuah keputusan berdasarkan pola yang diidentifikasi. Tujuan
pengenalan ucapan atau pemrosesan bahasa alami, pemrosesan gambar seperti deteksi
wajah, klasifikasi urutan DNA, keuangan analisis, prediksi olahraga dan algoritma
Kehadiran AI sendiri akan berdampak pada perubahan yang akan terjadi dalam
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
Jurnalis akan merasakan dampak yang sangat signifikan akibat dari penerapannya AI
dalam proses rutinitas media. Menurut Graefe, (2016) yang memberi pondasi dalam
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
Kegunaan konseptual diatas dalam penelitan ini untuk menjelaskan bentuk dan
rutinitas media.
Rutinitas media merupakan bentuk, pola kerja pelaku media dalam produksi berita
media memiliki dampak yang penting dalam produksi konten, karena rutinitas
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
sumber informasi, pengiklan, khalayak sasaran, kontrol pemerintah, dan pasar media)
19
Sumber: (Shoemaker & Reese, 2014:9)
panduan dalam memproduksi konten. Sumber rutinitas media terbagi tiga, audiens (
pembaca), organisasi media dan sumber berita (Shoemaker & Reese, 2014:164).
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
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
informasi yang dipilih untuk menjadi berita, bagaimana informasi itu diproduksi, dan
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
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.
Rutinitas merupakan bentuk kerja pelaku media dalam memproduksi konten. Sumber
rutinitas media terbagi tiga, audiens ( pembaca), organisasi media dan sumber 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
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,
2.News processing meliputi pemerosesan berita. Praktik rutin untuk memproses dan
konten.
3. News Distribution merupakan proses penyebaran berita. Aspek yang diteliti meliputi
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
fenomena yang ada, baik bersifat alamiah maupun rekayasa manusia yang memperlihatkan
di Lokadata.id, Peneliti akan menjadi instrumern pokok riset dan akan menggali informasi
dan menganalisis data lapangan. Langkah selanjutunnya peneliti melaporkan hasil termasuk
penelitian yang berkenaan dengan suatu fase sepesifik atau khas dari keseluruhan
Produk penelitian kasus adalah suatu generalisasi pola-pola kusus yang tipikal dari
siklus kehidupan dari individu, kelompok dan sebagainnya, baik dengan penekanan
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
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
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
dasarnnya ada dua desain besar, tunggal dan multikasus. Penelitian ini menggunakan
sedangkan jenis studi kasus diskripsi akan menjelaskan pertannyaan mengapa dan
Situs Penelitian ini adalah ruang redaksi media online Lokadata.ID dengan melihat
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,
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
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.
dengan menjelaskan hubungan kasus yang diteliti pada teori yang digunakan, lalu
penelitian ini akan menjadi acuan untuk langkah selanjutnya yaitu pengumpulan dan
media dalam produksi konten, Penelitian ini diawali dengan membuat kerangka
1. Pertama, penulis mencari tahu proses yang terjadi dalam AI pada saat proses
proses rutinitas media dan pekerja yang berinterkasi langsung dengan pekerjan.
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
mengetahui sejauh mana AI mampu membuat konten berita. dokumen berupa vidio
untuk mengumpulkan data dari subjek atau pelaku yang terlibat langsung dalam
mengumpulkan data atau informasi agar mendapatkan data yang lengkap dan
mendalam. Data wawancana dalam penelitian ini dijadikan data perimer yang
memperkuat data primer. Sumber studi pustaka meliputi buku, jurnal, artikel,
penelitian.
developing a case description, using both qualitative and quantitative data dan
peneliti mempelajari teori atau situasi ideal, kemudian dengan menggunakan teori
tersebut peneliti memotret dan menganalisis fenomena. Fungsi dari teori adalah
Teknik analisinnya menurut (Yin, 2009) menyebutkan lima teknik, pertama pattern
membandingkan pola yang didasari data empiris dengan pola prediksi. Persamaan
teoritis dan proposisi, bandingkan temuan kasus dengan proposisi, lakukan revisi atas
proposisi, bandingkan dengan detail, lakukan revisi pada fakta kedua dan
tertentu.
Pada penelitian ini, analisis dilakukan dengan cara mengaitkan antara ekplanasi hasil
Teori yang digunakan teori hirarki pengaruh dan teori sistem. Data-data 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
data. Lalu, setelah itu melakukan koding sehingga ditemukan tema dan pola. Ketiga
Data-data yang dilakukan sesuai dengan kualifikasi. Penyajian data berupa teks
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
Authenticity merupakan laporan harus terbuka, jujur dan seimbang. Dalam penelitian
ini peneliti mendapatkan data dari sumber terpercaya dan pelaku langsung didalam
mengacu pada generalisasi data. Artinnya jika data akan menunjukan kesamaan.
dalam lampiran.
Peneliti ini memiliki keterbatasan data yang didapatkan dari hasil wawancara karena
email dan Whatsapp call. Peneliti juga tidak dapat melakukan observasi sebagai salah
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
28
menggunaakn desain tunggal, sehingga tidak dapat menghasilkan kesimpulan yang
29
BAB II
Pesatnya perkembangan media online memunculkan berbagai model dan segmentasi konten
yang mengarah pada ciri karaktetisitk media sebagai bentuk persaingan antar media. Ketatnya
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
konten dan mengetahui konten yang akurat diminati pembaca. Bab ini membahas model media
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
trafik.
online Indonesia terbagi dari berbagai tahap. Pertama, era 1990an atau disebut genderasi
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
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
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
Menarik melihat media online yang tergolong baru dalam merebut pangsa pasar, mulai dari
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
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
2.2. 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
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
pada jurnalisme data telihat dari perubahan mendasar mulai dari nama dan struktur
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
“kita mau fokus pada data, kita cari nama yang lebih keasosiasi kedata makanya
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
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
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
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,
akses informasi yang luas dalam memberikan konten menarik terutama mengenai
jurnalisme data.
77 Slipi - Jakarta Barat 11410 dapat dihubungi Telp. +6221 5366 6794Faks. +6221 5366
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
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
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
tim teknologi yang menjamin setiap proses otomatisasi berjalan dan berfungsi dengan
otomatisasi dan proses digital . Hal tersebut didasari pada oprasional utama Lokadata.ID
37
“Tim teknologi bertugas mulai menjaga sistusnya hidup, menjaga sirver, ngurus tms,
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.
500
0 113 94 23 85
Artikel Sorot media Data Visual Robotorial
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
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,
Berita artikel
40
20 29 25
20 17 13
0 5 3 1
Total Berita:113
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
Rubik living data berisi konten mengenai isu kusus yang ditampilkan dalam bentuk
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.
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
40
Berita visual
100
49
0 9 5 2 4 9 4 3
Total Berita:85
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
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
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
Rubik Laporan Khas berisi informasi terkini yang ditampilkan dengan laporan kusus,
Hadirnya teknologi dalam kegiatan media memberikan perubahan mulai dari struktur,
budaya kerja, dan model media. Platfom Media online membangun struktur yang
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
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
mampu mengenali pembaca, sehingga memberikan konten yang diminati dengan sistem
Menurut Hasebrink dan Hepp (2016), lima tren umum dalam lingkungan media
yang berubah untuk jurnalisme. Pertama, diferensiasi media dan praktik komunikatif
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
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
“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
Santosh Kumar Biswal and Nikhil Kumar Gouda (2020) dalam buku Optimization in
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
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
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
propaganda, perbedaan pendapat dan ancaman. Praktik ini pernah dilakukan pemerintah
Indonesia dalam berbagai kasus seperti pesan propaganda mengenai Papua Barat, berita
Adapaun perbedaan proses berita dari AI dan Jurnalis terlihat dalam tabel dibawah.
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
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
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
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
ditengarai biaya alat dan keterbatasan SDM. Lokadata.ID sendiri memperkerjakan enam
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
BAB III
Artificial Intellegence (AI) di Ruang Redaksi
Proses utama dalam produksi konten, praktis tidak mengalami perubahan yang singnifikan.
(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
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
Dorongan invetasi yang kuat untuk pengembangan AI telah mendorong Lokadata.ID terus
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
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
Kedua, Natural Language Generation (NLG) proses perangkat lunak atau penerjemah
(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
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
dalam proses news gathering, sehingga sumber informasi berasal dari data- data digital.
Berikut temuan yang didapat dalam proses yang terjadi di News gathering.
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
teknologi dan konten kusus (report) yang terbit setiap bulan sekali. Dalam
dan kolaboratif dalam bekerja. Meskipun sangat terbatas jumlah redaksi dalam
peroses perencanaan membangun model, namun tidak mengurangi hasil dari proses
terlibat dalam proses membangun model. Keterlibatan redaksi berawal dari ide
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
bahasa-bahasa seperti narasi teks, tamplate, isi data dan pengujian akurasi. Proses
perencanaan untuk membangun model AI yang lebih baik. Ada beberapa tahapan
seperti bagan dibawah. Pertama, proses penyampaian ide dari redaksi tentang
untuk membuat tax mining. Tax mining berfungsi untuk mencari kata-kata populer
di platfrom seperti media online, google dan media sosial. Misal, Pyton tersambung
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
setelah data dikelompokan, redaksi terlibat dalam proses penentuan kategori data
yang akan dimasukan ke berita. proses ini disibut preprocesing atau proses
otomatis.
“kata kunci” yang ditetapkan akan masuk kedalam model. Tahapan proses manual
kategori model yang sebelumnya dilakukan secara otomatis. Proses ini disebut
anotasi yang dilakukan tim redaksi. Proses anotasi membutuhkan keahlian dalam
“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
melakukan uji proses otomatis sebelumnya, kemudian dilakukan diuji pada tahap
coba. Jika uji akurasi tidak memenuhi tingkat akurasi yang ditentukan diatas 90%,
akan dilakukan pengecekan korpus secara manual untuk diuji kembali sampai
program konten yang diingkan oleh redaksi. Menurut development tim data Atik
menyatukan persepsi yang diinginkan redaksi dan tim data tentang korpus untuk
56
Perencanaan harian yang melibatkan AI redaksi lebih mengarah pada pengecekan
alat, oprasional dan ketersediaan data. Perencanaan ini tidak terlepas dengan
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
Sementara itu, sumber data yang dilakukan penggumpulan diambil dari situs-situs
online yang menyediakan data seperti dalam tabel dibawah. Situs tersebut dalam
57
Bagan 3.1 : Proses membangun model untuk proses AI
Penyeleksian korpus
Proses diskusi redaksi Membangun program
(2)
dan teknologi
58
3.2.2. Nilai Berita (news value)
Nilai berita adalah sebuah nilai yang terkandung dalam subuah peritiwa
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
59
menampilkan berita dalam bentuk narasi angka yang terukur,
udara sangat ideal didapat pada proses ini. Hal senada juga
AI. Yang akan digunakan. Pada pengumpulan data yang dilakukan NLG
publis rutin dan dapat diakses. Pengumpuland data yang dilakukan NLG
60
Cabang AI NLP syarat utama tidak jauh berbeda dengan NLG seperti
harus ada ketersediaan data online, rutin dan mudah diakses. Namun
yang tidak terstruktur seperti masih banyak sampah dalam data dapat
“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
3.2.4. Penugasan
dan menseleksi data yang tersebar cara digital (big data) yang kemudian
61
penurunan data, seperti prakiraan cuaca. Tugas ini dilakukan oleh cabang
AI NLG.
“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
pemerosesan.
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
sehigga jika data dari sumber resmi akeses dibuka proses tidak dapat
tersebut juga berkaitan dengan seleksi sumber data yang telah ditentukan
“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
63
Tribunews, Tirto, Detik dan lain, akses dapat dilakukan karena masuk
64
keputusan dari redaksi dalam serangkaian uji coba dalam membangun
namun tingkat akurasi diatas 90% jauh lebih baik dibanding manusia
melakukan verifikasi data, data yang diamil bersumber pada data resmi
65
keterangan mengenai sumber informasi yang didapat dengan
Secara kusus, alur kerja proses AI cabang NLP. Pertama redaksi melalui
kategori data yang telah diberi nama kusus berita dan menunjukan angka-
pengecekan data untuk mencari inti dari data, sebelum proses selesai
66
Bagan 3.2 : Alur kerja NLP dalam proses pengumpulan data
News Processing
Pada pemerosesan berita, atau news processing peran AI sangat terbatas dalam
tahap ini. Proses News processing meliputi tahap menulis, editing dan
dapat dilakukan. Peran tersebut dilakukan oleh editor. Pada sub judul ini akan
dalam prosesnnya.
3.3.1. Penugasan
67
Penugasan sepenuhnya dalam pemerosesan berita yang dilakukan AI
68
Bagan 3.3: Sistem kerja AI pemerosesan NLG disetiap bagian
akan diproses. Tahapan ini memiliki yang berkutik tentang struktur data.
didapat dari data yang tersebar secara digital, seperti pemberitaan media
online, media sosial, blog, situs media yang terkait dan memasukan data
data didapat berasal dari semua media online yang masuk kategori.
69
melakukan pemeriksaan yang salah satunya tentang lokasi untuk menguji
karakteristik berbeda. ada dua tipe data yang tersebar, data structured dan
perosesnnya.
berita yang sesuai dengan kategori yang telah ditentukan dengan kata
70
Prajna Paramita, pembersihan data bertugas untuk membersihkan isi data
Sistem kerjannya ketika data yang sudah terkumpul, data tidak bisa
model berita.
tabel dan grafik, sehingga angka-angka yang telah masuk akan langsung
melengkapi disripsi data mulai dari gaya judul, keterangan data, dan
71
Tahap akhir dari proses diatas, yaitu melakukan publikasi. Publikasi
prakiraan cuaca, kulitas udara, gempa bumi, hasil dan prediksi sepak
bola, harga saham, emas dan berita Covid-19. Konten hasil penulisan
proses tersebut selesai, melainkan pada waktu yang telah ditentukan oleh
tim redaksi.
Pertama penulisan otomatis yang dilakukan NLG dan editor kusus AI.
Pada tahap proses alur kerja otomatis telah dijelaskan pada sub judul
“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
72
penulisan berita prakiraan cuaca di kota Riau selasa 1 desember 2020 dan
tidak jauh berbeda, hanya terjadi perubahan pada bentuk penjelasan data.
ini, menjadi ciri khas penulisan otomatis yang sangat sederhana dengan
73
menentukan bagian penting dalam setiap berita, sehingga peran memberi
arti penting dalam data menjadi tugas jurnalis. Tim redaksi mengaku
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
dan bertindak.
74
Untuk melakukan analisis tersebut, editor mencari tambahn informasi
turut mempengaruhi posisi data proses NLP dalam berita. tidak jarang
hasil proses AI hanya berada pada body berita sebagai pelengkap berita
Lead. Awal berita diisi rangkuman berita, sehingga pembaca akan mudah
berada dibody berita yang mencertakan (how) berita terdiri dari sebaran
berita media online, durasi waktu, dan sebaran di media sosial Facebook.
sesuai dengan prosedur dan mengecek hasilnya nanti sesuai dengan data
75
berjalan normal, tanpa melakukan intepensi yang mampu mempengaruhi
“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
sering dijumpai dalam rubik sorot media. Ciri penulisan seperti ini terus
reporter. Pada proses NLP ini menentukan proses AI layak disebut berita.
76
Penulisan mendalam ini yang dijadikan redaksi sebagai patokan dalam
“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
menampilkan tabel data dan garfik. Langkah tersebut dipilih agar data
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
78
Sumber: www.Lokadata.ID diakses pada 3 desember 13.02
Gambar 3.2: tampilan berita Sorot Media (Sormed)
79
3.3.6. Keterbatasan
tersebut mulai dari, data yang tidak tersedia, sumber data tidak jelas, data
terus berubah cepat (update) dan data yang terkunci (privat). Menurut
proses kerjannya dimulai. Data yang tersedia bisa online (data tidak perlu
menjadi lama dan rawan kesalahan. Persoalan sumber data yang tidak
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
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.
81
Gambar 3.3: Desain perbandingan konten utama publikasi BMKG.go.id
dengan konten buatan robot Lokadata.ID yang bersumber dari konten
BMKG
82
yang baik, dibutuhkan alat yang mampu mendukung proses tersebut.
konten.
83
membangun program AI dengan biaya yang mahal akan terbayar dengan
“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
oleh NLG secara otomatis dan editor secara manual. News distribution tidak hanya
persoalan penayangan berita, melainkan jumlah berita dan waktu tayang. Lokadata.ID
pertandingan hanya untuk pencinta bola, konten harga saham dan emas
untuk kalangan pebisnis, konten prakiraan cuaca untuk industri dan hanya
Perhatian lebih redaksi terhadap program AI, tidak lepas dari manfaat
85
berberapa berita, data dari proses AI menjadi pelengkap isi berita. Konten
oktober 2020
Persebaran Berita
1500 1237
1000 774
500
138 119
0
September Oktober
Artikel Robotorial
86
Lokadata.ID sebagai media online yang sangat mengembangkan
media yang mampu menggeser orentasi konten dan mengarah pada target
pembaca.
87
Waktu publikasi proses otomatis diatur berdasarkan konten yang akan
konten yang akan diproduksi tetap sasaran. Misal pada penayangan berita
dimaksudkan bagi pembaca yang akan menjual dan membeli emas dapat
data tersedia dan proses sudah siap tinggal penayangan, redaksi akan
mulai mengambil data dari sumber resmi, diproses ulang oleh AI redaksi
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
juga sangat dipengaruhi oleh berita yang akan tayang. Waktu publikasi
data dari sumber penyedia memiliki waktu publikasi yang pasti, sehingga
89
publikasi yang berubah, namun publikasi selalu dilakukan sore menjelang
divisi kusus yang berada dalam tim marketing. Divisi Marketing melalui
ke situs mini, media sosial dan mitra Lokadata. Menurut Ayyi Achmad
90
Sementara itu, ada media kusus distribusi untuk konten robotorial di
91
BAB IV
perbedaan dengan media online lainnya. Perbedaan yang terlihat mata seperti
konten (cepat, singkat, dan serupa), dan dipengaruhi media sosial seperti trand
media terkini. Redaksi menawarkan konten data, baik dari olahan manual dan
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
redaksi mengalami perubahan budaya kerja yang terjalin antar anggota redaksi,
redaksi dengan bidang lain dan redaksi dengan AI. Perubahan tersebut mendorong
Menurut Tuchman (1977) rutinitas diartikan suatu berpola, rutin, berulang dan cara
92
prosedur berpola yang diterima sebagai praktik profesional (Saraghi, 2016:22).
yang betugas mengumpulkan berita, redaksi juga dibantu Tim Data yang
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
yang diproses secara otomatis oleh AI, dimana tahapan awal dan sampai publikasi
jurnalis tanpa melibatkan AI. Tahapan awal hingga akhir dikerjaan oleh jurnalis
mulai dari mencari sumber informasi, penulisan dan publikasi. Konten yang
93
memasukan unsur-unsur penulisan 5W+1H, melakukan analisis hasil olahan AI,
mulai dari tahap News Gathering, News Processing dan News Distribution.
target waktu, bergeser mampu menghadirkan analisis data untuk berita yang
memainkan peran melihat sebuah peristiwa melalui angka yang dikemas dengan
94
serangkaian data yang terukur dalam menjelasankan peristiwa. Dua perpektif
4.1. Penggunaan AI
lebih memperoduksi konten dari hasil olahan AI, riset dan analisis data. Fokus
ruang redaksi. Fokus utama dalam pemberitaan yang mengandung nilai berita
dan Natural Language Processing (NLP) yang dapat mengumpulkan data dari
Big data yang diproses dan diproduksi. Peroses ini yang memunculkan praktik
4.1.1. Oprasional
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
4.1.2. Jangkauan
terbatas pada angka sebagai sumber cerita dan sumber tunggal sebagai
data baru yang sifatnya datanya jauh lebih penting masuk kedalam
jaminan data memiliki akurasi yang baik. Hal tersebut sangat bergantung
membaca bentuk pdf, penulisan angka salah dan eror proses menjadi
96
kesalahan yang sering dijumpai. Artinnya pengawasan menjadi salah
dalam rutinitas media telah menunjukan babak baru dalam dunia jurnalitisk.
hasil dari proses AI. Perbedaan hasil otput berita antara jurnalis dan AI,
sangat vital mendukung konten lain sebagai tambahan data untuk konten yang
berita. Pada proses news gathering setiap media berbeda-beda. Temuan Ami
97
Luhur, (2019) pada news gathering di tribunnews.com, menunjukan reporter
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
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
4.2.1. Perencanaan
98
dan evaluasi. Rapat redaksi harian menentukan berita yang akan diliput
dan siapa jurnalis yang diberi tugas. Rapat mingguan lebih mengarah
yang berisi tentang rencana konten untuk hari selanjunya dan evaluasi
untuk konten yang lebih banyak berurusan dengan tim teknologi dan
konten kusus (report) yang terbit setiap bulan sekali. Dalam perencanan
ditentukan, mulai dari berita release acara bisnis, wawancara kusus dan
99
pembacanya terbatas. Umumnya perencanan selanjutnya akan
100
redaksi tidak banyak berperan hanya menghidupkan dan pengawasan.
4.2.2. Penugasan
Penugasan dalam hal ini adalah aktor yang terlibat dalam proses
AI. Ada beberapa yang menjadi fokus dalam proses penugasan yang
101
Jurnalisme berbasis pemerograman AI membutuhkan
102
dengan robot (AI) dan menggunakannya untuk keuntungan
103
kedalam softwere yang telah bangun modelnya untuk diprogram.
Tentu ini sebuah perubahan yang menjadi salah satu indikator alat
berita.
tentang apa yang menarik bagi khalayak tertentu, yakni tentang apa yang
news judgment secara umum sangat dipengarhui dengan bobot nilai dari
104
bisnis lebih tinggi dibanding dengan berita politik, sosial, kesehatan,
ataupun sebaliknya.
dari pelaku bisnis dan mitra Lokadata. Nilai Aktual mengarah kepada
105
untuk berita lain. Perubahan cara pandang terhadap nilai berita tersebut
106
data dari swasta, dan investigasi. Artinnya ketika ada berita terkini
secara digital yang terdiri dari situs penyedia data resmi dan
kebutuhan redaksi.
107
observasi, dan press release. Wawancara merupakan salah satu
108
sumber yang menggunakan data sebagai narasi, sehingga editor
109
dan persebaran informasi seperti banyaknya sebuah isu dibahas
dua bagian:
data.
110
4.2.6. Proses AI Otomatis
Seperti kategori berita seperti prakiraan cuaca dan gempa dari situs
produksi ditiadakan.
111
pencarian dilakukan diberbagai platform digital (media online,
Sumber
NLG Memasukan
kusus Otomatis
data ke
tamplate
Sumber
informasi Editor AI Menuslikan
umum NLP
Melengkapi
Informasi
Sumber: Olahan Peneliti, 2020
kusus.
112
4.2.7.Refleksi Teoritis
prosesnnya.
Pandangan tentang nilai berita tidak semua media sama, hal tersebut
113
Reese, (2014:170), penentuan nilai berita didasari pada nilai yang
disepakati berorentasi pada nilai ukur. Artinnya apa yang dilihat audiens
apa yang dianggap penting dan menarik bagi redaksi yang akan
ditampilkan.
Nilai berita yang dianggap penting bagi AI adalah nilai yang telah
pentingnya sebuah peritiwa yang sedang terjadi, tanpa data yang tersedia
tarik tinggi.
Jika Shoemaker dan Vos (2014) membagi sumber data menjadi dua
sumber data resmi dan sumber pakar. Dalam Praktik yang melibatkan AI,
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-
115
4.3. News Processing
Menurut Shoemaker & Reese, (2014) rutinitas menghasilkan berita yang dapat
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
mencakup bagaimana berita ditulis, dan proses seleksi atau editing. Penulisan
dan 1 h (What, Who,, Why, When, Where, dan How) dan gaya penulisan.
alur kerja pada pemerosesannya berita media online umumnya, reporter akan
116
untuk bertanggung jawab terhadap konten di rubik tertentu. Editor di
terbentuk dalam dua proses, pertama proses hibrid dan AI secara keseluruhan.
4.3.1.Proses Hibrid
4.3.1.1. Penulisan
117
mengedepankan perinsip penulisan model jurnalisme data.
berbeda dari setiap berita yang akan dituliskan. Sisi unik dalam
118
Penulisan proses AI lebih kepada storytelling data.
119
melanjutkan data angka yang diterjemahkan ke dalam bahas
huruf.
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
pada proses NLP. Hasil proses NLP wajib ditambahkan data saat
121
Tugas reporter ketika liputan lapangan telah selesai, harus
dilapangan.
122
baru. Penambahan informasi dimaksdukan untuk memberikan
pidato Jokowi yang diambil dari akun Youtube bank sentral dan
media lain.
pembaca.
123
Data objektif yang didapat dalam pemerosesan tidak
makna data itu hasil dari kontruksi dari redaksi. Data hanya
124
data kedalam kidah jurnalitisk. Hal tersebut sejalan dengan studi
4.3.1.4. Penyuntingan
EYD.
125
Tahap menyusun berita tidak hanya melibatkan editor sebagai
126
penulisan sederhana dan tampilan foto. Jarang dijumpai media
hasil olahan data sangat ideal tampilkan dalam bentuk visual. Hal
4.3.2.Proses AI Otomatis
127
tertentu. Sepenuhnya melalui kerja kolaboratif editor menanamkan
prinsip juranlisitik.
4.3.2.1. Penulisan
128
diceritakan. Penulisan NLG adalah penulisan model tampalte
4.3.2.2. Penyuntingan
Proses ini pada dasarnnya melihat konteks data agar tidak masuk
stasitstik pertandingan.
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
hanya yang memiliki nilai yakni tentang daya tarik pembaca seperti
130
menjadi ciri khas dari AI. Menurut Shoemaker & Reese,( 2014:175)
salah satunnya penulisan berita. Struktur cerita naratif yang selama ini
cerita mewakili cara rutin dalam memproses apa yang terjadi, dan itu
harus memenuhi unsur 5w dan 1h. Struktur cerita naratif sederhana ini
131
menyaring tentang berita layak muat dengan kelengkapan sumber
dan AI.
menggunakan situs resmi web dan paltfom. Media online lainnya dalam
sosial sebagai salah satu sarana menarik pembaca. Internet merubaca cara
penyiaran dengan bantuan televisi, radio dengan frekuensi dan media cetak
menyebarkan konten ke web dan media sosial sebagai salah satu cara menarik
menggunakan mesin pencari, media sosial, dan produk serta layanan platform
lainnya sebagai sarana utama mereka menemukan dan mengakses berita online
Nielsen dan Ganter 2018 dalam Cornia, Sehl, & Levy, 2018).
132
Model distribusi yang lakukan Lokadata.ID tidak sepenuhnya
konten hasil AI dan redaksi akan bermanfaat untuk kalangan terbatas. Fokus
editor dan publikasi otomatis oleh NLG (kusus rubik robotorial). Konten hasil
dan didstribusikan ke mini situs Lokadata, media sosial dan mitra Lokadata
oleh Tim Marketing (media sosial dan digital marketing ) yang bertugas untuk
melakukan distribusi.
Yakni proses hibrid dan otmatis. Pada news distribution ada perbedaan antara
133
dijadikan modal untuk mendapatkan keuntungan dan menarik iklan.
ditentukan.
134
Sementara itu pada proses penayangan berita, proses tersebut
135
lainya (politik dan event) mencapai 119 berita. adapaun total
pembaca.
136
pembaca. Kenyataan perkembangan media online yang
tidak hanya fokus pada konten yang sifatnya berulang dan rutin.
dengan konten NLG sebagai salah satu penyumbang konten. Menurut penelitan
137
web, melainkan menjual pemerograman AI, konten AI sangat efektif dan tidak
578
500
90
2723 671727 31177855 5 10
0 Prakiraan Cuaca Covid-19 Gempa Kualitas Udara
September Oktober
Pasar Saham Emas Hasil Bola
Berita Artikel
September Oktober
60
50 47 51
40 43
37
30 31
20 25
17
10 6
0
138
AI tidak banyak terlibat dalam proses pendistribusian konten ke platfom
media, seperti media sosial, mini situs, dan mitra Lokadata.ID. tugas
divisi marketing melalui tim media sosial dan digital marketing. Proses
Editor/AI Website
Lokadata.ID Media Sosial
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
penggunaan berita, hiburan oleh audiens konten, dan iklan. Waktu yang
139
secara langsung mengukur beberapa dimensi minat pemirsa terhadap konten
berita yang dipilih, atau berita yang relevan. Artinnya media akan
atau berita yang relevan dengan kepentingan bukan minat. Iklan bukan satu-
dan Vos organisasi media akan membuat konten menarik untuk menarik
pembaca yang nantinya akan digunakan untuk iklan, tidak diterapkan sebagai
berbeda bagi redaksi, waktu dimaknai produksi konten harus terjadwal pada jam
penyebaran berita, kemapuan AI sangat terbatas, hal ini tidak terlepas pada
140
kekakuan pemerograman AI. Kendati demikian, kemajuan AI yang mampu
Menjadi yang terdepan dalam mengabarkan menjadi salah satu tujuan disetiap
media terutama media online, namun tidak semua media menjadikan hal yang
penayangan. Tentu ini berbeda dalam alur kerja selama ini, dimana editor akan
mengenai berita yang akan ditayangkan. Artinnya akan ada konsistensi dalam
kapan berita akan tayang, sehingga akan memberikan dampak langsung dalam
141
dapat diterapkan dalam dunia jurnalisitik yang memainkan peran menyediakan
informasi akurat.
pemasok data didapat dari data online yang sepesifik yakni dari sumber resmi
online di digital dan media sosial Facebook. Pada audiens sebagai konsumsi
konten, dapat mengakses di situs resmi Lokadata.ID, media sosial, mini situs
News Processing
(AI otomatis, Hibrid)
142
4.5.1. AI Menurunkan dan Meningkatkan Kualitas Berita
143
penggumpulan informasi, jurnalis tunduk pada kinerja AI. Begitupulan
penting, dan tidak penting, telah hilang berganti menjadi susunan yang
tanpa susunan, hanya menarasikan apa yang ada dalam data. Proses
tulisan berita (5w dan 1h) yang menentukan seberapa penting sebuah
144
AI bisa menjadi data utama dalam berita ataupun data pelengkap sumber
Proses hibird menjadi salah satu rutinitas baru dalam proses produksi
sehingga proses ini menjadi salah satu bentuk kemajuan dalam dunia
sebuah berita kaya akan informasi yang dapat memberikan jawaban dari
peristiwa dalam satu berita. perbeda tersebut menjadi salah satu kualitas
145
produk jurnalisitik adalah membangun makna (meaning) dalam
informasi untuk berita, masih ada sumber lain seperti sumber resmi dan
146
berita mendalam, mencari tambahan informasi, mengulas data,
tidak dapat dilakukan AI, artinnya redaksi tetap menjadi pusat dalam
dan menangis, kesemua itu dapat dilakukan oleh tangan terampil jurnalis
kesamaan profesi dengan media lain, namun pekerjaan, tingkah laku dan
147
menghabiskan pekerjaan di ruang redaksi, dan sikap terhadap sebuah
pada nilai berita, sedangkan surat kabar yang lebih kepada banyak variasi
akibat adannya perubahan strukutur data dari sumber yang tidak dikenali
AI atau juga karena kesalahan program. Ada ataupun tidak adannya bias
terus berlangsung. Jika media online jika fakta salah akan dengan mudah
148
menulis ulang atupun meralat berita, berbeda dengan AI yang akan
4.6.Argumentasi
merupakan terobosan baik bagi media. Sebut pemberitaan Covid-19 yang rutin
disampaikan AI setiap hari. Waktu perancangan model yang lama dan biaya
149
4.6.1. Perspektif Melihat Isu
program AI. Menurut Višňovský, Magdalena & Karina, 2019) penting bagi
jurnalistik, dan model pekerjaan editorial yang ada. Kenyataan inilah yang
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 dalam satu sudut pandang yakni fokus diseputaran bisnis dan
ekonomi.
informasi dengan cepat dan langsung (Foust, 2005 dalam Haristya, Suwana,
151
online lebih mengejar interkasi pembaca melalui platfom media sosial,
nitizen sebagai salah satu sumber berita untuk produksi konten (Winarni &
mengutamakan sumber berita dari data baik dari olahan jurnalis maupun
AI.
satu peritiwa, dapat dikemas dalam berbagai engel berita dengan narasi
152
4.6.2. Alur Kerja
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 Perencanaan
(AI dan Jurnalis) (Jurnalis)
Penulisan dan
Praktik
Penugasan, mencari dan
Analisis Data jurnalis
memperoses data (AI)
(Jurnalis)
Penulisan
(AI dan Jurnalis)
Konten
Hibrid
153
Sumber: (Olahan Peneliti, 2020)
dan memperoses data. Praktis tidak jauh berbeda seperti tugas jurnalis
editor kusus AI. Kelima, proses publikasi dapat dilakukan secara manual
perencanan selanjutnya.
154
produk jurnalisitik. Nantinya jurnalis akan disibukan membangun
yang sangat terbatas. Temuan Lamia, dan Adam,( 2019) pada praktik
aspek yang belum mampu diakomodasi oleh robot dan tetap ditangani oleh
produksi konten. Redaksi juga bertugas menguji program yang telah dibuat
155
pengaruh besar terhadap perencanaan konten yang membutuhkan waktu
dapat fokus mengisi konten harian. Tambahan kerja seperti terlihat pada
tabel.
156
bertugas mempublikasi konten. Kedua, pengumpulan, pemerosesan dan
Keterbatasan Jurnalis
Pengetahuan jurnalis tentang sistem pemerograman
Bahasa AI terbatas
157
memproduksi konten. Dalam Undang-Undang No 40 Tahun 1999
jawab.
158
diproses. Upaya redaksi dalam membentuk produk AI sabagai bagian dari
dikemudian.
salah.
159
BAB V
Penutup
5.1.Kesimpulan
munculnya cara kerja baru. Rutinitas yang diaritkan sebagai bentuk kerja yang
berita kusus.
berterbaran secara digital (big data) dalam jumlah banyak, proses ini yang
data tersedia secara online, dan mendorong visi dan misi Lokadata.ID sebagai
160
redaksi dalam menyajikan berita data, direpresntasikan dari hasil berita AI,
sebagai berikut:
yang digunakan dalam bentuk softwere untuk berita rutin dalam rubik
memproses data yang tersedia secara online. Tidak semua data yang
pemerograman AI.
161
pra produksi memiliki keterlibatan tinggi dalam perancangan dan
AI.
editor kusus AI. Untuk jumlah publikasi yang dilakukan NLG jauh lebih
waktu publikasi.
162
5.2. Rekomendasi
5.2.1.Rekomendasi Akademis
Peneliti ini jauh dari kata sempurna yang memiliki keterbatasan sumber
jenis-jenis berita yang dihasilkan dari proses AI. Secara kualitatif dapat
163
ekonomi. Rekomendasi penelitian menyarankan membaca sumber resmi
dari penyedia data sebagai salah satu bentuk mengharagai hak cipta
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