• Jenis narasi:
• Ketidakpercayaan kepada KPU dan Pemerintah
• Kampanye hitam dan kampanye negatif terhadap lawan politik • Fitnah dan memecah belah kelompok
• Goal:
• Elektoral
• Polarisasi dan instabilitas
• Ancaman:
• Media ’click bait’
• Media mainstream yang tidak “cover all sides”
• Polarisasi di masyarakat produk kontestasi sebelumnya
Analisis Disinformasi dalam Pemilu 2019 dan Potensi 2024
1. ANALISIS DISINFORMASI
DALAM PEMILU 2019
DAN POTENSINYA DALAM
PEMILU 2024
Ismail Fahmi, Ph.D.
Direktur Media Kernels Indonesia (Drone Emprit)
Dosen Universitas Islam Indonesia
Wakil Ketua Komisi Infokom MUI Pusat
WORKSHOP PERLUDEM
22 DESEMBER 2021
2. 2
1992 – 1997 Undergraduate, Electrical Engineering, ITB, Indonesia
2003 – 2004 Master, Information Science, University of Groningen, NL
2004 – 2009 Doctor, Information Science, University of Groningen, NL
2009 – Now Engineer at Weborama (Paris/Amsterdam)
2014 – Now Founder PT. Media Kernels Indonesia, a Drone Emprit Company
2015 – Now Consultant at Perpustakaan Nasional, Inisiator Indonesia OneSearch
2017 – Now Lecturer at the IT Magister Program of the Universitas Islam Indonesia
2021 – Now Wakil Ketua Komisi Infokom, Majelis Ulama Indonesia Pusat
Ismail Fahmi, Ph.D.
Ismail.fahmi@gmail.com
4. CYBER TROOPS
4
CYBER TROOPS: government,
military or political party teams
committed to developing or
manipulating public opinion
over social media.
5. COMPUTATIONAL PROPAGANDA
5
Since 2012 until now, we
have seen bots, algorithms
and other forms of
automation are used by
political actors in countries
around the world to
manipulate public opinion
over major social networking
platforms, such as Twitter,
Facebook, Instagram, and
YouTube.
6. PENGGUNA TWITTER DI INDONESIA
NAIK DARI 27% (2018) MENJADI 56% (2020)
6
27%
52%
56%
2018
2019
2020
10. HOAKS MUDAH MENYEBAR DI “HIGHLY
CONNECTED AND POLARIZED NETWORK”
10
MIT researchers built a theoretical model
to study how news spreads on a Twitter-
like social network and found that when a
network is highly connected or when
the views of its members are sharply
polarized, false news will spread wider
than news that is seen as more credible.
Contoh highly connected network:
WhatsApp Group, FB Group, Telegram
channel, cluster user di Twitter, dll.
Warganet hanya menyebarkan konten
yang dianggap menarik, sesuai dengan
pandangannya, dan bisa
mempengaruhi orang lain.
https://news.mit.edu/2021/systems-false-news-
social-media-1215
11. DISINFORMATION-FOR-PROFIT BUSINESS MODEL
Logic dalam sistem rekomendasi di Twitter dan Facebook lebih memberi kemudahan bagi
berita kontroversial untuk menyebar lebih cepat dari berita benar. Di Twitter hingga 6x lebih
cepat. Mereka dapat profit. ~ The Social Dilemma, Film (Netflix)
11
13. PROBLEM WITH SOCIAL MEDIA
•It is designed to favor:
• broadcasting over engagement,
• posts over discussions
• shallow comments over deep conversations.
•Results: deep polarization.
13
47. NARASI DISINFORMASI
• Jenis narasi:
• Ketidakpercayaan kepada KPU dan Pemerintah
• Kampanye hitam dan kampanye negatif terhadap lawan politik
• Fitnah dan memecah belah kelompok
• Goal:
• Elektoral
• Polarisasi dan instabilitas
• Ancaman:
• Media ’click bait’
• Media mainstream yang tidak “cover all sides”
• Polarisasi di masyarakat produk kontestasi sebelumnya
47
49. Hasil penelitian dari sebuah Tim dari Universitas Kolumbia:
Di Twittersphere, titik ungu = orang yg menyebar berita hoax. Titik kuning =
orang yang mengcounter. Ternyata: di cluster kanan (tanpa counter) hoax
menyebar luar biasa, di cluster kiri (dg 2 counter) hoax lebih sedikit disebar.
PENTINGNYA HOAX BUSTER
PENELITIAN
Hoax Buster
50. KECEPATAN CEK FAKTA
50
AWAL ISU
CONCERN:
Pro-Kontra berhari-hari
(media tidak cover all sides) KLARIFIKASI
Perlu cek fakta
yang lebih cepat