Home Blog Page 3

Kebijakan Kenaikan PPN 12%, Gelombang Negatif Penuhi Linimasa X

Jelang akhir tahun 2024, kabar mengejutkan datang dari Menteri Perekonomian Sri Mulyani. Pajak Pertambahan Nilai (PPN) mengalami kenaikan dari yang tadinya di angka 11% menjadi 12% per 1 Januari 2025. PPN merupakan pajak yang dikenakan atas penyerahan Barang Kena Pajak (BKP) dan Jasa Kena Pajak (JKP) di dalam Daerah Indonesia oleh pengusaha, serta atas impor Barang Kena Pajak. Pajak ini dibayar oleh pembeli, tapi yang menyerahkan laporannya ke pemerintah adalah penjual.

Sejak tahun 1983, PPN selalu berada di angka 10%. Lalu 39 tahun kemudian di 2022 menjadi 11%. Hanya cukup 2 tahun, atau pada momen pergantian presiden menjadi Prabowo Subianto, menjadi 12%. Adapun kenaikan ini dilakukan agar APBN menjadi lebih sehat, meningkatkan pendapatan negara serta menyesuaikan dengan standar internasional atau sering disebut pajak pertambahan nilai (value added tax/VAT).

Rencana kenaikan PPN ini menuai berbagai penolakan dari masyarakat, hingga permintaan untuk membatalkan kebijakan tersebut. Opini masyarakat banyak dituangkan dalam media sosial seperti yang akan ditelisik Netray Media Monitoring dari media sosial X. Pemantauan topik ini diterapkan selama periode 14 November hingga 24 November 2024.

Warganet X Ramai-ramai Tolak Kenaikan PPN

Di media sosial X, Netray menemukan sebanyak 58 ribu unggahan warganet membahas topik kenaikan PPN 12%. Perbincangan warganet didominasi oleh sentimen negatif sebanyak 48,4 ribu jika dibanding sentimen positif yang hanya 1,9 ribu unggahan. Total unggahan tersebut berasal dari 11,6 ribu akun X.

Gambar 1. Statistik perbincangan X topik PPN 12%

Topik kenaikan PPN ini berhasil memperoleh 262,9 ribu impresi berupa replies, likes, dan repost. Bahkan dari total unggahan yang ada dapat menjangkau hingga ke 140,3 juta akun. Perbincangan warganet belum terlalu ramai usai Sri Mulyani menyampaikan rencana kebijakan ini pada Rapat Kerja Komisi XI, Rabu pekan lalu. Baru pada tanggal 15 November percakapan topik ini mulai meningkat sedikit demi sedikit. Puncaknya terjadi pada tanggal 22 November sebanyak kurang lebih 18 ribu unggahan muncul membahas kenaikan PPN 12%. Setelahnya perbincangan sedikit menurun namun tetap dalam angka ribuan. Hingga pada akhir periode pemantauan pada tanggal 24 November unggahan X masih menyentuh angka 6,7 ribu.

Gambar 2. Intensitas perbincangan X

Lalu apa saja yang diperbincangkan warganet. Untuk melihatnya Netray menggunakan fitur top words atau kata-kata populer. Terlihat bahwa wacana penolakan terhadap aturan ini sangat tajam menggema di warganet X ketika kata tolak, menolak, dan tolakppn12persen muncul cukup menonjol dalam jajaran kata populer. 

Gambar 3. Jajaran kata populer

Penolakan tersebut seperti yang dilontarkan akun @pakmul63. Ia meminta agar pemerintah menunda pelaksanaan kebijakan ini mengingat keadaan ekonomi Indonesia yang sedang melemah, PHK dimana-mana, pekerjaan sektor formal sedang menyusut. Akun @pugutrigi8 juga menentang keras kebijakan ini, ia justru ingin memboikot kebijakan ini, karena merasa diakali oleh negara di saat harga-harga mulai naik, begitu juga inflasi semakin meninggi, dan daya beli masyarakat menjadi turun.

Gambar 5. Opini warganet

Kemudian kata pajak yang juga berada jajaran teratas kata populer menampilkan berbagai sudut pandang dari warganet X. Seperti dari @gg_02022020 Ia menjelaskan mengapa PPN bisa naik karena pemerintah yang korup, pengeluaran pemerintah yang gila-gilaan untuk proyek mercusuar, hingga hanya segelintir rakyat yang patuh membayar Pajak Penghasilan. Kemudian akun @hnirankara menegaskan bahwa mayoritas penyumbang APN adalah dari pajak dan kekayaan alam. Namun hasil kekayaan alam justru diserahkan kepada kaum oligarki. Hal serupa juga diungkapkan akun @JurnalAkuntansikun yang kemudian mempertanyakan kemana hasil alam, juga keuntungan dari perusahaan BUMN. Lalu akun @wbpratama justru Pajak Karbon yang juga ada di Undang-undang sejak April 2022 masih tertunda dan belum berlaku hingga sekarang.

Gambar 6. Opini warganet
Gambar 7. Opini warganet

Di sisi lain, tax amnesty atau pajak pengampunan juga banyak menjadi bahasan warganet X terlihat dari kata amnesty dan pengampunan masuk dalam jajaran top words. Kabarnya tax amnesty jilid III akan dibahas tahun 2025. Hal ini terkait dengan kabar bahwa Rancangan Undang-Undang tentang Pengampunan Pajak resmi masuk ke dalam daftar Program Legislasi Nasional atau Prolegnas Prioritas 2025.

Tampak akun @secr3thm4nz56 sangat marah akan rencana pajak pengampunan ini, di mana hati nurani pemerintah saat rakyat kecil diberi kenaikan pajak dan rakyat borjuis justru mendapat pengampunan pajak. Kemudian @NenkMonica memaparkan fakta bahwa kenaikan PPN ini terjadi akibat konsekuensi saat Pilpres 2024. Menurutnya para konglomerat yang sudah memberikan “kontribusinya” saat Pilpres mendapat “suntikan dana” sehingga layak mendapat Tax Amnesty. Sedangkan masyarakat menengah menerima kontribusi berbentuk Bantuan Sosial, sehingga sekarang saatnya membayar dengan kenaikan PPN 12%.

Gambar 7. Opini warganet

Media Populer dan Respon Positif dari Isu Kenaikan PPN

Selain itu warganet juga ramai-ramai menyebarkan garuda biru dengan tulisan seperti “Menarik pajak tanpa timbal balik rakyat untuk rakyat adalah adalah sebuah kejahatan”, “jangan kebiasaan malakin rakyat”, “Perpajakan tanpa perwakilan rakyat adalah kejahatan”, “Taxation without representation is a crime” sebagai bentuk protes kepada pemerintah. Visual-visual viral ini terangkum di grafik Popular Media Netray dan mengingatkan kita pada protes “Peringatan Darurat” beberapa waktu silam.

Gambar 8. Unggahan garuda biru
Gambar 9. Unggahan garuda biru

Meski dominasi protes sangat terasa di X, ada pula segelintir warganet yang mengambil sisi positif dari kenaikan PPN ini. Seperti @RendyAksa__ yang mengatakan bahwa saat PPN naik, pelayanan umum harus lebih diperbaiki dan ditingkatkan oleh pemerintah agar kepercayaan masyarakat meningkat. Lalu, @Paradox_Buzz mengatakan bahwa kenaikan ini mengajarkan untuk hidup sederhana dan memungkinkan kita lebih dekat dengan Tuhan. Ia juga mengajak untuk tahun depan lebih berbenah hidup dan berhemat tak perlu membeli barang mewah. Sedangkan akun @uberfunk tampak lebih positif mengajak kelas menengah untuk beralih ke sektor yang tidak memungut PPN 12%. Seperti mulai makan di warteg, belanja di pasar tradisional, tidak membeli baju baru, memperbaiki barang yang rusak sendiri. Serta meminimalisasi segala konsumsi yang terkena PPN 12%.

Gambar 10. Tanggapan positif warganet

Adanya rencana kenaikan PPN dari 11% menjadi 12% ini mendapat respons yang didominasi oleh sentimen negatif. Banyak masyarakat, terutama dari kalangan menengah ke bawah, merasa khawatir terhadap dampak kebijakan tersebut. Seperti penurunan daya beli, hingga ancaman stabilitas pekerjaan. Tagar seperti #tolakPPN12persen mencerminkan penolakan yang sangat luas. Namun di sisi lain warganet yang menanggapi positif mengajak kita lebih berhemat dan beralih ke sektor yang tidak terkena PPN. Dengan adanya pro kontra ini pemerintah perlu lebih berhati-hati dalam melaksanakan kebijakan ini ke depannya dan melakukan komunikasi yang tepat kepada masyarakat. 

Simak analisis terkini dan mendalam lainnya di analysis.netray.id. Untuk melakukan pemantauan terhadap isu yang sedang berkembang secara real time kunjungi percobaan gratis di netray.id.

Editor: Ananditya Paradhi

Cara Mengoptimalkan Model AI Generatif untuk ROI Maksimal

Dalam dunia bisnis modern, adopsi teknologi kecerdasan buatan (AI) telah menjadi salah satu langkah strategis untuk meningkatkan efisiensi, inovasi, dan pengalaman pelanggan. Salah satu teknologi AI yang paling revolusioner adalah AI generatif, yang mampu menciptakan konten baru seperti teks, gambar, video, hingga solusi teknis berbasis data. Namun, seperti investasi besar lainnya, keberhasilan penerapan AI generatif tidak hanya ditentukan oleh kemampuannya, tetapi juga oleh bagaimana organisasi dapat mengoptimalkan model AI generatif untuk memberikan dampak bisnis yang nyata.

Dalam laporan Scale AI Readiness Report 2024, sebanyak 61% organisasi yang telah mengadopsi AI generatif mengakui bahwa teknologi ini membantu mereka meningkatkan efisiensi operasional. Namun, hanya setengah dari organisasi tersebut yang benar-benar mampu mengukur dampak bisnis secara efektif. Masih banyak organisasi yang belum memiliki tenaga kerja yang cukup terampil untuk memahami, mengembangkan, hingga mengoptimalkan model AI generatif. Keterampilan teknis seperti machine learning, fine-tuning model, dan pemrograman juga belum merata di banyak industri. Hal ini menunjukkan adanya tantangan besar dalam menjembatani potensi teknologi dengan hasil nyata berupa Return on Investment (ROI) yang signifikan. 

Mengatasi hambatan di atas memerlukan strategi yang terarah untuk memastikan investasi dalam AI generatif memberikan nilai maksimal. Artikel ini akan membahas cara-cara praktis yang dapat dilakukan perusahaan untuk mengoptimalkan model AI generatif, mengatasi hambatan seperti kurangnya keahlian dan keterbatasan infrastruktur, serta memaksimalkan ROI dari investasi teknologi ini. Dengan strategi yang tepat, AI generatif dapat menjadi pendorong utama pertumbuhan bisnis di era digital.

Apa itu AI Generatif dan Mengapa Bisa Meningkatkan ROI?

AI Generatif adalah teknologi yang dirancang untuk menciptakan konten baru, seperti teks, gambar, video, audio, atau kode, berdasarkan pola yang dipelajari dari data sebelumnya. Beberapa contoh populer dari AI generatif yang digunakan di berbagai bidang adalah Chat GPT (model bahasa generatif), DALL-E, Mid Journey (gambar dan desain), RunWay (video), Descript (audio), GitHub Copilot (kode), dan lain sebagainya. 

Relevansi AI generatif dengan ROI (Return on Investment) dalam bisnis sangat signifikan karena teknologi ini mampu mendorong efisiensi, inovasi, dan hasil bisnis yang lebih optimal. Dengan kemampuan untuk menciptakan konten, memproses data secara otomatis, dan memberikan solusi kreatif, AI generatif dapat mengubah cara perusahaan mengalokasikan sumber daya dan meningkatkan nilai bisnis. Namun, dampak ini hanya dapat dirasakan secara maksimal apabila perusahaan mampu mengoptimalkan model AI generatif untuk kebutuhan spesifik mereka. Berikut alasan mengapa AI generatif dapat meningkatkan ROI:

1. Peningkatan Efisiensi Operasional

AI generatif dapat mengurangi biaya operasional dengan mengotomatisasi tugas-tugas yang sebelumnya memakan waktu dan tenaga manusia. Hal ini memungkinkan perusahaan untuk memanfaatkan sumber daya mereka secara lebih efisien sehingga akan meningkatkan ROI. Sebagai contoh, chatbot berbasis AI dapat menggantikan kebutuhan layanan pelanggan manual untuk menghemat biaya tenaga kerja tanpa mengurangi kualitas layanan. Selain itu, pembuatan laporan otomatis dengan AI juga dapat mempercepat analisis data bisnis.

2. Penghematan Biaya

Dengan AI generatif, perusahaan dapat meminimalkan biaya dalam pengembangan konten, pemasaran, atau inovasi produk, sekaligus menghasilkan output yang lebih cepat dan berkualitas tinggi. Sistem prediksi berbasis AI juga dapat dimanfaatkan untuk membantu perusahaan mengelola inventaris dengan lebih baik sekaligus menghindari overstocking atau understocking. 

3. Peningkatan Pengalaman Pelanggan

AI generatif memungkinkan personalisasi dalam skala besar yang meningkatkan kepuasan pelanggan dan loyalitas, serta mendorong pendapatan lebih tinggi. Sebagai contoh, sistem rekomendasi berbasis AI yang relevan meningkatkan konversi pada platform e-commerce atau email pemasaran yang dapat dipersonalisasi dengan AI untuk meningkatkan respons pelanggan.

4. Inovasi Produk dan Layanan

Dengan kemampuan menciptakan ide dan desain baru, AI generatif membantu perusahaan mempercepat siklus inovasi, sehingga dapat menghasilkan produk baru yang lebih cepat masuk ke pasar dan lebih sesuai dengan kebutuhan pelanggan. Perusahaan teknologi biasanya menggunakan AI generatif untuk menciptakan prototipe produk berdasarkan data tren pasar sehingga dapat mengurangi waktu pengembangan.

5. Pengambilan Keputusan yang Lebih Cepat dan Tepat

AI generatif dapat menganalisis data besar dengan cepat dan memberikan wawasan yang relevan, membantu pengambilan keputusan strategis yang mendukung peningkatan ROI. Prediksi berbasis AI membantu perusahaan menentukan kampanye pemasaran mana yang paling efektif sehingga alokasi anggaran lebih efisien.

6. Skala Bisnis yang Lebih Besar

Dengan AI generatif, perusahaan dapat meningkatkan output tanpa peningkatan besar dalam sumber daya manusia atau biaya lainnya. Skalabilitas ini membantu perusahaan mencapai ROI yang lebih tinggi. AI generatif memungkinkan pembuatan konten otomatis dalam berbagai bahasa untuk memperluas jangkauan pasar internasional.

7. Analisis dan Optimasi Berkelanjutan

AI generatif dapat digunakan untuk terus mengotomatisasi proses bisnis melalui iterasi berbasis data yang meningkatkan efisiensi dan profitabilitas dalam jangka panjang. Fine-tuning atau mengoptimalkan model AI generatif untuk tugas tertentu meningkatkan akurasi dan relevansi hasil, sehingga mendukung produktivitas lebih tinggi.

Gambar 1. Ilustrasi investasi dan mengoptimalkan model AI generatif

Strategi Mengoptimalkan Model AI Generatif untuk Hasil ROI Maksimal

Untuk memastikan AI generatif memberikan dampak bisnis yang nyata, perusahaan perlu menerapkan strategi optimasi yang tepat. Mulai dari fine-tuning model untuk kebutuhan spesifik, prompt engineering untuk meningkatkan relevansi output, hingga memanfaatkan Retrieval-Augmented Generation (RAG) untuk data yang lebih kontekstual. Berikut panduan praktis untuk mengoptimalkan model AI generatif dalam mendukung pertumbuhan bisnis Anda.

a. Fine-Tuning

Fine-tuning adalah pelatihan ulang model AI pra-terlatih menggunakan dataset spesifik untuk kebutuhan tertentu. Tujuannya adalah mengoptimalkan model AI generatif pada tugas atau domain tertentu tanpa melatih model dari awal. Contohnya, model GPT atau BERT dapat disesuaikan dengan dataset medis untuk analisis kesehatan. Proses ini memodifikasi bobot model agar relevan dengan tugas spesifik, tetap mempertahankan pengetahuan umum, dan meningkatkan efisiensi serta ROI teknologi AI. Fine-tuning banyak digunakan di industri kesehatan, layanan pelanggan, pemasaran, dan hukum. Namun, tantangan seperti kebutuhan komputasi tinggi dan risiko overfitting perlu diatasi dalam penerapannya.

b. Prompt Engineering

Prompt Engineering adalah teknik untuk merancang input agar model AI generatif menghasilkan output yang relevan dan sesuai kebutuhan. Prompt berupa teks atau instruksi yang memandu model dalam menghasilkan konten. Model menggunakan informasi dari database atau mesin pencari untuk mendukung responsnya, sehingga lebih akurat dan kontekstual. Prinsip utama mencakup memberikan instruksi spesifik, langkah-langkah terstruktur, serta menyediakan contoh. Sebagai contoh, untuk pertanyaan “Apa manfaat AI generatif dalam e-commerce?”, sistem mencari data terkait e-commerce dan AI, lalu menghasilkan jawaban terperinci. Teknik ini membantu mengoptimalkan model AI generatif dengan eksperimen untuk menemukan prompt terbaik.

c. Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation (RAG) adalah metode yang menggabungkan model AI generatif dengan sistem pencarian informasi untuk menghasilkan output relevan dan kontekstual. RAG memanfaatkan pengetahuan internal model dan data eksternal, seperti dokumen atau artikel, untuk memastikan jawaban lebih akurat. Metode ini mengintegrasikan dua proses: pengambilan informasi dari sumber data melalui pencarian berbasis kata kunci atau embedding, dan generasi konten berdasarkan informasi tersebut. Dengan demikian, RAG mengurangi risiko kesalahan atau hallucination, mengoptimalkan model AI generatif untuk aplikasi seperti layanan pelanggan, penelitian, dan pembuatan konten berbasis data terkini.

Faktor Penting untuk Mengoptimalkan ROI

Untuk memastikan investasi dalam AI generatif memberikan nilai maksimal, organisasi perlu memperhatikan tiga faktor utama: kualitas data, evaluasi model yang berkelanjutan, dan kolaborasi antar tim. Ketiga elemen ini bekerja secara sinergis untuk memastikan model AI tidak hanya berfungsi optimal tetapi juga memberikan dampak bisnis yang nyata. Berikut 3 faktor penting untuk mengoptimalkan model AI generatif agar ROI maksimal:

1. Investasi pada Data Berkualitas Tinggi

Data berkualitas adalah landasan keberhasilan dari strategi mengoptimalkan model AI generatif. Tanpa data yang relevan dan akurat, model tidak akan mampu menghasilkan output yang optimal. Performa model sangat tergantung pada kualitas dan kuantitas data yang digunakan selama pelatihan dan pengujian. Untuk memastikan hasil yang optimal, perusahaan dapat memanfaatkan pendekatan seperti human-in-the-loop (HITL) dan Reinforcement Learning from Human Feedback (RLHF).

2. Evaluasi Model yang Berkelanjutan

Model AI generatif harus terus dievaluasi untuk memastikan performanya sesuai dengan kebutuhan bisnis. Evaluasi yang berkelanjutan melibatkan kombinasi antara metrik kuantitatif (seperti akurasi, waktu inferensi, atau kecepatan generasi) dan evaluasi kualitatif (seperti relevansi dan kepuasan pengguna).

3. Kolaborasi Antar Tim

Kolaborasi lintas fungsi antara tim bisnis, data engineer, dan ahli domain sangat penting untuk memastikan keberhasilan penerapan AI generatif. Kolaborasi yang kuat memastikan bahwa model AI generatif tidak hanya bekerja dengan baik secara teknis tetapi juga relevan dengan kebutuhan bisnis. Pendekatan ini membantu menyelaraskan teknologi dengan strategi organisasi, memastikan investasi pada AI memberikan nilai nyata. 

AI generatif memiliki relevansi yang signifikan dengan ROI karena mampu mendukung bisnis dalam mengurangi biaya, meningkatkan efisiensi, mendorong pendapatan melalui personalisasi dan inovasi, serta menyediakan alat untuk pengambilan keputusan strategis yang lebih cerdas. Ketika strategi mengoptimalkan model AI generatif diterapkan dengan tepat, teknologi ini menjadi investasi yang memberikan nilai nyata, meningkatkan profitabilitas, dan memperkuat daya saing perusahaan di pasar yang kompetitif. 

Salah satu contoh penerapan teknologi AI adalah Netray Artificial Intelligence, produk kecerdasan buatan dalam negeri yang dikembangkan oleh PT Atmatech Global Informatika. Dengan tujuan menyediakan solusi AI yang mudah diimplementasikan dalam berbagai bidang, termasuk ekonomi, Netray Artificial Intelligence menunjukkan bagaimana mengoptimalkan model AI generatif dapat membantu bisnis mencapai hasil yang nyata dan relevan di era digital.

Editor: Ananditya Paradhi

Urgensi Implementasi AI Impact Index dalam Mengukur Kemajuan Ekonomi

Sebagai teknologi masa depan yang sudah jamak digunakan, AI atau kecerdasan buatan mulai harus diukur dampaknya terhadap sektor/bidang yang memanfaatkan teknologi tersebut. Seperti dalam bidang ekonomi ketika AI Impact Index digunakan untuk mengukur tingkat pengaruh kecerdasan buatan pada proses atau aktivitas ekonomi. 

Indeks ini membantu menilai sejauh mana teknologi AI telah mempengaruhi produktivitas, efisiensi, dan pertumbuhan ekonomi di berbagai macam sektor. Dalam laporan PricewaterhouseCoopers (PwC), potensi ekonomi kecerdasan buatan 2030 diperkirakan mencapai $15 triliun. Bahkan AI tidak hanya akan mengubah cara kerja berbagai sektor, tetapi juga membuka peluang ekonomi baru yang dapat memicu pertumbuhan global. AI Impact Index dapat memberikan pandangan komprehensif mengenai dampak positif, negatif, maupun netral dari penerapan AI dalam sektor-sektor seperti manufaktur, kesehatan, keuangan, transportasi, hingga pendidikan.

Peran AI di Berbagai Sektor Ekonomi dan Cara Mengukur Dampaknya

Agar pemahaman terkait urgensi AI Impact Index semakin kuat, berikut ini perlu dijelaskan terlebih dahulu bagaimana AI memainkan perannya di masing-masing sektor ekonomi. Selanjutnya baru disebutkan bagaimana mengukur dampak AI pada sektor tersebut. Simak pemaparannya berikut ini.

1. Manufaktur  

Dalam sektor manufaktur, peran AI adalah dapat meningkatkan produktivitas melalui otomatisasi, seperti robot di lini produksi dan pemeliharaan prediktif. Dampak AI diukur dari seberapa banyak proses otomatisasi mengurangi waktu produksi dan biaya serta meningkatkan kualitas produk.

2. Keuangan

Pemanfaatan AI dalam sektor keuangan adalah digunakan untuk analisis data keuangan, deteksi penipuan, dan pengelolaan risiko. AI Impact Index mengukur bagaimana kecerdasan buatan membantu mengurangi kerugian akibat penipuan atau meningkatkan akurasi prediksi risiko.

3. Kesehatan

Pada sektor fundamen ekonomi ini, AI berperan dalam diagnosis, analisis pencitraan medis, dan pengembangan obat. Lantas AI Impact Index diukur dari efisiensi diagnosis, pengurangan biaya perawatan, dan peningkatan hasil klinis.

4. Transportasi

Rantai distribusi adalah hal yang vital dalam sebuah usaha sehingga AI diaplikasikan pada mobil otonom, rute optimal, dan pengelolaan lalu lintas. Indeks dampak AI melihat dampak AI terhadap keselamatan, pengurangan waktu perjalanan, dan efisiensi logistik.

5. Pendidikan

Sebagai pondasi perekonomian, AI membantu pendidikan dalam mempersonalisasi pembelajaran, analisis data siswa, dan pengembangan kurikulum. Dampak AI diukur dari hasil pembelajaran, tingkat keberhasilan siswa, dan efisiensi dalam administrasi pendidikan.

Implementasi AI Impact Index di Berbagai Sektor

Dengan mengukur dampak AI di berbagai sektor, AI Impact Index dapat membantu pemerintah, perusahaan, dan peneliti untuk memahami potensi transformasi AI dalam ekonomi dan membuat keputusan yang strategis. Berikut adalah beberapa contoh nyata penggunaan AI Impact Index di berbagai sektor:

1. Pemerintah AS dalam Prioritas Investasi Teknologi  

Di Amerika Serikat, National Institute of Standards and Technology (NIST) menggunakan indeks dampak AI untuk menentukan sektor-sektor yang paling diuntungkan oleh AI. Indeks ini membantu mereka mengalokasikan anggaran dan upaya R&D ke area kritis, seperti keamanan siber dan layanan kesehatan, yang menunjukkan dampak ekonomi yang signifikan dari AI. Hal ini memungkinkan pengembangan AI lebih terarah pada peningkatan kesejahteraan publik dan ekonomi secara keseluruhan.

2. Laporan Industri McKinsey & Company

Konsultan global seperti McKinsey & Company menggunakan AI Impact Index untuk menganalisis dampak adopsi AI di sektor-sektor seperti perbankan, manufaktur, dan kesehatan. Laporan mereka sering memberikan data indeks dampak AI di masing-masing sektor, yang membantu klien korporat dalam menetapkan strategi investasi. Contohnya, perusahaan perbankan mungkin diarahkan untuk mengadopsi AI dalam analisis data kredit dan deteksi penipuan, di mana dampaknya sangat signifikan dalam mengurangi risiko.

3. Pemerintah Tiongkok dalam Kebijakan Ekonomi AI  

Tiongkok menggunakan indeks dampak AI dalam pembuatan kebijakan ekonomi untuk menetapkan target industri yang diharapkan memberikan nilai ekonomi besar melalui AI, seperti transportasi dan manufaktur. Ini juga memandu subsidi dan kebijakan untuk meningkatkan adopsi AI di sektor-sektor prioritas, khususnya dalam teknologi mobil otonom dan pengenalan wajah di ruang publik, yang memiliki dampak tinggi pada keamanan publik dan logistik nasional.

4. Lembaga Penelitian Kesehatan untuk Efisiensi Diagnostik  

Di sektor kesehatan, lembaga riset seperti Mayo Clinic menggunakan AI Impact Index untuk memprioritaskan proyek berbasis AI di bidang diagnostik. Indeks ini menunjukkan bahwa AI memiliki dampak tinggi pada diagnosa kanker melalui analisis citra medis, sehingga lembaga kesehatan fokus pada penggunaan AI untuk meningkatkan ketepatan dan kecepatan diagnosa. Penggunaan AI dalam radiologi dan patologi digital, yang berdampak besar, diprioritaskan dalam anggaran dan pelatihan tenaga medis.

5. Perusahaan Teknologi untuk Optimalisasi Rantai Pasokan

Perusahaan seperti Amazon menggunakan AI Impact Index untuk mengidentifikasi dampak AI dalam rantai pasokan dan logistik. Berdasarkan indeks yang menunjukkan pengaruh besar AI dalam otomatisasi gudang, pengelolaan inventaris, dan prediksi permintaan, Amazon menginvestasikan banyak sumber daya untuk meningkatkan efisiensi melalui robotika dan machine learning. Ini meningkatkan kecepatan pengiriman dan efisiensi operasional, yang pada gilirannya meningkatkan kepuasan pelanggan dan profitabilitas.

Alat Untuk Mengukur Dampak AI 

Bagian terakhir akan membahas alat yang bisa digunakan untuk mengukur dampak AI. Ya, ada beberapa alat dan platform khusus yang digunakan untuk menilai dampak AI menggunakan AI Impact Index atau metrik serupa. Alat-alat ini membantu perusahaan, lembaga pemerintah, dan peneliti menganalisis, mengukur, dan memvisualisasikan dampak penerapan AI di berbagai sektor. Berikut beberapa contoh alat dan platform tersebut:

1. AI Readiness Index dari Oxford Insights  

Platform ini menilai kesiapan dan potensi dampak AI di berbagai negara. Oxford Insights menggabungkan data dari sumber pemerintah, organisasi internasional, dan sektor swasta untuk memberikan skor kesiapan AI bagi negara berdasarkan infrastruktur digital, keterampilan tenaga kerja, kebijakan pemerintah, dan regulasi. Alat ini cocok untuk pemerintah yang ingin menilai kesiapan dan dampak potensial AI di sektor-sektor seperti kesehatan, pendidikan, dan industri.

2. McKinsey Global Institute’s AI Index  

McKinsey menyediakan laporan dan platform AI Index yang membantu organisasi menilai dampak ekonomi AI di berbagai industri. Dengan menggunakan data dan model analitik, indeks ini mengevaluasi bagaimana AI berpengaruh pada produktivitas, biaya, dan pengembalian investasi (ROI) dalam industri seperti keuangan, manufaktur, dan ritel. Perusahaan dapat menggunakan hasil laporan ini untuk memahami potensi dampak AI pada lini bisnis spesifik.

3. AI Impact Measurement Toolkit dari Partnership on AI 

Partnership on AI, organisasi nirlaba yang berfokus pada praktik AI yang bertanggung jawab, telah mengembangkan toolkit untuk mengukur dampak AI. Alat ini menyediakan pedoman dan metrik bagi perusahaan atau organisasi yang ingin mengevaluasi dampak AI pada tenaga kerja, lingkungan, dan masyarakat. Misalnya, perusahaan dapat menggunakan toolkit ini untuk menganalisis dampak otomatisasi AI terhadap pekerjaan atau dampaknya terhadap emisi karbon.

4. Google’s AI for Social Good Impact Measurement Tools  

Google memiliki sejumlah alat yang dapat mengukur dampak AI dalam proyek sosial, termasuk kesehatan dan lingkungan. Alat ini dirancang untuk menilai efektivitas AI dalam mencapai hasil yang diinginkan, seperti peningkatan layanan kesehatan atau keberlanjutan lingkungan. Alat ini biasanya digunakan dalam proyek sosial yang didanai oleh inisiatif “AI for Social Good,” di mana perusahaan atau lembaga pemerintah dapat menilai dampak AI pada sasaran keberlanjutan sosial atau lingkungan.

5. Microsoft AI Business School dan AI Impact Assessment Framework 

Microsoft menawarkan kursus dan kerangka kerja untuk membantu bisnis mengevaluasi dampak AI dalam operasi dan layanan mereka. Melalui AI Impact Assessment Framework, perusahaan dapat menilai risiko, biaya, dan manfaat AI dalam proyek atau proses bisnis tertentu. Ini memungkinkan pengguna membuat keputusan strategis berdasarkan analisis dampak.

6. Domo atau Tableau untuk Visualisasi Dampak AI  

Platform seperti Domo atau Tableau dapat membantu dalam mengolah data dari berbagai metrik AI dan membuat visualisasi yang mudah dipahami untuk mengevaluasi dampaknya. Dengan mengimpor data dari alat atau laporan AI Impact Index, pengguna dapat membuat dasbor dan grafik yang menunjukkan dampak AI pada efisiensi, produktivitas, atau penghematan biaya di sektor tertentu. 

Alat-alat ini memungkinkan analisis mendalam tentang dampak AI di berbagai konteks, dari sektor komersial hingga proyek sosial, dengan berbagai indikator yang disesuaikan untuk memandu strategi dan keputusan berbasis data.Sebagai pengembang kecerdasan buatan, Netray Artificial Intelligence menawarkan implementasi AI yang mudah dan murah. Pengguna AI Netray tak perlu khawatir dengan algoritma dari infrastruktur AI serta detail machine learning yang dipergunakan.

Editor: Winda Trilatifah

Chatbot Berbasis AI untuk Layanan Kesehatan Primer: Manfaat dan Tantangan

Layanan kesehatan primer merupakan pondasi penting dalam sistem kesehatan masyarakat. Layanan seperti puskesmas posyandu, klinik kesehatan, praktek dokter umum menjadi rujukan pertama bagi individu untuk memenuhi kebutuhan kesehatannya. Tetapi, layanan ini kerap kali menghadapi berbagai tantangan seperti keterbatasan jumlah tenaga medis, lokasi fasilitas kesehatan yang sulit dijangkau, terutama untuk daerah terpencil, serta waktu tunggu yang lama yang sering kali menyebabkan kebutuhan mendesak pasien tidak terpenuhi dengan cepat. 

Untuk menghadapi masalah tersebut, inovasi teknologi menjadi solusi yang potensial. Salah satunya adalah chatbot berbasis kecerdasan buatan (AI). Chatbot mampu memberikan dukungan dalam pelayanan kesehatan primer secara lebih efisien dan terjangkau.

Gambar 1. Ilustrasi chatbot berbasis AI untuk bidang kesehatan

Apa Itu Chatbot Berbasis AI di Bidang Kesehatan?

Chatbot berbasis AI atau kecerdasan buatan merupakan program komputer yang dirancang untuk berinteraksi dengan pengguna melalui percakapan berbasis teks atau suara secara otomatis. Di bidang kesehatan, chatbot ini digunakan untuk memberikan dukungan, informasi, dan layanan kesehatan kepada pasien dengan cara yang cepat dan efisien. Chatbot kesehatan dilengkapi dengan algoritma AI yang memungkinkannya untuk memahami pertanyaan atau kebutuhan pengguna, menganalisis data, dan memberikan respons yang relevan berdasarkan informasi medis yang telah diprogram atau dipelajari.

Chatbot berbasis AI untuk layanan kesehatan dapat diterapkan untuk berbagai fungsi. Salah satu penggunaannya adalah sebagai konsultan kesehatan virtual, pasien dapat bertanya tentang gejala yang dialami, mendapatkan rekomendasi awal, atau diarahkan ke tenaga medis yang tepat jika diperlukan. Selain itu, chatbot juga dapat memberikan informasi kesehatan umum, seperti edukasi tentang gaya hidup sehat, pencegahan penyakit, atau penjelasan sederhana tentang suatu kondisi medis. Fungsi lainnya termasuk mengirimkan pengingat untuk minum obat atau menghadiri janji temu dokter, serta membantu pemantauan gejala pasien dalam jangka panjang.

Keunggulan utama chatbot berbasis AI dalam bidang kesehatan adalah kemampuannya untuk memberikan layanan secara 24/7, tanpa memerlukan interaksi langsung dengan tenaga medis. Hal ini sangat berguna, terutama bagi pasien yang tinggal di daerah terpencil atau yang membutuhkan bantuan di luar jam operasional fasilitas kesehatan. Selain itu, chatbot dapat membantu meningkatkan efisiensi sistem kesehatan dengan mengotomatisasi tugas-tugas sederhana, sehingga dokter dan tenaga medis lainnya dapat fokus pada kasus-kasus yang lebih kompleks.

Namun, meskipun menawarkan banyak manfaat, chatbot berbasis AI tetap memerlukan batasan yang jelas. Chatbot dirancang untuk mendukung, bukan menggantikan, tenaga medis. Oleh karena itu, penggunaannya dalam kesehatan primer lebih diarahkan untuk memberikan informasi awal dan meningkatkan keterjangkauan layanan, bukan untuk melakukan diagnosis atau pengobatan langsung. 

Manfaat Chatbot Berbasis AI untuk Pelayanan Kesehatan Primer

  1. Mengurangi Beban Tenaga Medis

Chatbot AI dapat menangani tugas sederhana, seperti menjawab pertanyaan dasar, mencatat gejala awal, atau memberikan panduan pengobatan mandiri. Contohnya chatbot menjawab pertanyaan tentang gejala flu tanpa perlu konsultasi langsung dokter.

  1. Memberikan Edukasi dan Informasi Kesehatan

Chatbot dapat menyediakan informasi tentang pencegahan penyakit, gaya hidup sehat, atau langkah awal menghadapi gejala tertentu. Contohnya chatbot memberikan panduan pencegahan COVID-19, seperti cara mencuci tangan yang benar.

  1. Meningkatkan Keterjangkauan Layanan Kesehatan

Chatbot yang tersedia 24/7 membantu pasien di daerah dengan keterbatasan mobilitas mendapatkan layanan kesehatan awal. Contohnya pasien di pedalaman mendapat konsultasi awal tanpa harus bepergian jauh.

  1. Pengawasan dan Manajemen Kesehatan Pasien

Chatbot AI dapat memantau kondisi pasien, mengingatkan minum obat, atau mencatat hasil pemeriksaan mandiri yang berguna bagi pasien dengan penyakit kronis. Contohnya chatbot mengingatkan pasien hipertensi untuk memeriksa tekanan darah.

  1. Mengurangi Waktu Tunggu dan Meningkatkan Kepuasan Pasien

Chatbot memberikan informasi awal dan panduan sebelum konsultasi langsung, mengurangi waktu tunggu dan meningkatkan kenyamanan pasien. Contohnya ada pasien batuk ringan mendapatkan saran perawatan mandiri tanpa perlu ke klinik.

  1. Membantu Deteksi Dini Penyakit

Chatbot menganalisis gejala dan memberikan rekomendasi awal untuk mendeteksi potensi penyakit serius, sehingga pasien bisa segera mendapatkan penanganan.

Contoh: Chatbot mendeteksi potensi diabetes dan menyarankan pemeriksaan gula darah.

Tantangan dan Implementasi Chatbot Berbasis AI untuk Kesehatan Primer

Pengembangan chatbot AI untuk kesehatan primer menghadapi berbagai tantangan signifikan. Akurasi dan keandalan informasi menjadi prioritas utama, karena kesalahan dalam interpretasi gejala atau saran medis dapat membahayakan pasien. Algoritma AI harus dilatih dengan data medis terkini dan berbasis bukti ilmiah. Keamanan dan privasi data pasien juga krusial, mengingat chatbot memproses data medis yang sensitif dan harus mematuhi standar perlindungan data seperti GDPR untuk mencegah kebocoran atau serangan siber.

Selain itu, chatbot sering mengalami keterbatasan pemahaman kontekstual, terutama dalam menangkap emosi, bahasa ambigu, atau gejala kompleks, yang dapat membuat respons terasa kurang relevan atau tidak empatik. Tantangan lain adalah penerimaan masyarakat, di mana sebagian pasien, terutama di daerah pedesaan, ragu akan kemampuan chatbot dibanding interaksi langsung dengan tenaga medis. Ketergantungan pada konektivitas dan infrastruktur teknologi juga menjadi hambatan, terutama di wilayah terpencil dengan akses internet yang terbatas.

Dari sisi regulasi, validasi klinis dan kepatuhan terhadap aturan hukum membutuhkan waktu dan biaya signifikan, sementara biaya pengembangan dan pemeliharaan AI tetap tinggi, termasuk untuk pembaruan data medis. Terakhir, kesulitan adaptasi dengan sistem kesehatan berbeda di tiap negara mempersulit penerapan chatbot secara global.

Gambar 2. Ilustrasi machine learning untuk chatbot berbasis ai Image by Mohamed Hassan from Pixabay

Teknologi di Balik Chatbot Berbasis AI di Bidang Kesehatan

Chatbot kesehatan berbasis AI memanfaatkan berbagai teknologi canggih untuk memberikan layanan yang efektif, personal, dan akurat. Berikut adalah teknologi utama yang digunakan:

1. Natural Language Processing (NLP)

NLP memungkinkan chatbot memahami, memproses, dan merespons input teks atau suara dari pengguna dengan cara yang menyerupai percakapan manusia. Komponen penting dalam NLP meliputi:

  • Tokenization: Memecah kalimat menjadi unit kecil (kata atau frasa) untuk analisis.
  • Named Entity Recognition (NER): Mengenali istilah medis, gejala, atau penyakit.
  • Sentiment Analysis: Mendeteksi emosi pengguna, misalnya saat cemas atau stres.

2. Machine Learning (ML)

ML digunakan untuk meningkatkan kemampuan chatbot dalam memberikan respons berdasarkan data kesehatan yang dikumpulkan. Model ML dilatih menggunakan data dari:

  • Database medis: Contoh, jurnal penelitian, protokol kesehatan.
  • Percakapan pasien: Untuk meningkatkan akurasi berdasarkan pengalaman nyata.
  • Feedback pengguna: Untuk pembelajaran berkelanjutan.

3. Knowledge Graphs

Struktur data ini menghubungkan informasi medis seperti penyakit, gejala, dan pengobatan. Chatbot dapat menggunakan grafik ini untuk memberikan rekomendasi berbasis fakta dengan logika hubungan.

4. Data Security dan Privacy

Untuk menjaga keamanan data pengguna, chatbot menggunakan:

  • Enkripsi data: Menjaga keamanan informasi yang dikirimkan.
  • Authentication: Verifikasi pengguna sebelum memberikan informasi sensitif.
  • Compliance: Mematuhi standar privasi seperti HIPAA (AS) atau GDPR (Eropa).

5. Cloud Computing

Banyak chatbot menggunakan layanan cloud untuk memproses data secara real-time, menyimpan data besar, dan memungkinkan aksesibilitas dari mana saja.

Chatbot berbasis AI telah menunjukkan potensi besar dalam mendukung layanan kesehatan primer. Teknologi ini dirancang untuk menjawab kebutuhan masyarakat dalam mengakses informasi kesehatan secara cepat, efisien, dan personal. Dengan terus berkembangnya teknologi seperti Natural Language Processing (NLP) dan Machine Learning (ML), chatbot berbasis AI diharapkan dapat menjadi bagian dari sistem kesehatan modern.

Platform AI Care memiliki Chatbot AI berbasis teknologi kecerdasan buatan yang dirancang dengan memanfaatkan teknologi NLP dan ML yang dikembangkan oleh Netray. Chatbot AI Care mendukung banyak layanan kesehatan, mulai dari konsultasi medis hingga pemantauan kondisi pasien. Termasuk membantu mengenali gejala awal, sistem pemantauan jarak jauh dengan perangkat IoT, atau alat diagnosis berbasis data yang membantu dokter mendeteksi penyakit lebih akurat.

Editor: Ananditya Paradhi

Layanan Baru “Lapor Mas Wapres”: Dihujat di X, Didukung di Tiktok

Wakil Presiden Gibran Rakabuming Raka membuat terobosan baru di awal kepemimpinannya. Ia resmi membuka layanan pengaduan yang dinamai ‘Lapor Mas Wapres’ baik secara offline maupun online melalui aplikasi Whatsapp sejak Senin, 11 November 2024. Bahkan Gibran sendiri langsung mengumumkan layanan ini pada akun instagramnya. Sejak itu pula program Lapor Mas Wapres mulai dibicarakan warganet di sosial media hingga menjadi trending topic di media sosial.

Gambar 1. Poster lapor mas wapres

Melihat perbincangan yang begitu ramai, Netray coba memantau topik ini dengan kata kunci ‘lapor mas wapres’ untuk melihat bagaimana respon warganet terhadap kebijakan baru ini. Pemantauan topik ini diterapkan pada media sosial X dan Tiktok selama periode 11 November hingga 14 November 2024.

Gelombang Reaksi Negatif Penuhi X

Gambar 2. Statisktik perbincangan X topik lapor mas wapres

Pada media sosial X, Netray menemukan sebanyak 11,7 ribu unggahan membahas topik lapor mas wapres. Perbincangan warganet didominasi oleh sentimen negatif sebanyak 8,1 ribu jika dibanding sentimen positif yang hanya 1,5 ribu unggahan. Total unggahan tersebut berasal dari 2,8 ribu akun X.

Perbincangan Lapor Mas Wapres berhasil memperoleh 17,2 ribu impresi berupa replies, likes dan repost. Bahkan dari total unggahan yang ada dapat menjangkau hingga ke 123,8 juta akun.

Gambar 3. Intensitas perbincangan X

Pada saat layanan ini diluncurkan, perbincangan warganet pada tanggal 11 November 2024 sudah cukup ramai dengan 990 unggahan. Pada hari berikutnya perbincangan terus meningkat hingga mencapai angka 1,9 ribu percakapan. Puncaknya terjadi pada 13 November ketika sejumlah 5,5 ribu unggahan muncul pada hari itu. 

Untuk melihat topik apa yang paling sering dibahas warganet, Netray menggunakan fitur Top Words atau kata-kata populer. Terlihat pada grafik di bawah, kata wapres, lapor, serta gibran terlihat sangat menonjol yang berarti kata – kata tersebut paling sering ditulis pengguna X. 

Gambar 4. Jajaran kata populer

Menariknya kata fufufafa juga masuk jajaran teratas top words. Warganet malah meminta Wapres untuk segera mengusut serta mengumumkan pemilik akun tersebut karena dianggap meresahkan. Hal ini seperti yang dilontarkan oleh akun @PelatihT1dur, @Kopipait__78, dan @doelpaten. Padahal sudah rahasia umum bahwa akun itu disinyalir kuat milik Gibran. Bahkan akun @PngAdilnR4kyt secara terang-terangan menyatakan bahwa kanal Lapor Mas Wapres merupakan akal-akalan fufufafa alias Gibran agar terus eksis. 

Gambar 5. Opini warganet

Muncul pula ketidakpercayaan akan layanan ini akibat Gibran yang tak hadir dalam acara peluncuran. Akun @ommi_siregar pun memandang rendah bahwa Gibran akan plonga-plongo dan tak bisa memberi sambutan untuk layanannya.

Gambar 6. Opini warganet

Selain itu, layanan baru yang digagas gibran ini dianggap hanya pencitraan saja. Kata pencitraan juga termasuk kata yang sering dibahas warganet X. Ujaran ini seperti yang diungkapkan akun @Nicke9662734599 bahwa wakil dari Presiden Prabowo tersebut tak sadar dengan keadaan kritis yang terjadi di Lewotobi malah sibuk pencitraan murahan lewat kebijakan Lapor Mas Wapres demi kepentingan pribadi. Pendapat serupa dilontarkan pula oleh Wakil Rektor UGM hingga pengamat  yang menilai program tersebut hanya pencitraan semata. Bahkan layanan ini dianggap sebagai jembatan agar Gibran bisa maju saat Pilpres 2029, ini seperti yang dituliskan akun @OposisiCerdas @Fadlipenyair12 dan @geloraco.

Gambar 7. Opini warganet

Kemudian, ada pula yang berpendapat bahwa Lapor Mas Wapres adalah gimik politik belaka. Hal ini seperti yang dikatakan oleh seorang jurnalis dan Mahfud MD yang diunggah akun @IDNTimes dan @mawakresna.

Gambar 8. Opini warganet

Tak hanya nama Gibran yang banyak disebut, nama bapaknya pun ikut terseret dalam pembicaraan topik ini. Terlihat pada tagar #LaporkanJokowiKeMasWapres menjadi yang terpopuler pada jajaran tagar. Tagar tersebut berisi keluhan-keluhan warganet atas ketidakpuasan terhadap pemerintahan Jokowi yang lalu. 

Seperti yang diungkapkan akun @PngAdilnR4kyt ia melapor bahwa di era pemerintahan Jokowi tidak pernah ada swasembada pangan. Ada pula akun @bayo3103 yang melaporkan terkait kasus dugaan korupsi keluarga Jokowi yang dilaporkan Abraham Samad ke KPK . Di tambah lagi tagar #adiliJokowi yang masih membahas hal serupa. Seperti dari akun @Cendana_20 yang mengatakan tegas bahwa Jokowi harus diadili karena telah zalim dan membohongi masyarakat Indonesia selama 10 tahun terakhir.

Jajaran tagar populer pun dipenuhi tagar yang cenderung bersentimen negatif bagi Gibran, seperti #FufufafaWapresPsikopat yang disebut dalam 328 unggahan lalu  #FufufafaPsikopatKronis,  muncul dalam 289 unggahan.

Gambar 10. Jajaran tagar populer

Pantauan TikTok, Warganet Dukung Program “Lapor Mas Wapres”

Selain di X, Netray juga memantau media sosial TikTok dengan menggunakan kata kunci #lapormaswapres dan lapor mas wapres selama periode yang sama. Ditemukan sebanyak 196 unggahan video menggunakan kata kunci tersebut. Dari total video tersebut telah diputar sebanyak 8,6 juta kali. Selain itu video-video terkait topik ini telak disukai oleh warganet sebanyak 366,3 ribu kali dan mendapat komentar sebanyak 42, 8 ribu.

Gambar 12. Statistik unggahan video TikTok

Berbeda dari X, di Tiktok justru lebih didominasi sentimen netral berupa unggahan-unggahan dari akun berita. Seperti dapat dilihat pada grafik top users dibawah, tampak akun seperti Inews, MetroTV hingga SCTV memberitakan layanan ini. Video-video tersebut memperoleh banyak reaksi dari warganet TikTok, sehingga akun @officialinews menjadi yang terpopuler sepanjang periode pemantauan.

Gambar 13. Jajaran akun populer

Bahkan pendapat warganet Tiktok untuk ‘Lapor Mas Wapres’ pada jajaran populer dipenuhi oleh sentimen positif. Seperti dari akun @lisbetdasilvaa yang memuji program ini karena sebelumnya Gibran pernah melakukannya. Ia pun mengajak warganet untuk lapor jika memiliki keluhan asal bukan alasan putus dari pacar. Unggahan videonya mampu menarik 35 likes, 4 ribu komentar serta 3,8 ribu kali dibagikan ulang.

Gambar 14. Unggahan @lisbetdasilvaa

Dukungan positif lainnya datang dari akun @mona.dear dengan takarir wakil presiden bukan ban serep. Seorang ibu paruh baya tersebut mengatakan ia salut dengan ide kreatif Gibran membuat layanan Lapor Mas Wapres. Meski sering dihina Gibran tetap kerja, kerja, dan kerja. Unggahan ini berhasil mendapat 6,5 ribu likes, 584 komentar, dan 200 kali dibagikan ulang.

Gambar 15. Unggahan @mona.dear

Kemudian ada pula seorang politisi yang membela Gibran. Tampak akun @mamang.belehoy menampilkan politisi Nasdem Irma Chaniago mengatakan bahwa masyarakat yang mengadu kepada para menteri justru tak dihiraukan laporannya hanya menumpuk, hal itu yang tidak diinginkan Gibran sekarang. Ia ingin memberikan kesempatan kerja kepada wapres baru tidak hanya diejek hanya pencitraan, mundur ke belakang, tidak akan selesai.

Gambar 16. Unggahan @mamang.belehoy

Meski begitu masih ditemukan segelintir warganet TikTik yang merasa kontra terhadap kebijakan baru yang diluncurkan Gibran. Hal ini terlontar dari akun @alinezad ia merasa program ini tak masuk akal, karena menampung ratusan keluhan hanya via Whatsapp seperti customer service. Ia menyarankan agar keluhan seperti ini ditangani dengan aplikasi atau website.

Gambar 17. Unggahan @alinezad

Kritik lainnya datang dari akun @saefulzaman menganggap bahwa Gibran seorang ahli gimmick meneruskan program yang pernah dijalani di Solo saat menjadi walikota, yaitu ’lapor mas wali’. Menurutnya program seperti ini seharusnya menjadi ranah presiden, bukan wapres. Layanan ini menjadi blunder karena banyak yang melapor fufufafa. Dengan adanya program ini menurutnya seolah telah mengambil alih kewenangan DPR.

Gambar 18. Unggahan @saefulzaman

Tampaknya layanan baru dari Gibran ini masih memberikan pro kontra bagi yang mendengarnya, ada yang mendukung ada pula yang mencaci. Beberapa warganet tampak skeptis dengan kemampuan Gibran, namun di sisi lain ada yang memuji serta ingin memberi kesempatan bagi Gibran untuk Indonesia yang lebih baik. Dampak nyata dari layanan ini belum jelas apalagi Gibran belum genap bekerja sebagai wapres selama 100 hari.

Simak analisis terkini dan mendalam lainnya di analysis.netray.id. Untuk melakukan pemantauan terhadap isu yang sedang berkembang secara real time kunjungi percobaan gratis di netray.id.

Editor: Ananditya Paradhi

Potensi Ekonomi Kecerdasan Buatan di 2030 Hingga $15 Triliun

Prediksi potensi ekonomi kecerdasan buatan di 2030 diperkirakan mencapai $15 triliun dengan potensi kontribusi yang besar terhadap peningkatan produktivitas, inovasi, dan efisiensi. Bahkan AI tidak hanya akan mengubah cara kerja berbagai sektor, tetapi juga membuka peluang ekonomi baru yang dapat memicu pertumbuhan global. Beberapa laporan menyatakan bahwa AI dapat menambah nilai ekonomi global hingga triliunan dolar melalui berbagai sektor, termasuk manufaktur, kesehatan, keuangan, dan retail.

Perusahaan di seluruh dunia kini mulai berinvestasi dalam teknologi AI untuk mempercepat proses bisnis mereka, meningkatkan produksi, dan menciptakan produk serta layanan yang lebih canggih. Misalnya, dalam sektor keuangan, AI membantu dalam analisis data yang kompleks untuk pengambilan keputusan investasi yang lebih baik dan manajemen risiko. Di sektor kesehatan, AI membantu para profesional medis dalam diagnosa penyakit yang lebih cepat dan lebih akurat. 

Dengan kecanggihan teknologi yang semakin pesat, potensi ekonomi kecerdasan buatan di 2030 akan semakin terdorong melalui produktivitas yang lebih tinggi dan pengurangan biaya operasional. Berikut ini adalah prediksi dampak yang akan diberikan kecerdasan buatan pada perekonomian global. Prediksi potensi ekonomi kecerdasan buatan di 2030 ini dirangkum dari berbagai sumber. Termasuk dalam pendekatan sektor ekonomi baik itu mikro atau makro. 

Peningkatan Efisiensi di Sektor Industri

Sektor manufaktur akan menjadi rantai perekonomian global pertama yang terdampak dari pengembangan kecerdasan buatan. Misalnya, pabrik yang menggunakan robot berbasis AI akan lebih menguntungkan karena bisa lebih presisi dalam proses produksi dibandingkan dengan tenaga manusia. AI juga dapat memudahkan pekerjaan manusia di dalam manufaktur karena dapat meminimalisir resiko karena kesalahan teknis maupun non teknis.

Selain itu, dengan kemampuan otomatisasi dan pengelolaan data yang lebih baik, AI dapat membantu perusahaan menurunkan biaya operasional di berbagai sektor, meningkatkan margin keuntungan dan membuat produk dan layanan lebih terjangkau bagi konsumen. Seperti efisiensi penggunaan tenaga atau sumber daya untuk menjalankan mesin produksi. AI mampu mendeteksi kebocoran hingga pembuangan tenaga secara sia-sia.

potensi ekonomi kecerdasan buatan di 2030 diperkirakan mencapai $15 triliun

Efisiensi manufaktur tak hanya bekerja di dalam pabrik atau instalasi serupa. Potensi ekonomi kecerdasan buatan di 2030 juga akan tampak di sektor transportasi atau wilayah distribusi. Pengembangan AI menciptakan kendaraan otonom yang nantinya diharapkan dapat menurunkan biaya logistik dan meningkatkan efisiensi distribusi barang.

Potensi Ekonomi Kecerdasan Buatan di 2030 Tumbalkan Kelas Pekerja?

Banyak pihak mungkin khawatir jika efisiensi yang dilakukan kecerdasan buatan di sektor manufaktur akan berpengaruh pada pasar tenaga kerja secara global. Sebagian besar tugas yang bersifat rutin dan manual akan terotomatisasi sehingga pekerjaan yang sebelumnya memerlukan tenaga manusia akan berkurang. Ini menimbulkan kekhawatiran mengenai penggantian pekerjaan oleh mesin.

Walaupun AI dan otomatisasi akan terus berkembang, pekerjaan menial atau manual mungkin akan tetap bertahan karena sifatnya yang fleksibel, terjangkau, dan melibatkan aspek-aspek sosial dan fisik yang sulit digantikan oleh teknologi. AI mungkin akan mendukung dan meningkatkan efisiensi pekerjaan ini, tetapi keterlibatan manusia tetap sangat diperlukan untuk tugas-tugas yang membutuhkan kepekaan, adaptabilitas, dan sentuhan pribadi.

Di sisi lain, AI juga akan menciptakan jenis pekerjaan baru yang memerlukan keterampilan khusus dalam teknologi dan data. Peran-peran seperti analis data, insinyur AI, spesialis pembelajaran mesin, dan posisi lain dalam bidang teknologi akan mengalami peningkatan permintaan yang signifikan. Agar tenaga kerja siap menghadapi perubahan ini, pemerintah dan sektor pendidikan harus berkolaborasi dalam menyediakan pelatihan dan pendidikan yang relevan. Pendidikan STEM (Science, Technology, Engineering, and Mathematics) diharapkan akan semakin berkembang sebagai respons terhadap permintaan tenaga kerja yang berfokus pada keterampilan teknologi.

Pengaruh AI di Pasar Global pada 2030, Kuasa Negara Maju?

Negara-negara yang berinvestasi besar dalam teknologi kecerdasan buatan (AI) berpotensi menjadi pemimpin dalam ekonomi global di masa depan. Amerika Serikat, China, dan beberapa negara Eropa, seperti Jerman dan Inggris, tengah bersaing untuk mendominasi perkembangan AI dan memanfaatkan teknologi ini demi meningkatkan daya saing ekonomi masing-masing. 

Amerika Serikat, dengan pusat inovasi Silicon Valley, memimpin dalam penelitian dan pengembangan AI, sementara China berfokus pada penerapan skala besar dalam bidang manufaktur, layanan publik, dan ritel. Persaingan ini menunjukkan bahwa AI menjadi aset strategis dalam perekonomian, dengan potensi besar untuk meningkatkan produktivitas dan efisiensi di berbagai sektor.

Lanskap perkembangan ini memang tidak banyak memberi wajah baru pada perekonomian global jika dilihat dari perspektif geografis. Potensi ekonomi kecerdasan buatan di 2030 masih akan dikuasai negara-negara yang sudah memiliki pondasi ekonomi konvensional yang kuat. Tentu saja potensi ini masih bisa dikejar oleh negara-negara berkembang dengan beberapa catatan.

Bagaimana Negara Berkembang Dapat Memanfaatkan AI?

Negara-negara berkembang juga memiliki peluang besar untuk memanfaatkan teknologi AI demi kemajuan ekonomi dan mempercepat pertumbuhan ekonomi mereka. Tak sedikit sektor ekonomi negara berkembang yang bisa ditingkatkan dengan memanfaatkan teknologi kecerdasan buatan. Bahkan ketika negara tersebut tidak memiliki pasar manufaktur yang besar.

Potensi ekonomi kecerdasan buatan di 2030 bagi negara berkembang dapat terjadi seperti di sektor pertanian, layanan publik, dan edukasi. Manfaat signifikan dari implementasi AI di sektor pertanian, misalnya, AI dapat membantu petani dengan teknologi prediksi cuaca, pengelolaan irigasi yang lebih efisien, serta identifikasi penyakit tanaman. Ini tidak hanya meningkatkan hasil panen tetapi juga mengurangi risiko kerugian yang diakibatkan oleh faktor cuaca dan penyakit.

Di bidang kesehatan, AI bisa membantu mengatasi kekurangan dokter di daerah terpencil dengan teknologi telemedicine. Sedangkan di sektor pendidikan, AI dapat memperluas akses ke sumber belajar berkualitas melalui platform digital dan mempercepat pemerataan pendidikan, terutama di daerah terpencil. Investasi dalam infrastruktur teknologi dan kolaborasi antara pemerintah, sektor swasta, dan lembaga pendidikan di negara berkembang akan menjadi kunci dalam memanfaatkan potensi ekonomi AI.

Melalui kolaborasi antara pemerintah dan sektor swasta, negara berkembang memiliki potensi untuk mengadopsi teknologi AI yang disesuaikan dengan kebutuhan lokal. Dukungan dari investor dan organisasi internasional juga menjadi faktor kunci dalam mempercepat pemanfaatan AI di negara berkembang. Dengan strategi yang tepat, AI dapat mendorong negara-negara ini untuk meningkatkan daya saingnya di pasar global, sekaligus menciptakan lingkungan yang lebih inklusif dan berkelanjutan.

Tantangan potensi ekonomi kecerdasan buatan di 2030 tentu saja tak hanya berkutat pada masalah-masalah di atas. Ada beberapa tantangan yang perlu diatasi untuk mencapai dampak ekonomi penuh dari AI, termasuk regulasi yang adil, privasi data, keamanan siber, dan penyesuaian tenaga kerja terhadap perubahan teknologi. Upaya untuk mengurangi ketidaksetaraan akses AI antar negara juga akan menjadi kunci dalam mencapai dampak ekonomi global yang merata.

Dengan potensi dampak yang luar biasa ini, AI diharapkan tidak hanya mendorong pertumbuhan ekonomi global, tetapi juga mempercepat inovasi dan menciptakan peluang baru untuk transformasi ekonomi di seluruh dunia. Netray Artificial Intelligence adalah produk kecerdasan buatan dalam negeri yang dikembangkan oleh PT Atmatech Global Informatika. Goals dari Netray Artificial Intelligence adalah menyediakan layanan pengembangan teknologi AI yang mudah diimplementasikan dalam dunia nyata secara langsung seperti dalam bidang ekonomi. Informasi lebih lanjut tentang Netray AI, hubungi kami sekarang!

Editor: Winda Trilatifah

AI dalam Pelayanan Kesehatan: Kemudahan hingga Tantangan

Di era digital yang berkembang begitu pesat, kecerdasan buatan atau artificial intelligence (AI) menjadi salah satu teknologi terdepan yang diadopsi berbagai bidang, termasuk di bidang kesehatan. Penerapan AI dalam pelayanan kesehatan berupa aplikasi, seperti analisis gambar medis, manajemen data pasien, hingga asisten virtual untuk konsultasi kesehatan. 

Secara umum, AI dibagi menjadi beberapa kategori, seperti pembelajaran mesin (machine learning), pemrosesan bahasa alami (NLP), dan pengenalan gambar. Pembelajaran mesin dan pengenalan gambar adalah dua cabang AI yang paling sering digunakan untuk mengembangkan teknik kesehatan modern.

Penggunaan AI dalam pelayanan kesehatan memiliki potensi besar untuk mengubah tantangan menjadi peluang. Tantangan tersebut bisa berupa banyaknya pasien yang membutuhkan penangan cepat, sumber daya medis, dan anggaran yang terbatas. Tantangan ini menimbulkan kebutuhan mendesak untuk meningkatkan efektivitas (keakuratan diagnosis dan perawatan) dan efisiensi (kecepatan layanan, manajemen sumber daya) dalam pelayanan kesehatan. 

Penggunaan AI dalam Pelayanan Kesehatan

Gambar 1. Ilustrasi AI dalam pelayanan kesehatan

Teknologi AI dalam pelayanan kesehatan mampu membantu meningkatkan kualitas pelayanan di antaranya seperti mempercepat diagnosis dan deteksi penyakit, mengoptimalkan pengobatan, hingga kemudahan dalam pengelolaan operasional rumah sakit. Berikut adalah penggunaan AI pelayanan kesehatan yang sudah berlangsung saat ini:

1. Diagnosis dan Deteksi Penyakit

  • Analisis Gambar Medis: Teknologi AI dapat menganalisis gambar medis seperti CT scan, MRI, dan X-ray untuk mendeteksi tanda-tanda penyakit yang mungkin terlewatkan oleh manusia. Contohnya, AI mampu mendeteksi kanker, pneumonia, atau retinopati diabetik lebih awal dengan mengidentifikasi pola-pola yang spesifik.
  • Penggunaan Algoritma untuk Deteksi Dini: AI digunakan dalam algoritma pembelajaran mesin yang dapat memprediksi risiko penyakit berdasarkan data kesehatan pasien. Misalnya, dalam deteksi dini kanker payudara, AI dapat mengidentifikasi anomali pada mammogram sebelum perubahan tersebut terlihat signifikan bagi dokter, sehingga pengobatan dapat dimulai lebih cepat.
  • Prediksi Penyakit Berdasarkan Data Riwayat Pasien: AI dalam pelayanan kesehatan memanfaatkan data riwayat pasien untuk mengidentifikasi risiko penyakit masa depan. Misalnya, berdasarkan riwayat kesehatan dan pola hidup, AI dapat memprediksi kemungkinan pasien terkena diabetes atau hipertensi dan menyarankan langkah-langkah pencegahan dini.

2. Personalisasi Pengobatan

  • Pengobatan Berbasis Data Pasien: AI dalam pelayanan kesehatan memungkinkan dokter untuk menyesuaikan pengobatan dengan kondisi spesifik setiap pasien. Berdasarkan analisis data genetik, riwayat kesehatan, dan faktor gaya hidup, AI membantu dokter menentukan dosis obat yang tepat atau jenis terapi yang paling efektif untuk setiap pasien.
  • Penggunaan AI dalam Farmakogenomik: Farmakogenomik merupakan bidang yang menggabungkan data genetik dengan informasi pengobatan untuk menemukan obat yang paling efektif untuk individu. AI membantu dalam menganalisis data genetik pasien untuk menentukan bagaimana tubuh mereka bereaksi terhadap obat tertentu, sehingga mengurangi risiko efek samping.

3. Robotik dan Bedah Minimal Sayatan

  • Robot Bedah yang Digerakkan oleh AI: Robot bedah seperti da Vinci, yang didukung oleh AI, memungkinkan dokter melakukan operasi dengan presisi tinggi, terutama pada prosedur yang rumit. Teknologi ini mengurangi getaran dan meningkatkan ketepatan selama operasi, meminimalkan risiko dan mempercepat waktu pemulihan pasien.
  • Operasi Sayatan Minimal: Dengan bantuan AI, robot bedah dapat melakukan prosedur yang lebih sedikit melibatkan sayatan besar atau pemotongan, sehingga mengurangi trauma pada tubuh pasien.
  • Dukungan dalam Latihan Medis: AI juga digunakan untuk melatih tenaga medis melalui simulasi bedah yang realistis, memberikan dokter pengalaman bedah virtual yang mengasah keterampilan sebelum melakukan operasi sebenarnya.

4. Telemedicine dan Pelayanan Kesehatan Jarak Jauh

  • Konsultasi Jarak Jauh dengan Chatbot AI: Chatbot berbasis AI dapat digunakan untuk memberikan konsultasi medis awal, menjawab pertanyaan umum, dan bahkan memberikan rekomendasi langkah pertama dalam perawatan. Hal ini sangat berguna di daerah dengan akses terbatas ke dokter atau rumah sakit.
  • Pemantauan Pasien Secara Real-Time: AI digunakan dalam perangkat medis yang dipakai oleh pasien untuk memonitor kondisi kesehatan mereka secara real-time. Misalnya, perangkat yang terhubung dengan AI dapat melacak tanda-tanda vital seperti detak jantung dan tekanan darah, memberikan peringatan kepada pasien dan dokter jika ada masalah.
  • Analisis Data Telemedicine untuk Rekomendasi Perawatan: Dalam telemedicine, data yang dikumpulkan dari pasien dapat dianalisis oleh AI untuk memberikan rekomendasi pengobatan yang lebih akurat. Teknologi AI dalam pelayanan kesehatan ini memungkinkan dokter untuk memantau kondisi pasien dari jarak jauh.

5. Pengelolaan Operasional di Rumah Sakit

  • Optimalisasi Sumber Daya dengan AI: AI membantu rumah sakit mengatur sumber daya dengan lebih efisien, seperti mengelola tempat tidur pasien, mengatur jadwal dokter, dan mengoptimalkan penggunaan ruang perawatan intensif (ICU). Hal ini meningkatkan alur kerja rumah sakit dan mengurangi waktu tunggu pasien.
  • Peningkatan Manajemen Logistik dan Inventaris: AI memungkinkan rumah sakit untuk mengelola persediaan medis lebih efektif, mencegah kekurangan atau pemborosan. Algoritma AI dapat memprediksi kebutuhan inventaris berdasarkan data historis dan pola permintaan.
  • Otomatisasi Proses Administratif: AI juga digunakan dalam otomatisasi proses administratif, seperti penjadwalan janji temu, penagihan, dan manajemen catatan medis, yang membantu staf administrasi mengurangi pekerjaan manual dan memungkinkan mereka fokus pada tugas yang lebih mendukung perawatan pasien.
Gambar 2. AI dalam pelayanan kesehatan “da Vinci”(unitymedcenter.com)

Tantangan dan Risiko dalam Implementasi AI di Pelayanan Kesehatan

Di balik berbagai manfaat yang ditawarkan, penerapan AI dalam pelayanan kesehatan juga menghadapi sejumlah tantangan dan risiko yang perlu dipertimbangkan. Tantangan ini harus dijawab agar teknologi AI dalam pelayanan kesehatan semakin sempurna. Berikut adalah penjabaran tantangan dan risiko utama dalam implementasi AI di sektor kesehatan:

  1. Privasi dan Keamanan Data Pasien
    • Risiko Kebocoran Data: Data medis pasien sangat sensitif dan rawan bocor, yang dapat menimbulkan masalah privasi serta menurunkan kepercayaan terhadap institusi kesehatan.
    • Serangan Siber: Sistem AI rentan terhadap serangan siber, sehingga penting memiliki protokol keamanan dan enkripsi data yang kuat.
    • Kepatuhan Regulasi Data: Penggunaan AI harus mematuhi peraturan privasi lokal, seperti GDPR di Eropa.
  2. Keandalan Teknologi AI
    • Ketergantungan Berlebihan: Bergantung sepenuhnya pada AI tanpa verifikasi manual dapat menimbulkan risiko kesalahan diagnosis.
    • Bias dalam Data Pelatihan: Kurangnya variasi populasi dalam data pelatihan AI bisa menyebabkan bias, terutama terhadap kelompok yang kurang terwakili.
    • Validasi Klinis: Akurasi AI perlu divalidasi secara klinis, namun proses ini seringkali lambat dibandingkan perkembangan teknologi.
  3. Etika dan Tanggung Jawab Hukum
    • Masalah Etis dalam Keputusan: Keputusan berbasis AI yang bertentangan dengan tenaga medis menimbulkan dilema etis.
    • Transparansi Algoritma: Banyak algoritma AI bersifat “kotak hitam” yang sulit dipahami, sehingga kurang transparan.
    • Tanggung Jawab Hukum: Tidak jelas siapa yang bertanggung jawab jika AI membuat kesalahan diagnosis—penyedia, rumah sakit, atau dokter.
  4. Biaya dan Infrastruktur
    • Biaya Tinggi: Implementasi AI memerlukan investasi besar, terutama bagi institusi dengan anggaran terbatas.
    • Infrastruktur di Daerah Terpencil: Terbatasnya infrastruktur di daerah terpencil menyulitkan penerapan AI di wilayah tersebut.
    • Pemeliharaan Sistem: AI memerlukan pemeliharaan berkala, yang menambah beban biaya.
  5. Pelatihan dan Adaptasi Tenaga Medis
    • Pelatihan Khusus: Tenaga medis perlu pelatihan agar bisa menggunakan AI secara efektif dan memahami batasannya.
    • Resistensi terhadap Teknologi: Beberapa tenaga medis enggan menggunakan AI karena kurang paham atau takut tergantikan.
    • Penyesuaian Alur Kerja: Integrasi AI memerlukan penyesuaian dengan alur kerja tradisional agar tidak mengganggu proses pelayanan.

Secara keseluruhan, AI dalam pelayanan kesehatan memiliki potensi yang luar biasa untuk merevolusi dunia medis. Meskipun tantangan dalam implementasinya masih ada, dengan upaya yang tepat dalam hal kebijakan, infrastruktur, dan pelatihan tenaga medis, manfaat yang diberikan AI bisa sangat besar. Pengembangan teknologi ini akan membuka jalan bagi sistem kesehatan yang lebih berkelanjutan di masa depan.

Salah satu produk AI dalam negeri adalah Netray Artificial Intelligence yang dikembangkan oleh PT Atmatech Global Informatika. Goals dari Netray Artificial Intelligence adalah menyediakan layanan pengembangan teknologi AI yang mudah dikembangkan dalam dunia nyata secara langsung seperti dalam bidang kesehatan.

Editor: Ananditya Paradhi

Perlihatkan Sigap Berantas Judi Online, Warganet Minta Pemerintah Totalitas

0

Di bawah pemerintahan Prabowo, pemberantasan judi online (judol) telah melakukan penangkapan lebih dari 370 orang yang terlibat dalam sekitar 300 kasus selama lima bulan terakhir. Selain penangkapan, sebanyak 52.151 situs judi online berhasil diblokir melalui kerja sama dengan Kementerian Komunikasi dan Komputasi Digital (Komdigi). Pemeberantasan judol saat ini menjadi sorotan media dan publik mengingat dalam penangkapan tersebut sejumlah pegawai Kominfo, saat ini Komdigi, termasuk dalam daftar karena diduga terlibat dalam aktivitas judi online, termasuk membiarkan situs-situs tersebut tetap beroperasi.

Budi Arie, yang saat itu menjabat sebagai Menteri Kominfo, turut mendapat sorotan karena ada spekulasi bahwa kelalaian atau kurangnya pengawasan di Kominfo memungkinkan terjadinya praktik tersebut. Meski tidak ada bukti langsung yang mengaitkan Budi Arie secara pribadi, warganet mempertanyakan transparansi dan efektivitas kebijakan pemberantasan judi online di bawah kepemimpinannya​.

Di waktu yang hampir bersamaan, publik juga ramai membicarakan penangkapan Gunawan Sadbor, seorang influencer kelas bawah, karena diduga turut mempromosikan situs judi online. Penangkapan ini mengundang reaksi netizen karena dianggap dilakukan dengan cepat, sementara sejumlah artis yang memiliki riwayat promosi situs judol hanya mendapat pemeriksaan atau teguran tanpa penahanan.

Perbedaan perlakuan antara penanganan kasus Sadbor dan publik figur lainnya menimbulkan perbincangan di media sosial mengenai ketidakadilan dalam penegakan hukum. Banyak netizen mempertanyakan apakah tindakan hukum diterapkan lebih ketat pada masyarakat kelas bawah, sementara figur publik dengan profil lebih tinggi diperlakukan berbeda? Berikut pantauan Netray selengkapnya.

Pantauan Judi Online di Media Sosial; Isu Ketidakadilan Perlakuan Banyak Dibahas

Netray melakukan pemantauan di media sosial terkait keriuhan perbincangan soal isu judi online ini dengan kata kunci “judi online”.” judi”, dan “sadbor” selama periode 1-10 November 2024. Hasilnya, ditemukan 139,1 ribu unggahan dengan total 494,4 ribu impresi. Isu ini memiliki potensi jangkauan hingga 205,3 juta akun. Sebanyak 62,8 persen sentimen perbincangan adalah negatif, sebanyak 27,5 persen netral, dan hanya 9,7 persen bersentimen positif.

perbincangan kasus judi online di Twitter (Netray_1-0 November 2024)
Gambar 1. Statistik perbincangan isu judi online di Twitter

Upaya pemberantasan judi online di Indonesia sebetulnya telah berlangsung cukup lama. Sejak tahun 2022 pemerintah dan aparat hukum bahkan meningkatkan pemblokiran situs-situs judol, jutaan konten perjudian, dan penegakan hukum terhadap pelaku promosi. Namun, hasilnya belum dapat dirasakan secara signifikan. Masyarakat pun berharap kepada pemerintahan baru Prabowo-Gibran yang memang menjanjikan akan memprioritaskan pemberantasan judi online di awal masa kerjanya. Penangkapan sejumlah pegawai Kominfo karena diduga turut melindungi situs-situs judi online yang seharusnya diberantas pun menyita perhatian publik, memberi harapan masyarakat terhadap pemberantasan judi online yang semakin meresahkan ini.

Di Twitter, perbincangan soal judi online pada awal November berkisar di angka 5 ribu unggahan. Jumlah ini meningkat signifikan pada 7 November hingga 30 ribu unggahan dan memuncak pada 8 November sebanyak 41 ribu unggahan. Dari pantauan Netray, pada tanggal tersebut sejumlah akun seperti @BosPurwa dan @CakKhum serempak menyoroti perlakuan berbeda yang diperlihatkan penegak hukum terhadap Gunawan Sadbor dengan sejumlah artis seperti Denny Cagur yang juga diduga turut mempromosikan situs judi online.

Gambar 2. Intensitas perbincangan judi online
Gambar 3. Topik yang paling banyak dibagikan pada periode peak time

Ketika pemerintah memperlihatkan kesigapannya dalam menangani sejumlah pegawai Kominfo yang terlibat dan Gunawan Sadbor maka publik pun berharap semua pejabat dan publik figur yang turut mempromosikan judi online diusut secara tuntas. Tak heran, jika perbincangan soal artis-artis yang seolah lolos dari pemeriksaan ini banyak mendapat kritik.

Gambar 4. Opini perbedaan perlakuan dalam penanganan kasus judol

Budi Arie Paling Banyak Disebut

Selain perbedaan perlakuan terhadap sejumlah artis yang diduga terlibat, perhatian warganet juga tertuju pada mantan Menteri Kominfo Budi Arie Setiadi yang kini menjabat sebagai Menteri Koperasi Indonesia. Nama Budi Arie bahkan muncul sebanyak 4.878 kali selama seminggu terakhir. Sebagai menteri Kominfo pada saat itu, Budi Arie dinilai bertanggung jawab pada apa yang terjadi dengan sejumlah pegawai dan staf yang melindungi 1000 web judi online yang seharusnya dimusnahkan. Warganet merasa miris, sebab Budi Arie justru mendapat penghargaan keberhasilan pemberantasan judol pada masa jabatannya.

Gambar 5. Tokoh yang paling banyak disebut dalam perbincangan soal judi online
Gambar 6. Perbincangan soal Budi Arie dan isu judi online

Akun @PartaiSocmed yang merupakan salah satu akun populer paling aktif membahas topik ini turut menyerukan dukungan kepada Polri agar segera dilakukan pemeriksaan terhadap Budi Arie. Selama periode pemantauan PartaiSocmed aktif membuat utas terkait penangkapan sejumlah pegawai Kominfo dan mengungkap profil dan latar belakang nama-nama yang diduga terlibat seperti Adhi Kismanto, Fakhri Dzulfikar, dan Zulkarnaen Apriliantony alias Tony Tomang, dan Gisty Amelia Febriani.

Gambar 7. Akun populer dalam topik judi online
Gambar 8. Unggahan populer akun @PartaiSocmed

Pantauan Isu Judi Online di Media Pemberitaan

Di media pemberitaan isu terkait judi online tampak lebih stabil. Ditemukan 1,5 ribu artikel dari 263 media yang membahas topik ini selama periode 1-10 November 2024. Rata-rata perhari pemberitaan topik ini di angka 100-200 artikel dengan intensitas yang cenderung fluktuatif, tidak seperti Twitter yang cenderung memperlihatkan periode puncak yang signifikan di tanggal tertentu.

Gambar 9. Total artikel dan media dalam topik judol
Gambar 10. Intensitas pemberitaan topik judol di media pemberitaan

Jika dilihat berdasarkan topik yang paling banyak disorot, baik Twitter maupun media pemberitaan, keduanya sama-sama lebih banyak membahas sisi hukum. Bedanya, di Twitter lebih fokus pada opini ketidakadilan perlakuan hukum terhadap artis yang diduga terlibat serta dorongan kuat untuk meminta Polri memeriksa Budi Arie selaku mantan Menkominfo sedangkan di media pemberitaan lebih banyak membagikan update pemberantasan judi online, seperti penangkapan dan penetapan tersangka.

Gambar 11. Kosakata populer di media pemberitaan
Gambar 12. Tokoh paling banyak disebut

Tidak heran jika tokoh yang paling banyak disebut dalam artikel adalah Prabowo Subianto, Meutya Hafid, hingga Tito Karnavian. Sebab, sebagian besar pemberitaan dominan membahas topik ini sebagai bagian dari komitmen pemerintahan Prabowo Subianto dalam memenuhi janji memberantas judi online di Indonesia sehingga sentimen positif topik judol di media pemberitaan masih lebih tinggi dari Twitter, yakni 34 persen sedangkan sentimen negatif sebanyak 45,3 persen. Artinya, apresiasi terhadap Presiden Prabowo Subianto, Menteri Komdigi Meutya Hafid tetap tersampaikan dengan baik di media pemberitaan. Meski demikian, permintaan warganet agar pemerintah lebih totalitas dengan serius memeriksa semua pihak yang diduga terlibat tanpa memandang status sosial figur tersebut tetap perlu dipertimbangkan.

Simak analisis terkini dan mendalam lainnya di analysis.netray.id. Untuk melakukan pemantauan terhadap isu yang sedang berkembang secara real time kunjungi percobaan gratis di netray.id.

Editor: Ananditya Paradhi

Tom Lembong Terjerat Kasus Korupsi Impor Gula, Warganet Tak Percaya

Penetapan Thomas Trikasih Lembong, atau biasa dikenal dengan sebutan Tom Lembong, sebagai tersangka menghebohkan warganet beberapa waktu terakhir ini. Pasalnya setelah sembilan tahun, mantan Menteri Perdagangan ini diringkus akibat dugaan korupsi terkait kebijakan impor gula yang menyebabkan kerugian negara sekitar Rp 400 miliar. Ia diduga memberi izin untuk impor gula sebanyak 105 ribu ton di saat Indonesia mengalami kelebihan stok gula. Tom Lembong sendiri menjabat sebagai Menteri Perdagangan pada tahun 2015 hingga 2016 semasa periode pertama Presiden Joko Widodo.

tom lembong
Gambar 1. Instagram Tom Lembong

Kehebohan opini publik di media sosial terhadap kasus Tom Lembong ini begitu beragam dan menarik untuk diamati. Netray coba menangkap berbagai komentar dan opini tersebut di media sosial X yang cukup menggambarkan reaksi warganet. Pemantauan lini masa X dilakukan tanggal 29 Oktober hingga 2 Oktober 2024. Hasilnya sebagai berikut.

Narasi Pro dan Kontra terkait Dugaan Korupsi Tom Lembong

Sepanjang periode pemantauan, Netray menemukan sebanyak 173,2 ribu unggahan mengandung kata kunci tom && lembong. Perbincangan warganet didominasi oleh sentimen negatif yakni sebanyak 114,1 ribu unggahan atau sebanyak 53,1 persen dari keseluruhan total unggahan. Sedangkan unggahan bersentimen positif muncul sejumlah 31,7 ribu.

Gambar 2. Statistik perbincangan tom lembong

Topik ini mampu memperoleh impresi berupa komentar, likes dan repost hingga menyentuh angka satu juta unggahan. Bahkan, unggahan yang ada mampu menjangkau ke kurang lebih 173 juta akun. Penetapan Tom sebagai tersangka oleh Kejaksaan Agung terjadi pada 29 Oktober malam, sehingga perbincangan tentangnya kemudian mulai meningkat sehari setelahnya. Puncak perbincangan terjadi pada 31 Oktober ketika sebanyak 74,2 ribu unggahan menyoroti kasus Tom Lembong ini.

Gambar 3. Intesitas perbincangan X

Melalui fitur top words atau kata-kata yang paling sering digunakan oleh warganet dapat dijadikan sebagai representasi topik apa yang banyak diperbincangkan warganet. Selain kata lembong, kasus, gula, dan korupsi terdapat kata yang cukup masif digunakan warganet yakni anies dan abah. 

Gambar 4. Kosakata populer

Secara garis besar, warganet menduga terdapat upaya kriminalisasi dari penangkapan Tom oleh Kejaksaan Agung. Dugaan ini bersumber dari hubungan Tom dengan Anies Baswedan, yang memunculkan kata anies dan abah, bahwa ia merupakan mantan Tim Pemenangan Anies-Muhaimin pada masa Pilpres 2024.

Unggahan populer, yang berasal dari akun @abu_waras, menyatakan bahwa Tom Lembong menjadi salah satu inisiator untuk menggulirkan pembentukan partai baru guna menjembatani Anies maju Pemilihan Presiden pada 2029 mendatang. Tetapi sebelum Partai itu terbentuk, tiang pancangnya sudah mulai dirobohkan. Tentu saja melalui kriminalisasi atas kasus impor gula.

Ujaran serupa yang menyebutkan bahwa ini adalah manuver kriminalisasi diutarakan oleh akun @dhemit_is_back dan @footycinephile. Eksistensi kata anies dan abah, yang merujuk pada hubungan Anies dan Tom Lembong, menjadi hal yang hampir terjadi secara alami dalam perbincangan warganet. Hal ini kembali dibuktikan dengan unggahan yang bersifat kontra atas narasi sebelumnya.

Gambar 5. Opini warganet

Seperti unggahan dari akun @tekarok007, yang secara tersurat memberi pandangan bersentimen negatif dari narasi pendukung Anies atau yang kerap disebut dengan Anak Abah. Menurutnya para pendukung Anies yang yakin Tom tak bersalah itu ironi semata. Ia menganggap bahwa keikutsertaan Tom dalam aksi ‘Peringatan Darurat’ lalu agar perbuatan korupsinya tak terbongkar. Opini akun ini pun tak hanya satu, ia menganggap Tom yang lama tinggal di luar negeri dan tak memiliki aset di Indonesia itu hanya sebagai jalan pintas belaka. Bila tertangkap mudah untuk kabur ke luar negeri.

Narasi warganet tak hanya berkutat pada Anies Baswedan. Nama Joko Widodo juga kerap disebut dalam perbincangan terkait kasus dugaan korupsi Tom Lembong. Melalui kata jokowi dan mulyono, warganet menduga bahwa penangkapan ini terjadi karena dendam Jokowi atas kegagalan anak bungsunya ikut serta dalam kontestasi Pilkada jawa Tengah seperti yang dituliskan @taniaviandra. Akun @Tan_Mar3M pun mengira bahwa kasus ini sebagai langkah untuk menutupi kasus-kasus yang terjadi pada anak-anak Jokowi.

Gambar 7. Opini warganet

Nama-nama politisi lain yang juga muncul dalam grafik Top Words antara lain seperti airlangga, zulhas, hingga dito. Mereka muncul karena disebut warganet agar dugaan keterlibatan mereka dalam sebuah kasus juga diusut. Seperti yang diungkapkan akun @cingreborn bahwa mantan menteri Airlangga Hartarto diduga terlibat dalam Kasus Korupsi Ekspor CPO, Dito Ariotedjo dalam kasus pengadaan menara BTS, hingga Zulkifli Hasan terkait kasus impor gula. Bahkan akun @Simanjunta9Nico mensiyalir jika Airlangga, Dito dan Zulhas tak tersentuh sampai sekarang karena mereka berada dalam pemerintahan. Sedangkan Tom dianggap sebagai lawan politik.

Gambar 8. Opini warganet

Dukungan Warganet untuk Tom Lembong

Sebagai rekan, Anies Baswedan langsung membela Tom begitu mendengar kabar penangkapan tersebut melalui unggahan di akun X @aniesbaswedan. Anies mengaku telah mengenal Tom selama 20 tahun dan percaya bahwa Tom merupakan pribadi yang berintegritas tinggi, memprioritaskan kepentingan publik serta memperjuangkan kelas menengah yang terhimpit. Unggahan Anies ini bahkan menjadi yang terpopuler selama periode pemantauan mampu memperoleh impresi hingga 81,9 ribu kali.

Gambar 9. Opini warganet
Gambar 10. Jajaran akun populer

Dukungan serupa juga datang dari mantan Duta Besar Amerika untuk Indonesia Dino Patti Djalal melalui akun @dinopattidjalal. Ia menuliskan bahwa Tom mempunyai intelektualitas tinggi, baik hati, tidak korup, serta idealis. Dia selalu kritis melihat berbagai masalah bangsa. Namun di sisi lain Dino tahu bahwa dia memiliki banyak musuh sejak kembali ke Indonesia.

Gambar 11. Opini warganet

Bahkan dukungan warganet diwujudkan dalam bentuk tagar #SaveTomLembong. Tagar ini menjadi paling populer dibanding tagar lainnya ketika mampu mencapai angka 3.694 unggahan. Akun @PngAdilnR4kyt tampak sering mengunggah tagar ini sehingga seolah membela Tom. Ia bahkan mengungkapkan fakta dari berita laporan BPK yang tercatat bahwa tidak ada aliran dana masuk ke Tom dan tidak ada kerugian negara.

Gambar 12. Jajaran tagar populer

Dominasi opini warganet menyangsikan bahwa Tom Lembong benar-benar korupsi. Banyak yang menganggap penangkapan ini sebagai bentuk kriminalisasi mau pun politisasi. Bahkan hingga kini Kejagung belum mampu memberikan bukti adanya aliran dana yang masuk ke mantan Mendag tersebut. Pendapat warganet ini membuktikan bahwa kini publik tak bisa dibodohi oleh penangkapan yang semena-mena.

Simak analisis terkini dan mendalam lainnya di analysis.netray.id. Untuk melakukan pemantauan terhadap isu yang sedang berkembang secara real time kunjungi percobaan gratis di netray.id.

Editor: Ananditya Paradhi

Urgensi dan Cara Memantau Aktivitas Media Kompetitor Agar Lebih Unggul

Di zaman digital yang cepat ini, bisnis harus lebih responsif terhadap perubahan pasar dan kompetisi. Seperti dalam menjalankan aktivitas pemasaran dan komunikasi yang kini lebih banyak dilakukan lewat platform digital seperti media sosial, website, dan iklan online. Dengan mengawasi aktivitas media tersebut, pebisnis bisa memahami strategi pesaing, terutama saat menghadapi perubahan tren atau perilaku konsumen yang mungkin berpengaruh di pasar.

Memantau aktivitas media kompetitor juga bisa memberi insight tentang pendekatan baru, taktik yang efektif, dan kebutuhan konsumen yang bisa dimanfaatkan untuk mengembangkan strategi pemasaran sendiri. Untuk mengetahui urgensi aktivitas memantau media kompetitor secara lengkap simak pemaparannya di bawah ini.

Alasan Pentingnya Memantau Aktivitas Media Kompetitor

1. Mengenali Tren dan Kebutuhan Pasar

Memantau media kompetitor punya banyak manfaat, salah satunya adalah mengenali tren dan kebutuhan pasar. Biasanya, kompetitor sudah lebih dulu memanfaatkan tren yang sedang diminati audiens mereka. Dengan melihat aktivitas kompetitor, bisnis bisa menangkap tren yang berkembang dan melihat bagaimana pasar merespons tren tersebut. Hal ini membuat perusahaan tetap relevan dan cepat beradaptasi dengan inovasi yang cocok buat audiensnya.

Selain itu, dengan memantau aktivitas media kompetitor, bisnis juga bisa mengetahui kebutuhan pelanggan. Misalkan saat kompetitor meluncurkan produk atau layanan baru, itu bisa jadi sinyal adanya kebutuhan atau preferensi baru di kalangan konsumen. Dengan menganalisis respons audiens pada inisiatif kompetitor, bisnis bisa lebih memahami kebutuhan pelanggan yang belum terpenuhi, membuka peluang untuk solusi yang lebih menarik atau bahkan lebih unggul.

2. Evaluasi dan Pengembangan Strategi Pemasaran

Evaluasi dan pengembangan strategi pemasaran dapat dimulai dengan memahami efektivitas strategi komunikasi kompetitor. Dengan ini, perusahaan bisa mengamati gaya komunikasi, tone, dan konten yang disampaikan. Hasilnya pebisnis dapat melihat pendekatan komunikasi yang efektif dan sesuai dengan audiens, sehingga bisa menyesuaikan strategi mereka untuk meningkatkan engagement.

Ditambah lagi, dengan mengembangkan pendekatan pemasaran yang lebih relevan. Melalui pengumpulan data atas aktivitas media kompetitor, perusahaan bisa menilai apakah pesan atau cara mereka menyampaikan informasi sudah sesuai dengan audiens target. Dengan demikian, bisnis dapat menyesuaikan kampanye pemasaran agar lebih tepat sasaran dan relevan di mata konsumen.

3. Mengidentifikasi Kelebihan dan Kelemahan Kompetitor

Mengidentifikasi kelebihan dan kelemahan kompetitor adalah langkah penting untuk memahami posisi perusahaan dalam pasar. Mengamati aspek yang menjadi kekuatan kompetitor, seperti produk unggulan, kualitas layanan, atau strategi pemasaran, dapat memberikan gambaran mengenai area yang perlu diperkuat oleh perusahaan.

Selain kekuatan, kelemahan kompetitor juga menjadi informasi berharga. Misalnya, jika kompetitor memiliki keterbatasan dalam pelayanan atau fitur produk, bisnis bisa memanfaatkan kesempatan ini untuk menawarkan sesuatu yang lebih baik. Ini dapat meningkatkan daya tarik perusahaan dan memberikan keunggulan kompetitif di pasar.

Gambar 1. Ilustrasi kompetisi bisnis Image by kp yamu Jayanath from Pixabay

Alat dan Sumber Daya untuk Pemantauan Aktivitas Media Kompetitor

Untuk memantau aktivitas media kompetitor secara efektif, bisnis dapat memanfaatkan berbagai alat yang tersedia. Seperti alat pemantauan media sosial, alat SEO dan pemantauan kata kunci, alat analisis iklan kompetitor serta alat analisis konten kompetitor. Berikut beberapa contohnya:

1. Alat Pemantauan Media Sosial

  • Hootsuite & Sprout Social: Keduanya memantau aktivitas dan keterlibatan (engagement) media sosial kompetitor di berbagai platform, membantu menganalisis jenis konten yang populer dan pola keterlibatan audiens.

2. Alat SEO dan Pemantauan Kata Kunci

  • Google Alerts: Memberikan notifikasi otomatis setiap kali ada konten baru terkait kompetitor atau topik tertentu.
  • SEMrush: Melacak kata kunci yang digunakan kompetitor, peringkat mereka di mesin pencari, dan kata kunci yang menarik banyak lalu lintas.

3. Alat Analisis Iklan Kompetitor

  • Facebook Ad Library: Menampilkan iklan aktif kompetitor di Facebook dan Instagram, memberi wawasan tentang konten dan target audiens.
  • Google Ads Transparency Report: Menyediakan akses ke iklan Google kompetitor, termasuk analisis kata kunci.

4. Alat Analisis Konten Kompetitor

  • BuzzSumo: Mengidentifikasi konten kompetitor yang paling populer dan dibagikan di berbagai platform.
  • SimilarWeb: Memberikan data tentang performa website kompetitor, seperti sumber lalu lintas dan perilaku audiens.

Cara Menggunakan Informasi Hasil Pemantauan untuk Strategi Bisnis

1. Menyusun Strategi Pemasaran Berbasis Data

Data dari memantau aktivitas media kompetitor memungkinkan bisnis merancang strategi pemasaran yang lebih akurat. Misalnya, dengan melihat konten atau kampanye kompetitor yang berhasil, perusahaan dapat mengambil inspirasi atau mengembangkan strategi yang mirip namun lebih kreatif. Informasi ini dapat digunakan untuk menentukan waktu, jenis konten, dan pendekatan yang lebih efektif, sehingga kampanye pemasaran bisa berjalan lebih sukses.

2. Melakukan Peningkatan Produk atau Layanan

Pemantauan kompetitor sering kali mengungkapkan elemen produk atau layanan yang mendapat respon positif dari pelanggan, serta aspek yang masih lemah. Dengan memahami kekuatan dan kekurangan kompetitor, bisnis dapat melakukan inovasi yang lebih terarah, seperti menambahkan fitur yang lebih disukai pelanggan atau meningkatkan kualitas layanan agar lebih unggul dari kompetitor.

3. Meningkatkan Keterlibatan Pelanggan

Dengan mempelajari interaksi kompetitor dengan audiensnya, perusahaan dapat mengetahui strategi yang efektif untuk meningkatkan keterlibatan pelanggan. Misalnya, jika kompetitor mendapatkan engagement tinggi dari konten interaktif atau promosi khusus, bisnis dapat mencoba menerapkan pendekatan serupa untuk menarik lebih banyak pelanggan dan meningkatkan loyalitas mereka.

4. Mengantisipasi Langkah Kompetitor Selanjutnya

Melalui pemantauan, perusahaan dapat mengidentifikasi pola atau tren dari aktivitas media kompetitor. Misalnya, jika kompetitor secara rutin meluncurkan produk atau kampanye di waktu tertentu atau menunjukkan preferensi pada platform tertentu, bisnis dapat merespons dengan persiapan yang lebih matang atau bahkan melakukan langkah yang lebih proaktif. Ini memungkinkan bisnis untuk mengantisipasi strategi kompetitor dan menjaga daya saing.

Gambar 2. Netray Media Monitoring untuk memantau aktivitas media kompetitor

Studi Kasus

Studi kasus adalah cara yang efektif untuk memahami bagaimana pemantauan aktivitas media kompetitor dapat diterapkan dalam praktik nyata dan memberikan hasil yang signifikan. Misalnya, perusahaan Coca-Cola. Dalam upayanya untuk mempertahankan posisi dominan di pasar minuman, Coca-Cola secara aktif memantau kampanye pemasaran pesaing utamanya, Pepsi.

Melalui analisis iklan dan aktivitas media sosial, Coca-Cola menemukan bahwa Pepsi berhasil menarik perhatian audiens muda dengan pendekatan yang lebih berani dan konten yang lebih segar. Dalam merespons, Coca-Cola meluncurkan kampanye baru yang berfokus pada nostalgia dan penguatan hubungan emosional dengan konsumennya, yang ditujukan untuk segmen yang lebih luas. Kampanye ini tidak hanya mendapatkan perhatian di media sosial, tetapi juga meningkatkan penjualan dan meningkatkan keterlibatan pelanggan secara signifikan.

Contoh lainnya Zalora, salah satu platform e-commerce mode terkemuka di Asia Tenggara, memantau strategi pemasaran kompetitornya, seperti ASOS dan Lazada. Dengan menganalisis promosi dan penawaran khusus yang dilakukan oleh kompetitor, Zalora menemukan bahwa flash sale dan penawaran waktu terbatas sangat menarik perhatian konsumen. Mereka lantas menerapkan strategi serupa dan hasilnya peningkatan signifikan dalam trafik situs dan konversi penjualan, serta meningkatkan brand awareness.

Dengan mengikuti langkah di atas untuk memantau aktivitas media kompetitor, bisnis Anda dapat menjadi lebih berkembang dari sebelumnya atau bahkan jauh lebih unggul. Selain itu, melalui pemantauan media, perusahaan bisa membaca lebih banyak peluang yang ada untuk menyusun strategi pemasaran yang lebih tepat.

Anda dapat juga melakukan pemantauan kompetitor menggunakan media monitoring Netray. Dengan harga yang terjangkau dan akses dashboard yang lebih mudah Anda dapat mengetahui aktivitas kompetitor secara real time. Kunjungi website Netray untuk info selengkapnya.