Lisensi ini mengizinkan setiap orang untuk menggubah ...kc.umn.ac.id/5808/5/LAMPIRAN.pdf · bola...

Team project ©2017 Dony Pratidana S. Hum | Bima Agus Setyawan S. IIP

Hak cipta dan penggunaan kembali:

Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis dan melisensikan ciptaan turunan dengan syarat yang serupa dengan ciptaan asli.

Copyright and reuse:

This license lets you remix, tweak, and build upon work non-commercially, as long as you credit the origin creator and license it on your new creations under the identical terms.

LAMPIRAN

Pemanfaatan Robot Jurnalistik..., Fransiskus Xaverius Praba Agung Mustika, FIKOM UMN, 2018

Open Coding

Transkrip Wawancara Kun Budiharta

Tempat Wawancara: Kantor Beritagar.id Lt. 1

Senin, 2 Juli 2018 (13:35-14:20)

No. Transkrip Konsep Analisis Sementara

1. Tanya: Oke mas terima kasih untuk kesempatannya boleh wawancara untuk penelitian. Kemarin aku di certain Kang Dian sih, jadi sebelum ada mas kun kang dian sama mas jim, jim geovedi yang bikin aplikasi robot itu. Itu ceritanya gimana sih mas sampai akhirnya mas kun direkrut dan ikut ngembangin program itu? Jawab: Oke sebelumnya kan kami adalah dua perusahaan yang berbeda, satunya itu Beritagar.com terus saya dari Lintas.me. Jadi Lintas.me Beritagar jadi merger dan lahirlah Beritagar.id. Nah di Beritagar.com sudah ada mas jim sebenarnya, itu ngembangin robot untuk mesin rekomendasi yang membantu di Beritagar.com. Nah akhirnya karena aku udah merge akhirnya semua pekerjaan itu dilimpahkan ke saya. Gitu ceritanya.

Karena bergabung secara menjadi satu perusahaan, maka tugas merancang robot jurnalistik dilimpahkan ke Kun Budiharta

2. Tanya: Tapi waktu itu dalam rangka ngembangin robot jurnalistik itu ya mas, itu yang terlintas dalam benak mas ketika harus ngembangin robot jurnalistik gitu? Jawab: Pertama aku juga nggak tahu apa sih yang dimaksud robot jurnalistik, tapi akhirnya yang saya kepikiran pertama kali adalah gantiin manusia untuk bisa nulis berita sendiri dari berbagai macam sumber, bermacam bahasa, digabungkan dengan 1 efek tertentu jadilah satu tulisan yang memang itu di genre dari robot. Tapi semua itu kan butuh proses dan waktu tapi itu bisa gitu sih kalau dari saya.

1 Robot jurnalistik adalah teknologi membuat berita secara otomatis.

3. Tanya: Itu berapa lama mas sampai bisa 1


seperti sekarang, sekarang kan baru sepak bola ya dan pasar saham IHSG. Berapa lama sih ngedesignnya sampai jadi sekarang ini? Jawab: Kurang lebih sih dua sampai tiga bulan pengerjaan itu intens, konsolidasi data, karena robot hanya bisa men-generate apapun itu dari data yang terstruktur. Robot hanya bisa membaca data numerik saja, jadi harus ada konversi numerik dikembalikan lagi ke teks. Terus untuk gaya bahasa itu kita juga harus koordinasi dengan editor / tim editor atau tim redaksi untuk membuat pakem atau baku penggunaan kata yang baik dan benar seperti apa, apakah kita mau membuat yang bahasanya slang atau bahasa resmi atau bahasa-bahasa yang informal atau bahasa lisan kayak gitu.

4. Tanya: Itu datanya didapatnya, jadi mesinnya ini kayak terkoneksi dengan internet nggak sih mas, akhirnya ambil datanya dari internet gitu atau gimana sistem kerjanya mas? Jawaban: Semuanya pasti terkoneksi dengan internet, nggak ada yang nggak terkoneksi. Jadi awal mulanya adalah berita bola itu pasti seperti itu, udah ada pakemnya, udah ada formatnya, semuanya bisa dijadikan angka karena udah jelas jam tayangnya dimana, jadwalnya dimana, tim apa lawan apa itu udah ada jadwalnya, jadi kita udah tau siapa yang main. Susunan pemain pun itu sudah pasti di-publish sebelum pertandingan dimulai jadi semuanya bisa didatakan atau dibentuk tabulasi. Nah hasil pertandingan itu didapat dari statistik hasil yang sudah direkap jadi semuanya sudah ada, shoot on goalnya, penguasaan bola, berapa cornernya, berapa kartunya, sampai gol di-menit ke berapa itu sudah ada. Jadi sebenarnya itu hanya dari teks digenerik menjadi tabulasi diformat ulang menjadi sebuah data yang struktur habis itu baru digenerik menjadi teks kembali menggunakan template engine atau menggunakan translator.

1 Internet yang membuat orang bisa mengakses berita secara gratis salah satu sistem keunggulan robot jurnalistik.


5. Tanya: Kesulitan waktu bikin robot itu apa sih mas, yang paling susah gitu sampai akhirnya bisa jadi kayak sekarang gitu? Jawaban: Konsep dasarnya sebenarnya adalah sistem informasi memang lebih ke garbage in garbage out dimana reprosesifnya itu yang paling utama. Jadi pengumpulan data, validasi data, jadi semua kemungkinan-kemungkinan itu harus kita akomodir. Kalau untuk menjadi teks atau yang bisa di human readable atau orang yang bisa dibaca apalagi manusia itu sebenarnya ya cuma 30% dari proses itu. 70%nya adalah kita bagi 2, 40% untuk collecting data, cleaning dan segala macamnya, dan 30% lainnya adalah proses training mesin. Dimana trainingnya ini hanya untuk mencari padanan mana yang bisa atau susunan mana yang dipilih oleh mesin dimana dia akan men-generate sebagai teks. Jadi ya prosesnya tetap harus ada orang disitunya, jadi mesinnya hanya men-suggest seperti ini susunannya oke, beberapa kali kita kasih training oke udah oke, baru mesinnya bisa jalan sendiri.

1

6. Tanya: Itu jalan sendirinya bisa publish sendiri atau gimana? Jawaban: Auto-publish.

7. Tanya: Auto-publish, jadi tugas jurnalis itu hanya ngasih template kalimat gitu aja ya mas? Jawaban: Betul. Dari situ kan satu bulan untuk proses pengerjaan, satu bulan untuk bug fixing dan monitoring development, habis itu bisa publish.

1

8. Tanya: Itu kan masuk publish itu mesinnya kayak ada pemeriksaan gitu ya mas? Kayak misal data ini udah bener atau belum. Jawaban: Betul. Jadi setiap data yang udah dipublish kita harus cross check dulu apakah udah taruhlah yang paling sederhana data yang paling sederhana pertandingan ini sudah selesai atau belum. Ada yang sudah tayang atau belum. Ohh yang disini udah

1


tayang, cross cek datanya oke sama mirip, baru kita berani publish.

10. Tanya: Nah lihat sejauh ini sebenarnya, mas Kun kan terlibat juga dalam perancangan robot jurnalistiknya, mas Kun sendiri sebenarnya sudah puas belum sih dengan robot jurnalistik saat ini yang Beritagar pakai ini? Jawaban: Kita sih terus akan kasih improvement, kepuasan itu pasti nggak ada puasnya. Yang saya inginkan adalah memang tidak hanya bola, saham, tapi kita juga harus bisa mengakomodir beberapa segment lainnya kayak MotoGP, Formula1 yang memang semua structure data yang strukturnya ada. Tapi kita juga pengen main di-unstructurenya, dimana: berita politik, itu menurut saya lebih keren, lebih susah tantangannya tu disitu. Jadi mesin harus tau dan bisa menganalisa ini siapa, dimana, kapan, benar atau tidak, sampai nantinya benar-benar robot itu bisa tau, oh ini fake, atau ini hoaks. Nah itu baru kita berani terbit atau tidak. Dari sisi mesin cuma mengumpulkan semua informasi yang ada di media online. Kurasi yang sekarang ini akan full mesin biar digenerate jadi tulisan robot. Jadi manusia hanya nge-picking, oh ini berita topik hari ini yang bisa diangkat, coba mesin generated kayak gimana hasilnya. Jadi kita punya gagasan-gagasan lagi baru untuk meminimalisir resource yang ada, jadi nggak usah banyak jurnalis, jadi nggak usah banyak-banyakan wartawan, tapi kita bisa produce kontens sebanyak mungkin. Dari mana, ya dari berbagai macam data, bermacam source yang memang ada di internet.

1

11. Tanya: Jadi pengennya bisa mencakup berbagai macam isu gitu ya mas? Jawaban: Betul Tanya: Kalau misalnya pengen mencakup berbagai macam isu, misalnya politik nih mas. Kalau dalam bayangannya mas tantangan terbesarnya apa sih mas?

3


Jawaban: Belum banyak data yang valid, kita mau cross check gitu nggak ada yang bisa jadi acuan. Tapi memang kemarin sempat ada satu website yang memang digagas oleh Jurnalistik Indonesia itu dia pakai cek hoax, itu memang kerja sama dengan berbagai media untuk checking berita hoax atau bukan. Terus dari sisi entity-nya, identitasnya seperti apa, ini tu siapa. Taruhlah Basuki Tjahaja Purnama itu siapa, kalau ada entitas yang ngomongin Ahok itu merujuk kesitu loh. Nah dari situ tantangannya yang paling sulit. Jadi masih banyak PR yang harus dikerjakan kalau memang kita mau bener-bener robot yang nulis.

12. Tanya: Sebagai perancang robot jurnalistik itu mas punya pemaknaan khusus gitu nggak sih tentang robot ini dimata mas Kun, sebagai teman kah atau sebagai rekan jurnalis atau bagaimana mas? Jawaban: Sebenarnya kami membuat ini untuk menjadikan referensi pemberitaan dengan istilahnya angle satu angle yang memang general, dimana Beritagar itu nantinya akan membahas di angle-angle yang lain. Jadi kalau dilihat di media online lain itu, ya pasti pemberitaannya lurus-lurus saja gitu, jarang yang menampilkan sisi angle yang mana angle yang mana. Robot jurnalistik itu ya bagi kami adalah itu rujukan kami kalau itu, oh itu ada to yang nulis juga, oh robot udah nulis nih kayak gini. Berarti kita cari angle yang lain untuk nambahin tulisan si robot. Karena kalau kita mau bikin live blog atau historical tinggal nambah-nambahi data.

1

13. Tanya: Sebagai perancang juga nih robot jurnalistik, mas kun sendiri melihat masa depan jurnalistik itu ke depan bakal kayak gimana sih dengan adanya robot ini gitu, kan tugasnya jurnalis semakin berkurang nulis yang katakanlah receh gitu yang sederhana. Nah mas kun sendiri gimana melihat perkembangan jurnalisme besok kedepannya?

1


Jawaban: Kalau menurut saya itu, jurnalis itu nggak akan tersingkir. Kenapa, mesin itu hanya bisa mencari data di internet, kalau nggak ada yang nulis di internet, apa yang bisa degenerate oleh mesin, nggak ada. Jadi ya itu tadi, output dari jurnalis itu merupakan input bagi kami kayak gitu. Jadi tidak ada yang tergerus, tidak ada yang dirugikan, kami akan selalu saling menguntungkan dimana mesin itu hanya mengcross cek atau memvalidasi dimana berita itu disebar. Kelak mesin itu nanti bertugas bener-bener checking dimana mana sih yang anomali, media apa yang nulisnya ngawur, media A menulisnya seperti ini, media B menulisnya sama, media C sama, ada media D yang nulisnya agak diplintir, jadi anglenya beda, konteksnya jadi lepas, salah makna jadi nggak jelas, mungkin bisa jadi isu baru atau jadi pemberitaan yang palsu. Karena berita palsu atau hoax itu susah banget untuk dideteksi. Taruhlah Jokowi meninggal dunia, ada yang tahu, nggak ada, robot juga nggak bisa ini bener meninggal atau tidak. Kalau tidak nggak ada inputan berita ini apakah mesin bisa ngecek orangnya langsung, nggak bisa. Karena nama Joko Widodo di Indonesia ini nggak hanya satu. Kemarin aja itu contohnya, itu ada karangan bunga yang dikirim oleh presiden Joko Widodo ke Joko Widodo yang meninggal dunia itu ada. Jadi itu real. Biasanya kan media kan ‘Joko Widodo meninggal dunia, apakah itu benar?’ oh itu benar, tapi bukan Joko Widodo Presiden Republik Indonesia.

14. Tanya: Waktu pas ada kerja sama gitu sempat ngalamin beda persepsi gitu soal robot ini gitu? Jawaban: Ya pasti ada, ada yang memang bisa dibahasakan menjadi mesin dan ada yang tidak bisa dibahasakan menjadi mesin. Contoh sederhananya itu, kalau saya sebagai orang IT atau orang yang memang menekuni robot aja gitu, ada nggak sih key value yang bisa langsung

1


merepresentasikan oh ini benar, ini salah. Kalau dibola nggak ada semua, semuanya itu agak susah untuk ditebak. Jadi kita harus mencari bagaimana oh ini benar bisa dijadiin pembobotan, oh ini nggak bisa, oh ini bobotnya kecil, bobotnya besar, oh nggak bisa kayak gitu, kita harus kayak gini. Jadi mesin itu nggak bisa salah, tergantung bagaimana orang yang ngajarin, kalau mesin itu generate salah menurut orang lain, jadi yang ngajarin robot itu yang salah. Sederhana kayak gitu. jadi kita harus bener-bener oke bikin scenario satu, kalau tim ini musuh tim ini bagaimana skenarionya, apakah di tim ini berdasar apa pembobotannya, oke Mancester United itu lebih tinggi daripada Swansea City. Menurut siapa, robot nggak tahu. Nama yang buat pembobotannya, oke kita lihat track record pemainnya, berapa harga pemainnya kan ada. Oh, pemain ini harganya sekian di bursa transfer, ini sebagai salah satu pembobotannya. Dimana tim yang memiliki value yang lebih tinggi itu yang menjadi tim utama atau angle dari sini gitu, itu skenario satu. Skenario dua, eh kalau Manchester United itu kalah dari Swansea City bagaimana, apakah itu kita anglenya dari mana, apakah pendukung dari Manchester atau bagaimana, itu angle kedua. Angle ketiga, kita ambil dari home atau away, oke home biasanya atau away gitu. tapi kalau itu baru scenario empat ya, scenario lanjutannya kalau dia kota setim bagaimana, apa tim satu kota.

15. Tanya: Jadi semakin banyak skenario semakin rumit untuk masukin templatenya itu ya mas? Jawaban: Betul. Nah dari situ baru kerumitan itu baru bisa diatasi oleh mesin, di mana mesin itu bisa meng-execute berjuta-juta kondisi ya kan, jika ini lawan ini gimana, skenarionya mana segala macam, sama dia memang fokus untuk meng-execute komputasi angka. Semuanya kalau udah di matriks jadi angka, mesin akan bisa

1


memproses itu dengan kecepatan yang memang berapa gigabyte untuk menghasilkan output yang memang fokus execute komputasi angka semuanya kalau sudah dimatrikskan menjadi angka mesin akan memproses itu dengan kecepatan yang sudah diatur berapa giga per seconds untuk menghasilkan output-nya. Nah dari situ kita latih mesin, kalau ini gini nih ketemunya, skenario ini yang dipilih, kalau ini sjenario ini yang dipilih. Dari situ kita kasih anomali-anomali sekian banyak random list contoh scenario, dari situ biar mesin yang memilih.

16. Tanya: Kalau kemarin itu aku ngobrol sama Kang Dian itu, kelemahan robot ini kan dari templating-nya mas, jadi kayak berita satu dan dua oke objeknya berbeda tapi gaya bahasanya sama gitu, jadi cenderung membosankan. Sebenarnya memungkinkan nggak sih robot jurnalistik kedepannya, kayak manusia gitu bisa ngasih gaya bahasa. Jawaban: Bisa, yang gak bisa itu hanyalah memberikan emosi, jadi kalau pemilihan kata sebenarnya bisa dilatih, semakin banyak yang terjun untuk memberikan contoh gaya bahasa tulisan itu semuanya pasti bisa. Karena mesin akan belajar pemilihan kata setelah A ini apa ini apa gitu. Menurut mas, bisa nggak kita nyari hubungannya cuaca sama demografi?

3

17. Tanya: Nggak bisa. Jawaban: Bisa kok. Caranya kita lihat data historical 15 tahun terakhir, anak itu rata-rata lahir dibulan apa. Dilihat, oke lahir itu dibulan apa kebanyakan sekian persen dilihat mundur sembilan bulan terakhir ternyata dibulan ini, ternyata o dibulan ini itu cuacanya apa, o ini penghujan. Kesimpulannya apa, pada saat penghujan banyak yang bikin anak baru lahirnya dimana gitu. Jadi cuaca itu ada hubungannya dengan demografi. Tingkat kelahirannya sekian persen.

1

18. Tanya: Itu kalau dirobotin gimana mas, 1, 4


mungkin nggak sih? Jawaban: Bisa, tapi yang jadi masalah adalah jadi boring. Kenapa boring, data itu munculnya cuma setahun sekali atau enam bulan sekali. Terus fungsinya buat apa. Mendingan powerful jika datanya itu terus bergerak, terus berganti yang modelnya itu harian atau mingguan. Kayak gitu lebih menarik, karena investasinya itu gede banget, kalau itu untuk men-generate data 6 bulan sekali, apakah itu harus beli satu server khusus, enggak. Kalau digunakan tiap hari, untunglah ya.

19. Tanya: Kira-kira kisaran biaya berapa sih mas ngembangin program gitu? mungkin sampai 100 juta? Jawaban: 100 juta nggak ada apa-apanya. 1 server itu kisaran harganya antara 30-60 juta. Itu servernya aja. Sedangkan kita juga butuh langganan koneksi internet, di mana langganan koneksi internet itu taruhlah kita butuh 10 giga kita harus anggarkan 6 juta. Nah itu udah berapa. Sewa raknya itu berapa.

4

20. Tanya: Sewa rak itu maksudnya gimana mas? Jawaban: Kalau server kan harus ada di data center kan. Di data center kan kita harus sewa raknya untuk naruh server itu. Maintainance orangnya, kalau servernya mati gimana. Itu baru satu orang. Terus yang coder itu berapa yang bikin aplikasi yang coding, apakah nggak butuh jurnalis untuk bikin template, tapi hasilnya apa. Taruhlah untuk robotorial itu saham yang mau kita incar gitu, saham itu variasinya banyak, lalu bisa dikembangkan kemana-mana, katakanlah gitu. Data IDX aja itu bisnis.com bisa ngeluarin data variasi 4 5. Taruhlah kita bisa penutupan saham itu satu. Top gain satu top move satu penutupan sesi satu juga satu. Lima kali 30 itu berapa. Padahal 1 orang di Beritagar itu jurnalis lah, nulis berita ekonomi sehari paling dua. Berarti butuh berapa, dua

4 Seharusnya manusia bisa mengerjakan berita yang tidak bisa dikerjakan robot.


setengah orang untuk mengakomodir bikin berita. Padahal kan bayaran jurnalis kan gitu, kalau senior berapa, kalau junior berapa, biasanya junior-junior yang harus bener-bener challenge sama mesin. Mesin aja generate kayak gini, masa manusia gak bisa, harusnya lebih bagus.

21. Tanya: Kalau gitu jurnalis manusia ngerjain sesuatu yang lebih deep gitu nggak sih? Jawaban: Iya benar. Robot itu hanya bisa ngerjain dikulitnya saja. Robot itu nggak bisa investigasi, robot itu cuma bisa tahu oh oke hp ini kotak, tapi manusia bisa melihat ini lho dibalik kameranya ada, robot kan nggak bisa, dia what you see is what you get. Manusia kan bisa punya akal oh bisa kok dinyalain, install aplikasi ini aja, harusnya kan kayak gitu. gimana caranya, oh gini gini.

3

22. Tanya: Mas aku pengen tahu deh, maksud bedanya data dan big data itu apa sih? Jawaban: Big data, data itu apa sih kalo mas agung pahami? Tanya: Data itu kumpulan datum-datum kan. Jawaban: Datum itu apa? Tanya: Hmmmm, apa ya, aku agak rancu juga sih mas dengan istilah itu. Jawaban: Big data itu ya hanya sekedar istilah sederhana. Bedanya internet sama computer LAN itu apa? Sama aja kan. Internet itu Cuma semua computer bisa connect dijadiin satu LAN, udah. LAN kan intranet, Karena skupnya lebih kecil, kalau internet lebih gede. Sama aja kan data sama big data itu apa. Data itu apa sih sebenarnya, data itu ya kumpulan informasi, udah itu doang. Nggak tahu ini data benar atau salah ini garbage atau bukan data itu bisa teks, bisa numerik, bisa apapun, apapun itu data, ya datum itu salah satu data. Datum itu apa kan kita nggak tahu. Nah big data, itu sekumpulan data yang memang sudah diolah o ini data ini, ini data

1


ini, yang data bervariasi dengan format yang bervariasi. Taruhlah ada imagenya, ada teksnya, ada tabelnya, ada excelnya, ada pdfnya, semuanya ada disitu yang bisa terkoneksi dan bisa tersentralisasi, bisa diekstraksi. o aku pengen contoh sederhana gini, data ada big data yang memang server big data itu gedhe banget bisa mengelola semuanya gitu. ini ada data jawa timur, ada data DKI Jakarta. Dimana DKI Jakarta adalah ibukota Negara Indonesia, udah ada fotonya. Oh, kalau big data ada data orangnya, oh ini ada petanya, dijadiin satu jadi ada dua data. Ini ada keterangannya ini, tempat wisata Jakarta itu dimana aja sih. Oh disini. Oh, makanan khas Jakarta itu apa sih, o disini. Oh perusahaan – perusahaan yang ada di Jakarta itu apa aja sih yang buka, oh disini. Nah itu lah namanya big data. Apapun yang merujuk ke identitas tertentu itu bisa dinamakan big data. Ya itu tadi semakin deep.

23. Tanya: Indonesia dalam tahap seperti itu kayak gimana sih mas? Belum ya? Dan menurut mas sendiri itu gimana? Karena aku sendiri melihatnya, Indonesia itu kan baru mulai ya, baru serius gitu, jadi kita yang paling umum katakanlah BPS gitu, aku kan denger cerita dari Kang Dian Beritagar itu beli data dari BPS itu kan, dan itu katanya datanya itu nggak bersih gitu. berantakan dan masih sangat perlu dirapikan gitu, jadi ya belum sampai kesitu sih, tapi big data mungkin terakhir aku pernah nonton di youtube, misalnya gimana gojek membaca pola konsumsi masyarakat, jadi ya selain gofood, goclean segala macam gitu-gitu. Jawaban: Artinya kan big data itu kan merujuk ke IOT. Misalnya every single person have connectivity with internet. Salah satu terapan IOT ya memang gojek, gofood, go massage, … satu apps dimana wah gue pengen makan ya udah dateng makanan dan gue bayar itu konsep IOT. Setelah itu behavior google udah nangkep kita dengan gadget kita. Kenapa traffic light di google

1


maps itu ada, ini merah macet, padahal gps kita nggak dihidupin. Sebenarnya hidup, hidup nggak hidup ini hidup. Ini cuma notifnya oo oke. Iphone, pernah nggak google itu kalau pas kita buka kamera, terus kita buka aplikasi yang lain, kameranya hidup nggak dia. Gue geser ya ini kan meja ya tadi ya, viewnya ganti nggak. Ganti kan, hidup. Kalau dia dapat wifi dia sebenarnya ngirim. Terus kalau dari sisi storagenya dia udah synchrone dengan google drive. Tau tau kita ada di gedung polytron, tau tau Google mapsnya o kamu punya suggestion mengenai polytron gedung, aktif nggak gpsnya, enggak tapi dia tau, padahal hidup, sama aja berapa orang yang pesen gofood dimana aja, itu untuk apa sih sebenarnya, kesimpulan topic data itu Cuma untuk mengupdate kesimpulan dimana mengambil keputusan itu mudah, oya gojek banyakin orang disini dong soalnya disini banyak yang pesen, o tempat ini disini disini. Untuk apa, untuk mengantisipasi adanya crown di sini. Untuk apa akhirnya, untuk reviewnya juga.

24. Tanya: Itu masih di data ya mas? Jawaban: Asumsi big data itu pokoknya banyak variasi data, di mana tidak hanya satu bentukan data, atau inputan data, o ini data BPS atau data apa di compare jadi satu ada kemiripan, … lalu ambil kesimpulan apa,

1

25. Tanya: Tapi serem juga ya mas privasinya itu? Jawaban: Kalau sekarang kan udah nggak ada privasi, cuma privasinya dari sisi program apa, disisi apps-nya aja dia mau ditutup atau tidak. Yang kecolongan kemarin kan si facebook itu, sebenarnya udah dari dulu google harusnya juga udah kena, karena sebenarnya privasi yang paling secure itu email, tapi email di inbox selalu ada promosi, berarti kan dia udah baca email lu. Siapa aja yang udah masuk, main game nggak o main game, jadi iklannya ya gitu terus. Oo lihatnya bokep nih, tau tau bannernya iklan dimana jual saham. Oh, buka saham nih, tau tau iklannya saham.

1


26. Tanya: Bahkan gue juga pernah juga sih mas, kayak lagi chat gitu di line ngomongin temen, o Agnes ke Penang terus buka google ada iklan tiket ke Penang. Gila dan gue ngerasa kayak nggak kebetulan aja gitu, tiba-tiba ada iklan tiket ke Penang. Dan ngerasa ini bukan sebuah kebetulan. Jawaban: Nggak mungkin itu, kayak sederhana kita foto-foto makanan, o orang ini suka makanan. Oo dia lihat instagram sepatu-sepatu tas ya pasti diikuti sampai dapet. Wong google aja tau kita cowok atau cewek kok, umur berapa. Ya tidak dipungkiri berapa banyak orang yang masukin umur tanggal lahir di google itu bener. Mungkin 80% orang masukin bener, nggak mungkin enggak. Di facebook pun gitu, 70% pasti masukin tanggal yang bener. Dari situ untuk data training, kayak orang ini jam segini ngapain, sukanya apa, dari situ bisa kumpulin data.

1

27. Tanya: Kalau robot jurnalistik itu memungkinkan nggak sih mas, kayak tanda kutip nyari informasi ke situ gitu? Jawaban: Bisa, kalau datanya bisa kita manage sendiri atau ada sumber yang memang terpercaya itu ya bisa aja. Yang belum bisa itu robot jurnalistik itu tentang berita politik.

3

28. Tanya: Kang dian juga bilang kalau politik itu datanya sering dispute gitu mas? Jawaban: Nggak jelas, politik itu itu nggak bisa. Paling bisa itu masuk ke bisnis, ekonomi, sport. Yang nggak bisa itu pokoknya yang ada orangnya itu nggak bisa. Entertain, nggak jelas itu apanya yang dibahas, sampah. Kalau penonton tv itu ya tipe C lah. Kalau A B itu paling ya BBC, Animal, planet, yang bener-bener gitu beritanya. Kualitas tv Indonesia itu kayak aduh nggak jelaslah. Tapi banyak yang lihat, susah juga. Tapi kalau nggak dirubah sama tv ya nggak bisa. Ya itu salah satunya Mas Wishnutama Net TV itu, bisa ngubah angle

3


itu gitu. oke talkshow, oke sinetron yang nggak kayak gitu. Terus ya tayangan-tayangan yang ada edukasinya ya, nggak cuma sekadar ya Allah.

29. Tanya: Kan misalnya kalau set template itu tadi, kalau yang bikin manusia itu kecenderungannya kayak bikin, woow terungkap dia gini gitu. kalau robot ya kayaknya kalau aku baca sih ya bisa kan. Jawaban: Taruhlah kalau gue ngomongin masalah ekonomi nih, saham Telkom lagi anjlok gitu. Taruhlah ada salah satu scenario template yang bener-bener bahasanya slang gitu, terus gue ngutip dari okezone yang sering ngaco, biasanya okezone itu astafiruglah saham Telkom anjlog sekian persen, apakah nggak diklik tuh. Bisa itu nambahin gitu doang, tentang kondisi yang diambil adalah top loser, di saham paling tinggi berapa berapa presentasenya. Maka siapa yang paling tinggi penurunannya, maka apa. Judulnya variasinya ini loh listnya, yang mau kriterianya kayak gimana, oo kalau dia sahamnya yang chief kayak Telkom, Telkomsel, Sampoerna, yang gitu-gitu yang brandednya kita udah tau. Aku milihnya skenarionya yang ini nih, yang ekstrim, kalau yang biasa-biasa ini gitu, jadi kriteria-kriteria itu harus kita susun dulu, untuk mesin bisa bagging oh gini oh gini. Dari sini dia bisa milih sendiri scenario yang mana gitu.

1

30. Jawaban: Sebenernya gue pengen ya itu tadi robot jurnalistik ini ke depannya bener-bener bisa ngerjain sesuatu yang jadi entry point jurnalis untuk ngerjain sesuatu yang lebih in-depth lagi. Kayak misalnya Setya Novanto. Dah tuh kita klik lewat robot, semua berita udah terkumpul dikurasi, kan pasti buanyak banget beritanya. Robot bisa ngasih tau, oh ini Setya Novanto pernah ada hubungan sama pejabat ini pejabat itu, ini lho ada datanya. Oh, media ini udah bahas, media ini juga bahas hal yang sama. Analisis robot kita ini ini ini, coba dipecah lagi mana angle yang bisa digarap jurnalis. Namanya kan jurnalisme data. Ya kalo

1


nggak ada datanya ya nggak bisa dibikin konten yang lebih depth lagi. Jadi nggak papa nggak usah banyak-banyak jurnalis, tapi kita bisa ngasih berita yang dalem dan bermutu gitu. Lha kalo kita bikin berita yang cuma lima enam paragraf pake jurnalis kan wasting time. Seharusnya jurnalis itu ngerjain sesuatu yang bisa lebih keren daripada robot. Gitu.



1. Tanya: Jadi, sebenarnya kalau yang sama mbak Nia, intinya kayak jurnalisme Beritagar yang mbak Nia alami tu udah puas belum sama jurnalisme di sini gitu sih atau apa yang bisa dikembangkan lagi gitu sih. Gimana mbak itu memaknai Jurnalisme Data? Jawaban: Sebenarnya kalau, mungkin tadi kalo jurnalisme data udah diceritain sama Kang Dian. Cuma kalau aku memahami data itu ada 2 macam, Data Kuantitatif sama Data Kualitatif. Ketika kita bilang Jurnalisme Data itu lebih mengarah ke data kuantitatif, karena selama ini yang banyak diberitakan media-media itu pakai data kualitatif, which is satu itu statement dari pejabat atau statement dari narasumber. Memang ada beberapa media yang pakai data kuantitatif untuk penguatan statement itu. Misal terutama kayak berita-berita ekonomi ya, kayak misal IHSG, atau berita ekspor impor, itu mereka pasti pakai data kuantitatif. Tapi kalau misalkan kayak di, gue dulu wartawan hukum, kalau di hukum kayak korupsi dan kriminal itu pasti pakai data kualitatif dari statement narasumber nggak ada data statistiknya itu nggak ada sama sekali. Jadi itu menurut gue itu sesuatu hal yang baru buat gue dan buat dunia jurnalistik di Indonesia. Terus hemm, pertanyaanya tadi apa gue lupa, itu background utamanya ya. Terus elu tanya apakah gue udah puas belum gitu ya. Kalau so far dibandingin dengan negara lain, gue akui Indonesia itu masih growing, masih di awal banget. Kalau gue bisa bilang, tapi ini subjektif banget, yang terjadi di Indonesia itu sudah terjadi 3 atau 5 tahun lebih dulu di Inggris. Yang pernah gue alami sih di Inggris, gue belum pernah ngalami di Amerika. Jadi kita tu kayak mundur sedikit dari apa yang udah mereka e wartawan-wartawan Inggris lakuin. Tapi di Inggris pun belum semua media konsep ke sini, ada beberapa yang masih concern-nya ke lebih banyak ke data kuantitatif dan pakai cara media old school kerja gitu. Terus apakah udah puas? Sebenarnya gue gak bisa bilang puas sih, karena gue merasa masih banyak banget yang bisa dikembangkan. Gue pun mengolah datanya masih sederhana banget, misal ada 2 data statistik gitu ya contohnya data apa ya, yang terakhir data tingkat pengangguran di 17 wilayah pilkada gubernur di

1, 3


Iya itu yang buat rapat tiap hari jumat. Setelah rapat, udah dirapatin terus ditentuin siapa penugasannya, siapa ngolah apa, siapa nulis apa, biasanya kalau gue sih sih ngolah data satu atau dua, kalau lagi padet ya tiga data terus nulis itu pasti, nulis minimal satu, pernah dua seminggu, terus membantu teman redaksi sih paling. Gue seminggu sekali itu doang buat yang harian, buat yang mingguan sorry yang buat lima kali seminggu itu, minimal nulis satu, sama beberapa kalau ada proyek gue nulis juga, kayak missal ekonomi kreatif gue nulis, artikel data semuanya bahkan, 5 atau 6 artikel gitu satu proyek, ini gue juga lagi nulis yang selain artikel harian itu tentang pungutan sosial gitu.

6. Tanya: Kalau menurut mbak Nia, minat baca orang Indonesia menanggapi konten jurnalisme data itu gimana sih? Jawaban: Kalau minat yang baca statistiknya gue nggak tahu, mesti tanya ke orangnya gitu, orang marketing yang punya data statistiknya. Tapi kalau gue melihat banyak sih yang udah notice kalau Beritagar itu udah pakai jurnalisme data dan ceritanya itu udah berbasis data itu udah banyak banget. Terus apakah banyak yang baca gue gatau, mesti tanya datanya. Terus efektif atau enggak, gue bilang nggak banyak yang langsung masuk ke website Beritagar, sosial medianya pun nggak gue rasa kurang, kurang apa ya, hype-nya kurang segedhe media-media yang lain mereka infografik dan segala macam gitu, karena tim data itu gak melulu pakai infografik doang, karena kalau tim datanya sendiri di artikel itu pakai grafik sih kayak modelnya lebih The Economist, karena ke belakang emang kita lebih ke The Economist gitu.

1

7. Tanya: Kalau mbak Nia sendiri punya pikiran jurnalisme data kita itu formatnya mesti gimana lagi nggak sih, supaya lebih bagus gitu, ataukah video atau apa? Jawaban: Iya mesti banyak kayak gitu, so far sih di Beritagar itu cuma artikel doang, infografik pun infografik berbasis data yes, tapi video belum, konten-konten media sosial juga belum, konten-konten media sosial itu kebanyakan mereka cuplik sendiri kayak screen capture atau mereka upload gambar dari grafik yang udah di design dari Tim Lokadata, tapi mereka nggak buat konten sendiri, dikasih gif atau video sedikit, animasi apa kek gitu, dan menurut gue yang kurang di Beritagar itu

1


hal informasi tambahan, konteks bukan Cuma data doang, itu dibutuhuin sama penulis, ketika gue mengolah data itu gue kadang perlu menambahkan konteks, tapi kadang-kadang teman-teman data dan kadang gue pun karena kesulitan menemukan story atau konteks nyambung, kadang Cuma ngasih datanya doang ke penulis. Gue Cuma mau bilang misal yang terakhir zakat nih, gue ngasih datanya doang, gue Cuma ngasih pancingan ini ada kenaikan jumlah zakat ketika lebaran tapi gue nggak ngerti kenapa, disamping karena agama islam ya, terus penyebarannya juga dulu banyak di sosial dan sekarang menyebarnya merata kalau di datanya Baznas, nah itu gue Cuma ngasih datanya kayak gini silahkan dikembangkan sendiri penulisnya, tapi lu bisa tanya ke narasumber ini poin-poinnya, gue paling Cuma ngasih kayak gitu doang sih. Ngerti nggak? Jadi ada teks ada konteks seringnya si Data ini Cuma ngasih datanya doang teksnya doang tanpa konteks atau cerita, padahal si penulis butuh konteks buat menuliskan datanya ini.

11. Tanya: Waktu pertama kali masuk sini, pernah ngalamin kayak briefing penyatuan pikiran gitu nggak sih sama Kang Dian atau sama siapapun yang diatas kak Nia kalau misalnya jurnalisme data Beritagar itu pengen ciri khasnya kayak gini gitu? Jawaban: Oya pasti pasti, pasti di briefing dulu, berulang kali kang Dian kayak bilang ke kita ‘kalau mau bikin grafik coba lihat The Economist’. The Economist itu kayak yang die hard banget sih kayak melihatt visualisasinya, terus melihat mereka analisis datanya kayak gitu, terus hmmm iya pasti di briefing sih kayak mereka mau mengarah kemana, terus habis itu sejauh ini gimana iya sih paling itu

3

12. Tanya: Kalau kak Nia udah ngalamin semua itu sampai sekarang, kalau sekarang ini nih, detik ini kak Nia itu memaknai jurnalisme data seperti apa gitu? Jawaban: Hmm, sebenarnya apa yang gue lakuin sekarang ini itu udah sesuai dengan apa yang gue bayangin sebelum masuk sini. Kayak dan ini kan ya kayak jarang banget yang bekerja spesifik ke sini. Banyak banget tim data kayak litbang Kompas kalau bahasanya Tempo PDTA, tapi jarang yang jurnalis tapi dia nulis data. Dan ketika gue masuk sini, gue

4


yang banyak serius. Kayak jadi kita masih kayak me… Hmmm iya sih, kalau gue sih berusaha ngebuat tulisan ini dibaca banyak orang gitu, tapi dari atas sih benarnya juga pengen mencoba lebih popular sedikit gitu. sebenarnya kalau ditanya, sebenarnya gimana sih caranya nulis artikel data, itu juga menjawab pertanyaan jurnalisme data terutama karena belum ada skema yang baku, ini tu masih bereksperimen silang. Makanya gue nggak kaget ketika tulisan data udah serius gitu, nggak banyak yang baca tu wajar, karena mereka masih berusaha mencerna, audiens berusaha mencerna tulisan data itu, apa sebenarnya pesan yang pengen disampaikan.

17. Tanya: Kalau untuk mbaknya sendiri, jurnalisme data yang diusung Beritagar itu udah sesuai belum sih sama visinya, Merawat Indonesia? Jawaban: Mencoba sejalan dan sepikiran iya, kita banyak banget kaya data film-film Indonesia. Kayak hampir sebulan itu bisa dua kali tiga kali malah data film Indonesia, misal yang terakhir itu gue malah film Indonesia yang tayang setiap kali lebaran dan Idul Fitri. Itu film-film Indonesia yang diolah menurut gue salah satu cara untuk Merawat Indonesia. Pernah suatu ketika gue minta ngajuin, tolong dong ini boleh nggak kalau nganalisis film luar negeri, misal film kartun dari Disney atau dari mana itu sempat dimentahkan sama supervisor gue, karena kenapa lu nggak coba aja film Indonesia, kartun Indonesia atau film dalam negeri instead lo ngolah data film kartun luar negeri itu salah satunya. Terus yang kedua yang ketiga mungkin Kang Dian udah nyebutin kayak misalnya artikel soto, itu juga kayak mencoba menelusur keragaman kuliner yang ada di Indonesia. Terus ada sambal, terus yang terakhir ini teman gue lagi mengolah data tentang jamu gendong, kayak jamu-jamu apa aja gitu. terus satu itu lagi tentang Indonesia. Terus kita pernah ngolah data juga soal itu ya tentang budaya, oh gue pernah ngolah data permainan tradisional juga di Indonesia. Terus banyak banget ngolah data statistik ke Indonesia, karena mayoritas sumbernya BPS, kementrian, pemerintah, lembaga riset juga ada, dan itu kebanyakan di Indonesia. Jangan sih artikel data itu yang spesifik ke Internasional. Gue pernah beberapa kali ngolah tapi nggak banyak, kayak itu misal

4


Open Coding

Transkrip Rahadian Prajna Paramitha

Wawancara dilakukan di Kantor Beritagar.id Lantai 1

Selasa, 26 Juni 2018 (14.38-16:17)


1. Tanya: Terima kasih kang Dian sudah menyediakan waktu dan tempat untuk wawancara. Sebenarnya apa visi misi Beritagar sehingga menyajikan jurnalisme data? Jawab: Visi misinya kita kan naro semboyannya Merawat Indonesia ya, gagasan itu salah satunya muncul lewat hmmm kesadaran bahwa sejak munculnya internet itu pertumbuhan media online itu kan luar biasa kenceng gitu. Sekarang mungkin sudah ada lima ratus ribu lebihlah nggak tahu itu termasuk yang abal-abal nggak. Nah saturasi informasi kan makin tinggi sementara kita cukup yakin bahwa publik akan bingung gitu kalau terlalu banyak informasi. Hmmmm, kita kurang lebih semua sama. Nah, yang kita lihat yang serius berbasis data itu belum banyak. Jadi kalau kita bikin yang baru ya kita nggak mungkin ngikut cuman dengan pola yang samalah. Jadi kita melihat ada satu hal yang baru yaitu di data driven journalism itu. Tapi luar negeri mungkin udah cukup populer tapi di kita kan enggak. 2015 itu apa lagi belom terlalu kedengeran. Yang jelas waktu itu yang main baru sangat sedikit baru katadata misalkan ya Tirto mungkin ya baru segelintirlah yang serius main kayak kita. Jadi kita lebih memilih ke situ aja.

4 Jurnalisme data jadi ciri khas Beritagar.id untuk bersaing dengan media online lainnya.

2. Tanya: Nah, pandangan Kang Dian sendiri tentang jurnalisme data itu apa? Jawab: Data driven journalism itu kan udah

1 Data bisa jadi titik awal membuat karya jurnalistik.


ada pakemnya ya meski pun bisa diperdebatkan secara akademik misalnya. Tapi dari pengalaman yang kita lihat ngobrol dengan pelaku-pelakunya sebagian jurnalisme data yang dimaksud itu kan sekarang bagaimana data jadi entry point reporting. Jadi kalo istilah menurut siapa saya lupa siapa yang sering ngomong itu bagaimana bercerita lewat data. Jurnalistik itu kan mostly storytelling. Kita mencari cerita mencari sebuah story nah saya lebih suka nyebutnya bercerita dengan data. Jadi ceritanya itu ada banyak sekali cara bercerita di dalam jurnalisme tapi bercerita lewat data itu kayaknya masih jarang. Kita mengenal format feature misalnya lewat kisah orang-orang misalnya kisah dramatis lainnya gitu cuman hmm data itu ceritanya sedikit beda. Dia tidak kalau feature itu kan biasanya ngomongin detail kalo person sangat personal misalnya pengalaman satu orang atau orang sementara data itu selalu bicaranya kan lebih mencoba mengcover aspek yang lebih luas. Dia bisa ngomongnya lebih gede. Bisa ngomong kota bisa ngomong bahkan ngomong negara ngomong dunia gitu dalam satu chart data. Nah itu hal yang menarik untuk dieksplor. Terlepas dari apa tantangan soal keterbatasan data di Indonesia ya itu hal lain itu tantangan emang seperti itu.

3. Tanya: Kalo jurnalisme data yang sedang dijalanin Beritagar.id itu seperti apa ya mas? Infografikkah atau grafik aja atau seperti apa? Jawab: Kita punya pembedaan kalo internal kita cukup clear ya. Infografik itu lebih ke basisnya kan infografik ya. Maksudnya itu grafik itu tidak diartikan sebagai grafik batang bar itu bukan tapi grafik secara umum yang dalam dunia desain grafik disebutnya sebagai image gambar gitu. Infografik itu sebenarnya ilustrasi yang bercerita. Tapi mostly dia akan bicara tentang hal-hal yang teknis misalnya alur atau ya misalnya bicara detail kayak kita membelah mesin pesawat dan menjelaskan

1


apa saja yang ada di dalamnya yang susah kalau diceritakan lewat pake kata-kata atau tulisan. Tentunya image atau gambar tadi sangat membantu. Sehingga fungsi gambar visualisasi sangat penting. Itu definisi infografik kita. Gimana memvisualkan yang verbal atau tulisan. Hmmm, kalau jurnalisme data yang kita maksud data itu emang harus divisualisasi. Ada banyak caranya mau pake sistem yang statik seperti image dengan grafik-grafik standar atau interaktif dengan banyak sekali tools macem-macem nah itu soal pilihan teknis aja. Kita pake nyaris semuanya.

4. Tanya: Jadi video juga pake ya mas? Jawab: Video kita pake cuma nggak terlalu sering. Itu salah satu kalo video itu malah kita arahkan sebenarnya di bawah infografik. Jadi infografik itu kalo bisa dijelaskan dalam satu halaman kita pakai infografik. Kalo terlalu kompleks kita bikin videografik. Jadi videografik sebenarnya arahnya lebih ke turunannya infografik. Makanya secara struktur di sini tim videographer motion graphic itu ada tim visual. Jadi dia sebagai ekspansi kalo infografik nggak sanggup menampung informasinya ini kayaknya harus divideografikkan.

1

5. Tanya: Tapi pernah nggak sih mas bikin pakai semua format? Ada feature Panjang ada datanya terus dilengkapin infografik, video semua dimasukin gitu? Jawab: Itu soal pilihan aja kalo diperlukan kalo misalnya dibutuhin ya dimasukin kalo ya perlu ya nggak usah. Tidak ada kewajiban bahwa semua berita harus memuat semuanya itu. Itu soal kebutuhan aja sih.

1

6. Tanya: Lalu proses redaksional konten jurnalisme data itu gimana sih mas? Jawab: Kalo di kami ada dua tim. Redaksi sendiri tim data sendiri. Tim data ini tidak hanya bekerja mendukung redaksi tapi juga entitas sendiri nantinya juga akan menjadi

1 Tim redaksi membuat berita, tim data mengolah data yang akan dijadikan reportase.


sub entity dari Beritagar yang nantinya akan mengerjakan kerjaan komersial yang tidak ada hubungan dengan redaksi. Jadi mereka akan bekerja di dua kaki. Karena dia nanti akan sekarang kita punya yang namanya Lokadata. Nah Lokadata ini kita arahkan sebagai bagian dari model bisnis bagaimana kita bisa menjual jasa pengolahan data misalnya atau publik ke perusahaan atau pihak ketiga selain mengandalkan model bisnis iklan. Jadi kita memang dari awal tidak mau terlalu heavy mengandalkan iklan. Jadi salah satu spin off model bisnisnya jadi ya kita jualan jasa data itu. Mau bentuk konsultasi mau bentuk reporting atau pengolahan bahan kadang-kadang sampai penyajian bahkan kita bisa ngerjain tapi itu bukan urusan redaksi sebagai entity Lokadata. Nah Lokadata ini juga punya tim yang khusus untuk membantu kinerja redaksi. Terutama di pengolahan dan visualisasi.

7. Tanya: Jadi proses mencari datanya secara manualkah atau bagaimana sampai jadi konten jurnalisme data? Jawab: Mekanismenya kalo di kita itu usulannya mingguan. Setiap minggu hari Jumat itu mengusulkan lima isu yang akan dijadikan digarap minggu depan. Jadi lima itu akan diterbitkan minggu depannya. Usulannya kita masuk di hari Jumat. Sekarang malah kebanyakan usulan datang dari kebanyakan teman-teman data. Ada data ini data ini data ini kita putuskan lima yang mau diangkat yang mana. Nanti mereka yang garap pengolahan datanya, sampe visualisasi baru nanti tim redaksi yang menulis dan menerbitkan di minggu berikutnya. Jadi kita rutin setiap minggu sekarang lima artikelnya.

1

8. Tanya: Jadi yang nyari data Tim Data yang nulis itu Tim Redaksinya? Jawab: Sebagian besar begitu. Tapi ya kadang-kadang redaksi yang nemu nih ada data menarik nih kalo misalnya diangkat difollow up bisa juga kayak gitu. Karena selain lima khusus itu artikel harian kita juga

1


seringkali melibatkan data. Jadi kita kayak yang hari ini misalnya ngangkat yang kasusnya Lippo itu, Lippo itu kita ngelengkapin storynya dengan laporan keuangannya Lippo. Jadi kita platform namanya Gallery Lokadata. Kita ngembangin platform ini sendiri dan ini juga bisa diakses publik juga jadi kadang-kadang publik juga bisa manfaatin.

9. Tanya: Jadi yang terlibat ada jurnalis di redaksi dan tim datanya ya mas? Jawab: Iya begitu. Tanya: Dan siapa aja yang termasuk redaksi dan tim data itu boleh usul tentang topik yang mau diangkat? Jawab: Ya siapa aja boleh usul. Cuma sejauh ini usulan masih banyak dateng dari temen-temen data yang ya mereka lebih rutin. Kita kan tim redaksi juga nggak banyak. News itu hanya dikerjakan oleh empat orang sisanya non-news. Tanya: Biasanya konten apa aja sih mas yang dibuat jurnalisme data? Jawab: Semua isu. Mulai dari data soto sampe inflasi ya semua ada. Kita pernah garap juga liputannya Slank. Itu kan mulai dari lirik lagu, film, film juga beberapa kali kita bahas. Terus ekonomi kreatif juga pernah, data korupsi juga pernah, ini Slank. Data Bekraf kita juga pernah, ini kan modelnya kayak yang Slank. Ini ringkasannya. Kita kasih juga artikel panjangnya.

1

10. Tanya: Sebelumnya proses koordinasi yang terjadi bagaimana ya mas sampai jadi bentuk-bentuk jurnalisme data seperti sekarang ini? Jawab: Sebelum kita ngerekrut tim data khusus itu kita pernah uji coba seminggu atau dua minggu sekali waktu itu dan yang ngerjain waktu itu cuma tiga orang. Saya,

1


ada seorang data analyst, dan satu orang reporter dia yang hubungin narasumber dan segala macem. Nah, kita bertiga waktu itu awalnya ya cikal bakalnya kita bertiga ini. Waktu itu kita sempet bikin beberapa tulisan panjang tentang DKI, tentang Lebaran, tentang macem-macem pokoknya. Nah itu eksperimen pertama setelah established kita rekrut sembilan orang untuk dedicated di Lokadata itu. Nah baru sejak saat itu bisa dibikin rutin dari mulai tiga seminggu sampai lima seminggu dan sampai sekarang lima seminggu. Ini kita masih pengen expand ke enam seminggu.

11. Tanya: Itu rentang waktu dari cuma tiga orang sampe jadi seperti sekarang itu berapa lama ya mas? Jawab: 2016 itu awalnya ya udah dua tahunlah. Tanya: Pernah ngalamin kesulitan nggak sih mas untuk nyamain pikiran ‘jurnalisme Beritagar itu ciri khasnya bakal yang kayak gini kayak gitu? Jawab: Hmmm, kita sempet ngalamin beda sudut pandang aja sih. Masalahnya kan tim data itu kan bukan basisnya bukan jurnalistik. Demikian pula wartawan atau jurnalis kita tidak punya basis statistik yang kuat. Maksudnya mereka nggak paham aturan statistik itu bagaimana. Dia nggak tahu data statistik yang bener itu gimana atau itu stokastik deteministik dan segala macem itulah istilah-istilah teknis dalam statistik yang mendasar banget itu kita juga nggak terlalu paham. Ya memang ada proses pertukaran pikiran gitu dari awal. Hmmmm, misalnya untuk penentuan angle misalnya kalo ada isu. Nah anglenya orang statistik dan orang jurnalistik itu bisa beda. Jadi jurnalistik itu kan lebih mikirnya untuk publik kan jadi ya lebih umum gitu kita nggak mau terjebak juga yang terlalu teknis. Kadang data juga mikir detail banget bahkan terlalu dalem jadi ya harus ada tarik ulur dan

1


juga saling memahami aja sih situasinya. Tapi ya lama-lama udah kebayanglah oh ini anglenya harus bagaimana oh kira-kira harus ke sini gitu. Tapi itu baru tahap awal. Maksudnya kalo kita nemu data, data gelondongan gitu misalnya. Misalnya lu buka situ FIFA misalnya. FIFA ini kaya dengan data gitu. Datanya itu lengkap banget. Nah dari sekian banyak data ini mau ngangkat apa. Nah itu kan PR, jadi kita harus pinter-pinter milih angle juga. Nah sering juga kalo cuma ngelihat data mentah gini itu nggak ketahuan. Baru setelah datanya disusun misalnya kayak kalo udah jadi tabel gitu itu biasanya baru kerasa ini yang menarik itu yang nggak menarik.

12. Tanya: Nah yang tugasnya membuat tabel ini tim data ya mas? Jawab: Oh, iya tim data. Karena mereka yang punya tugas untuk mulai dari scrapping, ngumpulin data, sampe bikin visualisasi. Jadi dalam tim data juga ada tim desain. Pilkada ini termasuk yang waktu itu DKI misalnya termasuk yang heavylah. Datanya itu heavy banget karena sampe TPS. Kita bisa nampilin data itu sampe tingkat TPS saking sebegitu banyak datanya tuh kadang-kadang satu sisi kita bikin situs yang orang bisa lihat data per TPS tapi pas kita misalnya mau angkat dalam tulisan nah itu suka bingung kan mana nih yang mau diangkat karena nggak mungkin kita angkat semuanya. Perlu dicek apa yang menarik dari data itu. Paling gampang itu sebenarnya cari anomalinya itu apa. Kalo istilah siapa itu ya saya lupa dia bilang kalo kita lihat data itu seringkali malah memunculkan pertanyaan yang nggak pernah terbayang sebelumnya. Jadi kalo misalnya kita mau reportase itu biasanya udah kebayang mau nanya apa ke orang. Kadang-kadang jawaban narsum itu memunculkan pertanyaan baru yang tidak kita duga kan. Nah, dengan data itu seringkali begitu. Kita mencari sesuatu dalam data kadang-kadang begitu kita lihat data muncul pertanyaan yang lain gitu kok

1


gini kenapa begitu. Kayak misalnya kemarin kasus Hari Lupus gitu. Kita cek data di Indonesia itu anomali. Sebenernya tidak umum seperti penyakit lupus itu penderitanya perempuan tetapi di Indonesia yang naik dalam tiga tahun terakhir itu laki-laki. Nah itu juga merupakan angle story. Nah itu kan anomali, anomali itu akan muncul setelah minimal data setnya udah jadi dalam bentuk tabel tadi. Kalo data mentahan gini kan agak susah. Tapi kalo udah jadi tabel bisa kita sort, bisa kita bandingin, mana yang lebih tinggi mana yang lebih rendah jadi kalo paling nggak udah ada gambarannya itu jadi lebih gampang.

13. Tanya: Mas kan tadi cerita ada proses tarik ulur gitu ya, lewat hal itu nambah persepsi baru nggak sih soal jurnalisme data itu sendiri? Jawab: Dari sisi kita sebagai redaksi sih iya terutama ya redaksi kan kalo dengan cara yang lama kan reportase investigasi turun lapangan cari-cari ngorek-ngorek terus ternyata setelah ketemu data kita bisa ngorek-ngorek dari tabel dan itu bisa jadi bahan cerita yang menarik. Saya pernah bikin satu tulisan panjang hampir 2500 kata tanpa harus turun ke lapangan hanya mengandalkan data. Jadi itu ya buat saya itu hal baru gitu. Cukup hmmm menyenangkan karena banyak hal yang kita nggak tahu dan munculnya dari data. Dan kita cukup yakin bahwa data ini bisa bicara memperluas perspekstif karena kadang-kadang narsum itu omongannya apa ya omongannya tidak bisa seratus persen bisa dipercaya meski pun orang yang paling kredibel sekali pun. Bahkan presiden aja bisa ngomong sesuatu yang diragukan banyak orang gitu. Jokowi bisa ngomong apa tapi datanya ngomong lain. Nah itu kan menarik. Naluri untuk ngecek datanya itu sudah harus muncul. Kayak barusan saya tadi ngedit lama jadi kamu harus nunggu karena saya lagi ngecek gini Bawaslu bilang angka pelanggaran

1


Pilkada belakangan ini itu justru naik di urusan pelibatan aparat isu SARA-nya turun. Sementara dulu waktu Pilkada DKI isu SARA naik banget atau Pilkada 2017. Nah dia bilang kayak gitu. Tapi itu sama sekali nggak ngomong angka bahkan di situsnya pun nggak ada. Tidak merilis data apa-apa. Jadi ya kadang-kadang kita harus nunggu dulu mana ini orangnya kalo dikonfirmasi nggak jawab-jawab ya udah. Dia nggak merilis angka jadi kita cuma bisa pakai kalimatnya. Jadi kita punya data laporan dia yang dia rilis terakhir itu April. Laporan April itu tidak pernah menyinggung kategori isu. Tidak ada pembagian isu sara dan pelibatan. Laporan di Maret itu juga tidak menyinggung isu SARA. Hanya menyinggung tentang pelibatan. Jadi ya terus terang saya curiga ini kalimat dia ini kok agak ambigu. Ambigu dalam arti ini ada situasi politik yang di mana SBY mengkritik ya tugas kita untuk mencurigai semua hal. Nah data itu sebenarnya bisa memberi perspektif kalo misalnya kita ada datanya, sayangnya dia nggak merilis datanya jadi susah. Yang repot itu sejauh ini ya itu source datanya itu nggak konsisten.

14. Tanya: Setelah melewati beberapa waktu, sebenarnya Beritagar apakah sudah puas dengan bentuk jurnalisme data seperti ini kang? Masih mungkin berubah nggak sih? Jawab: Oh, ya belum. Dua tahun itu proses yang ya nggak mentah-mentah amat. Lumayan tapi kalo disebut sempurna masih jauh banget. Maksudnya kita pake pembanding New York Times gitu ya. New York Times, Bloomberg, Guardian, terutama New York Times, sih, itu punya resource yang luar biasa dan dia sangat fasih bercerita hanya lewat visualisasi. Itu karena visualisasi mereka kebanyakan dibikin manual di hard code gitu. Mereka melibatkan satu programmer khusus untuk urusan visualisasi teknologi bahasa pemograman untuk visualisasi data dan itu jauh lebih fleksibel. Dia bisa bikin datanya itu interaktif jadi bisa cerita dan interaksi lewat

3 Beritagar masih belum puas akan jurnalisme data yang mereka sajikan. Media luar negeri seperti New York Times, Bloomberg, The Guardian jadi kiblat jurnalisme data mereka.


data aja gitu. Jadi mereka nggak selalu pakai tulisan panjang-panjang. Itu yang selalu jadi ukuran kita yang ideal. Idealnya itu ya bagaimana data itu bisa bercerita mediumnya ya visualisasi. Pengennya begitu. Tapi itu tantangannya banyak, resourcenya cukup besar maksudnya kita harus ngalokasiin satu orang programmer atau lebih khusus menangani day to day isu itu kan PR.

15. Tanya: Kenapa sih Kang Dian setuju dengan penyajian jurnalisme data? Jawab: Ya kembali dengan perspektif yang saya bilang tadi dengan jurnalisme ini harus berkembang. Jurnalisme data kan diawali dengan data computer assisted reporting atau CAR. Sistem CAR itu sendiri sebenarnya udah lahir di tahun tujuhpuluhan. New York Times pernah ngolah data pake Split Sheet untuk membuat laporan atau story kan. Itu bisa disebut sebagai awal-awal computer assisted reporting. Tapi waktu itu kan teknologi visualisasinya kan nggak secanggih sekarang. Ketersediaan data juga nggak seperti sekarang, pokoknya begitu internet masuk pokoknya itu mengubah banyak hal. Termasuk banyak data-data yang bisa diakses siapa saja. Bayangin kayak filmnya Washington Post kayak yang kasus yang difilmin itu kan dia harus dateng ke pengadilan bawa bertumpuk-tumpuk dokumen cetak harus di satu-satu itu satu laporan bisa dikerjain berapa bulan gitu. Sekarang kan dengan data digital gitu semua. Seberapa banyak pun data bisa kisa olah nantinya.

1 Jurnalisme harus berkembang.

16. Tanya: Jadi dengan jurnalisme data model jurnalisme dengan wawancara terasa kurang lengkap atau gimana mas? Jawab: Ya nggak bisa dianggap gitu juga, sih. Tidak ada yang mematikan satu sama lain. Ini bukan genre yang menggantikan genre yang lainnya. Ketika rock lahir tidak berarti dangdut mati. Jazz juga tidak mati jadi nggak ada yang membunuh satu sama

1 Jurnalisme data memperkaya khazanah jurnalistik.


lain itu memperkaya khazanah music. Begitu pun dalam aliran jurnalisme. Jurnalisme data ini sebagai upaya untuk khazanah jurnalismenya. Karena banyak sekali, foto jurnalistik aja itu udah lama diakui sebagai karya jurnalistik bahkan Pulitzernya ada penghargaan khusus. Jadi ada foto, kemudian ada video, lebih-lebih yang mobile sekarang kan berkembang secara teknologi mobile. Itu semua memperkaya khazanah jurnalisme. Nah, data juga seperti itu, sudah ada artikel data beberapa kayak kemarin yang kasus Panama itu kan menang juga. Jadi ya hanya memperkaya dan tidak lebih baik dari yang lain. Dia hanya memperkaya aja.

17. Tanya: Konten jurnalisme apa sih yang paling banyak diakses kang? Jawab: Kalo dari data traffic, publik masih tertarik dengan isu-isu yang sederhana. Kayak yang soto itu nyebar rame banget, ampe ada penulis yang dengan senang hati menanggapi tulisan itu dan melengkapi tulisan itu dengan data juga jadi waktu itu ada ibu ibu lulus genealogi di luar negeri dan karena dia belajar tentang taksonomi tentang spesies hewan itu dia mencoba membuat taksonomi bumbu soto gitu. Jadi buat saya itu menarik bisa mentrigger banyak orang untuk contribute dengan data jadi itu salah satu yang termasuk paling populer. Kalo Slank waktu itu juga rame banget karena Slank-nya sendiri kita kan ngobrol sama mereka dan mereka juga takjublah. Kita izin juga sama mereka dan pas kita lihatin hasil mereka juga bingung kok hasilnya bisa bagus banget karena buat mereka ya ini hal yang baru. Mereka baru menyadari ternyata ada fase-fase di mana mereka membuat karya itu gini ada fase di mana karyanya punya tendensi yang begini dan sebagainya.

Jurnalisme data yang diterapkan Beritagar bisa memancing warga untuk berpartisipasi.

18. Tanya: Dari konten-konten yang dibuat, siapa target pembaca yang jadi sasaran jurnalisme data Beritagar kang? Jawab: Kalo sekarang Beritagar secara umum tidak mengincar yang terlalu muda.


Jadi ya hmmm, millennial tualah isinya nggak terlalu anak SMA atau mahasiswa nggak terlalu mudalah dan nggak belasan juga dua puluhan sampe tiga puluh awalah. Karena isu data ini pun juga kan sebenarnya juga belum populer hanya segelintir orang yang bekerja di wilayah tertentu yang mungkin aware bahwa data itu penting. Nah kita melihatnya seperti itu. Kalo mahasiswa kan mementingkan data itu buat ngerjain skripsi.

19. Tanya: Nah, aku pernah baca penelitian terdahulu punyanya Ulfa mahasiswa Unpad, kalo buat jurnalisme data Beritagar pakai robot Shinta. Apakah benar kalo misalnya ada itu gimana ya cara kerjanya? Jawab: Saya bingung kenapa ada nama Shinta ya karena emang nggak ada penamaan itu. Jadi sebenarnya robot itu bagian dari otomatisasi. Dengan kita bermain data dan tabulasi istilahnya non-tekstual, non-tekstual data itu bisa di-convert menjadi tekstual data. Machine, machine learning, kecerdasan buatan, bisa dan sudah sampai ke tahap itu kurang lebihnya. Kita bisa membuat story naratif hanya dengan modal tabel. Nah, kita belom lama ini baru aja ngerancang dua program khusus untuk laporan sepakbola sama harga saham. Ini sebenarnya otomatis kita hanya menyiapkan template dan skenario. Kalo skenario gini kayak gimana nantinya. Nanti dia yang akan milih sesuai dengan data yang dia baca. Jadi mesin ini akan baca data, dia akan lihat oh skenarionya ini berarti narasi yang dipilih ini. Nanti dia akan membentuk paragraf.

1 Robot jurnalistik baru bisa diandalkan dalam membuat berita sepakbola dan IHSG.

20. Tanya: Ini yang khusus jurnalisme data ya mas? Jawab: Ya pada dasarnya di kami ini pun jurnalisme data. Jadi tugas robot ini kita masukin tabel dia yang baca. Dia baca tabel lalu jadi narasi. Makanya dalam teknologi sebenarnya ini basisnya NLG itu singkatan Natural Language Generation. NLG itu disebutnya data non-teks. Kalo dibaca satu

1 Jurnalisme data bisa diterapkan pada berita keras. Rahadian berperan sebagai linguistik dalam perancangan robot jurnalistik.


baris itu sebenarnya bisa keluar satu kalimat. Tanya: Waktu pertama kali bikin jurnalisme data yang seperti ini langsung pakai robot ini nggak sih mas? Jawab: Oh nggak, itu tim yang beda lagi. Jadi saya karena wapemred jadi ada di mana-mana jadi untuk tim NLG ini saya yang bagian linguistiknya. Saya kerja dengan tim programmer yang hmm yang ngurus algoritmanya. Jadi temen-temen redaksi diminta untuk nulis template, misalnya bola. Yaudah tim sport bikin template kalo laporan bola itu macem apa. Tim ekonomi kita minta tolong bikin satu template laporan IHSG komposit itu seperti apa. Dari situ kita kembangin templatenya per item.

21. Tanya: Pertama kali denger teknologi robot jurnalistik itu yang terlintas di benak kang Dian apa sih? Jawab: Hehehe, biasa aja, sih. Ya sebenarnya nggak kaget-kaget amat, sih. 2013 dikasih tau temen namanya Narrative Science. Narrative Science itu pelopornya. Ada dua sebenarnya saya nggak tahu ya kalo yang lain Yang cukup populer dipake itu ada dua itu Narrative Science sama Automatic Insight. Dua ini yang sudah cukup banyak dipakai oleh media. Nah, ini kompit nih dua-duanya. Narrative Science ini kalo nggak salah Yahoo juga pernah pake. AP pake Automatic Insight, Reuters kalo nggak salah pake Automatic Insight ini. Dan dua aplikasi ini jadi dua patokan kita gitu. Kalo mereka sih udah sampe ngembangin tools jadi kita tinggal upload tabel generate klik bisa langsung keluar narasinya. Itu mereka udah sampe ke situ. Kita baru mau akan ke sana.

1

22. Tanya: Kalo yang di Beritagar ini masih yang satu baris per kalimat ya kang? Jawab: Ya, kita belom punya toolsnya jadi semua masih hard coding jadi saya bikin

1


template kondisi bagaimana, narasinya bagaimana itu setiap kondisi dibikinkan narasi. Jadi banyak sekali tabel berisi kondisi-kondisi.

23. Tanya: Dengan bantuan program ini apakah pembuatan konten jurnalisme data jadi lebih efektif? Jawab: Dari segi efektivitas jelas efektif. Asal lu cepet juga bisa kok. Main bola selesai lima belas menit hasilnya juga bisa keluar kok. Saham itu kita keluarnya jam lima lewat nol satu. Itu jam empat sebenarnya kita bisa keluar dalam waktu lima belas menit pun bisa, sepuluh menit juga bisa. Cuma kita harus mastiin dulu.

4

24. Tanya: Ada tim khusus nggak, sih, kang untuk mengoperasiin aplikasi ini? Jawab: Dia bukan aplikasi. Saat ini bentuknya belom aplikasi. Jadi tidak ada siapa pun yang pake. Karena ini engine to engine langsung ditembak ke CMS jadi langsung jadi. Jadi kita nggak usah ngapa-ngapain. Tiap hari bakal keluar aja. Tiap abis bola aja pasti lima belas menit keluar deh tuh laporannya. Kita tinggal ngecek aja ada yang salah atau nggak. Tanya: Jadi udah ada CMS-nya dan langsung ngolah gitu ya? Jawab: Dia otomatis akan terbit sendiri udah nggak perlu diutak-atik. Semua rulesnya udah ditentuin nggak perlu ada apa-apa lagi.

Robot jurnalistik Beritagar.id masih belum berupa aplikasi.

25. Tanya: Jadi yang pakai CMS ini jurnalis redaksi atau bagaimana kang? Jawab: Nggak ngapa-ngapain kita. Dia terbit aja sendiri.

26. Tanya: Terus untuk pemeriksaannya gimana? Jawab: Ya pemeriksaan hanya tingkat awal aja. Kita punya testing site untuk ngetes di awal bener nggak dia merespon data kalo udah yakin ya kita lepas. Kalo liga itu kan setiap minggu bisa dua puluh pertandingan

1


ya keluar dia dua puluh biji.

27. Tanya: Jadi tugas jurnalisnya sedikit banget ya kang? Jawab: Tugas jurnalisnya itu ya ngasih template aja.

1

28. Tanya: Misalnya kayak gimana, tuh, mas? Dulu proses merancangnya itu gimana, sih, mas sampe jadi CMS yang seperti ini? Jawab: Bukan CMS sebenarnya. Tapi dia ada di belakang CMS. CMS-nya kan manual CMS-nya ya sama kayak kita nulis di Wordpress. Kalo kayak gini ya dikerjain orang, kalo yang robot ada di belakangnya ini. Dia hanya komunikasi engine to engine aja. Enginenya ya pure bahasa pemrograman nggak ada interface-nya. Pure kode aja isinya. Jadi engine itu nyetor data aja ke kita. Itu enginenya beda core yang khusus untuk NLG itu kita pisah.

1

29. Tanya: Jadi itu manfaatin divisi lain untuk bikin komunikasi engine to engine tadi ya kang? Jawab: Ya itu urusan teknologi sih. Kan ada yang namanya FPI. FPI itu kan komunikasi engine ke engine. Jadi engine ini saling berkoordinasi. Di satu engine ini nyiapin konten mulai dari gambar, teks, blablabla, kalo udah selesai disesuaikan tabelnya nembak ke database CMS kalo udah di database CMS otomatis akan terbit. Di CMS kita tinggal ngebaca aja.

30. Tanya: Ada proses penyamaan pikiran nggak, sih, tentang pemakaian teknologi robot jurnalistik ini? Jawab: Ya sedari awal kita emang udah ada rencana kalo program ini akan kita buat untuk memproduce banyak isu. Dan kita mau buat nulis cuaca buruk atau gol satu kosong itu nggak usah manusia sebenarnya. Karena data yang kita pakai itu juga sudah verified. Gol satu kosong ya emang itu kenyataan yang terjadi. Beda sama data korupsi atau data apa itu harus dicek

1 Robot jurnalistik dirancang untuk mencarikan data berbagai isu.


kebenarannya. Data yang kita pakai itu data yang udah yakin terverifikasi jadi bisa diakui sebagai produk jurnalistik. Makanya untuk data korupsi aja kita ambil hanya putusan yang sudah berkekuatan hukum tetap. Jadi nggak akan berubah. Tidak akan ada banding tidak akan ada pembelaan lagi bener-bener dari Mahkamah Agung udah ada putusan kalo udah inkrah itu baru datanya kita pake. Jadi data itu udah nggak akan berubah lagi.

31. Tanya: Tapi sebenarnya Kang Dian udah puas belum sama kinerja rangkaian teknologi yang sudah dirancang sampai sekarang ini? Jawab: Belomlah, ini belom ada setahun dikembangin. Baru mulai tahun ini, kok. Tanya: Kalo pengen lebih bagus lagi, baiknya teknologi itu bisa ngapain kang? Jawab: Hmmm kelemahan dari robot itu karena template. Kalo dibaca beritanya dari hari ke hari itu isinya sama. Ya sebenarnya tiap hari baca aja laporannya IHSG harian isinya kan sama aja. Meski pun yang nulis orang. Paling dibeda-bedain dikit katanya diubah. Dari naik jadi menguat, ya kayak gitu doang tapi kan templatingnya persis sama. Karena itu kalo cuma templating sama mah tiap hari robot juga bisa. Nah yang menarik itu kan kalo dia sudah bisa membuat variasi kalimat sehingga dia tidak boring. Strukturnya itu kan sebenarnya fleksibel ini kita bisa taruh di atas ini di bawah. Nah itu bisa dirandom disusun supaya nggak kelihatan mengulang-ngulang kalo dibaca harian ini kok persis ya urutannya. Itu tantangannya di situ karena mesin emang harus belajar banyak banget. Terutama harus ngajarin mesin Bahasa Indonesia kan. Struktur kalimat kalo membangun jembatan antar paragraf itu gimana itu kan PR banget di situ. Tugas kami juga untuk ngelihat kalimat yang satu dengan yang lainnya make sense atau nggak. Kalo skornya cuman satu kosong ya nggak bisa dibilang

1 Belum ada tahap penutupan dan stablisasi karena kelemahan template.


banjir gol. Kalo cuman satu gol juga nggak bisa disebut pencetak gol pertama dan kedua. Kan cuman satu ya nggak bisa dilihat pencetak ke berapa pun itu termasuk ngelihat kalimat itu make sense atau nggak rasa bahasanya harus pas. Jadi harus masukin template baru kalo misalnya golnya lima dua kayak misalnya Rusia atau Belgia nah itu kan bisa disebut banjir gol. Inggris skor enam satu bisa disebut hujan gol. Tapi kalo cuman dua ya so so-lah. Nah setiap kata kan punya kondisi. Sebenarnya bisa dibuat logikanya kan nah logicnya itu yang disebut algoritma. Mengantisipasi skenario yang macem-macem PR-nya kan di situ. Kita harus ngantisipasi semua macem kondisi yang bakal muncul. Emang nggak bisa dikerjakan sekaligus ya bertahap. Kayak yang dasar dulu, menang, kalah, seri. Ntar kalahnya berapa menangnya berapa. Jadi nanti cabangnya bakal banyak banget.

32. Tanya: Waktu pembuatan teknologi ini Kang Dian itu terlibat nggak sih? Jawab: Ya saya terlibat dari awal sama tim programmernya. Saya riset juga tentang teknologinya karena ini kan barang baru di Indonesia. Tantangan paling besar itu adalah membuat mesin yang kita rancang paham bahasa Indonesia. Jadi selain ada NLG ada lagi yang namanya NLP, Natural Language Processing. Natural Language Processing itu mencoba memahami teks manusia, jadi engine mencoba memahami teks dari manusia. Kalau NLG itu sebaliknya, membuat teks yang bisa dipahami manusia. Nah, yang pertama itu sebenarnya yang kita kerjain banyak yang di NLP. Bagaimana mesin paham struktur kalimat ini subjek, ini predikat, ini objek, oh ini kata kerja, ini bukan, nah itu di domainnya NLP. Itu lama dari tahun 2013. Lumayan karena kan teknologi punyanya Narrative Science sekali pun itu belom support bahasa Indonesia. Dia baru bahasa Inggris dan kalo untuk bahasa Inggris, banyak teknologi yang sudah support. Google pun bisa, mereka juga punya sistemnya.

1


33. Tanya: Awalnya gimana sih kang proses dari 2013 sampe sekarang jadi gitu programnya? Jawab: Kalo dari 2013 itu yang pertama kali memperkenalkan ke saya kan itu Jim Geovedi. Jim Geovedi-lah yang membawa gagasan machine learning ke Beritagar. Waktu itu belom Beritagar.id masih Beritagar.com. Saya masih di Kerinci waktu itu. Dia yang perkenalkan teknologi-teknologi yang menurut dia ini bisa membantu kalian ini. Dia senang bekerja sama dengan kami karena dia punya lahan riset yang luas yang waktu itu juga jarang banget dikerjain orang. Dia yang riset lama soal ini gitu ya terutama untuk implementasinya di Bahasa Indonesia. Makanya dia jadi paham dengan linguistik sekarang karena sampe riset bahasa sampe ke Badan Bahasa, sama orang ahli bahasa, sama yang nulis Thesaurus, awalnya ya cuman berdua saya sama dia. Setelah 2015 gabung jadi Beritagar.id, Beritagar.com dilebur jadi Beritagar.id, Jim udah nggak terlibat. Nah, dari tim baru ada satu orang programmer yang dedicated sama saya untuk ngerjain ini. Ya lagi-lagi cuman berdua. Tapi pernah ada masa transisi Jim masih ngawasin aja awal-awal Jim yang ngasih panduanlah terutama ke programmernya dari situ technical ini ini ini yang harus lo kerjain dan pelajari. Karena yang jadi kendala ya itu nggak ada modul dalam Bahasa Indonesia yang ngomongin Machine Learning. Stanford pernah bikin tapi buat bahasa Inggris. Tapi dia emang sering ngeluarin modul-modul machine learning yang dasar. Misalnya mengenali strukturasi kalimat. Ada modul lain buat mengenali entitas. Dalam satu kalimat itu mana yang jadi nama orang mana yang jadi nama tempat, nama brand, itu bisa diidentifikasi. Nah, modul-modul seperti itu udah banyak yang buat tapi ya itu tadi semuanya basisnya Bahasa Inggris. Kalo diterapin ke Bahasa Indonesia jelas nggak bisa.

1, 4

34. Tanya: Dari mulai 2013 sampe mapan begini baru jadi tahun ini kang?


Jawab: Tahun ini karena emang rilisnya baru tahun ini risetnya dari tahun lalu tapi jadinya baru tahun ini.

35. Tanya: Waktu pas ganti programmer itu sempet nemuin kendala di proses komunikasinya nggak sih kang? Jawab: Nggak sih. Karena mas Kun programmer yang baru setelah Jim ini orangnya cepet belajar dan kita emang sepikiran. Dia belajar soal linguistik saya juga belajar soal algoritma program tapi nggak terlalu dalem. Cuma paham logicnya oh ini logicnya salah, oh ini logicnya bener. Jadi bisa saling mengisi aja.

1

36. Tanya: Lewat penggunaan robot ini jurnalisme itu mau dibawa ke mana, sih, kang sama Beritagar? Jawab: Sebenarnya itu tergantung mindset. Kalo misalnya banyak hal bisa dirobotkan ya robotkan aja. Ngapain kita memperkerjakan orang untuk kerjaan yang sebenarnya bisa dikerjain robot. Jadi semua hal yang bisa dikerjakan robot ya akan dikerjakan robot. Orang akan mengerjakan apa yang tidak bisa dikerjakan robot.

1

37. Tanya: Kalo mau dimaknai sebenarnya peran robot buat Kang Dian itu dimaknai sebagai apa sih? Jawab: Ya suplemen. Sebagai suplemen bahwa kita nggak usah ngerjain hal-hal yang rutin dan tidak membutuhkan kreativitas gitu. Itu mah biarin aja robot jadi kita bisa ngerjain yang lain gitu. Jadi kayak misalnya laporan bola. Penulis orang bisa lebih leluasa untuk yang lebih analitik yang lebih luas tidak cuman sekadar melaporkan siapa nge-goalin menit ke berapa itu biar urusan robot aja. Jadi kita bisa bikin laporan yang lain yang lebih dalem. Nah, ini contoh skenarionya. Ini kondisinya. Skenario grup itu bisa dipilah-pilah, grup ada tiga pertandingan. Ini yang bikin saya dan tim programmer. Makanya di dalam kalimat

1


ini ada kode XXX yang harus diisi oleh mesin, variabel yang diisi oleh mesin. Sisanya fix, ini kalimat, ini kan contohnya hanya satu. Ini kalo kita mau bikin variabel lagi bisa. Jadi kalo seri bisa ada tiga atau empat pilihan lagi, jadi beranak pinak terus tergantung skenario. Kayak ini misalnya, kondisinya draw golnya berapa kalo nol nol begini kalo satu sama begini, dua dua begini, lebih dari dua-dua begini. Bisa beranak pinak banyak banget sih tergantung dari kondisinya.

38. Tanya: Ini robot yang dipakai udah sampe bisa ngerekomendasiin tulisan apa yang harus ditulis gitu nggak sih mas? Jawab: Nah, isu itu kan tergantung kita mau bikin template yang seperti apa. Yang kita baru bikin itu kan bola sama harga saham IHSG. Kalo kita mau bikin cuaca ya harus dibikin lagi templatenya. Variabelnya kan nanti jauh beda, jadi harus diatur lagi kondisi dan skenarionya. Kayak IHSG itu kan Cuma membandingkan hari ini dengan kemarin naik turun kalo naik siapa yang jadi penyebabnya turun siapa itu semua kan ada di dalam data. Yang turun paling rendah turun paling tinggi itu kan tinggal di-sort aja. Di-compare datanya pasti bisa ketahuan. Kayak misalnya yang sepakbola ini di tabel kalo makin panjang kolomnya yam akin kompleks ceritanya. Ini kan hanya membandingkan antar kolom aja pasti. Kita tinggal ngasih instruksinya kan di algoritmanya kan tinggal ngelihat algoritma yang ini sama yang ini apa yang terjadi. Itu aja, selama data kayak gininya ada ya bisa dipakai.

1

39. Tanya: Kenapa nggak buat template kayak gini untuk rubrik politik gitu mas? Jawab: Politik itu ranah yang paling nggak ada datanya. Karena rules number one datanya nggak boleh dispute. Kalo misalnya lembaga survey ngeluarin elektabilitas lembaga survey yang satu dengan yang lain beda hasilnya. Itu kan bisa diperdebatkan hasilnya. Ya saya bisa aja bikin versi robotnya kalo masukin satu lembaga survey

3


tapi kan itu nggak fair. Satu lembaga survey siapa yang tahu ini dibayar sama siapa. Kita agak alergi nulis sesuatu dari lembaga survey karena kita tahu susah nyari lembaga yang bener-bener subjektif. Kita dulu pernah nanya ke lembaga survey, boleh nggak kita minta data mentahnya ya dia nggak mau. Jadi ya gimana kita mau ngaudit datanya, dia bilang yang bisa ngaudit datanya cuma asosiasi ya terserah, sih, kalo anda tidak melihat kami sebagai lembaga yang kredibel untuk bikin audit karena kami kan media. Kami cukup tahu datamu itu bener atau nggak. Karena juga kadang-kadang datanya itu nggak salah. Misalnya taruhlah hmmm calon a di jawa, di jawa barat, jawa timur, atau satu propinsi dengan propinsi yang lain menurut lembaga survey a di menang tapi ternyata yang di survey itu hanya kota-kota besar. Sementara di propinsi itu terus kalo dibilang perbandingan kota besar dan kota kabupaten misalnya sama yang plural ini dominasinya ada di plural. Ya dia bisa bilang mengcover sekian persen sekian banyak responden tapi kan ketersebaran responden itu kan juga penting. Kalo misalnya surveynya di kota aja pastinya bakal menjunjungkan nama-nama yang populer doang di perkotaan. Nah itu kan nyaris jarang data yang sedalam itu dia punya jadi untuk politik itu rata-rata kita ya agak skeptiklah ya. Makanya kita pernah nampilin data survey ya kita tampilin aja semuanya kita adu gitu. Jadi biarin aja. Terserah nanti publik mau percaya yang mana. Buat saya yang kayak gitu lebih fair. Cuma kerjaan ngumpulin begini lumayan juga sih. Karena aneh aja kenapa antar lembaga survey bisa beda. Nah teorinya kalo secara statistik kalo dengan responden yang sama hasilnya nggak mungkin beda. Kemungkinan terjadi hasil yang beda itu dimungkinkan ketika karakterisitk respondennya berbeda gitu. Jadi lu ngambil sampel nya ya prosentase dari keseluruhan. Ya kalo kita ngomong Indonesia yang diambil cuma Jakarta, Bandung, Medan, Surabaya, Makassar misalnya apakah itu bisa merepresentasikan


Indonesia? Mungkin iya tapi cuma perkotaan. Lha orang dari kampungnya nggak terwakili. Belum tentu jadinya, tricky sih. Makanya dalam beberapa lembaga survey, ada juga lembaga survey yang bagus yang transparan dia ngasih tahu source-nya, respondennya dari sini dari sana jadi kita bisa ngasih tahu ke publik soal transparansi respondennya. Jadi publik juga akan tahu biasnya itu ke situ gitu. Nah yang kayak gitu yang sebenarnya diinginkan publik jangan disembunyiin source aslinya dari mana. Claim calon ini menang, calon sana menang nah itu udah sering kejadian. Pas dicek ya datanya bodong. Jadi kalo buat kita politik itu PR-nya banyak. Makanya kalo untuk robot ya buat untuk bola dan saham jadi data yang nggak bakal dispute. Berita BMKG juga nggak bakal dispute. Gempa itu tapi kadang-kadang masih dispute juga. Ada yang bilang 6,9 skala richter, ada yang bilang 7,1. Tapi ya kalo beda sedikit masih bisa ditoleransi. Karena titik pemantauan gempa masing-masing survey juga beda-beda. Tapi banyak orang juga paham di menit-menit akhir orang-orang akan paham dan sepakat angka gempanya berapa. Gempa Jepang juga dulu ada yang bilang 6,9 ada yang bilang 7 ya masih dalam batas margin erorlah. Kalo itu sih masih masuk akal. Harga pangan juga biasanya diambil dari list harga di Pasar Induk jadi itu bisa dipertanggungjawabkan juga. Kita emang pilih data-data yang nggak akan dispute. Yang udah pastilah gitu.

40. Tanya: Kalo dilihat dari trafficnya, bisa dilihat nggak sih mas sebenarnya orang Indonesia itu udah melek data belom sih? Jawab: Kita sih belom punya bukti ya tapi dari pengalaman kita sendiri kita kan nulis berbagai range isu sejauh ini yang laku itu apa ya istilah kita itu cheesy. Yang ringan-ringan. Misalnya kemarin soal Dilan. Ada berapa kali Dilan ngerayu di film itu kita kita catetin semua dan ketemu berapa kali dia ngegombal. Yang kayak gitu-gitu sih laku, pop lebih rame ya entenglah nggak bikin


orang berkerut gitu. Kalo saham kan orang yang nggak ngeri saham jelas males merhatiin isu itu, cuman sebagai news kan kita ngasih tahu aja keadaan pasar saham itu lagi naik atau lagi turun sebagai news. Nah, untuk yang Dilan ini kita bandingin tiga film.

41. Tanya: Ini yang bikin data sama visualnya tim data kang? Jawab:

1

42. Tanya: Ini untuk data kayak gini dapetnya gimana mas? Jawab: Kalo ini dari BPS. Kita beli data BPS, data mikro itu setiap tahun ada SUSENAS dua kali terbit dan itu barisnya bisa sejuta lebih. Itu belinya per periode pas Maret dan September. Mereke ngenain biaya per kilobyte. Jadi kalo lima mega dikali aja kilobyte-nya berapa. Lumayan mahal itu seinget saya 30 sampai 40an juta. Paling mahal itu biasanya September. Karena kan September itu kan lebih banyak jadi ya lebih mahal. Coba lu kali aja makanya mahal. Karena Maret itu datanya hanya update jadi lebih kecil makanya lebih murah. Tapi yang kita beli cuman BPS. Kebanyakan malah kita dikasih Ombudsman pernah ngasih, BEKRAF pernah ngasih juga karena kita kerja sama. Jadi kalo mau lihat lima artikel seminggu bisa ke Lokadata. Ini isu korupsi menjelang Pilkada juga sempet rame. Karena menjelang pemilihan, perusahaan-perusahaan ini kan main investasilah kalo istilahnya mereka. Mereka biayain calon yang paling menguntungkan buat mereka dia biayain. Dan itu jadi rahasia umum. Nah, sayangnya kami nggak punya banyak orang itu kalo diinvesgitasi menarik sebenarnya. Cuma kami nggak punya banyak orang kalo mau investigasi terbitnya mungkin nunggu enam bulan. Kita juga pernah bikin investigasi itu KONAWE itu juga dilengkapi data. Itu sebenarnya lumayan rame. Jadi sebenarnya kita mau ngecek aja bener nggak sih di KONAWE itu ada ratusan ribu TKI China. Faktanya enggak Cuma

1


seribuanlah. Ini juga ada tentang Indonesian Idol, jumlah wartawan yang mati di dunia, ini musik di spotify. Banyak tuh jenis musiknya apa aja yang laris lewat spotify. Ini juga sebenarnya lucu-lucuan aja zodiak para panglima.

43. Tanya: Yang kayak gitu-gitu laku ya kang? Jawab: Ya itu sebenarnya laku. Tapi itu kan cuman trivial aja dan kita nggak mau terjebak di trivial. Ya sekali-sekali bolehlah. Kasihan juga pembaca dikasih isu yang memusingkan. Tapi kalo bisa dibandingin masih banyak topik yang serius kok dibanding nggak serius. Ini kalo bola itu selalu rame, dan bola itu juga akrab dengan statistik. Dan orang-orang yang suka sepakbola fasih ngomong statistik. Oh, sekian persen possession dia nggak sadar sebenarnya dia udah ngomong data. Nah, kita pengen sebenarnya orang lain juga ngeh kalo isu lain juga butuh data. Nah itu PR juga. Nah, ini juga shio dalam para pahlawan nasional. Lahir tahun berapa kan kelihatan bintangnya apa. Video Youtube yang rame di Indonesia genrenya apa. Yang ini tentang busana Jokowi sempet ditweet sama Pak Pramono Anung. Kalo yang soto ini waktu itu kita dapet datanya sebagian dari BPS, ada juga ada etnografri yang neliti tentang kuliner. Dan dia melihat kuliner dari sisi budaya. Dari Unpad yang soto itu juga ada antropolog yang ngasih data dan ngelengkapin konten kita. Inti artikelnya pengen ngomong sebenarnya soto dulu zaman penjajahan Belanda adalah makanan yang menjijikkan. Tapi sekarang diangkat sebagai kuliner asli Indonesia. Waktu yang dari BPS itu tentang harga, indeks harga soto gabungan. Kalo dari SUSENAS itu bisa diketahui data konsumsi soto, jajan soto itu kita tracking karena suka, atau cuman gara-gara yang ada emang cuman soto. Kalo isu korupsi ini kita bongkar dari putusan pengadilan. Ini juga tentang film, film-film enkranisasi film yang diangkat dari novel. Itu rame karena kan sekarang makin banyak film-film yang diangkat dari novel itu lagi

1


rame termasuk Dilan itu kan dari novel. Ini juga saya nulis tentang utang itu saya nulis panjang tanpa harus nyari narsum. Sebenarnya kan datanya ada. Itu yang tentang PDB itu juga saya juga pernah nulis yang kemarin diributin itu. Ini juga yang tentang jatuh tempo sebenarnya perusahaan swasta sering jatuh tempo. Nah ini keseimbangan primer, surplusnya berapa. Sebenarnya kalo lagi ngelihat data aja isu hutang itu bisa dijelaskan sih. Cuma ya harus baca, dan banyak orang sebenarnya di spin dengan isu hutang inilah hutang itulah tapi dia nggak pernah melihat datanya. Kalo untuk isu saham itu biasanya yang paling berpengaruh itu dari luar negeri. Di luar negeri jual terlalu tinggi ya ngedrop. Dan pasar saham itu sebenarnya naik turun aja. Nggak mungkin itu seminggu turun terus, itu nyaris nggak ada. Karena namanya aja pasar saham, begitu orang turun, orang beli, ya harga naik lagi. Entar kalo udah harga naik jualin lagi, yaudah gitu-gitu aja terus. Ya ada satu dua emitem yang mati kayak kasusnya Bakrie itu kan harganya terjun tujuh puluh lima persen nah itu langsung ada kebijakan dari BEI dan langsung disuspend. Nggak boleh dagang dulu. Kita nerima datanya dan kita ngolah dari banyak sekali angle. Begitu.


Peneliti bersama dengan Rahadian P. Paramitha selaku Wakil Pemimpin

Redaksi Beritagar.id

Peneliti bersama dengan Kun Budiharta selaku IT Product Beritagar.id


Peneliti bersama dengan Aghnia Adzkia selaku Data Editor Beritagar.id


Lisensi ini mengizinkan setiap orang untuk menggubah ...kc.umn.ac.id/5808/5/LAMPIRAN.pdf · bola...

Documents

Transcript of Lisensi ini mengizinkan setiap orang untuk menggubah ...kc.umn.ac.id/5808/5/LAMPIRAN.pdf · bola...