Oleh Achmad Fachrudin, Aktivis Pusat Kajian Demokrasi dan Kepemiluan Kahmi Jaya
Data dan daftar pemilih merupakan prasyarat Pemilu yang demokratis dan berintegritas sekaligus fondasi kedaulatan rakyat. Karena itu, data pemilih harus komprehensif, mutakhir, dan akurat. Namun, meski Indonesia telah puluhan kali menyelenggarakan Pemilu, problem data pemilih tetap berulang. Bahkan berpotensi menjadi pelanggaran administratif, pidana, maupun etik Penyelenggara Pemilu, serta kerap menjadi entry point gugatan ke Bawaslu, DKPP, hingga Mahkamah Konstitusi.
Untuk meminimalisasi problem dan pelanmggaran data pemilih tersebut, DPR dan Pemerintah telah menerbitkan UU No. 7 Tahun 2017 tentang Pemilu, sementara KPU dan Bawaslu melengkapinya melalui berbagai PKPU, Perbawaslu, Surat Edaran, petunjuk dan pedoman teknis. Perbaikan juga dilakukan pada kualitas SDM, sistem, dan teknologi informasi penyelenggara. Namun, faktanya persoalan data pemilih kerap muncul mengindikasikan bahwa regulasi, kapasitas kelembagaan, dan kemajuan teknologi belum sepenuhnya mampu menjamin data pemilih yang akurat, mutakhir, dan terlindungi.
Tanpa mengabaikan berbagai langkah perbaikan yang telah dilakukan, di era digital pengawasan data dan daftar pemilih perlu dan harus mulai memanfaatkan Artificial Intelligence (AI) untuk meningkatkan akurasi dan deteksi anomali. Pentingnya transformasi digital dalam pengawasan Pemilu juga disampaikan Ketua Bawaslu RI Rahmat Bagja dan Anggota Bawaslu RI Puadi, yang menekankan bahwa pengawasan Pemilu tidak cukup hanya dilakukan di lapangan, tetapi harus mampu menjangkau ruang digital yang semakin kompleks dan dinamis.
Penggunaan AI dalam pengawasan data pemilih dalam pengawasan data pemilih bukan untuk menggantikan manusia atau mengambil alih kewenangan penyelenggara Pemilu, melainkan sebagai radar digital untuk mendeteksi pola, ketidaksesuaian, dan anomali yang sulit ditemukan secara manual. Prinsipnya sederhana: AI mendeteksi, manusia memverifikasi. Dengan mengolah jutaan data secara cepat, AI membantu memfokuskan pengawasan pada data berisiko tinggi, sehingga pengawasan bergeser dari pendekatan administratif menuju pengawasan berbasis data dan risiko.
Electoral Register Oversight
Model yang dapat dikembangkan adalah AI Electoral Register Oversight (AI-ERO), yaitu kerangka pengawasan daftar pemilih berbasis kecerdasan buatan yang menempatkan AI sebagai sistem pendeteksi dini dan manusia sebagai pengambil keputusan. Model ini terdiri atas tujuh tahapan yang saling berhubungan:
| Data Input → Data Integration → Ai Analytics → Anomaly Detection → Risk Scoring → Human Verification → Correction & Protection |
Secara lebih operasional, model AI-ERO dapat digambarkan sebagai berikut: pertama, Data Input. Daftar Pemilih Tetap (DPT), Daftar Pemilih Berkelanjutan (DPB), Daftar Penduduk Potensial Pemilih Pemilu (DP4), data kependudukan, data kematian, perpindahan penduduk, pemilih pemula, data TPS, hasil pengawasan, dan laporan masyarakat.
Kedua, Data Integration & Cleaning. Pembersihan, standardisasi, sinkronisasi, dan penggabungan berbagai sumber data. Ketiga, AI Analytics. Fuzzy matching, entity resolution, machine learning, anomaly detection, dan spatial analysis. Keempat, Anomaly Detection. Deteksi potensi data ganda, data tidak wajar, perubahan ekstrem, pemilih yang berpotensi belum terdaftar, atau ketidaksesuaian antarsumber.
Kelima, Risk Scoring. Mengelompokkan temuan berdasarkan tingkat prioritas pemeriksaan. Keenam, Human Verification. Pemeriksaan dokumen, klarifikasi, verifikasi lapangan, dan mekanisme pengawasan oleh manusia.Ketujuh, Correction, Update & Protection. Perbaikan atau pemutakhiran data sesuai prosedur hukum sekaligus perlindungan hak pilih warga negara.
Model tersebut menegaskan satu prinsip fundamental: AI tidak mengambil keputusan terhadap status seorang pemilih. AI hanya menghasilkan flag, indikasi, atau rekomendasi prioritas pemeriksaan. Keputusan tetap berada dalam mekanisme kelembagaan dan hukum yang berlaku. Dengan demikian, AI-ERO bukan automated voter deletion system, melainkan automated electoral register audit and early-warning system.
Orientasi Substantif
Penggunaan AI untuk pengawasan daftar pemilih seharusnya tidak dipahami semata-mata sebagai proyek digitalisasi administrasi Pemilu. Orientasi utamanya harus lebih substantif, yakni melindungi hak konstitusional warga negara untuk memilih. Daftar pemilih bukan sekadar kumpulan nama, Nomor Induk Kependudukan (NIK), alamat, dan Tempat Pemungutan Suara (TPS); ia merupakan representasi administratif dari keberadaan warga negara sebagai subjek politik.
Karena itu, AI idealnya digunakan untuk memastikan tidak ada warga yang kehilangan hak pilih akibat kesalahan data sekaligus mencegah terjadinya manipulasi daftar pemilih. Paradigmanya pun perlu digeser: dari sekadar data cleaning menuju electoral rights protection. Dengan AI-ERO, pengawasan dapat bergerak dari pemeriksaan administratif yang reaktif menuju pengawasan berbasis data, risiko, dan peringatan dini.
AI bukan menjadi “hakim” atas hak pilih warga, melainkan radar digital demokrasi yang membantu penyelenggara dan pengawas menemukan masalah lebih cepat, memverifikasinya secara manusiawi, dan memastikan bahwa setiap warga yang memenuhi syarat tetap memiliki kesempatan yang adil untuk menggunakan hak pilihnya.
Model AI-ERO ini dapat menjadi kerangka utama artikel, karena menghubungkan aspek teknologis (AI, machine learning, anomaly detection) dengan aspek kepemiluan yang lebih substantif: akurasi daftar pemilih → pengawasan → perlindungan hak pilih → penguatan daulat rakyat.
Langkah implementasi
Penerapan AI dapat diawali dengan mengintegrasikan berbagai sumber data terkait daftar pemilih, seperti daftar pemilih Pemilu sebelumnya, data pemilih berkelanjutan, daftar penduduk potensial pemilih, pemilih pemula, perpindahan penduduk, data kematian, serta hasil pengawasan dan laporan masyarakat. Integrasi ini memungkinkan cross-check sistematis untuk mendeteksi ketidaksesuaian, perubahan status, dan potensi anomali. AI bukan penentu keputusan, melainkan alat untuk menemukan hubungan antardata yang mungkin luput dari pengamatan manusia.
Salah satu potensinya ialah mendeteksi pemilih ganda melalui fuzzy matching atau entity resolution, sehingga variasi nama, alamat, atau elemen data lain tetap dapat dikenali sebagai kemungkinan entitas yang sama. Sistem menghasilkan tanda potential duplicate, tetapi anomali bukan bukti pelanggaran dan tidak boleh menjadi dasar penghapusan tanpa verifikasi. AI juga dapat mendeteksi perubahan status pemilih, perpindahan domisili, serta pola administratif yang tidak lazim dengan membandingkan data antarkurun waktu, termasuk pemilih yang masuk, keluar, berpindah TPS, atau mengalami perubahan elemen data.
AI selanjutnya dapat melakukan analisis spasial untuk mengidentifikasi perubahan jumlah pemilih yang signifikan pada tingkat TPS, desa/kelurahan, kecamatan, kabupaten/kota, hingga provinsi. Temuan tersebut dapat diolah menjadi risk scoring untuk menentukan prioritas pemeriksaan berdasarkan tingkat duplikasi, ketidaksesuaian antarsumber, dan anomali perubahan data. Dengan demikian, sumber daya pengawasan dapat diarahkan pada titik yang paling membutuhkan perhatian, tetapi skor risiko tetap merupakan alat bantu, bukan vonis atau bukti pelanggaran.
Metode tersebut dapat menggabungkan rule-based system untuk mendeteksi kondisi yang kriterianya jelas, fuzzy matching untuk menemukan potensi duplikasi, machine learning untuk mengenali pola anomali, serta graph analysis untuk memetakan hubungan pemilih, alamat, TPS, perpindahan, dan elemen data lainnya. Jika terintegrasi dalam satu sistem, pendekatan ini dapat dikembangkan menjadi early warning system yang memberikan peringatan dini, sementara verifikasi dan keputusan akhir tetap berada pada kewenangan manusia.
Sejumput Tantangan dan Ancaman
Meski demikian, penggunaan AI menghadirkan tantangan tersendiri akan ketersediaan sumberdaya manusia yang mumpuni di bidang AI. Tantangan lainnya kesenjangan regulasi (regulatory gap). Kerangka hukum kepemiluan belum secara spesifik mengatur penggunaan AI dan deepfake dalam masa kampanye, termasuk larangan dan sanksinya. Selain itu, terdapat keterbatasan kapasitas teknis, ketika kemampuan teknologi pengawas Pemilu tidak selalu sebanding dengan pesatnya inovasi AI yang dimanfaatkan aktor politik.
Tantangan berikutnya adalah lemahnya daya ikat hukum pedoman. Aturan tambahan berupa imbauan atau surat edaran sering kali tidak memiliki kekuatan hukum maupun sanksi yang memadai terhadap penyalahgunaan AI. Tantangan juga berasal dari rendahnya literasi digital masyarakat. Publik kerap kesulitan membedakan konten autentik dan hasil rekayasa AI, sehingga pendidikan publik dan pengawasan partisipatif semakin sulit dioptimalkan.
Bukan hanya tantantangan, penggunaan AI dalam pengawasan daftar pemilih menghadirkan paradoks yang perlu dicermati secara serius. Teknologi yang dirancang untuk melindungi hak pilih justru dapat mengancamnya ketika algoritma keliru, data bias, atau hasil AI diterima tanpa verifikasi. Karena itu, prinsip human in the loop harus menjadi fondasi AI-ERO. AI dapat mengidentifikasi potential duplicate, potential anomaly, atau potential missing voter, tetapi tidak boleh secara otomatis menetapkan seseorang untuk dicoret dari daftar pemilih.
Setiap indikasi harus dapat ditelusuri sumber datanya, dijelaskan dasar kemunculannya, diverifikasi oleh petugas berwenang, serta dilengkapi mekanisme koreksi ketika terjadi kekeliruan. Transparansi algoritma, keamanan data, perlindungan privasi, dan audit trail harus menjadi bagian integral dari sistem tersebut. Dalam konteks ini, tantangan ketersediaan sumberdaya manusia yang mumpuni serta perangkat teknologi AI yang memadai –merupakan suatu keniscayaan, khususnya bagi jajaran Bawaslu yang oleh undang-undang diberi mandat untuk melakukan pengawasan Pemilu, termasuk pengawasan data dan daftar pemilih.***
