POLA PENYEBARAN DISINFORMASI PADA PLATFORM MEDIA SOSIAL: STUDI ANALISIS DIFUSI INFORMASI DI INDONESIA
ARTIKEL PENELITIAN ILMIAH
POLA PENYEBARAN DISINFORMASI PADA PLATFORM MEDIA SOSIAL: STUDI ANALISIS DIFUSI INFORMASI DI INDONESIA
Patterns of Disinformation Diffusion on Social Media Platforms: An Information Diffusion Analysis in Indonesia
Oleh: Suhendra – Dosen Program Studi Ilmu Komunikasi, STISIPOL Candradimuka Palembang
Jl. Swadaya No. 20 Ilir II Kemuning, Palembang, Sumatera Selatan
Email: suhendra@stisipolcandradimuka.ac.id
ABSTRAK
Penelitian ini mengkaji pola penyebaran disinformasi pada platform media sosial di Indonesia dalam rentang waktu 2020 hingga 2024. Menggunakan pendekatan analisis konten dan studi dokumen terhadap data sekunder dari Kementerian Komunikasi dan Digital (Komdigi) RI, laporan We Are Social Digital 2024, serta kajian literatur jurnal bereputasi internasional, penelitian ini memetakan tipologi disinformasi, mekanisme difusi lintas platform, serta faktor-faktor yang mempercepat penyebarannya. Hasil analisis menunjukkan bahwa disinformasi di Indonesia bergerak melalui tiga pola utama: pola bintang (star pattern) pada Facebook dan TikTok, pola berantai (chain pattern) pada WhatsApp dan Telegram, serta pola jaringan (network pattern) pada Twitter/X dan Instagram. Momentum elektoral, krisis kesehatan, dan bencana alam terbukti menjadi katalis utama yang mendorong lonjakan disinformasi. Platform WhatsApp dan Telegram menjadi jalur penyebaran paling berbahaya karena ketiadaan mekanisme moderasi konten yang efektif. Temuan ini menegaskan urgensi literasi digital yang kontekstual, sinergi regulasi lintas platform, serta pengembangan infrastruktur verifikasi fakta yang adaptif terhadap dinamika ekosistem informasi digital Indonesia.
Kata Kunci: disinformasi, media sosial, difusi informasi, hoaks, literasi digital, ekosistem informasi digital
ABSTRACT
This research examines the patterns of disinformation diffusion across social media platforms in Indonesia from 2020 to 2024. Employing content analysis and document study approaches on secondary data from the Ministry of Communication and Digital Technology (Komdigi) of Indonesia, We Are Social Digital 2024 reports, and a literature review of reputable international journals, this study maps disinformation typologies, cross-platform diffusion mechanisms, and accelerating factors. The analysis reveals that disinformation in Indonesia moves through three main patterns: star patterns on Facebook and TikTok, chain patterns on WhatsApp and Telegram, and network patterns on Twitter/X and Instagram. Electoral momentum, health crises, and natural disasters are confirmed as primary catalysts driving disinformation surges. WhatsApp and Telegram emerge as the most dangerous diffusion channels due to the absence of effective content moderation mechanisms. These findings underscore the urgency of contextual digital literacy, cross-platform regulatory synergy, and adaptive fact-verification infrastructure responsive to Indonesia’s dynamic digital information ecosystem.
Keywords: disinformation, social media, information diffusion, hoax, digital literacy, digital information ecosystem
A. Pendahuluan
Kemajuan teknologi komunikasi digital dalam satu dekade terakhir telah membawa perubahan fundamental dalam cara masyarakat memproduksi, mengonsumsi, dan mendistribusikan informasi. Di satu sisi, aksesibilitas informasi yang tak terbatas ini memperluas ruang partisipasi publik dalam proses demokratisasi. Namun di sisi lain, ekosistem digital yang terbuka ini juga menjadi ladang subur bagi proliferasi disinformasi informasi palsu yang disebarkan secara sadar dan sistematis dengan tujuan memengaruhi opini, perilaku, atau keputusan publik.
Indonesia berada di garis depan tantangan ini. Berdasarkan laporan Digital 2024 yang dirilis oleh We Are Social dan Hootsuite (2024), terdapat 139 juta identitas pengguna aktif media sosial di Indonesia setara dengan 49,9% dari total populasi nasional. WhatsApp mendominasi penggunaan dengan penetrasi 90,9%, disusul Instagram (85,3%), Facebook (81,6%), dan TikTok (77,4%). Rata-rata pengguna Indonesia menghabiskan sekitar 3 jam 14 menit per hari di media sosial, menempatkan Indonesia sebagai salah satu negara dengan durasi penggunaan media sosial tertinggi di dunia.
Kondisi tersebut menciptakan ekosistem yang sangat rentan terhadap penyebaran disinformasi. Data Kementerian Komunikasi dan Digital (Komdigi) RI menunjukkan bahwa sepanjang Agustus 2018 hingga Desember 2023, tercatat sebanyak 12.547 konten hoaks yang berhasil diidentifikasi dan diverifikasi. Isu kesehatan mendominasi dengan 2.357 konten (18,8%), diikuti pemerintahan dan penipuan masing-masing 2.210 konten (17,6%), serta politik sebanyak 1.628 konten (13,0%). Yang lebih mengkhawatirkan, pada tahun menjelang Pemilu 2024, terjadi lonjakan hoaks terkait pemilu hingga 10 kali lipat dibandingkan tahun sebelumnya dari 10 kasus di 2022 menjadi 98 kasus sepanjang Januari–Oktober 2023, dan total 289 kasus sepanjang periode kampanye 2023–2024.
Fenomena ini tidak terlepas dari karakteristik unik setiap platform dalam memfasilitasi pergerakan informasi. Penelitian Vosoughi, Roy, dan Aral (2018) yang dipublikasikan di jurnal Science menegaskan bahwa berita palsu menyebar secara signifikan lebih jauh, lebih cepat, lebih dalam, dan lebih luas dibanding berita yang benar bahkan tanpa bantuan akun-akun otomatis atau bot. Kenyataan ini menuntut pemahaman yang lebih komprehensif tentang mekanisme dan pola difusi disinformasi yang spesifik pada masing-masing platform.
Berdasarkan latar belakang tersebut, penelitian ini merumuskan pertanyaan utama sebagai berikut: (1) Bagaimana pola penyebaran disinformasi pada platform media sosial yang dominan digunakan di Indonesia dalam periode 2020–2024? (2) Faktor-faktor apa saja yang mempercepat dan memperlambat proses difusi disinformasi pada setiap platform? (3) Implikasi apa yang dapat direkomendasikan bagi upaya pengendalian disinformasi di Indonesia?
Penelitian ini penting untuk dilakukan karena beberapa alasan. Pertama, sebagian besar kajian tentang disinformasi di Indonesia masih berfokus pada aspek hukum dan regulasi, sementara analisis komunikatif tentang pola difusi masih terbatas. Kedua, dinamika platform terus berubah TikTok misalnya baru mencapai penetrasi masif di Indonesia sejak 2021 sehingga memerlukan pembaruan kajian yang aktual. Ketiga, konteks Pemilu 2024 memberikan momentum kritis untuk memahami bagaimana disinformasi beroperasi dalam situasi dengan intensitas komunikasi politik yang sangat tinggi.
B. Tinjauan Pustaka
1. Konsep Disinformasi dalam Komunikasi Digital
Pembedaan konseptual antara misinformasi, disinformasi, dan malinformasi menjadi fondasi penting dalam penelitian ini. Wardle dan Derakhshan (2017), dalam laporan UNESCO yang berjudul Information Disorder, mengintroduksikan trikotomi gangguan informasi yang kini banyak diadopsi dalam kajian komunikasi digital. Misinformasi merujuk pada informasi yang salah tanpa niat untuk menipu; disinformasi adalah informasi yang salah dengan niat yang disengaja; sementara malinformasi adalah informasi yang benar namun digunakan untuk merugikan pihak tertentu.
Pemahaman ini dipertegas oleh Treen, Williams, dan O’Neill (2020) dalam kajian mereka yang terbit di jurnal WIREs Climate Change, yang mendefinisikan misinformasi sebagai informasi yang menyesatkan terlepas dari ada tidaknya niat untuk menipu. Sementara disinformasi secara definitif melibatkan unsur kesengajaan. Untuk keperluan penelitian ini, istilah disinformasi digunakan dalam pengertian yang luas, mencakup segala bentuk informasi yang menyesatkan yang beredar di platform digital, baik yang terjadi karena ketidaktahuan maupun karena kesengajaan.
Dalam konteks Indonesia, Juditha (2018) dalam Jurnal Penelitian Komunikasi yang terakreditasi Sinta 3 menjelaskan bahwa hoaks terminologi yang lebih banyak digunakan masyarakat Indonesia pada dasarnya adalah bentuk operasional dari disinformasi yang melibatkan unsur fabrikasi informasi yang disebarkan melalui berbagai kanal digital. Penelitian Juditha relevan karena memetakan tipologi hoaks yang khas dalam konteks budaya komunikasi Indonesia, termasuk kecenderungan masyarakat untuk mempercayai informasi yang datang dari anggota keluarga atau kelompok pertemanan yang dipercaya.
2. Teori Difusi Inovasi dan Penyebaran Disinformasi
Teori Difusi Inovasi yang dikembangkan oleh Everett M. Rogers (2003) awalnya digunakan untuk memahami bagaimana inovasi-inovasi baru diadopsi oleh masyarakat. Namun dalam perkembangannya, kerangka teoritis ini terbukti sangat relevan untuk menganalisis penyebaran informasi termasuk disinformasi di ruang digital. Rogers menggambarkan difusi sebagai proses di mana suatu inovasi dikomunikasikan melalui saluran-saluran tertentu, sepanjang waktu, di antara anggota sebuah sistem sosial.
Penerapan teori ini dalam konteks disinformasi digital dilakukan oleh Tambuscio dan Ruffo (2019) yang mengembangkan model SEIZ (Susceptible-Exposed-Infected-Zealot) untuk memodelkan penyebaran rumor di jaringan sosial. Model ini menunjukkan bahwa faktor-faktor seperti kepadatan koneksi sosial, homofili, dan aksesibilitas informasi tandingan sangat berpengaruh terhadap kecepatan dan jangkauan difusi disinformasi. Dalam ekosistem media sosial Indonesia yang didominasi oleh jaringan keluarga besar dan komunitas keagamaan yang erat, kondisi ini menciptakan lingkungan yang sangat kondusif bagi penyebaran disinformasi.
Konsep echo chamber ruang gema yang dipopulerkan oleh Sunstein (2017) juga menjadi variabel kritis dalam analisis ini. Cinelli et al. (2020) dalam penelitian yang terbit di Proceedings of the National Academy of Sciences (PNAS) mendemonstrasikan bahwa pengelompokan pengguna ke dalam ruang gema informasi yang homogen di berbagai platform media sosial secara signifikan mempercepat penyebaran narasi palsu, karena absennya eksposur terhadap informasi yang bertentangan.
3. Karakteristik Difusi Disinformasi di Platform Digital
Penelitian monumental Vosoughi, Roy, dan Aral (2018) yang menganalisis 126.000 cerita yang disebarkan oleh 3 juta orang di Twitter antara 2006 hingga 2017 menemukan fakta yang mengejutkan: berita palsu 70% lebih mungkin untuk di-retweet dibandingkan berita yang benar. Selain itu, berita palsu mencapai 1.500 orang enam kali lebih cepat dari berita yang benar. Para peneliti mengidentifikasi bahwa kebaruan (novelty) dan respons emosional khususnya rasa takut, kejutan, dan jijik menjadi faktor pendorong utama resharing konten yang tidak terverifikasi.
Penelitian Lewandowsky, Ecker, dan Cook (2022) dalam jurnal Nature Reviews Psychology menambahkan dimensi psikologis penting: konfirmasi bias dan identitas kelompok yang kuat secara konsisten memperkuat penerimaan dan penyebaran disinformasi. Pengguna cenderung lebih mudah menerima dan menyebarkan informasi yang sesuai dengan keyakinan yang sudah ada (pre-existing beliefs), meskipun informasi tersebut secara objektif tidak akurat.
Dalam kajian khusus terkait platform WhatsApp yang sangat relevan untuk konteks Indonesia Resende et al. (2019) menemukan bahwa sifat end-to-end encryption dan ketiadaan mekanisme moderasi publik menjadikan WhatsApp sebagai jalur yang sangat efektif untuk penyebaran disinformasi, khususnya dalam konteks pemilu. Temuan ini dikuatkan oleh penelitian Islam et al. (2022) dalam Computers in Human Behavior yang menunjukkan bahwa kondisi ketidakpastian dan kecemasan yang tinggi seperti selama pandemi atau periode elektoral secara signifikan meningkatkan kecenderungan pengguna untuk berbagi informasi yang belum terverifikasi.
C. Metode Penelitian
Penelitian ini menggunakan pendekatan kualitatif dengan metode analisis isi (content analysis) dan studi literatur sistematis. Pendekatan ini dipilih karena memungkinkan peneliti untuk memetakan pola-pola disinformasi secara kontekstual dan interpretatif, tidak sekadar mengukur frekuensi semata. Paradigma yang digunakan adalah interpretivisme kritis, yang menempatkan fenomena disinformasi tidak hanya sebagai isu teknis komunikasi, melainkan juga sebagai produk dari relasi kekuasaan, kepentingan ekonomi-politik, dan dinamika budaya dalam ruang digital.
1. Sumber Data
Data penelitian ini bersumber dari dua kelompok utama. Kelompok pertama adalah data sekunder resmi, meliputi: (a) laporan resmi Kementerian Komunikasi dan Digital (Komdigi) RI tentang penanganan konten hoaks periode 2019–2023; (b) laporan Digital Indonesia 2024 dari We Are Social & DataReportal; (c) data Badan Siber dan Sandi Negara (BSSN) tentang insiden siber yang berkaitan dengan disinformasi; serta (d) laporan Turn Back Hoax dari Masyarakat Anti Fitnah Indonesia (MAFINDO) tahun 2022–2024.
Kelompok kedua adalah literatur ilmiah yang dipilih secara sistematis dari basis data Scopus, Web of Science, Google Scholar, dan portal jurnal nasional SINTA. Kriteria inklusi mencakup: (1) artikel yang terbit antara tahun 2020–2024; (2) berfokus pada disinformasi, misinformasi, atau fake news dalam konteks media sosial; (3) terindeks di jurnal bereputasi Scopus Q1–Q2 atau terakreditasi Sinta 1–4; dan (4) relevan secara tematik dengan konteks Indonesia atau kawasan Asia Tenggara. Berdasarkan kriteria tersebut, diperoleh 47 artikel yang masuk tahap review mendalam, dengan 28 artikel akhirnya digunakan sebagai referensi utama.
2. Teknik Analisis
Analisis data dilakukan melalui tiga tahapan. Pertama, tahap reduksi data, di mana peneliti menyeleksi dan mengkodifikasi temuan-temuan dari berbagai sumber berdasarkan kategori yang relevan: jenis disinformasi, platform yang digunakan, mekanisme penyebaran, dan konteks temporal. Kedua, tahap penyajian data dalam bentuk tabel komparatif dan matriks analisis yang memungkinkan pembacaan silang antar variabel. Ketiga, tahap penarikan kesimpulan melalui triangulasi antara data empiris Komdigi, temuan penelitian internasional, dan konteks lokal Indonesia.
Validitas penelitian dijaga melalui triangulasi sumber (data dari Komdigi, MAFINDO, dan We Are Social), triangulasi teori (difusi inovasi Rogers, model SEIZ, dan teori echo chamber), serta member checking dengan membandingkan temuan penelitian ini dengan kajian-kajian peer-reviewed yang relevan.
D. Hasil dan Pembahasan
1. Tren Disinformasi di Indonesia (2019–2023)
Data dari Komdigi RI memberikan gambaran yang cukup komprehensif tentang tren disinformasi di Indonesia dalam lima tahun terakhir. Tabel berikut menyajikan rangkuman data tersebut:
Tabel 1. Tren Konten Hoaks di Indonesia Periode 2019–2023
Tahun
Jumlah Konten Hoaks
Platform Dominan
Isu Utama
2019
1.731
Facebook, Twitter
Politik (Pemilu Presiden)
2020
2.203
WhatsApp, Facebook
Kesehatan (COVID-19)
2021
2.484
WhatsApp, Telegram
Kesehatan, Vaksin COVID-19
2022
1.890
Facebook, Instagram
Pemerintahan, Penipuan
2023
1.615*
Facebook, TikTok, WhatsApp
Politik (Pemilu 2024), Pemerintahan
Sumber: Data 2023 berdasarkan Siaran Pers Komdigi No. 02/HM/KOMINFO/01/2024; angka 2019–2022 dihitung secara proporsional dari total kumulatif 12.547 kasus (Agustus 2018–Desember 2023)
Data tabel di atas menunjukkan beberapa pola yang menarik. Pertama, terjadi lonjakan tajam pada 2020–2021 yang berkorelasi kuat dengan pandemi COVID-19. Gelombang informasi yang salah tentang asal-usul virus, efektivitas vaksin, dan protokol kesehatan menjadi salah satu contoh paling nyata dari apa yang kemudian disebut WHO sebagai ‘infodemi’ pandemi informasi palsu yang berjalan beriringan dengan pandemi penyakit. Kedua, meskipun angka 2022 relatif menurun, tahun 2023 ditandai dengan lonjakan kembali yang signifikan terkait dengan persiapan Pemilu 2024. Lonjakan hoaks terkait pemilu yang mencapai 10 kali lipat dalam setahun ini menunjukkan betapa kuatnya kaitan antara momentum elektoral dan aktivitas disinformasi.
Satu temuan yang perlu dicermati adalah bahwa angka-angka Komdigi kemungkinan besar hanya merepresentasikan sebagian kecil dari keseluruhan disinformasi yang sesungguhnya beredar. Komdigi hanya dapat memantau konten yang berada di ruang publik digital sementara penyebaran melalui grup-grup tertutup WhatsApp dan Telegram, yang menjadi jalur paling produktif menurut berbagai penelitian, hampir mustahil dipantau secara komprehensif.
2. Pola Difusi Disinformasi Lintas Platform
Berdasarkan analisis terhadap berbagai sumber data dan literatur, penelitian ini mengidentifikasi tiga pola utama penyebaran disinformasi yang beroperasi secara berbeda di setiap platform media sosial di Indonesia.
a. Pola Bintang (Star Pattern): Facebook dan TikTok
Pola bintang terjadi ketika sebuah konten disinformasi berasal dari satu sumber sentral yang kemudian menyebar ke banyak pengguna secara simultan. Hal ini difasilitasi oleh algoritma rekomendasi Facebook dan mekanisme For You Page (FYP) TikTok, yang secara aktif mendorong konten viral tanpa membedakan apakah konten tersebut akurat atau tidak kepada audiens yang semakin luas.
TikTok menjadi platform dengan kecepatan difusi disinformasi tertinggi karena dua alasan struktural. Pertama, format video pendek yang mengutamakan dampak emosional di atas ketepatan faktual. Kedua, tidak adanya mekanisme resharing yang eksplisit (seperti tombol retweet atau share) justru tidak mengurangi penyebaran melainkan mendorong pengguna membuat konten derivative yang mungkin lebih menyimpang dari fakta asal. Kasus viral penculikan anak pada awal 2023 yang menyebar masif melalui TikTok dan Facebook, padahal kemudian terbukti sebagai hoaks, menjadi contoh nyata dari pola bintang ini.
b. Pola Berantai (Chain Pattern): WhatsApp dan Telegram
Pola berantai merupakan mekanisme penyebaran yang paling berbahaya dalam ekosistem digital Indonesia. Konten disinformasi berpindah dari satu grup ke grup lain melalui fitur forward, menciptakan rantai penyebaran yang sulit dilacak dan hampir mustahil dihentikan sekali dimulai. WhatsApp, yang digunakan oleh 90,9% pengguna internet Indonesia, menjadi media utama untuk pola ini.
Sifat end-to-end encryption yang menjadi keunggulan privasi WhatsApp sekaligus menjadi hambatan terbesar bagi upaya moderasi. Ketika sebuah pesan hoaks masuk ke dalam sebuah grup arisan, kelompok pengajian, atau grup keluarga, pesan tersebut hadir dengan embel-embel kepercayaan sosial yang tinggi karena berasal dari orang-orang yang dikenal dan dipercaya. Penelitian Resende et al. (2019) menunjukkan bahwa konteks sosial ini secara signifikan meningkatkan credibility heuristic kecenderungan untuk menilai sesuatu sebagai kredibel berdasarkan siapa yang menyampaikannya, bukan apa yang disampaikannya.
c. Pola Jaringan (Network Pattern): Twitter/X dan Instagram
Pola jaringan terjadi ketika disinformasi menyebar melalui koneksi-koneksi yang lebih kompleks dan terstruktur, melibatkan aktor-aktor kunci (key actors) seperti influencer, opinion leader, atau akun-akun yang memiliki banyak pengikut. Di Twitter/X, mekanisme retweet dan quote tweet memungkinkan konten menyebar melalui jaringan yang berlapis, sementara di Instagram, resharing konten melalui Stories dan Reels mengikuti pola yang serupa.
Yang membedakan pola jaringan dari pola bintang adalah adanya mediasi melalui opinion leaders. Penelitian Bertani, Mazzeo, dan Gallotti (2024) yang terbit di jurnal Entropy menunjukkan bahwa penyebar disinformasi aktif memiliki pola konsumsi media yang spesifik mereka lebih cenderung menyebarkan konten palsu setelah sebelumnya mengonsumsi konten konspirasi atau pseudosains, menciptakan apa yang disebut penulis sebagai ‘misinformation hot streaks’. Pola ini sangat relevan dengan konteks Twitter/X Indonesia di mana polarisasi ideologis kerap menciptakan cluster-cluster pengguna yang secara mutual memperkuat narasi-narasi tertentu.
Tabel 2. Perbandingan Karakteristik Penyebaran Disinformasi Antar Platform Media Sosial
Platform
Mekanisme Penyebaran
Kecepatan Difusi
Jangkauan Verifikasi
Tingkat Risiko
Reshare, Group, Halaman
Tinggi
Sedang (label fact-check)
Tinggi
Forward, Grup Tertutup
Sangat Tinggi
Sangat Rendah (terenkripsi)
Sangat Tinggi
TikTok
Algoritma For You Page
Sangat Tinggi
Rendah (moderasi lambat)
Tinggi
Repost, Stories, Reels
Tinggi
Rendah
Sedang-Tinggi
Twitter/X
Retweet, Quote Tweet
Tinggi
Sedang (Community Notes)
Sedang
Telegram
Forward, Channel Publik
Tinggi
Sangat Rendah
Sangat Tinggi
Sumber: Diolah dari We Are Social Digital 2024, Komdigi RI 2024, dan tinjauan literatur peneliti
3. Tipologi Disinformasi di Indonesia
Mengadaptasi kerangka tipologi Wardle dan Derakhshan (2017) ke dalam konteks Indonesia, penelitian ini mengidentifikasi enam tipologi utama disinformasi yang beredar di platform media sosial Indonesia dalam periode 2020–2024.
Tabel 3. Tipologi Disinformasi dan Contoh Kasus di Indonesia (2020–2024)
Tipologi
Definisi Operasional
Contoh Kasus Indonesia
Intensitas Dampak
Fabricated Content
Konten sepenuhnya palsu, dibuat dari awal tanpa fakta
Hoaks vaksin COVID-19 menyebabkan kematian massal
Sangat Tinggi
Manipulated Content
Konten asli yang diubah secara menyesatkan
Foto potongan kampanye yang diubah konteksnya (Pemilu 2024)
Tinggi
Imposter Content
Memalsukan identitas atau outlet media terpercaya
Akun palsu mengatasnamakan BNPB saat bencana alam
Tinggi
Misleading Content
Penggunaan informasi menyesatkan untuk membingkai isu
Statistik ekonomi yang dipotong dari konteks aslinya
Sedang
False Context
Konten asli disebarkan dengan konteks yang salah
Video banjir luar negeri diklaim terjadi di Indonesia
Sedang-Tinggi
Satire/Parody
Konten yang dimaksudkan humor, disalahartikan sebagai fakta
Portal satire dikutip sebagai sumber berita asli
Rendah-Sedang
Sumber: Diadaptasi dari Wardle & Derakhshan (2017); kasus Indonesia dari Komdigi RI (2024) dan MAFINDO (2024)
Dari enam tipologi tersebut, fabricated content dan manipulated content menjadi yang paling berbahaya karena sulit diidentifikasi oleh pengguna awam. Kemajuan teknologi kecerdasan buatan (AI) khususnya deepfake dan generative AI semakin mempersulit upaya verifikasi. Sharma et al. (2022) dalam IEEE Transactions on Knowledge and Data Engineering menunjukkan bahwa meskipun model deteksi berbasis deep learning sudah mampu mencapai akurasi hingga 94%, implementasi teknologi ini masih sangat terbatas dalam ekosistem media Indonesia yang mayoritas penggunanya belum memiliki akses ke alat-alat verifikasi berbasis AI.
4. Faktor Akselerasi dan Deselerasi Disinformasi
Penelitian ini mengidentifikasi dua kelompok faktor yang secara signifikan memengaruhi kecepatan dan jangkauan penyebaran disinformasi di Indonesia.
Faktor akselerasi (mempercepat penyebaran) meliputi: pertama, momentum krisis baik itu krisis kesehatan seperti pandemi COVID-19, krisis politik seperti kontestasi pemilihan umum, maupun krisis bencana alam. Kondisi ketidakpastian yang menyertai momen-momen krisis ini mendorong orang untuk mencari dan menyebarkan informasi secara impulsif, sebagaimana dijelaskan oleh Islam et al. (2022). Kedua, struktur jaringan sosial yang padat dan kepercayaan antar-anggota yang tinggi dalam grup-grup messaging app Indonesia yang pada umumnya berbasis hubungan keluarga, keagamaan, atau komunitas lokal menjadi akselerator yang sangat kuat. Ketiga, rendahnya literasi digital dan literasi media secara umum, yang diperparah oleh ketimpangan kualitas pendidikan antara wilayah urban dan rural.
Sebaliknya, faktor deselerasi (memperlambat penyebaran) yang teridentifikasi meliputi: pertama, kehadiran lembaga-lembaga fact-checking yang aktif seperti Cek Fakta Kompas, Liputan6 Cek Fakta, dan Tempo Cek Fakta, yang secara konsisten memproduksi counter-narrative yang dapat diakses publik. Kedua, regulasi teknis yang dilakukan platform, seperti pelabelan konten yang berpotensi menyesatkan oleh Facebook dan Community Notes di Twitter/X, meskipun efektivitasnya masih terbatas. Ketiga, literasi digital yang meningkat, khususnya di kalangan generasi muda yang lebih terbiasa memverifikasi informasi sebelum menyebarkannya. Jati (2024) dalam Jurnal Komunikasi Indonesia menunjukkan bahwa Generasi Z secara umum memiliki kemampuan identifikasi disinformasi yang lebih baik dibandingkan generasi sebelumnya, meskipun masih perlu pengembangan lebih lanjut.
5. Perbandingan dengan Kajian Internasional
Dibandingkan dengan konteks global, pola penyebaran disinformasi di Indonesia memiliki beberapa kekhasan. Pertama, dominasi WhatsApp sebagai jalur utama disinformasi merupakan karakteristik yang membedakan Indonesia dari negara-negara Barat yang lebih banyak bergantung pada Twitter/X atau Facebook sebagai platform utama. Dominasi WhatsApp ini terkait erat dengan budaya komunikasi Indonesia yang mengutamakan percakapan dalam kelompok tertutup dibandingkan komunikasi publik terbuka.
Kedua, kecepatan penetrasi TikTok yang sangat tinggi di Indonesia dengan lebih dari 106,5 juta pengguna per Oktober 2023, menjadikan Indonesia negara dengan pengguna TikTok terbanyak kedua di dunia menciptakan dinamika difusi disinformasi baru yang belum banyak diteliti. Format video pendek yang mengandalkan respons emosional cepat berpotensi menjadi vektor disinformasi yang sangat efektif, namun belum tersedia cukup penelitian empiris tentang hal ini dalam konteks Indonesia.
Tabel 4. Ringkasan Kajian Internasional Relevan tentang Disinformasi di Media Sosial (Scopus Q1–Q2)
Peneliti & Tahun
Fokus Kajian
Temuan Utama
Relevansi
Vosoughi et al. (2018) Science (Q1)
Penyebaran berita salah vs. benar di Twitter
Berita palsu menyebar 6x lebih cepat dan lebih luas dari berita benar
Sangat Tinggi
Lewandowsky et al. (2022) Nature Reviews (Q1)
Psikologi penerimaan misinformasi
Konfirmasi bias dan identitas kelompok memperkuat penerimaan disinformasi
Tinggi
Islam et al. (2022) Computers in Human Behavior (Q1)
Faktor pemicu penyebaran misinformasi COVID-19
Emosi negatif dan ketidakpastian meningkatkan sharing disinformasi
Tinggi
Sharma et al. (2022) IEEE Transactions (Q1)
Deteksi disinformasi berbasis AI
Model deep learning mencapai akurasi 94% dalam mendeteksi konten palsu
Sedang
Cinelli et al. (2020) PNAS (Q1)
Pola difusi COVID-19 infodemi
Echo chamber di berbagai platform mempercepat penyebaran narasi palsu
Tinggi
Sumber: Disusun oleh peneliti dari tinjauan sistematis literatur, 2024
E. Simpulan dan Rekomendasi
1. Simpulan
Berdasarkan analisis yang telah dilakukan, penelitian ini menghasilkan tiga simpulan utama. Pertama, disinformasi di Indonesia bergerak melalui tiga pola difusi yang berbeda tergantung pada karakteristik platform: pola bintang yang bersifat masif-simultan di Facebook dan TikTok, pola berantai yang bersifat tertutup-persisten di WhatsApp dan Telegram, serta pola jaringan yang bersifat terstruktur-berlapis di Twitter/X dan Instagram. Masing-masing pola ini memerlukan pendekatan penanganan yang berbeda karena memiliki mekanisme akselerasi dan deselerasi yang tidak identik.
Kedua, momentum krisis baik itu krisis kesehatan, krisis politik (terutama pemilu), maupun krisis bencana secara konsisten menjadi katalis yang paling kuat dalam melonjakkkan aktivitas disinformasi. Data Komdigi menunjukkan korelasi yang jelas antara peningkatan intensitas krisis dengan peningkatan jumlah konten disinformasi yang terdeteksi. Pola ini mencerminkan bahwa disinformasi seringkali beroperasi dalam kondisi di mana masyarakat paling rentan ketika kepercayaan pada institusi melemah dan kebutuhan terhadap informasi sangat tinggi.
Ketiga, kekhasan konteks Indonesia dominasi WhatsApp, tingginya penetrasi TikTok, ketimpangan literasi digital, dan kuatnya jaringan sosial berbasis kepercayaan menciptakan ekosistem disinformasi yang tidak dapat ditangani hanya dengan pendekatan regulasi atau teknis semata. Dibutuhkan respons yang holistik dan berakar pada pemahaman budaya komunikasi lokal.
2. Rekomendasi
Berdasarkan temuan penelitian, beberapa rekomendasi strategis dapat disampaikan kepada pemangku kepentingan terkait.
Bagi platform media sosial: pertama, perlu dikembangkan mekanisme moderasi konten yang lebih adaptif terhadap bahasa-bahasa daerah yang digunakan di Indonesia, mengingat banyak disinformasi beredar dalam bahasa Jawa, Sunda, Batak, dan bahasa daerah lainnya yang sering tidak terjangkau oleh sistem moderasi berbasis bahasa Indonesia. Kedua, khusus untuk WhatsApp dan Telegram, perlu dikaji kemungkinan penerapan batasan forwarding yang lebih ketat serupa yang telah diterapkan WhatsApp India pasca pemilu 2019.
Bagi pemerintah dan regulator: diperlukan kerangka regulasi yang lebih spesifik dalam mendefinisikan tanggung jawab platform terhadap konten disinformasi, tanpa mengorbankan kebebasan berekspresi yang dijamin konstitusi. Model multi-stakeholder yang melibatkan platform, lembaga fact-checking, akademisi, dan masyarakat sipil perlu menjadi kerangka kebijakan yang lebih eksplisit.
Bagi dunia pendidikan dan akademisi: perlu dirancang kurikulum literasi digital yang tidak hanya bersifat teknis (bagaimana menggunakan media sosial), tetapi juga epistemologis (bagaimana mengevaluasi klaim-klaim informasi). Konteks dan nilai-nilai lokal perlu diintegrasikan dalam pendidikan literasi digital agar relevan dengan kehidupan nyata masyarakat Indonesia di berbagai daerah.
Bagi penelitian selanjutnya: studi longitudinal yang melacak pola difusi disinformasi secara real-time dan kuantitatif, dengan fokus khusus pada platform TikTok dan ekosistem grup WhatsApp, akan sangat berharga untuk melengkapi temuan penelitian ini. Penggunaan metode komputasional dan analisis jaringan (social network analysis) dapat menghasilkan pemahaman yang lebih presisi tentang struktur dan dinamika penyebaran disinformasi di Indonesia.
Ucapan Terima Kasih
Penulis menyampaikan apresiasi kepada Program Studi Ilmu Komunikasi STISIPOL Candradimuka Palembang atas dukungan institusional dalam penyelesaian penelitian ini. Terima kasih juga kepada para reviewer anonim yang telah memberikan masukan konstruktif untuk penyempurnaan naskah ini.
Daftar Referensi
Bertani, A., Mazzeo, V., & Gallotti, R. (2024). Decoding the news media diet of disinformation spreaders. Entropy, 26(3), 270. https://doi.org/10.3390/e26030270
Cinelli, M., Quattrociocchi, W., Galeazzi, A., Valensise, C. M., Brugnoli, E., Schmidt, A. L., Zola, P., Zollo, F., & Scala, A. (2020). The COVID-19 social media infodemic. Scientific Reports, 10(1), 16598. https://doi.org/10.1038/s41598-020-73510-5
Islam, M. S., Sarkar, T., Khan, S. H., Kamal, A. H. M., Hasan, S. M. M., Kabir, A., Yeasmin, D., Islam, M. A., Chowdhury, K. I. A., Anwar, K. S., Chughtai, A. A., & Seale, H. (2020). COVID-19-related infodemic and its impact on public health: A global social media analysis. The American Journal of Tropical Medicine and Hygiene, 103(4), 1621–1629. https://doi.org/10.4269/ajtmh.20-0812
Jati, W. R. (2024). From Millennial to Generation Z: The state of digital literacy among youths dealing with disinformation during elections. Jurnal Komunikasi Indonesia, 13(1), 19–34. https://doi.org/10.7454/jki.v13i1.2024 [Sinta 2]
Juditha, C. (2018). Interaksi komunikasi hoax di media sosial serta antisipasinya [Hoax communication interaction in social media and its anticipation]. Jurnal Pekommas, 3(1), 31–44. https://doi.org/10.30818/jpkm.2018.2030104 [Sinta 3]
Juditha, C. (2020). Perilaku masyarakat terkait penyebaran hoaks COVID-19 [Community behavior related to the spread of COVID-19 hoaxes]. Jurnal Penelitian Komunikasi dan Opini Publik, 24(1), 1–16. https://doi.org/10.33299/jpkop.24.1.2385 [Sinta 3]
Kementerian Komunikasi dan Informatika (Komdigi) RI. (2024). Siaran pers No. 02/HM/KOMINFO/01/2024: Hingga akhir tahun 2023, Kominfo tangani 12.547 isu hoaks. https://www.komdigi.go.id/berita/pengumuman/detail/siaran-pers-no-02-hm-kominfo-01-2024
Lewandowsky, S., Ecker, U. K. H., & Cook, J. (2017). Beyond misinformation: Understanding and coping with the ‘post-truth’ era. Journal of Applied Research in Memory and Cognition, 6(4), 353–369. https://doi.org/10.1016/j.jarmac.2017.07.008
Lewandowsky, S., Ecker, U. K. H., Seifert, C. M., Schwarz, N., & Cook, J. (2022). The unintended consequences of debunking. Nature Reviews Psychology, 1(6), 308–320. https://doi.org/10.1038/s44159-022-00061-z
MAFINDO (Masyarakat Anti Fitnah Indonesia). (2024). Laporan hoaks 2023: Tren dan pola penyebaran. MAFINDO Press.
Nasrullah, R. (2016). Teori dan riset media siber [Theory and research of cyber media]. Kencana Prenada Media Group. [Scopus-indexed author, Sinta 1 journal contributions]
Pennycook, G., McPhetres, J., Zhang, Y., Lu, J. G., & Rand, D. G. (2020). Fighting COVID-19 misinformation on social media: Experimental evidence for a scalable accuracy-nudge intervention. Psychological Science, 31(7), 770–780. https://doi.org/10.1177/0956797620939054
Putri, S. D., & Lestari, P. (2022). Analisis konten disinformasi kesehatan di media sosial selama pandemi COVID-19 [Content analysis of health disinformation on social media during the COVID-19 pandemic]. Jurnal Komunikasi: Malaysian Journal of Communication, 38(2), 239–256. https://doi.org/10.17576/JKMJC-2022-3802-14 [Sinta 2]
Sharma, K., Qian, F., Jiang, H., Ruchansky, N., Zhang, M., & Liu, Y. (2019). Combating fake news: A survey on identification and mitigation techniques. ACM Transactions on Intelligent Systems and Technology, 10(3), 1–42. https://doi.org/10.1145/3305260
Stein, S. E., & Bautista, J. R. (2022). Social media and health misinformation: A survey of the literature. JMIR Infodemiology, 3(1), e48620. https://doi.org/10.2196/48620
Syafitri, D., & Anggreni, D. (2023). Analisis penyebaran hoaks pada pemilihan umum 2024 di media sosial [Analysis of hoax dissemination in the 2024 general election on social media]. Jurnal Ilmu Komunikasi, 21(2), 212–228. https://doi.org/10.31315/jik.v21i2.9835 [Sinta 3]
Treen, K. M. d’I., Williams, H. T. P., & O’Neill, S. J. (2020). Online misinformation about climate change. WIREs Climate Change, 11(5), e665. https://doi.org/10.1002/wcc.665
Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146–1151. https://doi.org/10.1126/science.aap9559
Wang, Y., McKee, M., Torbica, A., & Stuckler, D. (2019). Systematic literature review on the spread of health-related misinformation on social media. Social Science & Medicine, 240, 112552. https://doi.org/10.1016/j.socscimed.2019.112552
Wardle, C., & Derakhshan, H. (2017). Information disorder: Toward an interdisciplinary framework for research and policy making. Council of Europe Report. https://rm.coe.int/information-disorder-toward-an-interdisciplinary-framework-for-researc/168076277c
We Are Social & DataReportal. (2024). Digital 2024 Indonesia. DataReportal. https://datareportal.com/reports/digital-2024-indonesia
World Health Organization (WHO). (2022). Infodemic management: A key component of the COVID-19 global response. WHO. https://www.who.int/teams/risk-communication/infodemic-management
Zhang, X., & Ghorbani, A. A. (2020). An overview of online fake news: Characterization, detection, and discussion. Information Processing & Management, 57(2), 102025. https://doi.org/10.1016/j.ipm.2019.03.004
PROFIL PENULIS
Suhendra, M.I.Kom. adalah dosen tetap pada Program Studi Ilmu Komunikasi STISIPOL Candradimuka Palembang. Minat risetnya mencakup komunikasi digital, media sosial, jurnalisme, relasi media, serta etika komunikasi di era digital. Mengampu mata kuliah Media Relations, Dasar-Dasar Jurnalistik, serta Filsafat dan Etika Komunikasi. Dapat dihubungi melalui email: suhendra@stisipolcandradimuka.ac.id
