Pelajaran pertama Big Data menunjukkan bahwa jumlah data bukanlah ukuran kebenaran. Big Data tidak sama dengan Big Truth. Seringkali, banyak orang terpesona oleh angka secara kuantitatif. Puluhan juta komentar seringkali dianggap lebih meyakinkan daripada seratus wawancara langsung. Padahal data besar tidak menjadi otomatis menjadi data yang benar.
Oleh : Fahmy Lukman*
JERNIH–Mengawali tulisan ini, saya hendak menyatakan bahwa“Data bahasa tidak pernah tidur, tetapi makna acapkali bersembunyi dan diselundupkan di baliknya.”
Realitas saat ini, kita memasuki babak baru dalam sejarah bahasa. Abad ke-20 bahasa direkam dalam buku, surat kabar, atau percakapan langsung, sedangkan abad ke-21 hampir setiap kata yang kita ucapkan, ketik, unggah, atau bagikan meninggalkan jejak digital. Ucapan di media sosial, komentar pada kanal YouTube, percakapan di aplikasi pesan, podcast, hingga video pendek di TikTok berubah menjadi tambang data yang tak terhingga. Pada konteks inilah, Big Data dan Artificial Intelligence (AI) telah mengubah wajah linguistik dan bahasa secara mendasar. Bahasa tidak lagi hanya dipelajari melalui sampel kecil atau korpus terbatas, melainkan melalui miliaran kata yang diproduksi setiap hari masyarakat dunia.
Dalam konteks tersebut di atas, perlu kita sadari bahwa semakin besar data yang dimiliki, semakin besar pula ilusi yang menunjukkan bahwa kita telah memahami kenyataan. Tentu saja hal ini masih perlu didiskusikan karena belum tentu. Peluang untuk membangun ilusi tersebut sangat besar.
Saat Bahasa Menjadi Data
Mari kita bayangkan tatkala seorang peneliti hendak mengetahui tentang masyarakat Indonesia dalam memaknai tagar “#kabur aja dulu” dan “bayar! bayar! bayar!” yang pernah ramai menjadi perbincangan di media sosial awal 2025 lalu. Jika riset itu dilakukan sepuluh tahun lalu maka penelitian semacam itu harus dilakukan dengan mewawancarai beberapa puluh responden. Hanya saja, pada hari ini tentu situasinya menjadi berbeda. Melalui pemanfaatan teknologi sebagai co-working maka persoalan di atas dalam beberapa jam saja AI mampu mengumpulkan ratusan ribu unggahan dari berbagai platform digital. Frekuensi kata dapat dihitung. Emosi pengguna dapat dipetakan. Wilayah persebaran dapat divisualisasikan. Bahkan hubungan antarakun yang menyebarkan istilah tersebut dapat dianalisis menggunakan jaringan sosial.
Secara teknis, pekerjaan yang dahulu membutuhkan waktu berbulan-bulan, kini dapat diselesaikan dalam hitungan menit. Dalam konteks inilah maka muncul pertanyaan yang jauh lebih penting. Apakah seluruh unggahan itu benar-benar mencerminkan suara masyarakat? Jawabannya adalah belum tentu. Sebagian akun yang terdeteksi perangkat teknologi berpeluang besar berupa bot. Sebagian lagi merupakan akun anonim yang sengaja dibuat untuk menggiring opini. Ada pula jaringan buzzer dan influencer yang bekerja secara terkoordinasi untuk tujuan tertentu. Jika semua data tersebut diterima begitu saja, maka penelitian justru akan menghasilkan simpulan yang menyesatkan.
Dalam kaitan inilah maka pelajaran pertama Big Data menunjukkan bahwa jumlah data bukanlah ukuran kebenaran. Big Data tidak sama dengan Big Truth. Seringkali, banyak orang terpesona oleh angka secara kuantitatif. Puluhan juta komentar seringkali dianggap lebih meyakinkan daripada seratus wawancara langsung. Padahal data besar tidak menjadi otomatis menjadi data yang benar.
Dalam kaitan inilah, perlu kita bayangkan sebagai seorang peneliti yang ingin mengukur persepsi publik tentang revisi suatu undang-undang misalnya. AI mengumpulkan jutaan komentar dari media sosial. Sekilas hasilnya tampak sangat ilmiah. Akan tetapi, setelah dilakukan audit, ternyata bisa jadi hampir empat puluh atau enam puluh persen komentar itu berasal dari akun otomatis yang diprogram untuk mengulang narasi yang sama. Hal ini menunjukkan bahwa data yang sedang dianalisis bukan opini masyarakat, melainkan strategi wacana tertentu melalui propaganda digital.
Kasus seperti ini bukan lagi hipotesis. Di berbagai negara, penggunaan bot, akun palsu, dan jaringan propaganda telah menjadi bagian dari kontestasi politik digital. Karena itu, tantangan terbesar bukan mengumpulkan data, melainkan memisahkan antara suara manusia dan suara algoritma.
Bahasa Lebih Cepat dari Kamus
Kemajuan teknologi dan AI menjadi pemicu munculnya fenomena lain yang menarik untuk ditelaah, yaitu berkenaan kecepatan perubahan bahasa. Hari ini kita mengenal istilah healing, flexing, FOMO, YOLO, brain rot, atau doomscrolling. Besok mungkin muncul istilah baru yang sama sekali berbeda. Dalam dunia digital, sebuah kata dapat lahir pada pagi hari, menjadi viral pada sore hari, lalu menghilang beberapa minggu kemudian. Bahasa kini bergerak mengikuti logika algoritma. Semakin sering sebuah kata dipromosikan oleh sistem rekomendasi platform, semakin cepat ia menjadi bagian dari percakapan publik. Hal ini berarti algoritma tidak hanya menyebarkan bahasa melalinkana algoritma saat ini turut serta dalam membentuk bahasa.
Pertanyaan kritisnya adalah apakah kita masih menjadi pengguna bahasa atau justru sedang diarahkan oleh mesin dan teknologi tentang kata-kata apa yang harus kita gunakan? AI sebagai co-working merupakan mesin pembelajar yang sangat pintar, tetapi belum memiliki kemampuan untuk memahami esensi tentang manusia. Kemampuan AI memang luar biasa. AI mampu mengenali pola bahasa, menerjemahkan berbagai bahasa asing, meringkas ribuan artikel, bahkan menghasilkan tulisan yang tampak meyakinkan. Hanya saja, AI memiliki kelemahan mendasar. AI tidak hidup dalam ruang budaya masyarakat.
Perhatikan kalimat berikut: “Hebat sekali pelayanan hari ini. Saya hanya antre lima jam.”
Setiap penutur bahasa Indonesia memahami bahwa kalimat tersebut merupakan sindiran. Namun AI sering menganggapnya sebagai pujian karena menemukan kata “hebat”. Hal serupa terjadi pada metafora. Ketika seseorang berkata, “Demokrasi sedang demam.” Tidak ada suhu tubuh yang sedang diukur, sebenarnya yang sedang dibicarakan adalah kondisi krisis politik.
Begitu pula ketika masyarakat menyebut praktik korupsi sebagai “republik amplop” atau menyebut praktik manipulasi hukum sebagai “hukum yang diperjualbelikan”. Ungkapan-ungkapan itu bukan sekadar rangkaian kata, melainkan simbol budaya yang sarat kritik sosial. AI dapat mengenali kata-katanya, tetapi belum tentu menangkap lapisan makna yang hidup di dalam pengalaman masyarakat. Karena itulah maka linguistik tidak boleh menyerahkan proses interpretasi sepenuhnya kepada mesin. Apalagi tatkala masuk dalam penggunaan bahasa agama yang tentu saja jauh lebih kompleks.
Kompleksitas data inilah yang menjadi penting diperhatikan oleh peneliti bahasa dan linguistik. Kesulitan AI semakin nyata ketika berhadapan dengan bahasa agama. Mari kita perhatikan contoh kata jihad yang merupakan kata yang berasal dari bahasa Arab dan diserap ke dalam bahasa Indonesia. Dalam tradisi Islam, maknanya sangat luas. Kata tersebut dapat berarti ‘perjuangan spiritual’, ‘usaha menuntut ilmu’, ‘pengorbanan harta’, hingga ‘pembelaan terhadap masyarakat dalam kondisi tertentu’, dan ‘perang fisik’. Namun dalam banyak media pemberitaan internasional terutama dalam perspektif Barat, maka kata tersebut sering dipersempit menjadi identik dengan kekerasan.
Dalam kaitan inilah, jika AI dilatih menggunakan data yang bias, maka bias tersebut akan diwariskan melalui hasil analisisnya. Hal yang sama berlaku pada istilah seperti adil, musyawarah, hijrah, syariah, fitnah, amanah, atau ukhuwah. Semua kosakata itu memiliki dimensi teologis, historis, dan sosial yang tidak dapat dipahami hanya melalui frekuensi kemunculan kata semata, tetapi memerlukan perangkat lain linguistik yang lebih dalam. Pada sisi inilah, keberadaan dan peranan ahli linguistik dan bahasa, ahli agama, antropolog, dan ilmuwan sosial menjadi sangat penting. AI membutuhkan konteks, sedangkan konteks lahir dari ruang kehidupan manusia.
Vibe Coding: Kesetaraan Riset
Ada berita baiknya terkait dengan vibe coding, yaitu menjembatani hambatan teknis yang kini menjadi semakin kecil. Melalui vibe coding, seorang dosen sastra atau linguistik yang tidak pernah belajar pemrograman dapat meminta AI membuat program untuk mengumpulkan berita daring, membersihkan data, menyusun korpus, atau menghitung kolokasi kata.
Ini merupakan kesetaraan riset; yang dulu hanya dapat dilakukan oleh ilmuwan komputer, kini dapat dilakukan pula oleh peneliti bahasa. Namun kesetaraaan tidak boleh berubah menjadi ketergantungan. Peneliti tetap harus memahami mengapa sebuah kode bekerja, bagaimana data dipilih, dan apa keterbatasannya. Jika tidak, AI akan berubah menjadi “blackbox” yang menghasilkan jawaban tanpa dapat dijelaskan prosesnya. Dalam ilmu pengetahuan, simpulan yang tidak dapat dipertanggungjawabkan sama bahayanya dengan simpulan yang salah.
Linguistik di Tengah Dunia VUCA dan BANI
Perubahan bahasa hari ini menggambarkan dengan sangat jelas dunia VUCA. Volatilitas tampak ketika sebuah istilah menjadi viral hanya dalam hitungan menit dan jam. Ketidakpastian muncul ketika peneliti tidak lagi dapat membedakan mana percakapan organik dan mana hasil rekayasa. Kompleksitas lahir karena bahasa dipengaruhi oleh algoritma, budaya, politik, ekonomi, dan teknologi secara bersamaan. Ambiguitas terlihat ketika satu kata memiliki makna berbeda bagi komunitas yang berbeda.
Namun dunia kini bahkan telah melangkah menuju BANI. Sistem AI sangat rapuh (brittle). Sedikit perubahan konteks dapat menghasilkan kesalahan besar. Para peneliti mengalami kecemasan (anxious) karena khawatir tertinggal oleh perkembangan teknologi. Sebuah unggahan sederhana dapat memicu dampak yang tidak linier (non-linear), membentuk polarisasi nasional hanya dalam beberapa jam yang pada akhirnya, cara kerja algoritma menjadi semakin sulit dipahami (incomprehensible), bahkan oleh para pengembangnya sendiri. Inilah paradoks dunia digital. Kita memiliki lebih banyak data daripada generasi mana pun dalam sejarah manusia, tetapi belum tentu memiliki lebih banyak kearifan dan bijak dalam memanfaatkannya.
Pada akhirnya, masa depan linguistik tidak ditentukan oleh seberapa canggih AI yang digunakan atau seberapa besar dataset yang berhasil dikumpulkan. Yang menentukan adalah integritas ilmiahnya. AI dapat membantu menghitung frekuensi kata, AI sebagai co-working. Big Data dapat memetakan jutaan percakapan. Namun hanya manusia yang mampu bertanya: Siapa yang tidak ikut berbicara dalam data ini? Suara siapa yang hilang? Kelompok mana yang tidak pernah terwakili? Pertanyaan-pertanyaan itulah yang membedakan penelitian ilmiah dari sekadar pengolahan data.
Bahasa pada hakikatnya bukan hanya kumpulan simbol, melainkan rumah bagi ingatan kolektif, identitas budaya, nilai moral, dan peradaban manusia. Karena itu, ketika kita menggunakan Big Data dan AI untuk meneliti bahasa, sesungguhnya kita sedang memegang amanah yang jauh lebih besar daripada sekadar mengolah angka. Teknologi akan terus berkembang, algoritma akan semakin cerdas, dataset akan semakin besar.
Namun satu hal tidak boleh berubah, yaitu keberanian peneliti dan ilmuwan untuk berpikir kritis, memverifikasi temuan, menjaga etika, dan menempatkan kemanusiaan di atas segala kecanggihan teknologi. Sebab pada akhirnya, AI mungkin mampu membaca miliaran kata, tetapi hanya manusia yang mampu memahami mengapa kata-kata itu lahir, mengapa kata-kata mampu menggerakkan masyarakat, dan mengapa hal itu dapat mengubah arah budaya dan peradaban. Masih ingat dengan kata-kata berikut: omon-omon, cebong-kampret, anjir, anjis, anjay, dan lainnya…? Semua kata itu lahir dari perspektif ruang budaya dan politik yang berkembang dalam sebuah masyarakat. Hanya kita yang bisa memahaminya secara tepat dan bukan mesin. []
*Associate professor pada Departemen Linguistik Fakultas Ilmu Budaya Universitas Padjadjaran