Membongkar Percakapan Gus Ulil Vs Greenpeace: Menggunakan AI untuk Memahami Inti Argumen dan Sentimen Debat Panas Tambang Nikel Raja Ampat 🤖💬

[embed]

Halo jama’ah Medium yang dirahmati Allah SWT.! 👋

Beberapa waktu belakangan ini, saya pribadi merasa cukup resah mengamati riuhnya perdebatan di media sosial, khususnya terkait isu lingkungan dan pertambangan. Salah satu yang paling menarik perhatian saya adalah diskusi mengenai tambang nikel di Raja Ampat, di mana nama Gus Ulil Absar Abdalla dan teman-teman aktivis lingkungan menjadi sorotan utama. Saya melihat bagaimana diskusi ini seringkali tidak hanya panas, tetapi juga penuh dengan misinterpretasi, bahkan hujatan, terutama terhadap Gus Ulil.

Seringkali, kritik atau pandangan yang sedikit berbeda langsung dilabeli tanpa upaya memahami “isi kepala” di baliknya. Misalnya, ketika Gus Ulil berargumen tentang pendekatan yang lebih seimbang, bukan penolakan total terhadap tambang, sebagian netizen langsung mengartikannya sebagai “menyetujui kerusakan lingkungan”. Padahal, kompleksitas pemikiran di balik sebuah argumen seringkali jauh lebih dalam dari sekadar hitam-putih.

Di sisi lain, saya juga menyayangkan bahwa dalam perdebatan ini, terkesan ada kurangnya empati dari Gus Ulil terhadap semangat dan perjuangan teman-teman aktivis lingkungan yang mungkin memang idealis, namun didasari oleh keyakinan mendalam akan pelestarian. Seakan ada jurang pemahaman yang lebar antara kedua belah pihak.

Inilah mengapa saya mencoba sebuah eksperimen menarik menggunakan Google Colab dan kekuatan Artificial Intelligence (AI) dari transformers serta Google Gemini API. Proyek sederhana ini bertujuan untuk "membongkar" dan menganalisis secara mendalam transkrip debat panas dari video YouTube: "[FULL] Debat PBNU dan Aktivis soal Tambang Nikel Raja Ampat, Ini Dampaknya | ROSI". Saya ingin sekali memahami inti argumen dari masing-masing pihak, sentimen yang mewarnai, serta menggali "teori kritis" di balik setiap pandangan, tanpa terjebak dalam emosi sesaat atau kesalahpahaman umum.

Saya merasa, ada argumen utama dari Gus Ulil yang mungkin banyak masyarakat belum pahami sepenuhnya: bahwa menghilangkan tambang sama sekali bisa memicu hal-hal yang lebih kompleks. Bagi saya pribadi, ide “no mining at all” yang sering disuarakan teman-teman Greenpeace, meskipun idealis, terasa sedikit utopis jika melihat realitas kebutuhan energi dan pembangunan saat ini.

Melalui tulisan ini, saya ingin mengajak teman-teman untuk melihat lebih jernih. Mari kita selami bersama bagaimana AI bisa menjadi asisten kita dalam memahami kompleksitas sebuah percakapan, menemukan titik temu, dan mungkin, mengurangi sedikit gesekan yang tidak perlu di antara kita.

Kalau kamu mau akses kode yang sudah saya buat ada di sini ya: https://drive.google.com/file/d/1zDjr34g1PTZ1Vep3Z4OCNVZiDb1fOG7Q/view?usp=sharing

1. Menguak Peta Percakapan: Siapa Bicara Apa dan Berapa Banyak?

Langkah pertama yang saya lakukan adalah mengimpor transkrip percakapan dalam format JSON ke dalam program Python saya. Setelah data berhasil dimuat, AI langsung bekerja untuk menganalisis statistik dasar percakapan. Hasilnya cukup menarik:

• Analisis Jumlah Ucapan per Pembicara:
• Ulil Absar Abdalla: 41 ucapan
• Rosiana Silalahi: 40 ucapan
• Iqbal Damanik: 35 ucapan
• Bahlil Lahadalia: 4 ucapan
• Dan beberapa nama lain dengan jumlah yang lebih sedikit (Speaker 3, Narator, Iqbal & Ulil, Warga 1–5).
• Analisis Jumlah Kata per Pembicara:
• Iqbal Damanik: 3148 kata
• Ulil Absar Abdalla: 2741 kata
• Rosiana Silalahi: 1357 kata
• Bahlil Lahadalia: 107 kata

Dari data ini, terlihat jelas bahwa Iqbal Damanik dan Ulil Absar Abdalla adalah dua pembicara utama yang paling banyak menyumbangkan argumen dan penjelasan, diikuti oleh Rosiana Silalahi yang menjalankan perannya sebagai moderator dengan porsi bicara yang signifikan.

2. Merangkum Inti Argumen: AI sebagai “Notulen” Cerdas

Membaca transkrip debat yang sangat panjang tentu memakan waktu. Di sinilah AI model transformers (khususnya distilbart) unjuk gigi. Ia mampu meringkas semua teks panjang dari setiap pembicara menjadi poin-poin penting yang mudah dipahami.

• Ringkasan Argumen Iqbal Damanik: Iqbal Damanik berargumen bahwa pemerintah perlu mencabut izin pertambangan di pulau-pulau kecil, termasuk PT GAG di Pulau Gag, karena melanggar Permen KKP №53 Tahun 2020 dan putusan Mahkamah Konstitusi yang menyatakan pertambangan sebagai abnormally dangerous activity (aktivitas sangat berbahaya). Ia menekankan perlunya transisi ke industri hijau yang menurut riset Greenpeace, berpotensi meningkatkan GDP hingga dua kali lipat, dan menyoroti dampak negatif industri ekstraktif seperti pencemaran lingkungan, kemiskinan "premium" di daerah penghasil SDA, serta peningkatkan biaya kesehatan akibat krisis iklim.
• Ringkasan Argumen Ulil Absar Abdalla: Ulil Absar Abdalla mengapresiasi aktivis lingkungan tetapi menawarkan lensa “teori multiple maslahat” yang mempertimbangkan keseimbangan manfaat dan kerugian. Ia berpendapat bahwa bukan penambangan itu sendiri yang “evil,” melainkan “bad mining” yang perlu ditangani. Ulil mengkritik narasi “fear mongering” yang ekstrem dan “no mining at all” karena mengabaikan manfaat pembangunan dan kesejahteraan masyarakat, mencontohkan kenaikan harga energi di Eropa akibat transisi yang terburu-buru. Ia juga menyoroti kebijakan pemerintah yang membuka konsesi tambang untuk ormas sebagai terobosan penting.

3. Membedah Sentimen: Bagaimana Suasana Debat Tergambar?

Selain meringkas argumen, AI juga dapat menganalisis sentimen dari setiap ucapan menggunakan model nlptown/bert-base-multilingual-uncased-sentiment. Sentimen ini dikategorikan menjadi 1 hingga 5 bintang (1-2: Kontra, 3: Netral, 4-5: Pro).

Berikut adalah distribusi sentimen yang terdeteksi:

• Bintang 1 (Sangat Negatif): 43 ucapan
• Bintang 2 (Negatif): 51 ucapan
• Bintang 3 (Netral): 24 ucapan
• Bintang 4 (Positif): 4 ucapan
• Bintang 5 (Sangat Positif): 7 ucapan

Dari hasil ini, AI kemudian menginterpretasikan sikap secara umum:

• KONTRA: 94 ucapan
• NETRAL: 24 ucapan
• PRO: 11 ucapan

Grafik di atas menunjukkan bahwa sentimen “Kontra” mendominasi percakapan ini, yang mengindikasikan adanya penolakan atau ketidaksetujuan yang kuat terhadap isu yang dibahas. Ini memberikan gambaran yang lebih objektif tentang “suasana” keseluruhan debat.

4. Menggali Teori Kritis: Fondasi Argumen yang Lebih Dalam dengan Gemini API

Ini adalah bagian paling menarik dari proyek ini! Dengan bantuan Gemini API, AI saya mencoba menggali lebih dalam, bukan hanya apa yang dikatakan, tetapi mengapa itu dikatakan dan apa implikasinya. AI berupaya mengekstrak komponen “teori kritis” dari setiap pembicara, yaitu:

• Klaim Utama (Main Claims): Poin-poin inti yang ingin disampaikan.
• Bukti/Dukungan (Evidence/Support): Fakta, data, atau alasan yang diberikan untuk mendukung klaim.
• Sanggahan (Rebuttals): Argumen untuk membantah posisi lawan.
• Implikasi/Konsekuensi (Implications/Consequences): Apa yang diyakini pembicara akan terjadi jika argumen mereka diterima/ditolak.

Hasil Ekstraksi Teori Kritis — Iqbal Damanik:

• Klaim Utama: Pemerintah harus mencabut izin tambang di pulau-pulau kecil, termasuk PT GAG, dan beralih ke energi terbarukan. Ia menggarisbawahi bahwa fokus pada industri ekstraktif saat ini menyebabkan ketidakadilan dan kerusakan lingkungan signifikan.
• Bukti/Dukungan: Mengacu pada Permen KKP №53 Tahun 2020 dan putusan MK yang menyebut pertambangan sebagai abnormally dangerous activity. Menyajikan dampak nyata seperti pencemaran logam berat pada masyarakat sekitar tambang nikel, kebakaran hutan, dan data Greenpeace tentang potensi peningkatan GDP dengan industri hijau. Ia juga menggunakan analogi "kutukan sumber daya alam" dan "Dutch disease".
• Sanggahan: Membantah klaim legalitas PT GAG dengan peraturan yang ada, dan menepis gagasan bahwa industri ekstraktif adalah prasyarat pembangunan ekonomi, dengan menekankan potensi industri hijau.
• Implikasi/Konsekuensi: Jika argumennya diterima, izin tambang akan dicabut, transisi ke industri hijau akan terjadi, dan kesejahteraan masyarakat meningkat. Jika ditolak, kerusakan lingkungan, ketidakadilan, dan krisis iklim akan semakin parah, serta kehilangan kesempatan ekonomi yang lebih besar.

Hasil Ekstraksi Teori Kritis — Ulil Absar Abdalla:

• Klaim Utama: Ulil tidak mendukung penolakan total terhadap tambang, melainkan menyerukan pendekatan yang lebih rasional dan mempertimbangkan “teori multiple maslahat.” Baginya, masalahnya bukan pada penambangan itu sendiri, melainkan pada “bad mining.” Ia mengkritik narasi “fear mongering” dan “no mining at all” karena mengabaikan manfaat pembangunan.
• Bukti/Dukungan: Menggunakan contoh kebijakan pemerintah yang memberikan konsesi tambang kepada ormas (seperti PBNU) untuk mengurangi dominasi korporasi, serta dampak kenaikan harga listrik di Eropa akibat transisi energi yang terburu-buru. Ia juga menyinggung bagaimana negara maju awalnya berkembang melalui eksploitasi sumber daya alam.
• Sanggahan: Membantah anggapan bahwa penambangan adalah kejahatan mutlak, serta menolak narasi “fear mongering” dan pendekatan ekstrem “no mining at all” yang dianggap akan merugikan banyak pihak.
• Implikasi/Konsekuensi: Jika pendekatan rasional diadopsi, akan tercipta keseimbangan pembangunan dan lingkungan. Jika pendekatan ekstrem diterapkan, akan terjadi kerugian ekonomi besar dan polarisasi masyarakat. Ia juga memperingatkan dampak negatif jika transisi energi fosil dilakukan terburu-buru.

Mengapa Analisis Ini Penting untuk Kita Semua?

Proyek kecil ini menunjukkan potensi besar bagaimana kita bisa memanfaatkan AI dan Natural Language Processing (NLP) untuk:

• Meningkatkan Efisiensi: Memahami inti percakapan atau rapat penting dalam hitungan menit, bukan jam.
• Mendapatkan Objektivitas: Analisis sentimen memberikan pandangan yang lebih netral tentang “suasana” percakapan.
• Menggali Wawasan Mendalam: Ekstraksi teori kritis membantu kita melihat fondasi dan struktur argumen, melampaui sekadar permukaan.

Tentu saja, AI masih terus berkembang dan hasilnya bisa bervariasi, namun kemampuan ini membuka jendela baru dalam cara kita memproses dan memahami data teks yang kompleks. Ini adalah langkah maju yang menarik dalam memanfaatkan teknologi untuk membuat kita semua lebih cerdas dalam menyerap informasi.

Semoga proyek ini bisa jadi inspirasi bagi teman-teman yang tertarik untuk mencoba menganalisis data percakapan mereka sendiri! Jika ada pertanyaan atau ingin berdiskusi lebih lanjut, jangan ragu tinggalkan komentar!

#AI #NLP #DataScience #Python #GoogleColab #GeminiAPI #MachineLearning #AnalisisTeks #Code #Programming #DebatPublik #RajaAmpat #TambangNikel