Mengambil, Mengolah, Menganalisis Data dari Gambar Fotokopi, Padahal Gambar Fotokopi Tersebut Hasil Editan, Kemudian Menyimpulkan Gambar Tersebut Benar
Mengambil, Mengolah, Menganalisis Data dari Gambar Fotokopi, Padahal Gambar Fotokopi Tersebut Hasil Editan, Kemudian Menyimpulkan Gambar Tersebut Benar
Oleh: Bambang JB
Pendahuluan
Perkembangan teknologi informasi telah memberikan kemudahan bagi setiap orang untuk mengambil, mengolah, dan menganalisis data dari berbagai sumber. Salah satu sumber informasi yang sering digunakan adalah gambar, foto, maupun dokumen hasil fotokopi. Melalui teknologi pemindaian (scanning), Optical Character Recognition (OCR), dan kecerdasan buatan (Artificial Intelligence/AI), informasi yang terdapat dalam gambar dapat diubah menjadi data digital yang selanjutnya diolah menjadi informasi.
Namun, terdapat persoalan mendasar yang sering kali kurang mendapatkan perhatian, yaitu keaslian sumber data. Sebuah gambar fotokopi belum tentu merupakan representasi dokumen asli. Gambar tersebut mungkin telah mengalami proses penyuntingan, penggabungan, penghapusan, penambahan, atau manipulasi sebelum dicetak dan difotokopi kembali.
Persoalan menjadi lebih serius ketika seseorang mengambil data dari gambar tersebut, memprosesnya menggunakan perangkat lunak, melakukan analisis, kemudian menghasilkan kesimpulan bahwa informasi di dalam gambar merupakan sesuatu yang benar. Padahal, proses pengolahan yang dilakukan belum tentu dapat membuktikan kebenaran sumber data.
Dalam konteks ini, perlu dibedakan antara kebenaran hasil pengolahan data dan kebenaran informasi yang menjadi sumber pengolahan. Hasil perhitungan dapat benar secara matematis, tetapi data yang digunakan belum tentu benar secara faktual.
Artikel ini membahas pentingnya membangun pola berpikir kritis dalam mengambil, mengolah, dan menganalisis data yang bersumber dari gambar fotokopi agar kesimpulan yang dihasilkan tidak terjebak pada informasi yang telah dimanipulasi.
2. Pembahasan
1. Gambar Fotokopi Bukan Jaminan Keaslian Dokumen
Gambar fotokopi sering dianggap sebagai bukti visual yang dapat dipercaya karena menampilkan bentuk dokumen, tulisan, angka, tanda tangan, maupun cap tertentu. Akan tetapi, secara teknis, fotokopi hanya merupakan reproduksi dari objek yang ditempatkan pada mesin fotokopi.
Apabila dokumen sebelum difotokopi telah mengalami perubahan, hasil fotokopi tetap akan memperlihatkan perubahan tersebut. Bahkan, penggandaan berulang dapat membuat manipulasi semakin sulit dikenali karena kualitas gambar mengalami penurunan.
Sebagai contoh, seseorang memiliki dokumen yang berisi tabel transaksi keuangan. Angka tertentu kemudian diubah melalui aplikasi pengolah gambar. Setelah itu, dokumen dicetak dan difotokopi. Orang lain yang menerima hasil fotokopi mungkin menganggap dokumen tersebut sebagai bukti autentik, padahal informasi di dalamnya sudah mengalami perubahan.
Dengan demikian, tampilan visual tidak dapat dijadikan satu-satunya dasar untuk menetapkan keaslian dokumen.
2. Mengambil Data Tidak Sama dengan Membuktikan Kebenaran
Dalam proses pengolahan informasi, terdapat beberapa tahapan yang perlu diperhatikan:
- Pengambilan data:memperoleh informasi dari gambar atau dokumen
- Digitalisasi:mengubah gambar menjadi data digital menggunakan scanner atau kamera.
- Ekstraksi informasi:menggunakan OCR atau metode lainnya untuk membaca teks dan angka.
- Pengolahan data:membersihkan, mengelompokkan, dan menyusun data agar dapat dianalisis.
- Analisis:mengidentifikasi pola, hubungan, perbedaan, dan kecenderungan
- Kesimpulan:menyusun interpretasi berdasarkan hasil analisis dan bukti
Setiap tahapan tersebut memiliki fungsi yang berbeda. Keberhasilan membaca angka dari sebuah gambar tidak otomatis membuktikan bahwa angka tersebut benar.
Misalnya, teknologi OCR berhasil membaca angka Rp150.000 dari gambar fotokopi. Sistem dapat dinyatakan berhasil melakukan ekstraksi teks apabila hasil pembacaannya sesuai dengan gambar. Namun, sistem tersebut belum membuktikan bahwa transaksi sebesar Rp150.000 benar-benar pernah terjadi.
Artinya, terdapat dua jenis validitas yang harus dibedakan, yaitu validitas teknis pembacaan data dan validitas faktual sumber informasi.
3. Bahaya Analisis terhadap Data yang Telah Dimanipulasi
Kesalahan mendasar dalam analisis data dapat terjadi ketika peneliti terlalu percaya terhadap dokumen yang diterima tanpa melakukan pemeriksaan asal-usulnya.
Apabila data yang dimasukkan ke dalam perangkat lunak sudah mengalami manipulasi, hasil analisis dapat terlihat sangat meyakinkan. Grafik, tabel, persentase, rata-rata, bahkan hasil pengujian statistik mungkin menunjukkan konsistensi yang baik.
Namun, konsistensi matematis tidak selalu menunjukkan kebenaran faktual.
Sebagai ilustrasi, terdapat dokumen yang memuat 100 transaksi. Setelah dilakukan pengolahan, diperoleh total transaksi sebesar Rp50 juta. Secara matematis, perhitungan tersebut mungkin benar berdasarkan angka yang tersedia. Akan tetapi, apabila 20 transaksi di dalam dokumen merupakan hasil penyuntingan, kesimpulan yang dihasilkan tidak dapat mewakili kondisi transaksi sebenarnya.
Hal ini menunjukkan bahwa kualitas kesimpulan sangat bergantung pada kualitas, keaslian, dan keterlacakan data yang digunakan.
Dalam penelitian ilmiah, persoalan tersebut berkaitan dengan integritas data (data integrity), validitas sumber (source validity), dan keterulangan proses penelitian (reproducibility).
4. Membangun Mekanisme Verifikasi Sebelum Menyimpulkan
Untuk menghindari kesalahan interpretasi, diperlukan mekanisme verifikasi yang dilakukan sebelum data digunakan sebagai dasar pengambilan keputusan.
Beberapa langkah yang dapat diterapkan adalah:
Pertama, memeriksa sumber dokumen.
Identifikasi pihak yang menerbitkan dokumen, waktu penerbitan, nomor dokumen, serta asal-usul salinan yang diterima.
Kedua, membandingkan dengan dokumen asli.
Apabila memungkinkan, mintalah dokumen asli atau salinan resmi dari lembaga yang berwenang. Periksa kesesuaian tulisan, angka, tanda tangan, cap, dan susunan informasi.
Ketiga, melakukan pemeriksaan digital.
Apabila tersedia berkas digital asli, periksa metadata, riwayat perubahan, karakteristik gambar, dan kemungkinan adanya penggabungan atau manipulasi. Pemeriksaan metadata saja tidak cukup untuk membuktikan keaslian karena metadata juga dapat diubah.
Keempat, melakukan verifikasi silang.
Bandingkan informasi dengan sumber independen, seperti basis data resmi, arsip penerbit, catatan transaksi, atau keterangan pihak terkait.
Kelima, memberikan tingkat keyakinan terhadap kesimpulan.
Kesimpulan perlu disesuaikan dengan kekuatan bukti. Apabila dokumen belum dapat diverifikasi, peneliti sebaiknya menyatakan bahwa informasi masih bersifat sementara dan belum dapat dipastikan kebenarannya.
5. Tanggung Jawab Peneliti dalam Menghasilkan Informasi
Peneliti, pengolah data, dan pengguna teknologi memiliki tanggung jawab untuk tidak menjadikan hasil pengolahan sebagai pembenaran terhadap sumber informasi yang belum teruji.
Teknologi AI dapat membantu mengenali karakter, membaca tabel, membandingkan gambar, serta mendeteksi kemungkinan ketidakwajaran. Namun, AI tidak dapat secara otomatis menjamin bahwa sebuah dokumen benar-benar autentik.
Oleh karena itu, penggunaan teknologi perlu disertai prinsip kehati-hatian, transparansi, dan tanggung jawab ilmiah.
Dalam perspektif etika, menyampaikan informasi yang belum terverifikasi sebagai fakta dapat menimbulkan kesalahpahaman, merugikan pihak lain, bahkan memengaruhi keputusan organisasi maupun masyarakat.
Peneliti seharusnya tidak hanya bertanya, "Apakah data ini dapat diolah?" tetapi juga, "Dari mana data ini berasal, siapa yang membuatnya, apakah pernah diubah, dan apakah kebenarannya dapat dibuktikan?"
Pertanyaan tersebut menjadi landasan penting untuk membangun budaya literasi data yang bertanggung jawab.
Penutup
Mengambil, mengolah, dan menganalisis data dari gambar fotokopi merupakan kegiatan yang dapat dilakukan dengan mudah melalui perkembangan teknologi digital. Akan tetapi, kemudahan tersebut tidak boleh menghilangkan kewajiban untuk memeriksa keaslian sumber informasi.
Gambar fotokopi yang berasal dari dokumen hasil penyuntingan dapat menghasilkan informasi yang terlihat meyakinkan. Ketika data tersebut dimasukkan ke dalam perangkat lunak, diproses secara statistik, dan disajikan dalam bentuk tabel maupun grafik, hasilnya mungkin tampak ilmiah. Namun, hasil pengolahan yang benar secara teknis tidak otomatis menjadikan sumber datanya benar secara faktual.
Oleh karena itu, perlu dibangun suatu pola kerja yang mengutamakan verifikasi sebelum analisis dan pembuktian sebelum kesimpulan. Keaslian dokumen, keterlacakan sumber, perbandingan dengan bukti independen, serta pemeriksaan integritas data harus menjadi bagian dari proses penelitian.
Pada akhirnya, kualitas informasi tidak hanya ditentukan oleh kecanggihan teknologi dalam mengolah data, tetapi juga oleh kejujuran dan ketelitian manusia dalam memastikan kebenaran sumbernya.
Jangan sampai kita berhasil mengolah data yang salah, menghasilkan analisis yang meyakinkan, kemudian menyimpulkan sesuatu yang dianggap benar. Sebab, ketepatan perhitungan tidak selalu mencerminkan kebenaran kenyataan.
Daftar Pustaka
Association of Certified Fraud Examiners. (2024). Occupational Fraud 2024: A Report to the Nations. ACFE.
Casey, E. (2011). Digital Evidence and Computer Crime: Forensic Science, Computers, and the Internet. 3rd ed. Academic Press.
International Organization for Standardization. (2016). ISO 15489-1:2016 Information and Documentation—Records Management. ISO.
International Organization for Standardization. (2022). ISO/IEC 27037:2012 Guidelines for Identification, Collection, Acquisition and Preservation of Digital Evidence. ISO.
Kitchin, R. (2014). The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences. SAGE Publications.
OECD. (2021). OECD Principles on Artificial Intelligence. OECD Publishing.
UNESCO. (2021). Recommendation on the Ethics of Artificial Intelligence. UNESCO.
Wilkinson, M. D., et al. (2016). The FAIR Guiding Principles for Scientific Data Management and Stewardship. Scientific Data, 3, 160018. https://doi.org/10.1038/sdata.2016.18