Oleh: Iqbal Nurul Azhar
Setiap konflik sosial selalu meninggalkan jejak yang sama. Sebelum rumah-rumah dibakar, sebelum batu dilempar, sebelum aparat keamanan diturunkan, bahkan sebelum korban pertama berjatuhan, selalu terjadi satu perubahan yang sering luput dari perhatian: perubahan bahasa. Kekerasan hampir tidak pernah muncul secara tiba-tiba. Ia tumbuh perlahan melalui kata-kata yang semakin keras, narasi yang semakin memecah belah, dan pelabelan yang secara bertahap menghilangkan kemanusiaan pihak lain. Dengan kata lain, konflik fisik hampir selalu didahului oleh konflik linguistik.
Sejarah Indonesia memberikan banyak bukti mengenai pola tersebut. Konflik komunal di Ambon pada akhir 1990-an dan konflik Poso pada awal 2000-an tidak lahir dalam ruang hampa. Jauh sebelum bentrokan terjadi, ruang publik dipenuhi oleh narasi yang mempertentangkan identitas agama dan kelompok sosial. Menjelang berbagai pemilihan kepala daerah dan pemilihan presiden, media sosial juga memperlihatkan pola yang serupa. Label seperti cebong, kampret, kadrun, asing, antek, hingga berbagai istilah bernuansa penghinaan muncul dalam intensitas yang semakin tinggi. Dalam beberapa kasus, ujaran kebencian berkembang menjadi ancaman, provokasi, bahkan tindakan kekerasan di dunia nyata.
Fenomena serupa tidak hanya terjadi di Indonesia. Genosida Rwanda pada tahun 1994 didahului oleh propaganda radio yang secara terus-menerus menyebut kelompok Tutsi sebagai inyenzi atau “kecoa.” Di Jerman, propaganda Nazi secara sistematis menggunakan bahasa untuk menggambarkan orang Yahudi sebagai ancaman terhadap negara. Dalam konflik Balkan, Timur Tengah, maupun berbagai konflik etnis lainnya, perubahan bahasa selalu mendahului perubahan tindakan. Ketika suatu kelompok mulai diposisikan bukan lagi sebagai sesama manusia, melainkan sebagai ancaman yang harus disingkirkan, batas moral terhadap kekerasan mulai melemah.
Ironisnya, sistem pencegahan konflik yang dimiliki banyak negara, termasuk Indonesia, masih bersifat reaktif. Negara baru bergerak setelah kerusuhan terjadi, setelah korban berjatuhan, atau setelah aparat keamanan harus turun ke lapangan. Berbagai sistem early warning selama ini lebih banyak mengandalkan laporan intelijen, data keamanan, maupun indikator ekonomi dan politik. Padahal, masyarakat setiap hari menghasilkan jutaan jejak bahasa melalui media sosial, portal berita, forum diskusi, pidato politik, hingga percakapan digital yang sebenarnya dapat dibaca sebagai indikator perubahan kondisi sosial.
Di sinilah perkembangan kecerdasan buatan membuka peluang yang belum banyak dimanfaatkan. Kemajuan Large Language Models (LLMs), Natural Language Processing (NLP), analisis sentimen, dan machine learning memungkinkan jutaan dokumen maupun unggahan media sosial dianalisis secara otomatis dalam hitungan detik. AI kini tidak hanya mampu menerjemahkan bahasa atau menjawab pertanyaan, tetapi juga mengenali pola-pola linguistik yang sebelumnya hanya dapat diamati melalui penelitian manual yang memerlukan waktu bertahun-tahun. Kemampuan tersebut membuka kemungkinan baru: menggunakan bahasa sebagai sistem peringatan dini terhadap potensi konflik sosial.
Berangkat dari pemikiran tersebut, tulisan ini mengusulkan sebuah kerangka konseptual yang disebut Linguistic Early Warning System (LEWS). Berbeda dengan pendekatan keamanan konvensional yang berfokus pada tindakan setelah konflik muncul, LEWS berangkat dari asumsi yang sederhana tetapi memiliki implikasi besar, yaitu bahwa perubahan dalam bahasa kolektif merupakan salah satu indikator paling awal dari meningkatnya risiko konflik sosial.
Gagasan ini didasarkan pada prinsip bahwa language precedes conflict. Konflik sosial tidak dimulai ketika senjata digunakan, melainkan ketika bahasa mulai berubah. Perubahan tersebut tampak dalam meningkatnya penggunaan kosakata agresif, berkembangnya narasi permusuhan, menguatnya polarisasi identitas, dan munculnya pelabelan yang menghilangkan martabat kelompok lain. Sebelum masyarakat menerima kekerasan sebagai sesuatu yang wajar, mereka terlebih dahulu menerima bahasa yang menormalisasi kekerasan tersebut.
Pandangan ini sejalan dengan teori tindak tutur (speech act theory) yang dikemukakan oleh J. L. Austin dan John Searle. Teori tersebut menjelaskan bahwa ujaran bukan sekadar menyampaikan informasi, tetapi juga melakukan tindakan sosial. Ketika seseorang mengatakan “mari kita lawan mereka,” ujaran tersebut bukan hanya menyatakan pendapat, melainkan juga berpotensi menggerakkan tindakan kolektif. Pragmatik, sebagaimana dijelaskan Levinson, menunjukkan bahwa makna ujaran selalu bergantung pada konteks sosial. Sementara itu, Analisis Wacana Kritis yang dikembangkan Norman Fairclough dan Teun A. van Dijk memperlihatkan bahwa bahasa tidak hanya mencerminkan realitas, tetapi juga membentuk relasi kekuasaan, identitas kelompok, dan ideologi. LEWS mengintegrasikan seluruh perspektif tersebut ke dalam konteks perkembangan AI sehingga bahasa diposisikan sebagai indikator perubahan sosial yang dapat diukur secara komputasional.
Dalam kerangka LEWS, terdapat lima indikator utama yang dapat dipantau. Pertama adalah lexical escalation, yaitu meningkatnya frekuensi penggunaan kata-kata yang mengandung ancaman, permusuhan, atau kekerasan seperti serang, hancurkan, musnahkan, lawan, atau boikot. Peningkatan yang berlangsung secara konsisten menunjukkan bahwa ruang publik sedang mengalami eskalasi emosional.
Kedua adalah semantic polarization, yaitu perubahan makna yang membelah masyarakat ke dalam kategori “kami” dan “mereka.” Bahasa mulai membangun batas yang semakin tegas antara kelompok sendiri dan kelompok lain. Istilah seperti asing, pengkhianat bangsa, atau musuh negara sering kali digunakan bukan sebagai deskripsi faktual, melainkan sebagai alat untuk memperkuat identitas kelompok sekaligus melemahkan legitimasi pihak lain.
Ketiga adalah narrative radicalization. Pada tahap ini, narasi yang berkembang tidak lagi sekadar mengkritik kebijakan atau perbedaan pendapat, tetapi mulai membenarkan konfrontasi sebagai satu-satunya jalan keluar. Ruang kompromi semakin menyempit, sedangkan narasi yang mendorong dialog semakin menghilang. Perubahan tersebut dapat dideteksi melalui analisis jutaan unggahan media sosial maupun pemberitaan daring.
Keempat adalah dehumanizing discourse, yakni penggunaan bahasa yang menghilangkan martabat kelompok lain. Dalam sejarah konflik dunia, dehumanisasi hampir selalu menjadi tahap yang mendahului kekerasan massal. Ketika kelompok tertentu mulai disebut sebagai hama, parasit, pengkhianat, atau istilah lain yang menghapus kemanusiaannya, kekerasan menjadi lebih mudah diterima secara moral. AI dapat mengenali peningkatan pola-pola semacam ini melalui analisis semantik dan konteks penggunaan kata.
Kelima adalah network diffusion, yaitu kecepatan penyebaran narasi konflik di dalam jaringan digital. Dalam era media sosial, bukan hanya isi pesan yang penting, tetapi juga seberapa cepat pesan tersebut menyebar, siapa yang menyebarkannya, dan bagaimana ia membentuk ruang gema (echo chamber). AI memungkinkan hubungan antarakun, komunitas, maupun penyebaran hashtag dianalisis secara real time sehingga pola penyebaran konflik dapat dipetakan jauh sebelum berubah menjadi aksi nyata.
Keunggulan utama LEWS dibandingkan pendekatan konvensional terletak pada orientasinya yang preventif. Selama ini, AI dalam bidang keamanan lebih banyak digunakan untuk mengenali wajah, mendeteksi transaksi keuangan yang mencurigakan, atau memprediksi pola kriminalitas berdasarkan data historis. LEWS menawarkan paradigma yang berbeda dengan menjadikan bahasa sebagai sumber data utama. Hal ini penting karena hampir setiap konflik sosial meninggalkan jejak linguistik jauh lebih awal dibandingkan jejak fisik maupun administratif.
Tentu saja, penggunaan AI untuk memantau bahasa publik harus dilakukan secara hati-hati. Sistem seperti LEWS tidak boleh berubah menjadi alat pengawasan politik atau pembatasan kebebasan berekspresi. Yang dianalisis bukan identitas individu, melainkan pola komunikasi agregat dalam ruang publik. Tujuannya bukan menentukan siapa yang bersalah, melainkan mengidentifikasi perubahan sosial yang memerlukan perhatian lebih lanjut. Karena itu, transparansi algoritma, perlindungan privasi, akuntabilitas, dan pengawasan independen harus menjadi prinsip utama dalam implementasinya.
Indonesia memiliki peluang besar untuk menjadi pelopor dalam pengembangan sistem semacam ini. Sebagai negara dengan lebih dari 280 juta penduduk, tingkat penggunaan media sosial yang sangat tinggi, serta keragaman etnis, agama, dan bahasa yang luar biasa, Indonesia merupakan laboratorium alami bagi penelitian mengenai hubungan antara bahasa dan stabilitas sosial. Pembentukan National Linguistic Early Warning Center yang melibatkan ahli linguistik, ilmuwan data, sosiolog, psikolog sosial, pakar keamanan, serta pengembang AI dapat menjadi langkah strategis dalam membangun sistem deteksi dini berbasis bahasa. Pusat ini tidak hanya berfungsi sebagai lembaga penelitian, tetapi juga sebagai penyedia rekomendasi kebijakan bagi pemerintah, media, dan masyarakat sipil.
Lebih jauh lagi, LEWS menunjukkan bahwa linguistik memiliki kontribusi yang jauh lebih luas daripada yang selama ini dipahami. Selama bertahun-tahun, ilmu bahasa sering dipersepsikan hanya berkaitan dengan tata bahasa, fonologi, atau makna kata. Padahal, di era kecerdasan buatan, bahasa telah berubah menjadi sumber data sosial yang sangat kaya. Dari bahasa, kita dapat membaca perubahan opini publik, tingkat kepercayaan masyarakat, polarisasi politik, hingga potensi konflik. Dengan bantuan AI, analisis tersebut tidak lagi terbatas pada ratusan dokumen, tetapi dapat dilakukan terhadap jutaan teks secara berkelanjutan.
Pada akhirnya, keamanan suatu bangsa tidak hanya ditentukan oleh kekuatan militer, kecanggihan teknologi, atau besarnya anggaran pertahanan. Keamanan juga bergantung pada kemampuan membaca gejala-gejala sosial sebelum berubah menjadi krisis. Sama seperti ahli meteorologi mampu memperkirakan badai melalui perubahan tekanan udara, atau ahli vulkanologi memantau aktivitas gunung api melalui getaran seismik, masyarakat juga memerlukan meteorologi sosial yang mampu membaca perubahan bahasa sebagai sinyal awal meningkatnya risiko konflik.
Bahasa bukan sekadar cermin masyarakat. Bahasa adalah sensor paling peka terhadap perubahan masyarakat. Ketika kata-kata mulai dipenuhi kebencian, ketika dialog berganti dengan pelabelan, dan ketika identitas lebih dominan daripada kemanusiaan, sesungguhnya konflik telah dimulai, meskipun belum ada satu pun batu yang dilempar. Oleh karena itu, membangun Linguistic Early Warning System bukan semata-mata proyek teknologi, melainkan investasi strategis untuk menjaga demokrasi, memperkuat kohesi sosial, dan memastikan bahwa Indonesia mampu mencegah konflik sebelum ia berubah menjadi tragedi.
Iqbal Nurul Azhar Adalah akademisi yang memiliki kepakaran dalam bidang perencanaan dan kebijakan bahasa, sosiolinguistik, Computer Assisted Language Learning, dan korpus bahasa
Pusat Bahasa Al Azhar 