Berdasarkan Peraturan Presiden Nomor 157 Tahun 2024, Kementerian Imigrasi dan Pemasyarakatan (Kemenimipas) mempunyai tugas menyelenggarakan suburusan pemerintahan di bidang imigrasi dan pemasyarakatan yang merupakan lingkup urusan pemerintahan di bidang hukum untuk membantu Presiden dalam menyelenggarakan pemerintahan negara.
Tugas ini menuntut penerapan sistem teknologi informasi (TI) dalam menjalankan tugas, fungsi dan pelayanan masyarakat. Sistem yang dibangun dapat disaksikan melalui keterbukaan informasi dalam Sistem Database Pemasyarakatan (SDP) untuk Pemasyarakatan. Sedangkan untuk keimigrasian, masyarakat bisa mengakses layanan digital seperti e-paspor, layanan e-visa on arrival, serta electronic visa melalui https://imigrasi.go.id. Sistem tersebut akan menghasilkan data dan informasi yang selanjutnya akan dibutuhkan di dalam pengambilan keputusan, baik itu di tingkat pimpinan, masyarakat dan Dewan Perwakilan Rakyat (DPR) yang mengawasi kinerja dari Kemenimipas.
Perkembangan teknologi saat ini tidak hanya berbasiskan TI, tetapi juga diperlukan sistem dengan model otomasi yang dapat mengambil keputusan berdasarkan prediksi menggunakan algoritma dan rumus matematika tertentu. Sistem ini memang tidak secara langsung mengambil keputusan tanpa pertimbangan manusia.
Namun demikian, sistem ini hanya membantu manusia di dalam mengambil keputusan dan penalaran pada data yang ada (Kanapala et al., 2019). Model ini menggunakan sistem berbasiskan kecerdasan buatan atau lebih dikenal dengan artificial intelligence (AI). Penggunaan AI di bidang Sistem Pemerintahan Berbasis Elektronik (SPBE) masih sangat minim dikarenakan sumber daya yang ada, baik itu sumber daya manusia, perangkat keras (hardware), perangkat lunak (software) dan—yang terpenting adalah—sumber daya data itu sendiri. Penggunaan AI yang masih sangat terbatas itu tentu membuka lebar peluang optimalisasi pemanfaatannya, khususnya di bidang Imigrasi dan Pemasyarakatan.
Data Is Everything
AI terus merambah serta berpengaruh pada persaingan antarnegara dan peradaban dunia saat ini. Sebagai salah satu bagian tak terpisahkan dalam pelaksanaan tugas negara, Kementerian Imigrasi dan Pemasyarakatan sudah saatnya mempunyai kader-kader yang mumpuni dalam ilmu IT dan matematika untuk bersaing dalam bidang AI.
Data di bidang keimigrasian dan pemasyarakatan merupakan pondasi sangat penting karena akan berhubungan dengan berbagai aspek. Bentuk dan jumlah data di bidang Imipas sangat banyak, seperti data Narapidana, Tahanan, Perlintasan, Paspor dan lainnya. Bentuk dan jumlah data yang sangat banyak ini dapat dikategorikan dalam sebuah sistem sebagai big data dan analisisnya disebut dengan big data analytics.
Big data merupakan evolusi dari perubahan teknologi untuk mendapatkan informasi dengan sumber data yang sangat banyak dan beragam serta berkembang secara terus menerus (Riahi & Riahi, 2018). Awalnya big data dianalisis secara manual dan membutuhkan waktu yang tidak sebentar. Melalui perkembangan AI, big data analytics kini dapat menjadi lebih cepat, akurat dan terukur untuk mendukung pengambilan keputusan (Hariri et al., 2019).
Mengenal Teknik-Teknik Dalam Kecerdasan Buatan
Di dalam dunia AI, terdapat beberapa teknik dalam kecerdasan buatan yang sangat bergantung sekali kepada data awal (input) dan juga data keluaran (output) sesuai keinginan dan kebutuhan kita. Beberapa teknik tersebut, antara lain,
- Pembelajaran Mesin (Machine Learning), adalah suatu model yang berbentuk analisa kuantitatif dan dapat melakukan prediksi untuk pengambilan keputusan berdasarkan pendekatan supervised learning, unsupervised learning dan semi supervised learning. Contoh penggunaannya dapat digunakan untuk klasifikasi teks hukum (Medvedeva et al., 2020). Model ini dikembangkan lebih dalam dengan nama Deep Learning untuk melakukan pembelajaran (Jan et al., 2019);
- Natural Language Processing (NLP), merupakan perpaduan ilmu komputer dan linguistik. Komputer akan mempelajari kumpulan data (corpus) yang berisikan bahasa dan menghasilkan logika untuk mempelajari dan membentuk pola (Haney, 2019). Saat ini, terdapat beberapa sistem AI yang berbasiskan NLP seperti ChatGPT yang berbasiskan model GPT. Selain itu juga ada model lain seperti Bidirectional Encoder Representations from Transformer (BERT) (Devlin et al., 2019). Semua model ini berbasiskan transformer;
- Sistem Pakar (Expert Systems), merupakan sistem yang mengambil keahlian dari para eksper dalam bidang tertentu ke dalam program komputer. Contoh dari penerapannya adalah sistem otomatis yang dapat membuat dokumen hukum / automated document generators (Cornelia et al., 2015);
- Image Processing, adalah sebuah teknik yang digunakan AI untuk dapat mempelajari gambar dan menghasilkan keputusan pada gambar tersebut. Teknik ini sangat kompleks karena berisikan banyak lapisan (layer) dan klasifikasi dari layer tersebut. Contoh model yang ada adalah Convolutional Neural Networks (CNN) (Jan et al., 2019).
Teknik-teknik tersebut masih memiliki beberapa turunan model yang digunakan sehingga dunia AI sangat luas serta diperlukan. Salah satu contoh situs yang menyediakan repository model-model AI yang dapat digunakan adalah huggingface https://huggingface.co.
Potensi Kecerdasan Buatan di Bidang Keimigrasian
Penggunaan model AI dalam bidang keimigrasian dapat difokuskan kepada layanan tertentu, seperti administrasi dokumen keimigrasian yang dibangun berdasarkan metodologi, ontologi dan epistemologi jurisdiksi tertentu (Casanovas et al., 2016). Selain itu, AI juga dapat digunakan untuk pemodelan topik dalam dokumen keimigrasian (Ashihara et al., 2020).
Di bidang imigrasi, beberapa negara dan organisasi di dunia telah memanfaatkan potensi AI di bidang keimigrasian (Nalbandian, 2022), antara lain,
- UNHCR yang menggunakan biometric matching engine untuk mencocokkan identifikasi dokumen pada pengungsi dan pencari suaka,
- Pemerintah Selandia Baru yang menggunakan untuk memperkuat perbatasan dan memperlancar layanan keimigrasian, dan
- Pemerintah Amerika Serikat yang menggunakan AI untuk melacak imigran tanpa dokumen.
Untuk penggunaan berbasiskan teknik machine learning, terdapat beberapa studi untuk melakukan prediksi terhadap pola grup dan jumlah imigran menggunakan model seperti Support Vector Machines (SVM), Naive Bayes (NB), Logistic Regression (LR) dan K-Nearest Neighbors (KNN) (Aydemir et al., 2022).
Potensi Kecerdasan Buatan di Bidang Pemasyarakatan
Penggunaan AI dalam bidang Pemasyarakatan tidak terlepas dari sistem peradilan pidana, antara lain bisa berbentuk pemantauan/surveillance, penuntutan, dan bantuan hukum dan lainnya. Namun demikian, semua ini memerlukan pertimbangan etik yang sangat cermat karena menyangkut individu dari warga binaan (Clingan, 2023).
Menurut penulis, terdapat dua area yang dapat dioptimalisasi melalui penggunaan AI di bidang pemasyarakatan, yaitu: bidang keamanan dan pemantauan menggunakan kamera dan sensor, serta pendukung untuk aplikasi di bidang kesehatan, keuangan dan sistem dukungan lainnya (Puolakka & Steene, 2021). Selain itu, AI juga dapat digunakan pada sistem manajemen data Warga Binaan, rehabilitasi, penilaian psikologi dan menilai risiko Warga Binaan untuk pola mencurigakan komunikasi yang dilakukan (Mokhtar, 2025).
Optimalisasi AI dalam Mendukung Reformasi Birokrasi
Pada akhirnnya, AI merupakan inovasi yang mendisrupsi kehidupan manusia modern. Ia dapat menjadi peluang besar yang harus dimanfaatkan dengan sebaik-baiknya, bukan menjadi penghambat dan ditolak mentah-mentah. Optimalisasi penggunaan AI sejatinya dapat mendukung upaya reformasi birokrasi yang tengah didorong oleh pemerintah. Melalui AI, pemerintah dapat bukan sekadar mempercepat dan memperingkas birokrasi, tetapi meningkatkan kualitas pelayanan publik yang dirasakan manfaatnya oleh masyarakat, termasuk di bidang Imigrasi dan Pemasyarakatan.
REFERENSI:
Ashihara, K., El Vaigh, C. B., Chu, C., Renoust, B., Okubo, N., Takemura, N., Nakashima, Y., & Nagahara, H. (2020). Improving topic modeling through homophily for legal documents. Applied Network Science, 5(1). https://doi.org/10.1007/s41109-020-00321-y
Aydemir, B., Aydın, H., Çetinkaya, A., & Polat, D. Ş. (2022). Predicting the Income Groups and Number of Immigrants by Using Machine Learning (ML). International Journal of Multidisciplinary Studies and Innovative Technologies, 6(2), 162. https://doi.org/10.36287/ijmsit.6.2.162
Casanovas, P., Palmirani, M., Peroni, S., Engers, T. Van, & Vitali, F. (2016). Semantic Web for the Legal Domain : The next step. 7, 213–227. https://doi.org/10.3233/SW-160224
Clingan, P. D. (2023). Artificial Intelligence in Correctional Facilities: A Comprehensive Examination (Part II of III). International Journal Of Scientific Advances, 4(6), 1008–1010. https://doi.org/10.51542/ijscia.v4i6.26
Cornelia, A.-M., Murzea, C. I., Alexandrescu, B., & Repanovici, A. (2015). Expert Systems with Applications in the Legal Domain. Procedia Technology, 19, 1123–1129. https://doi.org/10.1016/j.protcy.2015.02.160
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. NAACL HLT 2019 - 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies - Proceedings of the Conference, 1(Mlm), 4171–4186.
Haney, B. S. (2019). Applied Natural Language Processing for Law Practice. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3476351
Hariri, R. H., Fredericks, E. M., & Bowers, K. M. (2019). Uncertainty in big data analytics: survey, opportunities, and challenges. Journal of Big Data, 6(1). https://doi.org/10.1186/s40537-019-0206-3
Jan, B., Farman, H., Khan, M., Imran, M., Islam, I. U., Ahmad, A., Ali, S., & Jeon, G. (2019). Deep learning in big data Analytics: A comparative study. Computers and Electrical Engineering, 75, 275–287. https://doi.org/10.1016/j.compeleceng.2017.12.009
Kanapala, A., Pal, S., & Pamula, R. (2019). Text summarization from legal documents: a survey. Artificial Intelligence Review, 51(3), 371–402. https://doi.org/10.1007/s10462-017-9566-2
Medvedeva, M., Vols, M., & Wieling, M. (2020). Using machine learning to predict decisions of the European Court of Human Rights. Artificial Intelligence and Law, 28(2), 237–266. https://doi.org/10.1007/s10506-019-09255-y
Mokhtar, R. (2025). eRepository @ Seton Hall The Transformation of Correctional Facilities Using Artificial Intelligence Technology. Seton Hall Law.
Nalbandian, L. (2022). An eye for an ‘I:’ a critical assessment of artificial intelligence tools in migration and asylum management. Comparative Migration Studies, 10(1). https://doi.org/10.1186/s40878-022-00305-0
Puolakka, P., & Steene, S. Van De. (2021). Artificial intelligence in prisons in 2030: an exploration on the future of AI in prisons. Advancing Corrections Journal, 11(September), 128–138.
Riahi, Y., & Riahi, S. (2018). Big Data and Big Data Analytics: concepts, types and technologies. International Journal of Research and Engineering, 5(9), 524–528. https://doi.org/10.21276/ijre.2018.5.9.5
Opini ditulis oleh Aman Budi Manduro. Penulis saat ini bekerja di Pusat Data, Informasi dan Komunikasi Publik, Kementerian lmigrasi dan Pemasyarakatan. Penulis merupakan alumnus S1 komputer di Universitas Bina Nusantara dan S2 Sistem Informasi di Universitas Gunadarma.
Disclaimer: Tulisan ini adalah pendapat pribadi dan berdasarkan literatur-literatur yang kredibel, serta tidak mencerminkan kebijakan institusi dimana penulis bekerja
