EPPOS Electoral Intelligence — lapisan media

Sensus insiden intimidasi dan paksaan oleh eksekutif petahana untuk keuntungan elektoral, se-Indonesia. EPPOS GROUP, Departemen Politik dan Pemerintahan UGM. Spesifikasi: PROJECT-SPEC.md (v2, 10 Sep 2026).

Insiden disajikan sebagai dilaporkan media, dengan tautan sumber, bukan sebagai temuan yang diadili.

Alur data

eppos-media-intake.xlsx  ──(scripts/build_data.py)──►  data/*.json  ──(fetch)──►  index.html
                          scripts/verify_titles.py  ──►  data/judul_terverifikasi.json (digabung saat build)

• Browser tidak pernah membaca xlsx. data/ adalah rilis dataset berversi (data/manifest.json).
• Baris tanpa tautan sumber ditolak saat build dan dicatat di data/validasi.json.
• Koordinat: data/koordinat.json, kunci "provinsi|kab_kota", centroid dari Wikidata (P625); yang tidak terpetakan ada di data/koordinat_gagal.json.
• Judul berita: judul_status = dari URL sampai verify_titles.py mengambil <title> aslinya.

Perintah

python3 scripts/build_data.py            # xlsx → data/*.json
python3 scripts/verify_titles.py         # ambil judul asli, sekali per URL

legacy-v1/ menyimpan situs dan pipeline spek v1 (studi dua kota) untuk arsip. design/eppos-mockup.html adalah acuan desain.

Rutin harian

scripts/rutin_harian.sh (launchd id.eppos.rutin, setiap hari 09:30) menjalankan:

1. crawl_candidates.py --cells 25 — satu petak grid penelusuran, masuk ke data/kandidat.json
2. resolve_urls.py --max 25 — menyelesaikan tautan Google News menjadi URL asli, bertahap
3. verify_titles.py — mengambil judul asli halaman sumber
4. build_data.py + build_bundle.py — membangun ulang data dan situs

Grid penelusuran = gelombang pilkada × mekanisme (tipologi tertutup) × provinsi, 2 340 petak. Urutannya sengaja: sapuan nasional dulu, lalu provinsi dengan catatan paling sedikit — mencari paling keras justru di tempat persnya paling tipis, supaya hasilnya tidak sekadar memetakan kepadatan pers.

Kandidat tidak pernah masuk peta secara otomatis. Semuanya berhenti di tinjau.html sampai dikurasi dan dipindahkan ke eppos-media-intake.xlsx. Aturan dua sumber dan status_kurasi tetap keputusan manusia.

Batas laju: Google News membatasi per IP. 25 petak/hari dengan jeda 12 detik aman; sapuan besar dalam satu waktu akan diblokir sementara. Petak yang gagal tidak ditandai selesai, jadi diulang besok.

Lokal: python3 -m http.server 8765 di akar repo, lalu buka http://localhost:8765/.

Dua jalur penelusuran

Jalur	Sumber	Batas	Hasil
crawl_outlets.py	arsip WordPress tiap outlet (scripts/outlet_wp.json)	tidak ada kuota bersama	URL, tanggal, dan judul asli langsung
crawl_candidates.py	Google News RSS	dibatasi per IP, ±25 kueri/hari	tautan perlu diselesaikan resolve_urls.py

Jalur arsip outlet jauh lebih produktif dan dijalankan lebih dulu. Jalur Google News tetap dipakai karena jangkauannya nasional, sedangkan registri outlet baru mencakup sebagian provinsi.

Redaksi pelaku_nama

scripts/redact_workbook.py menjaga aturan spek sendiri: nama pelaku hanya terbit pada baris dua sumber dan masuk. Baris lain dikosongkan namanya di salinan repo; berkas kerja lengkap disimpan di luar repo (~/Documents/EPPOS-master/). Laporan: data/redaksi_pelaku_nama.json. Tidak ada kerugian analitis: pelaku_nama tidak pernah masuk ke data/*.json, peta, atau indeks mana pun.

Lapisan penelusuran otomatis

scripts/promote_candidates.py mengubah antrean penelusuran menjadi data/insiden_otomatis.json, lapisan terpisah di peta (segitiga emas). Sensus yang dikurasi tangan di insiden.json tidak disentuh.

Yang diturunkan: URL, domain outlet, judul asli (dari API outlet sendiri), tanggal terbit, mekanisme (dari kelompok kata kunci kueri), dan kab/kota bila namanya muncul harfiah di judul. Yang dibiarkan kosong: tanggal kejadian, pelaku, sasaran, ringkasan, hasil — tidak bisa disimpulkan dari judul, dan spek melarang mengisi nilai dengan tebakan.

status_verifikasi dihitung, bukan diklaim: dua outlet berbeda yang memberitakan tempat dan mekanisme sama dalam 7 hari dihitung dua sumber; selebihnya satu sumber.

Bila judul tidak menyebut tempat, titik jatuh ke centroid provinsi wilayah edar outlet dan ditandai lokasi_dasar = "wilayah edar outlet" supaya tidak terbaca sebagai insiden yang sudah terlokalisasi.

Registri outlet dan penyaringannya

scripts/outlet_wp.json (65 outlet) adalah kerangka sampel jalur arsip. Domain masuk registri hanya setelah judul-judul terbarunya dilihat dan terbaca sebagai jurnalisme lokal Indonesia.

scripts/outlet_ditolak.json mencatat yang ditolak beserta alasannya — 19 domain, antara lain domain yang dibajak jadi iklan kasino, pabrik konten SEO wisata dan lirik lagu, instalasi WordPress kosong, dan satu situs berbahasa Portugis tentang Angola. Penolakan dicatat, bukan dihapus diam-diam: kosong karena tidak ada dan kosong karena disaring adalah dua hal berbeda.

Bias kerangka yang harus diakui. Dari ±1 400 domain yang diuji, hanya puluhan yang membuka wp-json atau ?rest_route=. Media nasional besar hampir semuanya menutupnya, jadi registri ini condong ke koran daerah. Sebaran temuan otomatis mengikuti bias itu, bukan sebaran kejadian. Daftar resmi Dewan Pers akan lebih tepat sebagai kerangka, tetapi portalnya (datapers.dewanpers.or.id) berada di balik login sehingga belum bisa dipakai otomatis.

Saringan lingkup elektoral

Pemeriksaan sampel menunjukkan saringan lama (aktor + tindakan) meloloskan banyak berita yang bukan objek studi: jumlah kasus COVID, perselingkuhan kades, penggelapan, kebakaran hutan. Perselingkuhan bahkan eksplisit di luar lingkup menurut spek.

dalam_lingkup() di promote_candidates.py kini mensyaratkan konteks elektoral di judul (pilkada, paslon, Bawaslu, netralitas, kampanye, KPU, dan sejenisnya) dan menolak topik di luar lingkup. Dari 1 632 baris, 909 disisihkan dan tercatat di data/otomatis_diluar_lingkup.json — disimpan, bukan dibuang, supaya keputusannya bisa ditinjau ulang.

Ini menukar sebagian recall demi presisi. Beberapa baris yang relevan ikut tersisih karena judulnya tidak menyebut konteks elektoral (mis. mutasi massal ASN tanpa kata "pilkada"). Untuk proyek yang menyajikan tiap titik sebagai dugaan intervensi, positif palsu lebih mahal daripada temuan yang luput.

Dua jalur masuk lingkup

dalam_lingkup() menerima baris lewat dua jalur, dicatat terpisah di kolom lingkup_dasar:

1. konteks elektoral di judul — judul menyebut pilkada, paslon, Bawaslu, netralitas, dan sejenisnya.
2. mekanisme tipologi di dalam jendela pilkada — judul tidak menyebut pemilu, tetapi memuat mekanisme dari tipologi tertutup (mutasi pejabat, kades/lurah dikumpulkan, bansos diarahkan, ASN ditekan) dan terbit di dalam jendela gelombang pilkada. Mutasi massal pejabat beberapa minggu sebelum pemungutan suara adalah mekanismenya itu sendiri; di luar jendela, kata yang sama hanya administrasi biasa.

Jalur kedua lebih lemah dan sengaja ditandai supaya bisa disaring belakangan.

Topik di luar lingkup ditolak pada kedua jalur: skandal pribadi (eksplisit di spek), kriminal umum (penipuan, penganiayaan, pencemaran nama baik, korupsi), bencana, dan kesehatan.

Muat ulang langsung saat mengembangkan

index.html memuat pemantau kecil yang hanya aktif di localhost: ia menanyakan cap waktu berkas data dan aset tiap 2 detik, lalu memuat ulang halaman begitu ada yang berubah. Lencana kecil di pojok kanan bawah menunjukkan pemantauan sedang berjalan. Versi terbitan tidak menjalankannya.

Dasar lokasi, dan mana yang hanya perkiraan

Tiap baris otomatis menyimpan lokasi_dasar dan bendera lokasi_perkiraan:

dasar	perkiraan?	arti
nama kab/kota di judul	tidak	ceritanya sendiri menyebut tempatnya
singkatan tempat di judul	tidak	singkatan lokal (mis. "Kotim") dipetakan lewat tabel alias
nama kab/kota di tautan	tidak	slug URL menyebut tempatnya
nama kota di domain outlet	ya	dari nama outlet (mis. beritamanado.com), bukan dari ceritanya
wilayah edar outlet	ya	centroid provinsi tempat outlet beredar

Yang bertanda perkiraan menandai di mana outletnya berada, bukan di mana peristiwanya. Outlet daerah kerap meliput seluruh provinsinya, jadi titik semacam ini bisa meleset satu kabupaten atau lebih. Panel catatan menampilkan dasarnya pada tiap baris supaya pembaca tahu seberapa kuat penempatannya.

Korroborasi dua sumber, dan koreksinya

Awalnya dua sumber diberikan bila dua outlet berbeda menerbitkan sesuatu di kab/kota dan mekanisme yang sama dalam 7 hari. Pemeriksaan pasangan secara manual menunjukkan sekitar separuhnya bukan peristiwa yang sama — hanya dua berita berbeda yang kebetulan berbagi kabupaten, kategori mekanisme, dan minggu yang sama. Median kemiripan judul antar-pasangan hanya 0,11, dan 51 dari 118 pasangan di bawah 0,10.

Sekarang pasangan wajib lolos ambang kemiripan judul (Jaccard atas kata isi dan bigram, ≥ 0,25), dan nilainya disimpan di kemiripan_pasangan. Angkanya turun 118 → 30, dan sampel pasangan yang tersisa semuanya benar-benar peristiwa yang sama diberitakan dua outlet.

Batasnya: spek meminta uji nyaris-duplikat atas teks untuk memastikan dua sumber bukan satu siaran pers yang sama. Lapisan otomatis hanya menyimpan judul, bukan badan artikel, jadi uji itu belum bisa dijalankan. Yang bisa dipastikan sekarang hanyalah bahwa keduanya membicarakan peristiwa yang sama dari outlet berbeda — bukan bahwa keduanya ditulis secara independen.

Normalisasi usaha pencarian

Perbandingan jendela pilkada vs jendela kontrol sempat memakai hitungan mentah, dan itu salah: jendela kontrol belum dicari sekeras jendela pilkada karena grid dijalankan berurutan.

jendela	sel dicari	temuan	per 1.000 sel
2024	21.815	479	22,0
kontrol-2024 (2023)	16.255	81	5,0
2020	20.007	201	10,0
kontrol-2020 (2019)	9.327	18	1,9
2018	19.687	86	4,4
kontrol-2018	8.960	29	3,2

Rasio mentah 5,9× / 11,2× / 3,0× turun menjadi 4,4× / 5,2× / 1,3× setelah dinormalkan. Rasio 2018 hampir hilang — sebagian besarnya tadi hanyalah usaha pencarian yang tidak seimbang.

data/usaha_pencarian.json menyimpan jumlah sel per jendela, dan tabel di situs menampilkan kolom "sel dicari" supaya ketimpangannya terlihat. Angka ini tetap mengukur seberapa banyak yang diberitakan, bukan seberapa banyak yang terjadi.

Lembar isian Inan (30 Sep 2026)

scripts/ingest_inan.py membaca ../30sept/*.xlsx (template v2, 22 kolom) dan memvalidasinya sebelum digabungkan ke deret terkurasi — bukan ke lapisan otomatis: baris ini dikumpulkan tangan dan bersumber.

Yang dinormalkan secara deterministik: tanggal serial Excel dan dd/mm/yyyy → ISO; mekanisme teks bebas → tipologi tertutup bila teksnya jelas cocok; jumlah_kasus → bilangan awal, teks aslinya disimpan.

Yang tidak ditebak: tanggal yang memang tidak disebut sumbernya dibiarkan kosong (aslinya disimpan di tanggal_asli); status_kurasi tidak pernah diisi masuk, hanya ragu, karena Odri belum membacanya.

ID dari kedua berkas bertabrakan (keduanya mulai dari INS-2026-0001), jadi tiap baris diberi awalan berkasnya: INAN-20122018-… dan INAN-20182022-….

Hasil: 9 insiden + 10 kasus resmi, 0 baris ditolak (semuanya punya tautan sumber). 5 baris ditandai perlu keputusan, tercatat di catatan_validasi dan data/validasi_inan.json.