Ringkasan Eksekutif: Ketika Responden Dapat Diproduksi

Selama hampir dua dekade, survei daring bertumpu pada satu asumsi diam-diam: jawaban yang koheren datang dari manusia. Asumsi itu kini runtuh. Pada November 2025, Sean Westwood dari Dartmouth College menerbitkan artikel di Proceedings of the National Academy of Sciences berjudul “The potential existential threat of large language models to online survey research”. Ia membangun sebuah “responden sintetis otonom” yang, menurut rilis resmi Dartmouth, lolos 99,8 persen pemeriksaan perhatian standar, tidak membuat satu kesalahan pun pada teka-teki logika, dan dapat diperintahkan untuk menggeser hasil jajak pendapat. Biaya per respons sekitar lima sen dolar AS, sementara responden manusia lazimnya dibayar sekitar 1,50 dolar. Pertanyaan kajian ini sederhana tetapi mendasar: apa arti temuan semacam itu bagi integritas penelitian survei, dan secara khusus bagi Indonesia, tempat ribuan skripsi, tesis, dan disertasi setiap tahun mengandalkan kuesioner daring, tempat industri survei politik bekerja di bawah sorotan publik yang tajam, dan tempat lembaga pemerintah serta kampus makin sering memakai formulir daring untuk mengukur kepuasan, kebutuhan, dan opini.

Jawaban utama kajian ini adalah bahwa krisis yang sedang berlangsung bukan krisis teknologi deteksi, melainkan krisis desain. Survei yang rekrutmennya terbuka, imbalannya dibayar per penyelesaian, dan validasinya hanya mengandalkan pola jawaban kini secara struktural tidak dapat lagi menjamin bahwa respondennya manusia. Sebaliknya, survei yang respondennya ditarik dari kerangka sampel yang diketahui, diverifikasi identitasnya di luar instrumen, dan dibatasi frekuensi partisipasinya tetap relatif tangguh. Kajian ini menilai dengan keyakinan tinggi bahwa ancaman terhadap panel daring terbuka bersifat nyata dan sudah terdokumentasi secara eksperimental; dengan keyakinan sedang bahwa kontaminasi oleh agen kecerdasan artifisial (AI) sudah terjadi dalam skala kecil tetapi bermakna di platform komersial; dan dengan keyakinan rendah mengenai besaran kontaminasi di Indonesia, karena belum ada satu pun studi terbuka yang mengukurnya. Ketiadaan data itu sendiri adalah temuan penting.

Isu ini penting secara global karena opini publik adalah salah satu mekanisme akuntabilitas demokratis yang paling langsung, dan karena ilmu sosial empiris di banyak negara berkembang, termasuk Indonesia, telah memindahkan sebagian besar pengumpulan datanya ke ruang daring yang murah. Kajian ini memperluas kerangka galat survei total dengan satu lapisan baru, yaitu kontaminasi agentik, menguji bukti 2023 hingga Oktober 2026, membandingkan pengalaman Amerika Serikat, Inggris, India, Brasil, dan Korea Selatan, lalu menurunkan implikasinya bagi Kementerian Pendidikan Tinggi, Sains, dan Teknologi (Kemendiktisaintek), komite etik kampus, Badan Pusat Statistik (BPS), Komisi Pemilihan Umum (KPU), Perhimpunan Survei Opini Publik Indonesia (Persepi), pengelola jurnal, serta aktor internasional seperti AAPOR, ESOMAR, WAPOR, perusahaan panel, dan penyandang dana riset. Sebagai bahan ajar metodologi, kajian ini sengaja tidak mengulang perdebatan tentang miskinnya teori dalam ilmu sosial Asia Tenggara yang telah dibahas dalam kajian Kaya Data, Miskin Teori; fokusnya justru pada pertanyaan yang lebih elementer, yakni apakah data itu berasal dari manusia sama sekali.

Kerangka Analitis dan Catatan Metode: Galat Survei Total dan Lapisan Kontaminasi Agentik

Kerangka yang paling mapan untuk menilai kualitas survei adalah galat survei total (total survey error). Dalam tinjauan klasik di Public Opinion Quarterly edisi 74(5) tahun 2010, Robert Groves dan Lars Lyberg menggambarkan kerangka ini sebagai struktur pengorganisasi utama metodologi survei: setiap estimasi dapat menyimpang dari nilai sebenarnya melalui dua jalur, yaitu jalur representasi (galat cakupan, galat pengambilan sampel, galat nonrespons, dan galat penyesuaian) serta jalur pengukuran (galat validitas, galat pengukuran, dan galat pemrosesan). Kerangka ini dibangun di atas premis bahwa unit yang menjawab adalah manusia, dan bahwa jarak antara jawaban dan sikap sebenarnya terjadi karena salah paham, kelelahan, keinginan tampil baik, atau desain pertanyaan yang buruk. Premis itulah yang kini perlu diperiksa ulang.

Kajian ini menambahkan lapisan kontaminasi agentik yang memotong kedua jalur sekaligus. Pada jalur representasi, unit yang masuk ke dalam sampel mungkin bukan manusia sama sekali, sehingga konsep cakupan dan nonrespons kehilangan rujukannya. Pada jalur pengukuran, jawaban mungkin tidak mencerminkan sikap siapa pun, melainkan distribusi statistik sebuah model bahasa. Lapisan ini dibagi menjadi empat tingkat yang berbeda secara analitis. Tingkat pertama adalah delegasi parsial, ketika responden manusia nyata meminta model bahasa menuliskan jawaban terbuka atau meringkas pendapatnya. Tingkat kedua adalah penggantian penuh, ketika agen otonom mengisi seluruh survei dengan identitas rekaan demi imbalan. Tingkat ketiga adalah manipulasi terarah, ketika agen diperintahkan untuk menggeser estimasi ke arah tertentu, misalnya untuk kepentingan elektoral. Tingkat keempat adalah substitusi oleh peneliti, ketika data sintetis yang dihasilkan model sengaja dipakai sebagai pengganti responden manusia, baik secara terbuka maupun tersamar. Laporan gugus tugas AAPOR tahun 2026, yang dibahas lebih jauh di bawah, bahkan menyebut penghapusan responden manusia sebagai sesuatu yang pada dasarnya berada di luar batas kerangka galat survei total, dan pernyataan itu menegaskan perlunya lapisan tambahan ini.

Perbedaan keempat tingkat ini penting karena obatnya berbeda. Delegasi parsial dapat ditangani melalui instruksi, pengungkapan, dan desain pertanyaan; penggantian penuh dan manipulasi terarah menuntut verifikasi identitas dan kontrol proses di luar instrumen; sedangkan substitusi oleh peneliti adalah persoalan etika dan integritas akademik yang harus diatur oleh lembaga, bukan oleh algoritma pendeteksi. Mencampuradukkan keempatnya, seperti yang sering terjadi dalam diskusi publik, menghasilkan kebijakan yang salah sasaran: kampus melarang mahasiswa memakai AI untuk mengarang data, tetapi tidak bertanya apakah responden Google Form mereka manusia.

Catatan metode. Kajian ini menggunakan tinjauan terstruktur atas literatur ilmiah dan laporan kelembagaan yang terbit antara 2023 dan Oktober 2026, dengan prioritas pada artikel bertelaah sejawat, laporan asosiasi profesi, dan studi metodologis lembaga riset besar. Untuk Indonesia, kajian ini menganalisis regulasi kepemiluan, dokumen KPU, putusan dewan etik Persepi yang dilaporkan media, data penetrasi internet Asosiasi Penyelenggara Jasa Internet Indonesia (APJII), serta pedoman penggunaan AI di perguruan tinggi. Kasus pembanding dipilih berdasarkan variasi model pengaturan: swa-regulasi asosiasi (Inggris), registrasi negara yang kuat (Korea Selatan), pengaturan lemah di tengah industri exit poll yang besar (India), regulasi yang dipolitisasi (Brasil), dan pasar panel komersial terbesar beserta respons asosiasi profesinya (Amerika Serikat). Tingkat keyakinan didefinisikan sebagai berikut: keyakinan tinggi berarti beberapa sumber independen saling menguatkan; keyakinan sedang berarti satu sumber kuat atau beberapa sumber yang konsisten tetapi tidak langsung; keyakinan rendah berarti inferensi atau ekstrapolasi yang wajar tetapi belum diuji. Kajian ini tidak melakukan eksperimen sendiri dan tidak memiliki akses ke data mentah panel komersial Indonesia.

Bukti Inti 2023–2026: Dari Pekerja Kerumunan ke Agen Otonom

Bukti pertama yang menandai pergeseran ini datang dari platform kerja mikro. Pada Juni 2023, Veniamin Veselovsky, Manoel Horta Ribeiro, dan Robert West dari EPFL melaporkan dalam makalah “Artificial Artificial Artificial Intelligence” bahwa diperkirakan 33 hingga 46 persen pekerja di Amazon Mechanical Turk menggunakan model bahasa besar ketika mengerjakan tugas meringkas abstrak. Mereka menggabungkan pencatatan ketukan tombol dengan pengklasifikasi teks sintetis. Temuan ini masih berada pada tingkat delegasi parsial, tetapi menunjukkan bahwa insentif ekonomi pekerja kerumunan mendorong otomatisasi segera setelah alatnya tersedia. Dua tahun kemudian, Simone Zhang, Janet Xu, dan A. J. Alvero menerbitkan di Sociological Methods & Research (2025) survei terhadap peserta platform riset daring yang menemukan 34 persen mengaku memakai model bahasa untuk membantu menjawab pertanyaan terbuka. Simulasi mereka juga menunjukkan bahwa jawaban buatan model lebih seragam dan lebih positif daripada jawaban manusia, terutama ketika pertanyaan menyangkut kelompok sosial yang sensitif. Kajian ini menilai dengan keyakinan tinggi bahwa delegasi parsial sudah menjadi praktik umum di platform daring global.

Bukti kedua adalah lompatan dari delegasi ke penggantian penuh. Studi Westwood bukan survei atas perilaku responden, melainkan uji ketahanan: ia memperlihatkan apa yang mungkin, bukan apa yang sudah terjadi. Menurut versi pracetak naskahnya, agen itu diuji dalam 6.000 percobaan pemeriksaan perhatian, memakai sembilan model bahasa dari berbagai pengembang, mensimulasikan waktu baca yang disesuaikan dengan tingkat pendidikan persona, gerakan tetikus yang menyerupai manusia, serta salah ketik yang wajar. Instruksi yang ditulis dalam bahasa Rusia, Mandarin, atau Korea tetap menghasilkan jawaban bahasa Inggris yang benar, sebuah detail yang oleh rilis Dartmouth dibaca sebagai risiko campur tangan asing. Simulasi atas tujuh jajak pendapat nasional pekan terakhir Pemilu Presiden AS 2024 menunjukkan bahwa 10 hingga 52 respons sintetis sudah cukup untuk membalik kandidat yang unggul, sebagaimana dilaporkan Dartmouth. Kajian ini menilai dengan keyakinan tinggi bahwa pertahanan berbasis pola jawaban, seperti pertanyaan jebakan dan pemeriksaan konsistensi, tidak lagi memadai terhadap agen yang dirancang dengan sengaja.

Bukti ketiga adalah pengukuran langsung terhadap responden palsu di panel opt-in, yaitu panel tempat siapa pun dapat mendaftar sendiri. Pew Research Center merilis studi “No Easy Fix for Bogus Respondents in Online Opt-In Polls” pada 27 Agustus 2026. Tiga metode penyaringan diuji: pertanyaan jebakan, sistem prapenyaringan Sentry milik CloudResearch, dan pencocokan dengan berkas pemilih komersial. Sebelum penyaringan, 7 persen orang dewasa menjawab “ya” pada sedikitnya 10 dari 15 pertanyaan ya/tidak, sebuah tanda klasik responden asal-asalan. Pertanyaan jebakan menandai 18 persen kasus, sedangkan prapenyaringan menandai hampir separuh dari seluruh penyelesaian. Ketiga metode menggeser estimasi pilihan presiden dari seri 48 lawan 48 persen ke keunggulan Kamala Harris tiga hingga tujuh poin, karena responden palsu cenderung mengaku memilih Donald Trump. Jawaban terbuka yang kemungkinan besar buatan AI hanya sekitar 1 persen, tetapi Pew mencatat bahwa jawaban AI yang lebih halus mungkin lolos. Dalam lampiran laporannya, Pew menegaskan bahwa responden palsu secara tidak proporsional mengaku berusia muda atau berlatar Hispanik, sehingga galat untuk kelompok ini dalam studi pembanding tahun 2023 rata-rata hampir dua kali lipat galat untuk populasi umum.

Bukti keempat datang dari industri itu sendiri, dan karena itu harus dibaca dengan kehati-hatian. Prolific, platform rekrutmen peserta riset, pada 4 Februari 2026 menerbitkan uji internal yang membandingkan berbagai metode deteksi agen. Pemeriksaan perhatian hanya mencapai akurasi 59,7 persen dan pemeriksaan konsistensi 62,7 persen, sedangkan alat deteksi lingkungan otomatis milik Prolific diklaim mencapai 100 persen. Angka terakhir ini berasal dari uji kecil, yaitu 125 peserta manusia dan 125 jalannya agen dari lima agen, yang dijalankan oleh vendor atas produknya sendiri; Prolific pun mengakui bahwa apa yang berhasil hari ini mungkin tidak berhasil esok. Kajian ini menilai dengan keyakinan sedang bahwa deteksi di tingkat platform dapat memperlambat kontaminasi, tetapi tidak dapat diandalkan sebagai jaminan tunggal. Tinjauan literatur NORC di University of Chicago (April 2026) sampai pada kesimpulan serupa: pertahanan berlapis lebih tangguh daripada metode tunggal, penyaringan yang terlalu agresif berisiko menyingkirkan responden sah dengan literasi digital rendah, dan investasi terbaik adalah desain yang secara struktural kurang rentan, seperti survei dan panel berbasis probabilitas.

Responden Silikon: Janji, Batas, dan Konsensus yang Mulai Terbentuk

Lapisan keempat kontaminasi, yaitu substitusi oleh peneliti, berakar pada program riset yang sah dan menarik. Lisa Argyle dan rekan-rekan dari Brigham Young University dalam artikel “Out of One, Many: Using Language Models to Simulate Human Samples” di Political Analysis 31(3) tahun 2023 memperkenalkan istilah “sampel silikon”. Mereka mengondisikan GPT-3 dengan ribuan latar belakang sosiodemografis yang diambil dari responden survei besar di Amerika Serikat dan menemukan bahwa model itu mampu mereproduksi distribusi jawaban berbagai subkelompok, sebuah sifat yang mereka sebut kesetiaan algoritmik. Klaim mereka hati-hati: model bahasa dengan kesetiaan algoritmik yang cukup dapat menjadi alat ampuh untuk mempelajari manusia. Namun istilah “sampel” itu sendiri kemudian menjadi sumber kekeliruan konseptual.

Kritik paling sistematis datang dari James Bisbee dan rekan-rekan dalam “Synthetic Replacements for Human Survey Data? The Perils of Large Language Models”, juga di Political Analysis (2024). Dengan persona dari American National Election Studies 2016 dan 2020, mereka menemukan bahwa rata-rata skor termometer perasaan dari ChatGPT memang dekat dengan data manusia, tetapi variasinya jauh lebih sempit. Sekitar 48 persen koefisien regresi dari data sintetis berbeda secara signifikan dari estimasi berbasis data manusia, dan dalam sekitar 32 persen kasus itu tandanya terbalik. Analisis daya statistik berbasis data sintetis akan menyarankan sekitar 35 responden partisan, padahal data manusia menuntut 299. Lebih mengganggu lagi, prompt yang sama yang dijalankan pada April, Juni, dan Juli 2023 tidak menghasilkan data yang sama, karena model diperbarui tanpa pemberitahuan. Bagi metodologi, ini berarti ketiadaan reprodusibilitas yang melekat pada instrumen itu sendiri.

Pada 30 September 2026, Pew Research Center menerbitkan uji paling mutakhir, “How synthetic polling results change based on the AI model”. Dengan pendekatan “kembaran digital”, model GPT-5.1 dan Claude Opus 4.6 diminta memerankan 6.700 anggota American Trends Panel berdasarkan data demografis dan tipologi politik mereka, lalu menjawab kuesioner yang sama. Rata-rata galat absolut mencapai 11,4 poin persentase untuk Opus dan 13,3 poin untuk GPT. GPT memperkirakan 100 persen orang dewasa tidak puas dengan arah negara, padahal angka sebenarnya 69 persen; Opus mendekati angka itu, tetapi meleset 31 poin pada pertanyaan lain dan memperkirakan nol persen warga yang menginginkan aborsi ilegal dalam semua kasus, padahal angka manusianya 11 persen. Pilihan model, dengan kata lain, mengubah cerita yang diceritakan data. Kajian ini menilai dengan keyakinan tinggi bahwa respons sintetis belum dapat menggantikan pengukuran opini publik, dan dengan keyakinan sedang bahwa masalahnya bukan sekadar soal versi model yang akan teratasi oleh generasi berikutnya, melainkan sifat dasar model yang mempelajari distribusi teks, bukan distribusi sikap dalam populasi tertentu.

Konsensus kelembagaan mulai terbentuk. Pada 8 Mei 2026, American Association for Public Opinion Research (AAPOR) merilis laporan gugus tugas Responsible AI Integration in Survey Research yang diketuai David Rothschild dan Jenny Marlar. Laporan itu menyebut respons sintetis sebagai tugas paling berisiko di antara semua penggunaan AI dalam survei, membatasi penggunaannya pada uji awal, uji coba, dan diagnostik eksploratif yang diberi label jelas, menuntut pengungkapan jumlah responden manusia, dan menyarankan istilah “respons sintetis” alih-alih “sampel sintetis” karena metode ini bukan desain sampling. Untuk responden yang memakai AI, laporan itu membedakan bantuan ringan yang cukup ditangani dengan instruksi dan pengungkapan dari penggunaan menipu yang menuntut deteksi, kontrol proses, dan transparansi. Pew, melalui wawancara dengan Courtney Kennedy pada Mei 2026, menyatakan tidak memakai sampel silikon untuk hasil yang dipublikasikan karena estimasi AI cenderung menstereotipkan kelompok dan meremehkan perbedaan pendapat dalam masyarakat.

Implikasinya bagi pengajaran metodologi sangat langsung. Ketika seorang mahasiswa memakai “responden virtual” untuk menguji kuesioner sebelum turun lapangan, ia berada dalam wilayah yang oleh AAPOR dianggap dapat diterima asalkan diungkapkan. Ketika data yang sama dilaporkan sebagai temuan, ia telah melakukan fabrikasi, terlepas dari seberapa canggih modelnya. Garis pemisahnya bukan teknologi, melainkan klaim epistemik yang dibuat atas data tersebut: data sintetis dapat dipakai untuk bertanya “apakah instrumen ini masuk akal”, tetapi tidak untuk menjawab “apa yang dipikirkan warga”.

Perbandingan Internasional: Lima Model Menghadapi Krisis Kepercayaan Survei

Amerika Serikat adalah laboratorium terbesar krisis ini karena pasar panel opt-in di sana paling besar dan paling terfragmentasi. Studi Westwood, Pew, dan NORC yang dibahas di atas semuanya lahir dari konteks ini, dan responsnya sejauh ini bersifat berlapis: asosiasi profesi menerbitkan pedoman, lembaga riset utama memperkuat panel probabilitas berbasis alamat, dan perusahaan panel bersaing menjual jaminan keaslian. Verasight, misalnya, dalam tanggapan November 2025 menekankan verifikasi nomor telepon seluler berbayar, pencocokan dengan catatan publik seperti berkas pemilih, serta pembatasan jumlah survei per pekan untuk menghapus insentif ekonomi pengoperasian agen. Pelajaran pentingnya adalah bahwa pertahanan paling efektif bekerja pada ekonomi partisipasi, bukan pada isi jawaban. Pew menghitung bahwa lima akun bot yang mengerjakan 200 survei opt-in per hari dengan imbalan satu dolar dapat meraup sekitar 30.000 dolar sebulan, sedangkan di panel probabilitasnya, dengan rata-rata kurang dari dua survei sebulan per anggota, angka yang setara hanya sekitar 22 dolar.

Inggris menawarkan pelajaran tentang swa-regulasi dan kegagalan berulang. Penyelidikan atas melesetnya jajak pendapat Pemilu 2015 yang dipimpin Patrick Sturgis, diterbitkan pada 31 Maret 2016, menyimpulkan bahwa penyebab utamanya adalah sampel yang tidak representatif, yang terlalu banyak memuat pemilih Partai Buruh, dan laporannya merekomendasikan praregistrasi jajak pendapat serta survei probabilitas sebagai pembanding. Pada Pemilu 2024, menurut kompilasi British Polling Council, industri kembali melebih-lebihkan keunggulan Partai Buruh, dan para anggota menerbitkan evaluasi sendiri. Namun kasus paling relevan bagi kajian ini terjadi pada Maret 2026: Bible Society menarik laporan “Quiet Revival” setelah YouGov mengakui bahwa data survei 2024 yang menjadi dasarnya mengandung responden curang dalam kelompok demografis tertentu karena pemeriksaan antikecurangan tidak berfungsi. Laporan itu sempat mengklaim kenaikan kehadiran gereja bulanan dari 8 menjadi 12 persen dan, untuk usia 18 hingga 24 tahun, dari 4 menjadi 16 persen, sebagaimana dicatat laporan Associated Press. Kasus ini memperlihatkan pola yang juga ditemukan Pew: responden palsu terkonsentrasi pada kelompok yang sulit dijangkau, sehingga justru temuan paling menarik tentang anak muda atau minoritas yang paling rawan palsu.

India menunjukkan bahaya lain, yaitu industri prediksi yang besar dengan transparansi rendah. Pada 1 Juni 2024, hampir semua exit poll memproyeksikan koalisi NDA pimpinan BJP meraih lebih dari 350 kursi Lok Sabha; hasil resmi tiga hari kemudian memberikan 293 kursi, sebagaimana dicatat Business Standard. Pasar saham sempat melonjak ke rekor lalu jatuh, dan oposisi menuntut penyelidikan. Kegagalan ini tidak ada hubungannya dengan AI, tetapi memperlihatkan bahwa ketika metodologi tidak diungkapkan, publik tidak dapat membedakan galat jujur dari manipulasi. Dalam dunia tempat agen dapat memproduksi responden, ketidakmampuan membedakan itu menjadi jauh lebih berbahaya.

Brasil memperlihatkan dua sisi sekaligus. Pada putaran pertama pemilihan presiden 2 Oktober 2022, Datafolha dan Ipec memperkirakan suara Jair Bolsonaro 36 dan 37 persen, padahal hasilnya sekitar 43 persen, menurut Bloomberg. Jauh lebih dekat adalah AtlasIntel, dengan angka sedikit di atas 41 persen, yang memakai rekrutmen digital acak berbasis iklan daring yang kemudian dikalibrasi secara demografis. Fakta ini penting: survei daring tidak otomatis lebih buruk. Namun reaksi politiknya mengkhawatirkan: Dewan Perwakilan mempercepat rancangan undang-undang untuk mempidanakan publikasi survei yang hasilnya jauh berbeda dari hasil akhir. Brasil juga punya sejarah panjang ketegangan seperti ini; harian Kompas edisi 22 Oktober 2014 melaporkan bahwa survei Datafolha dan MDA menempatkan Dilma Rousseff unggul tipis menjelang putaran kedua, dan Rousseff akhirnya menang dengan 51,6 berbanding 48,4 persen. Pelajarannya bagi Indonesia: krisis kepercayaan survei mudah berubah menjadi dalih kriminalisasi, dan respons regulasi yang buruk dapat lebih merusak daripada galatnya.

Korea Selatan mewakili model registrasi negara yang paling ketat. Komisi Pemilihan Nasional membentuk National Election Survey Deliberation Commission pada 2014, mewajibkan lembaga survei mendaftar sebelum mempublikasikan hasil, melaporkan sebagian besar survei dua hari sebelum dimulai, dan mengunggah rincian metode, pemesan, tingkat respons, serta galat sampel. Meski demikian, rezim ketat itu tidak mencegah skandal: pada Juli 2026, pengadilan menjatuhkan hukuman dua tahun kepada mantan Presiden Yoon Suk Yeol karena menerima secara cuma-cuma 14 survei yang datanya dimanipulasi oleh perantara politik Myung Tae-kyun pada 2021, sebagaimana dilaporkan Associated Press. Registrasi dan pengungkapan menciptakan jejak audit yang memungkinkan penegakan hukum, tetapi tidak dengan sendirinya mencegah manipulasi oleh orang dalam. Dari kelima kasus ini, kajian ini menyimpulkan dengan keyakinan sedang bahwa perlindungan paling efektif adalah kombinasi verifikasi responden di tingkat desain, kewajiban pengungkapan data mentah dan paradata, serta audit independen, bukan kriminalisasi galat.

Indonesia I: Lanskap Kerentanan Survei Daring di Kampus dan Pemerintahan

Indonesia memasuki era agen AI dengan populasi daring yang besar tetapi tidak merata. Survei Profil Internet Indonesia 2026 dari APJII, sebagaimana dilaporkan Bisnis Indonesia pada 22 Mei 2026, mencatat 235,2 juta pengguna internet atau penetrasi 81,72 persen, naik dari 80,66 persen pada 2025, dengan laju pertumbuhan yang melambat. Penetrasi di Jawa mencapai 85,95 persen, sedangkan Maluku dan Papua 69,74 persen. Di antara 18,28 persen penduduk yang belum terhubung, alasan utamanya adalah tidak memiliki perangkat (34 persen) dan tidak tahu cara menggunakannya (31,5 persen), menurut laporan lanjutan. Bagi metodologi survei, angka ini berarti dua hal. Pertama, survei daring di Indonesia sudah membawa galat cakupan sistematis yang menyingkirkan kelompok miskin, tua, dan terpencil. Kedua, ketika kontaminasi agentik menumpuk di atas galat cakupan, kelompok yang paling sedikit terwakili justru paling mudah dipalsukan, karena peneliti cenderung menerima dengan gembira setiap respons yang tampak berasal dari kelompok sulit dijangkau.

Di dunia akademik, survei daring telah menjadi cara pengumpulan data yang dominan bagi penelitian kuantitatif mahasiswa, meskipun tidak ada statistik nasional yang mengukur proporsinya. Kajian ini tidak menemukan data resmi tentang berapa persen skripsi, tesis, atau disertasi di Indonesia yang memakai kuesioner daring, dan karena itu menilai klaim dominasinya dengan keyakinan sedang, berdasarkan bukti tidak langsung. Salah satu indikator yang dapat diverifikasi adalah pertumbuhan panel komersial yang secara eksplisit melayani riset akademik. Populix, yang mengganti nama layanan swalayannya menjadi PopSurvey pada April 2025, menurut Indotelko mengklaim lebih dari 700.000 responden terverifikasi, dukungan untuk riset di lebih dari 180 perguruan tinggi, sekitar 10.000 survei yang sebagian besar berasal dari dosen dan mahasiswa, serta harga mulai Rp375 per respons. Angka-angka ini adalah klaim perusahaan, bukan audit independen, tetapi menunjukkan bahwa rantai pasok data akademik Indonesia sudah bergantung pada panel daring komersial yang standar verifikasinya tidak dipublikasikan secara rinci.

Regulasi kampus bergerak, tetapi ke arah yang hanya menyentuh sebagian lapisan kontaminasi. Pada 11 Oktober 2024, kementerian yang saat itu bernama Kemendikbudristek meluncurkan Panduan Penggunaan Generative AI pada Pembelajaran di Perguruan Tinggi yang menekankan penggunaan etis dan bertanggung jawab. Sejumlah fakultas kemudian menerbitkan aturan yang lebih tegas. Pedoman Fakultas Ekonomi dan Bisnis Universitas Negeri Makassar (Juni 2026), misalnya, melarang pembuatan data penelitian fiktif, hasil kuesioner fiktif, dan jawaban responden rekaan, serta menggolongkan manipulasi data dengan AI sebagai pelanggaran berat. Aturan seperti ini penting untuk lapisan substitusi oleh peneliti, tetapi diam tentang tiga lapisan lainnya. Tidak ada kewajiban bagi mahasiswa untuk membuktikan bahwa respondennya manusia, mencatat paradata seperti waktu pengisian dan alamat IP, atau melaporkan berapa respons yang dibuang karena dicurigai. Logika regulasinya mengasumsikan bahwa ancaman datang dari dalam, yaitu dari mahasiswa yang curang, padahal studi Westwood memperlihatkan bahwa ancaman dapat datang dari luar, melalui tautan Google Form yang disebar di grup media sosial dan diisi oleh siapa saja, atau oleh apa saja.

Kontras dengan praktik BPS sangat instruktif. Dalam Sensus Penduduk Online 2020, yang berlangsung 15 Februari hingga 29 Mei 2020, sekitar 51,4 juta penduduk atau 19 persen dari total penduduk berpartisipasi secara daring, menurut Antara. Pengisiannya mensyaratkan pencocokan Nomor Induk Kependudukan dengan Nomor Kartu Keluarga terhadap data administrasi kependudukan, dan penduduk yang datanya tidak cocok harus menunggu petugas lapangan, sebagaimana dijelaskan pejabat BPS kepada detikFinance. Desain ini, yang semula dibuat untuk mencegah duplikasi, secara kebetulan adalah contoh tepat dari apa yang kini direkomendasikan literatur internasional: verifikasi identitas di luar instrumen, terhadap kerangka sampel yang diketahui, dengan jalur alternatif nondaring. Pemerintah daerah dan kampus yang menyebarkan survei kepuasan layanan melalui tautan terbuka tidak memiliki perlindungan serupa. Kajian ini menilai dengan keyakinan sedang bahwa survei kelembagaan berbasis tautan terbuka di Indonesia, termasuk survei kepuasan dan evaluasi kebijakan, adalah segmen paling rentan sekaligus paling jarang diaudit, karena hasilnya dipakai untuk pelaporan kinerja yang memberi insentif pada angka yang baik, bukan pada angka yang benar.

Indonesia II: Survei Politik, Regulasi KPU, dan Etika Asosiasi

Survei politik Indonesia diatur lebih ketat daripada survei akademik, tetapi aturannya disusun untuk era wawancara tatap muka. Undang-Undang Nomor 7 Tahun 2017 tentang Pemilihan Umum menempatkan survei, jajak pendapat, dan hitung cepat sebagai bentuk partisipasi masyarakat, membatasi pengumuman hitung cepat paling cepat dua jam setelah pemungutan suara di wilayah barat berakhir, dan memberi sanksi pidana bagi pelanggarnya, sebagaimana dirangkum Hukumonline. Peraturan KPU Nomor 9 Tahun 2022 mewajibkan lembaga survei berbadan hukum Indonesia, independen, jelas sumber dananya, mendaftar paling lambat 30 hari sebelum pemungutan suara, menggunakan metode ilmiah, tidak mengubah data lapangan maupun data olahan, serta melaporkan metodologi, sumber dana, jumlah responden, dan waktu serta tempat survei. Untuk Pemilu 2024, menurut rilis KPU per 6 Februari 2024, 83 lembaga mendaftar dan 81 di antaranya telah berstatus terdaftar. Namun aturan itu tidak mewajibkan pengungkapan moda pengumpulan data secara rinci, sumber panel bila survei dilakukan daring, prosedur verifikasi identitas responden, maupun paradata. Lebih jauh, kewajiban tersebut hanya mengikat lembaga yang mendaftar; lembaga yang tidak mendaftar tidak terikat.

Mekanisme etik yang ada dijalankan oleh asosiasi, dan sejarahnya menunjukkan bahwa akses terhadap data mentah adalah titik tumpu integritas. Pada 16 Juli 2014, Dewan Etik Persepi mengeluarkan Jaringan Suara Indonesia dan Puskaptis dari keanggotaan setelah keduanya tidak memenuhi panggilan audit atas hitung cepat Pemilu Presiden 2014, menurut Liputan6. Sepuluh tahun kemudian, pada November 2024, Dewan Etik Persepi menjatuhkan sanksi kepada Poltracking Indonesia terkait survei Pilkada Jakarta. Menurut penjelasan dewan etik kepada detikNews, Poltracking tidak dapat menunjukkan data asli hasil ekspor dari aplikasi survei, hanya 1.652 data yang dinyatakan valid dari 2.000 responden yang dilaporkan, dan terdapat perbedaan antara dua set data. Poltracking menolak temuan itu, menyatakan diri ditargetkan, dan keluar dari Persepi pada 5 November 2024. Kajian ini tidak mengambil posisi atas sengketa substantif itu. Pelajaran metodologisnya lebih penting: bahkan untuk survei tatap muka berbasis aplikasi, pertanyaan pertama audit adalah apakah setiap baris data dapat ditelusuri ke wawancara nyata. Pertanyaan yang sama, dengan tingkat kesulitan berlipat, akan muncul untuk survei daring.

Di sisi lain, hitung cepat Indonesia menunjukkan bahwa desain probabilitas berbasis lapangan tetap sangat tangguh. Pada Pemilu Presiden 2024, hitung cepat SMRC, Indikator, Poltracking, Charta Politika, dan Populi Center memperkirakan suara Prabowo–Gibran antara 57,81 dan 59,08 persen, sedangkan rekapitulasi resmi KPU pada 20 Maret 2024 menetapkan 58,58 persen, menurut Bisnis Indonesia. Hitung cepat mengambil sampel tempat pemungutan suara, bukan individu, dan datanya adalah angka formulir resmi yang dapat diverifikasi, sehingga agen AI daring tidak memiliki pintu masuk. Kerentanannya terletak di tempat lain, yaitu pada integritas relawan lapangan dan pengelolaan data. Dengan demikian, kajian ini menilai dengan keyakinan tinggi bahwa hitung cepat berbasis TPS secara struktural kebal terhadap kontaminasi agentik, sedangkan survei elektabilitas pra-pemilu yang makin sering memakai moda daring atau campuran adalah bagian dari ekosistem survei politik yang paling terpapar.

Ketidakpercayaan politik terhadap survei sudah tinggi bahkan sebelum isu AI muncul. Pada 2 Januari 2024, Sekretaris Jenderal PDI Perjuangan Hasto Kristiyanto mengusulkan pembentukan komite independen untuk mengaudit metodologi survei elektabilitas, menurut Bisnis Indonesia. Dalam iklim seperti ini, satu kasus kontaminasi agentik yang terbukti dalam survei elektabilitas dapat menjadi bahan bakar bagi delegitimasi menyeluruh terhadap industri survei, termasuk hitung cepat yang sebenarnya tangguh. Risiko terbesar bagi Indonesia, dengan keyakinan sedang, bukanlah bahwa agen AI akan menentukan hasil pemilu, melainkan bahwa kemungkinan keberadaan agen AI akan dipakai untuk menolak setiap hasil survei yang tidak disukai.

Argumen Tandingan yang Diperkuat dan Jawabannya

Argumen tandingan terkuat memiliki dua bentuk, dan keduanya layak dirumuskan dalam versi terbaiknya. Bentuk pertama menyatakan bahwa responden berbasis model bahasa adalah fitur, bukan cacat. Uji awal kuesioner dengan ribuan persona sintetis dapat menemukan pertanyaan yang ambigu, urutan yang bias, atau skala yang tidak bekerja, dengan biaya hampir nol, dan ini sangat berharga bagi mahasiswa di kampus dengan anggaran riset kecil. Lebih jauh, tim Stanford yang dipimpin Luke Hewitt dan Ashwini Ashokkumar melaporkan bahwa prediksi GPT-4 atas 70 eksperimen survei representatif nasional di Amerika Serikat berkorelasi r = 0,85 dengan efek perlakuan yang sebenarnya, setara atau lebih baik daripada peramal manusia, dan tetap tinggi (r = 0,90) untuk studi yang tidak mungkin ada dalam data pelatihannya. Jika model dapat mereplikasi hasil yang diketahui, mengapa tidak memakainya untuk memperluas jangkauan riset ke populasi yang mahal dijangkau?

Bentuk kedua menyatakan bahwa krisis ini dilebih-lebihkan karena perlombaan senjata deteksi sudah dimenangkan oleh panel probabilitas. Pew, NORC, dan lembaga besar lain memang menunjukkan bahwa panel berbasis alamat, dengan verifikasi pos dan pembatasan frekuensi, hampir tidak terpengaruh. Pasar akan menyesuaikan diri: survei murah akan kehilangan kredibilitas, survei bermutu akan mendapatkan premi, dan masalah selesai dengan sendirinya. Kasus AtlasIntel di Brasil bahkan menunjukkan bahwa rekrutmen digital yang dirancang baik dapat mengungguli survei tradisional.

Kajian ini menerima sebagian besar premis kedua argumen tersebut, tetapi menolak kesimpulannya. Terhadap bentuk pertama, temuan Hewitt dan rekan-rekan menyangkut prediksi efek perlakuan rata-rata dalam eksperimen, bukan estimasi tingkat atau distribusi opini dalam populasi. Bisbee dan rekan-rekan serta Pew tahun 2026 justru menunjukkan bahwa model gagal pada variasi, subkelompok, dan nilai ekstrem, yaitu tepat pada hal-hal yang membuat survei bernilai. Lagi pula, kemampuan meramal hasil yang mirip dengan riset terdahulu tidak sama dengan kemampuan menemukan hal baru; sebuah alat yang paling akurat ketika dunia tidak berubah adalah alat yang paling berbahaya ketika dunia berubah. Penggunaan untuk uji awal dapat diterima, sebagaimana dirumuskan AAPOR, tetapi itu adalah penggunaan sebagai alat desain, bukan sebagai sumber data.

Terhadap bentuk kedua, kemenangan panel probabilitas hanya berlaku bagi mereka yang mampu membiayainya. Di Amerika Serikat, Pew sendiri mengakui bahwa survei probabilitasnya lebih mahal karena rekrutmennya luring dan padat karya. Di Indonesia, belum ada panel probabilitas daring berskala nasional yang terbuka bagi peneliti akademik, sehingga “pasar akan menyesuaikan” berarti, dalam praktiknya, bahwa riset bermutu akan menjadi hak istimewa lembaga kaya, sementara mayoritas mahasiswa dan dosen terus memakai tautan terbuka yang makin tercemar. Ketimpangan epistemik semacam ini bukan penyelesaian masalah, melainkan pemindahannya ke pinggiran. Kasus AtlasIntel juga tidak membantah argumen kajian ini, karena kalibrasi yang baik atas rekrutmen digital tetap mengandaikan bahwa yang direkrut adalah manusia, dan pengandaian itulah yang kini terancam. Dengan demikian, kajian ini mempertahankan penilaiannya bahwa krisis ini nyata, tetapi distribusinya timpang: paling ringan bagi lembaga dengan panel probabilitas, paling berat bagi ilmu sosial negara berpendapatan menengah yang bergantung pada data daring murah.

Skenario hingga 2030 dan Penanda

Empat skenario disusun berdasarkan dua ketidakpastian kunci: seberapa cepat kontaminasi agentik menjadi terlihat oleh publik melalui skandal, dan seberapa cepat lembaga Indonesia membangun infrastruktur verifikasi. Probabilitas berikut adalah penilaian subjektif yang dimaksudkan untuk memandu kewaspadaan, bukan prediksi.

Skenario A, kontaminasi senyap, adalah yang paling mungkin karena merupakan kelanjutan dari keadaan sekarang. Survei daring akademik dan kelembagaan terus berkembang, agen AI makin murah dan makin mudah dioperasikan, tetapi karena tidak ada yang mengukur, tidak ada skandal besar yang memaksa perubahan. Proporsi respons nonmanusia naik perlahan, terutama pada survei berimbalan dan pada kelompok sulit dijangkau, dan literatur ilmiah Indonesia menyerap galat ini tanpa menyadarinya. Penanda skenario ini adalah tidak adanya pedoman nasional tentang verifikasi responden hingga akhir 2027, tidak adanya studi terbuka yang mengukur kontaminasi di panel Indonesia, serta revisi PKPU menjelang Pemilu 2029 yang tidak menyentuh moda daring.

Skenario B, pengerasan bertingkat, terjadi ketika ekosistem membelah dua. Survei berisiko tinggi, seperti survei pemerintah untuk kebijakan, survei elektabilitas terdaftar, dan disertasi, beralih ke panel terverifikasi atau moda campuran dengan verifikasi identitas, sementara survei berisiko rendah tetap memakai tautan terbuka dengan label kehati-hatian. Penandanya adalah panel komersial Indonesia mulai menerbitkan statistik validasi secara rutin, BPS atau lembaga riset negara membuka akses kerangka sampel bagi peneliti, dan jurnal terakreditasi mulai mewajibkan pengungkapan moda serta prosedur verifikasi.

Skenario C, krisis legitimasi dan kriminalisasi, dipicu oleh satu kasus yang meledak, misalnya survei elektabilitas atau survei kebijakan yang terbukti terkontaminasi agen menjelang Pemilu 2029. Reaksi politik bergerak ke arah pembatasan survei, sanksi pidana atas “survei menyesatkan”, atau tuntutan agar hitung cepat dilarang, mirip dengan upaya di Brasil pada 2022. Penandanya adalah meningkatnya tuduhan bot dalam sengketa survei di media sosial, usulan legislasi yang menyamakan galat dengan kebohongan, dan pernyataan pejabat yang menolak hasil survei dengan merujuk pada AI.

Skenario D, rekonsiliasi metodologis, adalah yang paling diinginkan tetapi paling kecil peluangnya karena menuntut koordinasi banyak lembaga. Dalam skenario ini, Indonesia membangun standar verifikasi responden yang menghormati perlindungan data pribadi, panel probabilitas akademik nasional didanai publik, respons sintetis dibatasi pada uji awal yang diungkapkan, dan asosiasi survei Indonesia ikut menyusun standar internasional. Penandanya adalah adanya pendanaan khusus untuk infrastruktur data survei dalam skema riset nasional, kesepakatan bersama Persepi dan asosiasi akademik tentang protokol audit data daring, serta keterlibatan aktor Indonesia dalam forum WAPOR atau AAPOR tentang standar keaslian responden.

Rekomendasi untuk Aktor Indonesia dan Internasional

Bagi Kemendiktisaintek, rekomendasi utama adalah menerbitkan, paling lambat pertengahan 2027, pedoman nasional integritas pengumpulan data daring untuk tugas akhir dan riset dosen, sebagai pelengkap panduan AI generatif tahun 2024. Pedoman itu sebaiknya membedakan keempat lapisan kontaminasi, mewajibkan pernyataan asal-usul data dalam setiap tugas akhir kuantitatif, dan menetapkan bahwa respons sintetis hanya boleh dipakai untuk uji awal yang diungkapkan. Kementerian juga sebaiknya mendanai, mulai siklus anggaran 2027, studi pengukuran kontaminasi pada panel daring yang dipakai perguruan tinggi Indonesia, karena tanpa angka dasar seluruh kebijakan akan dibangun di atas dugaan.

Bagi perguruan tinggi dan komite etik penelitian, mulai semester genap 2026/2027 protokol yang diajukan untuk survei daring sebaiknya memuat rencana verifikasi responden, aturan eksklusi yang ditetapkan sebelum pengumpulan data, dan kewajiban menyimpan paradata. Pembimbing perlu dilatih membaca tanda-tanda kontaminasi, seperti lonjakan respons dalam waktu singkat, keseragaman jawaban terbuka, atau kelompok sulit dijangkau yang tiba-tiba melimpah. Mata kuliah metodologi penelitian sebaiknya memasukkan kontaminasi agentik ke dalam pembahasan validitas, setara dengan pembahasan operasionalisasi variabel dan hipotesis yang selama ini menjadi inti pengajaran, seperti dalam materi Metode Penelitian, Pertemuan 5: Variabel dan Hipotesis Penelitian (September 2025); variabel yang dioperasionalkan dengan sempurna tetap tidak bermakna bila tidak ada manusia di balik angkanya.

Bagi BPS, rekomendasinya adalah menerbitkan pada 2027 standar teknis verifikasi untuk survei daring instansi pemerintah, berbasis pengalaman Sensus Penduduk Online 2020, serta menjajaki skema akses terkendali terhadap kerangka sampel bagi peneliti akademik terakreditasi, dengan perlindungan data pribadi yang ketat. Bagi KPU, revisi peraturan tentang partisipasi masyarakat sebelum tahapan Pemilu 2029 sebaiknya mewajibkan lembaga survei terdaftar mengungkapkan moda pengumpulan data, sumber panel bila daring, prosedur verifikasi responden, dan proporsi respons yang dibuang, serta menyerahkan data mentah dan paradata kepada asosiasi atau auditor independen bila diminta. Revisi itu harus menghindari kriminalisasi galat dan berfokus pada transparansi proses. Bagi Persepi dan asosiasi survei lain, rekomendasinya adalah menyusun pada 2027 protokol audit bersama untuk survei daring dan campuran, yang memperluas preseden audit data mentah dalam kasus 2014 dan 2024 ke paradata digital, serta menerbitkan daftar lembaga yang menyatakan tidak memakai respons sintetis sebagai pengganti responden.

Bagi pengelola jurnal di Indonesia, terutama jurnal terakreditasi SINTA, rekomendasinya adalah mewajibkan, mulai 2027, pengungkapan moda pengumpulan data, platform atau panel yang dipakai, prosedur verifikasi, dan jumlah respons yang dikeluarkan beserta alasannya, serta mendorong penyimpanan data dan paradata di repositori terbuka. Kewajiban ini murah bagi peneliti yang jujur dan mahal bagi praktik yang tidak dapat dipertanggungjawabkan.

Bagi aktor internasional, AAPOR, WAPOR, dan ESOMAR sebaiknya menyusun dalam dua tahun ke depan standar lintas negara tentang keaslian responden yang secara eksplisit mempertimbangkan negara berpendapatan menengah, tempat panel probabilitas langka dan perlindungan data masih berkembang. ESOMAR telah menerbitkan 20 Questions to Help Buyers of AI-Based Services; langkah berikutnya adalah daftar pertanyaan serupa khusus untuk jaminan keaslian responden. Perusahaan panel global dan nasional, termasuk penyedia panel di Indonesia, sebaiknya menerbitkan statistik validasi secara berkala, seperti proporsi akun yang diblokir, metode verifikasi, dan batas frekuensi partisipasi, sebagaimana disarankan dalam naskah Westwood. Penyandang dana riset internasional dan nasional sebaiknya membiayai panel probabilitas daring akademik di negara-negara Global South, karena tanpa infrastruktur publik semacam itu, standar baru hanya akan memperlebar jurang antara ilmu sosial negara kaya dan negara lainnya.

Keterbatasan Kajian

Kajian ini memiliki beberapa keterbatasan yang perlu dinyatakan secara terbuka. Pertama, hampir seluruh bukti eksperimental tentang kontaminasi agentik berasal dari Amerika Serikat dan Inggris, dengan responden berbahasa Inggris. Kajian ini tidak dapat memastikan seberapa baik agen bekerja dalam bahasa Indonesia atau bahasa daerah, meskipun temuan Westwood tentang instruksi lintas bahasa memberi alasan untuk menduga hambatan bahasa tidak besar. Kedua, kajian ini tidak menemukan satu pun studi terbuka yang mengukur proporsi respons nonmanusia di panel daring Indonesia, sehingga penilaian tentang besaran kontaminasi di Indonesia sengaja ditempatkan pada keyakinan rendah. Ketiga, sebagian data penting, seperti uji deteksi Prolific dan klaim jumlah responden Populix, berasal dari perusahaan yang berkepentingan dan belum diaudit secara independen.

Keempat, bidang ini bergerak sangat cepat. Model yang diuji Pew pada September 2026 akan digantikan model baru dalam hitungan bulan, dan alat deteksi yang efektif hari ini dapat usang tahun depan. Kesimpulan kajian ini karena itu lebih bertumpu pada argumen struktural tentang desain survei, yang cenderung stabil, daripada pada angka akurasi model atau alat tertentu. Kelima, kajian ini tidak membahas secara mendalam survei kualitatif daring, wawancara melalui aplikasi pesan, atau grup diskusi terfokus virtual, yang menghadapi bentuk kontaminasi berbeda. Keenam, analisis kasus Persepi bertumpu pada pemberitaan media dan pernyataan para pihak, bukan pada dokumen putusan lengkap, dan kajian ini tidak menilai benar-salahnya sengketa tersebut. Terakhir, sebagaimana diingatkan dalam buku Beyond Method (Desember 2025), kepatuhan prosedural tidak sama dengan mutu penelitian; standar verifikasi responden yang direkomendasikan di sini dapat berubah menjadi ritual administratif bila tidak disertai pemahaman tentang mengapa keaslian data menjadi syarat epistemik.

Kesimpulan: Mengembalikan Manusia ke dalam Survei

Survei adalah salah satu penemuan sosial paling berhasil abad ke-20: cara murah dan sistematis untuk mendengar suara banyak orang sekaligus. Keberhasilannya selalu bergantung pada sesuatu yang jarang dinyatakan, yaitu bahwa di ujung setiap jawaban ada seseorang. Studi Westwood, data Pew, dan pengakuan YouGov dalam kasus “Quiet Revival” bersama-sama menunjukkan bahwa pengandaian itu tidak lagi dapat dibiarkan implisit. Ia harus dibuktikan, dan pembuktiannya adalah urusan desain, bukan urusan pendeteksi.

Bagi Indonesia, taruhannya ganda. Ilmu sosial akademiknya sangat bergantung pada kuesioner daring murah, sementara demokrasinya bergantung pada kepercayaan publik terhadap survei dan hitung cepat. Kajian ini menyimpulkan bahwa hitung cepat berbasis TPS tetap tangguh, bahwa survei daring terbuka berada dalam bahaya struktural, dan bahwa titik paling rawan adalah wilayah di antaranya: survei elektabilitas daring, survei kelembagaan berbasis tautan, dan riset tugas akhir tanpa verifikasi. Langkah-langkah yang diperlukan tidak memerlukan teknologi baru; yang diperlukan adalah kemauan kelembagaan untuk mengungkapkan cara data dikumpulkan, memverifikasi bahwa respondennya manusia, dan membiayai infrastruktur publik yang memungkinkan semua peneliti, bukan hanya yang kaya, melakukannya.

Pertanyaan yang perlu diajukan setiap pembimbing, penelaah, editor, dan pembaca survei sejak hari ini sederhana: bagaimana Anda tahu respondennya ada? Jawaban yang memuaskan atas pertanyaan itu akan menjadi ukuran baru integritas penelitian survei, di Indonesia maupun di dunia.

Executive Summary: When Respondents Can Be Manufactured

For almost two decades, online surveys have rested on a quiet assumption: a coherent answer comes from a human being. That assumption has now collapsed. In November 2025, Sean Westwood of Dartmouth College published an article in the Proceedings of the National Academy of Sciences entitled “The potential existential threat of large language models to online survey research”. He built an “autonomous synthetic respondent” that, according to Dartmouth’s official release, passed 99.8 percent of standard attention checks, made no errors on logic puzzles, and could be instructed to shift poll results. The cost per response was about five US cents, while human respondents are typically paid around 1.50 dollars. The question this study asks is simple but fundamental: what do such findings mean for the integrity of survey research, and specifically for Indonesia, where thousands of undergraduate theses, master’s theses and dissertations rely every year on online questionnaires, where the political polling industry works under intense public scrutiny, and where government agencies and universities increasingly use online forms to measure satisfaction, needs and opinion?

The bottom line of this study is that the crisis under way is not a crisis of detection technology but a crisis of design. Surveys whose recruitment is open, whose incentives are paid per completion, and whose validation relies only on response patterns can no longer structurally guarantee that their respondents are human. By contrast, surveys whose respondents are drawn from a known sampling frame, whose identities are verified outside the instrument, and whose participation frequency is capped remain relatively robust. This study judges with high confidence that the threat to open online panels is real and experimentally documented; with moderate confidence that contamination by artificial intelligence (AI) agents is already occurring on a small but meaningful scale on commercial platforms; and with low confidence regarding the magnitude of contamination in Indonesia, because not a single open study has measured it. That absence of data is itself an important finding.

The issue matters globally because public opinion is one of the most direct mechanisms of democratic accountability, and because empirical social science in many developing countries, Indonesia included, has moved much of its data collection into a cheap online space. This study extends the total survey error framework with a new layer, agentic contamination, examines the evidence from 2023 to October 2026, compares the experience of the United States, the United Kingdom, India, Brazil and South Korea, and derives implications for the Ministry of Higher Education, Science and Technology (Kemendiktisaintek), university ethics committees, Statistics Indonesia (BPS), the General Elections Commission (KPU), the Indonesian Public Opinion Survey Association (Persepi), journal editors, and international actors such as AAPOR, ESOMAR, WAPOR, panel companies and research funders. As teaching material in research methodology, this study deliberately does not repeat the debate on the theoretical poverty of Southeast Asian social science already addressed in the study Rich in Data, Poor in Theory; its focus is a more elementary question, namely whether the data come from human beings at all.

Analytical Framework and Method Note: Total Survey Error and the Agentic Contamination Layer

The most established framework for judging survey quality is total survey error. In their classic review in Public Opinion Quarterly 74(5), 2010, Robert Groves and Lars Lyberg describe it as the central organising structure of survey methodology: any estimate can deviate from the true value along two paths, the representation path (coverage error, sampling error, nonresponse error and adjustment error) and the measurement path (validity error, measurement error and processing error). The framework is built on the premise that the unit answering is a human being, and that the gap between the answer and the true attitude arises from misunderstanding, fatigue, social desirability or poor question design. It is that premise that now needs re-examination.

This study adds an agentic contamination layer that cuts across both paths at once. On the representation path, the unit entering the sample may not be human at all, so that the concepts of coverage and nonresponse lose their referent. On the measurement path, the answer may reflect no one’s attitude, but rather the statistical distribution of a language model. The layer is divided into four analytically distinct tiers. The first is partial delegation, when real human respondents ask a language model to write open-ended answers or summarise their views. The second is full replacement, when autonomous agents complete entire surveys under invented identities for the incentive. The third is directed manipulation, when agents are instructed to push estimates in a particular direction, for instance for electoral purposes. The fourth is researcher substitution, when model-generated synthetic data are deliberately used in place of human respondents, openly or covertly. The 2026 AAPOR task force report, discussed further below, even describes the elimination of human respondents as something essentially outside the bounds of the total survey error framework, a statement that underlines the need for this additional layer.

Distinguishing the four tiers matters because the remedies differ. Partial delegation can be handled through instructions, disclosure and question design; full replacement and directed manipulation require identity verification and process controls outside the instrument; and researcher substitution is a matter of ethics and academic integrity that must be governed by institutions, not by detection algorithms. Conflating the four, as public debate often does, produces misdirected policy: universities forbid students from using AI to fabricate data, yet never ask whether the respondents to their Google Forms are human.

Method note. This study uses a structured review of scholarly literature and institutional reports published between 2023 and October 2026, prioritising peer-reviewed articles, professional association reports and methodological studies by major research organisations. For Indonesia, it analyses electoral regulation, KPU documents, Persepi ethics council rulings as reported in the media, internet penetration data from the Indonesian Internet Service Providers Association (APJII), and guidelines on AI use in higher education. Comparative cases were selected for variation in regulatory model: association self-regulation (the United Kingdom), strong state registration (South Korea), weak regulation amid a large exit-poll industry (India), politicised regulation (Brazil), and the largest commercial panel market together with its professional association’s response (the United States). Confidence levels are defined as follows: high confidence means several independent sources corroborate one another; moderate confidence means one strong source or several consistent but indirect sources; low confidence means reasonable but untested inference or extrapolation. This study conducted no experiments of its own and had no access to raw data from Indonesian commercial panels.

Core Evidence 2023–2026: From Crowdworkers to Autonomous Agents

The first evidence of this shift came from micro-work platforms. In June 2023, Veniamin Veselovsky, Manoel Horta Ribeiro and Robert West of EPFL reported in the paper “Artificial Artificial Artificial Intelligence” that an estimated 33 to 46 percent of workers on Amazon Mechanical Turk used large language models when completing an abstract-summarisation task. They combined keystroke logging with a synthetic-text classifier. This finding still sits at the partial-delegation tier, but it shows that crowdworkers’ economic incentives push towards automation as soon as the tools are available. Two years later, Simone Zhang, Janet Xu and A. J. Alvero published in Sociological Methods & Research (2025) a survey of participants on an online research platform which found that 34 percent reported using language models to help answer open-ended questions. Their simulations also showed that model-written answers were more homogeneous and more positive than human ones, especially when questions concerned sensitive social groups. This study judges with high confidence that partial delegation is already common practice on global online platforms.

The second piece of evidence is the leap from delegation to full replacement. Westwood’s study is not a survey of respondent behaviour but a stress test: it shows what is possible, not what has already happened. According to the preprint version of the manuscript, the agent was tested in 6,000 attention-check trials, used nine language models from various developers, and simulated reading times calibrated to the persona’s education level, human-like mouse movements and plausible typos. Instructions written in Russian, Mandarin or Korean still produced correct English answers, a detail the Dartmouth release reads as a foreign-interference risk. Simulations on seven national polls from the final week of the 2024 US presidential election showed that 10 to 52 synthetic responses would have been enough to flip which candidate led, as reported by Dartmouth. This study judges with high confidence that defences based on response patterns, such as trap questions and consistency checks, are no longer adequate against deliberately engineered agents.

The third piece of evidence is direct measurement of bogus respondents in opt-in panels, that is, panels anyone can join on their own. Pew Research Center released “No Easy Fix for Bogus Respondents in Online Opt-In Polls” on 27 August 2026. Three screening methods were tested: trap questions, CloudResearch’s Sentry prescreening system, and matching to a commercial voter file. Before screening, 7 percent of adults answered “yes” to at least 10 of 15 yes/no questions, a classic sign of careless respondents. Trap questions flagged 18 percent of cases, while prescreening flagged nearly half of all completes. All three methods shifted the presidential vote estimate from a 48–48 tie to a Kamala Harris lead of three to seven points, because bogus respondents tended to claim they voted for Donald Trump. Probable AI-generated open-ended answers were only about 1 percent, but Pew noted that subtler AI answers may have slipped through. In its report appendix, Pew stresses that bogus respondents disproportionately claim to be young or Hispanic, so that errors for these groups in its 2023 benchmarking study were on average nearly twice those for the general population.

The fourth piece of evidence comes from the industry itself and must therefore be read with care. Prolific, a research participant recruitment platform, published on 4 February 2026 an internal test comparing agent-detection methods. Attention checks reached only 59.7 percent accuracy and consistency checks 62.7 percent, while Prolific’s own automated-environment detection tool was claimed to reach 100 percent. That last figure comes from a small test, 125 human participants and 125 agent runs from five agents, run by a vendor on its own product; Prolific itself acknowledges that what works today may not work tomorrow. This study judges with moderate confidence that platform-level detection can slow contamination but cannot be relied on as a sole guarantee. The literature review by NORC at the University of Chicago (April 2026) reaches a similar conclusion: layered defences are more robust than any single method, overly aggressive screening risks excluding legitimate respondents with low digital literacy, and the best investment is in structurally less vulnerable designs such as probability-based surveys and panels.

Silicon Respondents: Promise, Limits and an Emerging Consensus

The fourth tier of contamination, researcher substitution, is rooted in a legitimate and intriguing research programme. Lisa Argyle and colleagues at Brigham Young University, in “Out of One, Many: Using Language Models to Simulate Human Samples” in Political Analysis 31(3), 2023, introduced the term “silicon sample”. They conditioned GPT-3 on thousands of sociodemographic backstories drawn from respondents to large US surveys and found that the model could reproduce the response distributions of various subgroups, a property they called algorithmic fidelity. Their claim was careful: language models with sufficient algorithmic fidelity could be a powerful tool for studying humans. Yet the term “sample” itself later became a source of conceptual confusion.

The most systematic critique came from James Bisbee and colleagues in “Synthetic Replacements for Human Survey Data? The Perils of Large Language Models”, also in Political Analysis (2024). Using personas from the 2016 and 2020 American National Election Studies, they found that ChatGPT’s average feeling-thermometer scores were indeed close to the human data, but their variation was far narrower. About 48 percent of regression coefficients from synthetic data differed significantly from estimates based on human data, and in about 32 percent of those cases the sign flipped. A power analysis based on synthetic data would suggest about 35 partisan respondents, whereas human data require 299. More troubling still, the same prompt run in April, June and July 2023 did not yield the same data, because the model was updated without notice. For methodology, this means a lack of reproducibility built into the instrument itself.

On 30 September 2026, Pew Research Center published the most recent test, “How synthetic polling results change based on the AI model”. Using a “digital twins” approach, GPT-5.1 and Claude Opus 4.6 were asked to play 6,700 members of the American Trends Panel based on their demographic data and political typology, and then to answer the same questionnaire. The mean absolute error reached 11.4 percentage points for Opus and 13.3 points for GPT. GPT estimated that 100 percent of adults were dissatisfied with the direction of the country, against a true figure of 69 percent; Opus came close on that figure but missed by 31 points on another question and estimated that zero percent of Americans want abortion illegal in all cases, against a human figure of 11 percent. The choice of model, in other words, changes the story the data tell. This study judges with high confidence that synthetic responses cannot yet replace the measurement of public opinion, and with moderate confidence that the problem is not merely a matter of model versions to be solved by the next generation, but a basic property of models that learn the distribution of text, not the distribution of attitudes in a particular population.

An institutional consensus is beginning to form. On 8 May 2026, the American Association for Public Opinion Research (AAPOR) released the task force report Responsible AI Integration in Survey Research, co-chaired by David Rothschild and Jenny Marlar. The report calls synthetic responses the riskiest of all uses of AI in surveys, limits their use to clearly labelled pretesting, piloting and exploratory diagnostics, requires disclosure of the number of human respondents, and recommends the term “synthetic responses” rather than “synthetic samples” because the method is not a sampling design. For respondents who use AI, the report distinguishes light assistance, which can be handled through instructions and disclosure, from deceptive use, which calls for detection, process controls and transparency. Pew, in an interview with Courtney Kennedy in May 2026, stated that it does not use silicon sampling for published results because AI estimates tend to stereotype groups and understate disagreement within society.

The implications for teaching methodology are immediate. When a student uses “virtual respondents” to test a questionnaire before fieldwork, the student is in territory AAPOR regards as acceptable provided it is disclosed. When the same data are reported as findings, the student has committed fabrication, however sophisticated the model. The dividing line is not technology but the epistemic claim made about the data: synthetic data can be used to ask “does this instrument make sense”, but not to answer “what do citizens think”.

International Comparison: Five Models Facing a Crisis of Survey Trust

The United States is the largest laboratory of this crisis because its opt-in panel market is the largest and most fragmented. The Westwood, Pew and NORC studies discussed above all arose in this context, and the response so far has been layered: professional associations issue guidelines, leading research organisations strengthen address-based probability panels, and panel companies compete to sell authenticity guarantees. Verasight, for example, in a November 2025 response, emphasised verification of paid mobile numbers, matching against public records such as the voter file, and caps on the number of surveys per week to remove the economic incentive to run agents. The important lesson is that the most effective defences act on the economics of participation, not on the content of answers. Pew calculates that five bot accounts taking 200 opt-in surveys a day at one dollar each could earn about 30,000 dollars a month, whereas on its probability panel, with an average of fewer than two surveys a month per member, the equivalent figure is only about 22 dollars.

The United Kingdom offers lessons on self-regulation and repeated failure. The inquiry into the 2015 general election polling miss, chaired by Patrick Sturgis and published on 31 March 2016, concluded that the main cause was unrepresentative samples that over-represented Labour voters, and its report recommended pre-registration of polls and a probability survey as a benchmark. In the 2024 general election, according to the compilation by the British Polling Council, the industry again overstated Labour’s lead, and members published their own reviews. Yet the case most relevant to this study came in March 2026: the Bible Society withdrew its “Quiet Revival” report after YouGov admitted that the 2024 survey data on which it rested contained fraudulent respondents in particular demographic groups because anti-fraud checks were not working. The report had claimed a rise in monthly church attendance from 8 to 12 percent and, for 18- to 24-year-olds, from 4 to 16 percent, as noted in an Associated Press report. The case shows the pattern Pew also found: bogus respondents cluster in hard-to-reach groups, so that the most striking findings about young people or minorities are precisely the ones most prone to being fake.

India shows another danger: a large prediction industry with low transparency. On 1 June 2024, almost all exit polls projected that the BJP-led NDA coalition would win more than 350 Lok Sabha seats; the official result three days later gave it 293, as recorded by Business Standard. The stock market surged to a record and then fell, and the opposition demanded an investigation. This failure had nothing to do with AI, but it shows that when methodology is not disclosed, the public cannot distinguish honest error from manipulation. In a world where agents can produce respondents, that inability becomes far more dangerous.

Brazil shows both sides at once. In the first round of the presidential election on 2 October 2022, Datafolha and Ipec estimated Jair Bolsonaro’s vote at 36 and 37 percent, whereas the result was about 43 percent, according to Bloomberg. Much closer was AtlasIntel, at just over 41 percent, which used random digital recruitment through online advertisements, subsequently calibrated demographically. This matters: online surveys are not automatically worse. But the political reaction was alarming: the Chamber of Deputies fast-tracked a bill to criminalise publishing polls whose results differ markedly from final outcomes. Brazil also has a long history of such tensions; the daily Kompas of 22 October 2014 reported that Datafolha and MDA surveys placed Dilma Rousseff narrowly ahead before the runoff, and Rousseff eventually won by 51.6 to 48.4 percent. The lesson for Indonesia: a crisis of survey trust easily becomes a pretext for criminalisation, and a bad regulatory response can do more damage than the error itself.

South Korea represents the strictest model of state registration. The National Election Commission established the National Election Survey Deliberation Commission in 2014, which requires polling organisations to register before publishing results, report most surveys two days before they begin, and post details of method, client, response rate and sampling error. Even so, the strict regime did not prevent scandal: in July 2026, a court sentenced former President Yoon Suk Yeol to two years for receiving free of charge 14 polls whose data had been manipulated by political broker Myung Tae-kyun in 2021, as reported by the Associated Press. Registration and disclosure create an audit trail that enables law enforcement, but do not in themselves prevent manipulation by insiders. From these five cases, this study concludes with moderate confidence that the most effective protection is a combination of respondent verification at the design level, mandatory disclosure of raw data and paradata, and independent auditing, not the criminalisation of error.

Indonesia I: The Vulnerability Landscape of Online Surveys in Universities and Government

Indonesia enters the era of AI agents with a large but uneven online population. APJII’s 2026 Indonesian Internet Profile Survey, as reported by Bisnis Indonesia on 22 May 2026, recorded 235.2 million internet users, a penetration of 81.72 percent, up from 80.66 percent in 2025, with growth slowing. Penetration in Java reached 85.95 percent, against 69.74 percent in Maluku and Papua. Among the 18.28 percent of the population not yet connected, the main reasons were not owning a device (34 percent) and not knowing how to use one (31.5 percent), according to a follow-up report. For survey methodology, these figures mean two things. First, online surveys in Indonesia already carry systematic coverage error that excludes the poor, the old and the remote. Second, when agentic contamination piles on top of coverage error, the least represented groups are the easiest to fake, because researchers tend to welcome every response that appears to come from a hard-to-reach group.

In academia, online surveys have become the dominant mode of data collection for student quantitative research, although no national statistics measure their share. This study found no official data on what percentage of undergraduate theses, master’s theses or dissertations in Indonesia use online questionnaires, and therefore assesses the claim of dominance with moderate confidence, on indirect evidence. One verifiable indicator is the growth of commercial panels explicitly serving academic research. Populix, which renamed its self-service product PopSurvey in April 2025, according to Indotelko claims more than 700,000 verified respondents, support for research at more than 180 universities, around 10,000 surveys mostly from lecturers and students, and prices from Rp375 per response. These are company claims, not independent audits, but they show that Indonesia’s academic data supply chain already depends on commercial online panels whose verification standards are not published in detail.

University regulation is moving, but in a direction that touches only part of the contamination layer. On 11 October 2024, the ministry then named Kemendikbudristek launched its Guide to the Use of Generative AI in Higher Education Learning, emphasising ethical and responsible use. Several faculties have since issued stricter rules. The guideline of the Faculty of Economics and Business at Universitas Negeri Makassar (June 2026), for example, prohibits creating fictitious research data, fictitious questionnaire results and invented respondent answers, and classifies data manipulation with AI as a serious violation. Rules like this matter for the researcher-substitution tier, but they are silent on the other three. There is no obligation for students to prove that their respondents are human, to record paradata such as completion time and IP address, or to report how many responses were discarded as suspect. The regulatory logic assumes the threat comes from inside, from cheating students, whereas Westwood’s study shows the threat can come from outside, through a Google Form link shared in social-media groups and filled in by anyone, or anything.

The contrast with BPS practice is instructive. In the 2020 Online Population Census, which ran from 15 February to 29 May 2020, about 51.4 million people, or 19 percent of the population, participated online, according to Antara. Completion required matching the national identity number with the family card number against civil registration data, and residents whose data did not match had to wait for field enumerators, as a BPS official explained to detikFinance. This design, originally intended to prevent duplication, happens to be a precise example of what the international literature now recommends: identity verification outside the instrument, against a known sampling frame, with an offline alternative route. Local governments and universities that distribute service-satisfaction surveys through open links have no comparable protection. This study judges with moderate confidence that open-link institutional surveys in Indonesia, including satisfaction surveys and policy evaluations, are the most vulnerable and least audited segment, because their results feed performance reporting that rewards good numbers rather than true ones.

Indonesia II: Political Polling, KPU Regulation and Association Ethics

Indonesian political polling is more tightly regulated than academic surveys, but its rules were written for the era of face-to-face interviews. Law No. 7 of 2017 on General Elections treats surveys, opinion polls and quick counts as forms of public participation, bars announcing quick counts until two hours after polls close in the western time zone, and imposes criminal sanctions on violators, as summarised by Hukumonline. KPU Regulation No. 9 of 2022 requires survey institutions to be Indonesian legal entities, independent, transparent about funding, registered no later than 30 days before polling day, to use scientific methods, not to alter field or processed data, and to report methodology, funding source, number of respondents, and the dates and locations of fieldwork. For the 2024 election, according to a KPU release dated 6 February 2024, 83 institutions applied and 81 had obtained registered status. Yet the regulation does not require detailed disclosure of data-collection mode, panel source where surveys are online, respondent identity verification procedures, or paradata. Moreover, the obligations bind only institutions that register; those that do not are not bound.

The existing ethics mechanism is run by associations, and its history shows that access to raw data is the fulcrum of integrity. On 16 July 2014, the Persepi Ethics Council expelled Jaringan Suara Indonesia and Puskaptis after both failed to answer summonses to audit their quick counts of the 2014 presidential election, according to Liputan6. Ten years later, in November 2024, the Persepi Ethics Council sanctioned Poltracking Indonesia over a Jakarta gubernatorial survey. According to the council’s explanation to detikNews, Poltracking could not show the original data exported from its survey application, only 1,652 records were deemed valid out of 2,000 reported respondents, and there were discrepancies between two datasets. Poltracking rejected the findings, said it had been targeted, and left Persepi on 5 November 2024. This study takes no position on the substance of that dispute. The methodological lesson matters more: even for app-based face-to-face surveys, the first audit question is whether every data row can be traced to a real interview. The same question, many times harder, will arise for online surveys.

On the other hand, Indonesia’s quick counts show that field-based probability designs remain highly robust. In the 2024 presidential election, quick counts by SMRC, Indikator, Poltracking, Charta Politika and Populi Center estimated the Prabowo–Gibran vote at between 57.81 and 59.08 percent, while the KPU’s official tally on 20 March 2024 set it at 58.58 percent, according to Bisnis Indonesia. Quick counts sample polling stations, not individuals, and their data are verifiable figures from official forms, so online AI agents have no point of entry. Their vulnerability lies elsewhere, in the integrity of field volunteers and data management. This study therefore judges with high confidence that polling-station-based quick counts are structurally immune to agentic contamination, whereas pre-election electability surveys that increasingly use online or mixed modes are the most exposed part of the political polling ecosystem.

Political distrust of surveys was already high before the AI issue arose. On 2 January 2024, PDI Perjuangan Secretary-General Hasto Kristiyanto proposed an independent committee to audit the methodology of electability surveys, according to Bisnis Indonesia. In such a climate, a single proven case of agentic contamination in an electability survey could fuel wholesale delegitimisation of the survey industry, including quick counts that are in fact robust. The greatest risk for Indonesia, with moderate confidence, is not that AI agents will decide election outcomes, but that the possibility of AI agents will be used to reject any survey result one dislikes.

The Steel-Manned Counter-Argument and a Response

The strongest counter-argument takes two forms, and both deserve to be stated in their best version. The first holds that language-model respondents are a feature, not a bug. Pretesting a questionnaire with thousands of synthetic personas can find ambiguous questions, biased ordering or scales that do not work, at almost no cost, which is highly valuable for students at universities with small research budgets. Further, a Stanford team led by Luke Hewitt and Ashwini Ashokkumar reported that GPT-4 predictions of 70 nationally representative survey experiments in the United States correlated at r = 0.85 with the actual treatment effects, equal to or better than human forecasters, and remained high (r = 0.90) for studies that could not have been in the training data. If models can replicate known results, why not use them to extend research to populations that are expensive to reach?

The second form holds that the crisis is overstated because the detection arms race has already been won by probability panels. Pew, NORC and other major organisations do show that address-based panels, with postal verification and frequency caps, are barely affected. The market will adjust: cheap surveys will lose credibility, quality surveys will command a premium, and the problem will solve itself. The AtlasIntel case in Brazil even shows that well-designed digital recruitment can outperform traditional surveys.

This study accepts most of the premises of both arguments but rejects their conclusions. On the first form, the Hewitt team’s finding concerns predicting average treatment effects in experiments, not estimating levels or distributions of opinion in a population. Bisbee and colleagues and Pew in 2026 show precisely that models fail on variation, subgroups and extreme values, exactly the things that make surveys valuable. Moreover, the ability to forecast results similar to earlier research is not the same as the ability to discover something new; a tool that is most accurate when the world does not change is the most dangerous tool when the world does change. Use for pretesting is acceptable, as AAPOR puts it, but that is use as a design tool, not as a data source.

On the second form, the victory of probability panels holds only for those who can afford them. In the United States, Pew itself acknowledges that its probability surveys cost more because recruitment is offline and labour-intensive. In Indonesia, there is as yet no national online probability panel open to academic researchers, so “the market will adjust” means, in practice, that quality research will become the privilege of wealthy institutions, while most students and lecturers continue to use open links that grow ever more contaminated. Such epistemic inequality is not a solution but a displacement of the problem to the periphery. The AtlasIntel case does not refute this study’s argument either, because good calibration of digital recruitment still presupposes that the recruits are human, and it is that presupposition that is now under threat. This study therefore maintains its judgement that the crisis is real but unevenly distributed: lightest for institutions with probability panels, heaviest for the social sciences of middle-income countries that depend on cheap online data.

Scenarios to 2030 and Signposts

Four scenarios are built on two key uncertainties: how quickly agentic contamination becomes publicly visible through scandal, and how quickly Indonesian institutions build verification infrastructure. The probabilities below are subjective judgements intended to guide vigilance, not predictions.

Scenario A, silent contamination, is the most likely because it is a continuation of the present. Academic and institutional online surveys keep growing, AI agents become cheaper and easier to operate, but because no one measures, no major scandal forces change. The share of non-human responses rises slowly, especially in incentivised surveys and among hard-to-reach groups, and Indonesian scholarly literature absorbs the error without noticing. Signposts for this scenario are the absence of national guidance on respondent verification by the end of 2027, the absence of open studies measuring contamination in Indonesian panels, and a revision of the KPU regulation ahead of the 2029 election that does not touch online modes.

Scenario B, tiered hardening, occurs when the ecosystem splits in two. High-stakes surveys, such as government surveys for policy, registered electability surveys and dissertations, move to verified panels or mixed modes with identity verification, while low-stakes surveys keep using open links with caution labels. Signposts are Indonesian commercial panels beginning to publish validation statistics routinely, BPS or state research agencies opening access to sampling frames for researchers, and accredited journals beginning to require disclosure of mode and verification procedures.

Scenario C, legitimacy crisis and criminalisation, is triggered by a single explosive case, for example an electability or policy survey proven to be contaminated by agents in the run-up to the 2029 election. The political reaction moves towards restricting surveys, criminal sanctions for “misleading surveys”, or demands to ban quick counts, similar to the Brazilian effort of 2022. Signposts are rising accusations of bots in survey disputes on social media, legislative proposals that equate error with lying, and officials dismissing survey results by invoking AI.

Scenario D, methodological reconciliation, is the most desirable but least likely because it requires coordination among many institutions. In this scenario, Indonesia builds respondent verification standards that respect personal data protection, a publicly funded national academic probability panel, synthetic responses limited to disclosed pretesting, and Indonesian survey associations helping to shape international standards. Signposts are dedicated funding for survey data infrastructure in national research schemes, a joint agreement between Persepi and academic associations on an audit protocol for online data, and Indonesian participation in WAPOR or AAPOR forums on respondent authenticity standards.

Recommendations for Indonesian and International Actors

For Kemendiktisaintek, the main recommendation is to issue, by mid-2027 at the latest, national guidance on the integrity of online data collection for final theses and faculty research, complementing the 2024 generative AI guide. The guidance should distinguish the four tiers of contamination, require a data-provenance statement in every quantitative final thesis, and stipulate that synthetic responses may be used only for disclosed pretesting. The ministry should also fund, from the 2027 budget cycle, studies measuring contamination in the online panels used by Indonesian universities, because without a baseline every policy will be built on guesswork.

For universities and research ethics committees, from the even semester of 2026/2027 protocols submitted for online surveys should include a respondent verification plan, exclusion rules set before data collection, and an obligation to retain paradata. Supervisors need training to read signs of contamination, such as bursts of responses in a short time, uniform open-ended answers, or hard-to-reach groups that suddenly abound. Research methodology courses should bring agentic contamination into the discussion of validity, on a par with the operationalisation of variables and hypotheses that has long been at the core of teaching, as in the course material Research Methods, Session 5: Research Variables and Hypotheses (September 2025); a perfectly operationalised variable is still meaningless if there is no human behind the numbers.

For BPS, the recommendation is to issue in 2027 technical verification standards for government agencies’ online surveys, building on the experience of the 2020 Online Population Census, and to explore controlled-access arrangements to sampling frames for accredited academic researchers, under strict personal data protection. For the KPU, a revision of the regulation on public participation before the 2029 electoral stages should require registered survey institutions to disclose data-collection mode, panel source where online, respondent verification procedures and the share of responses discarded, and to hand over raw data and paradata to associations or independent auditors on request. The revision must avoid criminalising error and focus on process transparency. For Persepi and other survey associations, the recommendation is to develop in 2027 a joint audit protocol for online and mixed-mode surveys that extends the raw-data audit precedent of the 2014 and 2024 cases to digital paradata, and to publish a list of institutions declaring that they do not use synthetic responses in place of respondents.

For journal editors in Indonesia, especially SINTA-accredited journals, the recommendation is to require, from 2027, disclosure of data-collection mode, the platform or panel used, verification procedures, and the number of responses excluded with reasons, and to encourage deposit of data and paradata in open repositories. This requirement is cheap for honest authors and expensive for unaccountable practice.

For international actors, AAPOR, WAPOR and ESOMAR should develop within the next two years a cross-national standard on respondent authenticity that explicitly considers middle-income countries, where probability panels are scarce and data protection is still developing. ESOMAR has published 20 Questions to Help Buyers of AI-Based Services; the next step is a similar question set specifically on respondent authenticity guarantees. Global and national panel companies, including panel providers in Indonesia, should publish validation statistics regularly, such as the share of accounts blocked, verification methods and participation-frequency caps, as suggested in Westwood’s manuscript. International and national research funders should finance academic online probability panels in Global South countries, because without such public infrastructure new standards will only widen the gap between the social sciences of rich countries and the rest.

Limitations

This study has several limitations that should be stated openly. First, almost all experimental evidence on agentic contamination comes from the United States and the United Kingdom, with English-speaking respondents. This study cannot establish how well agents perform in Indonesian or regional languages, although Westwood’s finding on cross-language instructions gives reason to suspect the language barrier is not large. Second, this study found not a single open study measuring the share of non-human responses in Indonesian online panels, so judgements about the magnitude of contamination in Indonesia are deliberately placed at low confidence. Third, some important data, such as Prolific’s detection test and Populix’s respondent-count claims, come from interested companies and have not been independently audited.

Fourth, the field is moving very fast. The models Pew tested in September 2026 will be replaced by new ones within months, and detection tools that work today may be obsolete next year. This study’s conclusions therefore rest more on structural arguments about survey design, which tend to be stable, than on the accuracy figures of particular models or tools. Fifth, this study does not examine in depth online qualitative research, interviews via messaging apps or virtual focus groups, which face different forms of contamination. Sixth, the analysis of the Persepi cases relies on media reporting and the parties’ statements rather than full ruling documents, and this study does not judge the merits of those disputes. Finally, as the book Beyond Method (December 2025) cautions, procedural compliance is not the same as research quality; the respondent verification standards recommended here could become an administrative ritual unless accompanied by an understanding of why data authenticity is an epistemic requirement.

Conclusion: Putting the Human Back into the Survey

The survey is one of the most successful social inventions of the twentieth century: a cheap and systematic way of hearing many voices at once. Its success has always depended on something rarely stated, namely that at the end of every answer there is a person. Westwood’s study, Pew’s data and YouGov’s admission in the “Quiet Revival” case together show that this presupposition can no longer be left implicit. It must be demonstrated, and demonstrating it is a matter of design, not of detectors.

For Indonesia, the stakes are twofold. Its academic social science depends heavily on cheap online questionnaires, while its democracy depends on public trust in surveys and quick counts. This study concludes that polling-station-based quick counts remain robust, that open online surveys are in structural danger, and that the most vulnerable point is the territory in between: online electability surveys, link-based institutional surveys, and final-thesis research without verification. The steps required need no new technology; what they need is institutional will to disclose how data are collected, to verify that respondents are human, and to fund public infrastructure that allows all researchers, not only wealthy ones, to do so.

The question every supervisor, reviewer, editor and reader of surveys should ask from today is simple: how do you know the respondent exists? A satisfactory answer to that question will become the new measure of survey research integrity, in Indonesia and around the world.