Artificial Intelligence dalam Sektor Publik dan Penegakan Hukum

Oleh: Tim Penyusun, Diupdate 10 Januari 2026

Pemanfaatan kecerdasan buatan (artificial intelligence/AI) dalam sektor publik dan penegakan hukum semakin meluas, mulai dari sistem perizinan berbasis risiko, electronic traffic law enforcement (ETLE), analitik perpajakan, hingga predictive policing dan penilaian risiko pidana. Transformasi ini menjanjikan efisiensi dan pengambilan keputusan berbasis data, tetapi sekaligus menimbulkan pertanyaan mendasar: sejauh mana penggunaan AI oleh negara tetap tunduk pada asas legalitas, akuntabilitas, due process, dan perlindungan hak warga negara?. Tulisan ini membahas: (1) landasan hukum administrasi negara yang relevan untuk penggunaan AI (asas legalitas, kewenangan terbatas, kecermatan, transparansi, akuntabilitas); (2) berbagai bentuk penerapan AI dalam administrasi publik dan penegakan hukum di Indonesia; (3) pergeseran dari model penegakan hukum reaktif menuju model prediktif berbasis algoritma; (4) problem normatif yang muncul dari automated decision-making (delegasi kewenangan kepada mesin, bias algoritmik, opasitas, dan responsibility gaps); serta (5) rekomendasi penguatan kerangka hukum, kelembagaan, dan mekanisme pengawasan untuk memastikan AI dalam sektor publik tetap sejalan dengan negara hukum dan HAM.

---

1. Pendahuluan: Janji dan Risiko AI dalam Sektor Publik

1.1 Spektrum Pemanfaatan AI oleh Pemerintah

Pemerintah di berbagai negara, termasuk Indonesia, mulai mengintegrasikan AI dalam fungsi-fungsi utama administrasi dan penegakan hukum:[1]

1. Perizinan berusaha berbasis risiko (OSS-RBA): pemanfaatan pemodelan risiko untuk mengklasifikasikan tingkat risiko usaha dan menentukan kedalaman pemeriksaan.
2. ETLE (Electronic Traffic Law Enforcement): kamera dan sistem pengenalan pelat nomor otomatis untuk mendeteksi pelanggaran lalu lintas.[2]
3. Analitik perpajakan dan kepatuhan: sistem deteksi anomali dan risk scoring atas wajib pajak.
4. Seleksi dan penyaluran bantuan sosial: algoritma penilaian kelayakan dan risiko kecurangan.
5. √Pemolisian prediktif (predictive policing): analisis pola kejahatan untuk menentukan titik patroli prioritas.[3]

Skala adopsi ini menggeser modus kerja birokrasi dari administrasi manual ke administrasi algoritmik, di mana keputusan negara semakin dimediasi oleh model dan data.

1.2 Pertanyaan Kunci Hukum Administrasi

Integrasi AI ke dalam proses administrasi dan penegakan hukum menimbulkan sejumlah pertanyaan mendasar:[4]

1. Apakah tindakan yang didasarkan pada rekomendasi atau keputusan AI tetap memenuhi asas legalitas dan asas kewenangan terbatas?
2. Sampai sejauh mana kewenangan diskresioner pejabat dapat “didelegasikan” kepada sistem otomatis?
3. Bagaimana menjamin hak warga untuk didengar, memperoleh penjelasan, dan mengajukan keberatan atas keputusan yang dihasilkan algoritma?
4. Siapa yang bertanggung jawab jika keputusan berbasis AI itu keliru dan merugikan warga negara?

Pertanyaan-pertanyaan ini menempatkan hukum administrasi negara di garis depan debat mengenai tata kelola AI dalam sektor publik.

---

2. Asas-Asas Hukum Administrasi sebagai Batas untuk AI

2.1 Asas Legalitas dan Kewenangan Terbatas

Asas legalitas mengharuskan setiap tindakan pemerintahan memiliki dasar yang jelas dalam peraturan perundang-undangan.[5] Dalam konteks AI, ini berarti:

1. Penggunaan sistem otomatis untuk mengambil atau membantu keputusan administratif harus secara eksplisit diatur atau sekurang-kurangnya dapat diturunkan dari kewenangan yang ada.
2. Tidak boleh terjadi “experimenting by default” dengan teknologi tanpa payung hukum yang memadai.

Asas kewenangan terbatas mengharuskan organ pemerintahan hanya menjalankan kewenangan yang diberikan undang-undang.[6] Hal ini menimbulkan pertanyaan apakah fungsi pengambilan keputusan yang bersifat diskresioner dapat disubstitusikan oleh sistem AI secara penuh.

2.2 Asas Kecermatan (Care) dan Kewajiban Berhati-hati

Pejabat administrasi wajib bertindak dengan cermat dan hati-hati, mempertimbangkan semua fakta relevan dan menghindari kesalahan yang tidak patut.[7] Dalam penggunaan AI, asas ini mengimplikasikan:

1. Kewajiban melakukan uji kelayakan dan keandalan sistem sebelum digunakan (termasuk uji bias dan validasi hasil).
2. Kewajiban memastikan bahwa kualitas data yang digunakan sistem memadai dan tidak menyesatkan.
3. Kewajiban mempertahankan pengawasan manusia yang bermakna (meaningful human control) atas keputusan berisiko tinggi.[8]

2.3 Asas Transparansi dan Akuntabilitas

Asas transparansi menuntut keterbukaan proses dan alasan keputusan sehingga dapat dipahami dan, bila perlu, dipersoalkan.[9] Dalam konteks AI yang bersifat black box, tantangannya adalah:

1. Menyajikan penjelasan yang dapat dimengerti warga negara, bukan sekadar uraian teknis model.
2. Menyediakan akses terhadap data dan log keputusan yang relevan untuk keperluan keberatan dan upaya hukum.

Asas akuntabilitas mensyaratkan bahwa selalu ada subjek hukum yang dapat dimintai pertanggungjawaban, baik secara administratif, perdata, maupun pidana.[10]

---

3. Contoh Penerapan AI dalam Administrasi dan Penegakan Hukum di Indonesia

3.1 Perizinan Berbasis Risiko dan OSS-RBA

Sistem perizinan berusaha berbasis risiko bertujuan menyederhanakan birokrasi dengan mengklasifikasikan kegiatan usaha berdasarkan tingkat risiko dan besaran investasi.[11] Pemanfaatan analitik data dan AI dalam konteks ini dapat membantu:

1. Mengidentifikasi usaha berisiko tinggi untuk pengawasan intensif.
2. Mempercepat proses bagi usaha berisiko rendah.

Namun, dari sudut hukum administrasi muncul potensi masalah:

1. Ketidakjelasan kriteria dan bobot risiko yang digunakan model dapat melanggar asas transparansi.
2. Bias terhadap sektor atau wilayah tertentu jika data historis mencerminkan pola pengawasan yang tidak proporsional.[12]

3.2 ETLE dan Penegakan Hukum Lalu Lintas Otomatis

Dalam sistem ETLE, pelanggaran lalu lintas terdeteksi dan didokumentasikan oleh perangkat elektronik, kemudian diproses lebih lanjut oleh sistem.[13]

Pertanyaan hukumnya antara lain:

1. Apakah rekaman dan analisis otomatis tersebut dapat dianggap memenuhi standar alat bukti elektronik yang sah.
2. Sejauh mana hak pengendara untuk membantah (misalnya terkait salah identifikasi pelat nomor atau kondisi tertentu) dijamin.
3. Apakah terdapat pejabat yang benar-benar menilai secara manual sebelum sanksi dijatuhkan, atau keputusan sepenuhnya otomatis.[14]

3.3 Algoritma dalam Penyaluran Bantuan Sosial dan Analitik Perpajakan

Penggunaan algoritma untuk menentukan kelayakan bantuan sosial atau menandai wajib pajak berisiko tinggi menimbulkan risiko khusus terhadap hak-hak warga negara, termasuk:

1. Hak atas penghidupan yang layak dan jaminan sosial, ketika kesalahan model mengakibatkan penolakan bantuan yang semestinya diterima.[15]
2. Hak atas perlakuan yang adil jika algoritma secara sistematis merugikan kelompok tertentu (misalnya daerah pedesaan atau sektor informal).[^^11]

---

4. Dari Penegakan Hukum Reaktif ke Prediktif: Tantangan Normatif

4.1 Model Reaktif Tradisional

Selama ini, penegakan hukum—baik administrasi maupun pidana—bertumpu pada model reaktif:

1. Negara bertindak setelah ada perbuatan konkret yang melanggar hukum.
2. Proses penegakan hak dan kewajiban berlangsung setelah fakta terjadi.

Model ini selaras dengan asas legalitas dan praduga tak bersalah karena individu tidak boleh diperlakukan sebagai pelanggar sebelum ada dasar yang cukup.[16]

4.2 Munculnya Penegakan Hukum Prediktif

Dengan AI, berkembang model penegakan hukum prediktif, misalnya:

1. Predictive policing: pemetaan zona rawan kejahatan berbasis data historis untuk mengatur pola patroli.[17]
2. Analitik risiko kepatuhan pajak: daftar wajib pajak prioritas audit berdasarkan profil risiko.

Konsekuensi normatifnya antara lain:

1. Individu atau komunitas dapat diperlakukan sebagai “berisiko tinggi” meskipun belum melakukan pelanggaran.
2. Meningkatnya intensitas pengawasan pada kelompok tertentu berpotensi memperkuat stereotip dan diskriminasi.

4.3 Pertanyaan Due Process dan Rule of Law

Model prediktif menimbulkan pertanyaan mendasar:

1. Apakah penempatan seseorang dalam kategori berisiko dapat dijadikan dasar pembatasan hak tanpa perbuatan aktual?
2. Bagaimana mekanisme keberatan dan koreksi terhadap penilaian risiko yang keliru atau bias?

Jika tidak diatur dengan jelas, penegakan hukum prediktif dapat mengikis prinsip negara hukum yang mensyaratkan tindakan negara selalu didasarkan pada norma dan fakta yang dapat diuji.[18]

---

5. Bias Algoritmik, Opasitas, dan Kesenjangan Akuntabilitas

5.1 Bias Algoritmik dalam Data dan Model

Banyak studi menunjukkan bahwa algoritma penegakan hukum dan administrasi dapat mereproduksi atau memperkuat ketimpangan yang sudah ada:[19]

1. Data historis kejahatan atau pelanggaran cenderung lebih padat pada wilayah atau kelompok yang selama ini lebih sering dipantau.
2. Model yang dilatih dengan data tersebut akan memprediksi risiko lebih tinggi di tempat yang sama, menciptakan lingkaran umpan balik (feedback loop).

5.2 Opasitas dan Hambatan Pembuktian

Sifat black box pada sistem machine learning menyulitkan:

1. Warga untuk memahami mengapa mereka dikategorikan berisiko tinggi atau ditolak izinnya.
2. Pengacara dan hakim untuk menguji rasionalitas dan proporsionalitas keputusan administrasi berbasis AI.[20]

Hal ini menimbulkan kesenjangan akuntabilitas, karena semakin sukar untuk mengaitkan kesalahan konkret dengan tindakan pejabat atau pengembang tertentu.

---

6. Transparansi, Pengawasan Manusia, dan Mekanisme Keberatan

6.1 Kewajiban Transparansi dalam Keputusan Otomatis

Untuk menjaga legitimasi dan perlindungan hak warga, diperlukan standar minimum:

1. Warga harus diberitahu ketika keputusan yang memengaruhi haknya menggunakan atau didasarkan pada sistem AI.[21]
2. Harus ada penjelasan yang bermakna tentang faktor-faktor utama yang memengaruhi keputusan.

6.2 Pengawasan Manusia (Human-in-the-Loop/Over-the-Loop)

Dalam keputusan berisiko tinggi—misalnya:

1. Penolakan izin usaha strategis.
2. Penjatuhan sanksi administratif signifikan.
3. Penahanan dan penjatuhan pidana.

Harus ada pengawasan manusia yang efektif, bukan sekadar rubber stamp terhadap rekomendasi AI.[22]

Pengawasan ini mencakup:

1. Kewajiban pejabat untuk memeriksa kelayakan hasil sistem.
2. Kewajiban mencatat alasan ketika menyetujui atau menyimpangi rekomendasi AI.

6.3 Mekanisme Keberatan dan Upaya Hukum

Warga negara harus memiliki akses terhadap:

1. Prosedur administratif untuk menggugat keputusan berbasis AI (keberatan, banding administratif).
2. Peradilan tata usaha negara atau mekanisme pengujian yudisial terhadap tindakan administrasi yang melanggar hak.[23]

Tanpa jalur keberatan yang efektif, penggunaan AI berpotensi menghasilkan “keputusan otomatis tanpa hakim”, yang bertentangan dengan prinsip due process.

---

7. Penutup

Adopsi AI dalam sektor publik dan penegakan hukum merupakan bagian tak terelakkan dari transformasi digital negara modern. Namun, tanpa rambu-rambu yang jelas, AI berisiko mengikis prinsip dasar negara hukum, melemahkan due process, dan merugikan kelompok-kelompok rentan.

---

Tim Penyusun: Shinta Hadiyantina, Mohamad Rifan