Predictive Policing

Predictive Policing berbicara tentang keinginan manusia dan institusi untuk mencegah bahaya sebelum terjadi. Pada permukaan, gagasannya tampak masuk akal: jika data dapat menunjukkan wilayah yang sering mengalami kejahatan, jam yang rawan, pola tertentu, atau jaringan risiko, maka aparat dapat bertindak lebih cepat dan sumber daya dapat dipakai lebih efisien. Keamanan tidak lagi hanya merespons setelah peristiwa, tetapi mencoba mengantisipasi. Masalahnya muncul ketika prediksi yang tampak netral ternyata membawa jejak ketidakadilan, bias, dan pengawasan yang sudah ada sebelumnya.

Term ini penting karena Predictive Policing sering dibungkus bahasa efisiensi, objektivitas, dan teknologi. Algoritma tampak dingin, rasional, dan bebas emosi. Peta risiko tampak seperti fakta. Skor tampak seperti ukuran yang ilmiah. Namun data historis tidak lahir di ruang kosong. Data kriminalitas sering mencerminkan di mana polisi lebih sering hadir, siapa yang lebih sering diperiksa, komunitas mana yang lebih mudah dilaporkan, kasus apa yang lebih dicatat, dan bias apa yang sudah lama bekerja dalam institusi. Jika data yang bias dipakai untuk memprediksi masa depan, masa lalu yang tidak adil dapat diperpanjang dengan wajah digital yang tampak sah.

Di ruang batin, Predictive Policing dapat membuat warga tertentu hidup dengan rasa sudah dicurigai sebelum melakukan apa pun. Seseorang tidak hanya takut melanggar hukum; ia takut berada di tempat yang sudah diberi label rawan, memakai pakaian yang terbaca mencurigakan, berkumpul dengan orang yang dianggap berisiko, atau hidup di lingkungan yang algoritma sebut bermasalah. Rasa diri berubah. Tubuh belajar bahwa keberadaannya bisa dibaca sebagai ancaman. Martabat mulai terkikis bukan melalui vonis langsung, tetapi melalui atmosfer curiga yang terus menempel.

Dalam tubuh, pengawasan prediktif terasa sebagai kewaspadaan yang menetap. Warga yang sering dipantau dapat berjalan dengan bahu tegang, napas lebih pendek, gerak lebih hati-hati, dan rasa waspada saat melihat kamera, patroli, atau kendaraan aparat. Tubuh memahami bahwa ruang tidak netral. Jalan yang sama dapat terasa biasa bagi satu orang dan mengancam bagi orang lain. Predictive Policing, bila tidak etis, memindahkan beban keamanan kepada tubuh warga yang terus merasa harus membuktikan dirinya tidak berbahaya.

Di wilayah emosional, sistem semacam ini dapat melahirkan campuran takut, marah, malu, curiga, dan lelah. Ada warga yang merasa dilindungi karena patroli meningkat. Ada warga lain yang merasa diburu karena kehadiran aparat selalu jatuh pada tubuh dan lingkungan mereka. Ketegangan ini penting. Keamanan bukan satu rasa yang sama bagi semua orang. Bagi sebagian, polisi berarti perlindungan. Bagi sebagian lain, polisi berarti risiko. Predictive Policing yang tidak membaca pengalaman emosional warga akan mengira peningkatan kehadiran aparat otomatis berarti rasa aman, padahal bagi komunitas tertentu itu justru dapat berarti trauma berulang.

Pada ranah kognitif, Predictive Policing membentuk cara institusi berpikir tentang risiko. Pikiran sistemik mulai bertanya: siapa kemungkinan melakukan, di mana kemungkinan terjadi, kelompok mana perlu dipantau, pola apa yang harus dicegah. Pertanyaan ini dapat berguna bila disertai etika yang ketat. Namun ia menjadi berbahaya ketika kemungkinan diperlakukan seperti kecenderungan moral, lalu kecenderungan moral diperlakukan seperti bukti. Seseorang atau wilayah dapat terjebak dalam lingkaran: lebih dipantau karena dianggap berisiko, lebih banyak insiden tercatat karena lebih dipantau, lalu data itu memperkuat label risiko.

Dari sisi komunikasi, Predictive Policing memakai bahasa yang tampak teknis: hotspot, risk score, threat assessment, pattern analysis, patrol optimization, resource allocation, anomaly, target area. Bahasa ini dapat membantu kerja operasional, tetapi juga dapat mengaburkan manusia di balik kategori. Warga menjadi titik di peta. Lingkungan menjadi zona. Relasi sosial menjadi jaringan risiko. Anak muda menjadi profil. Ketika bahasa keamanan terlalu teknis, dampak manusiawi mudah tidak terdengar. Yang perlu dibaca bukan hanya apakah sistem akurat, tetapi apa yang terjadi pada orang yang hidup di bawah label itu.

Pada ranah relasional, Predictive Policing dapat mengubah hubungan antara warga dan institusi. Trust menjadi rapuh ketika warga merasa negara lebih dulu mencurigai daripada mendengar. Komunitas dapat mulai menutup diri, enggan melapor, takut berkumpul, atau merasa setiap tindakan biasa dapat ditafsirkan sebagai indikator risiko. Di sisi lain, warga yang mengalami kekerasan atau kriminalitas juga bisa merasa ditinggalkan bila negara tidak hadir. Karena itu, kritik terhadap Predictive Policing bukan penolakan terhadap keamanan, melainkan tuntutan agar keamanan tidak dibangun dengan cara yang merusak trust dan martabat komunitas.

Dalam keluarga, dampaknya bisa sangat konkret. Orang tua menasihati anak bukan hanya agar tidak melakukan hal buruk, tetapi agar tidak terlihat seperti orang yang bisa dicurigai. Jangan pulang terlalu malam. Jangan berkumpul di sudut itu. Jangan pakai ini. Jangan bicara begitu. Jangan lari ketika melihat aparat. Jangan berada di tempat yang salah meski tidak salah. Keluarga yang hidup di wilayah berlabel rawan sering memikul pendidikan kewaspadaan yang tidak sama dengan keluarga lain. Anak belajar bahwa kebebasannya dipersempit oleh prediksi sosial terhadap lingkungan dan tubuhnya.

Pada ruang persahabatan, Predictive Policing dapat membuat jejaring sosial dibaca sebagai risiko. Berteman dengan siapa, berada di grup mana, nongkrong di mana, berkomunikasi dengan siapa, dapat menjadi bahan kecurigaan. Persahabatan yang bagi manusia adalah ruang dukungan, bagi sistem bisa terbaca sebagai asosiasi risiko. Ini berbahaya karena manusia mudah direduksi menjadi jaringan dugaan. Seseorang dapat terkena bayangan risiko karena kedekatan sosial, bukan karena tindakannya sendiri. Relasi yang seharusnya menjadi sumber hidup berubah menjadi data yang dapat memberatkan.

Dalam romansa, pengawasan prediktif dapat masuk melalui kontrol lokasi, riwayat komunikasi, asosiasi sosial, atau status ekonomi yang dibaca oleh sistem keamanan dan administratif. Pasangan dari lingkungan tertentu, latar tertentu, atau jaringan tertentu dapat membawa stigma yang tidak selalu diucapkan. Relasi pribadi menjadi tidak sepenuhnya privat ketika struktur pengawasan membaca pasangan, keluarga, atau komunitas sebagai bagian dari profil risiko. Cinta dan kedekatan tidak hidup di luar sistem; ia ikut menanggung label sosial yang ditempelkan pada kelompok tertentu.

Di lingkungan kerja, Predictive Policing memiliki bayangan yang lebih luas dalam bentuk risk scoring dan background screening. Orang dari alamat tertentu, riwayat tertentu, asosiasi tertentu, atau data tertentu dapat dinilai lebih berisiko dalam akses kerja, keamanan gedung, asuransi, atau kesempatan. Ini memperlihatkan bahwa logika pemolisian prediktif tidak selalu berhenti di lembaga keamanan. Ia dapat merembes ke birokrasi, perusahaan, sekolah, platform, dan sistem sosial lain yang memakai prediksi untuk mengatur akses. Risiko masa depan mulai menentukan peluang masa kini.

Pada ranah kepemimpinan, Predictive Policing menggoda pengambil keputusan untuk menyerahkan kebijaksanaan kepada sistem. Pemimpin dapat berkata data yang menyarankan, algoritma yang menunjukkan, model yang memprediksi. Namun keputusan keamanan tetap keputusan moral. Data tidak dapat menanggung tanggung jawab. Algoritma tidak berdiri di hadapan warga yang salah sasaran. Pemimpin yang sehat memakai data sebagai bahan pembacaan, bukan sebagai tameng untuk menghindari tanggung jawab atas dampak manusiawi.

Dalam organisasi keamanan, Predictive Policing dapat memperkuat budaya lama. Jika institusi sudah memiliki bias terhadap kelompok tertentu, sistem prediktif dapat memberi legitimasi baru. Aparat merasa lebih objektif karena dibantu teknologi, padahal teknologi itu dilatih oleh rekam jejak institusi yang sama. Ini disebut berbahaya bukan karena semua aparat berniat buruk, tetapi karena sistem dapat mengabadikan pola tanpa perlu niat buruk yang eksplisit. Bias yang tertanam dalam data bekerja sunyi, lalu muncul sebagai keputusan yang tampak netral.

Di tengah komunitas, Predictive Policing dapat menciptakan label wilayah. Sebuah lingkungan disebut hotspot. Sebuah kampung disebut rawan. Sebuah kelompok disebut berisiko. Label ini memengaruhi cara orang luar melihat komunitas itu dan cara warga melihat diri mereka sendiri. Investasi sosial dapat digantikan patroli. Pelayanan publik dapat kalah oleh pengawasan. Anak-anak tumbuh di tempat yang lebih sering didatangi aparat daripada perpustakaan, ruang bermain, layanan kesehatan, atau peluang kerja. Ketika komunitas hanya dibaca sebagai sumber risiko, kebutuhan hidupnya yang lebih luas tidak terdengar.

Pada ranah budaya, Predictive Policing memperkuat imajinasi bahwa keamanan terutama berarti mengendalikan pihak yang dianggap berbahaya. Budaya semacam ini sering bertanya bagaimana mencegah kejahatan dengan memprediksi pelaku, tetapi kurang bertanya mengapa kekerasan, kemiskinan, keterasingan, kurang akses, rasisme, ketimpangan, dan kegagalan institusi terus memproduksi risiko. Jika akar sosial tidak dibaca, prediksi hanya memindahkan perhatian ke gejala. Sistem tampak cerdas karena dapat memetakan titik rawan, tetapi belum tentu bijaksana karena belum menumbuhkan tanah yang lebih aman.

Di ruang digital, Predictive Policing bertemu dengan data yang jauh lebih luas: media sosial, kamera, pengenalan wajah, lokasi ponsel, transaksi, jaringan komunikasi, laporan warga, database negara, dan sensor kota. Semakin banyak data, semakin kuat klaim prediksi. Namun semakin banyak data juga berarti semakin besar risiko salah baca, profiling, kebocoran, penyalahgunaan, dan pengawasan berlebihan. Hidup warga menjadi semakin dapat dipetakan. Pertanyaan etisnya bukan hanya apakah prediksi akurat, tetapi apakah masyarakat ingin hidup dalam ruang yang semua geraknya dapat dihitung sebagai kemungkinan risiko.