Dari Likes ke Literasi: Riset NLP tentang Keuangan Islam di Ekonomi Kreator

Konten keuangan di media sosial mudah menarik perhatian. Namun, jumlah suka, komentar, atau tayangan belum menjawab pertanyaan yang lebih penting: apakah audiens memahami gagasan yang disampaikan? Jarak antara perhatian dan literasi inilah yang menjadi fokus konseptual makalah “From Likes to Literacy: Analyzing Islamic Finance Content in the Creator Economy through NLP-Based Social Media Analysis”. Dendy Herdianto, M.E., peneliti senior Transdisiplin dan Direktur Eksekutif Sekolah Stata, bersama Muhammad Yuka Anugrah tercantum sebagai presenter dalam program paper daring Values for Impact 2026 di Sarajevo, Bosnia dan Herzegovina.

Konferensi berlangsung pada 23–24 September 2026 dengan tema “Solidarity, Authenticity and Prosperity”. Program resmi menempatkan makalah tersebut pada Online Session 03, “AI, Tokenization, and Digital Financial Governance”, hari pertama, 23 September, pukul 14.00–15.15 waktu Sarajevo, di Virtual Room 3. Artinya, partisipasi yang tercatat untuk paper ini adalah melalui sesi virtual, meskipun konferensi juga memiliki rangkaian luring di International University of Sarajevo. Situs Values for Impact dan program paper daring resmi menyediakan konteks agenda tersebut. Informasi publik yang tersedia tidak memuat dataset, hasil, atau kesimpulan empiris paper; artikel ini karena itu membahas fokus dan pertanyaan metodologisnya, bukan mengklaim temuan yang tidak disajikan.

Mengapa Konten Keuangan Islam di Ekonomi Kreator Layak Diteliti?

Ekonomi kreator mengubah cara informasi beredar. Pengetahuan tidak hanya bergerak melalui buku, kelas, atau lembaga formal; kreator juga menjelaskan topik kepada audiens lewat unggahan singkat, video, siaran langsung, dan percakapan di kolom komentar. Format yang dekat dengan keseharian dapat membantu orang menemukan istilah atau gagasan baru. Pada saat yang sama, kecepatan dan persaingan perhatian dapat mendorong penyederhanaan konsep yang sebenarnya memiliki syarat dan konteks.

Keuangan Islam menjadi bidang yang menarik dalam lanskap tersebut karena membahas prinsip, produk, dan keputusan ekonomi yang kerap memerlukan penjelasan terstruktur. Tetapi keberadaan istilah keuangan Islam dalam sebuah unggahan belum membuktikan audiens memahami maknanya. Konten dapat populer karena gaya, figur kreator, atau momentum platform; popularitas itu berbeda dari kemampuan audiens menjelaskan kembali konsep atau menggunakannya dalam keputusan. Pertanyaan “dari likes ke literasi” mengajak peneliti untuk tidak berhenti pada metrik perhatian.

Likes adalah Jejak Perhatian, Bukan Ukuran Pemahaman

Interaksi digital menyediakan jejak perilaku yang berguna, tetapi setiap metrik mengukur hal yang terbatas. Suka dapat menunjukkan respons positif atau kebiasaan pengguna menekan tombol. Komentar dapat berisi pertanyaan substantif, dukungan singkat, kritik, atau candaan. Tayangan menunjukkan konten muncul atau diputar, bukan bahwa seseorang memahami pesan. Jika semua bentuk interaksi diringkas sebagai “engagement”, perbedaan maknanya dapat hilang.

Literasi juga bukan satu sikap tunggal. Dalam penelitian, peneliti perlu menjelaskan apakah yang dimaksud adalah pengenalan istilah, pemahaman konsep, kemampuan membandingkan pilihan, atau kecakapan menerapkan informasi. Analisis terhadap teks unggahan mungkin membantu memetakan apa yang diajarkan kreator, tetapi tidak dengan sendirinya mengukur apa yang dipelajari audiens. Untuk menilai pembelajaran, diperlukan bukti lain, seperti pengujian pemahaman, wawancara, atau desain yang mengamati perubahan dari waktu ke waktu.

Perhatian, isi pesan, dan dampak harus dibedakan

Rantai analisis dapat dipahami melalui tiga pertanyaan. Pertama, konten seperti apa yang diproduksi dan berapa banyak perhatian yang diterimanya? Kedua, gagasan apa yang disampaikan dan seberapa akurat penjelasannya? Ketiga, apakah paparan terhadap konten berkaitan dengan perubahan pengetahuan atau perilaku? NLP dapat membantu terutama pada pemetaan pola bahasa dan tema. Dua pertanyaan terakhir tetap membutuhkan validasi dan pengukuran yang sesuai.

Peran NLP dalam Membaca Percakapan Digital

Natural Language Processing (NLP) adalah kumpulan metode komputasi untuk mengolah bahasa manusia. Dalam analisis media sosial, pendekatan ini dapat membantu peneliti menata teks dalam jumlah besar, mengenali tema, menemukan istilah yang sering muncul, atau memetakan hubungan antarkata. Alih-alih membaca satu unggahan pada satu waktu, peneliti dapat menggunakan NLP untuk melihat pola yang lebih luas dan kemudian menelaah contoh-contohnya secara mendalam.

Namun, keluaran model bukan makna itu sendiri. Sebuah kata dapat digunakan secara berbeda menurut konteks, ironi, bahasa daerah, atau komunitas. Unggahan tentang keuangan Islam juga mungkin mencampur bahasa Indonesia, istilah Arab, singkatan, dan kosakata populer. Jika metode tidak mengenali variasi tersebut, pola yang terlihat dapat mencerminkan keterbatasan alat, bukan karakter percakapan. Karena itu, analisis komputasional sebaiknya dipadukan dengan pembacaan manusia dan penjelasan tentang bagaimana kategori dibentuk.

Model menemukan pola; peneliti bertanggung jawab atas tafsir

Pemisahan peran ini penting untuk menjaga ketelitian. Model dapat mengelompokkan teks berdasarkan pola tertentu, tetapi peneliti tetap harus memeriksa apakah kelompok itu masuk akal secara substantif. Sampel yang ditinjau manusia, dokumentasi keputusan pengodean, dan pengujian pada contoh yang berbeda dapat membantu mengidentifikasi kesalahan. Tanpa langkah tersebut, istilah “berbasis AI” berisiko memberi kesan objektif pada hasil yang masih bergantung pada pilihan desain.

Ekonomi Kreator Menghubungkan Kredibilitas dan Distribusi

Kreator tidak hanya menyampaikan isi; mereka juga membangun hubungan dengan audiens. Kepercayaan, gaya komunikasi, frekuensi unggahan, dan kemampuan menjelaskan hal rumit dengan bahasa sederhana dapat memengaruhi bagaimana sebuah pesan diterima. Sementara itu, sistem platform menentukan konten mana yang lebih mudah ditemukan. Akibatnya, persebaran informasi dipengaruhi baik oleh pilihan kreator maupun arsitektur distribusi digital.

Bagi peneliti, konteks ini berarti jumlah interaksi tidak dapat dilepaskan dari siapa yang membuat konten dan bagaimana konten itu beredar. Dua unggahan dengan topik serupa mungkin memperoleh respons berbeda karena ukuran komunitas, format, waktu publikasi, atau rekomendasi platform. Jika analisis ingin membandingkan konten, unit analisis dan periode pengamatan perlu ditentukan. Informasi yang tersedia mengenai makalah Dendy dan Yuka tidak menyebut platform, rentang data, atau ukuran yang digunakan; rincian tersebut tidak dapat diasumsikan dari judul paper saja.

Dari Judul Paper ke Pertanyaan Penelitian yang Terukur

Judul “From Likes to Literacy” memberi arah pertanyaan, tetapi penelitian yang kuat tetap memerlukan definisi operasional. Peneliti dapat menanyakan bagaimana konten keuangan Islam disajikan dalam ekonomi kreator, pola bahasa atau tema apa yang tampak, dan metrik apa yang layak disebut perhatian. Jika ingin menguji literasi, peneliti juga perlu menetapkan indikator pemahaman yang terpisah dari interaksi platform. Rumusan pertanyaan yang jelas mencegah metrik yang mudah diperoleh menggantikan konsep yang sebenarnya ingin dipahami.

Selain itu, batas korpus perlu diterangkan: jenis konten, bahasa, periode, kata kunci, kriteria inklusi, dan cara menangani konten yang dihapus atau berubah. Setiap keputusan memengaruhi apa yang dapat disimpulkan. Hasil analisis pada teks publik, misalnya, tidak otomatis mewakili seluruh audiens atau semua bentuk konten karena video dan visual juga dapat membawa makna yang tidak tertangkap oleh teks. Keterbatasan tersebut bukan alasan menghindari NLP, melainkan alasan untuk menggunakannya secara tepat.

Konferensi sebagai Tahap Pengujian, Bukan Garis Akhir

Presentasi dalam konferensi memberi kesempatan untuk menguji gagasan di hadapan komunitas akademik. Sesi paper daring yang tercantum dalam program Values for Impact 2026 menempatkan karya Dendy Herdianto dan Muhammad Yuka Anugrah dalam percakapan bertema AI, tokenisasi, dan tata kelola keuangan digital. Forum seperti ini dapat membuka ruang untuk pertanyaan lintas bidang, terutama ketika metode komputasional bertemu dengan isu nilai dan praktik ekonomi.

Namun, partisipasi dalam konferensi tidak otomatis berarti paper telah diterbitkan di jurnal atau telah membuktikan dampak sosial. Masukan audiens dapat membantu peneliti memperjelas konsep, memeriksa batas metode, atau menyusun agenda penelitian lanjutan. Informasi publik yang dirujuk di sini mengonfirmasi jadwal, judul, presenter, dan sesi, tetapi tidak menyediakan paparan hasil paper. Maka, klaim tentang temuan atau kesimpulan tertentu harus menunggu naskah atau dokumentasi yang memang menyajikannya.

Implikasi bagi Kreator, Peneliti, dan Pengelola Kebijakan

Bagi kreator, tema ini menegaskan bahwa edukasi keuangan tidak cukup dibuat menarik; informasi juga perlu tepat, transparan, dan tidak menyamarkan batas antara edukasi dengan promosi. Bagi peneliti, analisis NLP dapat memperluas jangkauan pengamatan, tetapi perlu dilengkapi validasi dan ukuran literasi yang berdiri sendiri. Bagi lembaga pendidikan dan pengelola kebijakan, memahami cara informasi beredar dapat membantu merancang komunikasi publik yang lebih responsif tanpa menganggap viralitas sebagai bukti keberhasilan.

Kolaborasi lintas bidang dapat memperkaya proses tersebut. Peneliti bahasa dan komputasi memahami kemampuan serta batas model; ahli keuangan Islam membantu memastikan istilah ditafsirkan secara tepat; peneliti komunikasi dan pendidikan dapat menelaah penerimaan audiens. Kolaborasi bukan sekadar memperbanyak disiplin dalam satu tim. Ia perlu menyepakati definisi dan standar bukti, sehingga hasil yang keluar dapat dipahami serta diperiksa oleh komunitas yang berbeda.

Penutup: Mengukur Literasi Memerlukan Lebih dari Hitungan Likes

Paper yang dipresentasikan Dendy Herdianto dan Muhammad Yuka Anugrah di Values for Impact 2026 mengangkat persilangan antara konten keuangan Islam, ekonomi kreator, dan analisis media sosial berbasis NLP. Judulnya mengajukan tantangan yang relevan: bagaimana bergerak dari perhatian digital menuju pemahaman yang lebih bermakna? Jawabannya tidak dapat diambil dari metrik platform semata. Peneliti harus membedakan apa yang diproduksi, apa yang diterima, dan apa yang benar-benar dipahami.

Informasi konferensi yang tersedia belum memuat hasil penelitian, sehingga kesimpulan tentang dampak paper tersebut belum patut dibuat. Tetapi pertanyaan yang dibawanya tetap penting bagi ekosistem edukasi digital: apakah kita hanya menghitung seberapa jauh pesan beredar, atau juga memeriksa apakah pesan itu membantu orang memahami pilihan ekonomi? Ketika metode komputasi dipadukan dengan definisi yang jernih dan evaluasi manusia, percakapan digital dapat menjadi bahan riset yang kaya—tanpa menyamakan popularitas dengan literasi.

Pertanyaan yang Sering Diajukan

Apa judul makalah Dendy Herdianto dan Muhammad Yuka Anugrah?

Makalahnya berjudul “From Likes to Literacy: Analyzing Islamic Finance Content in the Creator Economy through NLP-Based Social Media Analysis”, tentang analisis konten keuangan Islam di ekonomi kreator menggunakan pendekatan NLP pada media sosial.

Dalam kapasitas apa Dendy tampil di Values for Impact 2026?

Dalam kapasitas kelembagaan, Dendy merupakan peneliti senior Transdisiplin dan Direktur Eksekutif Sekolah Stata. Untuk konferensi ini, program paper daring mencantumkan Dendy dan Muhammad Yuka Anugrah sebagai presenter bersama. Sumber yang tersedia tidak menyajikan rincian temuan paper.

Apakah makalah itu dipresentasikan secara luring di Sarajevo?

Tidak menurut program resmi yang dirujuk. Makalah tersebut dijadwalkan pada Online Session 03 di Virtual Room 3, sementara konferensi secara keseluruhan juga menyelenggarakan rangkaian luring di International University of Sarajevo.

Apakah jumlah likes dapat mengukur literasi keuangan audiens?

Likes mengukur interaksi tertentu di platform, bukan pemahaman konsep. Untuk menilai literasi, peneliti perlu menggunakan indikator pemahaman atau penerapan informasi yang dirancang khusus dan tidak menyamakan metrik perhatian dengan hasil belajar.

Apa yang dapat dilakukan NLP dan apa batasnya dalam riset media sosial?

NLP dapat membantu menata teks dalam jumlah besar dan memetakan tema atau pola bahasa. Namun, konteks, ironi, variasi bahasa, serta makna visual dapat luput. Hasil model perlu divalidasi dan ditafsirkan manusia, lalu disesuaikan dengan batas data yang benar-benar dianalisis.