Mengapa Kekacauan Komunikasi Publik Tidak Pernah Benar-Benar Acak?

– Arief Prihantoro –

Memahami Arsitektur Sistem Komunikasi Publik melalui Analogi Dinamika Partikel dalam Perspektif Fisika Statistik

Pada tulisan sebelumnya saya mengajukan sebuah analogi bahwa komunikasi publik di era digital memiliki karakteristik yang menyerupai gerak Brown (Brownian Motion). Sebagaimana sebuah partikel kecil di dalam fluida bergerak secara acak akibat dihantam oleh jutaan molekul yang tidak tampak, demikian pula opini publik bergerak melalui jutaan interaksi mikro berupa percakapan, komentar, unggahan media sosial, meme, video pendek, hingga potongan informasi yang saling bertabrakan setiap detik.

Chaos Komunikasi Publik di Era Digital Dalam Perspektif Gerak Brown, Termodinamika Partikel dan Teori Komunikasi Niklas Luhmann

Dari kejauhan, lintasan partikel tampak acak. Demikian pula lanskap komunikasi digital tampak penuh kekacauan.

Namun semakin lama analogi tersebut saya renungkan, semakin muncul pertanyaan yang justru lebih mendasar.

Apakah komunikasi publik benar-benar bergerak secara acak?

Ataukah “keacakan” yang kita lihat hanyalah fenomena permukaan dari suatu keteraturan statistik yang lebih dalam?

Pertanyaan inilah yang membawa kita melangkah lebih jauh, dari gerak Brown menuju teori sistem stokastik, bahkan hingga teori collision dalam mekanika kuantum yang dikembangkan Paul A. M. Dirac.

Noise Tidak Pernah Datang dari Luar

Dalam teori komunikasi klasik, noise selalu dipahami sebagai gangguan terhadap proses penyampaian pesan. Semakin kecil noise, semakin baik komunikasi berlangsung.

Pandangan tersebut cukup memadai ketika komunikasi masih dipahami sebagai proses linear antara pengirim dan penerima pesan.

Namun ekosistem komunikasi digital bekerja dengan cara yang sama sekali berbeda. Media sosial tidak pernah berada dalam kondisi tanpa noise. Justru seluruh sistem hidup karena produksi noise yang terus-menerus.

Komentar melahirkan komentar.

Unggahan melahirkan unggahan baru.

Meme melahirkan meme berikutnya.

Video dipotong, diunggah ulang, diparodikan, diperdebatkan, lalu diproduksi kembali dalam bentuk yang sama sekali berbeda.

Dalam perspektif Niklas Luhmann, komunikasi tidak sekadar mentransmisikan informasi. Komunikasi mereproduksi komunikasi berikutnya. Sistem sosial mempertahankan eksistensinya bukan melalui individu, melainkan melalui rangkaian komunikasi yang tidak pernah berhenti.

Dengan demikian, noise bukan lagi unsur eksternal yang mengganggu sistem.

Noise justru merupakan mekanisme internal yang memungkinkan sistem terus bereproduksi.

Entropi Makna

Fenomena tersebut memiliki kemiripan yang menarik dengan konsep entropi dalam termodinamika.

Dalam fisika, entropi meningkat ketika jumlah kemungkinan konfigurasi suatu sistem semakin besar.

Dalam komunikasi publik, yang meningkat bukan posisi partikel, melainkan kemungkinan makna.

Satu pernyataan pemerintah dapat berubah menjadi ribuan interpretasi.

Satu video dapat dipahami secara berbeda oleh jutaan orang.

Satu potongan kalimat dapat berkembang menjadi narasi politik, satire, teori konspirasi, maupun bahan edukasi.

Semakin banyak kemungkinan interpretasi yang muncul, semakin tinggi pula entropi komunikasi.

Kekacauan komunikasi ternyata bukan kegagalan sistem.

Ia justru merupakan konsekuensi statistik dari semakin besarnya ruang kemungkinan makna.

Brownian Motion Ternyata Belum Cukup

Meskipun analogi gerak Brown cukup menjelaskan bagaimana akumulasi interaksi mikro menghasilkan kekacauan makro, analogi tersebut memiliki keterbatasan.

Dalam gerak Brown, setiap tumbukan dianggap acak dan independen.

Tidak ada memori.

Tidak ada pembelajaran.

Tidak ada tujuan.

Sebaliknya,

komunikasi digital memiliki semuanya.

Algoritma media sosial mengingat perilaku pengguna.

Mesin Rekomendasi mempelajari preferensi setiap individu.

Platform memperkuat konten yang menghasilkan keterlibatan tinggi.

Pengguna sendiri belajar bagaimana memperoleh perhatian publik.

Media mengubah strategi pemberitaan berdasarkan respons masyarakat.

Artinya:

komunikasi modern bukan lagi sekadar sistem acak.
Ia merupakan sistem stokastik yang memiliki kecenderungan arah.

Dalam fisika, arah tersebut dikenal sebagai drift.

Dalam teori Langevin, dinamika seperti ini dinyatakan melalui dua komponen sederhana, drift dan noise:

Perubahan sistem = drift + noise.

Persamaan Langevin menjelaskan dinamika suatu sistem melalui dua komponen sederhana:

dx = μdt + σdW

Persamaan ini mungkin tampak rumit, tetapi sebenarnya sangat intuitif.

Komponen pertama adalah μ (myu), yang disebut DRIFT.

Drift menggambarkan kecenderungan kolektif.

Drift merupakan kecenderungan sistem untuk bergerak menuju suatu arah tertentu.

Dalam fisika, drift adalah gaya yang mendorong seluruh partikel ke arah tertentu.

Dalam komunikasi digital, drift bisa berarti arah sistem.

Misalnya:
algoritma media sosial terus menerus merekomendasikan konten yang meningkatkan engagement. Akibatnya seluruh distribusi masyarakat perlahan bergeser menuju, misalnya, kemarahan atau polarisasi.

Drift bukan kejadian acak.

Tetapi

arah kolektif.

Sigma (σ): Mengukur Turbulensi Komunikasi

Di dalam persamaan Langevin terdapat simbol kecil σ (sigma) yang memiliki makna besar, yaitu besarnya intensitas noise yang memengaruhi sistem.

Dalam fisika,

Noise (sigma) menggambarkan intensitas fluktuasi acak.

Semakin besar nilai sigma, semakin liar perilaku sistem.

Dalam komunikasi digital, sigma (σ) dapat dipahami sebagai koefisien noise komunikasi.

Masyarakat dengan sigma rendah memiliki stabilitas interpretasi yang relatif tinggi.

Informasi cenderung diterima secara seragam.

Rumor tidak mudah berkembang.

Hoaks lebih mudah dikendalikan.

Sebaliknya, masyarakat dengan sigma besar mengalami turbulensi makna yang jauh lebih kuat, atau mengalami fluktuasi opini yang jauh lebih besar:

Interpretasi berkembang secara eksponensial.

Rumor lebih mudah berkembang.

Hoaks lebih cepat menyebar.

Emosi lebih mudah menular.

Polarisasi meningkat.

Satu unggahan sederhana dapat berkembang menjadi krisis komunikasi nasional hanya dalam hitungan jam.

Dengan demikian, sigma bukan sekadar simbol matematika.

Ia dapat dipahami sebagai:

ukuran kerentanan suatu ekosistem komunikasi terhadap turbulensi sosial.

Sedangkan dW melambangkan gangguan acak yang berasal dari gerak Brown.

Jika diterjemahkan ke komunikasi publik, maka perubahan opini masyarakat selalu merupakan hasil interaksi antara arah narasi dengan gangguan acak yang terus diproduksi oleh jutaan komunikasi mikro, atau jika disederhanakan:

Perubahan opini publik = arah narasi + gangguan acak komunikasi.

Di sinilah muncul pemahaman baru.

Komunikasi publik tidak hanya dipengaruhi oleh arah narasi yang dibangun oleh media, pemerintah, influencer, ataupun algoritma. Komunikasi publik juga dipengaruhi oleh besarnya fluktuasi acak yang muncul dari jutaan interaksi masyarakat.

Ketika Algoritma Menjadi Drift

Jika sigma menggambarkan besarnya noise, maka siapa yang menghasilkan drift?

Di sinilah algoritma platform digital memainkan peran yang sangat penting.

Trending topic.
Recommendation engine.
Ranking berdasarkan engagement.
Personalisasi konten.
Filter bubble.
Echo chamber.

Seluruh mekanisme tersebut bekerja layaknya gaya eksternal yang terus mendorong sistem menuju arah tertentu.

Akibatnya, masyarakat tidak bergerak secara acak.

Kalaupun masyarakat bergerak secara acak, namun dengan bias tertentu.

Inilah perbedaan mendasar antara masyarakat digital dengan gerak Brown murni.

Dari Gerak Brown Menuju Collision

Namun sesungguhnya masih terdapat pertanyaan yang belum terjawab.

Apa yang sebenarnya menghasilkan noise tersebut?

Gerak Brown hanya menunjukkan bahwa partikel bergerak secara acak akibat tumbukan molekul.

Tetapi ia tidak menjelaskan secara rinci hakikat setiap tumbukan itu sendiri.

Di sinilah teori collision yang dibahas Paul A. M. Dirac memberikan perspektif yang sangat menarik.

Perubahan fokus ini memiliki implikasi yang sangat penting bagi teori komunikasi.

Komunikasi Sebagai Semantic Collision (Tumbukan Semantik)

Jika konsep collision/tumbukan diterjemahkan secara konseptual ke dalam komunikasi, maka setiap tindakan komunikasi sebenarnya dapat dipandang sebagai suatu collision event (kejadian tumbukan).

Seseorang membaca berita.
Seseorang melihat meme.
Seseorang menerima pesan WhatsApp.
Seseorang menonton pidato politik.

Semuanya merupakan event tumbukan.

Tetapi collision tersebut bukan benturan material.

Melainkan benturan makna.

Yang berubah bukan posisi fisik seseorang.

Yang berubah adalah keadaan epistemiknya.

Ia mungkin menjadi percaya.

Menjadi ragu.

Menjadi marah.

Menjadi apatis.

Menjadi semakin yakin.

Atau justru berubah total.

Dengan demikian, komunikasi bukan lagi sekadar perpindahan informasi.

Komunikasi merupakan proses tumbukan atau benturan semantik yang secara terus-menerus mengubah keadaan pengetahuan/wawasan dan keyakinan masyarakat.

Media dan Algoritma Sebagai Scatterer

Dalam teori scattering, Dirac membedakan antara incident particle dan scatterer.

Scatterer adalah objek yang menyebabkan lintasan partikel berubah.

Analogi ini menurut saya sangat relevan untuk memahami komunikasi digital.

Media massa.
Platform media sosial.
Mesin rekomendasi.
Influencer.
Institusi politik.

Seluruhnya dapat dipandang sebagai scatterer.

Namun dalam konteks Komunikasi Publik di era digital ini agar tidak dipahami secara sempit, scatterer didefinisikan sebagai

setiap operator yang mengubah probabilitas transisi epistemic state.

Maka scatterer bisa berupa:

pandemi
media
guru
keluarga
AI
buku
perang
krisis ekonomi

Narasi yang sama dapat menghasilkan arah perubahan opini yang berbeda ketika melewati scatterer yang berbeda.

Contoh:
Pernyataan seorang pejabat yang dipublikasikan oleh media arus utama dapat menghasilkan respons yang berbeda ketika dipotong menjadi video pendek, diberi judul provokatif, kemudian disebarkan melalui algoritma media sosial.

Bukan hanya pesan yang berubah.

Tetapi,

Distribusi probabilitas perubahan opini masyarakat pun ikut berubah.

Dari Individu Menuju Distribusi Opini

Inilah titik temu yang sangat menarik antara teori collision Dirac dengan teori sistem Luhmann.

Yang penting bukan lagi perubahan satu individu.

Yang penting adalah bagaimana seluruh distribusi opini masyarakat berubah akibat jutaan benturan semantik yang berlangsung setiap hari.

Setiap benturan hanya menghasilkan perubahan kecil. Tetapi akumulasi jutaan benturan mengubah keseluruhan distribusi masyarakat.

Di titik inilah komunikasi mulai menyerupai sistem statistik.

Bukan lagi kumpulan individu yang saling berbicara. Melainkan populasi keadaan epistemik (epistemic state) yang terus berubah melalui interaksi probabilistik.

Dalam fisika, yang dipelajari bukan partikel. Yang dipelajari adalah state space.
Misalnya:

Particle → State → Distribution → Macroscopic Observable

Paralelisme dengan komunikasi publik di era digital:

Communication → Epistemic State → Population Distribution → Public Opinion

Menuju Paradigma Statistical Mechanics of Epistemic States (SMES)

Selama lebih dari setengah abad, teori komunikasi banyak dibangun di atas paradigma transmisi pesan:

• Pengirim.

• Saluran.

• Penerima.

• Noise.

Paradigma tersebut berhasil menjelaskan komunikasi pada era media massa. Namun komunikasi digital telah berkembang menjadi sistem kompleks yang terdiri atas miliaran interaksi mikro yang saling memengaruhi secara simultan.

Sintesis keempat perspektif tersebut membuka kemungkinan lahirnya suatu paradigma baru. Saya mengusulkan paradigma baru ini dapat disebut sebagai Statistical Mechanics of Epistemic States (SMES).

Barangkali sudah saatnya komunikasi mulai dipahami melalui paradigma baru yang lebih sesuai dengan karakteristik sistem kompleks:

Brownian Motion menunjukkan bagaimana interaksi mikro menghasilkan fluktuasi makro.

Persamaan Langevin menunjukkan bahwa fluktuasi tersebut selalu hidup berdampingan dengan arah kolektif yang disebut drift.

Teori collision Dirac menunjukkan bahwa perubahan sistem bukan terutama ditentukan oleh lintasan individu, melainkan oleh probabilitas perubahan keadaan setelah setiap kali terjadi interaksi.

Sementara Teori Sistem Luhmann menjelaskan bahwa keseluruhan proses tersebut berlangsung melalui reproduksi komunikasi yang tidak pernah berhenti.

Salah satu tantangan terbesar dalam membangun paradigma Statistical Mechanics of Epistemic States (SMES) adalah mendefinisikan secara tepat apa yang dimaksud dengan epistemic state. Selama ini, keadaan epistemik sering dipahami sebagai kondisi mental seseorang—misalnya apakah ia mengetahui sesuatu, mempercayainya, atau meragukannya. Namun dalam paradigma yang saya usulkan, epistemic state tidak lagi dipandang sebagai kondisi psikologis yang bersifat statis, melainkan sebagai state atau keadaan dinamis yang dapat berubah dari waktu ke waktu akibat interaksi komunikasi.

Agar lebih mudah dipahami, bayangkan setiap individu berada pada suatu posisi tertentu di dalam sebuah ruang epistemik (epistemic space). Posisi ini tidak hanya ditentukan oleh apa yang ia yakini, tetapi juga oleh berbagai aspek lain yang bersama-sama membentuk cara seseorang memahami dunia. Dengan demikian, perubahan yang terjadi akibat komunikasi bukan sekadar perubahan opini, melainkan perubahan posisi seseorang di dalam ruang epistemik tersebut.

Karena itu saya sengaja menghindari penggunaan istilah belief space sebagai representasi tunggal dari keadaan epistemik. Keyakinan hanyalah salah satu komponennya. Dalam kehidupan nyata, seseorang dapat tetap mempertahankan keyakinannya, tetapi perhatian, tingkat kepercayaan terhadap sumber informasi, emosi, atau preferensinya berubah secara signifikan. Semua perubahan tersebut akan memengaruhi bagaimana ia merespons informasi berikutnya.

Dalam kerangka ini, epistemic state lebih tepat dipandang sebagai sebuah vektor yang terdiri atas beberapa dimensi sekaligus, misalnya pengetahuan (knowledge), keyakinan (belief), tingkat keyakinan (confidence), perhatian (attention), emosi (emotion), dan kepercayaan (trust). Seluruh dimensi tersebut membentuk konfigurasi keadaan epistemik seseorang pada suatu waktu tertentu.

Konsekuensinya sangat penting. Sebuah peristiwa komunikasi—baik berupa berita, unggahan media sosial, video pendek, maupun percakapan—tidak lagi dipahami sebagai sesuatu yang sekadar mengubah opini seseorang. Setiap semantic collision bertindak sebagai suatu mekanisme yang berpotensi mengubah keseluruhan konfigurasi state epistemik tersebut. Dalam bahasa matematis, setiap interaksi komunikasi dapat dipandang sebagai suatu operator transisi yang membawa state seseorang dari (S(t)) menuju state baru (S(t+1)).

Ketika konsep ini diperluas ke tingkat populasi, fokus analisis pun berubah secara mendasar. Ilmu komunikasi tidak lagi hanya bertanya mengapa satu individu berubah pikiran, melainkan bagaimana distribusi seluruh state epistemik masyarakat berevolusi dari waktu ke waktu. Dengan kata lain, yang menjadi objek utama bukan lagi individu, melainkan distribusi probabilitas state epistemik populasi, yang dapat dinyatakan sebagai (P(S,t)).

Di sinilah hubungan dengan mekanika statistik mulai tampak jelas. Sebagaimana fisika tidak berusaha memprediksi lintasan setiap molekul secara individual, paradigma SMES tidak bertujuan memprediksi perilaku setiap orang secara pasti. Yang ingin dipahami adalah bagaimana jutaan perubahan state epistemik individual, melalui interaksi yang berlangsung terus-menerus, menghasilkan pola kolektif yang stabil pada tingkat masyarakat. Perspektif inilah yang membuka kemungkinan penggunaan perangkat matematis dari fisika statistik—seperti persamaan Fokker–Planck—untuk memodelkan evolusi distribusi state epistemik dalam suatu populasi.

Mengapa persamaan Fokker–Planck penting ?

Karena Langevin menggambarkan satu partikel. Sedangkan Fokker–Planck menggambarkan distribusi seluruh populasi.

Kita bukan ingin mengetahui

mengapa Pak Budi berubah pikiran.

Kita ingin mengetahui

mengapa seluruh distribusi opini masyarakat berubah.

Dalam paradigma ini, komunikasi tidak lagi dipahami sebagai perpindahan pesan dari satu orang kepada orang lain.

Komunikasi dipahami sebagai sistem probabilistik yang terdiri atas jutaan benturan semantik. Setiap benturan semantik bertindak sebagai operator probabilistik yang mengubah state epistemik individu. Sementara akumulasi seluruh benturan tersebut membentuk distribusi keadaan epistemik masyarakat yang terus berevolusi.

Komunikasi adalah benturan semantik (semantic collision), tetapi yang sebenarnya berubah adalah

state epistemiknya

Communication → Semantic Collision → State Transition → Distribution Evolution

Artinya komunikasi hanyalah mekanisme. Yang mengalami dinamika adalah state. Epistemic state terbentuk karena representasi berubah.

Dengan demikian, pertanyaan mendasar ilmu komunikasi pun berubah.

Bukan lagi “apa pesan yang disampaikan?”

Melainkan:

Berapa besar probabilitas suatu benturan komunikasi mengubah state epistemik individu, dan bagaimana jutaan benturan tersebut secara kolektif membentuk arah evolusi masyarakat?

Mungkin, di sinilah ilmu komunikasi mulai memasuki wilayah yang selama ini lebih akrab bagi fisika statistik: bukan mencari kepastian dari satu peristiwa, melainkan memahami pola keteraturan yang muncul dari jutaan ketidakpastian.

Paradigma ini menggeser fokus ilmu komunikasi dari analisis pesan individual menuju analisis distribusi state epistemik populasi. Dengan demikian, komunikasi tidak lagi dipahami terutama sebagai proses transmisi informasi, melainkan sebagai mekanisme stokastik yang menggerakkan evolusi keadaan epistemik masyarakat.

Arief Prihantoro
Tangerang Selatan, 29 Juni 2026