Demo 3 Negara versi Manifold Learning : Temukan Isu Utamanya

Demo massa, baik di Indonesia, Nepal, maupun Madagaskar, dapat dipandang sebagai data berdimensi tinggi: ribuan orang, ratusan tuntutan, variasi ekspresi, simbol, dan interaksi sosial-politik yang kompleks. Jika dilihat mentah-mentah, semuanya tampak kacau, seperti data citra 150.000 dimensi yang sulit dipahami. Namun, manifold learning membantu kita melihat pola yang tersembunyi di balik kerumitan tersebut.

Indonesia -- Demo DPR

Gelombang protes mahasiswa dan masyarakat terhadap DPR di Indonesia sering kali terkait isu legislasi, transparansi, dan keadilan sosial. Meskipun dari luar tampak beragam---spanduk, orasi, media sosial, hingga aksi jalanan---sebenarnya semua variasi itu mengalir di atas manifold berdimensi rendah: variabel laten utama seperti "kepercayaan terhadap DPR" dan "tuntutan reformasi". Reduksi dimensi memungkinkan kita melihat bahwa meskipun ada ribuan aksi, inti manifold-nya hanya dua atau tiga faktor psikososial yang konsisten.

Nepal -- Demo Politik dan Transisi Kekuasaan
Di Nepal, demonstrasi sering berhubungan dengan transisi dari monarki menuju republik dan dinamika antar partai. Secara manifold, variasi aksi protes (lokasi berbeda, simbol bendera partai, hingga narasi kultural) tetap mengikuti jalur yang sama: manifold "perubahan struktur kekuasaan". Jika kita lakukan "embedding" seperti Isomap atau UMAP, pola-pola lokal (demo mahasiswa, protes petani, unjuk rasa pekerja) semua akan berkumpul di kluster besar yang sama: aspirasi untuk distribusi kekuasaan yang lebih adil.

Madagaskar -- Demo Ekonomi dan Sosial

Di Madagaskar, demonstrasi lebih sering dipicu isu ekonomi: harga pangan, pengangguran, dan krisis sosial. Data protes di sini juga multidimensi---dari kerusuhan di pasar, aksi pemuda di jalanan, hingga kampanye di media digital. Namun manifold-nya relatif sederhana: dimensi laten tentang "akses ekonomi" dan "stabilitas hidup". Dengan pendekatan manifold learning, terlihat bahwa meski protes tampak beragam, semuanya mengalir pada jalur yang sama: keinginan untuk memperbaiki kondisi hidup dasar.

Analogi Manifold Learning

1. Indonesia manifold terfokus pada representasi politik dan kepercayaan publik.
2. Nepal manifold terfokus pada perubahan sistem kekuasaan.
3. Madagaskar manifold terfokus pada ketahanan ekonomi masyarakat.

Seperti Swiss Roll dalam manifold learning, demo-demo di tiga negara ini tampak berbelit-belit di ruang sosial-politik berdimensi tinggi. Namun jika "digelar kembali" dengan teknik seperti Isomap, struktur intrinsik mereka menjadi jelas: semua demo bergerak di permukaan manifold dengan dimensi rendah---variabel laten berupa aspirasi rakyat untuk keadilan, distribusi kekuasaan, dan kesejahteraan.

Gambar 1 visualisasi hasil embedding demo Indonesia, Nepal, dan Madagaskar menggunakan Isomap 2D dimana

1. Titik merah  menyatakan demo di Indonesia (fokus: politik & DPR).
2. Titik biru  menyatakan demo di Nepal (fokus: transisi kekuasaan).
3. Titik hijau menyatakan demo di Madagaskar (fokus: isu ekonomi).

Terlihat bahwa meskipun data awal kompleks dan berdimensi tinggi, setelah reduksi dimensi tiap kelompok protes membentuk klaster manifold yang terpisah, sesuai variabel laten utama yang mendasari tiap kasus.

Apabila pendekatan ini diperluas dengan multimodal embeddings (gambar, suara, video), maka struktur manifold dari demo lintas negara akan semakin jelas: meskipun beragam dalam bentuk, aspirasi rakyat selalu bergerak menuju dimensi laten yang sama---keadilan, perubahan, dan kesejahteraan.