Dalam uji lapangan analisis stres suara komersial terhadap orang yang baru ditangkap di penjara, dua program populer hanya menandai sekitar 15% kebohongan yang diucapkan para tahanan tentang penggunaan narkoba baru-baru ini, dan akurasi keseluruhannya sekitar 50% (National Institute of Justice, uji lapangan analisis stres suara 2008). Pendengar manusia tidak jauh lebih baik: dari 24.483 penilai, rata-rata penilaian benar antara bohong dan jujur hanya 54%, nyaris tidak lebih baik daripada melempar koin (Personality and Social Psychology Review, Accuracy of Deception Judgments 2006). National Research Council menemukan bahwa penelitian hanya menawarkan “sedikit atau tidak ada dasar ilmiah untuk penggunaan penganalisis stres suara berbasis komputer” (National Research Council, The Polygraph and Lie Detection 2003). Meski begitu, produsen utamanya masih mengklaim ribuan pelanggan kepolisian, dan studi berbasis mendengarkan saja dari 2025 dan 2026 kembali membuka pertanyaan apakah suara membawa lebih banyak sinyal penipuan daripada wajah, tema yang beririsan dengan penelitian akurasi pengenalan emosi dalam ucapan. Kami menghimpun data dari Journal of Forensic Sciences, korpus ucapan penipuan Columbia University, PLOS One, European Journal of Psychology Applied to Legal Context, Departemen Tenaga Kerja AS, AI Act Uni Eropa, dan catatan pemerintah Inggris.
TL;DR
- Penganalisis stres suara menangkap sekitar 15% kebohongan tentang narkoba, dengan akurasi keseluruhan sekitar 50%, dalam uji lapangan di penjara terhadap 319 orang yang baru ditangkap (NIJ, uji lapangan analisis stres suara 2008).
- Dalam uji laboratorium, pemeriksa CVSA yang disediakan NITV menandai ucapan jujur sebagai penipuan sebanyak 61% hingga 70% (Journal of Forensic Sciences, Evaluation of the NITV CVSA 2008).
- Penelitian hanya menawarkan “sedikit atau tidak ada dasar ilmiah” untuk penganalisis stres suara berbasis komputer (National Research Council, The Polygraph and Lie Detection 2003).
- Rata-rata penilaian benar antara bohong dan jujur hanya 54% dari 206 dokumen (Personality and Social Psychology Review, Accuracy of Deception Judgments 2006).
- Pewawancara manusia mendapat 56,75% pada korpus penipuan Columbia, sedangkan pengklasifikasi ucapan mencapai F1 72,77 (Columbia University, Interspeech 2018).
- Mendengarkan audio saja memberi akurasi 61,7% berbanding 35% untuk menonton video dengan suara, dalam uji dengan 120 peserta (European Journal of Psychology Applied to Legal Context 2025).
- Uji 2026 dengan 246 peserta tidak menemukan perbedaan signifikan antara penilaian hanya-audio, transkrip, dan audiovisual (PLOS One 2026).
- Nada suara yang lebih tinggi saat berbohong adalah efek kecil, d = 0,21, naik menjadi d = 0,59 untuk pembohong yang termotivasi (Psychological Bulletin, Cues to Deception 2003).
- Hanya 1 dari 12 pemerintah daerah Inggris yang memakai analisis risiko suara dalam peninjauan tunjangan melaporkannya sebagai keberhasilan (evaluasi DWP, dilaporkan The Register 2010).
- Hukum AS memperlakukan penganalisis stres suara sebagai alat pendeteksi kebohongan (U.S. Department of Labor, EPPA Fact Sheet #36), dan UE menggolongkan alat deteksi kebohongan berbasis AI untuk polisi sebagai berisiko tinggi (Regulation (EU) 2024/1689).
1. Uji Lapangan: Penganalisis Stres Suara Melawan Kebenaran Dasar yang Terverifikasi
Uji lapangan adalah satu-satunya tempat analisis stres suara berhadapan dengan hasil nyata yang tidak bisa dipengaruhinya, seperti tes urine. Dalam studi penjara Oklahoma County yang didanai NIJ (ringkasan uji lapangan NIJ Journal, laporan akhir), orang yang baru ditangkap menjawab pertanyaan tentang penggunaan narkoba dan jawaban mereka diperiksa dengan tes urine. LVA menandai 21% jawaban bohong dan CVSA menandai 8%, sementara kedua program melabeli sebagian besar jawaban jujur dengan benar. Alat yang hampir selalu mengatakan “jujur” akan tampak akurat pada orang jujur dan melewatkan hampir semua pembohong. Laporan akhir juga menemukan bahwa penilaiannya tidak andal: korelasi antara penilai pemula dan ahli berkisar dari 0,11 hingga 0,52, tergantung jenis narkobanya.
Angka yang paling menarik sama sekali bukan tingkat akurasi. Orang yang baru ditangkap dan percaya bahwa perangkat suara sedang memantau mereka berbohong jauh lebih sedikit, sebuah efek “bogus pipeline” (orang lebih jujur ketika percaya mesin dapat menangkap kebohongan). Perangkat itu mungkin mencegah orang berbohong tanpa benar-benar mendeteksinya.
| Metrik | Nilai | Sumber |
|---|---|---|
| Akurasi keseluruhan CVSA dan LVA dalam mendeteksi penipuan tentang penggunaan narkoba baru-baru ini (319 pria yang baru ditangkap di penjara, Oklahoma County) | Sekitar 50% | NIJ, uji lapangan analisis stres suara (NIJ Journal 259) 2008 |
| Jawaban bohong yang ditandai dengan benar sebagai bohong oleh LVA | 21% | NIJ, uji lapangan analisis stres suara 2008 |
| Jawaban bohong yang ditandai dengan benar sebagai bohong oleh CVSA | 8% | NIJ, uji lapangan analisis stres suara 2008 |
| Jawaban jujur yang dikenali dengan benar sebagai jujur, rata-rata untuk lima jenis narkoba (LVA 95%, CVSA 90%) | 91,5% | NIJ, uji lapangan analisis stres suara 2008 |
| Orang yang baru ditangkap yang berbohong tentang penggunaan narkoba baru-baru ini: studi stres suara berbanding studi pemantauan narkoba ADAM sebelumnya di kota yang sama | 14% berbanding 40% | NIJ, uji lapangan analisis stres suara 2008 |
| Rekaman lapangan pelatihan interogasi militer (SERE): jawaban ya/tidak yang bohong dan ditandai oleh pemeriksa produsen CVSA sendiri berbanding jawaban jujur yang keliru ditandai | 19% berbanding 45% | Journal of Forensic Sciences, Evaluation of the NITV CVSA 2008 |
| Rekaman lapangan yang sama dinilai oleh ahli fonetik eksperimental: jawaban bohong yang ditandai berbanding jawaban jujur yang keliru ditandai | 38% berbanding 49% | Journal of Forensic Sciences, Evaluation of the NITV CVSA 2008 |
Konteks: survei ADAM sebelumnya memakan waktu sekitar 20 menit dan survei stres suara sekitar 5 menit, sehingga selisih 14% berbanding 40% bukan eksperimen terkontrol. Data terbaru yang tersedia: NIJ, laporan 2007 dan artikel 2008. Kami tidak menemukan uji lapangan independen sebanding yang terbit sejak itu.
2. Uji Laboratorium CVSA dan LVA
Studi laboratorium memberi perangkat itu kondisi terbaik yang mungkin: rekaman jernih, kebenaran yang diketahui, dan stres yang diinduksi. Mereka tetap gagal. Dalam evaluasi University of Florida (studi CVSA, studi LVA), 48 penutur menghasilkan 300 sampel di bawah kebohongan bertaruhan tinggi dan stres. Pemeriksa produsen CVSA sendiri menandai ucapan jujur sebagai penipuan sebanyak 61% hingga 70%, hampir sesering mereka menangkap kebohongan yang sebenarnya.
Ukuran sensitivitasnya menceritakan hal yang sama. d-prime adalah skor deteksi sinyal di mana 0 berarti tidak ada kemampuan memisahkan dua kategori; para penulis menetapkan 1 sebagai nilai minimum yang dapat diterima, dan setiap tim mendapat skor jauh di bawahnya. Tinjauan National Research Council menambahkan bahwa satu-satunya hasil sempurna yang ditemukannya berasal dari artikel yang terafiliasi vendor, yang tidak pernah menjelaskan cara menilai grafik atau cara menetapkan kebenarannya.
| Metrik | Nilai | Sumber |
|---|---|---|
| Uji laboratorium CVSA (48 penutur, 300 sampel): tingkat deteksi benar (hit rate) pemeriksa yang disediakan NITV | 61% hingga 65% | Journal of Forensic Sciences, Evaluation of the NITV CVSA 2008 |
| Uji laboratorium CVSA: tingkat positif palsu (ucapan jujur atau berstres rendah yang ditandai) pemeriksa yang disediakan NITV | 61% hingga 70% | Journal of Forensic Sciences, Evaluation of the NITV CVSA 2008 |
| Uji laboratorium CVSA: sensitivitas d-prime pemeriksa yang disediakan NITV (nilai minimum yang dapat diterima ditetapkan 1) | -0,32 hingga 0,13 | Journal of Forensic Sciences, Evaluation of the NITV CVSA 2008 |
| Uji laboratorium LVA: tingkat deteksi benar pada berbagai kondisi dan pemeriksa | 42% hingga 56% | Journal of Forensic Sciences, Evaluating Layered Voice Analysis 2009 |
| Uji laboratorium LVA: tingkat positif palsu, sering di atas tingkat deteksi benar | 40% hingga 65% | Journal of Forensic Sciences, Evaluating Layered Voice Analysis 2009 |
| Kesesuaian antara CVSA dan poligraf dalam studi terafiliasi vendor terhadap 54 terpidana percobaan (kriteria penilaian dan kebenaran tidak dijelaskan) | 100% (klaim terafiliasi vendor, dinilai tidak dapat dipakai) | National Research Council, The Polygraph and Lie Detection 2003 |
| Akurasi CVSA berbanding poligraf dalam perbandingan laboratorium Department of Defense Polygraph Institute pada 1990-an | Tidak pernah signifikan lebih unggul | National Research Council, The Polygraph and Lie Detection 2003 |
| Hasil uji lapangan penganalisis tahun 1996 | Mendekati tingkat tebakan acak | National Research Council, The Polygraph and Lie Detection 2003 |
Konteks: bab NRC yang sama melaporkan bahwa kesesuaian antara analis independen yang membaca grafik stres suara yang sama “umumnya rendah”, dan bahwa sebuah studi Departemen Pertahanan tahun 2000 menemukan skor penganalisis tidak mencerminkan stres akut yang diukur dengan metode tradisional.
3. Seberapa Akurat Manusia Menilai Kebohongan (Bukti Meta-Analisis)
Jika mesin tidak dapat mendengar kebohongan, pilihan cadangan yang jelas adalah telinga terlatih. Bukti menunjukkan telinga hanya sedikit lebih baik daripada mata. Meta-analisis Bond dan DePaulo menghimpun 206 dokumen dan 24.483 penilai. Rata-rata penilaian benar hanya 54%, dan mereka mengenali kejujuran dengan benar jauh lebih sering daripada kebohongan, karena sebagian besar penilai cenderung percaya pada apa yang mereka dengar (55,23% pesan dinilai jujur, terbobot). Para ahli mendapat 54,51% berbanding 53,31% untuk non-ahli antarstudi, dan selisihnya hilang setelah penyesuaian statistik.
Perbandingan medium adalah yang relevan untuk suara. Video tanpa suara adalah kondisi terburuk, dan menambahkan suara memulihkan beberapa poin. Mendengar pembohong membantu sedikit; itu tidak mengubah pendengar menjadi pendeteksi kebohongan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Rata-rata penilaian benar antara bohong dan jujur (206 dokumen, 24.483 penilai) | 54% | Personality and Social Psychology Review, Accuracy of Deception Judgments 2006 |
| Pesan jujur yang dinilai benar sebagai jujur | 61% | Personality and Social Psychology Review, Accuracy of Deception Judgments 2006 |
| Pesan bohong yang dinilai benar sebagai bohong | 47% | Personality and Social Psychology Review, Accuracy of Deception Judgments 2006 |
| Penilaian benar antara bohong dan jujur dengan pesan hanya-audio | 53,01% | Personality and Social Psychology Review, Accuracy of Deception Judgments 2006 |
| Penilaian benar antara bohong dan jujur dengan pesan hanya-video tanpa suara | 50,52% | Personality and Social Psychology Review, Accuracy of Deception Judgments 2006 |
| Penilaian benar antara bohong dan jujur dengan pesan audiovisual | 54,03% | Personality and Social Psychology Review, Accuracy of Deception Judgments 2006 |
Data terbaru yang tersedia: Personality and Social Psychology Review, 2006. Ini masih sintesis terbesar tentang akurasi manusia dalam mendeteksi kebohongan; bagian 4 membahas eksperimen mendengarkan yang lebih baru.
4. Eksperimen Mendengarkan dan Pengklasifikasi Ucapan, 2018 hingga 2026
Studi yang lebih baru menguji suara secara langsung, dan hasilnya tidak sejalan. Eksperimen University of Portsmouth tahun 2025 (European Journal of Psychology Applied to Legal Context) memberi 120 peserta audio saja atau video lengkap dari wawancara dengan tersangka palsu. Pendengar benar 61,7% dari waktu, sedangkan mereka yang menonton sekaligus mendengarkan hanya benar 35%, di bawah tingkat tebakan acak. Studi itu memperlakukan menonton sekaligus mendengarkan sebagai kondisi beban kognitif tinggi: melihat tersangka menambah informasi yang, dalam uji ini, lebih merugikan daripada membantu. Uji 2026 yang lebih besar (PLOS One) tidak menemukan efek modalitas sama sekali, dengan para pembohong sebagian besar dinilai jujur pada setiap kondisi.
Mesin yang dilatih pada ucapan wawancara lebih baik daripada manusia pada rekaman yang sama. Pada korpus Columbia X-Cultural Deception (NAACL 2018, Interspeech 2018), 340 penutur memberikan jawaban jujur dan bohong dalam dialog wawancara. Pengklasifikasi yang memakai fitur akustik-prosodik (nada, kenyaringan, dan pewaktuan) menyamai pengklasifikasi yang dibangun dari pilihan kata. Ini adalah kebohongan laboratorium pada satu korpus, dan jauh di bawah keandalan yang diharapkan dari sistem suara dengan kebenaran dasar (ground truth) yang tegas, seperti yang dilacak dalam tolok ukur verifikasi penutur.
| Metrik | Nilai | Sumber |
|---|---|---|
| Akurasi bohong-jujur pewawancara manusia pada korpus Columbia X-Cultural Deception (340 penutur; tebakan acak = 50%) | 56,75% | Columbia University, NAACL 2018 (Levitan dkk.) |
| Akurasi pewawancara manusia pada jawaban bohong saja | 47,93% | Columbia University, NAACL 2018 (Levitan dkk.) |
| Pengklasifikasi terbaik dengan fitur pemakaian kata (leksikal), skor F1 | 72,74 (akurasi 72,78%) | Columbia University, NAACL 2018 (Levitan dkk.) |
| Pengklasifikasi terbaik dengan fitur akustik-prosodik ditambah jenis kelamin penutur dan bahasa ibu, skor F1 | 72,77 | Columbia University, Interspeech 2018 (Levitan dkk.) |
| Akurasi bohong-jujur keseluruhan: mendengarkan audio saja berbanding menonton video dengan suara (120 peserta) | 61,7% berbanding 35% | European Journal of Psychology Applied to Legal Context 2025 (Giorgianni dkk.) |
| Deteksi kejujuran: audio saja berbanding video dengan suara | 53,33% berbanding 20,00% (chi-kuadrat(1, N = 60) = 7,18, p = 0,007) | European Journal of Psychology Applied to Legal Context 2025 (Giorgianni dkk.) |
| Kondisi hanya-audio: pernyataan jujur yang dinilai benar berbanding pernyataan bohong yang dinilai benar (N = 246 secara keseluruhan) | 60,71% berbanding 39,29% | PLOS One 2026 (Bogaard dkk.) |
| Efek modalitas (hanya-audio, transkrip, audiovisual) terhadap akurasi bohong-jujur | F(2, 243) = 0,45, p = 0,637 (tidak signifikan) | PLOS One 2026 (Bogaard dkk.) |
Konteks: dalam studi 2025, selisih deteksi kebohongan antarkondisi (70,00% berbanding 50,00%) tidak signifikan (p = 0,114); peningkatan yang signifikan datang dari pengenalan tersangka yang jujur.
5. Petunjuk Akustik dan Vokal dari Kebohongan
Perangkat stres suara mengasumsikan kebohongan meninggalkan jejak akustik yang kuat dan universal. Rekam jejak meta-analisis menunjukkan beberapa jejak samar. Meta-analisis Psychological Bulletin merangkum 1.338 ukuran efek untuk 158 petunjuk dari 120 sampel independen. Nada hanya naik sedikit pada pembohong secara keseluruhan (d = 0,21), tetapi melonjak menjadi d = 0,59 ketika pembohong termotivasi untuk berhasil. d Cohen adalah ukuran efek terstandar, dan nilai sebesar ini secara konvensional dilabeli kecil: sebagian besar petunjuk vokal tumpang-tindih kuat antara penutur jujur dan tidak jujur.
Studi satu bahasa menunjukkan betapa tidak stabilnya petunjuk tersebut. Pada 19 penutur asli bahasa Italia, rerata nada adalah 160,88 Hz saat berbohong berbanding 160,67 Hz saat jujur (p = 0,927), tetapi ucapan melambat (Frontiers in Psychology). Pada 36 penutur Mandarin yang menjawab 14 pertanyaan biografis, studi 2024 atas 20 fitur akustik dan 14 fitur elektroglotografi (elektroglotografi mengukur kontak pita suara) mengaitkan penipuan dengan rerata nada dan intensitas yang lebih tinggi serta jitter, shimmer, dan rasio harmonik-terhadap-derau yang lebih rendah (Journal of Speech, Language, and Hearing Research). Korpus Columbia menunjukkan nada maksimum dan intensitas maksimum yang lebih tinggi pada jawaban bohong. Petunjuk seperti ini adalah bahan baku yang sama dengan yang dipakai dalam analisis suara paralinguistik untuk prediksi burnout, dan keduanya punya batas yang sama: mereka menggambarkan kelompok, bukan individu.
| Metrik | Nilai | Sumber |
|---|---|---|
| Nada lebih tinggi saat berbohong, semua studi (12 estimasi) | d = 0,21 (IK 95% 0,08 hingga 0,34) | Psychological Bulletin, Cues to Deception 2003 |
| Ketegangan vokal saat berbohong (10 estimasi) | d = 0,26 (IK 95% 0,13 hingga 0,39) | Psychological Bulletin, Cues to Deception 2003 |
| Pembohong terdengar tidak yakin secara vokal (10 estimasi) | d = 0,30 | Psychological Bulletin, Cues to Deception 2003 |
| Waktu bicara pembohong berbanding orang jujur (4 estimasi; negatif berarti pembohong lebih sedikit bicara) | d = -0,35 | Psychological Bulletin, Cues to Deception 2003 |
| Jeda terisi (um, uh) dalam kebohongan berbanding kejujuran (16 estimasi) | d = 0,00 | Psychological Bulletin, Cues to Deception 2003 |
| Efek nada ketika pembohong termotivasi untuk berhasil (6 estimasi) | d = 0,59 (IK 95% 0,31 hingga 0,88) | Psychological Bulletin, Cues to Deception 2003 |
| Nada dan latensi respons, meta-analisis 41 studi yang mencakup sembilan petunjuk ucapan (keduanya lebih tinggi saat berbohong) | d = 0,268 (nada), d = 0,177 (latensi) | Meta-analisis Applied Cognitive Psychology 2006 (Sporer dan Schwandt), sebagaimana dilaporkan dalam Frontiers in Psychology 2012 |
| Laju bicara saat berbohong berbanding saat jujur, 19 penutur asli bahasa Italia | 1,95 berbanding 2,10 kata per detik (d = 0,447, p = 0,025) | Frontiers in Psychology, Markers of Deception in Italian Speech 2012 |
Konteks: latensi respons adalah pertentangan paling jelas antara kedua meta-analisis. Sintesis 2006 melaporkan peningkatan yang andal, sedangkan sintesis 2003 mencantumkan efek mendekati nol dan tidak signifikan pada 32 estimasi.
6. Penggunaan oleh Lembaga Kepolisian, Pemerintah, dan Perusahaan Asuransi
Adopsi tidak pernah mengikuti bukti. Angka adopsi hampir seluruhnya berasal dari produsen, dan total yang diklaim terus bertambah sejak uji independen menemukan akurasi setara tebakan acak. Investigasi San Francisco Chronicle yang terbit pada 4 Juni 2024 mengidentifikasi 13 lembaga penegak hukum California lainnya yang memakai CVSA, tiga di antaranya juga memakainya dalam penyelidikan pidana (San Francisco Chronicle).
Uji coba pemerintah di luar kepolisian berakhir berbeda. Departemen Pekerjaan dan Pensiun Inggris (DWP) menjalankan uji coba “analisis risiko suara” pada klaim tunjangan lewat telepon; sebagian besar pemerintah daerah yang melaporkan hasil tidak menyebutnya berhasil (The Register, 10 November 2010). Perusahaan asuransi Inggris seperti esure sudah menguji analisis risiko suara pada jalur klaim pada 2003, dan vendor yang lebih baru kini menawarkan penyaringan suara dari pengajuan hingga klaim; misalnya, Clearspeed menyatakan di situs webnya sendiri bahwa evaluasi validasi Departemen Pertahanan AS menilai teknologinya berakurasi di atas 97%, klaim vendor sendiri yang tidak kami temukan studi independen terbitannya. Perusahaan asuransi yang sudah menjalankan analitik ucapan untuk deteksi sentimen menghadapi pertanyaan yang sama: sebenarnya apa yang diukur?
| Metrik | Nilai | Sumber |
|---|---|---|
| Lembaga penegak hukum AS yang memakai CVSA, menurut produsennya (2008) | Lebih dari 1.400 | Angka NITV yang dilaporkan di NIJ Journal 2008 (klaim vendor sendiri) |
| Lembaga yang memakai CVSA, menurut situs web produsen (2026) | Lebih dari 3.000 lembaga penegak hukum AS; lebih dari 3.600 di seluruh dunia | Situs web NITV 2026 (klaim vendor sendiri) |
| Lembaga penegak hukum California lainnya yang teridentifikasi memakai CVSA | 13 | Investigasi San Francisco Chronicle, 4 Juni 2024 |
| Dari lembaga tersebut, jumlah yang juga memakai CVSA dalam penyelidikan pidana | 3 | Investigasi San Francisco Chronicle, 4 Juni 2024 |
| Biaya uji coba analisis risiko suara DWP Inggris pada klaim tunjangan | £2,16 juta | Evaluasi analisis risiko suara DWP, dilaporkan The Register, 10 November 2010 |
| Pemerintah daerah dalam gelombang terbaru uji coba DWP, dan berapa yang melaporkan hasil | 24 (23 melaporkan) | Evaluasi analisis risiko suara DWP, dilaporkan The Register, 10 November 2010 |
| Pemerintah daerah yang memakai analisis risiko suara dalam peninjauan tunjangan dan melaporkannya sebagai keberhasilan | 1 dari 12 | Evaluasi analisis risiko suara DWP, dilaporkan The Register, 10 November 2010 |
| Pemerintah daerah yang memakainya pada panggilan dari pemohon baru dan melaporkannya sebagai keberhasilan | 3 dari 9 | Evaluasi analisis risiko suara DWP, dilaporkan The Register, 10 November 2010 |
Konteks: situs web produsen sendiri tidak konsisten secara internal, menyebut “lebih dari 3.000” lembaga penegak hukum sekaligus “lebih dari 2.900 organisasi AS” di tempat yang berbeda.
7. Penilaian Ilmiah dan Hukum
Putusan ilmiahnya stabil selama dua dekade, dan hukum perlahan menyusul. National Research Council menyimpulkan pada 2003 bahwa penelitian stres suara hanya menawarkan “sedikit atau tidak ada dasar ilmiah” untuk penganalisis stres suara berbasis komputer. Di Amerika Serikat, pembatasan terkuat ditujukan pada pemberi kerja: Employee Polygraph Protection Act menyebut penganalisis stres suara sebagai alat pendeteksi kebohongan, yang melarang sebagian besar pemberi kerja swasta memakainya. Pemerintah federal, negara bagian, dan daerah dikecualikan, sehingga lembaga kepolisian berada di luar larangan itu.
Uni Eropa mengatur generasi yang lebih baru, yang berbasis AI. AI Act mencantumkan sistem AI yang dipakai “sebagai poligraf atau alat serupa” oleh penegak hukum serta otoritas migrasi dan perbatasan sebagai berisiko tinggi, dan pertimbangannya menyerukan pelarangan AI yang membaca emosi di tempat kerja atau sekolah. Kesimpulan pemerintah Inggris sendiri muncul dalam tanggapan permintaan kebebasan informasi tahun 2011: pemerintah tidak lagi memakai teknologi itu.
| Metrik | Nilai | Sumber |
|---|---|---|
| Dasar ilmiah untuk memakai penganalisis stres suara berbasis komputer | ”Sedikit atau tidak ada dasar ilmiah” | National Research Council, The Polygraph and Lie Detection 2003 |
| Perangkat yang tercakup definisi hukum AS tentang alat pendeteksi kebohongan | Poligraf, deceptograph, penganalisis stres suara, evaluator stres psikologis, atau perangkat serupa | Departemen Tenaga Kerja AS, EPPA Fact Sheet #36 |
| Tes pendeteksi kebohongan yang masih boleh dipakai pemberi kerja swasta, dan dalam berapa situasi terbatas | Hanya poligraf (tidak ada alat pendeteksi kebohongan lain), dalam 3 situasi terbatas | Departemen Tenaga Kerja AS, EPPA Fact Sheet #36 |
| Batas waktu bagi karyawan untuk mengajukan gugatan atas pelanggaran EPPA | 3 tahun | Departemen Tenaga Kerja AS, EPPA Fact Sheet #36 |
| AI Act UE, Lampiran III butir 6(b): AI yang dipakai penegak hukum sebagai poligraf atau alat serupa | Digolongkan berisiko tinggi | Regulation (EU) 2024/1689 (AI Act) |
| AI Act UE, Lampiran III butir 7(a): AI yang dipakai otoritas migrasi, suaka, dan perbatasan sebagai poligraf atau alat serupa | Digolongkan berisiko tinggi | Regulation (EU) 2024/1689 (AI Act) |
| AI Act UE, Pertimbangan 44: sistem AI yang mendeteksi keadaan emosi orang di tempat kerja atau pendidikan | Akan dilarang | Regulation (EU) 2024/1689 (AI Act) |
| Kesimpulan DWP Inggris tentang analisis risiko suara untuk klaim tunjangan | Tidak dapat disimpulkan bekerja secara efektif dan konsisten; tidak digunakan | Tanggapan Kebebasan Informasi DWP 3039/2011 |
Konteks: teks AI Act UE diadopsi pada 13 Juni 2024. EPPA ditandatangani pada 27 Juni 1988 dan berlaku pada 27 Desember 1988.
Ringkasan: Analisis Stres Suara dan Deteksi Kebohongan Lewat Suara dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Jawaban bohong tentang narkoba yang ditandai dalam uji lapangan di penjara: LVA berbanding CVSA | 21% berbanding 8% | NIJ, uji lapangan analisis stres suara 2008 |
| Rekaman lapangan militer: jawaban bohong yang ditandai berbanding jawaban jujur yang keliru ditandai oleh pemeriksa produsen CVSA | 19% berbanding 45% | Journal of Forensic Sciences, Evaluation of the NITV CVSA 2008 |
| Dasar ilmiah untuk penganalisis stres suara berbasis komputer | ”Sedikit atau tidak ada dasar ilmiah” | National Research Council, The Polygraph and Lie Detection 2003 |
| Rata-rata akurasi bohong-jujur manusia (24.483 penilai) | 54% | Personality and Social Psychology Review, Accuracy of Deception Judgments 2006 |
| Pewawancara manusia pada korpus penipuan Columbia | 56,75% | Columbia University, NAACL 2018 (Levitan dkk.) |
| Pengklasifikasi akustik-prosodik terbaik pada korpus yang sama, skor F1 | 72,77 | Columbia University, Interspeech 2018 (Levitan dkk.) |
| Akurasi mendengarkan audio saja berbanding menonton video dengan suara | 61,7% berbanding 35% | European Journal of Psychology Applied to Legal Context 2025 (Giorgianni dkk.) |
| Efek format hanya-audio, transkrip, atau audiovisual terhadap akurasi | F(2, 243) = 0,45, p = 0,637 | PLOS One 2026 (Bogaard dkk.) |
| Penilaian hanya-audio: pernyataan jujur yang dinilai benar berbanding pernyataan bohong yang dinilai benar | 60,71% berbanding 39,29% | PLOS One 2026 (Bogaard dkk.) |
| Nada lebih tinggi ketika pembohong termotivasi untuk berhasil | d = 0,59 | Psychological Bulletin, Cues to Deception 2003 |
| Efek nada dalam meta-analisis 41 studi tentang petunjuk ucapan | d = 0,268 | Meta-analisis Applied Cognitive Psychology 2006 (Sporer dan Schwandt), sebagaimana dilaporkan dalam Frontiers in Psychology 2012 |
| Laju bicara saat berbohong berbanding saat jujur, 19 penutur bahasa Italia | 1,95 berbanding 2,10 kata per detik | Frontiers in Psychology, Markers of Deception in Italian Speech 2012 |
| Lembaga California lainnya yang teridentifikasi memakai CVSA | 13 | Investigasi San Francisco Chronicle, 4 Juni 2024 |
| Biaya uji coba tunjangan analisis risiko suara Inggris | £2,16 juta | Evaluasi analisis risiko suara DWP, dilaporkan The Register, 10 November 2010 |
| Pemerintah daerah yang melaporkan keberhasilan analisis risiko suara dalam peninjauan tunjangan | 1 dari 12 | Evaluasi analisis risiko suara DWP, dilaporkan The Register, 10 November 2010 |
| Penganalisis stres suara dalam definisi hukum AS tentang alat pendeteksi kebohongan | Termasuk | Departemen Tenaga Kerja AS, EPPA Fact Sheet #36 |
| AI yang dipakai polisi sebagai poligraf atau alat serupa di UE | Berisiko tinggi (Lampiran III butir 6(b)) | Regulation (EU) 2024/1689 (AI Act) |
Metodologi dan Sumber
- National Institute of Justice: Voice Stress Analysis: Only 15 Percent of Lies About Drug Use Detected in Field Test (NIJ Journal 259, Maret 2008) dan laporan akhir Assessing the Validity of Voice Stress Analysis Tools in a Jail Setting (Juni 2007).
- National Research Council: The Polygraph and Lie Detection, Chapter 6, Alternative Techniques and Technologies (2003).
- Journal of Forensic Sciences (University of Florida): Evaluation of the NITV CVSA (2008) dan Stress and Deception in Speech: Evaluating Layered Voice Analysis (2009).
- Personality and Social Psychology Review: Accuracy of Deception Judgments (Bond dan DePaulo, 2006).
- Psychological Bulletin: Cues to Deception (2003).
- Frontiers in Psychology: Markers of Deception in Italian Speech (Spence, Villar dan Arciuli, 2012), juga sumber yang kami pakai untuk angka meta-analisis Applied Cognitive Psychology (Sporer dan Schwandt, 2006).
- Laboratorium ucapan Columbia University: Linguistic Cues to Deception and Perceived Deception in Interview Dialogues (NAACL 2018) dan Acoustic-Prosodic Indicators of Deception and Trust in Interview Dialogues (Interspeech 2018).
- European Journal of Psychology Applied to Legal Context: The Effect of the Interviewer’s Cognitive Load on the Quality of the Forensic Interview (2025).
- PLOS One: I Told You So! Verbal cue beliefs are associated with truth detection, but not lie detection (23 Januari 2026).
- Journal of Speech, Language, and Hearing Research: Uncovering Gender-Specific and Cross-Gender Features in Mandarin Deception: An Acoustic and Electroglottographic Approach (2024).
- Departemen Tenaga Kerja AS, Wage and Hour Division: Fact Sheet #36, Employee Polygraph Protection Act.
- Uni Eropa: Regulation (EU) 2024/1689, the Artificial Intelligence Act.
- Departemen Pekerjaan dan Pensiun Inggris: tanggapan Kebebasan Informasi 3039/2011; angka uji coba sebagaimana dilaporkan oleh The Register (10 November 2010), karena berkas evaluasi DWP aslinya tidak lagi dapat diakses secara daring.
- San Francisco Chronicle: investigasi penggunaan CVSA oleh lembaga penegak hukum California (4 Juni 2024).
- Klaim vendor (diberi label demikian, tidak ditautkan): situs web NITV (jumlah lembaga) dan situs web Clearspeed (akurasi validasi), keduanya dibaca pada November 2026.
- Catatan data: data akurasi independen inti tentang penganalisis stres suara komersial berusia 17 hingga 23 tahun (2003 hingga 2009), dan kami tidak menemukan validasi lapangan independen yang lebih baru; perlakukan angka akurasi dan adopsi vendor tahun 2026 sebagai pemasaran yang belum diverifikasi. Dua meta-analisis ucapan di bagian 5 bertentangan soal latensi respons. Studi pembelajaran mesin berkorpus kecil melaporkan angka jauh lebih tinggi daripada karya Columbia; satu bab buku 2025 tentang 121 klip video ruang sidang menyebut akurasi model audionya 93,57% di satu tabel dan 95,57% di teks, sehingga kami tidak memasukkan hasil semacam itu ke tabel utama. Studi mendengarkan 2025 dan 2026 menunjuk ke arah berlawanan soal apakah penilaian hanya-audio mengalahkan penilaian audiovisual, sehingga diperlukan meta-analisis baru sebelum menarik kesimpulan.
Terakhir diperbarui: 8 November 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika validasi lapangan independen berikutnya atas penganalisis stres suara komersial diterbitkan di jurnal yang ditelaah sejawat.