Lebih Akurat dari Jajak Pendapat, Lebih Berbahaya dari yang Dibayangkan: Pasar Prediksi dalam Pandangan The Fed

比推Dipublikasikan tanggal 2026-02-24Terakhir diperbarui pada 2026-02-24

Abstrak

Ringkasan: Pasar prediksi seperti Kalshi dan Polymarket telah terbukti lebih akurat daripada jajak pendapat tradisional dalam memprediksi hasil pemilu AS, berkat mekanisme uang nyata yang memaksa peserta menyatakan keyakinan mereka. Makalah dari ekonom Federal Reserve menunjukkan bahwa Kalshi dapat menjadi alat berharga bagi pembuat kebijakan, memberikan pembaruan real-time tentang indikator makroekonomi seperti inflasi dan pengangguran. Namun, ada risiko manipulasi jika pembuat kebijakan terlalu bergantung pada pasar ini, karena niat penggunaan mereka dapat menciptakan umpan balik yang memengaruhi pasar yang lebih besar. Meskipun demikian, komitmen keuangan dan dominasi peserta yang berpengetahuan membuat sinyal pasar prediksi lebih andal dan cepat daripada survei tradisional.

Sumber: The Token Dispatch

Penulis: Prathik Desai

Judul Asli: The Signal and the Noise


“Prediksi sering kali memberi tahu kita lebih banyak tentang si peramal daripada tentang masa depan.”

— Warren Buffett

Uang dapat menyaring omong kosong. Pendukung berpendapat, inilah alasan mengapa pasar prediksi dapat diandalkan. Kita melihat orang-orang di Polymarket dan Kalshi berhasil memprediksi hasil Pemilihan Presiden AS 2024 dengan akurat. Namun, pasar prediksi sendiri bukanlah hal baru, dan kesuksesan mereka dalam memprediksi hasil politik juga bukan yang pertama kali.

Pada Oktober 1988, sekelompok ekonom di University of Iowa mendukung keingintahuan akademis mereka dengan sebuah pasar prediksi kecil yang menggunakan uang sungguhan. Mereka meluncurkan pasar futures pemilihan presiden, di mana peserta dapat membeli kontrak: jika George H.W. Bush menang, kontrak membayar $1; jika Michael Dukakis menang, membayar $0. Pada malam pemilihan, kontrak Bush diperdagangkan pada harga 53 sen, sementara jajak pendapat tradisional menganggap pertarungannya sangat ketat. Pada akhirnya, Bush menang dengan 53.4% suara dan keunggulan solid 8 poin persentase.

Sejak eksperimen akademis itu, pasar futures beruang sungguhan semacam ini telah mengungguli jajak pendapat tradisional dalam setiap pemilihan yang diprediksi lebih dari 100 hari sebelumnya. Dalam pemilihan presiden AS sejak 1988, 74% kasusnya pasar prediksi lebih dekat dengan hasil akhir dibandingkan jajak pendapat.

Kesuksesan ini berasal dari sebuah mekanisme yang memaksa orang untuk mengekspresikan keyakinan nyata yang didukung uang sungguhan, sesuatu yang tidak pernah bisa dilakukan oleh kuesioner. Orang yang benar-benar percaya Bush akan menang membeli dan memegang kontrak. Bagi peserta acak, tidak ada insentif untuk membelanjakan $50 guna mendukung sebuah klaim yang mereka sendiri tidak percayai. Ketika perilaku seperti ini mengumpulkan ribuan trader, informasi berkumpul menjadi sebuah harga yang mencerminkan keyakinan nyata dari kelompok luas, bukan sampel skala kecil yang tidak proporsional.

Eksperimen akademis kecil di Iowa yang dijalankan dengan anggaran terbatas itu, kini telah berevolusi menjadi sebuah infrastruktur yang terinstitusionalisasi.

Minggu lalu, sebuah makalah kerja yang ditulis oleh ekonom afiliasi The Fed mencatat bahwa Kalshi, pasar prediksi terbesar yang diatur di AS, dapat menjadi patokan real-time yang berharga bagi pembuat kebijakan. Pada minggu yang sama, Ketua Bursa Saham New York (NYSE) Lynn Martin menyatakan bahwa Polymarket, pasar prediksi dengan volume perdagangan terbesar di dunia, pada malam pemilihan, menggerakkan futures indeks S&P dengan mematok kemenangan Donald Trump lebih awal dari lembaga berita mana pun. Tak lama kemudian, Kalshi mengumumkan kemitraan dengan sebuah platform perdagangan yang menangani volume kelembagaan harian senilai $2.6 triliun.

Dalam analisis mendalam hari ini, saya akan mengeksplorasi apakah pasar prediksi dapat berfungsi sebagai barometer yang andal untuk perumusan kebijakan, dan risiko apa yang mereka bawa.

Pasar Prediksi sebagai Alat Perumusan Kebijakan

Makalah tersebut menemukan bahwa prediksi Kalshi secara statistik mirip dengan konsensus ekspektasi Bloomberg, dengan kesalahan prediksi pada inti CPI dan tingkat pengangguran yang hampir identik. Bahkan, makalah juga menemukan bahwa prediksi Kalshi untuk inti CPI secara signifikan lebih unggul daripada perkiraan Bloomberg.

@FederalReserve

Meskipun performa statistiknya serupa, keunikan Kalshi terletak pada kemampuannya untuk memberikan pembaruan kurva probabilitas yang lebih sering dan real-time terhadap indikator makroekonomi seperti pertumbuhan PDB, inti CPI, dan tingkat pengangguran. Untuk perkiraan seperti inflasi, konsensus Bloomberg hanya tersedia beberapa bulan sebelum data dirilis. Hal ini membuat frekuensi perkiraan tradisional lebih rendah, dengan celah panjang yang tidak dapat mencerminkan pembaruan ekspektasi real-time.

Kalshi tidak hanya memberikan prediksi hasil, tetapi juga rentang ketidakpastian dan risiko ekor (tail risk) secara real-time. Pada awal April 2025, ketidakpastian mengenai kebijakan perdagangan sementara menaikkan ekspektasi inflasi. Meskipun ketidakpastian ini akhirnya tidak terwujud, Kalshi mematok dinamika perubahan ini secara real-time. Perkiraan bulanan Bloomberg tidak akan pernah dapat menangkap nuansa seperti ini.

@FederalReserve

Saat ini, ketika Gubernur The Fed berbicara dalam pertemuan Federal Open Market Committee (FOMC), odds pasar Kalshi bergerak secara real-time. Mereka mematok setiap kata yang diucapkan gubernur, memberikan perspektif bagi pembuat kebijakan tentang bagaimana trader menafsirkan informasi yang diharapkan.

Misalnya, ketika Christopher J. Waller menyampaikan komentar dovish sebelum pertemuan FOMC Juli 2025, probabilitas untuk tidak memotong suku bunga turun menjadi 75%. Setelah laporan pekerjaan Juni lebih kuat dari perkiraan, probabilitas ini dengan cepat pulih ke atas 90%. Seluruh ekspektasi trader yang didukung uang sungguhan disajikan di hadapan pembuat kebijakan dengan cara yang tidak dapat dilakukan oleh alat lain mana pun saat ini.

Siapa yang Berdagang di Pasar Ini?

Sebelum memutuskan seberapa besar kepercayaan pada pasar prediksi, penting untuk memeriksa siapa yang berdagang dan apa yang diwakili oleh volume.

Dalam periode September 2024 hingga Januari 2026, volume di Polymarket untuk pertemuan FOMC tumbuh 11 kali lipat, dari $59 juta menjadi $660 juta. Secara total, pasar FOMC Polymarket menangani $2.6 miliar, melebihi jumlah semua kategori budaya, ekonomi, geopolitik, dan sains di platform tersebut.

Jadi, siapa yang melakukan perdagangan dengan jumlah begitu besar pada pertemuan FOMC? Meskipun sulit untuk memastikannya di platform prediksi anonim seperti Polymarket, kita dapat berspekulasi: sulit untuk tidak membayangkan analis dari hedge fund makro yang terlibat dalam penyusunan laporan statistik ketenagakerjaan, atau manajer fund pasar uang yang akan untung jika suku bunga tidak diturunkan.

Mengapa mereka? Pasar Iowa berhasil karena jumlah orang yang menaruh uang sesuai kata-kata mereka melebihi peserta yang hanya berjudi tanpa informasi yang dapat diandalkan. Sambil memperhatikan risiko asumsi berlebihan, saya berpendapat bahwa ketika melibatkan kepentingan nyata dan uang dalam skala seperti ini, orang dengan informasi yang dapat diandalkan akan berkumpul ke pasar, yang mengarah pada penemuan harga yang lebih akurat.

Apa yang Perlu Diwaspadai

Semua ini tidak berarti bahwa pasar prediksi dapat menjadi alat pengukur yang sempurna bagi pembuat kebijakan.

Probabilitas dalam pasar prediksi juga mencerminkan preferensi risiko trader. Itu bukan refleksi mentah dari ekspektasi hasil. Misalnya, ketika Kalshi mematok probabilitas data CPI yang tidak menguntungkan sebesar 15%, sementara survei tradisional mematok 10%, kesenjangan ini dapat dijelaskan oleh dua faktor:

  1. Pasar prediksi mungkin mematok informasi real-time yang terlewat oleh konsensus Bloomberg.

  2. Trader mungkin membayar premi di pasar prediksi untuk lindung nilai (hedge) terhadap hasil yang tidak menguntungkan.

Pembuat kebijakan harus memahami apa yang dicerminkan oleh kesenjangan ini sebelum menganggap informasi ini sebagai sinyal untuk perumusan kebijakan.

Meskipun sinyal makroekonomi Kalshi bagi pembuat kebijakan tampaknya andal, lebih dari 85% dari total volume nominalnya berasal dari kategori olahraga.

@Dune

Saat ini, setidaknya ada 20 gugatan federal yang mempertanyakan arbitrase regulasi pasar prediksi yang dicapai melalui taruhan olahraga nasional.

Pasar FOMC di Kalshi dapat diandalkan sebagian karena taruhan olahraga menyediakan likuiditas dasar bagi platform melalui trader aktif, spread bid-ask yang sempit, dan infrastruktur market maker, yang menjaga agar semua pasar Kalshi beroperasi. Meskipun pasar makro beroperasi secara independen, mereka mendapat manfaat dari dasar ini. Jika taruhan olahraga menghilang di bawah tekanan regulasi, platform akan kehilangan mesin likuiditas yang menjaga spread tetap sempit dan kelangsungan harga. Pasar makro yang lebih tipis menjadi lebih mudah digerakkan dengan lebih sedikit uang, dan karenanya lebih rentan terhadap manipulasi.

Makalah The Fed merekomendasikan penggunaan Kalshi sebagai alat pemantauan, bukan masukan keputusan. Tetapi mengungkapkan niat ini sendiri adalah masalahnya.

Penulis menyarankan penggunaan Kalshi yang lebih besar untuk menafsirkan data yang masuk dan memeriksa interpretasi real-time terhadap komunikasi The Fed. Namun, karena niat untuk merujuk pasar prediksi diumumkan secara publik, hal ini dapat menciptakan umpan balik (feedback loop).

Misalnya, seorang pembuat kebijakan The Fed mungkin melihat probabilitas pemotongan suku bunga yang dipatok Kalshi sebesar 15%, lebih rendah dari yang mereka harapkan untuk disampaikan melalui keputusan. Sebagai tanggapan, mereka mungkin melunakkan nada dalam pidato berikutnya, yang pada gilirannya dapat menyebabkan fluktuasi di pasar suku bunga tradisional global. Masalah di sini adalah, sementara ukuran pasar FOMC Kalshi adalah $660 juta, ukuran futures dana federal mencapai ratusan miliar dolar. Yang pertama hanya membutuhkan posisi yang relatif kecil untuk mengubah odds. Seorang peserta yang memiliki dana cukup dan memahami bahwa menggerakkan Kalshi dapat memengaruhi pernyataan The Fed berikutnya (meskipun bukan keputusan), dapat memanfaatkan posisi yang relatif kecil untuk menggerakkan pasar yang jauh lebih besar. Komunikasi pembuat kebijakan dapat menjadi target manipulasi.

Situasi ini menyoroti perbedaan antara pasar futures Iowa 1988 dan pasar prediksi 2026. Ekonom Iowa saat itu hanya ingin menentukan apakah pasar dengan kepentingan nyata dapat menghasilkan prediksi yang lebih baik daripada survei. Saat itu, perumusan kebijakan tidak dipantau sedemikian rupa sehingga dapat mencegah manipulator.

Harga saat itu mencerminkan keyakinan nyata karena harga tersebut tidak mempengaruhi dunia. Mereka hanya memungkinkan orang yang memiliki wawasan untuk menguangkannya. Begitu The Fed secara terbuka mengumumkan (jika benar melakukannya) niatnya untuk menggunakan pasar prediksi sebagai masukan kebijakan, sifat ini hilang. Itu juga memperkenalkan elemen "performative" ke dalam perdagangan.

Namun, memasukkan odds pasar prediksi ke dalam kotak peralatan kebijakan bukanlah sebuah kesalahan. Komitmen keuangan masih dapat menyaring omong kosong. Peserta yang berpengetahuan terus mendominasi penemuan harga. Hasilnya adalah sinyal dalam hal kecepatan dan kekayaan distribusi yang tidak akan pernah bisa disaingi oleh survei. Untuk pasar FOMC, situasi ini lebih kuat daripada aplikasi lainnya: kedua belah pihak memiliki peserta, dengan kemampuan lindung nilai yang nyata, dan pasar lebih mencerminkan ekspektasi real-time melalui penetapan harga yang sering terhadap peristiwa real-time.

Pembuat kebijakan harus mewajibkan transparansi data open-source sebagai prasyarat adopsi formal. Jika data tidak dapat diaudit, manipulasi mungkin tidak terdeteksi. Mereka harus memahami bahwa sinyal dan noise berasal dari tempat yang sama. Orang dengan uang sungguhan dan keyakinan nyata dapat memberi tahu Anda apa yang mereka pikirkan secara real-time.

Bagi mereka yang cukup kuat untuk memainkan sistem, jendela peluang seperti ini tidak ada ketika ekonom Iowa melakukan eksperimen akademis selama beberapa dekade. Dan hari ini, jendela itu terbuka lebih lebar dari sebelumnya.


Twitter:https://twitter.com/BitpushNewsCN

Grup Komunikasi TG BitPush:https://t.me/BitPushCommunity

Langganan TG BitPush: https://t.me/bitpush

Tautan Asli:https://www.bitpush.news/articles/7614191

Pertanyaan Terkait

QApa yang membuat pasar prediksi dianggap lebih andal daripada jajak pendapat tradisional dalam memprediksi hasil pemilu?

APasar prediksi dianggap lebih andal karena menggunakan uang sungguhan yang memaksa peserta mengekspresikan keyakinan nyata, berbeda dengan jajak pendapat yang hanya mengandalkan kuesioner tanpa insentif finansial. Mekanisme ini menyaring informasi dari ribuan trader yang berkontribusi pada penemuan harga yang akurat.

QBagaimana penelitian Federal Reserve mengevaluasi keandalan Kalshi sebagai alat kebijakan?

APenelitian Federal Reserve menemukan bahwa prediksi Kalshi secara statistik sebanding dengan konsensus Bloomberg, dengan kesalahan prediksi yang hampir identik untuk CPI inti dan tingkat pengangguran. Kalshi bahkan lebih unggul dalam memprediksi CPI inti dan menyediakan update probabilitas real-time yang lebih frekuen.

QSiapa saja yang diduga menjadi pelaku perdagangan utama di pasar FOMC Polymarket?

APelaku perdagangan utamanya diduga adalah analis dari hedge fund makro yang terlibat dalam penyusunan laporan statistik tenaga kerja, atau manajer dana pasar uang yang memiliki kepentingan langsung terhadap perubahan suku bunga, karena mereka memiliki informasi andal dan motivasi finansial yang kuat.

QApa risiko utama jika pembuat kebijakan menggunakan pasar prediksi sebagai alat monitoring?

ARisiko utamanya adalah potensi manipulasi, dimana pelaku dengan dana besar dapat menggerakkan odds pasar dengan posisi relatif kecil untuk mempengaruhi komunikasi kebijakan Fed, menciptakan loop umpan balik yang dapat menggoyahkan pasar keuangan yang lebih besar seperti futures dana federal.

QMengapa likuiditas dari taruhan olahraga penting bagi keandalan pasar makro di Kalshi?

ALikuiditas dari taruhan olahraga (yang menyumbang 85% volume Kalshi) menyediakan infrastruktur market-making yang menjaga spread sempit dan kelancaran harga. Jika taruhan olahraga hilang due tekanan regulasi, pasar makro menjadi lebih tipis dan rentan terhadap manipulasi dengan dana kecil.

Bacaan Terkait

Dari Kode ke Kognisi: Panduan Panjang Evolusi Otak Robot

**Dari Kode ke Kognisi: Evolusi Otak Robot** Era robot sebelumnya bergantung pada kode yang dirancang dengan hati-hati untuk persepsi, perencanaan, dan kontrol (seperti PID), membatasi kemampuan generalisasi. Kemajuan datang dengan pembelajaran mendalam untuk persepsi visual dan pembelajaran penguatan untuk kontrol motorik, tetapi kebijakan tetap sempit. Titik balik terjadi dengan munculnya Model Bahasa Besar (LLM). LLM bertindak sebagai perencana tingkat tinggi, menerjemahkan instruksi bahasa alami menjadi urutan keterampilan atomik untuk dieksekusi oleh sistem robot tradisional (seperti ROS2). Ini adalah lompatan besar, tetapi LLM hanya penjadwal cerdas, bukan penggerak langsung. Lompatan berikutnya adalah Model Visi-Bahasa-Aksi (VLA). Model ini menggabungkan persepsi visual dan instruksi bahasa langsung ke dalam satu jaringan neural untuk menghasilkan perintah gerakan, menyatukan penalaran dan tindakan. Ini memungkinkan generalisasi yang lebih baik. Arsitektur populer (seperti di Figure AI, NVIDIA GR00T) menggunakan sistem "otak ganda": Model S2 yang besar dan lambat (7-9Hz) untuk penalaran tingkat tinggi, dan model S1 yang kecil dan cepat (200Hz) untuk menghasilkan gerakan halus. Lapisan S0 (1kHz) menangani keseimbangan dan koordinasi refleksif. Komputasi untuk kontrol keselamatan yang kritis dijalankan secara lokal di papan (mis., pada NVIDIA Jetson) karena masalah latensi dan keandalan jaringan. Cloud digunakan untuk antarmuka percakapan dan pembelajaran kumpulan data. Model sumber terbuka (seperti OpenVLA, NVIDIA GR00T, π0) sangat penting, memungkinkan startup mengadaptasi model dasar dengan data robot mereka sendiri, mempercepat inovasi. Namun, VLA masih memiliki keterbatasan: pemulihan kesalahan, efisiensi sampel, generalisasi lintas platform, perencanaan jangka panjang, dan pemahaman fisika yang mendalam. Di sinilah **Model Dunia** menjadi kunci. Model Dunia adalah jaringan neural yang memprediksi keadaan dunia masa depan berdasarkan keadaan saat ini dan tindakan yang diusulkan (misalnya, menghasilkan video yang disimulasikan). Ini memungkinkan robot untuk "berpikir sebelum bertindak", mensimulasikan berbagai skenario, mengevaluasi hasil, dan memilih tindakan terbaik sebelum eksekusi. Pendekatan ini meningkatkan pemulihan, generalisasi, perencanaan, keamanan, dan memungkinkan pembangkitan data sintetis skala besar. Arsitektur utama termasuk difusi video tingkat piksel (Cosmos/Sora), JEPA (LeCun), dan model dunia tindakan laten (Genie). Masa depan robot humanoid mungkin menggabungkan VLA dengan Model Dunia untuk perencanaan berbasis simulasi. Data (terutama melalui operasi jarak jauh) tetap menjadi penghalang utama. Sementara narasi "momen ChatGPT" untuk robot agak menyesatkan (saat ini lebih mirip era GPT-2), kemajuan menuju robot yang mampu beradaptasi secara umum sangat cepat. Evolusi dari kode buatan ke model dunia yang dipelajari secara perlahan memindahkan kecerdasan dari pikiran insinyur ke dalam sistem yang mampu memahami dan membayangkan dunia.

marsbit12m yang lalu

Dari Kode ke Kognisi: Panduan Panjang Evolusi Otak Robot

marsbit12m yang lalu

Gelembung AI Sedang Pecah

Judul asli: Gelembung AI Sedang Pecah Pasar saat ini mengalami volatilitas tinggi, dengan banyak yang menyatakan adanya "gelembung AI". Pendiri Bridgewater, Ray Dalio, mengakui adanya gelembung di pasar AI, sementara CEO NVIDIA, Jensen Huang, menekankan peluang besar dan ledakan permintaan daya komputasi. Keduanya benar. Memang ada gelembung di industri AI, tetapi ini adalah fenomena umum pada awal kemunculan teknologi disruptif, seperti gelembung dot-com tahun 2000. Meski menyebabkan kerugian besar saat itu, infrastruktur yang dibangun (seperti kabel serat optik) justru menjadi fondasi bagi raksasa teknologi seperti Netflix dan Zoom, serta era cloud. Ini mengikuti Hukum Amara: kita cenderung melebih-lebihkan dampak jangka pendek teknologi baru namun meremehkan dampak jangka panjangnya. Pada tahun 2026, investasi infrastruktur AI oleh raksasa cloud mencapai $690 miliar, jauh melampaui pendapatan gabungan perusahaan AI murni. Namun, logika di baliknya berbeda. Biaya inferensi AI (contoh: per juta token) telah turun lebih dari 99.7% sejak 2023. Penurunan biaya drastis ini, sesuai "Paradoks Jevons", justru mendorong peningkatan permintaan dan pengeluaran yang masif. Perusahaan sekarang menggunakan agen AI untuk menjalankan ribuan tugas seperti menulis kode atau menganalisis dokumen, membuka permintaan baru yang sebelumnya tidak ekonomis. Industri dari SaaS, biofarmasi, hingga manufaktur canggih sekarang mengadopsi "AI+". Pertanyaannya bukan lagi "apakah akan menggunakan AI", tetapi "bagaimana mengimplementasikannya secara optimal". Gelembung AI memang mulai pecah, terutama di tingkat perusahaan rintisan yang hanya mengandalkan konsep tanpa diferensiasi nyata. Ini adalah proses pemurnian pasar. Pergeseran mendasar sedang terjadi: 1. Nilai bergeser dari pengeluaran modal (CapEx) untuk infrastruktur ke pengeluaran operasional (OpEx) untuk aplikasi yang menyelesaikan masalah di industri spesifik. 2. Valuasi tinggi di infrastruktur dapat diserap seiring waktu oleh pertumbuhan pendapatan yang kuat, didukung oleh efisiensi nyata yang dibawa AI ke berbagai sektor. Sejarah teknologi ditandai oleh "penghancuran kreatif". Meski investasi besar dalam infrastruktur akan menyebabkan koreksi pasar dan menghilangkan perusahaan yang tidak berkelanjutan, hasil akhirnya adalah infrastruktur komputasi yang murah dan kuat serta algoritma yang teroptimasi. Seperti internet yang kini mendasari semua industri, kita sedang menuju era di mana semua industri akan ditransformasi dan diberdayakan oleh AI. Di balik kegaduhan gelembung, tenaga produktif dasar terus berkembang tanpa henti.

marsbit26m yang lalu

Gelembung AI Sedang Pecah

marsbit26m yang lalu

43 Menit Trump: Narasi Pemimpin Kuat Tak Terkendali, Perang Media Memanas

Presiden AS Donald Trump kembali muncul di depan publik setelah menghilang lebih dari seminggu, dalam konferensi pers selama 43 menit yang dimaksudkan untuk menunjukkan kendali. Namun, pidatonya justru menyimpang ke topik-topik seperti kolam refleksi, perbandingan jumlah massa dengan Martin Luther King, serta serangan terhadap jurnalis, lawan politik, dan sejumlah kota AS. Ia menandatangani perintah eksekutif yang menghapus perlindungan jabatan bagi ribuan pegawai federal senior, berpotensi memperkuat loyalitas pribadi di atas profesionalisme. Trump secara pribadi menyerang jurnalis CNN, Kaitlan Collins, menyebutnya "penuh kebencian". Artikel ini menyoroti tekanan pada media independen, mengutip pemecatan veteran CBS Scott Pelley yang menolak campur tangan editorial untuk menyenangkan pemerintahan. Penulis menekankan pentingnya mendukung jurnalis dan media independen sebagai penjaga fakta publik ketika media arus utama menghadapi tekanan politik dan komersial. Aktivitas tiba-tiba diakhiri secara mendadak oleh stafnya, meninggalkan kesan kepanikan. Sementara itu, di tengah kekhawatiran tentang kesehatannya dan perang di Iran, empat anggota Partai Republik di DPR mendukung resolusi yang menuntut penghentian perang, menunjukkan retakan dalam dukungan partainya. Artikel ini menggambarkan penampilan Trump sebagai pertunjukan politik yang penuh kecemasan, yang mencerminkan ketegangan institusional AS: perluasan kekuasaan pribadi, pelemahan birokrasi, erosi kepercayaan media, dan penyusutan ruang fakta publik.

marsbit5j yang lalu

43 Menit Trump: Narasi Pemimpin Kuat Tak Terkendali, Perang Media Memanas

marsbit5j yang lalu

Trading

Spot
Futures
活动图片