Jakarta – Pernah merasa linimasa media sosial justru dipenuhi unggahan yang membuat kesal atau bertentangan dengan pandangan pribadi? Fenomena tersebut ternyata dapat berkaitan dengan cara algoritma membaca interaksi pengguna.
Sebuah studi yang dipublikasikan dalam jurnal Proceedings of the National Academy of Sciences menemukan bahwa konten yang tidak disukai pengguna dapat lebih sering muncul karena pola interaksi yang dilakukan pengguna sendiri. Penelitian tersebut melibatkan 715 pengguna X di Amerika Serikat.
Algoritma Bisa Memperkuat Konten yang Berlawanan
Peneliti menemukan bahwa algoritma linimasa X cenderung memperkuat unggahan mengenai tradisi, kepatuhan terhadap aturan, dan keamanan masyarakat.
Sebaliknya, unggahan mengenai kepedulian terhadap orang lain, orang-orang di tempat jauh, sikap dapat diandalkan, serta perlindungan lingkungan ditemukan lebih sedikit muncul di linimasa.
Menariknya, pengguna sejak awal justru cenderung mengikuti akun yang memiliki nilai dan prinsip yang serupa dengan mereka. Namun, algoritma kemudian lebih sering mempromosikan konten yang bertentangan dengan nilai tersebut.
Kenapa Konten yang Tidak Disukai Malah Muncul?
Salah satu jawabannya ternyata ada pada cara kita bereaksi terhadap konten tersebut.
Peneliti menganalisis berbagai bentuk interaksi pengguna, mulai dari like hingga komentar. Hasilnya menunjukkan bahwa banyak pengguna justru memberikan respons terhadap unggahan yang tidak mereka setujui.
Pada X, komentar menjadi salah satu sinyal yang dianggap lebih kuat dibandingkan jumlah like. Akibatnya, ketika seseorang sering berkomentar pada konten yang sebenarnya tidak disukai, algoritma dapat membaca aktivitas tersebut sebagai sinyal bahwa konten itu menarik perhatian.
Akhirnya, konten serupa berpotensi semakin sering muncul di linimasa.
Algoritma Belajar dari Kebiasaan Pengguna
Secara sederhana, algoritma media sosial merupakan sistem yang menggunakan berbagai data perilaku pengguna untuk memprediksi konten yang kemungkinan akan menarik perhatian.
Data tersebut dapat berasal dari riwayat tontonan, pencarian, hingga interaksi pengguna. Sistem kemudian menggunakan informasi tersebut untuk menyusun rekomendasi yang dipersonalisasi.
Ada beberapa pendekatan yang umum digunakan dalam sistem rekomendasi, antara lain:
- Collaborative filtering, berdasarkan kesamaan perilaku antar pengguna.
- Content-based filtering, berdasarkan karakteristik konten yang sebelumnya diminati.
- Hybrid system, yang menggabungkan kedua pendekatan tersebut.
Hati-hati Memberikan Respons
Temuan ini memberikan pelajaran menarik bagi pengguna media sosial. Konten yang membuat kita marah belum tentu perlu mendapatkan respons.
Komentar, balasan, atau interaksi lainnya dapat menjadi sinyal bagi sistem rekomendasi bahwa sebuah konten menarik perhatian kita.
Jadi, jika ingin mengurangi kemunculan konten tertentu, salah satu hal yang dapat dilakukan adalah mengurangi interaksi terhadap konten tersebut dan lebih aktif berinteraksi dengan konten yang memang ingin kita lihat.
Pada akhirnya, linimasa media sosial bukan sekadar cerminan dari apa yang kita sukai. Ia juga merupakan cerminan dari bagaimana kita berperilaku ketika menggunakan platform tersebut.
