Oleh: Anggun Aulia

(Mahasiswa Universitas Pamulang)

ASKARA - Saat membuka media sosial, kita sering merasa sedang mengambil keputusan secara bebas. Kita menentukan video mana yang ditonton, unggahan mana yang disukai, akun mana yang diikuti, dan konten mana yang dilewati. Namun, di balik setiap gerakan jari, sistem digital terus mengamati pola perilaku kita.

Konten yang ditonton sampai selesai, unggahan yang diberi tanda suka, komentar yang dibaca, kata kunci yang dicari, bahkan beberapa detik ketika kita berhenti pada sebuah video dapat dibaca sebagai sinyal. Dari sinyal-sinyal itulah algoritma belajar mengenai apa yang dianggap menarik bagi setiap pengguna.

Hasilnya adalah halaman media sosial yang semakin personal. Dua orang dapat membuka aplikasi yang sama pada waktu yang sama, tetapi memperoleh pengalaman yang sangat berbeda. Satu pengguna dapat dipenuhi konten olahraga, sedangkan pengguna lain melihat kecantikan, hiburan, pendidikan, investasi, politik, atau kehidupan pribadi orang lain. Semua itu terjadi karena sistem rekomendasi mencoba menampilkan sesuatu yang dianggap paling relevan bagi masing-masing pengguna.

Sekilas, mekanisme tersebut terdengar praktis. Mengapa seseorang harus melihat banyak konten yang tidak diminati jika teknologi dapat menyaringnya? Namun, dari sinilah muncul pertanyaan yang lebih penting: apakah kita benar-benar masih memilih apa yang ingin kita lihat, atau algoritma perlahan menentukan dunia seperti apa yang tersedia untuk kita lihat?

Pertanyaan tersebut semakin relevan di Indonesia. Laporan Digital 2026: Indonesia mencatat sekitar 180 juta identitas pengguna aktif media sosial di Indonesia, setara sekitar 62,9 persen dari total populasi pada akhir 2025. Angka ini memang tidak selalu sama dengan jumlah individu unik karena satu orang dapat memiliki lebih dari satu akun, tetapi tetap memperlihatkan betapa besar peran media sosial dalam kehidupan masyarakat Indonesia.

Media sosial kini tidak lagi sekadar tempat berbagi foto atau berkomunikasi dengan teman. Platform digital telah menjadi ruang penting untuk mencari berita, hiburan, rekomendasi produk, informasi kesehatan, materi pendidikan, hingga pendapat mengenai persoalan sosial.

Karena itu, apa yang dipilihkan oleh algoritma tidak hanya menentukan jenis video yang muncul ketika kita sedang santai. Sistem rekomendasi juga dapat memengaruhi jenis informasi yang kita temui setiap hari dan, secara tidak langsung, cara kita memahami realitas.

Secara sederhana, algoritma rekomendasi berusaha menampilkan konten yang paling mungkin membuat seseorang tertarik dan tetap berada di platform. Jika seorang pengguna sering menyukai konten olahraga, sistem akan menampilkan lebih banyak konten sejenis. Jika ia berkali-kali menonton video tertentu sampai selesai, algoritma menangkap pola itu lalu memberikan rekomendasi yang semakin mirip.

Masalah mulai muncul ketika personalisasi berlangsung terus-menerus. Semakin sering kita berinteraksi dengan satu jenis informasi, semakin besar kemungkinan kita menerima informasi serupa. Lama-kelamaan, halaman media sosial dapat terasa seperti gambaran umum tentang dunia, padahal sebenarnya hanya merupakan bagian dunia yang telah disaring berdasarkan perilaku digital kita sendiri.

Kondisi inilah yang dikenal sebagai filter bubble. Penelitian yang terbit pada Agustus 2026 dalam Jurnal Ilmu Komunikasi dan Media membahas bagaimana algoritma rekomendasi dapat membentuk filter bubble melalui mekanisme feedback loop. Dalam kondisi tersebut, pengguna terus menerima informasi yang serupa dengan pola interaksi sebelumnya sehingga keberagaman informasi yang diterima menjadi semakin terbatas. Penelitian itu juga mengaitkan kondisi tersebut dengan polarisasi opini, kerentanan terhadap disinformasi, dan perilaku informasi pengguna yang semakin pasif.

Bayangkan seseorang tertarik pada suatu isu lalu menonton beberapa video yang memiliki pandangan yang sama. Ia menyukai satu video. Algoritma kemudian memberikan video kedua dengan sudut pandang serupa. Video itu ditonton sampai selesai, lalu muncul video berikutnya. Pola itu terus berulang.

Setelah beberapa waktu, halaman media sosial pengguna bisa dipenuhi oleh pendapat yang hampir sama. Masalahnya, ketika suatu gagasan muncul berkali-kali, kita lebih mudah menganggapnya sebagai sesuatu yang umum. Jika hampir seluruh konten di halaman pribadi menyampaikan pendapat serupa, pengguna dapat merasa bahwa semua orang berpikir seperti ini.

Padahal, bisa jadi yang sebenarnya terjadi jauh lebih sederhana. Algoritma hanya mengetahui bahwa pengguna tersebut tertarik pada pendapat itu, kemudian terus menyajikannya kembali. Kenyamanan personalisasi akhirnya dapat berubah menjadi penyempitan informasi.

Penelitian yang dipublikasikan pada Juni 2026 mengenai Gen Z Indonesia juga menunjukkan bahwa algoritma rekomendasi pada TikTok, Instagram, YouTube, Facebook, dan X berperan dalam membentuk cara pengguna muda memperoleh dan memilih informasi. Penelitian tersebut secara khusus mengkaji hubungan antara algoritma rekomendasi, kesadaran algoritmik, perilaku pencarian informasi, dan pembentukan filter bubble pada Gen Z di Indonesia.

Situasi ini penting karena generasi muda tumbuh dalam lingkungan informasi yang sangat berbeda dibandingkan generasi sebelumnya. Dahulu, seseorang biasanya harus aktif mencari informasi. Ia membuka buku, membaca surat kabar, melihat majalah, atau mengetik kata kunci tertentu pada mesin pencari. Sekarang, informasi justru datang lebih dulu.

Begitu aplikasi dibuka, puluhan bahkan ratusan konten sudah disiapkan, bahkan sebelum pengguna menentukan apa yang ingin diketahui. Hubungan manusia dengan informasi pun berubah. Kita bukan lagi hanya pencari informasi, tetapi juga penerima informasi yang telah diseleksi lebih dahulu oleh sistem.

Persoalannya, algoritma tidak selalu bekerja berdasarkan pertanyaan tentang informasi mana yang paling benar, paling penting, atau paling bermanfaat. Sistem rekomendasi umumnya sangat memperhatikan kemungkinan sebuah konten menghasilkan keterlibatan.

Konten yang membuat orang berhenti, menonton, memberi komentar, atau membagikan unggahan memiliki nilai tinggi bagi platform. Akibatnya, konten yang paling menarik perhatian belum tentu menjadi konten yang paling berkualitas.

Informasi yang memancing marah, takut, penasaran, atau terkejut sering kali menghasilkan keterlibatan lebih besar dibandingkan penjelasan yang tenang dan lengkap. Di sinilah paradoks media sosial muncul. Informasi tersedia dalam jumlah hampir tidak terbatas, tetapi perhatian manusia tetap terbatas.

Ketika platform bersaing mempertahankan perhatian pengguna, konten yang paling efektif memancing respons emosional dapat memperoleh keuntungan lebih besar. Penelitian dalam BMC Public Health yang diterbitkan pada Juni 2026 menemukan bahwa anak muda mengalami pola paparan konten yang dibentuk oleh sistem rekomendasi berbasis keterlibatan. Studi tersebut menyoroti penguatan algoritmik terhadap keterlibatan, lingkaran umpan balik antara kondisi emosional dan rekomendasi, serta perasaan bahwa pengguna memiliki kontrol yang terbatas terhadap apa yang terus muncul di halaman mereka.

Temuan ini memperlihatkan bahwa persoalan algoritma bukan hanya urusan teknologi. Ia juga berkaitan dengan psikologi, kebiasaan, dan komunikasi manusia.

Misalnya, seseorang sedang merasa sedih lalu menonton beberapa video bertema kesedihan. Karena video-video itu ditonton lebih lama, algoritma dapat menganggapnya sebagai minat. Sistem kemudian menampilkan lebih banyak konten dengan suasana yang sama. Pengguna mungkin merasa bahwa media sosial memahami perasaannya, padahal sistem sebenarnya hanya membaca pola interaksi.

Jika pola tersebut terus berulang, suasana emosional pengguna dan rekomendasi konten dapat saling memperkuat. Penelitian 2026 lainnya mengenai algoritma Instagram juga membahas hubungan antara umpan berbasis algoritma, perbandingan sosial negatif, dan pengalaman mental remaja dalam konteks yang diteliti.

Namun, algoritma tentu tidak selalu membawa dampak buruk. Tanpa sistem rekomendasi, pengguna mungkin harus menyaring sendiri jutaan konten yang tersedia setiap hari.

Algoritma dapat membantu seseorang menemukan musik baru, resep masakan, materi pembelajaran, peluang kerja, komunitas dengan minat yang sama, bahkan pengetahuan yang sebelumnya tidak pernah ditemukan. Seorang mahasiswa bisa menemukan video pembelajaran karena sering berinteraksi dengan konten pendidikan. Pemilik usaha kecil dapat memperoleh ide pemasaran. Seseorang dengan hobi tertentu juga bisa terhubung dengan komunitas yang sebelumnya sulit ditemukan di lingkungan sekitar.

Karena itu, persoalannya bukan apakah algoritma perlu dihilangkan. Pertanyaan yang jauh lebih penting adalah seberapa sadar kita terhadap pengaruh algoritma tersebut.

Banyak pengguna masih menganggap halaman media sosialnya muncul secara alami. Padahal, hampir setiap bagian di dalamnya telah melalui proses penyaringan. Kesadaran ini penting justru karena algoritma bekerja paling efektif ketika keberadaannya nyaris tidak terasa.

Kita mungkin berpikir bahwa kita menyukai sebuah topik karena sering melihatnya. Namun, mungkin juga ketertarikan itu semakin kuat karena sistem terus menampilkan topik yang sama. Hubungan antara penyebab dan akibat akhirnya menjadi sulit dibedakan.

Situasi menjadi semakin rumit ketika algoritma bertemu dengan kecenderungan manusia untuk mencari informasi yang sesuai dengan keyakinannya sendiri. Dalam psikologi, manusia memang cenderung lebih mudah menerima informasi yang mendukung pandangan yang sudah dimiliki.

Ketika kecenderungan itu diperkuat oleh sistem yang terus menampilkan informasi serupa, pengguna dapat berada dalam ruang digital yang semakin jarang memperlihatkan sudut pandang berbeda. Dalam kondisi tertentu, hal tersebut dapat berkembang menjadi echo chamber, yaitu keadaan ketika pendapat tertentu terus dipantulkan kembali di dalam kelompok yang memiliki pandangan serupa.

Sebuah tinjauan sistematis terhadap penelitian selama periode 2015-2025 menunjukkan bahwa filter bubble, echo chamber, dan bias algoritmik menjadi perhatian penting dalam pembahasan mengenai pengalaman generasi muda di media sosial.

Akibatnya, dua orang yang tinggal di kota yang sama dapat memiliki gambaran sosial yang sangat berbeda hanya karena algoritma membentuk halaman mereka secara berbeda. Satu orang dapat merasa bahwa suatu isu sangat besar karena hampir setiap unggahan membahasnya. Orang lain mungkin bahkan tidak mengetahui isu tersebut sama sekali.

Kenyataan bersama akhirnya dapat terpecah menjadi kenyataan yang dipersonalisasi. Risiko menjadi lebih besar ketika informasi yang beredar belum terverifikasi.

Jika seseorang menerima konten yang sama berulang kali dari banyak akun, pengulangan dapat menciptakan kesan bahwa informasi tersebut pasti benar. Padahal, sepuluh akun yang menyebarkan informasi salah tetap menghasilkan informasi salah.

Jumlah unggahan tidak pernah otomatis menjadi ukuran kebenaran.

Karena itu, literasi digital pada era algoritma tidak cukup hanya berhenti pada kemampuan membedakan berita benar dan palsu. Pengguna juga perlu memahami mengapa informasi tertentu muncul di layar mereka sejak awal.

Pertanyaan seperti mengapa video ini direkomendasikan kepada saya, mengapa topik ini terus muncul, atau apakah saya benar-benar tertarik atau hanya terus berinteraksi karena marah dan penasaran dapat membantu pengguna melihat halaman media sosial dengan lebih kritis.

Ada beberapa cara sederhana untuk memperluas ruang informasi digital. Pengguna dapat sengaja mengikuti sumber dengan sudut pandang berbeda, membaca berita dari lebih dari satu media, mencari informasi secara aktif melalui mesin pencari, dan menghindari kebiasaan bereaksi cepat terhadap konten yang belum dipahami sepenuhnya.

Algoritma juga dapat dilatih melalui perilaku pengguna. Mengabaikan konten tertentu, memakai fitur tidak tertarik, berhenti mengikuti akun yang tidak bermanfaat, dan secara aktif mencari konten yang lebih beragam dapat mengubah pola rekomendasi secara bertahap.

Namun, tanggung jawab tentu tidak sepenuhnya berada di tangan pengguna. Platform teknologi juga perlu menyediakan transparansi yang lebih baik mengenai cara kerja sistem rekomendasi serta memberi pengguna kontrol yang lebih jelas terhadap jenis konten yang mereka terima.

Penelitian terbaru mengenai rekomendasi algoritmik dan kesehatan digital juga menekankan pentingnya literasi algoritmik sekaligus transparansi dan tata kelola platform. Artinya, persoalan ini tidak cukup diselesaikan hanya dengan meminta masyarakat memiliki pengendalian diri yang lebih baik.

Pada akhirnya, algoritma tidak mengetahui kebenaran dunia. Algoritma membaca pola. Ia mengetahui apa yang kita klik, apa yang kita tonton, apa yang kita sukai, dan apa yang membuat kita berhenti menggulir layar.

Karena itu, kita perlu mengingat bahwa beranda media sosial bukanlah dunia dalam bentuk utuh. Ia hanyalah versi dunia yang telah dipilihkan berdasarkan jejak digital kita sendiri.

Teknologi personalisasi dapat membuat pengalaman digital terasa nyaman, tetapi kenyamanan tidak selalu sama dengan keberagaman. Jika setiap hari kita hanya melihat sesuatu yang sesuai dengan minat, selera, dan keyakinan sendiri, kita dapat kehilangan kesempatan untuk bertemu dengan informasi yang menantang cara berpikir kita.

Di era ketika algoritma semakin pintar membaca manusia, kemampuan manusia untuk membaca algoritma menjadi sama pentingnya. Literasi digital bukan lagi hanya soal mampu menggunakan aplikasi, melainkan juga memahami bagaimana aplikasi membentuk apa yang kita lihat, pikirkan, dan anggap penting.

Kita tetap memiliki pilihan, tetapi pilihan itu membutuhkan kesadaran. Kita bisa berhenti sejenak sebelum menekan tombol like, mencari sumber lain sebelum membagikan informasi, dan sengaja keluar dari pola rekomendasi yang terlalu nyaman.

Pada akhirnya, pertanyaan terpenting bukan apakah algoritma memilihkan konten untuk kita. Itu sudah terjadi. Pertanyaan yang lebih penting adalah apakah kita masih cukup sadar untuk memilih bagaimana kita meresponsnya.

“Algoritma mungkin menentukan apa yang muncul di layar, tetapi kesadaran kitalah yang menentukan apakah informasi itu layak dipercaya, diikuti, atau dibagikan.”