Sistem Rekomendasi: Solusi atau Ancaman Bagi Kebebasan Informasi?
***
Perkembangan teknologi digital telah mengubah cara manusia menerima dan mengonsumsi informasi, terutama dengan munculnya sistem rekomendasi personalisasi. Sistem ini, yang didukung oleh algoritma kompleks, kini mendominasi distribusi informasi di platform online. Menurut Weikai Li dalam jurnal International Journal on Semantic Web and Information Systems(2024), sekitar 70% distribusi informasi di internet didasarkan pada algoritma rekomendasi. Contoh sukses besar seperti Amazon, di mana 35% penjualan produk disumbangkan oleh algoritma rekomendasi mereka, menunjukkan potensi besar teknologi ini dalam mendorong keterlibatan pengguna dan peningkatan pendapatan.
Namun, di balik inovasi ini, terdapat peningkatan kekhawatiran tentang dampak rekomendasi personalisasi terhadap kebebasan pengguna. Data dari survei yang dilakukan pada tahun 2021 menunjukkan bahwa 53,8% pengguna berpotensi mematikan fitur rekomendasi yang dipersonalisasi, sementara 28% lainnya merasa ragu untuk melakukannya. Hal ini diperkuat oleh regulasi pemerintah, seperti undang-undang di Tiongkok pada 2022 yang mewajibkan penyedia layanan rekomendasi algoritmik untuk memberi opsi kepada pengguna untuk menonaktifkan fitur tersebut. Dengan demikian, meskipun sistem rekomendasi dapat meningkatkan pengalaman pengguna, banyak pengguna merasa teknologi ini terlalu invasif dan mengurangi kebebasan dalam memilih informasi yang mereka konsumsi.
Penelitian Weikai Li memberikan perspektif baru dengan mengeksplorasi dampak karakteristik informasi---seperti keragaman informasi, kredibilitas, serta kekhawatiran privasi---pada niat pengguna untuk melanjutkan penggunaan fitur rekomendasi. Pendekatan ini membawa perhatian penting pada hubungan antara persepsi pengguna tentang kebebasan yang terancam dan ketergantungan mereka pada algoritma rekomendasi, yang hingga kini belum banyak ditelaah secara mendalam.
***
Penelitian yang dilakukan oleh Weikai Li (2024) menunjukkan bahwa persepsi pengguna terhadap rekomendasi personalisasi sangat dipengaruhi oleh karakteristik informasi yang mereka terima, terutama terkait dengan keragaman informasi dan kredibilitas. Dalam dunia yang semakin dipenuhi oleh algoritma, keragaman informasi memainkan peran penting. Ketika sistem rekomendasi hanya menyajikan informasi yang serupa atau monoton, pengguna mulai merasa terjebak dalam apa yang disebut sebagai "information cocoon." Ini adalah kondisi di mana pengguna hanya terpapar pada sudut pandang yang sempit, yang pada akhirnya mengurangi kemampuan mereka untuk membuat keputusan yang lebih luas dan akurat. Sebagai contoh, penelitian ini menunjukkan bahwa kurangnya keragaman informasi berkontribusi langsung terhadap meningkatnya risiko persepsi pengguna terhadap teknologi, dan menyebabkan penurunan niat untuk melanjutkan penggunaan hingga 15%.
Selain itu, kekhawatiran mengenai privasi juga menjadi penghalang utama dalam penggunaan sistem rekomendasi. Pengguna merasa bahwa semakin banyak data pribadi yang dikumpulkan oleh algoritma, semakin tinggi risiko pelanggaran privasi. Pada tahun 2023, sebuah laporan dari Tsinghua University mencatat bahwa 10% pengguna di Tiongkok memilih untuk mematikan fitur rekomendasi algoritmik dalam waktu setahun setelah undang-undang baru tentang privasi diberlakukan. Hal ini sejalan dengan temuan Li bahwa kekhawatiran privasi, atau privacy concerns(PC), mempengaruhi secara signifikan niat pengguna untuk melanjutkan penggunaan fitur ini. Dalam konteks survei yang dilakukan, lebih dari 40% responden menyatakan bahwa mereka merasa rentan terhadap pelanggaran privasi karena data pribadi mereka dimanfaatkan oleh sistem rekomendasi tanpa sepengetahuan atau persetujuan yang jelas.
Kredibilitas informasi juga menjadi elemen kunci yang tidak bisa diabaikan. Sistem rekomendasi yang menyajikan informasi yang dipercaya dan akurat akan lebih diterima oleh pengguna. Pengguna yang merasa informasi yang diberikan kredibel memiliki kecenderungan yang lebih tinggi untuk tetap menggunakan fitur rekomendasi. Dalam penelitian Li, kredibilitas informasi memiliki dampak negatif terhadap persepsi risiko, yang pada akhirnya meningkatkan niat pengguna untuk melanjutkan penggunaan fitur hingga 30% (Li, 2024). Oleh karena itu, kredibilitas dan transparansi menjadi penting dalam upaya mempertahankan kepercayaan pengguna.
Namun, sistem rekomendasi tidak selalu mampu mengatasi apa yang disebut sebagai "information overload" Ketika pengguna dibombardir dengan terlalu banyak informasi yang serupa, ini dapat menyebabkan kelelahan informasi (information fatigue), yang berdampak buruk pada pengalaman pengguna secara keseluruhan. Pengguna mulai merasa jenuh dan bahkan terganggu oleh kelebihan informasi ini, yang pada akhirnya mendorong mereka untuk mematikan fitur rekomendasi. Penelitian Li menegaskan bahwa informasi yang berlebihan dapat meningkatkan niat untuk menghentikan penggunaan sistem rekomendasi hingga 20% karena pengguna merasa kebebasan mereka dalam memilih informasi terancam.
***
