Efektivitas Model SI2V2 dalam Menilai Viralitas Meme
 Kemajuan teknologi informasi telah membawa perubahan besar dalam cara kita berinteraksi dan berbagi informasi. Salah satu dampak paling nyata adalah penyebaran informasi melalui media sosial, yang berlangsung dengan cepat dan masif. Dalam konteks ini, artikel yang ditulis oleh Saike He dan rekan-rekannya dalam Decision Support Systems edisi September 2024 menjadi sorotan penting. Artikel berjudul "Modeling the co-diffusion of competing memes in online social networks" ini meneliti fenomena bagaimana meme yang bersaing menyebar di dalam jaringan sosial online. Dalam penelitian mereka, para penulis mengembangkan model berbasis teori epidemi untuk memprediksi hasil dari kompetisi antar meme yang viral di media sosial.
Di era digital ini, fenomena penyebaran informasi tak hanya terbatas pada berita atau konten informatif, namun juga mencakup meme, yang dapat berupa informasi faktual maupun misinformasi. Studi ini menyadari pentingnya memahami mengapa beberapa meme mampu mendominasi percakapan publik sementara yang lain gagal mencapai perhatian massa. Di sini, pendekatan mereka yang menggunakan model epidemi klasik seperti SIR (Susceptible-Infectious-Recovered) menjadi sangat relevan, terutama dalam konteks informasi yang bersifat viral dan kompetitif. Penelitian ini memberikan kerangka yang mendalam untuk memahami bagaimana informasi yang bertentangan dapat menyebar dan bersaing di lingkungan media sosial, yang berpotensi menghasilkan dampak luas pada opini publik, seperti yang terlihat pada peristiwa-peristiwa besar seperti pemilihan presiden atau pandemi COVID-19.
Pendekatan yang dilakukan oleh Saike He dan timnya menjadi bukti bahwa dalam dunia informasi digital, viralitas bukanlah satu-satunya faktor penentu suksesnya sebuah kampanye atau pesan. Ada dinamika yang lebih kompleks, dan model ini memberikan wawasan berharga untuk memahami proses tersebut.
***
Artikel karya Saike He dan rekan-rekannya ini tidak hanya menjelaskan fenomena penyebaran meme, tetapi juga menghadirkan inovasi dalam model penyebaran informasi yang bersaing di media sosial. Salah satu kontribusi utama mereka adalah pemanfaatan model epidemi SIR untuk memprediksi dominasi sebuah meme di jaringan sosial. Dengan menggunakan model SI2V2, yang merupakan varian dari model epidemi, penelitian ini membagi pengguna (atau node) menjadi tiga kategori: rentan (susceptible), terinfeksi (infected), dan waspada (vigilant). Hasil eksperimen menunjukkan bahwa meme yang memiliki "kekuatan infeksi" lebih besar akan mendominasi, sementara meme yang tidak bisa mencapai ambang epidemi akan gagal. Dalam uji coba yang dilakukan, dengan menggunakan dataset jaringan sintetik dan nyata, mereka menemukan bahwa model ini mampu memprediksi dominasi dengan akurasi yang cukup tinggi, mencapai lebih dari 85% di berbagai skenario jaringan.
Data yang disajikan juga menarik, terutama dalam konteks prediksi dominasi meme pada jaringan sosial nyata seperti jaringan Yahoo! yang melibatkan 4.865 node dan 5.278 edge. Dalam kasus ini, model berhasil menunjukkan bahwa sebuah meme dengan kekuatan penyebaran tinggi akan mendominasi lebih dari 70% jaringan dalam simulasi, sementara meme yang bersaing hanya mampu bertahan di bawah ambang 30% sebelum akhirnya kehilangan daya saingnya Angka-angka ini tidak hanya menunjukkan keakuratan model, tetapi juga memberikan wawasan praktis bagi pengambil keputusan di berbagai bidang, termasuk politik, pemasaran, dan manajemen krisis.
Dalam skenario nyata, seperti pemilihan presiden 2016 di AS, kompetisi antara meme pro-Trump dan anti-Trump menggambarkan bagaimana informasi dapat membentuk opini publik. Dengan memodelkan situasi ini, Saike He dan timnya berhasil mengidentifikasi bahwa informasi yang lebih cepat dan efektif dalam menarik perhatian pengguna, meskipun mengandung misinformasi, sering kali memiliki peluang lebih besar untuk mendominasi diskusi public. Ini relevan dengan dinamika kontemporer di mana informasi yang salah sering kali lebih mudah viral dibandingkan informasi yang benar.
***
Selain itu, penelitian ini juga menyoroti pentingnya mempertimbangkan inaktivitas pengguna dalam model penyebaran. Banyak model penyebaran sebelumnya gagal memperhitungkan faktor ini, padahal dalam kenyataannya, pengguna tidak selalu aktif atau terlibat secara konstan di media sosial. Memasukkan faktor inaktivitas ini meningkatkan akurasi prediksi dan relevansi hasil penelitian dengan kondisi nyata di lapangan.
Penelitian yang dilakukan oleh Saike He dan timnya memberikan wawasan yang signifikan terhadap dinamika penyebaran informasi di jaringan sosial online, khususnya dalam konteks persaingan antar meme. Dengan memanfaatkan model epidemi SI2V2, mereka berhasil menjelaskan bagaimana sebuah meme dapat mendominasi atau kalah dalam kompetisi penyebaran, berdasarkan ambang epidemi dan kekuatan infeksi. Data empiris yang disajikan, seperti tingkat dominasi yang mencapai 70% di jaringan nyata, memperkuat validitas model yang mereka tawarkan. Penelitian ini tidak hanya relevan bagi kalangan akademisi, tetapi juga memiliki implikasi praktis yang luas, mulai dari strategi pemasaran hingga pengelolaan krisis informasi di media sosial.
