Model Komputasional Dinamika Eksplorasi Seleksi Pada Sistem Media Sosial Berbasis Algoritma Perspektif Brute Force

Abstract

Perkembangan media sosial berbasis algoritma telah mengubah distribusi informasi dari proses yang bersifat organik menjadi mekanisme seleksi komputasional yang bergantung pada akumulasi sinyal interaksi pengguna. Meskipun berbagai penelitian telah membahas dampak sosial sistem rekomendasi, masih terbatas kajian yang memformalkan hubungan antara pola interaksi kolektif pengguna dan mekanisme seleksi algoritmik sebagai suatu proses komputasional yang terstruktur. Penelitian ini bertujuan merumuskan model komputasional dinamika eksplorasi–seleksi dalam sistem media sosial berbasis algoritma dalam perspektif brute force untuk menjelaskan mekanisme pergeseran visibilitas topik. Novelty penelitian ini terletak pada pemaknaan dinamika media sosial sebagai proses eksplorasi sosial terdistribusi, di mana interaksi pengguna dipahami sebagai ruang eksplorasi masif, sementara sistem rekomendasi berfungsi sebagai mekanisme seleksi visibilitas. Penelitian menggunakan pendekatan kualitatif berbasis pengembangan model dengan analisis terhadap episode diskursus pada platform TikTok, dengan studi kasus pada akun Timoty, Ferry Irwandi, dan Bigmo. Data dianalisis melalui observasi konten publik, struktur komentar, pola respons, serta perkembangan partisipasi pengguna. Hasil penelitian menunjukkan bahwa pergeseran visibilitas topik tidak ditentukan oleh kualitas konten individual, melainkan oleh akumulasi eksplorasi sosial dalam bentuk komentar, balasan, dan konten turunan yang membentuk sinyal keterlibatan kolektif. Meskipun pola eksplorasi berbeda pada setiap kasus, seluruhnya memperlihatkan mekanisme seleksi algoritmik yang serupa. Penelitian ini menyimpulkan bahwa media sosial berbasis algoritma dapat dipahami sebagai sistem eksplorasi–seleksi terdistribusi yang relevan untuk dimodelkan secara komputasional