Ada rasa aneh ketika buka media sosial dan semua konten terasa “gue banget”.
Video tentang niche hobby yang baru dipikirin kemarin.
Restoran dekat kantor.
Topik kerja.
Meme yang sangat spesifik.
Creator yang belum pernah dicari tapi langsung cocok.
Personalization semakin bagus.
AI recommendation adalah alasan besar.
Platform tidak lagi mengandalkan siapa yang kita follow.
Mereka membaca signal.
Watch time.
Pause.
Like.
Share.
Comment.
Skip.
Search.
Account interaction.
Content similarity.
Kadang activity di luar platform, tergantung setting dan policy.
Lalu model memprediksi apa yang kemungkinan membuat kita tetap engaged.
Di 2026, personalisasi makin luas.
Meta pada Juni 2026 mengumumkan akan menggunakan informasi yang bisnis sudah bagikan ke Meta untuk membantu personalisasi content seperti Feed dan AI responses, selain ads, dengan kontrol melalui setting activity from other businesses.
Artinya feed tidak cuma belajar dari apa yang kita lakukan di feed.
Ecosystem signal bisa ikut membentuk.
Pertanyaan yang muncul:
Kalau sistem makin akurat menebak apa yang kita suka, apakah kita masih memilih?
Jawabannya bukan iya atau tidak.
Kita memilih, tapi di ruang yang sudah disusun.
Ini seperti masuk restoran dengan menu 500 item, lalu pelayan hanya menunjukkan 10 yang menurutnya cocok.
Kita tetap memilih dari 10.
Tapi 490 sisanya invisible.
Recommendation power bekerja melalui visibility.
Feed bukan memaksa kita menonton.
Feed menentukan apa yang punya kesempatan ditonton.
Ini subtle.
Dan sangat powerful.
Dulu follow button punya peran utama.
Kita memilih account.
Feed menampilkan.
Sekarang recommendation engine bisa memenuhi timeline dengan orang yang tidak di-follow.
Platform punya alasan.
Discovery.
Creator baru.
Relevance.
User tidak harus membangun network manual.
Bagus.
Tapi control bergeser.
Follow menjadi preference signal, bukan kontrak distribution.
Creator merasakan ini.
Follower banyak tidak menjamin reach.
User juga.
Kita mungkin follow 500 orang tapi hanya melihat sebagian.
AI ranking memutus.
Ada upside.
Feed lebih relevan.
Spam turun.
Content niche ditemukan.
Creator kecil bisa meledak tanpa follower besar.
Orang dengan interest langka menemukan community.
Recommendation democratizes distribution.
Tapi ada downside.
Optimization target.
Kalau model dioptimasi untuk engagement, dia akan mencari content yang membuat kita berhenti.
Bukan selalu content yang membuat kita lebih baik.
Outrage bisa engaging.
Anxiety.
Drama.
Conflict.
Extreme opinion.
Platform sudah mencoba menambahkan safety, wellbeing, diversity, quality, dan other objectives.
Tapi core tension tetap ada.
What user clicks versus what user values.
Tidak selalu sama.
Kita semua punya versi ini.
Niat buka Instagram lima menit.
Tahu-tahu 45 menit.
Feed berhasil.
Apakah kita memilih 45 menit?
Secara literal iya.
Tidak ada yang memaksa jempol.
Tapi interface dan recommendation dirancang supaya next content selalu menarik.
Autonomy bukan binary.
Ada degree.
Personalization memperhalus persuasion.
Di 2026, isu ini makin penting untuk teen.
Meta pada Juni 2026 menguji feature yang membantu teen mendapat lebih banyak variasi dalam feed dan mencegah exposure berulang pada jenis content tertentu.
Ini pengakuan bahwa recommendation repetition punya impact.
Kalau user terus berinteraksi dengan satu theme, model bisa mempersempit.
Untuk adult, effect serupa bisa terjadi.
Fitness content menjadi extreme diet.
Finance content menjadi high-risk speculation.
Political interest menjadi partisan rage.
Dating advice menjadi gender war.
Model tidak punya moral intention.
Dia melihat signal.
User berhenti lebih lama.
System belajar.
Feedback loop.
Bagaimana mempertahankan choice?
Pertama, gunakan control yang ada.
Not interested.
Mute.
Unfollow.
Following feed.
Chronological mode kalau tersedia.
Keyword filter.
Topic control.
Activity control.
Clear watch history.
Platform kadang memberi tool, tapi user jarang pakai.
Recommendation model belajar dari passive behavior.
Kita perlu memberi active feedback.
Kalau video toxic tapi ditonton sampai akhir karena marah, model mungkin membaca interest.
Jangan hate-watch terlalu lama lalu heran feed penuh hal yang dibenci.
Machine tidak selalu tahu emosi.
Dia tahu attention.
Kedua, sengaja mencari hal di luar feed.
Search manual.
Newsletter.
Bookmark.
Website.
Podcast.
Community.
Jangan biarkan entire information diet datang dari recommendation.
Feed bagus untuk discovery.
Buruk kalau menjadi satu-satunya jendela.
Choice membutuhkan alternative paths.
Ketiga, bedakan relevance dan importance.
Feed sangat bagus menebak apa yang menarik.
Tidak selalu apa yang penting.
News penting mungkin membosankan.
Policy local.
Financial statement.
Long-form analysis.
Learning material.
Kalau information diet hanya engagement-optimized, kita makan dessert terus.
User perlu intentional consumption.
Save reading list.
Long-form.
Source direct.
Keempat, personalization setting perlu lebih understandable.
Meta mengubah setting activity from other businesses pada 2026 supaya user bisa mengelola bagaimana data tersebut dipakai untuk personalization.
Tapi rata-rata user tidak membaca policy update.
Platform perlu dashboard:
“Kenapa saya melihat ini?”
“Signal apa?”
“Matikan topic?”
“Reset profile?”
Control harus accessible.
Bukan hidden.
Kita seharusnya bisa melihat approximate interest model.
Tidak perlu membuka proprietary algorithm.
Cukup category.
Technology.
Running.
Parenting.
Fashion.
Politics.
Dan edit.
Kalau Spotify bisa menunjukkan music taste, social feed bisa memberi visibility ke interest profile.
Ada privacy trade-off.
Menampilkan terlalu detail bisa creepy.
Tapi no visibility juga problematic.
User perlu agency.
Kelima, ada issue off-platform data.
Kalau business activity ikut personalisasi feed, user perlu paham scope.
Apa yang dibagikan?
Untuk apa?
Bisa opt-out?
Meta mengatakan tidak mengumpulkan data baru untuk update Juni 2026 tersebut, tetapi memperluas penggunaan informasi yang sudah diterima untuk personalisasi content dan AI responses.
Ini distinction penting.
Data collection dan data use dua hal berbeda.
User sering hanya fokus collection.
Purpose expansion juga matter.
Privacy setting perlu menjelaskan.
Keenam, AI-generated content membuat personalization lebih extreme.
Dulu algorithm memilih dari content yang sudah ada.
Sekarang generative AI bisa membuat content sesuai niche.
Supply menjadi almost infinite.
Model tidak hanya menemukan video tentang hobby lo.
Ecosystem bisa menghasilkan lebih banyak video untuk hobby itu.
Personalization dan generation bertemu.
Feed bisa menjadi ultra-personal.
Ini bisa useful.
Learning path custom.
Language.
Interest.
But risk bubble naik.
Kalau system bisa generate exactly what keeps user engaged, serendipity turun.
Platform perlu intentional diversity.
Randomness bukan bug.
Kadang kita butuh melihat sesuatu yang tidak diprediksi.
Meta test variety untuk teen adalah contoh.
Adult feed juga bisa benefit dari diversity controls.
Ketujuh, creator juga menyesuaikan ke algorithm.
Mereka melihat content apa yang perform.
Lalu membuat lebih banyak.
Algorithm shapes supply.
User behavior shapes algorithm.
Loop.
Bukan hanya platform memilih content.
Creator mengoptimasi untuk platform.
Result bisa homogen.
Hook sama.
Editing sama.
Topic sama.
AI generation mempercepat imitation.
Feed terasa personal tapi content-nya template.
Ini paradox.
Personal distribution.
Homogeneous production.
User mungkin perlu actively follow creator dengan originality.
Reward.
Share.
Subscribe.
Economic signal bisa membantu.
Kedelapan, platform business model.
Ads.
Engagement.
Commerce.
Semakin personalized feed, semakin valuable ad inventory.
Itu tidak otomatis evil.
Ads mendanai layanan gratis.
Problem muncul jika user wellbeing dan engagement selalu conflict.
Regulation bisa mendorong transparency atau optional non-personalized experience.
Di beberapa jurisdiction sudah ada movement ke arah user choice atas recommender systems.
2026 discussion akan makin kuat karena AI membuat ranking lebih opaque.
Buat user Indonesia, yang practical bukan menunggu regulator global.
Audit feed sendiri.
Seminggu sekali lihat:
Apa topik yang paling sering muncul?
Apakah karena benar-benar mau?
Apa yang bikin stress?
Apa yang cuma habit?
Unfollow dan not interested.
Follow source yang sengaja dipilih.
Turn off notification yang tidak perlu.
Simple.
Kita tidak bisa mengendalikan algorithm penuh.
Tapi kita bisa mengurangi signal sampah.
Ada juga family context.
Teen recommendation lebih sensitif.
Orang tua tidak perlu mengontrol semua content.
Tapi bisa membantu anak memahami bahwa feed bukan cermin dunia.
Feed adalah selection.
Kalau semua orang di feed terlihat kaya, cantik, marah, kurus, sukses, itu bukan sample populasi.
Itu machine-curated attention.
Literasi algorithm lebih penting daripada hafal platform feature.
Ada satu mental model yang sehat:
Feed bukan koran.
Feed bukan daftar teman.
Feed adalah prediction.
Prediction tentang apa yang mungkin membuat lo stay.
Kadang prediction bagus.
Kadang manipulatif secara efek meski tidak ada niat individual.
Begitu kita sadar, choice kembali sedikit.
Kita bisa bertanya:
“Gue nonton ini karena gue mau, atau karena next item terlalu gampang?”
Tidak semua scroll perlu dianalisis filosofis.
Social media juga hiburan.
Santai.
Tapi kalau feed mulai memengaruhi mood, belanja, politik, body image, atau waktu secara signifikan, awareness penting.
AI membuat feed makin personal.
Choice tidak hilang.
Choice berubah.
Dulu kita memilih content.
Sekarang kita juga perlu memilih signal apa yang kita berikan ke machine yang memilih content berikutnya.
Autonomy 2026 bukan cuma tombol follow.
Autonomy adalah kemampuan mengedit hubungan kita dengan algorithm.
Ada satu cara sederhana menguji agency: buka feed Following atau chronological selama beberapa hari jika platform menyediakan. Bandingkan mood dan informasi yang diterima dengan feed rekomendasi. Bukan untuk menentukan satu lebih baik, tapi melihat seberapa besar algorithm mengubah diet content.
Experiment kecil membuat personalization yang invisible menjadi lebih kelihatan.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Feed boleh memprediksi. User tetap perlu ruang untuk mengejutkan dirinya sendiri.
Bacaan terkait
Artikel ini berada dalam Social Media & Platforms dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.