ISSN 2477-1686
Vol. 11 No. 42 September 2025
Scroll Tanpa Sadar, Diagnosa Tanpa Validasi: Fenomena Self-Diagnosis di Era Algoritma
Oleh:
Murni Widya Ningsih
Program Studi Magister Psikologi, UIN Syarif Hidayatullah Jakarta
Kehidupan era digital kontemporer yang terus mengalami perkembangan pesat membuat pengguna semakin tidak dapat dipisahkan dari layanan media sosial, bahkan semakin melekat dalam kehidupan sehari-hari. Statista (2023) melaporkan bahwa rata-rata waktu yang dihabiskan pengguna internet global untuk mengakses media sosial mencapai lebih dari dua jam per hari. Hal ini dapat kita lihat dalam keseharian, di mana seseorang sering kali membuka ponsel tanpa sadar, bahkan hanya sekadar memeriksa notifikasi yang masuk.
Kemampuan teknologi digital saat ini bukan hanya dapat memberikan manfaat, tetapi juga dapat menghadirkan berbagai konten kesehatan mental tanpa mengalami penyaringan terpersonalisasi otomatis oleh algoritma di dalam sistem, menurut Corzine & Roy (2024). Situasi tersebut dapat menjadi pemicu perilaku self-diagnosis di kalangan pengguna media sosial, yang dilakukan tanpa memperoleh verifikasi dari tenaga profesional. Fenomena ini seperti melihat diri di cermin yang buram, merasa mengenali bayangan, namun sebenarnya tidak tahu secara pasti apakah benar bayangan itu adalah diri sendiri. Lalu, sudahkah kita memahami apa itu self-diagnosis?
Mari Mengenal Self-Diagnosis
Self-diagnosis merupakan proses ketika individu melakukan identifikasi mengenai ada tidaknya gangguan kesehatan fisik ataupun mental pada diri sendiri dengan tidak melibatkan verifikasi yang berasal dari tenaga profesional, menurut Aboueid, dkk (2019). Proses ini umumnya dilakukan melalui penjelajahan informasi yang bersifat non klinis yang tampil sangat terbuka tanpa adanya validasi ilmiah di berbagai layanan media sosial, seperti YouTube, TikTok, Instagram, dan lainnya. Ranah kesehatan mental menilai bahwa fenomena ini semakin menonjol seiring dengan terbukanya akses tanpa batas terhadap informasi psikologis yang tersebar luas di berbagai platform digital. Barangkali kita pernah melihat orang di sekitar atau bahkan diri sendiri mencoba melakukan pencocokan gejala yang ditemukan di media sosial dengan yang dirasakan, misalnya setelah menonton video mengenai gangguan kecemasan, lalu mulai merasa-rasa tanda gangguan pada dirinya.
Tidak dapat disangkal pula bahwa ketersediaan informasi tersebut dapat meningkatkan kesadaran masyarakat terhadap isu kesehatan mental. Namun perilaku self-diagnosis membawa banyak risiko, sehingga sangat penting untuk diwaspadai secara sadar. Starcevic dan Berle (2013) mengingatkan bahwa kesimpulan self-diagnosis mengenai kondisi psikologis dapat menghasilkan interpretasi yang keliru, menimbulkan kecemasan yang berlebihan, dan bahkan menyebabkan keterlambatan dalam mencari bantuan profesional. Risiko ini semakin parah, dengan melihat cara kerja algoritma media sosial yang memberikan perhatian terhadap konten serupa berdasarkan riwayat penggunaan. Hal ini membuka peluang terjadinya efek bias dan persepsi yang tidak akurat terhadap suatu gangguan psikologis berdasarkan Corzine & Roy (2024).
Mekanisme Algoritma dan Efek terhadap Self-Diagnosis
Algoritma yang bekerja pada media sosial yaitu dengan mengatur urutan dan jenis konten yang disajikan berdasarkan kecenderungan pengguna dalam menentukan tayangan pilihan. Fenomena semacam ini menurut Pariser (2011) disebut dengan filter bubble, kondisi ketika seseorang hanya terekspos pada informasi yang sesuai dengan minat dan keyakinannya yang ditinjau dari rekam jejak interaksi sebelumnya. Sejalan dengan hal ini, Cindelli et al. (2021) menemukan bahwa mekanisme algoritma seperti itu dapat memperkuat echo chamber effect, di mana pengguna menjadi terjebak dalam lingkungan informasi yang seragam dan minim keragaman sudut pandang lainnya.
Ranah kesehatan mental menjelaskan bahwa saat pengguna melakukan interaksi terhadap konten-konten terutama yang berkaitan dengan gangguan psikologis, maka secara algoritma akan mengantarkan pada tayangan konten serupa. Paparan yang berulang ini dapat memperkuat keyakinan pengguna bahwa terdapat gangguan tersebut di dalam dirinya, walaupun tidak dibarengi dengan diagnosis valid dan evaluasi dari tenaga profesional. Tentu hal ini menjadi semakin problematik saat suatu informasi diterima dari sumber yang tidak jelas latar belakangnya secara klinis.
Faktor Psikologis yang Memperkuat Self-Diagnosis
Aspek teknologi tidak berdiri sendiri dalam memberikan pengaruh terhadap perilaku self-diagnosis ini, tetapi juga didukung dengan faktor psikologis pengguna itu sendiri. Secara sederhana, otak kita cenderung mencari pembenaran terhadap yang kita yakini, sedangkan media sosial memanjakan kecenderungan itu dengan terus memberikan informasi yang relate. Nickerson (1998) menyatakan bahwa confirmation bias merujuk pada kecenderungan seseorang untuk mencari dan menerima informasi yang dianggap mendukung keyakinan yang sebelumnya dimiliki. Pemikiran ini menjadi salah satu faktor psikologis yang dapat mendorong kemunculan perilaku self-diagnosis. Pengguna media sosial yang merasa mempunyai gejala yang ditampilkan di dalam konten, maka ranah fokusnya akan mendukung asumsi tersebut dan tidak memedulikan informasi yang dapat membantahnya.
Tidak hanya itu, availability heuristic yang menurut Tversky & Kahneman (1973) mempunyai peran saat informasi sering tervisualisasi dalam ingatan, menjadi lebih memiliki relevansi dalam mendukung perilaku self-diagnosis. Selanjutnya, health anxiety menjadi faktor lain yang menambah terdukungnya perkembangan perilaku self-diagnosis ini. Asmundson & Taylor (2020) menambahkan bahwa kondisi ini merupakan tingkat kecemasan yang berlebihan terhadap kesehatan yang membuat seseorang menjadi sensitif pada informasi yang berhubungan dengan gangguan psikologisnya. Adanya kombinasi dari tiga faktor tersebut memberikan potensi terhadap perilaku self-diagnosis menjadi berkembang tetapi masih dipertanyakan keakuratannya, atau bahkan salah dalam menginterpretasikan.
Dampak Negatif Self-Diagnosis
Interpretasi yang muncul dari hasil self-diagnosis tanpa adanya konfirmasi dari tenaga profesional, ini menghadirkan risiko berupa peningkatan dampak negatif. Beberapa dampak tersebut diantaranya menurut Starcevic & Berle (2013) secara emosional menjadikan kecemasan yang semakin meningkat, self-labeling, dan over-pathologizing, yakni memberikan penilaian terhadap setiap perilaku sehari-hari sebagai bentuk indikator gangguan psikologis. Secara perilaku menurut Singh et al. (2016), self-diagnosis membuat pengguna media sosial menunda-nunda untuk mencari bantuan profesional karena merasa telah mengetahui kondisinya dan mencoba mengintervensi dirinya secara mandiri yang tidak tepat.
Menindaklanjuti hal tersebut, maka dampak negatif ini sangat memerlukan perhatian. Hal ini karena keyakinan atas self-diagnosis membuat pengguna sosial media mengalami self-stigma, merasa berbeda dari orang lain dan cenderung menarik diri dari interaksi sosial. Contoh ringannya, pengguna mulai menghindari pertemuan keluarga karena takut dianggap bermasalah. Adanya stigma ini justru memperburuk gejala yang dialami pengguna dan memperkecil peluang untuk pulih.
Dampak Positif Self-Diagnosis
Selain dampak negatif, self-diagnosis juga memiliki dampak positif. Sering kita jumpai konten edukasi kesehatan mental menjadi jembatan awal bagi pengguna untuk akhirnya berani mencari bantuan profesional. Fenomena ini menurut Naslund et al. (2016) meningkatkan kesadaran masyarakat mengenai kesehatan psikologis yang disebabkan kemudahan akses terhadap informasi kesehatan mental melalui media sosial. Misalnya, seseorang yang awalnya mengalami keraguan dalam memutuskan untuk konsultasi atau tidak, justru semakin mantap memutuskan untuk membuat pertemuan dengan tenaga profesional setelah melihat cerita orang lain yang tayang melalui konten di media sosial. Konten edukasi kesehatan mental yang selalu diakses membuat pengguna tidak hanya dapat mengetahui gejala awal dari gangguan psikologis yang mungkin dialami, tetapi juga membuat pengguna lebih cepat dalam mencari bantuan profesional. Selanjutnya, pembahasan kesehatan mental yang terbuka secara digital berkontribusi secara aktif menurunkan stigma, karena pengguna belajar memahami diri. Meskipun seperti itu, mendapatkan verifikasi dari tenaga profesional kesehatan mental tetap menjadi kunci utama untuk memastikan diagnosis yang tepat.
Strategi Mengatasi Self-Diagnosis
Perilaku self-diagnosis dapat diminimalisir perkembangannya dengan melibatkan peran individu sebagai pengguna media sosial, penyedia platform yang menghadirkan konten kesehatan mental, dan tenaga profesional kesehatan mental. Salah satu langkah yang dapat dilakukan adalah meningkatkan literasi digital sekaligus pemahaman tentang kesehatan mental. Literasi kesehatan yang dimaksud menurut Sørensen et al. (2012) adalah kemampuan dalam keterampilan mengakses, memahami, mengevaluasi, dan memanfaatkan informasi yang diterima secara tepat.
Selanjutnya, platform media sosial memverifikasi kreator digital dalam membagikan informasi mengenai kesehatan mental dengan menambahkan peringatan pada konten yang berpotensi salah pemaknaan. Terakhir, tenaga profesional kesehatan mental dapat berkolaborasi aktif menjalin kerjasama dengan kreator digital untuk menampilkan konten-konten edukatif mengenai kesehatan mental, sehingga informasi yang sampai pada pengguna media sosial lebih akurat dan dimaknai dengan benar.
Fenomena self-diagnosis memperlihatkan bahwa di tengah derasnya arus informasi, masyarakat semakin rentan terhadap bias algoritma yang membentuk persepsi mengenai kesehatan mental. Interaksi berulang pada konten yang serupa dapat memunculkan keyakinan yang keliru, bahkan sebelum seseorang melakukan validasi kepada tenaga profesional. Kondisi ini menjadi tantangan yang hadir dalam ranah psikologi di era digital, sehingga memerlukan keseimbangan antara literasi digital dan memahami risiko yang hadir.
Menilik penjelasan tersebut di atas, penting bagi masyarakat untuk memahami bahwa kesehatan mental bukanlah sekadar label, tetapi perjalanan untuk memahami diri yang membutuhkan panduan profesional dalam upaya menjaga kesehatan mental yang berkualitas. Selalu ingat, bahwa algoritma mungkin memengaruhi layar kita, tetapi kitalah yang memegang kendali terhadap cara memaknainya.
Referensi:
Aboueid, S., Liu, R. H., Desta, B. N., Chaurasia, A., & Ebrahim, S. (2019). The use of artificially intelligent self-diagnosing digital platforms by the general public: scoping review. JMIR medical informatics, 7(2), e13445. https://doi.org/10.2196/13445
Asmundson, G. J., & Taylor, S. (2020). How health anxiety influences responses to viral outbreaks like COVID-19: What all decision-makers, health authorities, and health care professionals need to know. Journal of Anxiety Disorders, 71, 102211. https://doi.org/10.1016/j.janxdis.2020.102211
Cinelli, M., De Francisci Morales, G., Galeazzi, A., Quattrociocchi, W., & Starnini, M. (2021). The echo chamber effect on social media. Proceedings of the national academy of sciences, 118(9), e2023301118. https://doi.org/10.1073/pnas.2023301118
Corzine, A., & Roy, A. (2024). Inside the black mirror: current perspectives on the role of social media in mental illness self-diagnosis. Discover Psychology, 4(1), 40. https://doi.org/10.1007/s44202-024-00152-3
Lewandowsky, S., Ecker, U. K., & Cook, J. (2017). Beyond misinformation: Understanding and coping with the “post-truth” era. Journal of applied research in memory and cognition, 6(4), 353-369. https://doi.org/10.1016/j.jarmac.2017.07.008
Naslund, J. A., Aschbrenner, K. A., Marsch, L. A., & Bartels, S. J. (2016). The future of mental health care: peer-to-peer support and social media. Epidemiology and psychiatric sciences, 25(2), 113-122. https://doi.org/10.1017/S2045796015001067
Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of general psychology, 2(2), 175-220. https://doi.org/10.1037/1089-2680.2.2.175
Pariser, E. (2011). The filter bubble: What the Internet is hiding from you. penguin UK.
Singh, K., Brown, R., & Fox, J. R. (2016). Health anxiety and Internet use: A thematic analysis. Cyberpsychology, 10(2), 4. https://doi.org/10.5817/CP2016-2-4
Starcevic, V., & Berle, D. (2013). Cyberchondria: towards a better understanding of excessive health-related Internet use. Expert review of neurotherapeutics, 13(2), 205-213. https://doi.org/10.1586/ern.12.162
Statista. (2023). Daily time spent on social networking by internet users worldwide from 2012 to 2023. https://www.statista.com
Sørensen, K., Van den Broucke, S., Fullam, J., Doyle, G., Pelikan, J., Slonska, Z., ... & (HLS-EU) Consortium Health Literacy Project European. (2012). Health literacy and public health: a systematic review and integration of definitions and models. BMC public health, 12(1), 80. https://doi.org/10.1186/1471-2458-12-80
Tversky, A., & Kahneman, D. (1973). Availability: A heuristic for judging frequency and probability. Cognitive psychology, 5(2), 207-232. https://doi.org/10.1016/0010-0285(73)90033-9
