ISSN 2477-1686
Vol. 8 No. 4 Feb 2022
Fake News Dan Polarisasi Kelompok
Oleh:
Vinaya
Fakultas Psikologi, Universitas Pancasila
Perkembangan media sosial saat ini, membuat informasi sangat mudah diperoleh. Meskipun begitu, terdapat konsekuensi negatif dari kemudahan tersebut, salah satunya adalah banyak bermunculan dan tersebarnya berita palsu, atau yang sering disebut sebagai fake news. Secara politik, fake news dianggap bisa mengancam demokrasi karena mempengaruhi dukungan politik dan pilihan kandidat di dalam Pemilihan Umum (Weeks & Garrett, 2014). Bahkan fake news juga bisa berpengaruh terhadap ekonomi. Contohnya kerugian sebesar 130 miliar dollar di pasar modal terjadi di tahun 2013 karena fake news dari twitter yang memberitakan bahwa Obama terluka akibat ledakan (Rapoza, 2017). Terkait dengan pandemic covid-19, fake news tentang coronavirus berdampak pada penurunan menggunakan masker dan keengganan melakukan social distancing (Ioannidis, 2020) serta keengganan untuk vaksin (Centola, 2020). Begitu besar dampak dari fake news, sehingga World Economic Forum mengidentifikasi penyebaran berita palsu (fake news) sebagai salah satu dari sepuluh bahaya teratas bagi masyarakat di seluruh dunia (World Economic Forum, 2013).
Lazer et al. (2018 p. 2) mendefinisikan fake news sebagai “fabricated information that mimics news media content in form but not in organizational process or intent”. Berdasarkan pada definisi tersebut terlihat bahwa hal mendasar yang membedakan fake news dengan berita dari media masa utama (mainstream) adalah proses editorial, yang tidak ditemukan di media social. Kemudahan dan rendahnya biaya pembuatan dan penyebaran berita di media social dibandingkan media arus utama (koran, televisi, majalah) membuat penyebaran fake news juga semakin mudah di media social, apalagi dengan adanya akun-akun robot fiktif yang memanfaatkan algoritma komputer (Shu, et al., 2017). Tidak heran jika kemudian Lazer et al (2018) menganggap media sosial yang ada saat ini, adalah alat penyebaran fake news yang sangat efektif.
Hal unik lain yang membedakan fake news di media sosial dibanding media yang lain (mainstream) adalah terjadinya echo chamber (Shu, et al, 2017; Allcott & Gentzkow, 2017) dan filter bubble (Pariser, 2011). Pengguna media sosial seperti Facebook umumnya ditemukan berteman dengan orang-orang dengan pemikiran yang hampir serupa (like minded), sehingga berita yang tersebar umumnya juga mendukung narasi yang disetujui oleh kelompok pertemanan tersebut. Hal inilah yang menghasilkan efek echo chamber, dimana berita yang sama akan berulang-ulang dibagikan di dalam kelompok pertemanan tertentu sehingga terciptalah komunitas yang homogen (homogeneous communities). Selain peran dari pengguna sendiri, system di dalam media social juga semakin memperparah terciptanya komunitas homogen, yang dikenal dengan sebutan fenomena filter bubble. Filter bubble adalah penggunaan algoritma oleh media social untuk memilihkan konten berdasarkan keterhubungan dengan konten yang sebelumnya dikonsumsi oleh pengguna media social (Pariser, 2011). Hal ini membuat secara otomatis pengguna media sosial semakin tidak terekspos dengan informasi baru, mengkonsumsi informasi dengan tema yang hampir serupa, sehingga pengguna dengan pemikiran atau minat serupa semakin mengelompok, dan semakin saling mengukuhkan terhadap kebenaran dari pandangan yang dimiliki. Hal inilah yang disebut sebagai polarisasi kelompok (Pazzanese, 2017).
Analisis terhadap penyebaran fake news dan ujaran kebencian yang beredar di media social dalam Pemilihan Presiden di Amerika Serikat maupun di Indonesia menunjukkan bahwa isolasi para pendukung karena terciptanya filter bubble dan echo chamber memperkuat polarisasi kelompok terutama pada para pemilih loyalis (Sudibyo, 2021). Dalam Pemilihan Presiden 2016 di Amerika Serikat misalnya, ditemukan bahwa polarisasi semakin kuat karena isolasi pendukung Trump untuk bergunjing dengan sesamanya, begitu juga pendukung Clinton untuk bergosip dengan sesamanya. Terkait Pemilihan Presiden 2019 di Indonesia, Sudibyo menambahkan bahwa fake news politik dan ujaran kebencian memperteguh keyakinan politik pemilih loyalis pada masing-masing kubu capres-cawapres. Pendukung Jokowi semakin Jokowi-minded, begitu juga pendukung Prabowo semakin Prabowo-minded. Fake news politik di media social dalam Pemilu 2019 di Indonesia, tidak membuat pendukung Jokowi berpindah menjadi mendukung Prabowo, ataupun sebalik. Justru, fake news dari lawan politik semakin memperkuat pandangan pemilih loyalis bahwa pilihannya tepat. Fake news yang menyudutkan Jokowi (negative) membuat para pemilih Prabowo semakin yakin memilih Prabowo, tetapi tidak membuat para loyalis meninggalkan dan beralih ke Jokowi, sebaliknya juga fake news negative terkait Prabowo semakin meyakinkan pilihan pada pemilih Jokowi.
Ditambahkan oleh Centola (2020) bahwa hal utama yang menyebabkan semakin kuatnya polarisasi kelompok di media sosial adalah kehadiran influencer yaitu sekelompok kecil orang bahkan mungkin hanya satu orang yang menjadi “pusat” dari koneksi jejaring yang menghubungkan banyak orang. Posisi di “pusat” memungkinkan para influencer ini memiliki kekuatan untuk mempengaruhi komunitas, memungkinkan isu palsu cepat menyebar dan menjadi false beliefs. Dibutuhkan kerjasama dari berbagai bidang, terutama dari ahli teknologi informasi untuk mengurangi polarisasi kelompok ini, mengingat bahwa terjadinya polarisasi kelompok di media sosial bukan hanya karena unsur perilaku pengguna, namun juga didukung oleh system dan algoritme computer yang melanggengkan terjadinya echo chamber dan filter bubble yang memperparah terjadinya polarisasi kelompok.
Referensi:
Allcott, H., & Gentzkow, M. (2017). Social Media and Fake News in the 2016 Election. The Journal of economic perspectives, 31(2), 211-236. doi:10.1257/jep.31.2.211
Centola, D. (2020, 15 October). Why social media makes us more polarized and how to fix it. Scientific American. https://www.scientificamerican.com/article/why-social-media-makes-us-more-polarized-and-how-to-fix-it/
Ioannidis, J.P.A. (2020). Coronavirus disease 2019: The harms of exaggerated information and non-evidence-based measures. European Journal of Clinical Investigation, 50 (4). doi: 10.1111/eci.13222
Lazer, D. M., Baum, M. A., Benkler, Y., Berinsky, A. J., Greenhill, K. M., Menczer, F., Metzger, M.J., Nyhan, B., Pennycook, G., Rothschild, D., Schudson, M., Sloman, S.A., Sunstein, C.R., Thorson, E.A., Watts, D.J., Zittrain, J.L. (2018). The science of fake news. Science, 359, 1094–1096. https://doi.org/10.1126/ science.aao2998.
Pariser, E. (2011). The Filter Bubble: What the internet is hiding from you. The Penguin Press.
Pazzanese, C. (2017, March 24). Danger in the internet echo chamber: To combat endless feeds of one-sided data, Sunstein suggests an ‘architecture of serendipity’. Harvard Law Today. https://today.law.harvard.edu/danger-internet-echo-chamber/
Rapoza, K. (2017, 26 February). Can ‘fake news’ impact the stock market. Forbes. www.forbes.com/sites/kenrapoza/2017/ 02/26/can-fake-news-impact-the-stock-market/.
Shu, K., Sliva, A., Wang, S., Tang, J., & Liu, H. (2017). Fake News Detection on Social Media: A Data Mining Perspective. ACM SIGKDD Explorations Newsletter, 19(1), 22-36. doi:10.1145/3137597.3137600
Sudibyo, A. (2021). Tarung digital: Propaganda komputasional di berbagai negara. KPG.
Weeks, B. E., & Garrett, R. K. (2014). Electoral Consequences of Political Rumors: Motivated Reasoning, Candidate Rumors, and Vote Choice during the 2008 U.S. Presidential Election. International Journal of Public Opinion Research, 26(4), 401-422. doi:10.1093/ijpor/edu005.
World Economic Forum. (2013). Global risks 2013 (8th ed.). Lee Howell.
