Fenomena siaran langsung atau live TikTok menjadi sorotan tajam saat insiden penggerudukan dan penjarahan rumah anggota DPR Ahmad Sahroni pada Sabtu (30/8) sore. Peristiwa ini memicu pertanyaan mendasar: bagaimana sebenarnya algoritma TikTok bekerja sehingga sebuah konten dapat tersebar luas dan menjadi viral dengan begitu cepat?
Salah satu daya tarik utama live TikTok adalah potensinya untuk menjangkau audiens yang jauh lebih besar ketika berhasil masuk ke halaman For Your Page (FYP). Namun, platform raksasa ini tetap misterius, tidak pernah secara eksplisit mengungkapkan mekanisme bagaimana siaran langsung dapat dikategorikan sebagai konten FYP. Usaha Katadata.co.id untuk mengonfirmasi cara kerja algoritma kepada TikTok juga belum membuahkan hasil hingga berita ini diterbitkan, dan detail mengenai hal ini pun tidak ditemukan di laman resmi mereka.
Kendati demikian, berbagai sumber mencoba menguak misteri tersebut. Berdasarkan laporan Delivered Social, TikTok cenderung memprioritaskan live yang mampu menghasilkan tingkat keterlibatan tinggi hanya dalam beberapa menit pertama penayangan. Artinya, semakin banyak pengguna yang bergabung, memberi komentar, dan berinteraksi secara aktif sejak awal siaran, semakin besar pula peluang konten tersebut untuk merajai halaman FYP.
Potensi viral ini didukung oleh basis pengguna TikTok yang masif di Indonesia. Data dari We Are Social dan Meltwater menunjukkan bahwa per Juli, jumlah pengguna TikTok di Indonesia telah mencapai 194,37 juta, sebuah lonjakan signifikan dibandingkan tahun 2023. Angka ini menegaskan posisi TikTok sebagai salah satu platform paling dominan di tanah air.
Lebih lanjut, penulis John Seabrook, yang dikutip dari Newyorker, mengungkapkan bahwa algoritma TikTok secara fundamental bergantung pada tindakan-tindakan pengguna seperti “suka”, “komentar”, dan durasi waktu menonton video. Data-data ini dipanen dari respons pengguna lain terhadap halaman ‘Untuk Anda’ mereka, membentuk pola preferensi yang kompleks.
Setiap interaksi penonton, sekecil apa pun, memberi sinyal kepada sistem Kecerdasan Buatan (AI) dan machine learning yang menjadi otak di balik platform tersebut. Teknologi canggih ini mengukur tingkat keterlibatan, mengidentifikasi pola-pola dalam data, dan kemudian membuat prediksi serta rekomendasi konten, baik berupa video maupun live, berdasarkan pola yang teridentifikasi. Kompleksitas perhitungan dan volume data yang luar biasa besar membuat cara kerja AI selevel TikTok menjadi sulit untuk dipahami secara menyeluruh.
Meski sulit dipahami sepenuhnya, ada beberapa teori yang beredar mengenai algoritma TikTok. Salah satu yang populer adalah teori batch, yang menyatakan bahwa algoritma akan menampilkan konten baru kepada sekelompok kecil pengguna di seluruh dunia. Jika video tersebut mendapatkan perhatian dan respons positif dari kelompok awal ini, aplikasi akan memperluas jangkauannya ke kelompok pengguna yang lebih besar, dan seterusnya, secara bertahap hingga potensi viral tercapai.
Dalam kerangka teori batch ini, terdapat pula spekulasi lebih lanjut tentang metrik apa yang paling menentukan sebuah video mendapatkan perhatian. Beberapa berpendapat bahwa rasio suka terhadap tayangan adalah indikator utama, sementara yang lain meyakini bahwa lamanya penonton menyaksikan video hingga akhir (watch completion) memegang peran krusial. Kemungkinan besar, kombinasi dari semua faktor inilah yang berperan dalam menentukan keberhasilan suatu konten. Pihak TikTok sendiri memang telah mengonfirmasi beberapa aspek ini di situs web resminya, namun tanpa detail yang jelas dan transparan.
Perspektif yang lebih mendalam mengenai cara kerja algoritma juga dijelaskan dalam film dokumenter ‘The Social Dilemma’. Tristan Harris, mantan Design Ethicist di Google, dengan lugas memaparkan bahwa algoritma dirancang untuk memaksimalkan keterlibatan pengguna, bukan semata-mata untuk menyediakan informasi yang benar atau bermanfaat. Keterlibatan yang dimaksud mencakup setiap klik saat membuka konten, “suka”, “komentar”, hingga durasi waktu menonton.
Dalam kerangka pemikiran ini, semakin lama seseorang menonton atau bertahan di platform media sosial tersebut, semakin besar pula peluang iklan untuk masuk dan menyasar perhatian pemirsa. Oleh karena itu, Harris menegaskan bahwa meskipun pengguna dapat menikmati platform secara gratis, sesungguhnya perhatian mereka terhadap konten di dalamnya adalah “produk” berharga yang kemudian dijual kepada para pengiklan.
Senada dengan pandangan tersebut, mantan engineer YouTube, Guillaume Chaslot, menjelaskan bahwa algoritma YouTube dirancang untuk memaksimalkan waktu tonton pengguna. Ia menambahkan, konten yang lebih ekstrem, seperti teori konspirasi, sensasional, atau provokatif, cenderung mampu membuat pemirsa bertahan lebih lama, sehingga secara otomatis lebih sering direkomendasikan oleh sistem.
Kembali ke kasus di Indonesia, TikTok sempat menonaktifkan fitur Live pada Sabtu (30/8) malam, tak lama setelah insiden penjarahan rumah Ahmad Sahroni. Fitur penting ini baru kembali dibuka pada Selasa (2/9). Menanggapi kejadian tersebut, TikTok menyatakan tengah mempersiapkan upaya pengamanan tambahan dalam beberapa waktu ke depan, meskipun belum ada penjelasan detail mengenai bentuk pengamanan yang dimaksud. “Kami terus memantau situasi yang ada, dan memprioritaskan upaya dalam menyediakan platform yang aman dan beradab bagi para pengguna untuk berekspresi,” demikian keterangan resmi dari TikTok, menegaskan komitmen mereka.
Ringkasan
Insiden penjarahan rumah Ahmad Sahroni yang disiarkan langsung melalui TikTok menyoroti cara kerja algoritma platform ini dalam menyebarkan konten viral. Viralnya siaran langsung sangat bergantung pada tingkat keterlibatan pengguna yang tinggi, seperti jumlah penonton, komentar, dan durasi tonton, terutama dalam beberapa menit pertama penayangan. Interaksi awal yang positif ini menjadi sinyal penting bagi sistem kecerdasan buatan TikTok untuk merekomendasikan konten ke halaman For Your Page (FYP), meskipun mekanisme pastinya tidak dijelaskan secara transparan oleh platform.
Secara fundamental, algoritma TikTok memproses tindakan pengguna seperti suka, komentar, dan waktu menonton untuk merekomendasikan konten. Teori “batch” menyebutkan bahwa konten baru ditampilkan ke sekelompok kecil pengguna, kemudian jangkauannya diperluas secara bertahap jika mendapat respons positif hingga mencapai viralitas. Algoritma ini dirancang untuk memaksimalkan keterlibatan pengguna guna menjaga mereka tetap di platform, sehingga perhatian mereka dapat dijual kepada pengiklan.
