Dampak Algoritma Media Sosial pada Preferensi Berita
Algoritma media sosial secara signifikan memengaruhi preferensi pembaca terhadap berita. Platform seperti Twitter, Instagram, dan TikTok menampilkan konten berdasarkan interaksi sebelumnya, durasi menonton, dan engagement, sehingga pengguna cenderung melihat berita yang sesuai minat mereka. Fenomena ini dikenal sebagai filter bubble, di mana eksposur terhadap perspektif berbeda berkurang. Media online menyesuaikan strategi distribusi dengan format yang menarik, seperti video pendek dan carousel artikel, untuk tetap muncul di feed pengguna. Analisis perilaku pembaca memungkinkan media meningkatkan engagement dan personalisasi rekomendasi berita. Namun, algoritma juga menimbulkan tantangan etis, seperti bias editorial tak terlihat, risiko penyebaran hoaks, dan ketergantungan pada metrik engagement. Beberapa media mencoba mengimbangi dengan menampilkan berita yang lebih beragam secara editorial. Dampak jangka panjang algoritma pada opini publik dan demokrasi menjadi perhatian penting bagi jurnalisme modern. Adaptasi media terhadap algoritma menjadi kunci untuk mempertahankan relevansi, kredibilitas, dan loyalitas pembaca di era digital yang serba cepat.