Analisis Dampak Algoritma Filter Bubble terhadap Personalisasi dan Diversitas Konten Layanan E-Commerce
Keywords:
Filter Bubble, Personalisasi, Diversitas Konten, E-commerce, Sistem RekomendasiAbstract
Pesatnya perkembangan teknologi informasi telah mendorong platform e-commerce di Indonesia untuk memanfaatkan sistem rekomendasi berbasis kecerdasan buatan guna menyediakan personalisasi layanan yang efisien. Namun, efisiensi ini memicu fenomena filter bubble yang berpotensi mengisolasi pengguna dalam lingkaran informasi yang terbatas dan menurunkan diversitas konten. Penelitian ini bertujuan untuk menganalisis dampak algoritma filter bubble terhadap personalisasi dan diversitas konten pada layanan e-commerce. Metode penelitian yang digunakan adalah kuantitatif dengan pendekatan statistik deskriptif dan inferensial melalui uji regresi linear sederhana. Data dikumpulkan melalui kuesioner daring terhadap 100 responden pengguna aktif e-commerce di Indonesia. Hasil penelitian menunjukkan bahwa rata-rata skor variabel filter bubble berada pada kategori tinggi (4,03), sedangkan diversitas konten berada pada kategori sedang hingga rendah (2,69). Analisis regresi mengungkapkan bahwa filter bubble berpengaruh negatif dan signifikan terhadap diversitas konten dengan koefisien regresi sebesar –0,61 dan nilai signifikansi 0,000. Nilai koefisien determinasi ($R^2$) sebesar 0,38 menunjukkan bahwa filter bubble berkontribusi sebesar 38% terhadap rendahnya diversitas konten. Temuan ini menegaskan pentingnya bagi platform e-commerce untuk menyeimbangkan akurasi personalisasi dengan keberagaman konten guna menciptakan ekosistem belanja digital yang lebih dinamis dan sehat.
References
Bach, D., Pich, S., Soriano, F. X., Vega, N., Baumgartner, B., Oriola, J., Daugaard, J. R., Lloberas, J., Camps, M., Zierath, J. R., & Rabasa-Lhoret, R. (2003). Mitofusin-2 determines mitochondrial network architecture and mitochondrial metabolism: A novel regulatory mechanism altered in obesity. Journal of Biological Chemistry, 278(19), 17190–17197.
Bereiter-Hahn, J. (1990). Behavior of mitochondria in the living cell. International Review of Cytology, 122, 1–63.
Chen, H., Vermulst, M., Wang, Y. E., Chomyn, A., Prolla, T. A., McCaffery, J. M., & Chan, D. C. (2010). Mitochondrial fusion is required for mtDNA stability in skeletal muscle and tolerance of mtDNA mutations. Cell, 141(2), 280–289.
Dallas, C., Gerbi, A., Tenca, G., Juchaux, F., & Bernard, F. X. (2008). Lipolytic effect of a polyphenolic citrus dry extract of red orange, grapefruit, orange (SINETROL) in human body fat adipocytes: Mechanism of action by inhibition of cAMP-phosphodiesterase (PDE). Phytomedicine, 15(10), 783–792.
Flögel, U., Laussmann, T., Gödecke, A., Abanador, N., Schäfers, M., Fingas, C. D., Metzger, S., Levkau, B., Jacoby, C., & Schrader, J. (2005). Lack of myoglobin causes a switch in cardiac substrate selection. Circulation Research, 96(8), e68–e75.
Garnier, A., Fortin, D., Zoll, J., N’Guessan, B., Mettauer, B., Lampert, E., Veksler, V., & Ventura-Clapier, R. (2005). Coordinated changes in mitochondrial function and biogenesis in healthy and diseased human skeletal muscle. The FASEB Journal, 19(1), 43–52.
Hui, K. L., & Tan, B. C. (2014). The effect of personalization on consumer search and purchase decisions in online shopping environments. MIS Quarterly, 38(2), 379–404.
Jannach, D., & Adomavicius, G. (2016). Recommender systems: Challenges and research opportunities. Computer Science Review, 21, 1–20.
Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of social media. Business Horizons, 53(1), 59–68.
Liang, Y., & Liu, Y. (2019). Personalized recommender systems and the impact of collaborative filtering on consumer behavior in online retail. Journal of Retailing and Consumer Services, 49, 91–100.
Liu, Y., & Wei, K. K. (2019). Exploring the impact of content personalization on consumers’ decision-making in online shopping. Journal of Business Research, 102, 333–341.
Sundar, S. S., & Marathe, S. (2010). Personalization in online environments: The effects of user control, relevance, and intrusion on user responses. Human Communication Research, 36(3), 290–319.
Tucker, C. E. (2014). Social networks, personalized advertising, and privacy controls. Marketing Science, 33(5), 1–12.
Zeng, D., & Wang, Y. (2018). The role of algorithmic filtering in online shopping experiences: A focus on e-commerce platforms. International Journal of Information Management, 39, 149–156.
Zhu, F., & Zhang, X. (2010). Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics. Journal of Marketing, 74(2), 133–148.
