Riset facebook buktikan keampuhan kampanye media sosial

Bangun pagi dihebohkan dengan sebuah artikel yang terbit di jurnal bergengsi Nature yang mengklaim telah membuktikan bahwa jejaring sosial online dapat mempengaruhi pemilu. Judul artikelnya sendiri cukup menarik:

A 61-million-person experiment in social influence and political mobilization.

Sebelum kita bahas isinya, ada beberapa komentar ringan. Pertama, jika eksperimennya hanya melibatkan 1 juta orang atau kurang, saya jamin tidak akan diterima oleh Nature. Kedua, eksperimen ini dilakukan di facebook sehingga yang anti facebook cenderung membacanya sebagai “facebook memanipulasi pemilu”.

OK, kita kembali ke riset.

Banyak hal menarik untuk dibahas dalam riset ini. Tapi disini saya berfokus untuk memberikan makna dengan merinci konteks dan hasil umum risetnya.

Pertama kita harus mengerti konteks dimana riset ini dilakukan. Ada dua pertanyaan besar yang coba dijawab disini:

  1. Apakah perilaku pemilih dipengaruhi oleh pengaruh sosial?
  2. Seberapa efektifkah mobilisasi politik melalui media sosial?

Kalau kita perhatikan kebanyakan kampanye politik yang berupa iklan baik di TV, media cetak atau jalanan berupa spanduk dan baliho, semuanya ditujukan kepada orang yang melihat langsung iklan-iklan tersebut. Nah, maka itu yangs sering dibicarakan adalah isi iklan tersebut: bagaimana agar isi iklan mempengaruhi pilihan semua orang yang melihat iklan. Dengan asumsi ini, logika yang digunakan adalah: jika iklan dilihat banyak orang maka banyak pula orang yang terpengaruhi. Sehingga spot iklan yang ditengarai dilihat banyak orang semakin mahal pula harganya.

Kita sebut saja logika di atas sebagai logika individu. Dimana yang utama terjadi disini adalah interaksi antara masing-masing individu dengan materi iklan.

Nah, ada logika lain yang kita sebut logika jejaring. Disini, asumsinya orang dipengaruhi bukan oleh materi kampanye secara langsung tapi oleh orang lain; yang dapat telah melihat kampanyenya atau belum. Dengan kata lain, pengaruh sosial lebih berperan dibanding pengaruh materi atau isi kampanye. Konsekuensi dari logika jejaring ini, kita tidak cukup memperhatikan seberapa persuasif sebuah kampanye bagi orang tetapi juga memikirkan kemungkinan orang saling berbagi sehingga kampanye tersebut menyebar dari orang ke orang, ke orang dan seterusnya. Jadi jumlah yang relevan disini bukan jumlah orang yang melihat langsung sebuah iklan, tapi sebarapa menular kampanye tersebut sehingga mencapai banyak orang yang mungkin tak pernah melihat materi kampanye. Kampanye menyebar seperti kebakaran hutan yang bermula dari percikan api kecil (saya tidak menggunakan metafor penyebaran virus karena penyebaran sosial berbeda dengan biologis, perlu blog post tersendiri untuk ini).

Pertanyaan kedua soal efektivitas mobilisasi politik di media sosial sudah menjadi pertanyaan umum. Kemungkinan mobilisasi politik melalui media sosial menarik karena cenderung lebih murah dan efisien dibanding kampanye iklan atau dari pintu ke pintu.

Selama ini belum ada riset yang secara konklusif memberikan kedua jawaban di atas. Paling-paling hanya bukti anekdot atau studi non-eksperimen yang hanya memberikan hubungan korelasi bukan hubungan sebab-akibat.

Riset terbaru yang dilakukan oleh tim facebook dan Universitas Californi San Diego ini mengklaim telah membuktikan bahwa perilaku pemilih terkena pengaruh sosial, dan mobilisasi politik di jejaring sosial cukup efektif.

Riset ini dilakukan di dalam facebook, yang melibatkan lebih dari 61 juta orang pengguna facebook di Amerika. Yang diukur adalah probabilitas seseorang memilih dalam pemilu anggota kongres. Jadi bukan probabilitas memilih seseorang kandidat. Untuk detail metodologinya silahkan membaca papernya langsung (tidak terlalu rumit untuk dibaca) : PDF.

Secara umum, hasilnya sebagai berikut:

  1. Kampanye yang memanfaatkan jejaring sosial lebih berpengaruh daripada kampanye yang hanya fokus pada penyampaian informasi atau konten saja.
  2. Penyebaran perubahan perilaku cenderung terjadi antar teman dekat yang mungkin dibarengi dengan interaksi tatap muka.
  3. Mobilisasi politik di ranah online memiliki efek nyata di ranah offline.

Perlu dicatat, efeknya cenderung kecil (dibawah 2%). Meskipun secara nominal bisa besar dan bermakna apalagi untuk pemilu yang persaingannya ketat. Secara umum, riset ini memberikan jawaban positif bagi dua pertanyaan utama di atas.

Juga satu catatan saya: dalam studi yang melibatkan puluhan juta orang seperti ini, hasil apapun cenderung memberikan hasil statistik signifikan. Untuk hal ini, saya percayakan proses oleh Nature untuk menjamin kualitasnya.

Selamat, terutama untuk tim data facbook yang dipimpin Cameron Marlow. Akhir tahun 2000 Cameron mengunjungi riset grup kami dan memberikan presentasi mengenai disertasi dia di MIT tentang blogdex. Sejak itulah saya tertarik dengan dunia internet.

Sebagai penutup, saya ingin mengingatkan studi ini menunjukkan kita berada dalam era baru ilmu sosial dimana eksperimen sosial dengan puluhan juta orang menjadi mungkin. Apakah ini akan merevolusi pengetahuan manusia mengenai kehidupan sosial, masih kita tunggu. Selama ini keputusan sosial politik lebih didasarkan pada intuisi atau pengalaman pribadi saja. Dengan banjir data sosial, semakin berkurang alasan untuk menolak atau tidak menganggap serius data sosial ini.

Data sebagai senjata tempur melawan kejahatan dan masalah sosial

Sebuah cerita menarik bagaimana data termasuk senjata ampuh untuk membereskan masalah sosial di perkotaan. Tidak perlu mesin canggih, yang penting adalah kesadaran perlunya data dan kreatifitas untuk analisis dan lakukan follow up.

Penggunaan data sebagai metrik performance sudah biasa di sektor swasta. Besar efeknya jika sektor publik dan pemerintah mulai menggunakan data secara serius.

Before CompStat, precincts turned in their reports on crimes and arrests only every few months.   With CompStat, that data is collected and analyzed weekly.   Precinct commanders appear before the N.Y.P.D. leadership every few weeks to be questioned about their performance.  If the numbers are not good, the commander must explain why — and have a specific plan for improvement.    The next meeting begins with questions about how well those commitments were kept.

Why did this cause a revolution?   After all, this is exactly how good businesses have always been run.  CompStat after all, is probably (accounts vary) short for Computer Statistics — now there’s an up-to-the-minute concept.

“There was nothing new about this,” said Andrew Boyd, who runs a Baltimore-based consulting firm called GovStat.  “Except that it’s a private-sector concept that had never been embraced by the public sector.”

Artikel lengkapnya:

Armed With Data, Fighting More Than Crime – NYTimes.com.

Pusat riset Microsoft untuk ilmu sosial komputasi dan eksperimen

Baru mendapat berita luar biasa bahwa Microsoft membuka Lab baru di New York yang akan fokus pada ilmu sosial dan perilaku manusia berbasis komputasi, eksperimen dan data skala besar. Ilmuwan pendirinya terdiri dari ekonom, computer scientist, psychologist, sosiolog, dan data scientist kelas berat. Beberapa diantaranya yang saya kenal seperti Duncan Watts, Dan Goldstein, dan Sharad Goel termasuk orang-orang terpintar dan kreatif yang pernah saya temui.

Mereka adalah veteran Yahoo Research yang ditutup. Yang hebat mereka berhasil meyakinkan Microsoft untuk membuat Lab baru khusus untuk mereka.

Gak sabar melihat karya-karya mereka yang akan keluar dari Lab baru ini. Melihat bagaimana sains dasar, sains terapan dan produk industri dikombinasikan sepertinya akan menghasilkan terobosan baru.

Berikut beberapa beritanya:

Microsoft Research Debuts N.Y.C. Lab – Microsoft Research.

http://socialmediacollective.org/2012/05/03/msr-nyc/

http://blogs.technet.com/b/inside_microsoft_research/archive/2012/05/01/start-spreading-the-news-announcing-microsoft-research-new-york-city.aspx

Prediksi dari sensor manusia

Memprediksi masa depan sudah menjadi obsesi manusia sejak awal peradaban. Berbagai alat dipakai untuk prediksi ini dari mulai bola kristal, kartu, hingga komunikasi dengan arwah. Selain itu, ada juga kelompok lain yang berusaha menggunakan alat lain untuk prediksi, yaitu data. Terutama data dari sensor manusia seperti kutipan dari artikel berikut:

“We’re finally in a position where people volunteer information about their specific activities, often their location, who they’re with, what they’re doing, how they’re feeling about what they’re doing, what they’re talking about,” said Johan Bollen, a professor at the School of Informatics and Computing at Indiana University Bloomington who developed a way to predict the ups and downs of the stock market based on Twitter activity. “We’ve never had data like that before, at least not at that level of granularity.” Bollen added: “Right now it’s a gold rush.”

Komputasi + data = rekayasa sosial

Sebuah artikel di New York Times membahas sebuah tren yang sedang tumbuh yaitu 1) kekuatan komputasi dan 2) keberadaan sensor. Cloud computing membuat dunia akan terselimuti oleh program komputer yang semakin hari bertambah terus kapasitas proses dan penyimpanan datanya. Sensor semakin ada dimana-mana dari ponsel, kendaraan, hingga jutaan “sensor manusia” yang cerewet di media sosial seperti twitter.

Gabungkan kekuatan komputasi dan data-data dari sensor-sensor tersebut maka yang diperoleh adalah kemampuan menganalisis diri kita sendiri, baik sebagai individu atau sebagai masyarakat sosial; sebuah kemampuan yang pertama kalinya  ada sepanjang sejarah umat manusia. Selain analisis, juga akan berkembang algoritma untuk memprediksi dan mengintervensi dinamika sosial: sebuah era baru rekayasa sosial dalam arti sesungguhnya.

Di bagian akhir artikel tersebut tertulis

With the continuing exponential increase in the power of the planetary computer, one has to wonder whether we stand at the beginning of what Isaac Asimov’s “Foundation” series, more than 60 years ago, called “psychohistory.” His visionary genius Hari Seldon believed that statistical forecasting of human society’s actions would be possible with data from enough people throughout the galaxy.

 

Jangan-jangan ini adalah manifestasi dari sebuah pola sejarah: cerita fiksi sains menjadi kenyataan.

Seberapa kecilkah dunia kecil? (2)

Dari pembahasan sebelumnya, kita sudah bahas mengenai tidak adanya alasan teoritis mengapa derajat keterpisahan harus berupa suatu angka, misalnya 6 atau 4. Juga kita telah bahas kemungkinan bias yang terjadi ketika menggunakan jejaring sosial facebook.

Dalam studi terakhir pengukuran derajat keterpisahan digunakan jejaring sosial facebook yang terdiri dari sekitar 721 juta pengguna dan sekitar 69 milyar relasi pertemanan (untuk analisis mereka menggunakan hanya satu(!) buah komputer 24-core dengan RAM 72GB dan hard drive sebesar 1TB) . Dengan data ini mereka mengukur jarak rata-rata yang diperlukan untuk menghubungkan dua akun pengguna. Hasilnya diperoleh sekitar 4 derajat keterpisahan.

Metode pengukuran tersebut berbeda dengan metoda pengukuran derajat keterpisahan dengan eksperimen; metode eksperimen inilah yang digunakan oleh Milgram dan studi-studi lanjutannya (metode ini selanjutnya dikenal sebagai metode dunia kecil).

Ketika metode eksperimen dunia kecil digunakan, hasil yang diperoleh bukan saja adanya rantai pertemanan yang pendek antar dua orang melainkan juga fakta bahwa orang dapat menemukan rantai pendek tersebut.

Jadi sebetulnya ada dua aspek yang saling berhubungan dengan dunia kecil ini. Pertama adalah masalah struktur dimana pertanyaannya adalah apakah ada rantai pendek menghubungkan dua orang? Kedua, masalah algoritmik yang bertanya apakah orang dapat menemukan rantai pendek tersebut? Jikapun rantai pendek ada, belum tentu orang dapat menemukannya karena pengetahuan individu terbatas hanya pada jejaring lokal individu tersebut; padahal untuk tahu sebuah rantai pendek perlu pengetahuan jejaring global.

Jika kita fokus pada dunia kecil versi algoritmik, maka kita telah pergi dari masalah struktural dunia kecil ke masalah dinamika penyelesaian masalah secara kolektif. Dengan kata lain, dari social network ke social networking.

Masalah social networking ini masih belum banyak diteliti. Padahal ini masalah penting dimana permasalahan disini adalah bukan lagi soal apa struktur jejaring sosial, tapi soal bagaimana individu dapat memanfaatkan jejaring sosial. Jika kita mengetahui bagaimana individu bisa menggunakan jejaring sosial untuk berbagai tujuan (misalnya mobilisasi, pencarian, atau penyelesaian masalah kolektif lainnya), maka kita sudah masuk ranah aplikasi jejaring sosial yang signifikan untuk bisnis, kebijakan publik, atau masalah individu sehari-hari.

Jadi, menurut saya, jika angka derajat keterpisahan berubah-ubah bukanlah hal yang mengejutkan; selama angkanya kecil dibanding ukuran populasinya maka ia memberikan informasi yang sama yaitu adanya rantai pendek. Yang lebih menarik dan penting ditelaah adalah bagaimana individu dapat menemukan dan mengakses rantai pendek ini; dengan kata lain, riset dunia kecil versi algoritmiklah yang berkemungkinan besar memberi kita pengetahuan baru.

Referensi:

Riset pengukuran derajat keterpisahan di facebook dapat dibaca detailnya disini: http://arxiv.org/abs/1111.4570.

Pembahasan metode eksperimen dunia dunia kecil diantaranya ada di:

 

Seberapa kecilkah dunia kecil? (1)

Beberapa hari yang lalu diberitakan bahwa sebuah riset menemukan derajat keterpisahan (degrees of separation) bukan lagi 6 tetapi 4,74. Artinya, jumlah pertemanan yang diperlukan untuk menghubungkan dua orang yang tak saling kenal bukan lagi 6, tetapi 4. Saya menghabiskan beberapa tahun meneliti soal ini sehingga saya ingin berkomentar.

Soal angka pasti derajat keterpisahan.

Sebutan six degrees of separation adalah judul sebuah pertunjukan teater – yang selanjutnya difilmkan juga – yang mengambil ide dari riset dunia kecil yang dilakukan oleh si genius Stanley Milgram. Pada tahun 1960an Milgram membuat eksperimen dimana peserta eksperimen harus mengirimkan pesan (yang dikirim menggunakan pos) ke seseorang yang disebut target. Milgram menemukan bahwa rata-rata diperlukan 6 lompatan agar pesan tersebut sampai ke target. Hasil inilah yang digunakan oleh John Guarre sebagai judul pertunjukan teater Broadway.

Riset-riset berikutnya menunjukkan memang derajat keterpisahan berkisar diantara 6. Tetapi, ini penting, sebetulnya tidak ada alasan teoritis kenapa harus 6. Yang penting adalah bukan angka pasti derajat keterpisahan itu, tetapi derajat keterpisahan haruslah kecil jika dibanding total populasi. Jadi jika kita berbicara populasi dunia 7 milyar orang, angka 100 pun sebetulnya masih bisa dianggap kecil.

Secara teknis, yang penting soal derajat keterpisahan adalah: derajat keterpisahan bertambah seiring dengan jumlah populasi dalam skala logaritmik. Untuk ilustrasi lihat gambar dibawah.

Sumbu horizontal adalah jumlah populasi, sumbu vertikal adalah derajat keterpisahan. Terlihat ada dua kurva pertumbuhan: garis putus-putus adalah pertumbuhan linear, sedangkan garis penuh adalah pertumbuhan logaritmik. Jika derajat keterpisahan tumbuh secara linear, maka semakin besar populasinya akan semakin besar pula derajat keterpisahannya. Tetapi, jika tumbuhnya secara logaritmik, meskipun semakin besar populasi, pada titik tertentu pertumbuhan derajat keterpisahan akan melambat. Artinya meskipun populasi menjadi besar sekali, derajat keterpisahan tidak berubah banyak.

Jadi secara teknis, angka derajat keterpisahan bisa berapa saja asal  mengikuti pertumbuhan logaritmik.

OK, angka pasti derajat keterpisahan tidak terlalu penting. Tapi kan riset ini pasti memberitahu kita sesuatu? Misalnya,

Dulu 6 sekarang 4, apakah itu berarti dunia semakin kecil?

Bisa iya, bisa juga tidak. Kalo untuk ‘iya’, kita bisa mengambil kesimpulan bahwa revolusi digital membuat dunia semakin kecil. Tapi mengapa bisa ‘tidak’?

Riset ini dilakukan dengan menggunakan data facebook. Btw, ini adalah contoh bagaimana perusahaan digital sekarang memiliki data penting & menarik dalam jumlah besar, dan sebagian mampu memanfaatkannya secara keren.

Karena riset hanya menggunakan data facebook, bisa saja angka 4 ini merupakan “derau” dari estimasi derajat keterpisahan. Misalnya, data ini bisa memiliki bias karena facebook adalah tempat orang berteman. Artinya, facebook adalah jejaring sosial unik dimana setiap orang cenderung berteman dengan orang lain. Secara teknis, bisa dilihat dari gambar berikut:

Di gambar sebelah kiri, A berteman dengan B dan C sehingga membentuk segitiga terbuka. Facebook tempat berteman artinya jika A berteman dengan B dan C maka kemungkinan besar B dan C berteman juga; sehingga membentuk segitiga tertutup seperti gambar disebelah kanan. Jadi facebook bias karena lebih banyak segitiga tertutup dibanding segitiga terbuka. Dalam jargon sains jejaring sosial, bertemannya B dan C ini disebut juga sebagai triadic closure.

Jadi riset dari facebook yang menyatakan derajat keterpisahan adalah 4 bisa jadi hanya berlaku di tempat dimana lebih banyak segitiga tertutup seperti facebook itu sendiri. Jejaring sosial secara umum dapat memiliki lebih banyak segitiga terbuka sehingga derajat keterpisahannya semakin besar juga.

Riset yang menggunakan data facebook ini adalah riset observasi dimana periset menghitung rata-rata derajat keterpisahan untuk seluruh jejaring sosial di facebook. Tetapi ingat bahwa riset orisinalnya oleh Milgram maupun tim kami dulu di Columbia adalah riset eksperimen; dimana peserta diminta secara aktif mengirimkan pesan ke seorang target. Perbedaan ini juga memberikan perbedaan interpretasi soal derajat keterpisahan ini. Tapi ini bahan untuk posting berikutnya.