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.

Trik studi menggunakan media sosial

Studi ilmiah yang pertama saya lakukan adalah melakukan eksperimen di Internet untuk mentest hipotesa dunia kecil. Kita berhasil merekrut lebih dari 66 ribu orang dari 166 negara dan  memperoleh hasil bahwa media panjang rantai yang dibutuhkan untuk menghubungkan dua orang adalah tujuh.

Tetapi ada penemuan lain yang mungkin lebih menarik. Kita menemukan bahwa puluhan ribu orang yang berpartisipasi mengerjakan eksperimen kita saat jam kerja di kantor. Artinya, mereka ini adalah orang-orang yang harusnya bekerja di depan komputer, tapi menemukan eksperimen kita lebih menarik daripada pekerjaannya sehingga memilih ikutan eksperimen.

Inilah yang disebut oleh Jonah Peretti sebagai jejaring pekerja bosan. Di dunia ini ada jutaan pekerja di depan komputer yang bosan bekerja, dan akan senang jika “diganggu” beberapa menit untuk sesuatu yang fun dan menarik. Nah, triknya adalah bagaimana kita memanfaatkan para pekerja bosan dengan membuat mereka ikut serta dalam studi kita. Studinya memang harus dibikin menarik, tapi standarnya rendah karena mereka sedang bosan; jadi sedikit menarik saja sudah cukup. Untuk Indonesia, orang-orang bosan ini mungkin tidak di depan komputer tapi menggenggam telepon seluler. Entah bosan karena macet, menunggu rapat yang tidak dimulai-mulai saja, atau janji surga untuk ketemu tepat waktu.

Jadi prinsip utama eksperimen media sosial ini membuat studi cukup menarik sehingga para jutaan pekerja bosan ini mau memberikan beberapa menit dalam hidupnya untuk untuk ilmu pengetahuan, tanpa mereka sadari.

Selamat mencoba.

 

Mengapa Sains Media Sosial?

Revolusi dalam sains biasanya dimulai oleh revolusi alat ukur. Alat ukur baru ditemukan sehingga memungkinkan manusia melihat apa yang sebelumnya tak terlihat; akibat informasi baru ini maka pengetahuan manusia mengalami kemajuan drastis.

Sebagai contoh kita lihat Fisika. Pada awalnya gerak benda-benda langit seperti planet, dan bintang dianggap wilayah Tuhan dimana manusia tidak bisa berkata apa-apa soal gerak benda-benda planet ini. Lalu muncul Galileo dengan teleskopnya yang mampu mengamati secara detail gerak benda-benda langit. Selanjutnya gerak benda-benda langit ini didokumentasikan secara detail dan sistematis oleh Tycho Brahe. Dengan memanfaatkan pengamatan Tycho Brahe, Johannes Kepler menemukan hukum empiris gerak benda-benda planet yang berbentuk elips. Selanjutnya, Isaac Newton mempelajari karya Kepler sehingga akhirnya dia bisa merumuskan hukum universal yang mengatur gerak benda: dari gerak benda di bumi hingga gerak benda di langit. Newton menandai era baru sains modern.

Hal serupa terjadi di Biologi. Awalnya penyakit dianggap sebagai karya roh jahat atau udara buruk. Orang sakit biasanya “diobati” dengan upacara magis atau disuruh pergi jauh untuk mendapatkan udara baik (saat itu belum ada konsep penyakit menular, sekarang kita tahu jika sakit justru sebaiknya tidak kemana-mana karena dapat menularkan penyakit). Keadaan ini mulai berubah ketika Antonie van Leeuwenhoek membuat mikroskop dan menemukan adanya organisme-organisme kecil yang tidak kasat mata. Selanjutnya diketahui bahwa penyakit banyak disebabkan oleh mikro organisme ini.

Dari dua contoh di atas terlihat bahwa sains fisika dan biologi modern muncul setelah sebelumnya ditemukan alat ukur baru: teleskop untuk fisika dan mikroskop untuk biologi. Alat ukur baru yang memungkinkan kita untuk mengamati hal yang sebelumnya tak teramati dapat merevolusi pengetahuan manusia.

Saya percaya, bahwa ilmu sosial dan perilaku manusia juga dapat mengalami revolusi dengan ditemukannya alat ukur baru. Untuk ilmu sosial dan perilaku, salah satu alat ukur baru itu adalah media sosial.

Untuk pertama kalinya dalam sejarah umat manusia, kita memiliki kemampuan untuk merekam interaksi sosial dalam jumlah besar melalui media sosial seperti twitter atau facebook. Bagaimana informasi menyebar, komunitas terbentuk, atau orang membangun identitas dengan pencitraan misalnya, ini semua dapat dipelajari melalui media sosial. Ini analog dengan keadaan ketika manusia untuk pertama kali bisa mengukur gerak benda-benda langit; sekarang manusia dapat mengukur proses sosial (contoh: twitterology).

Selain penggunaan media sosial sebagai observatory, media sosial pun dapat digunakan sebagai laboratorium. Selama ini psikolog, misalnya, menjalankan eksperimen dengan menggunakan mahasiswa sebagai subyek. Selain eksperimen seperti ini hanya melibatkan jumlah subyek sedikit, juga secara demografik terbatas. Sedangkan, sosiolog hampir tidak menggunakan metode eksperimen karena kesulitan untuk mengkontrol kondisi eksperimen dalam skala besar. Internet, khususnya media sosial, sangat cocok untuk eksperimen sosial skala besar. Meskipun masih baru, beberapa studi telah menggunakan media sosial sebagai laboratorium dan memperlihatkan hasil-hasil yang menjanjikan.

Selain itu, sains media sosial juga bersifat multi disiplin. Sains media sosial berfokus pada problem, bukan disiplin ilmu. Problem riil biasanya membutuhkan pendekatan multi disiplin. Pendekatan satu disiplin hanya menjadi salah satu aspek dari problem keseluruhan. Disinilah sains ilmu manusia seperti psikologi, sosiologi, ekonomi, politik bekerja bersama dengan sains komputer, statistik, matematik, dan fisika.

Bahkan, multi disiplin keilmuan ini baru setengah cerita. Media sosial ini dibangun oleh industri, sehingga agar sains media sosial terbangun perlu kolaborasi antara dunia akademis dan industri yang erat. Ilmuwan harus mau berinteraksi dengan dunia bisnis karena dalam era media sosial ini dunia bisnis memiliki lebih banyak data. Sebaliknya dunia bisnis, dapat memanfaatkan ide dan metodologi yang tersedia di dunia riset akademis; apalagi media sosial ini menunjukkan pentingya pengukuran dan kuantifikasi akan menjadi trend dan standar dalam dunia bisnis, sehingga perusahaan perlu memiliki kemampuan analitik yang tinggi dan ide-ide terakhir untuk dapat kompetitif.

Jadi media sosial bukanlah hanya sekedar mainan baru bagi ilmuwan. Tetapi memberikan janji besar terutama bagi ilmu sosial dan perilaku manusia. Sejauh mana janji itu bisa dipenuhi tentunya tergantung dari para ilmuwan itu sendiri.

 

“Revolusi” keilmuan mungkin terjadi

Kawan saya Ape di cafesalemba menuliskan bahwa dalam ilmu ekonomi “hampir semua ide besar sudah ditemukan” sehingga pekerjaan utama sekarang adalah mengisi detail-detail ilmu ekonomi, bukan ‘merevolusi’ ilmu ekonomi. Lengkapnya begini

Honestly, the room for another revolution is getting much and much smaller now. Most big ideas have been delivered. The frontiers have been pretty much explored. Of course, there are still many unexplored spots in the forest. That is the real call: to fill the missing puzzles through new theoretical and empirical researches.

Entah kenapa saya merasa ada yang aneh dengan pernyataan di atas. Tidak seperti jamannya ketika menjadi mahasiswa doktoral dimana saya langsung ngeyel protes di blog keren cafesalemba tersebut, saya coba endapkan dan pikirkan sebetulnya apa yang menurut saya tidak pas dengan pernyataan Ape.

Setelah dipikir-pikir, ternyata keberatan saya bemuara pada cara saya memandang ilmu ekonomi, psikologi, ilmu sosial dan segala ilmu yang berusaha mengerti perilaku manusia dan masyarakat. Berbagai cabang disiplin ilmu perilaku dan sosial itu bagi saya adalah berbagai pendekatan untuk mengerti manusia dan masyarakat. Karena latar belakang saya yang multi disiplin, saya tidak merasa menjadi pasukan salah satu disiplin ilmu tersebut. Kita bisa menggunakan pendekatan insentif dari ekonomi, kognitif dari psikologi, atau struktural dari sosiologi, tergantung dari masalah yang ingin kita pecahkan.

Karena saya melihat ilmu ekonomi sebagai salah satu bagian dari payung ilmu perilaku manusia sosial, maka saya melihat pernyataan bahwa semua ide besar telah ditemukan adalah berlebihan. Muingkin saja benar untuk ilmu ekonomi; tapi memiliki teori ekonomi yang baik bukan berarti juga memiliki teori yang baik untuk perilaku manusia dan masyarakat (berlaku untuk semua disiplin ilmu, teori sosiologi atau psikologi yang baik bukan berarti kita mengerti manusia). Artinya, boleh saja memang Ape menganggap ilmu ekonomi sudah matang sekali, tapi bukan berarti seluruh ide besar untuk mengerti manusia sudah ditemukan. Jadi perbedaaan utama saya dengan Ape adalah dia fokus pada ilmu ekonomi saja, sedangkan saya melihatnya sebagai masalah yang lebih umum yaitu ilmu perilaku manusia dan sosial. Tentu ini wajar jika melihat latar belakang masing-masing.

Selanjutnya saya akan coba uraikan sedikit mengapa kita masih kekurangan ide besar. Saya ambil satu contoh kira-kira bagaimana ada ruang untuk ‘revolusi’ ide besar.

Ekonom, psikolog, dan sosiolog sering bertengkar satu sama lain menyangkut pendekatan masing-masing ilmu. Ekonom menggunakan teori pilihan rasional dengan insentif menjadi panglima, psikolog menunjukkan bahwa cara manusia berpikir dipenuhi oleh bias-bias kognitif yang tidak bisa kita kontrol sehingga sulit kita berpikir dan bertingkah secara rasional, sedangkan sosiolog menekankan struktur sosial yang membatasi pilihan individu sehingga perilaku rasional tersebut sebenarnya banyak ditentukan oleh struktur sosial sebagai penyedia kesempatan atau keterbatasan.

Meskipun tampaknya berbeda-beda, tetapi sebenarnya ketiga pendekatan tersebut memiliki dasar yang sama: ekonom, psikolog, dan sosiolog melakukan rasionalisasi terhadap sebuah perilaku sehingga perilaku itu dimengerti sebagai kombinasi berbagai faktor seperti preferensi, motivasi, insentif, budaya atau kesempatan. Bukan hanya ilmuwan, semua manusia melakukan hal yang sama: mengerti perilaku manusia dalam kerangka rasionalitas (berbentuk rasionalisasi) dalam arti seluas-luasnya.

Sampai disini Ape mungkin berkata: “Tuh kan betul, ide besar sudah ditemukan, buktinya rasionalitas sebagai ide besar sudah diterima umum, kita nggak perlu ide besar lain lagi”.

Mungkin iya, mungkin juga tidak.

Proses utama dibalik ide kerangka rasionalitas ini adalah simulasi: jika kita ingin mengerti kenapa seseorang berperilaku tertentu, maka kita harus masuk ke sepatu dia dan melihat dunia dari kaca mata dia. Dari situ kita akan mengerti kenapa dia berperilaku tertentu dengan mengerti insentif, bias, atau posisi sosial apa yang dia alami dan rasakan. Hampir semua pendekatan ilmu perilaku & sosial – dari ekonomi hingga antropologi – menggunakan pendekatan subyektif ini. Tentu bukan berarti pendekatan simulasi ini salah, malah sebaliknya pendekatan ini telah menghasilkan banyak hal. Tetapi tetap ada pertanyaan seberapa akuratkah simulasi yang kita lakukan?

Menjawab pertanyaan seberapa akurat simulasi tersebut tentunya bukan disini tempatnya. Poin saya disini adalah para ilmuwan perilaku & sosial – terlepas beragamnya disiplin ilmu dengan pendekatan masing-masing – sebetulnya memakai satu kerangka berpikir; dan kerangka berpikir ini bisa jadi bukanlah satu-satunya.

Lihat disiplin ilmu lain seperti fisika misalnya. Ketika kita ingin mengerti perilaku elektron, yang fisikawan lakukan bukanlah membayangkan dirinya jadi elektron dan lalu memikirkan bagaimana elektron bergerak ketika menghadapi situasi tertentu. Artinya, untuk mengerti elektron, atom, DNA kita tidak menggunakan proses simulai seperti halnya ketika kita mencoba mengerti manusia. Apakah mungkin kita tak menggunakan proses simulasi ketika melakukan ilmu perilaku & sosial ? Ini salah satu pertanyaan besar yang belum terjawab.

Jadi bagi saya kita masih memerlukan banyak ide besar untuk bisa benar-benar mengerti perilaku manusia. Uraian saya disini menunjukkan hanya pada satu contoh dimana ide besar dalam ilmu manusia bisa muncul: menjelaskan perilaku tanpa rasionalisasi. Saya masih bisa berikan beberapa pertanyaan-pertanyaan besar yang jawabannya perlu ide-ide besar.

Sebagai penutup, mari kita ingat kembali bahwa sebagai ilmuwan, berpikiran terbuka adalah kewajiban. Meskipun itu sulit, seperti Max Planck pernah katakan: ‘Kebenaran ilmiah yang baru tidak menang dengan meyakinkan lawannya  dan membuat mereka melihat kebenaran, tetapi  karena pada akhirnya lawannya meninggal dunia’.

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.


 

Mulai dari nol

Blog lama rusak sistem file nya. Meskipun dicurigai isi blog lama masih ada di server, terlalu memakan banyak waktu untuk membereskannya. Jadi untuk sementara kita mulai lagi dari nol dengan sebuah blog baru.