Analisis Pengaruh Algoritma Rekomendasi TikTok terhadap Perilaku Konsumsi Konten Menggunakan Metode Data Mining dan Machine Learning

Abstract

Penelitian ini dilatarbelakangi oleh peran sentral algoritma rekomendasi dalam membentuk pola konsumsi konten pengguna media sosial, khususnya pada platform TikTok yang mengalami pertumbuhan pesat secara global dan lokal. Tujuan penelitian adalah menganalisis pengaruh variabel personal relevance, engagement rate, dan frequency of exposure dalam algoritma rekomendasi TikTok terhadap perilaku konsumsi konten pengguna di Indonesia. Pendekatan kuantitatif eksplanatori digunakan dengan pengumpulan data melalui kuesioner online yang melibatkan 400 responden aktif pengguna TikTok usia 18-35 tahun, kemudian dianalisis menggunakan regresi linier berganda untuk menguji hubungan antar variabel. Hasil penelitian mengungkapkan bahwa ketiga variabel tersebut secara bersama-sama memberikan kontribusi signifikan sebesar 68% terhadap variasi perilaku konsumsi konten, menegaskan pentingnya algoritma rekomendasi dalam membentuk interaksi pengguna dengan platform. Kesimpulannya, penelitian ini memperkaya pemahaman teoritis mengenai pengaruh algoritma dalam perilaku digital serta memberikan implikasi praktis bagi pengembang platform dan pembuat kebijakan untuk meningkatkan transparansi dan literasi digital, guna menciptakan ekosistem digital yang lebih sehat dan beragam.This research is motivated by the central role of recommendation algorithms in shaping the content consumption patterns of social media users, particularly on TikTok, which is experiencing rapid growth globally and locally. The research aims to analyze the influence of personal relevance, engagement rate, and frequency of exposure variables in TikTok's recommendation algorithm on content consumption behavior among users in Indonesia. An explanatory quantitative approach was used, with data collected through an online questionnaire involving 400 active TikTok users aged 18-35, which was then analyzed using multiple linear regression to test the relationships between variables. The results reveal that these three variables collectively contribute 68% to the variation in content consumption behavior, emphasizing the importance of recommendation algorithms in shaping user interaction with the platform. In conclusion, this research enriches the theoretical understanding of the influence of algorithms on digital behavior. It provides practical implications for platform developers and policymakers to enhance transparency and digital literacy to create a healthier and more diverse digital ecosystem.