Algoritma Google Discover: Kotak Hitam yang Menentukan Berita Anda Setiap Hari
Baca dalam 60 detik
- Google Discover, sistem rekomendasi konten yang tertanam di ponsel Android, memproses miliaran artikel setiap hari untuk menyusun feed personal tanpa penjelasan resmi dari Google.
- Sistem ini bekerja melalui serangkaian tahap: indeksasi, pemetaan minat, prediksi perilaku, hingga peringkat akhir, namun formula penggabungan sinyalnya tidak diungkap ke publik.
- Bagi pengguna dan industri media di Indonesia, ketergantungan pada algoritma ini memunculkan pertanyaan tentang transparansi, netralitas, dan dampak terhadap konsumsi informasi.

Google Discover, layanan rekomendasi konten yang telah menjadi bagian tak terpisahkan dari antarmuka ponsel Android, setiap hari menyajikan beragam artikel kepada ratusan juta pengguna tanpa perlu melakukan pencarian. Namun, bagaimana tepatnya algoritma di balik layanan ini memilih konten untuk setiap individu masih menjadi misteri yang jarang diungkap oleh Google.
Berbeda dengan mesin pencari yang identik dengan kotak pencarian putih, Discover menawarkan pengalaman seperti feed media sosial—tanpa komentar, retweet, atau interaksi antarpengguna. Layanan ini tidak memiliki aplikasi terpisah; ia menempel di sistem operasi Android dan biasanya diakses dengan menggeser layar ke kanan dari halaman utama. Pertanyaannya, apa yang membuat sebuah artikel muncul di feed Anda? Apakah murni karena minat, atau ada faktor lain yang lebih kompleks?
Menurut sejumlah studi yang dipublikasikan para insinyur Google, Discover adalah sistem rekomendasi konten berskala industri yang menggabungkan pengambilan informasi dengan kurasi algoritmik. Meski detailnya tidak dibuka, para peneliti independen mencoba membedah arsitekturnya. Mereka menggambarkan proses ini seperti corong yang terbagi dalam beberapa tahap. Pertama, Google mengindeks miliaran konten dari seluruh internet dan menyaring konten yang melanggar kebijakan, seperti konten terorisme atau gambar grafis tanpa konteks jurnalistik. Konten yang lolos filter hanya berarti memenuhi syarat, bukan jaminan tampil di feed.
Selanjutnya, sistem mengidentifikasi entitas—misalnya nama koki Ferràn Adrià, presenter Pilar Rubio, atau merek ritel Lidl—yang ada dalam riwayat pencarian atau interaksi pengguna. Entitas-entitas ini dihubungkan untuk membentuk topik dan subtopik yang lebih luas. Untuk membandingkan dan menemukan konten terkait dalam skala besar, sistem menggunakan representasi matematis yang disebut embeddings. Vektor ini memetakan kluster entitas dan minat pengguna ke dalam koordinat, mirip permainan battleship: semakin dekat dua titik, semakin besar keterkaitannya.
Setelah profil minat terbentuk, sistem beralih ke model prediktif. AI mencoba memprediksi reaksi pengguna terhadap setiap kandidat konten. Ada sebelas tujuan prediktif yang dijelaskan Google, tujuh di antaranya spesifik: lima sinyal positif (klik, suka, respons survei positif, klik untuk detail, klik untuk memperluas teks) dan dua sinyal negatif (mengabaikan atau memblokir permanen). Prediksi-prediksi ini kemudian digabungkan menjadi satu skor, dengan bobot berbeda untuk tiap sinyal. Sebuah artikel bisa memiliki probabilitas tinggi untuk diklik, tetapi juga probabilitas tinggi untuk diblokir; artikel lain mungkin kurang memicu rasa penasaran, tetapi menghasilkan lebih banyak sinyal positif. Discover harus menyelesaikan trade-off ini, namun Google tidak mengungkap formula penggabungannya.
Setelah peringkat terbentuk, beberapa sistem menerapkan filter akhir untuk memasukkan kriteria seperti keberagaman, kebaruan, atau keadilan. Ini mencegah lima konten teratas semuanya membahas gadget baru yang sama dari Lidl. Di ujung corong, Discover telah memutuskan apa yang akan ditampilkan. Namun proses tidak berhenti di situ. Sistem ini belajar dari umpan balik: sinyal eksplisit (blokir sumber, suka konten) dan implisit (berhenti membaca, lanjut ke artikel berikutnya). Data baru ini digunakan untuk melatih dan memperbarui model. Rekomendasi menghasilkan interaksi, interaksi menghasilkan data, dan data tersebut memberi umpan pada rekomendasi berikutnya.
"Tidak ada satu algoritma tunggal atau persamaan besar yang bisa Anda kendalikan. Sistem rekomendasi seperti Google Discover didukung oleh jaringan infrastruktur algoritmik yang luas dan buram," tulis para peneliti dalam artikel yang dipublikasikan di The Conversation.
Dampak sistem ini terhadap industri media tidak bisa diabaikan. Di Indonesia, banyak penerbit berita mengandalkan trafik dari Google Discover untuk menjangkau pembaca. Perubahan kecil dalam algoritma dapat berarti lonjakan atau penurunan drastis kunjungan. Ketika Google tidak transparan tentang cara kerja Discover, penerbit dan pengguna berada dalam posisi rentan. Mereka tidak tahu mengapa konten tertentu dipromosikan atau disembunyikan. Hal ini memunculkan pertanyaan tentang netralitas dan akuntabilitas platform digital yang semakin mendominasi akses informasi publik.
Ke depan, desakan untuk regulasi algoritma semakin menguat. Di Eropa, Belanda memaksa Meta untuk memberi opsi bagi pengguna meninggalkan feed algoritmik. Langkah serupa bisa jadi akan menimpa Google Discover. Di Indonesia, dengan jumlah pengguna Android yang besar, transparansi algoritma menjadi isu krusial. Apakah kita akan membiarkan kotak hitam ini terus menentukan apa yang kita baca, atau akankah ada dorongan untuk membuka tutupnya?



