Di kelas, guru bertanya:
“Siapa yang tahu apa itu AI?”
Hampir semua tangan naik.
“Kalau algoritma rekomendasi?”
Beberapa tangan masih naik.
Guru melanjutkan:
“Kalau aku tanya kenapa satu video muncul ke kamu dan bukan ke temanmu, bisa jelasin?”
Kelas mulai lebih sepi.
Itulah celah yang perlu diisi.
Pada 2026, literasi AI menjadi topik besar. Anak perlu memahami chatbot, generative AI, deepfake, hallucination, data, dan etika.
Tetapi ada teknologi lain yang sudah bertahun-tahun membentuk pengalaman digital mereka setiap hari:
sistem rekomendasi.
Sebelum seorang remaja bertanya kepada chatbot, ia mungkin sudah berjam-jam hidup di lingkungan yang dipilihkan algoritma.
Musik yang ditemukan.
Video yang muncul.
Akun yang direkomendasikan.
Topik yang terasa viral.
Produk yang terlihat.
Komentar yang dibaca.
Bahkan ide tentang apa yang “normal”.
Karena itu, literasi algoritma seharusnya diperlakukan sama serius dengan literasi AI.
Bukan karena algoritma selalu buruk.
Karena ia menjadi infrastruktur perhatian.
Pertama: anak perlu tahu sistem sedang memilih
Banyak pengguna merasakan feed seolah konten “muncul saja”.
Padahal ada pemeringkatan.
TikTok secara resmi menjelaskan bahwa rekomendasinya mempertimbangkan interaksi pengguna, informasi konten, dan informasi pengguna.
Platform lain juga menggunakan sistem personalisasi dengan desain masing-masing.
Pelajaran dasar:
“Yang kamu lihat adalah hasil seleksi.”
Tidak semua konten punya peluang sama muncul ke semua orang.
Tidak semua orang melihat urutan yang sama.
Tidak semua tren terlihat sama besar.
Begitu anak tahu ada seleksi, ia bisa mulai bertanya tentang kriteria.
Kenapa ini muncul?
Apa yang pernah kulakukan?
Apakah karena aku menonton topik serupa?
Apakah karena teman berbagi?
Apakah ini tren umum?
Apakah ini iklan?
Apakah sistem sedang menguji minat?
Tidak perlu mengetahui source code.
Literasi tidak berarti menjadi engineer.
Sama seperti kita bisa memahami cara kerja iklan tanpa menjadi ahli periklanan.
Yang penting mekanisme dasarnya terlihat.
Kedua: interaksi adalah data
Like adalah data.
Watch time bisa menjadi sinyal.
Follow.
Search.
Share.
Comment.
Skip.
Interaksi membantu sistem memperkirakan minat.
Anak perlu memahami konsekuensi sederhana:
“Kalau kamu terus berinteraksi, sistem bisa memberi lebih banyak.”
Ini menarik terutama untuk konten yang memancing marah.
Anak mungkin berkata:
“Aku benci konten ini.”
“Terus kamu ngapain?”
“Baca komentar sepuluh menit.”
Dari perspektif manusia, itu kebencian.
Dari perspektif sistem, ada engagement.
Tidak semua platform menafsirkan sinyal dengan cara sama, dan formula dapat berubah.
Tetapi prinsip umumnya berguna:
Jangan hanya bertanya apakah kamu suka.
Perhatikan bagaimana kamu berinteraksi.
Kalau tidak ingin melihat lebih banyak, gunakan kontrol yang tersedia.
AAP dalam panduan untuk remaja lebih tua bahkan mendorong mereka memiliki kontrol lebih besar atas konten feed, antara lain melalui tombol “not interested”, filter kata, atau opsi lain yang tersedia pada platform.
Literasi algoritma harus actionable.
Bukan cuma teori.
Ketiga: rekomendasi bukan validasi kebenaran
Ini harus ditulis besar.
ALGORITMA MEREKOMENDASIKAN BUKAN BERARTI ALGORITMA MEMVERIFIKASI.
Video muncul karena sistem menilainya mungkin relevan.
Bukan karena sudah fact-check.
Kalau video kesehatan masuk FYP, itu belum endorsement medis.
Kalau klaim sejarah direkomendasikan, belum berarti benar.
Kalau banyak video menyebut rumor sama, belum berarti ada bukti.
Anak harus memisahkan sistem distribusi dari sistem verifikasi.
Distribusi menjawab:
“Konten mana yang sampai ke saya?”
Verifikasi menjawab:
“Apakah klaimnya didukung bukti?”
Dua pekerjaan berbeda.
Inilah jembatan antara literasi algoritma dan critical thinking.
Keempat: personalisasi membuat pengalaman terasa universal
Dua remaja bisa punya feed berbeda.
Namun masing-masing merasa:
“Semua orang melihat ini.”
Literasi algoritma mengajarkan bahasa lebih akurat.
“Di feed aku.”
“Di komunitasku.”
“Di akun yang aku ikuti.”
“Di platform ini.”
Bukan otomatis:
“Di seluruh Indonesia.”
Kebiasaan memperkecil klaim sesuai bukti adalah keterampilan ilmiah.
Anak belajar scope.
Apa yang benar-benar ia observasi?
Apa yang hanya ia asumsikan?
Apa yang punya data?
Ini berguna jauh di luar media sosial.
Untuk sekolah.
Riset.
AI.
Berita.
Bahkan konflik pertemanan.
“Semua orang benci aku” bisa diperiksa.
Siapa “semua”?
Dua orang?
Satu grup?
Atau perasaan setelah membaca komentar?
Bahasa presisi membantu emosi juga.
Kelima: algoritma punya insentif
Sistem tidak hidup tanpa tujuan produk.
Platform ingin pengguna menemukan konten relevan.
Kreator ingin mendapat perhatian.
Brand ingin menjual.
Pengiklan ingin menjangkau audiens.
Pengguna ingin hiburan, informasi, atau koneksi.
Semua insentif bertemu.
UNICEF menyoroti bagaimana algoritma digital juga dapat mengekspos anak pada pemasaran dan komersialisasi secara intensif.
Karena itu anak perlu bertanya:
“Kenapa konten ini ingin aku tetap melihat?”
“Apakah ada produk?”
“Apakah ada sponsor?”
“Apakah kreator mendapat keuntungan dari engagement?”
Pertanyaan bukan untuk mencurigai semua orang.
Ia untuk memahami ekonomi perhatian.
Kalau anak tahu perhatian punya nilai, ia lebih sadar ketika emosinya menjadi bahan bakar engagement.
Keenam: anak bisa mengubah lingkungannya
Literasi yang membuat anak merasa tak berdaya bukan literasi yang bagus.
Jangan berhenti pada:
“Algoritma mengatur kamu.”
Ajarkan alat.
TikTok menyediakan fitur seperti Manage Topics, Refresh your For You feed, dan sinyal not interested.
Platform lain punya pengaturan berbeda.
Anak bisa:
unfollow,
mute,
block,
cari perspektif baru,
mengubah kebiasaan pencarian,
menggunakan feed kronologis jika tersedia,
mengurangi rekomendasi,
keluar dari aplikasi,
atau sengaja mengunjungi sumber yang tidak datang lewat rekomendasi.
Intinya:
“Feed bukan takdir.”
Ia responsif.
Tidak sepenuhnya dalam kontrol pengguna, tetapi bukan juga benda beku.
Agency ini sangat penting.
Anak belajar bahwa lingkungan digital dapat dikelola seperti meja belajar.
Kalau meja terlalu penuh, rapikan.
Kalau feed terlalu penuh satu topik, atur.
Ketujuh: literasi algoritma harus masuk sekolah
Sekolah sering mengajarkan cara mencari informasi.
Bagus.
Sekarang tambahkan:
cara memahami bagaimana informasi datang tanpa dicari.
Perbedaannya besar.
Search literacy:
“Aku mengetik pertanyaan, bagaimana memilih hasil?”
Algorithm literacy:
“Aku tidak mengetik apa-apa, kenapa sistem memilih ini untukku?”
Keduanya perlu.
Guru bisa membuat latihan tanpa media sosial pribadi.
Gunakan kartu.
Setiap murid mendapat profil minat fiktif.
Misalnya:
suka basket,
sering menonton video memasak,
menyimpan konten sains.
Kemudian kelas berperan sebagai sistem rekomendasi.
Video mana yang akan dipilih?
Mengapa?
Apa yang terjadi kalau anak tiba-tiba menonton video politik?
Apakah sistem langsung tahu niatnya?
Bagaimana kalau ia menonton karena marah?
Latihan ini mengajarkan bahwa perilaku digital adalah sinyal yang perlu diinterpretasikan.
Tidak perlu akun asli.
Privasi tetap terjaga.
Kedelapan: literasi AI tanpa algoritma timpang
Bayangkan anak sangat pintar mengecek apakah gambar dibuat AI.
Tetapi ia tidak bertanya kenapa gambar itu terus muncul.
Ia tahu chatbot bisa hallucinate.
Tetapi tidak tahu rekomendasi video dapat mengulang satu narasi.
Ia paham deepfake.
Tetapi mengira tren yang muncul berulang pasti mayoritas.
Literasinya belum lengkap.
AI menjawab:
“Bagaimana konten dibuat?”
Algoritma rekomendasi menjawab:
“Bagaimana konten sampai ke perhatianmu?”
Dua pertanyaan ini saling terkait.
Generative AI bisa membuat konten dalam skala besar.
Sistem rekomendasi bisa mendistribusikannya.
Karena itu anak perlu memahami produksi dan distribusi.
Siapa membuat?
Bagaimana dibuat?
Mengapa muncul?
Siapa mendapat keuntungan?
Apa buktinya?
Lima pertanyaan ini bisa menjadi fondasi.
Kesembilan: orang tua belajar bersama
Jangan menjadikan algoritma sebagai topik “anak zaman sekarang”.
Orang dewasa juga punya feed.
Coba satu malam semua anggota keluarga menjawab:
“Topik apa paling banyak muncul minggu ini?”
Ayah: mobil.
Ibu: berita dan resep.
Kakak: musik.
Anak: game dan video sekolah.
Lalu:
“Menurut kalian kenapa?”
Sekarang semua orang belajar.
Anak mungkin paling paham fitur.
Orang tua bisa paling paham risiko komersial.
Kakak bisa paling paham budaya.
Tidak ada satu ahli.
Ini cocok dengan teknologi yang terus berubah.
Kita tidak membutuhkan satu orang yang tahu semuanya.
Kita membutuhkan keluarga yang tahu cara bertanya.
Sepuluh: ukur literasi dari keputusan, bukan definisi
Anak bisa menghafal:
“Algoritma adalah serangkaian instruksi.”
Bagus.
Tetapi apakah ia bisa menggunakan pemahaman itu?
Ketika feed penuh satu topik, apakah ia sadar?
Ketika konten membuat marah, apakah ia tahu interaksi bisa memberi sinyal?
Ketika semua video mengulang klaim, apakah ia tetap mencari sumber?
Ketika algoritma terasa membosankan, apakah ia tahu cara mengatur?
Ketika teman punya feed berbeda, apakah ia memahami mengapa?
Itulah indikator literasi nyata.
Bukan definisi.
Keputusan.
Kesebelas: tahu kapan harus meninggalkan rekomendasi
Literasi algoritma juga berarti tahu kapan feed bukan tempat yang tepat untuk mengambil keputusan.
Kalau ingin tahu jadwal ujian, cek kanal sekolah.
Kalau sakit, jangan mengandalkan video rekomendasi sebagai diagnosis. Gunakan sumber kesehatan yang kredibel dan tenaga kesehatan bila diperlukan.
Kalau ingin mengetahui isi aturan, buka sumber resmi.
Kalau ada konflik dengan teman, algoritma tidak mengetahui seluruh riwayat hubungan.
Kalau menyangkut uang, keselamatan, reputasi, atau keputusan penting, naikkan standar sumber.
Ini prinsip sederhana:
Semakin tinggi konsekuensinya, semakin sedikit kita boleh bergantung pada apa yang kebetulan direkomendasikan.
Feed bagus untuk discovery.
Menemukan musik.
Ide menggambar.
Hobi.
Tutorial awal.
Kreator baru.
Tetapi discovery tidak sama dengan authority.
Anak perlu belajar berpindah kanal.
Dari video ke sumber asli.
Dari komentar ke dokumen.
Dari tren ke data.
Dari rekomendasi ke pencarian aktif.
Dari layar ke manusia yang memang kompeten.
Perpindahan ini adalah tanda literasi, bukan tanda bahwa algoritma gagal.
Kita memakai alat sesuai pekerjaannya.
Palu bagus untuk paku. Tidak untuk semua benda.
Algoritma bagus membantu menemukan. Tidak untuk memutuskan semua hal.
Keduabelas: ajarkan audit feed, bukan hanya screen time
Keluarga sering bertanya:
“Berapa jam?”
Pertanyaan itu penting, tetapi belum lengkap.
Dua jam melihat tutorial musik berbeda dari dua jam terjebak konten yang terus memicu marah.
Tambahkan audit kualitas.
“Akhir-akhir ini feed kamu bikin merasa apa?”
“Ada topik yang muncul terlalu banyak?”
“Ada yang membuat kamu ingin mengubah diri karena merasa kurang?”
“Ada yang ternyata berguna?”
“Ada yang sebaiknya dikurangi?”
Anak belajar bahwa kesehatan digital bukan hanya jumlah menit.
Ada isi.
Ada emosi.
Ada tujuan.
Ada kemampuan berhenti.
Ada kemampuan mengatur.
Screen time memberi angka.
Feed audit memberi konteks.
Keduanya bisa dipakai bersama tanpa menjadikan hidup digital anak satu statistik besar.
Kembali ke kelas.
Guru menulis dua kata di papan:
AI.
ALGORITMA.
Ia bertanya:
“Mana yang lebih sering kalian temui?”
Seorang murid menjawab:
“Algoritma, kayaknya. Soalnya tiap buka aplikasi ada.”
“Mana yang lebih sering kita bahas?”
“AI.”
Guru mengangguk.
“Nah. Minggu ini kita seimbangkan.”
Itu mungkin salah satu perubahan kurikulum kecil yang paling relevan.
Karena generasi AI tidak hanya perlu memahami mesin yang membuat jawaban.
Mereka juga perlu memahami mesin yang menentukan jawaban, gambar, video, suara, dan opini mana yang paling mudah mencapai mereka.
Literasi AI membantu anak bertanya:
“Apakah mesin ini benar?”
Literasi algoritma menambahkan:
“Kenapa justru ini yang ditunjukkan kepadaku?”
Dua pertanyaan itu harus tumbuh bersama.
Kalau tidak, kita mengajari anak memahami pabrik konten tetapi lupa menjelaskan jalan tol yang mengantarkan konten langsung ke perhatian mereka.