Sulut, BAROMETERSULUT.com-
Hasil polling dari suatu calon A meraih suara terbanyak dari beberapa calon lain dalam konteks mencari calon kepala daerah yang paling disukai dengan menggunakan web service secara online ataupun melalui platform seperti misalnya Instagram tidak harus serta merta dipercayai. Kenapa? Mari kita simak tulisan berikut ini.
Oleh: BOBBY HAMEDA SE MSi, MIntDe
Dalam era digital saat ini, media sosial memainkan peran penting termasuk salah satunya dalam mengumpulkan opini publik. Salah satunya digunakan untuk pemilihan kepala daerah seperti Bupati, Walikota, atau Gubernur. Ada berbagai platform yang digunakan dimana salah satunya adalah Instagram.
Sebagai informasi, pengguna terbanyak dari Instagram adalah berasal dari kalangan
anak muda atau Generasi Z (lahir 1997-2012) dan generasi Y (lahir 1981-1996 atau kaum Millennials).
Menurut data dari NapoleonCat.com dalam upgraded.id (n.d.), per Februari 2024, pengguna Instagram di Indonesia mencapai 89 juta orang, menjadikan Indonesia sebagai negara dengan jumlah pengguna Instagram terbesar keempat di dunia setelah Amerika Serikat, India, dan Brazil.
Sumber: NapoleonCat.com dalam upgraded.id (n.d.)
Berdasarkan data pada tabel diatas, kelompok usia 18-24 merupakan proxy atau perwakilan dari Generasi Z, sedangkan kelompok usia 25-34 dan 35-44 adalah perwakilan dari Generasi Y atau Millenials.
Terlihat jelas bahwa generasi Y dan
generasi Z mendominasi penggunaan platform/aplikasi Instagram.
Menurut gender, sebanyak 16,97 juta perempuan (19,1%) dan 12,26 juta laki-laki (13,8%) pada generasi Z. Sedangkan pada generasi millnials (Gen Y) terdapat 26,75
juta perempuan (30,1%) dan 23,55 juta laki-laki (26,5%).
Jadi secara keseluruhan pengguna Instagram didominasi oleh kedua generasi diatas dan tercatat bahwa jumlah perempuan 54,8% sedangkan laki-laki hanya 45,2% dari total pengguna Instagram di
Indonesia.
Dengan potensi yang dimiliki, Instagram banyak dilirik berbagai pihak baik untuk
kepentingan bisnis, marketing, pengumpulan opini publik seperti polling dan sebagainya.
Meskipun memiliki berbagai keuntungan, seperti kemudahan akses dan partisipasi yang tinggi, penggunaan polling di platform Instagram tetap memiliki
beberapa potensi bias yang bisa mempengaruhi akurasi hasil. Berikut ini adalah beberapa jenis bias utama yang mungkin terjadi.
1.Bias Sampel (Sample Bias)
Pengguna Instagram sebagian besar adalah kaum muda, sehingga hasil polling mungkin tidak mencerminkan pandangan dari kelompok usia yang lebih tua atau kelompok yang lebih beragam.
Hal ini dapat menyebabkan hasil polling yang kurang representatif.
• Contoh: Polling di Instagram mengenai calon kepala daerah favorit mungkin menunjukkan dukungan besar untuk calon yang populer di kalangan muda, seperti mereka yang aktif di media sosial.
• Implikasi: Preferensi kelompok usia yang lebih tua atau masyarakat yang
kurang aktif di Instagram mungkin tidak tercermin dalam hasil polling.
2. Bias Gambar Konteks (Contextual Image Bias) Fenomena baru yang mungkin dapat dikategorikan sebagai jenis bias lain adalah pengaruh gambar orang lain (misalnya seorang pemimpin) yang disandingkan dengan gambar/foto calon dalam polling.
Ijinkan saya berikan contoh ekstrim.
• Contoh: Jika Calon A yang kurang dikenal atau performance yang rendah lalu disandingkan dengan foto pemimpin/figur yang populer,sedangkan Calon B yang lebih dikenal dan memiliki kinerja atau performance yang outstanding lalu disandingkan dengan foto dari orang yang kurang begitu disukai akibat suatu
sebab, maka hasil polling bisa terpengaruh bukan karena kinerja nyata dari kedua calon, tetapi karena pandangan publik terhadap pemimpin/figur yang disandingkan dengan mereka.
Dengan kata lain, bias ini terjadi ketika foto atau gambar yang digunakan dalam polling mempengaruhi persepsi responden lebih dari informasi faktual tentang calon.
• Implikasi: Responden mungkin lebih memilih Calon A karena asosiasi positif dengan presiden, meskipun sebenarnya tidak mengenal atau mendukung Calon
A.Pemilihan gambar yang digunakan dalam polling dapat secara signifikan
mempengaruhi hasil karena responden cenderung dipengaruhi oleh asosiasi visual lebih dari kinerja atau kualitas calon itu sendiri. Ini menunjukkan bahwa
cara penyajian visual dalam polling harus diperhatikan dengan cermat untuk menghindari bias yang tidak diinginkan dan memastikan hasil yang lebih akurat
pandangan kuat terhadap topik yang ditanyakan, menyebabkan hasil yang berat sebelah.
• Contoh: Polling tentang calon kepala daerah yang peduli lingkungan atau
penanganan kasus hukum mungkin hanya diikuti oleh pengguna yang memang peduli terhadap isu lingkungan atau isu penanganan kasus hukum.
• Implikasi: Hasilnya mungkin menunjukkan dukungan tinggi untuk calon prolingkungan
atau calon pro penanganan kasus hukum, sementara pandangan dari kelompok yang peduli isu lain mungkin tidak terwakili.
4. Bias Konfirmasi (Confirmation Bias)
Pengguna Instagram sering mengikuti akun yang sesuai dengan pandangan mereka sendiri, sehingga hasil polling mungkin hanya mencerminkan pandangan kelompok yang homogen.
• Contoh: Influencer politik yang mengadakan polling tentang calon Gubernur terbaik misalnya, mungkin akan mendapatkan hasil yang cenderung mendukung dua kandidat yang sering mereka dukung.
• Implikasi: Hasil polling tidak mencerminkan pendapat dari orang yang tidak mengikuti influencer tersebut atau yang mendukung kandidat lain.
5. Bias Perumusan Pertanyaan (Question Framing Bias) Cara pertanyaan disusun dapat mempengaruhi jawaban responden. Pertanyaan yang memihak dapat mengarahkan responden pada jawaban tertentu.
• Contoh: Pertanyaan seperti “Apakah Anda setuju calon A adalah pilihan terbaik untuk Walikota/Bupati/Gubernur?” cenderung mendapatkan jawaban “ya” karena framing yang positif.
• Implikasi: Pertanyaan yang tidak netral mengurangi objektivitas hasil polling.
6. Batasan Platform (Platform Limitation Bias) Fitur polling di Instagram memiliki keterbatasan, seperti jumlah pilihan jawaban yang terbatas, yang membatasi eksplorasi isu lebih mendalam.
• Contoh: Polling dengan pilihan “Calon A atau Calon B?” tidak memungkinkan responden menyatakan dukungan mereka untuk calon lain.
• Implikasi: Hal ini membatasi kemampuan untuk mengeksplorasi preferensi yang lebih beragam dan kompleks.
7. Bias Waktu (Time Period/Temporal Bias) Waktu posting polling mempengaruhi siapa yang melihat dan merespons. Polling yang diposting saat mayoritas pengikut tidak aktif mungkin tidak mencerminkan
pandangan semua pengikut.
Demikian juga waktu buka polling dan atau waktu tutup polling.
• Contoh: Polling yang diposting pada malam hari mungkin lebih banyak diikuti oleh pengguna yang aktif di malam hari. Juga jika preferensi calon yang diinginkan sudah mendapatkan angka voters yang diinginkan, pembuat polling bisa menutup polling tersebut sehingga tidak ada waktu untuk disusulkan oleh
calon lain.
• Implikasi: Hasil polling mungkin tidak mencerminkan pendapat dari pengikut
yang aktif di siang hari. Juga pendapat/suara dari pengikut calon lain karena keburu sudah ditutup polling-nya.
8. Bias Keterlibatan (Engagement Bias) Hasil polling cenderung dipengaruhi oleh pengguna yang sangat aktif di Instagram.
Mereka yang sering berinteraksi dengan konten lebih cenderung berpartisipasi.
• Contoh: Pengguna yang sering berinteraksi dengan konten politik di Instagram lebih aktif merespons polling tentang calon Gubernur/Walikota/Bupati.
• Implikasi: Hasil polling didominasi oleh pandangan dari pengguna yang sangat terlibat, bukan pandangan keseluruhan pengikut.
9. Pemilih yang Belum Cukup Umur (Underage Voters) Pengguna Instagram yang belum cukup umur dan tidak memiliki hak suara dalam pemilihan tetap bisa berpartisipasi dalam polling, menambah jumlah suara pada
kandidat tertentu.
• Contoh: Anak atau remaja yang belum cukup umur untuk memilih bisa memberikan dukungan pada calon tertentu di polling Instagram.
• Implikasi: Hasil polling bisa mencakup suara dari individu yang sebenarnya tidak memiliki hak suara dalam pemilihan.
10. Pemilih di Luar Daerah Pemilihan (Out-of-Jurisdiction Voters) Pengguna dari luar daerah pemilihan juga bisa berpartisipasi dalam polling, meskipun mereka tidak memiliki hak pilih dalam pemilihan tersebut.
• Contoh: Pengguna dari daerah lain bisa memberikan suara dalam polling tentang calon Gubernur/Walikota/Bupati di daerah yang bukan tempat tinggal mereka.
•Implikasi: Hasil polling mungkin tidak mencerminkan pandangan sebenarnya
dari pemilih di daerah tersebut.
11. Ketidakmampuan Akses (Access Bias) Orang yang tidak memiliki akses ke Instagram atau internet tidak bisa berpartisipasi dalam polling.
• Contoh: Warga yang punya hak suara justru tanpa akses ke teknologi sehingga tidak terwakili dalam hasil polling di Instagram.
• Implikasi: Hasil polling bias terhadap pengguna yang lebih terhubung secara
digital, mengabaikan suara dari kelompok yang kurang terlayani (tanpa akses, atau ada keterbatasan kuota Internet).
12. Pengguna dengan Banyak Akun (Multiple Accounts Bias) Pengguna dengan lebih dari satu akun Instagram dapat memberikan suara
beberapa kali dalam polling, sesuai jumlah akun yang dimiliki.
• Contoh: Seorang pengguna dengan tiga akun dapat memberikan suara pada polling yang sama sebanyak tiga kali.
• Implikasi: Hasil polling bisa menjadi tidak akurat karena adanya pengulangan suara dari satu individu. Belum lagi diperparah jika individu tersebut tak memiliki hak suara namun justru memberikan banyak suara karena banyak akun.
Penutup Polling di Instagram untuk pemilihan kepala daerah memiliki manfaat tetapi juga menghadapi berbagai potensi bias. Meskipun suatu polling mengandung banyak bias menurut suatu disiplin ilmu, namun masih saja tetap dipakai oleh pihak tertentu. Baginya mungkin secara politik dapat menguntungkan karena bisa menggiring opini publik terhadap calon tertentu.
Kenapa bisa demikian? Hal tersebut terjadi dikarenakan dugaan masih banyak orang yang belum mengetahui berbagai bias yang sudah
disampaikan pada tulisan ini.
Diharapkan setelah mengetahui, mereka mampu menganalisis dan berpikir kritis serta tidak mudah tergiring oleh hasil yang bias. Memahami dan mengatasi berbagai bias ini penting untuk memperoleh hasil polling yang lebih akurat dan representatif, sehingga
memberikan wawasan yang valid bagi masyarakat luas.
Semoga tulisan ini bisa bermanfaat!!
DAFTAR BACAAN / REFERENSI
1. Bhandari, P. (2020). Sampling bias and how to avoid it | Types & examples. Scribbr. Retrieved from https://www.scribbr.com/methodology/sampling-bias/
2. Bhandari, P. (2022). Selection bias | Definition & examples. Scribbr. Retrieved fromhttps://www.scribbr.com/methodology/selection-bias/
3. Corporate Finance Institute. (n.d.). What is time period bias? Retrieved May 19, 2024,https://corporatefinanceinstitute.com/resources/career-map/sellside/capital-markets/timeperiodbias/#:~:text=What%20is%20Time%20Period%20Bias,set%20of%20circumstances%20or%20factors
4. Couper, M. P. (2000). Review: Web surveys: A review of issues and approaches. Public Opinion Quarterly, 64(4), 464-494.
5. Jim, J. (2022). Self-selection bias: Overview, examples & handling. Statistics by Jim. Retrieved from https://statisticsbyjim.com/bias/self-selection-bias/
6. Krämer, N. C., & Schäwel, J. (2020). Mastering the challenge of balancing the pros and cons of online participation: A systematic review of the psychology of online participation. Media and Communication, 8(4), 205-218.
7. Levin, I. P., Schneider, S. L., & Gaeth, G. J. (1998). All frames are not created
equal: A typology and critical analysis of framing effects. Organizational Behavior and Human Decision Processes, 76(2), 149-188.
8. Meng, X.-L. (2018). Statistical paradises and paradoxes in big data (I): Law of large populations, big data paradox, and the 2016 US presidential election. Annals of Applied Statistics, 12(2), 685-726.
9. Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many
guises. Review of General Psychology, 2(2), 175-220.
10. Shah, P., & Oppenheimer, D. M. (2008). Heuristics made easy: An effort-reduction framework. Psychological Bulletin, 134(2), 207-222.
11. Tversky, A., & Kahneman, D. (1981). The framing of decisions and the psychology of choice. Science, 211(4481), 453-458.
12. Upgraded Indonesia. (n.d.). Data jumlah pengguna Instagram di Indonesia. Retrieved May 19, 2024, from https://upgraded.id/data-jumlah-pengguna-instagramdi-indonesia
13. Wikipedia contributors. (n.d.). Sampling bias. In Wikipedia, The Free Encyclopedia. Retrieved from https://en.wikipedia.org/wiki/Sampling_bias
14. Wright, K. B. (2005). Researching internet-based populations: Advantages and disadvantages of online survey research, online questionnaire authoring software
packages, and web survey services. Journal of Computer-Mediated Communication, 10(3), JCMC1034. https://doi.org/10.1111/j.1083-6101.2005.tb00259(***)
