Pernahkah anda membuka TikTok dengan niat untuk menonton satu atau dua video sahaja, tetapi tanpa disedari hampir sejam telah berlalu? Lebih menarik lagi, kandungan yang muncul pada halaman For You Page (FYP) seolah-olah memahami minat kita. Jika seseorang sering menonton video berkaitan makanan, misalnya, semakin banyak kandungan makanan mungkin dipaparkan. Begitu juga dengan kandungan pendidikan, sukan, kecantikan, pelancongan atau hiburan.

Namun, bagaimana TikTok mengetahui kandungan yang mungkin kita sukai? Aplikasi itu sebenarnya tidak “membaca fikiran”. Di sebalik pengalaman peribadi setiap pengguna terdapat gabungan data interaksi, algoritma, matematik dan statistik yang digunakan untuk mengenal pasti corak tingkah laku serta membuat ramalan tentang kandungan yang berkemungkinan menarik perhatian pengguna.

Fenomena ini menunjukkan bahawa matematik bukan sekadar mata pelajaran di sekolah, malah menjadi antara asas penting kepada teknologi moden yang membentuk pengalaman digital dalam kehidupan seharian.

Dalam dunia digital, hampir setiap interaksi meninggalkan jejak data. Apabila seseorang menonton video, memberikan tanda suka, berkongsi kandungan, menulis komen atau mengikuti sesuatu akaun, tindakan tersebut menghasilkan maklumat yang boleh dianalisis oleh kecerdasan buatan (AI) dan pembelajaran mesin (machine learning).

Malah, tempoh seseorang menonton sesuatu video turut memberikan petunjuk penting kepada sistem. Sebagai contoh, dua pengguna mungkin sama-sama tidak menekan butang “suka”. Namun, pengguna pertama menonton video sehingga tamat, manakala pengguna kedua terus menatal selepas beberapa saat. Walaupun tindakan mereka kelihatan hampir sama, corak minat kedua-duanya sebenarnya berbeza.

Melalui kaedah statistik, data daripada pelbagai bentuk interaksi boleh dianalisis untuk mengenal pasti corak. Semakin banyak interaksi berlaku, semakin banyak maklumat tersedia untuk membantu sistem menganggarkan kecenderungan seseorang pengguna.

Bayangkan seorang pengguna sering menonton video resipi sehingga tamat, memberikan tanda suka dan menyimpan beberapa video masakan. Berdasarkan corak tersebut, sistem boleh menganggarkan bahawa pengguna berkenaan mempunyai minat terhadap kandungan berkaitan makanan.

Secara mudah, sistem cuba menjawab persoalan seperti, “Apakah kebarangkalian pengguna ini berminat dengan video seterusnya?” Sebagai contoh yang dipermudahkan, sistem mungkin menganggarkan tahap minat sebanyak 85 peratus terhadap video resipi, 35 peratus terhadap bola sepak dan 20 peratus terhadap permainan video. Kandungan dengan skor yang lebih tinggi mempunyai kemungkinan lebih besar untuk dicadangkan.

Sistem sebenar tentunya jauh lebih kompleks dan melibatkan pelbagai faktor. Namun, contoh tersebut memberikan gambaran tentang bagaimana konsep kebarangkalian dan statistik digunakan untuk membuat ramalan berdasarkan data.

Salah satu kekuatan matematik ialah keupayaannya menerangkan hubungan dan corak. Dalam sistem cadangan, pelbagai pemboleh ubah boleh dipertimbangkan, antaranya tempoh tontonan, tanda suka, komen, perkongsian dan sejarah interaksi pengguna.

Secara konsep, hubungan tersebut boleh digambarkan melalui fungsi:

S = f(W, L, C, H, …)

Dalam contoh ini, S mewakili skor kesesuaian kandungan, manakala W, L, C dan H mewakili faktor seperti tempoh tontonan, tanda suka, komen dan sejarah interaksi.

Formula tersebut bukan formula sebenar yang digunakan oleh TikTok, sebaliknya merupakan gambaran ringkas tentang prinsip matematik bahawa sesuatu output boleh dipengaruhi oleh pelbagai input secara serentak. Konsep fungsi yang dipelajari di dalam kelas sebenarnya mempunyai aplikasi yang luas dalam teknologi.

Dua orang yang membuka TikTok pada masa yang sama tidak semestinya melihat kandungan yang sama. Seorang mungkin menerima video bola sepak, manakala seorang lagi melihat kandungan pendidikan atau pelancongan.

Perbezaan ini berlaku kerana sejarah interaksi setiap pengguna adalah berbeza. Secara matematik, setiap pengguna boleh dianggap mempunyai profil yang dibentuk daripada pelbagai pemboleh ubah. Sistem kemudiannya membandingkan profil tersebut dengan ciri-ciri kandungan yang tersedia.

Semakin tinggi kesesuaian antara pengguna dengan sesuatu kandungan, semakin besar kemungkinan kandungan itu dicadangkan. Konsep ini dikenali sebagai sistem cadangan (recommendation system) dan turut digunakan dalam platform penstriman, laman beli-belah dalam talian serta pelbagai perkhidmatan digital.

Perkembangan AI menjadikan proses analisis data semakin canggih. Dalam pembelajaran mesin, komputer menggunakan data terdahulu untuk membina model dan membuat ramalan terhadap data baharu.

Beberapa cabang matematik memainkan peranan penting dalam proses ini. Statistik membantu memahami pola data, kebarangkalian membantu mengukur ketidakpastian, algebra linear (linear algebra) membantu memproses data dalam jumlah besar, manakala pengoptimuman membantu mendapatkan penyelesaian yang terbaik berdasarkan sesuatu objektif. Kalkulus juga menjadi antara asas matematik yang digunakan dalam pelbagai kaedah pembelajaran mesin.

Gabungan bidang-bidang tersebut membolehkan sistem memproses sejumlah besar data, mengenal pasti pola dan menghasilkan ramalan yang semakin disesuaikan dengan konteks pengguna.

Sebahagian pelajar mungkin pernah bertanya, “Mengapa kita perlu belajar matematik?” Jawapannya sebenarnya berada sangat dekat dengan kehidupan seharian.

Apabila kita menggunakan media sosial, membeli-belah dalam talian, menggunakan aplikasi navigasi atau menonton kandungan penstriman, pelbagai konsep matematik digunakan di sebalik sistem yang kita gunakan. Fungsi menerangkan hubungan antara pemboleh ubah, statistik membantu memahami data, kebarangkalian membantu membuat ramalan dan pengoptimuman membantu memilih penyelesaian yang terbaik.

Matematik bukan sekadar menyelesaikan persamaan, tetapi merupakan satu cara untuk memahami corak, membuat ramalan dan menyelesaikan masalah dalam pelbagai situasi kehidupan sebenar.

Walaupun sistem cadangan memberikan kemudahan kepada pengguna, kandungan yang muncul pada skrin bukan dipilih secara rawak. Apabila sistem semakin mengenali corak minat seseorang pengguna, lebih banyak kandungan yang mempunyai ciri serupa mungkin dipaparkan.

Keadaan ini menjadikan pengalaman digital lebih diperibadikan, tetapi pada masa yang sama boleh mempengaruhi kepelbagaian kandungan yang dilihat oleh pengguna. Oleh itu, literasi digital penting supaya pengguna bukan sahaja mengetahui cara menggunakan teknologi, tetapi turut memahami bagaimana data dan algoritma boleh mempengaruhi pengalaman digital mereka.

TikTok hanyalah satu contoh bagaimana matematik digunakan dalam kehidupan moden. Di sebalik skrin telefon pintar terdapat dunia yang dipenuhi nombor, data, model, kebarangkalian dan algoritma.

Apabila AI, analitik data dan automasi terus berkembang, keupayaan memahami matematik dijangka menjadi semakin penting. Matematik bukan lagi sekadar mata pelajaran yang dipelajari untuk peperiksaan, tetapi turut menjadi asas kepada pelbagai teknologi yang membentuk kehidupan manusia.

Jadi, apabila anda membuka TikTok dan tertanya-tanya mengapa FYP seolah-olah “terlalu mengenali” diri anda, ingatlah bahawa di sebalik video yang muncul satu demi satu itu terdapat sesuatu yang mungkin pernah anda pelajari di dalam kelas, iaitu matematik.

Oleh Azwaniza Poharan @ Bunari dan ‘Aaishah Radziah Jamaludin, Pensyarah, Pusat Pengajian Ijazah dan Asasi, SPACE UTM