ANALISIS SENTIMEN TERHADAP AI DALAM PENDIDIKAN DI MEDIA SOSIAL MENGGUNAKAN METODE KUANTITATIF LOGISTIC REGRESSION
Abstract
The rapid growth of Artificial Intelligence (AI) has expanded its role in education and sparked diverse public reactions on social media. This study aims to analyse sentiment toward AI in education using comments from Tempo.com's posts on the TikTok platform. A quantitative approach using Logistic Regression was applied to classify sentiment into positive and negative categories. The dataset consisted of 1,247 comments, which underwent text preprocessing, data labelling, data sharing, and model training. The analysis results showed 948 comments were negative and 298 comments were positive. The Logistic Regression model achieved an accuracy of 83%; precision 0.66, recall 0.64, and F1-score 0.65 confirm the effectiveness of this method. The research findings indicate that public perception of AI in education tends to be negative, while also providing insights for educators and policymakers to respond more wisely to technological developments.
Pertumbuhan pesat Artificial Intelligence (AI) telah memperluas perannya dalam pendidikan dan memicu beragam reaksi publik di media sosial. Penelitian ini bertujuan menganalisis sentimen terhadap AI dalam pendidikan dengan menggunakan komentar dari unggahan Tempo.com di platform TikTok. Pendekatan kuantitatif dengan metode Logistic Regression diterapkan untuk mengklasifikasikan sentimen ke dalam kategori positif dan negatif. Dataset terdiri atas 1.247 komentar yang diproses melalui tahap text preprocessing, pelabelan data, pembagian data, dan pelatihan model. Hasil analisis menunjukkan 948 komentar bernuansa negatif dan 298 komentar bernuansa positif. Model Logistic Regression mencapai akurasi sebesar 83%, dengan nilai precision, recall, dan F1-score yang menegaskan efektivitas metode ini. Temuan penelitian mengindikasikan bahwa persepsi publik terhadap AI dalam pendidikan cenderung negatif, sekaligus memberikan wawasan bagi pendidik dan pembuat kebijakan untuk merespons perkembangan teknologi secara lebih bijaksana
Full Text:
PDFReferences
Ardiansah, Y., Monalisa, S., & Muttakin, F. (2024). Analisis Sentimen Komentar Perplexity AI di X Tentang Pendidikan Menggunakan Support Vector Machine. BITS : Building of Informatics, Technology and Science, 6(3), 2015–2023. https://doi.org/10.47065/bits.v6i3.6396
Damayanti, A., Delima, I. D., & Suseno, A. (2023). Pemanfaatan Media Sosial Sebagai Media Informasi dan Publikasi (Studi Deskriptif Kualitatif pada Akun Instagram @rumahkimkotatangerang). PIKMA : Publikasi Ilmu Komunikasi Media Dan Cinema, 6(1), 173–190. https://doi.org/10.24076/pikma.v6i1.1308
Eriana, E. S., & Zein, A. (2023). Artificial Intelligence (AI). Purbalingga: CV. Eureka Media Aksara.
Fahmuddin S, M., Aidid, M. K., & Nurliah, M. J. T. (2023). Implementasi Analisis Regresi Logistik Dengan Metode Machine Learning Untuk Mengklasifikasi Berita di Indonesia. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 5(3), 155–162. https://doi.org/10.35580/variansiunm116
Inzaghi, R., Cahyani, A. D., Valenda, V., Ananda, M. A., & Pratama, D. (2024). Analisis Penerapan Artificial Intelligence (AI) di Berbagai Bidang. JREIN : Jurnal Rekayasa Informatika, 1(1), 36–45. https://rekayasainformatika.com/index.php/JREIN/article/view/3
Lestari, V. B., & Hutagalung, C. A. (2025). Evaluation of TF-IDF Extraction Techniques in Sentiment Analysis of Indonesian-Language Marketplaces Using SVM, Logistic Regression, and Naive Bayes. J-KOMA : Jurnal Ilmu Komputer Dan Aplikasi, 8(1), 36–44. https://doi.org/10.21009/j-koma.v8i1.05
Oktavianus, A. J. E., Naibaho, L., & Rantung, D. A. (2023). Pemanfaatan Artificial Intelligence pada Pembelajaran dan Asesmen di Era Digitalisasi. Kridatama Sains Dan Teknologi, 5(2), 473–486. https://doi.org/10.53863/kst.v5i02.975
Pratama, A. D., & Hendry. (2024). Analisa Sentimen Masyarakat Terhadap Penggunaan ChatGPT Menggunakan Metode Support Vector Machine (SVM). JIPI : Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika, 9(1), 327–338. https://doi.org/10.29100/jipi.v9i1.4285
Purnamasari, D., Aji, A. B., Wulandari A. P., D., Reza, F. A., Safrila O., M., Yanda, N., & Hidayati, U. (2023). Pengantar Metode Analisis Sentimen. Depok : Gunadarma Penerbit.
Saepudin, A., Aryanti, R., Fitriani, E., Royadi, R., & Ardiansyah, D. (2024). Analisis Sentimen Pemanfaatan Artificial Intelligence di Dunia Pendidikan Menggunakan SVM Berbasis Particle Swarm Optimization. Computer Science (CO-SCIENCE), 4(1), 71–79. https://doi.org/10.31294/coscience.v4i1.2921
Safitri, E., Syukrilla, W. A., & Fitriana, I. N. L. (2025). Logistic Regression for Sentiment Analysis of Insecurity Phenomena on Platform X. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 18(1), 948–956. https://doi.org/10.36456/jstat.vol18.no1.a10545
Saputra, A. J., Achmadi, S., & Auliasari, K. (2025). Penggunaan Metode Logistic Regression Untuk Analisis Sentimen Pembangunan Ibu Kota Nusantara Pada Media Sosial. IJAI : Indonesian Journal of Applied Informatics, 9(2), 281–295. https://doi.org/10.20961/ijai.v9i2.95416
Sihaloho, F. A. S., & Napitupulu, Z. (2024). Use of Artificial Intelligence in Education in Indonesia: Literature Review. REKOGNISI : Jurnal Pendidikan Dan Kependidikan, 9(1), 13–20. https://jurnal.unusu.ac.id/index.php/rekognisi/article/view/167
Swaminathan, S., & Tantri, B. R. (2024). Confusion matrix-Based Performance Evaluation Metrics. African Journal of Biomedical Research, 27(4S), 4023–4031. https://doi.org/10.53555/AJBR.v27i4S.4345
DOI: https://doi.org/10.56486/jeis.vol6no2.1129
Article Metrics
Abstract view : 5 timesPDF - 4 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2026 Rizki Andika Prasetyo, Anindita Novelia Putri, chairul ichwan -
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
TERINDEKS OLEH :
