Analisis Sentimen Pengguna X Terhadap Kebijakan Tes Kemampuan Akademik (TKA) Jenjang SMA dan Sederajat Menggunakan Metode IndoBERT
DOI:
https://doi.org/10.52436/1.jpti.2230Keywords:
analisis sentimen, fine-tuning, IndoBERT, media sosial X, tes kemampuan akademikAbstract
Kebijakan Tes Kemampuan Akademik (TKA) sebagai bentuk evaluasi pendidikan memunculkan beragam respons masyarakat di media sosial yang perlu dipetakan secara sistematis. Penelitian ini bertujuan untuk mengetahui distribusi sentimen pengguna X terhadap kebijakan TKA jenjang SMA dan menganalisis kinerja model IndoBERT varian indobert-base-p2 dalam mengklasifikasikan sentimen positif, netral, dan negatif. Data berupa 4.420 cuitan berbahasa Indonesia periode 25 Mei 2025–5 Januari 2026 dikumpulkan menggunakan Tweet-Harvest dan diproses melalui case folding , cleaning, serta normalisasi. Pelabelan dilakukan menggunakan pseudo-labeling dengan confidence threshold 0,7 dan pelabelan manual, dengan kesesuaian diukur menggunakan Cohen's Kappa sebesar 0,808. Model IndoBERT di -fine-tune menggunakan 70% data latih dan dievaluasi terhadap 884 data uji berlabel gold standard. Hasil menunjukkan sentimen negatif mendominasi sebesar 50,4%, diikuti netral 34,6% dan positif 15,0%. Model memperoleh accuracy, macro F1 -score, dan weighted F1 -score masing-masing sebesar 0,91, menunjukkan performa klasifikasi yang baik. Temuan ini dapat membantu memetakan respons publik sebagai bahan evaluasi dan komunikasi kebijakan pendidikan. Penelitian ini menyarankan perlunya sosialisasi kebijakan TKA yang lebih jelas, bertahap, dan transparan.
Downloads
References
T. Akbar et al., “Analisis Kritis Sistem Evaluasi Pendidikan Indonesia,” Ma’arif J. Educ., vol. 1, no. 1, pp. 1–11, 2022.
Peraturan Menteri Pendidikan Dasar dan Menengah Republik Indonesia Nomor 9 Tahun 2025 tentang Tes Kemampuan Akademik. Kementerian Pendidikan Dasar dan Menengah Republik Indonesia, 2025.
Y. Hertanto and H. Prasetyono, “Paradoks Standardisasi Akademik dalam Pendidikan Vokasi : Analisis Kritis Kebijakan TKA Melalui Studi Dokumen,” JPI J. Pendidik. Indones., vol. 5, no. 6, 2025, doi: 10.59818/jpi.v5i6.2320.
J. Juriyah, T. Fahrudin, and J. Jalaludin, “Readiness Analysis of the Implementation of the 2025 Academic Ability Test (TKA) Policy by the Ministry of Education and Culture,” YASIN J. Pendidik. dan Sos. Budaya, vol. 5, pp. 5708–5721, 2025.
“Digital 2025: Indonesia — DataReportal.” Accessed: Sep. 02, 2026. [Online]. Available: https://datareportal.com/reports/digital-2025-indonesia
D. E. Ratnawati, N. Y. Setiawan, P. Studi, S. Informasi, F. I. Komputer, and U. Brawijaya, “Analisis Sentimen Pengguna Sosial Media Twitter / X Terhadap Acara Clash of Champions Menggunakan,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 3, pp. 1–10, 2025.
F. Z. Emeraldien, R. J. Sunarsono, and R. Alit, “TWITTER SEBAGAI PLATFORM KOMUNIKASI POLITIK DI INDONESIA,” SCAN, vol. 14, no. 1, 2019.
R. A. Faridz, “ANALISIS SENTIMEN TWITTER MENGGUNAKAN ALGORITMA K -MEANS MENGENAI DAMPAK PENGHAPUSAN TKA SNBT TAHUN 2023,” 2024.
H. I. Ariq and S. L. Siregar, “Analisis Sentimen Ulasan Produk untuk Mengukur Kepuasan Pelanggan E - commerce menggunakan metode Natural Language Processing (NLP) dan Support Vector Machine (SVM),” JPNM (Jurnal Pustaka Nusant. Multidisplin), vol. 3, no. 3, pp. 1–8, 2025.
J. Devlin, M.-W. Chang, K. Lee, and K. Toutanova, “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding Jacob,” in Proceedings of the 17th Annual Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, 2019, p. 16. doi: 10.18653/v1/N19-1423.
A. Sevtian, Y. B. Pratama, and Z. Wahyuzi, “Analisis Sentimen terhadap Kasus Korupsi Timah di Kepulauan Bangka Belitung menggunakan Algoritma Indobert dan Bidirectional LSTM,” Hum. J. Soc. Humanit. Sci., vol. 3, no. 1, pp. 42–53, 2025, doi: https://doi.org/10.58738/human.v3i1.1116.
B. Wilie et al., “IndoNLU : Benchmark and Resources for Evaluating Indonesian Natural Language Understanding,” in Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 10th International Joint Conference on Natural Language Processing, 2020, pp. 843–857.
M. R. Manoppo, I. C. Kolang, D. N. Fiat, R. Michelly, and C. Mawara, “ANALISIS SENTIMEN PUBLIK DI MEDIA SOSIAL TERHADAP KENAIKAN PPN 12 % DI INDONESIA MENGGUNAKAN INDOBERT ANALYSIS OF PUBLIC SENTIMENT ON SOCIAL MEDIA TOWARDS THE 12 % PPN INCREASE IN INDONESIA USING INDOBERT,” J. Kecerdasan Buatan dan Teknol. Inf., vol. 4, no. 2, pp. 152–163, 2025, doi: https://doi.org/10.69916/jkbti.v4i2.322.
T. Marwiah, D. A. Ansani, M. Fitriani, and A. Laia, “Analisis Sentimen Komentar YouTube pada Video Jawaban Koboi Purbaya Menggunakan IndoBERT,” Metr. J., vol. 6, no. 1, 2025. Jurnal Pendidikan dan Teknologi Indonesia (JPTI) p-ISSN: 2775-4227 e-ISSN: 2775-4219 2376
sio J. Pipin and H. Kurniawan, “Analisis Sentimen Kebijakan MBKM Berdasarkan Opini Masyarakat di Twitter Menggunakan LSTM,” J. SIFO Mikroskil, vol. 23, no. 2, pp. 197–208, 2022, doi: 10.55601/jsm.v23i2.900.
S. I. Ishak, O. Arnilia, T. Widodo, I. G. Nyoman, and A. Bisma, “Analisis sentimen terhadap pemerintahan Prabowo – Gibran menggunakan IndoBERT dan LDA,” JAMBURA J. INFORMATICS, vol. 7, no. 2, pp. 72–82, 2025, doi: 10.37905/jji.v1i2.34895.
P. D. Manalu, M. Simanjuntak, and C. Umri, “Implementasi Algoritma Klasifikasi untuk Analisis Sentimen Media Sosial Tiktok Tahun 2025 analisis,” J. Tek. Inform. dan Teknol. Inf., vol. 5, no. 1, 2025, doi: https://doi.org/10.55606/jutiti.v5i1.5644.
