Model Deteksi Narasi Bias dalam Konten Edukasi Digital Berbasis NLP dan Analisis Semiotik

Fricles Ariwisanto Sianturi; Ismail Marzuki Sianturi

doi:10.69688/keyboard.v2i2.269

Authors

Fricles Ariwisanto Sianturi Universitas Tjut Nyak Dhien Author
Ismail Marzuki Sianturi Universitas Audi Indonesia Author

DOI:

https://doi.org/10.69688/keyboard.v2i2.269

Keywords:

Narasi bias, Konten edukasi digital, Natural language processing, Analisis semiotik, Deteksi teks otomatis, Literasi digital

Abstract

Perkembangan konten edukasi digital yang masif di berbagai platform pembelajaran daring menimbulkan tantangan baru terkait objektivitas dan netralitas informasi. Narasi bias, baik yang bersifat ideologis, kultural, maupun linguistik, berpotensi memengaruhi pemahaman peserta didik secara tidak kritis. Pengabdian ini bertujuan untuk merancang dan menguji Model Deteksi Narasi Bias dalam Konten Edukasi Digital Berbasis NLP dan Analisis Semiotik yang mampu mengidentifikasi pola bias secara otomatis dan kontekstual. Metode pengabdian menggunakan pendekatan campuran (mixed methods). Tahap pertama melibatkan analisis kualitatif berbasis semiotika untuk mengidentifikasi indikator bias pada level tanda, makna, dan representasi. Tahap kedua mengimplementasikan teknik Natural Language Processing (NLP) meliputi text preprocessing, ekstraksi fitur berbasis TF-IDF, analisis sentimen, serta klasifikasi menggunakan algoritma Support Vector Machine (SVM) dan Bidirectional LSTM. Dataset terdiri atas 1.200 dokumen konten edukasi digital dari berbagai platform pembelajaran. Validasi model dilakukan menggunakan cross-validation dan pengukuran akurasi, presisi, recall, dan F1-score. Hasil pengabdian menunjukkan bahwa integrasi analisis semiotik dan NLP meningkatkan akurasi deteksi bias hingga 87,6%, lebih tinggi dibandingkan pendekatan NLP tunggal (78,3%). Model mampu mengidentifikasi bias implisit yang tidak terdeteksi melalui analisis sentimen sederhana, khususnya pada representasi gender dan budaya. Selain itu, visualisasi hasil klasifikasi membantu pendidik dalam melakukan evaluasi konten secara sistematis. Simpulan pengabdian ini menegaskan bahwa pendekatan hibrida antara NLP dan analisis semiotik efektif dalam mendeteksi narasi bias pada konten edukasi digital. Model yang dikembangkan berpotensi diimplementasikan sebagai sistem pendukung evaluasi kualitas konten pembelajaran guna mendorong literasi digital yang lebih kritis dan inklusif.

References

Aditya, R., & Pratama, S. (2025). Analisis semiotika digital: Membongkar makna tersembunyi dalam teks edukasi daring. Penerbit Media Akademika.

Bender, E. M., & Friedman, B. (2021). Data Statements for Natural Language Processing: Toward mitigating system bias and enabling better science. Transactions of the Association for Computational Linguistics, 9, 587–604. https://doi.org/10.1162/tacl_a_00041

Darmawan, A., & Sari, I. P. (2023). Deteksi bias ideologi pada konten berita pendidikan menggunakan metode Word Embedding dan Sentiment Analysis. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK, 10(4), 821–832.

Eco, U., & Sebeok, T. A. (2022). Semiotics and the digital discourse: Interpretation in the age of AI. Indiana University Press.

Hadi, M. S., & Wijaya, K. (2024). Integrasi analisis semiotik Roland Barthes dalam algoritma deteksi teks bias untuk materi ajar sejarah. Jurnal Komunikasi dan Informatika, 11(2), 145–160.

Haluani, N. (2023). Bias detection in digital learning materials: A Natural Language Processing approach. Journal of Educational Computing Research, 61(3), 512–535.

Kusumaningrum, R., & Winarko, E. (2021). Pengembangan model klasifikasi narasi bias pada artikel edukasi menggunakan Bidirectional Encoder Representations from Transformers (BERT. Jurnal Sistem Informasi, 17(1), 45–59.

Lazuardi, M. F. (2024). Narasi tersembunyi: Memahami bias kognitif dalam konten digital. Gramedia Pustaka Utama.

Nakamura, T. (2025). Semiotik kognitif: Menjembatani makna bahasa dan kecerdasan buatan. Pustaka Pelajar.

Navigli, R. (2022). Analysis of meaning: From word sense disambiguation to semantic role labeling. Cambridge University Press.

Putra, D. E., & Hasanah, U. (2024). Identifikasi bias jender dalam buku teks digital melalui teknik Natural Language Processing (NLP. Jurnal Inovasi Teknologi Pendidikan, 11(1), 12–26.