Teliti 22 Ribu Cuitan X tentang Kurikulum Merdeka, Mahasiswi FTI UII Raih IPK 4,00
WARTAJOGJA.ID : Prestasi membanggakan diraih mahasiswa Program Studi Informatika, Program Magister FTI UII Yogyakarta Andi Wafda.
Mahasiswa yang meneliti puluhan ribu cuitan di platform X atau twitter itu sukses meraih indeks prestasi kumulatif atau IPK sempurna 4,00.
Penelitiannya dilatari sorotannya tentang perubahan kurikulum yabg kembali terjadi dengan kehadiran Kurikulum Merdeka yang bertujuan mengatasi learning loss di dunia pendidikan. Implementasi kurikulum ini memicu berbagai respon.
Dukungan berupa kebebasan bagi guru untuk berinovasi, fokus pada materi esensial, pembelajaran bervariasi, dan mengembangkan kreativitas siswa. Namun, kritik juga muncul terkait banyaknya pendidik yang belum memahami konsep kurikulum baru, kekhawatiran orang tua, dan beban proyek yang mengurangi waktu istirahat siswa.
"Analisis terhadap respons ini penting untuk memberikan masukan dan meningkatkan kebijakan pendidikan. Penelitian tesis yang saya lakukan ini bertujuan untuk menganalisis sentimen publik terhadap Kurikulum Merdeka dengan menerapkan Aspect Based Sentiment Analysis (ABSA)," kata Andi Wafda, Rabu (23/4/2025).
Penelitiannya dilakukan dengan mengumpulkan data dari platform X (dulu Twitter) menggunakan tools Tweet Harvest selama periode 1 Januari-31 Desember 2024.
Keyword yang digunakan spesifik dan relevan terkait masing-masing aspek Kurikulum Merdeka yaitu Modul Ajar, Rapor Pendidikan, Platform Merdeka Mengajar (PMM), dan Proyek Penguatan Profil Pelajar Pancasila (P5).
Data yang terkumpul kemudian dilakukan pra-processing, filtering, refinement hingga pelabelan data. Total dataset yang valid terdiri dari 22.780 tweet, dengan 14.313 tweet digunakan dalam pemodelan, dengan distribusi seimbang untuk setiap aspek dan kategori sentimen.
Menggunakan IndoBERT
Selanjutnya, model ABSA dibangun menggunakan IndoBERT dengan fine-tuning dan dievaluasi menggunakan data latih, validasi, dan uji dengan rasio 80:10:10. Hasil penelitian menunjukkan bahwa model klasifikasi aspek mencapai nilai presisi, recall, skor F1 dan akurasi sebesar 99 persen. Sedangkan model klasifikasi sentimen mencapai nilai presisi, recall, skor F1 dan akurasi sebesar 86 persen.
Penelitian ini berhasil membangun model Aspect-Based Sentiment Analysis (ABSA) untuk menganalisis sentimen publik terhadap aspek Modul Ajar, Rapor Pendidikan, Platform Merdeka Mengajar, dan Profil Pelajar Pancasila dalam Kurikulum Merdeka yang dikumpulkan melalui platform X pada rentang waktu 1 Januari-31 Desember 2024.
Setelah melalui proses pra-pemrosesan dan penyeimbangan data, sebanyak 14.313 data digunakan untuk melatih model. Model IndoBERT yang digunakan dalam klasifikasi aspek menunjukkan performa yang sangat baik dengan skor akurasi, presisi, recall, dan F1-score rata-rata sebesar 99 persen, sementara model untuk klasifikasi sentimen juga menunjukkan hasil yang memuaskan dengan skor akurasi, presisi, recall, dan F1-score rata-rata sebesar 86 persen.
Efektivitas Transfer Learning
Temuan ini menunjukkan efektivitas transfer learning dengan IndoBERT sebagai pendekatan yang kuat untuk analisis sentimen berbasis aspek pada data tweet berbahasa Indonesia. Penerapan ABSA berhasil menghubungkan sentimen dengan aspek spesifik, memberikan wawasan yang lebih mendalam terhadap opini publik.
"Dari total 22.780 tweet yang dikumpulkan sepanjang tahun 2024, hasil ABSA menunjukkan bahwa sentimen negatif mendominasi (42 persen), diikuti oleh sentimen netral (41 persen) dan sentimen positif (17 persen). P5 menjadi aspek dengan tingkat sentimen negatif tertinggi. sementara Modul Ajar, PMM, dan Rapor Pendidikan memiliki persepsi yang lebih seimbang, meskipun tetap terdapat kritik atau masukan yang perlu diperhatikan," jelas Wafda.
Analisis lebih lanjut dilakukan analisis tren sentimen yang menunjukkan bahwa sentimen negatif terhadap Kurikulum Merdeka mendominasi sepanjang tahun 2024, terutama pada P5 dan PMM, yang menunjukkan adanya keluhan berkelanjutan yang perlu diperhatikan. Tren sentimen positif meningkat pada momen-momen tertentu, seperti pelaksanaan ANBK pada RP dan aksi nyata pada PMM, yang mendapat apresiasi karena efisiensi dan relevansinya.
Penurunan sentimen di akhir tahun disebabkan oleh berakhirnya semester ganjil, yang mengurangi tekanan administratif dan beban kerja bagi guru dan siswa.
"Secara keseluruhan, penelitian ini menegaskan bahwa IndoBERT efektif dalam menganalisis aspek dan sentimen terkait Kurikulum Merdeka, serta memberikan wawasan berharga mengenai persepsi publik dan pola tren sentimen sepanjang tahun 2024. Temuan ini dapat menjadi panduan bagi pemangku kebijakan dalam mengevaluasi dan menyempurnakan implementasi Kurikulum Merdeka," kata dia.
Fokus utama perbaikan perlu diarahkan pada peningkatan dukungan teknis, penyederhanaan beban kerja guru dan siswa, serta pelatihan berkelanjutan untuk meningkatkan efektivitas dan penerimaan Kurikulum Merdeka di kalangan pengguna utama. Dengan langkah-langkah strategis yang tepat, diharapkan implementasi Kurikulum Merdeka dapat lebih optimal dan sesuai dengan kebutuhan pendidikan di Indonesia.
Tantangan Kurikulum Merdeka
Temuan ini juga mengindikasikan bahwa masih terdapat berbagai tantangan dalam implementasi Kurikulum Merdeka yang perlu diperhatikan. Analisis sentimen dari platform X, yang merupakan media sosial tempat publik bebas menyampaikan opini, menunjukkan bahwa keluhan dan kritik terhadap kebijakan ini masih cukup tinggi.
Hal ini mencerminkan adanya kesenjangan antara kebijakan yang dirancang dengan harapan dan pengalaman nyata di lapangan. Oleh karena itu, meskipun Kurikulum Merdeka telah membawa sejumlah perubahan positif, evaluasi dan perbaikan berkelanjutan tetap diperlukan agar kebijakan ini dapat lebih efektif diterima dan diimplementasikan sesuai dengan kebutuhan nyata di dunia pendidikan.
Pada penelitian ini terdapat beberapa keterbatasan yang perlu dicatat. Pertama, keterbatasan dalam variasi dan ukuran dataset. Kedua, meskipun model IndoBERT yang digunakan telah menunjukkan kinerja yang baik, namun masih rentan terhadap konteks kalimat yang ambigu atau tumpang tindih antara kategori yang menyebabkan kesalahan klasifikasi.
Ketiga, keterbatasan waktu dan sumber daya komputasi yang dibutuhkan untuk menguji semua kombinasi hyperparameter, yang memungkinkan adanya kombinasi hyperparameter yang lebih optimal yang tidak terdeteksi. Keterbatasan-keterbatasan ini perlu diperhatikan lebih lanjut untuk dievaluasi agar dapat meningkatkan model yang digunakan.
Post a Comment