Publikasi
Karya Ilmiah MahasiswaPencarian Spesifik
Kunjungan
Perkembangan teknologi kecerdasan buatan (AI) semakin berdampak pada berbagai aspek kehidupan, khususnya di dunia kerja. Di media sosial kita semakin banyak membicarakan dampak kecerdasan buatan terhadap dunia kerja, baik dari segi peluang maupun tantangannya. Penelitian ini bertujuan untuk menganalisis sentimen pengguna X terhadap dampak Artificial Intelligence di dunia kerja dengan menggunakan pendekatan berbasis algoritma Text Mining. Penelitian ini menguji tiga hipotesis utama yaitu Hipotesis 1 Sentimen warganet X terhadap dampak AI di dunia kerja cenderung negatif, terutama terkait dengan potensi penggantian pekerjaan manusia oleh AI; Hipotesis 2 Faktor-faktor yang mempengaruhi sentimen warganet terhadap implementasi AI di dunia kerja adalah tingkat emosional pengguna, pengguna merasa bahagia dengan adanya kecerdasan buatan ini; Hipotesis 3 Tren sentimen warganet terhadap penggunaan AI di dunia kerja positif seiring dengan perkembangan teknologi AI dan pemberitaan terkait AI. Metode yang digunakan yaitu pengumpulan data dengan cara memindai tweet dengan kata kunci tertentu, kemudian menganalisis data menggunakan algoritma text mining untuk mengelompokkan sentimen menjadi positif, negatif, dan netral. Data media sosial X dikumpulkan menggunakan tool pengumpulan data X dan dianalisis menggunakan Orange Data Mining. Analisis sentimen dilakukan dengan menggunakan algoritma text mining untuk mengklasifikasikan sentimen dalam tweet menjadi positif, negatif, atau netral. Sentimen positif umumnya terkait dengan optimisme terhadap peluang yang dihadirkan oleh kecerdasan buatan, sedangkan sentimen negatif didominasi oleh kekhawatiran terhadap pengangguran akibat otomatisasi. Penelitian ini memberikan kontribusi berupa gambaran mengenai pemahaman persepsi masyarakat terhadap AI dan implikasinya bagi dunia kerja yang dapat dijadikan pertimbangan ketika memutuskan adopsi kecerdasan buatan di dunia kerja, terutama ketika membuat kebijakan yang mendukung adaptasi teknologi inklusif.
Alkhalifi, Y., Gata, W., Prasetya, A., & Budiawan, I. (2020). Analisis Sentimen Penghapusan Ujian Nasional pada Twitter Menggunakan Support Vector Machine dan Naïve Bayes berbasis Particle Swarm Optimization. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi, 6(2), 71. https://doi.org/10.24014/coreit.v6i2.9723
Andayani, T., Kurniawan, B., & Dewi, A. (2020). Pengembangan Desain Produk dan Pemasaran Kelompok Usaha Kerajinan Tangan Berbahan Tali Kur di Desa Siwatu. Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming, 3(1), 58–62. https://doi.org/10.30591/japhb.v3i1.1669
Aprisadianti, S. N. (2021). Analisis Sentimen Twitter terhadap Content Creator Sisca Kohl Menggunakan Regular Expression. Makalah IF2211 Strategi Algoritma, 13519040.
Ismail, Rahmah, H. N., & Sulistiyowati, R. (2022). Penggunaan Software Orange Data Mining Pada Implementasi Text Mining Dalam Analisis Sentimen Netizen Di Twitter Terhadap Kelangkaan Minyak Goreng. Sigma-Mu, 14(2), 1–11. https://doi.org/10.35313/sigmamu.v14i2.4667
Munawaroh, A., Ridhoi, R., & Rudiman, R. (2024). Sentiment Analysis Dengan Naïve Bayes Berbasis Orange Terhadap Resiko Pembangunan Ikn. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 587–592. https://doi.org/10.36040/jati.v8i1.8454
Pahtoni, T. Y., & Jati, H. (2024). Analisis Sentimen Data Twitter Terkait Chatgpt Menggunakan Orange Data Mining. Jurnal Teknologi Informasi dan Ilmu Komputer, 11(2), 329–336. https://doi.org/10.25126/jtiik.20241127276
Riyadhi, M. F. (2019). Aplikasi Text Mining Untuk Automasi Penentuan Tren Topik Skripsi Dengan Metode K-Means Clustering (Studi Kasus: Prodi Sistem Komputer). Jurnal Sistem Komputer, 8(2), 59–64.
Sajwan, V., Awasthi, M., Goel, A., & Sharma, P. (2023). Sentiment analysis of Twitter data regarding the agnipath scheme of the defense forces. Indonesian Journal of Electrical Engineering and Computer Science, 30(3), 1643–1650. https://doi.org/10.11591/ijeecs.v30.i3.pp1643-1650
Sari, V. K., Tri, H., Joyo, B., Ayu, S., Sari, M., Prastika, D., Salshabilla, S., Dewi, A. Y., & Faradisi, F. (2024). Sosialisasi Mental Health Bagi IPNU / IPPNU Desa Krasakageng Kecamatan Sragi Kabupaten Pekalongan Monitoring dan. 2(7), 2824–2829.
Sholehhudin, M., Fauzi Ali, M., & Adinugroho, S. (2018). Implementasi Metode Text Mining dan K-Means Clustering untuk Pengelompokan Dokumen Skripsi ( Studi Kasus?: Universitas Brawijaya ). 2(11), 5518–5524.
Sugiharto, Dewi, A. Y., & Arifiyanto, M. (2022). Peningkatan Kompetensi Kader Kesehatan Lanjut Usia Melalui “Kelas Kader Lansia”: Improvement Of The Community Health Worker (CHW) Competencies Through …. Jurnal Pengabdian Masyarakat Kesehatan, VIII(4), 327–331.
Sutrisno, D., Dewi, A. Y., & Rosyadi, I. (2023). Rancang Bangun Aplikasi Instrumen Perkuliahan Pada Fakultas Teknik dan Ilmu Komputer UMPP Berbasis WEB. Jurnal Surya Informatika, 13(1), 52–60. https://doi.org/10.48144/suryainformatika.v13i1.1440
Ulya, S., Ridwan, A., Cholid Wahyudin, W., & Hana, F. M. (2022). Text Mining Sentimen Analisis Pengguna Aplikasi Marketplace Tokopedia Berdasar Rating dan Komentar Pada Google Play Store. Jurnal Bisnis Digital dan Sistem Informasi, 3(2), 33–40.
Utami, N. W., & Eka Putra, I. G. J. (2022). Text Minig Clustering Untuk Pengelompokan Topik Dokumen Penelitian Menggunakan Algoritma K-Means Dengan Cosine Similarity. Jurnal Informatika Teknologi dan Sains, 4(3), 255–259. https://doi.org/10.51401/jinteks.v4i3.1907
Winata, N. J., & Alvin, S. (2022). Strategi Influencer Marketing Dalam Meningkatkan Customer Engagement (Studi Kasus Instagram Bonvie. id). Jurnal Kewarganegaraan, 6(2), 4262–4272.
| Properti | Nilai Properti |
|---|---|
| Organisasi | Universitas Muhammadiyah Pekajangan Pekalongan |
| umpp.pekalongan@yahoo.com | |
| Alamat | Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan |
| Telepon | (0285) 7832294 |
| Tahun | 2025 |
| Kota | Pekalongan |
| Provinsi | Jawa Tengah |
| Negara | Indonesia |