<![CDATA[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.]]>
Copyrights © 2025
