Analisis Sentimen Konten Deepfake pada Tiktok untuk Mengukur Literasi Media Baru di Indonesia

Amri Sinuraya; Agnes Eviyanti

doi:10.36914/jikb.v12.i1.467

Penulis

Amri Sinuraya Universitas Kristen Indonesia Author
Agnes Melliana Eviyanti Universitas Persada Indonesia Y.A.I Author

DOI:

https://doi.org/10.36914/jikb.v12.i1.467

Kata Kunci:

deepfake,, paradoks digital, indobert, literasi media, misinformasi, analisis sentimen, tiktok

Abstrak

Perkembangan teknologi kecerdasan buatan (AI) telah memfasilitasi kemunculan konten deepfake, yang secara radikal mengubah lanskap misinformasi dan mengaburkan batasan antara realitas dan fabrikasi digital. Fenomena ini menghadirkan tantangan signifikan terhadap literasi media baru di tengah tingginya penetrasi platform TikTok. Penelitian ini bertujuan mengisi kekosongan literatur dengan memetakan respons publik secara komputasional sekaligus mengevaluasi tingkat literasi media masyarakat dalam merespons manipulasi tersebut. Pendekatan kuantitatif diterapkan menggunakan Natural Language Processing (NLP) dan model IndoBERT untuk mengklasifikasikan 385 sampel data teks dari TikTok. Kinerja model terbukti andal dengan mencatatkan tingkat akurasi keseluruhan sebesar 85,71% dan nilai rata-rata F1-Score 83,34%. Hasil klasifikasi menunjukkan distribusi polaritas didominasi oleh sentimen netral (225 data) dan positif (95 data), sementara sentimen negatif (kritis) hanya mencakup 65 data. Temuan empiris ini mengonfirmasi eksistensi paradoks digital, di mana tingginya adopsi teknologi berbenturan dengan rendahnya kesadaran algoritmik, sehingga masyarakat cenderung menormalisasi manipulasi visual sebagai bentuk hiburan tanpa filter kritis. Penelitian ini merekomendasikan reorientasi kurikulum literasi digital nasional menuju literasi kecerdasan buatan (AI literacy) guna meningkatkan ketahanan informasi publik.

Referensi

Buckingham, D. (2007). Digital media literacies: Rethinking media education in the age of the Internet. Research in Comparative and International Education, 2(1), 43-55. DOI: https://doi.org/10.2304/rcie.2007.2.1.43

Hobbs, R. (2010). Digital and media literacy: A plan of action. The Aspen Institute.

Cahya, R. R., & Ichwani, A. (2026). Komparasi kinerja model Support Vector Machine dan Indonesian Bidirectional Encoder Representations from Transformers dalam klasifikasi sentimen ulasan aplikasi Wondr by BNI. Journal of Science and Social Research, 9(2), 1965-1972.

Fernandes, Y. A., & Fatma, Y. (2025). Metode deep learning dalam teknologi deepfake: Systematic literature review. JATI (Jurnal Mahasiswa Teknik Informatika), 9(2), 3403-3410. DOI: https://doi.org/10.36040/jati.v9i2.12987

Hidayat, T., & Wijaya, K. (2024). Konten ilegal kecerdasan buatan berbasis deepfake dan upaya penanggulangannya di Indonesia. Jurnal Ilmiah Sistem Informasi, 8(1), 22-35.

Ihalauw, S. A., Lapatta, N. T., Nugraha, D. W., Wirdayanti, & Lamasitudju, C. A. (2025). Analisis sentimen terhadap kinerja awal pemerintahan menggunakan IndoBERT dan SMOTE pada media sosial X. Jurnal Algoritma, 22(2), 803-815. DOI: https://doi.org/10.33364/algoritma/v.22-2.2957

Koto, F., Rahimi, A., Lau, J. H., & Baldwin, T. (2020). IndoLEM and IndoBERT: A benchmark dataset and pre-trained language model for Indonesian NLP. Proceedings of the 28th International Conference on Computational Linguistics, 757-770. DOI: https://doi.org/10.18653/v1/2020.coling-main.66

Maharani, M., & Ihsan, M. C. (2026). Kategorisasi komentar live streaming TikTok menggunakan Support Vector Machine. Journal of Artificial Intelligence and Digital Business (RIGGS), 5(1), 5782-5788. DOI: https://doi.org/10.31004/riggs.v5i1.6636

Maulana, M. T. F., Nugroho, B. I., & Utami, E. U. S. (2025). Analisis sentimen ulasan aplikasi TikTok di Google Playstore menggunakan algoritma Naive Bayes. Journal of Artificial Intelligence and Digital Business (RIGGS), 4(3), 6627-6635. DOI: https://doi.org/10.31004/riggs.v4i3.2962

Nugroho, A., & Wulandari, S. (2023). Analisis pengaruh teknologi kecerdasan buatan terhadap penyebaran berita hoax di media sosial. Jurnal NAAFI (STKIP Majenang), 4(2), 112-125.

Patrick, M., Lubis, C., & Dharmawan, A. B. (2024). Pendeteksian citra deepfake wajah di smartphone menggunakan MobileNetV3-Small dan LBP. Jurnal Ilmu Komputer dan Sistem Informasi, 12(1). https://doi.org/10.24912/jiksi.v12i1.28214 DOI: https://doi.org/10.24912/jiksi.v12i1.28214

Pratama, D. A., & Yulianti, E. (2023). Sistem deteksi berita hoaks berbasis algoritma Natural Language Processing (NLP) menggunakan BERT. Open Jurnal STMIK Amika, 6(1), 34-45.

Setiawan, A. A., Santoso, T. A., Prawira, G. J., & Rakhmawati, N. A. (2024). Analisis sentimen publik terhadap penggunaan teknologi deepfake pada era digital. Etika Teknologi Informasi, 1(1), 1-15.

Wicaksono, T. A., Anggelina, E., Reformasianto, V. L., Wimbarti, S., Mufidah, D., & Kusrohmaniah, S. (2024). The impact of TikTok social media on users: A neuropsychological perspective. Psikostudia: Jurnal Psikologi, 13(3), 455-463.[cite: 2] DOI: https://doi.org/10.30872/psikostudia.v13i3.15920