Inti bacaan

Jawaban “saya kerja di hotel” sudah memberi gambaran tentang tempat kerja, tetapi belum banyak bercerita tentang orang yang menjawab. Ia bisa menyusun laporan keuangan, memasak untuk tamu, atau menangani reservasi. Sebaliknya, jawaban “saya memasak” menerangkan tugas orang itu, tetapi belum membedakan dapur hotel dari jasa katering rumahan. Bagi petugas statistik, dua keterangan yang terdengar mirip tersebut mengisi kebutuhan yang berbeda.

Sebuah penelitian dalam Seminar Nasional Official Statistics menguji pembelajaran mesin untuk mengodekan jawaban terbuka Survei Angkatan Kerja Nasional. Penulis memakai data Agustus 2023 dari Nusa Tenggara Barat. Mereka meneliti klasifikasi lapangan usaha melalui KBLI dan klasifikasi jabatan melalui KBJI. Dalam evaluasi yang dilaporkan pada makalah terbit 8 November 2024, IndoBERT mencatat akurasi 0,76 untuk tugas pertama dan 0,65 untuk tugas kedua.

Apa yang menjadikan jawaban survei cukup jelas?

Bagi tim yang menyusun survei sendiri, hasil tersebut memberi alasan untuk memeriksa mutu pertanyaan sebelum memilih model. Dalam contoh hotel tadi, dua pertanyaan singkat dapat lebih berguna daripada satu kotak bertuliskan “pekerjaan”. Tanyakan apa yang dihasilkan atau disediakan tempat kerja, lalu apa yang biasanya dilakukan responden dalam sehari. Jawaban “hotel menyediakan penginapan dan saya menyiapkan sarapan” memuat dua jenis informasi yang semula bercampur.

Mengapa model bahasa tetap bisa keliru?

Peneliti membandingkan pendekatan klasifikasi pada jawaban yang berasal dari kegiatan survei. IndoBERT memanfaatkan konteks kata, tetapi bagian yang tidak disebutkan tetap sulit dipulihkan. Istilah “operator” dapat berarti pekerjaan yang berbeda di pabrik, biro perjalanan, atau pusat layanan. Jika model memilih kategori paling lazim, hasilnya mungkin tampak masuk akal bahkan ketika uraian responden belum cukup untuk memilih.

Akurasi membandingkan hasil keseluruhan dengan kode acuan dalam evaluasi. Nilai 0,65 tidak menjelaskan jabatan mana yang paling sering tertukar atau apakah jenis pekerjaan yang jarang muncul terwakili dengan baik. Makalah juga mencatat tambahan beban komputasi dan waktu pelatihan dibandingkan metode lain. Bagi pengelola survei kecil, peningkatan mutu perlu ditimbang bersama waktu yang benar-benar tersisa untuk mengecek jawaban sulit.

Menguji manfaat saran kode

Dalam latihan kampus, siapkan beberapa deskripsi buatan yang mirip, lalu minta dua orang mengodekannya secara terpisah. Sertakan deskripsi pekerjaan lengkap dan versi yang sengaja dipersingkat. Saat hasil berbeda, catat bagian informasi yang diperlukan untuk mengambil keputusan. Cara itu memperlihatkan kapan kamus istilah cukup membantu dan kapan petugas memerlukan pertanyaan lanjutan kepada responden.

Simpan pula kelompok jawaban yang ditandai meragukan. Daftar itu bisa menunjukkan bahwa formulir terlalu sering menghasilkan kata umum seperti “staf”. Mengubah satu pertanyaan untuk putaran berikutnya berpotensi lebih bermanfaat daripada berulang kali mengoreksi kata yang sama di akhir survei.

Seseorang membaca spreadsheet di laptop sebagai ilustrasi pekerjaan dengan data.
Foto ilustrasi pembacaan data pada komputer. Foto: Gorilla ROI Data Connector / Unsplash · Unsplash License

Sumber dan referensi

Analisis menggabungkan fakta bersumber dan penafsiran Nalarku.

Sumber diperiksa 19 Nov 2026, 20.48 WIB. Disusun dengan bantuan AI dan review editor.

Proses editorial dan penggunaan AI ·

NALAR PEKAN

Pahami kabar AI pilihan lewat email.

Kabar yang sudah ditinjau, konteks Indonesia, dan satu latihan untuk dicoba. Email dikirim ketika edisi sudah siap; konfirmasi alamatmu untuk berlangganan.

Memeriksa kesiapan pendaftaran email…

Pernah berlangganan? Kelola langganan atau daftar kembali.

Baca edisi web · Penggunaan data email