Metopen Kuantitatif - Review Artikel 13

fqs November 05, 2025 #PFIS258005 #kuliah

Nama: Firman Qashdus Sabil
NIM: 250321830676

Identitas Artikel

Judul: The use of generative AI in statistical data analysis and its impact on teaching statistics at universities of applied sciences
Penulis: Joachim Schwarz, Business Department, University of Applied Sciences Emden/Leer, Germany.
Jurnal: Teaching Statistics. 2025;47:118–128
Tautan: https://onlinelibrary.wiley.com/doi/epdf/10.1111/test.12398

Mengeksplorasi penggunaan generative AI (khususnya ChatGPT) dalam analisis data statistik.
Menganalisis dampaknya terhadap pengajaran statistika di universitas terapan (universities of applied sciences).
Mengidentifikasi batasan dan potensi AI generatif dalam analisis statistik serta bagaimana hal tersebut mengubah fokus pembelajaran statistik—dari penguasaan perangkat lunak ke pemahaman konseptual.

Penelitian menggunakan pendekatan eksperimen eksploratif dengan:

Empat set data sintetik/buatan (artificially generated datasets) untuk menguji kemampuan ChatGPT Data Analyst dalam melakukan analisis statistik dasar (t-test, regresi linear, ANOVA).
Penulis memposisikan diri sebagai pengguna tanpa pengetahuan statistik dan memberikan prompt sederhana kepada ChatGPT.
Setiap data dianalisis tiga kali untuk melihat konsistensi hasil.
Hasil AI dibandingkan dengan hasil analisis menggunakan $R$ untuk memeriksa akurasi.

ChatGPT ampu melakukan analisis statistik dasar dan menghasilkan kode Python yang dapat dijalankan;
tidak konsisten dalam memeriksa asumsi uji (seperti normalitas dan kesamaan varians), kadang mengabaikan outliers dan missing values;
meskipun output numerik dominan akurat, AI tidak selalu dapat mendeteksi pelanggaran asumsi atau memilih uji alternatif yang sesuai (mis. Kruskal-Wallis);
mahasiswa tanpa pengetahuan statistik kini dapat menjalankan analisis, namun tetap memerlukan pemahaman teoretis untuk menilai validitas hasil;
pengajaran statistik sebaiknya menekankan pemahaman konsep, interpretasi hasil, dan berpikir kritis, bukan sekadar penguasaan teknis perangkat lunak seperti $R$ atau Python;

Generative AI mempermudah analisis statistik dan berpotensi mengubah peran dosen dari pengajar teknis menjadi fasilitator pemahaman konseptual.
Pemahaman statistik manusia tetap penting, terutama untuk memastikan analisis dilakukan dengan benar dan sesuai konteks.
Penggunaan AI di kelas dapat membantu mahasiswa berfokus pada interpretasi hasil dan kesadaran terhadap batasan alat.
Etika dan privasi data perlu dipertimbangkan saat menggunakan AI dalam analisis statistik.

Kelebihan:

Kajian awal dan empiris yang menguji kemampuan ChatGPT secara langsung terhadap analisis data statistik nyata.
Fokus pada pendidikan terapan (applied sciences).
Menyediakan kerangka rekomendasi pedagogis konkret bagi dosen statistik di era AI.

Gap yang diteliti:

Sebelum artikel ini, sebagian besar studi hanya membahas potensi ChatGPT dalam pembelajaran atau pembuatan konten, bukan dalam kapasitas analisis data statistik yang sebenarnya.
Artikel ini mengisi kekosongan dengan menguji performa ChatGPT secara praktis dan membandingkannya dengan perangkat lunak statistik tradisional.

Dataset yang digunakan terlalu sederhana; belum mencakup analisis multivariat atau model statistik lanjutan.
Belum mengukur secara langsung apakah penggunaan AI meningkatkan hasil belajar mahasiswa.
Hasil sangat bergantung pada perumusan prompt; belum ada standar untuk menilai variasi pengguna.
Kurangnya analisis kuantitatif terhadap performa AI: perbandingan dengan ground truth masih bersifat deskriptif.

Salah satu studi pertama yang menguji langsung kemampuan ChatGPT dalam analisis statistik secara sistematis.
Menunjukkan bahwa AI dapat menggantikan sebagian peran software analitik bagi pengguna non-ahli.
Mengusulkan pergeseran paradigma pengajaran statistik—dari mengajarkan alat ke menanamkan pemahaman konseptual dan berpikir kritis.

Penelitian yang menilai secara empiris efek penggunaan ChatGPT dalam pengajaran statistik terhadap learning outcomes dan conceptual understanding.
Menguji kemampuan AI dalam model regresi multivariat, analisis faktor, atau data non-linear.