IKMIIKMI

Jurnal ICT: Information Communication & TechnologyJurnal ICT: Information Communication & Technology

Penelitian ini menyajikan tinjauan sistematis dan bibliometrik terhadap penerapan Natural Language Processing (NLP) dalam analisis sentimen media sosial pada periode 2020 hingga 2025. Sebanyak 400 artikel diperoleh dari berbagai basis data bereputasi, termasuk IEEE Xplore, Scopus, SpringerLink, ACM Digital Library, ScienceDirect, dan Google Scholar. Melalui proses penyaringan berdasarkan kriteria inklusi, eksklusi, serta penilaian kualitas, sebanyak 201 artikel dinyatakan relevan untuk dianalisis lebih lanjut. Hasil analisis menunjukkan bahwa tren publikasi penelitian meningkat secara signifikan dari tahun 2020 hingga 2024, kemudian menurun pada tahun 2025 karena keterbatasan data yang dihimpun. Twitter menjadi platform media sosial yang paling sering diteliti, diikuti oleh Facebook, Instagram, dan ulasan e-commerce. Metode klasik seperti Naïve Bayes dan Support Vector Machine masih digunakan untuk kasus analisis sederhana, namun penelitian terkini didominasi oleh pendekatan deep learning dan transformer-based models, khususnya CNN, LSTM, dan BERT, yang secara konsisten mencapai tingkat akurasi di atas 90%. Tantangan utama yang teridentifikasi meliputi pemrosesan multibahasa, penggunaan slang dan sarkasme, fenomena code-mixing, serta keterbatasan dataset berlabel. Berdasarkan temuan tersebut, penelitian ini menyimpulkan bahwa arah penelitian ke depan perlu difokuskan pada pengembangan NLP multibahasa, analisis sentimen berbasis domain tertentu, serta pemanfaatan pre-trained transformer models untuk meningkatkan akurasi dan pemahaman kontekstual dalam analisis sentimen media sosial.

Penelitian ini menyimpulkan bahwa arah penelitian ke depan perlu difokuskan pada pengembangan NLP multibahasa, analisis sentimen berbasis domain tertentu, serta pemanfaatan pre-trained transformer models untuk meningkatkan akurasi dan pemahaman kontekstual dalam analisis sentimen media sosial.Penerapan NLP untuk analisis sentimen media sosial perlu mempertimbangkan karakteristik data, tujuan analisis, serta keterbatasan sumber daya yang tersedia.Pemanfaatan pre-trained transformer models yang disesuaikan dengan konteks bahasa dan domain tertentu menjadi salah satu pendekatan yang banyak digunakan untuk meningkatkan performa model.

Berdasarkan temuan penelitian ini, beberapa saran penelitian lanjutan dapat diajukan. Pertama, perlu dilakukan pengembangan model NLP yang lebih adaptif terhadap variasi bahasa, slang, dan sarkasme yang umum ditemukan dalam teks media sosial, sehingga dapat meningkatkan akurasi analisis sentimen. Kedua, penelitian dapat difokuskan pada pengembangan dataset multibahasa yang lebih besar dan beragam, serta metode pembelajaran semi-supervised yang efektif untuk mengatasi keterbatasan data berlabel. Ketiga, eksplorasi lebih lanjut mengenai penerapan transformer models yang disesuaikan dengan domain spesifik, seperti analisis sentimen pada ulasan produk atau opini publik terhadap isu-isu politik, dapat memberikan wawasan yang lebih mendalam dan relevan bagi pemangku kepentingan.

Read online
File size552.44 KB
Pages7
DMCAReport

Related /

ads-block-test