Penerapan Machine Learning untuk Analisis Sentimen di Media Sosial: Sebuah Tinjauan Literatur Sistematis

Abstrak

Media sosial telah menjadi platform utama bagi publik untuk menyuarakan opini dan sentimen. Analisis sentimen menggunakan machine learning (pembelajaran mesin) menawarkan peluang untuk memahami dinamika opini publik secara otomatis. Penelitian ini bertujuan untuk melakukan tinjauan literatur sistematis terhadap studi-studi yang menerapkan machine learning untuk analisis sentimen di media sosial yang dipublikasikan antara tahun 2019-2024. Berdasarkan proses seleksi yang ketat, 11 dari 118 studi awal dianalisis secara mendalam. Hasilnya menunjukkan bahwa pendekatan deep learning, khususnya arsitektur hibrida seperti CNN-LSTM, secara konsisten menunjukkan kinerja yang lebih unggul dibandingkan metode machine learning tradisional. Twitter menjadi platform yang paling banyak diteliti, dan analisis sentimen terkait pandemi COVID-19 menjadi tema riset yang dominan. Tinjauan ini mengidentifikasi adanya celah penelitian dalam generalisasi model antar-platform, analisis multibahasa, dan pemrosesan data secara real-time, yang menjadi arah penelitian masa depan yang menjanjikan.