Khilda Nistrina
Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Bale bandung, Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Systematic Literature Review dan Analisis Bibliometrik Analisis Sentimen di Media Sosial Berbasis Machine Learning pada Publikasi Scopus 2020–2025 Khilda Nistrina; Rosmalina Rosmalina; Devy Mathelinea
Jurnal Pendidikan dan Teknologi Indonesia Vol 6 No 2 (2026): JPTI - Februari 2026
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1376

Abstract

Perkembangan era digital telah menghasilkan volume data yang sangat besar dari berbagai platform media sosial, yang merepresentasikan opini dan sentimen masyarakat terhadap beragam isu. Meskipun sentiment analysis berbasis machine learning dan Natural Language Processing (NLP) telah banyak diteliti, kajian yang secara komprehensif memetakan perkembangan penelitian, struktur keilmuan, serta arah riset masa depan melalui pendekatan Systematic Literature Review (SLR) dan analisis bibliometrik masih relatif terbatas. Penelitian ini bertujuan untuk mengeksplorasi lanskap penelitian sentiment analysis di media sosial berbasis machine learning, mengidentifikasi tren publikasi, aktor utama, serta klaster penelitian yang berkembang. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan kerangka kerja PRISMA yang dipadukan dengan analisis bibliometrik menggunakan VOSviewer. Data dikumpulkan dari basis data Scopus hingga Agustus 2025 dan menghasilkan 666 artikel yang memenuhi kriteria inklusi. Hasil analisis menunjukkan adanya tren peningkatan publikasi yang konsisten pada periode 2020–2025, dengan India dan Amerika Serikat sebagai negara dengan kontribusi publikasi tertinggi, serta IEEE Access sebagai jurnal paling produktif. Analisis jaringan dan kata kunci menunjukkan dominasi topik sentiment analysis, machine learning, dan media sosial, disertai pergeseran menuju pendekatan deep learning dan NLP lanjutan. Secara keseluruhan, penelitian ini memberikan kontribusi akademik melalui pemetaan sistematis dan kuantitatif struktur penelitian sentiment analysis di media sosial, sekaligus memperkaya kajian SLR sebelumnya dengan perspektif bibliometrik. Temuan ini juga memiliki implikasi praktis bagi pengembangan riset dan penerapan sentiment analysis dalam bidang bisnis, kebijakan publik, dan pemasaran digital.