<![CDATA[Analisis sentimen di Twitter telah menjadi salah satu topik utama dalam penelitian terkait opini publik di bidang ekonomi, politik, dan isu sosial. Penggunaan machine learning dalam analisis sentimen memungkinkan untuk memproses data teks secara efisien. Penelitian ini bertujuan untuk mengeksplorasi literatur terkait analisis sentimen menggunakan metode machine learning pada Twitter dalam konteks ekonomi, politik, dan isu sosial. Metode yang digunakan adalah Systematic Literature Review (SLR), dengan pengumpulan artikel dari tiga database utama: IEEE Xplore, Google Scholar, dan Scopus. Setelah menerapkan kriteria inklusi dan eksklusi, 45 artikel relevan terpilih untuk dianalisis. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) memiliki performa terbaik dengan akurasi rata-rata 85.3%, diikuti oleh Random Forest (83.7%) dan Naïve Bayes (81.5%). KNN dan Decision Tree menunjukkan performa lebih rendah, kemungkinan karena sensitivitas terhadap data yang tidak seimbang. Tren penelitian mengindikasikan bahwa analisis sentimen di bidang ekonomi lebih banyak berkaitan dengan dampak kebijakan ekonomi, di bidang politik fokus pada opini publik terkait pemilu dan kebijakan pemerintah, sementara di bidang isu sosial berkaitan dengan gerakan sosial dan kebijakan kesehatan.]]>
Copyrights © 2025
