Penerapan Analisis Sentimen di Media Sosial: Sebuah Tinjauan Literatur Sistematis

Sentiment Analysis on Social Media: A Comprehensive Systematic Literature Review

Abstract

Era digital dan media sosial menghasilkan volume data besar yang menghadirkan tantangan ganda: kebutuhan moderasi konten berbahaya dan peningkatan pengalaman pengguna melalui personalisasi. Penelitian ini bertujuan untuk meninjau pemanfaatan Sentiment Analysis berbasis Natural Language Processing (NLP) dalam mendukung moderasi konten dan sistem rekomendasi pada platform sosial. Penelitian ini menggunakan metode Systematic Literature Review (SLR) dengan protokol PRISMA. Data diperoleh dari database Scopus, menghasilkan 14 artikel terpilih yang diterbitkan antara tahun 2020-2025. Hasil tinjauan menunjukkan bahwa model Deep Learning hibrida, seperti BiLSTM-CNN dan Transformer (BERT), mendominasi kinerja moderasi konten dengan akurasi di atas 90%, efektif mendeteksi hoaks, ujaran kebencian, dan sarkasme. Selain itu, integrasi analisis sentimen dalam sistem rekomendasi terbukti meningkatkan personalisasi dengan mendeteksi emosi dan kepribadian pengguna, serta menyaring konten toksik. Disimpulkan bahwa integrasi analisis sentimen bukan hanya sekadar fitur teknis, melainkan elemen strategis untuk menciptakan ekosistem digital yang lebih aman, terpercaya, dan personal.