ANALISIS SENTIMEN DALAM DATA BIG DATA: STUDI KASUS PADA MEDIA SOSIAL
Main Article Content
Abstract
Perkembangan media sosial menghasilkan big data yang memuat opini publik dalam volume besar dan beragam bentuk. Hal ini menuntut metode analisis sentimen yang mampu bekerja cepat dan akurat untuk mendukung pengambilan keputusan strategis. Penelitian ini bertujuan untuk mengidentifikasi tren metode, algoritma, dan tantangan utama dalam penerapan analisis sentimen pada big data media sosial. Penelitian dilakukan dengan pendekatan systematic literature review, menganalisis publikasi ilmiah terkini yang memanfaatkan algoritma machine learning dan deep learning, seperti SVM, Naive Bayes, LSTM, CNN, dan BERT. Hasil menunjukkan bahwa kombinasi metode pembelajaran mendalam dengan strategi pra-pemrosesan yang tepat dapat meningkatkan akurasi klasifikasi sentimen hingga di atas 90%. Metode transformer modern terbukti efektif dalam memahami konteks bahasa yang kompleks di media sosial Penelitian ini menemukan bahwa tren penggunaan model hybrid dan model berbasis transformer membuka potensi baru untuk mengatasi keterbatasan model klasik dalam skenario big data yang terus bertambah. Analisis sentimen pada big data media sosial dapat berjalan optimal dengan pemilihan metode yang adaptif, pengelolaan data yang tepat, dan integrasi teknologi terkini. Penelitian ini memberikan arah pengembangan untuk studi lanjutan agar dapat mendukung pengambilan keputusan yang lebih responsif dan akurat.
Downloads
Article Details
Issue
Section
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
How to Cite
References
Bouchra, F., Suarjaya, I. M. A. D., & Rusjayanthi, N. K. D. (2024). Analisis Sentimen Masyarakat terhadap Tayangan Televisi Nasional menggunakan Metode Deep Learning. Jurnal Buana Informatika, 15(02), 89–99. https://ojs.uajy.ac.id/index.php/jbi/article/view/9118
Faturrohman, F., & Rosmala, D. (2022). Analisis Sentimen Sosial Media dengan Metode Bidirectional Gated Recurrent Unit. Prosiding Diseminasi FTI, X(X), 1–10. https://eproceeding.itenas.ac.id/index.php/fti/article/view/962
Hafidzah, P., Maryani, S., Ihsani, B. Y., Erwin, E., & Niswariyana, A. K. (2024). Penerapan Deep Learning dalam Menganalisis Sentimen di Media Sosial. Seminar Nasional Paedagoria, 04, 328–339.
Kawatu, C. I., Jacobus, A. E., & Lantang, O. A. (2019). Penerapan Metode Gated Recurrent Unit Pada Analisis Sentimen Media Sosial Clinton Imanuel Kawatu. UNSRAT Repository, 1–8.
Khomsah, S., & Agus Sasmito Aribowo. (2020). Text-Preprocessing Model Youtube Comments in Indonesian. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 04(04), 648–654. https://doi.org/10.29207/resti.v4i4.2035
Lestari, A. (2023). Analisis Sentimen pada Data Media Sosial untuk Menilai Reputasi Merek Produk Perusahaan X. Cyberarea.Id, 03(03), 1–19.
Mizan, M. (2024). Analisis Sentimen Masyarakat Mengenai Pemilihan Umum 2024 Menggunakan Natural Language Processing (NLP) (Issue Table 10).
Muhammad Arief Rahman, Herman Budianto, & Esther Irawati Setiawan. (2019). Aspect Based Sentimen Analysis Opini Publik Pada Instagram dengan Convolutional Neural Network. Journal of Intelligent System and Computation, 01(02), 50–57. https://doi.org/10.52985/insyst.v1i2.83
Nurfauziyah, N., Dwiyansaputra, R., Ika Murpratiwi, S., & Aranta, A. (2024). Analisis Sentimen Pada Pengguna Aplikasi X Terhadap Pemilihan Umum Presiden 2024 Menggunakan Metode Convolutional Neural Network (CNN). JATI (Jurnal Mahasiswa Teknik Informatika), 09(01), 635–642. https://doi.org/10.36040/jati.v9i1.12437
Pakpahan, I., & Jasman Pardede. (2023). Analisis Sentimen Penanganan Covid-19 Menggunakan Metode Long Short-Term Memory Pada Media Sosial Twitter. Jurnal Publikasi Teknik Informatika, 2(1), 12–25. https://doi.org/10.55606/jupti.v1i1.767
Prasetyo, A. P., Sri Kusuma, C., & Rizki, D. (2024). Analisis Sentimen Twitter terhadap Isu Penundaan Pemilu 2024 Menggunakan Metode Long Short-Term Memory (LSTM). Jurnal Repositor, 06(03), 293–304. https://doi.org/10.22219/repositor.v6i3.32643
Prasetyo, A. W., & Putra, R. E. (2024). Analisis Sentimen Twitter Pada Cryptocurrency Menggunakan Bidirectional Encoder Representations From Transformers Dan Region-Based Convolutional Neural Network. Journal of Informatics and Computer Science (JINACS), 06(01), 11–21. https://doi.org/10.26740/jinacs.v6n01.p11-21
Putu, N., Saraswati, V. D., Yudistira, N., & Adikara, P. P. (2023). Analisis Sentimen terhadap Perundungan Siber pada Twitter menggunakan Algoritma Bidirectional Encoder Representations from Transformer (BERT). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 07(02), 909–916. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12345
Razzak, R. N., & Setiawan, E. B. (2025). Ekspansi Fitur dengan FastText untuk Analisis Sentimen di Media Sosial X Menggunakan Recurrent Neural Network dan Covlutional Neural Network. E-Proceeding of Engineering, 12(01), 2025.
Ryandi, F. A., Pratiwi, D., & Sari, S. (2025). Analisis Sentimen Masyarakat Di Media Sosial X Terhadap Kemenkes Dengan Naive Bayes dan SVM. Jurnal Sains Dan Teknologi, 07(01), 1–6. https://doi.org/10.55338/saintek.v7i1.4615
Sanusi, R., Astuti, F. D., & Buryadi, I. Y. (2021). Sentiment Analysis On Twitter Towards Pre-Employment Card Program With Recurrent Neural Network. JIKO (Jurnal Informatika Dan Komputer), 05(02), 89–99.
Sawitri, D. (2025). Peran Deep Learning Dan Big Data Dalam Mendekteksi Masalah Keuangan. Djtechno: Jurnal Teknologi Informasi, 06(01), 193–207. https://doi.org/10.46576/djtechno.v6i1.6037
Tania Ananda Paramitha, D., Cholissodin, I., & Dewi, C. (2019). Prediksi Rating Otomatis Berdasarkan Review Restoran pada Aplikasi Zomato dengan menggunakan Extreme Learning Machine (ELM). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 03(05), 4687–4693. http://j-ptiik.ub.ac.id
Trista, R. T., & Asmoro, E. T. (2025). Analisis Sentimen dalam Data Big Data (Studi Kasus pada Media Sosial). Journal of Multidisciplinary Inquiry in Science Technology and Educational Research, 02(01), 700–706. https://doi.org/10.32672/mister.v2i1.2518
Zulfa, I., & Winarko, E. (2017). Sentimen Analisis Tweet Berbahasa Indonesia Dengan Deep Belief Network. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 11(02), 187–198. https://doi.org/10.22146/ijccs.24716