Systematic Literature Review dan Analisis Bibliometrik Untuk Analisis Sentimen di Media Sosial dengan Algoritma Machine Learning

Perkembangan era digital telah menghasilkan volume data yang masif dari berbagai platform media sosial, yang mencerminkan opini dan sentimen masyarakat terhadap isu-isu tertentu. Kondisi ini mendorong pentingnya penerapan sentiment analysis berbasis machine learning untuk memahami tren opini publik secara lebih mendalam. Namun, penelitian di bidang ini masih menghadapi sejumlah tantangan, antara lain keberagaman bahasa, kualitas data yang mengandung noise, serta keterbatasan model dalam menyesuaikan perubahan kontekstual. Penelitian ini bertujuan untuk mengeksplorasi lanskap penelitian terkini mengenai sentiment analysis di media sosial dengan menggunakan algoritma machine learning, sekaligus mengidentifikasi arah pengembangan di masa depan. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan kerangka kerja PRISMA yang dipadukan dengan analisis bibliometrik menggunakan VOSviewer. Data penelitian diperoleh dari basis data Scopus hingga Agustus 2025 dengan total 666 artikel yang memenuhi kriteria. Hasil analisis menunjukkan bahwa penelitian mengenai sentiment analysis terus berkembang, dengan India dan Amerika Serikat sebagai negara dengan kontribusi publikasi tertinggi, serta IEEE Access sebagai jurnal paling produktif. Kata kunci dominan meliputi sentiment analysis, machine learning, dan social media, yang menegaskan fokus utama bidang ini. Kesimpulannya, kajian ini menegaskan bahwa penelitian sentiment analysis berbasis machine learning di media sosial masih sangat relevan untuk dikembangkan, baik dalam kontribusi teoretis maupun implementasi praktis, terutama pada ranah bisnis, kebijakan publik, dan pemasaran digital.
Kata kunci: machine learning, sentiment analysis, social media, systematic literature review, text mining, VOSviewer