Analisis Sentimen: Konsep dan Implementasi
Kata Kunci:
Analisis Sentimen, Kecerdasan Buatan, LLM, NLP, BERTAbstrak
Buku ini mengajak pembaca memahami analisis sentimen secara menyeluruh, dari konsep dasar hingga implementasi sistem nyata. Pembahasan dimulai dari fondasi teoretis seperti linguistik komputasional dan teori emosi, lalu bergerak ke teknik representasi teks, machine learning, dan deep learning berbasis transformer. Setiap bab disusun sistematis agar pembaca memahami bukan hanya bagaimana model bekerja, tetapi juga mengapa pendekatan tertentu dipilih.
Materi dalam buku ini menggabungkan teori dan praktik. Pembaca akan mempelajari pra-pemrosesan teks, pembobotan fitur, evaluasi model, hingga deployment menggunakan REST API dan dashboard interaktif. Contoh tabel, diagram alur, dan ilustrasi arsitektur membantu menjembatani konsep dengan implementasi teknis. Topik lanjutan seperti fine-tuning model pre-trained dan penanganan data tidak seimbang juga dibahas secara aplikatif. Buku ini cocok bagi mahasiswa, peneliti, dan praktisi yang ingin membangun sistem analisis sentimen secara mandiri. Pendekatan yang digunakan bersifat analitis, kontekstual, dan berbasis praktik nyata. Pembaca tidak hanya memahami algoritma, tetapi juga mampu merancang sistem yang akurat, stabil, dan siap digunakan dalam lingkungan produksi.
Referensi
Abdullah, C., Durand, N., & Moonti, R. M. (2025). Transformasi Digital dan Hak atas Privasi: Tinjauan Kritis Pelaksanaan UU Perlindungan Data Pribadi (PDP) Tahun 2022 di Era Big Data. Amandemen: Jurnal Ilmu Pertahanan, Politik Dan Hukum Indonesia, 2(3), 233–241. https://doi.org/10.62383/amandemen.v2i3.1073
Almutairi, M. (2025). Sentiment Analysis in Learning Management Systems: Understanding Student Feedback at Scale. ArXiv Preprint ArXiv:2506.05490. https://arxiv.org/abs/2506.05490
Amandasari, F., & Damayanti, D. (2025). Perbandingan Kinerja Support Vector Machine dan Naive Bayes dalam Klasifikasi Sentimen Twitter Terhadap Pelayanan BPJS. Jurnal Pendidikan Dan Teknologi Indonesia, 5(3), 645–653. https://doi.org/10.52436/1.jpti.680
Amin, F. M. (2023). Exploring Students’ Reading Interest Through Tiktok Multimodal Literacy. Journal of Education and Teaching Learning (JETL), 5(2), 157–164. https://doi.org/10.51178/jetl.v5i2.1326
Anggraini, W. (2021). Analisis pada Sistem Informasi Akademik: Studi Usability Scale. Jurnal Saintek UNY.
Bustamin, A., Prayogi, A. A., Siswanto, D., Rafrin, M., & Nurdin, A. (2025). Text normalization for Indonesian slang words in sentiment analysis development. ICIC Express Letters, Part B: Applications, 16(2), 121–129. https://doi.org/10.24507/icicelb.16.02.121
Dhinora, M. Y., & Mailoa, E. (2025). Analisa Tweet Mahasiswa untuk Deteksi Gejala Depresi dengan Penerapan Natural Language Processing. Jurnal Indonesia: Manajemen Informatika Dan Komunikasi, 6(2), 1193–1211. https://doi.org/10.63447/jimik.v6i2.1405
Dinar, A. N., Irawan, A. S. Y., & Umaidah, Y. (2023). Analisis Sentimen Pada Pengguna Twitter Terhadap Program Kampus Merdeka Menggunakan Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 755–762.
Faried, M. I., Tampubolon, L. P. D., & Atmodjo, D. (2022). Sentiment Analysis Research in Indonesian Language Reviewing From the Characteristics of Comments. International Journal of Progressive Sciences and Technologies (IJPSAT), 32(2), 277–285.
Handayani, H., Luchia, N. T., Auliani, S. N., Azani, N. W., & Adha, R. (2020). Analysis of Twitter User Sentiments for the Aplikasi TikTok Application Using Naïve Bayes Clasifier Algorithm Method. SENTIMAS: Seminar Nasional Teknologi Informasi, Mekatronika Dan Ilmu Komputer.
Iezzi, L. (2023). Code switching online: the case of Indonesian and English on Instagram. Language. Text. Society, 10(2). https://ltsj.online/2023-10-2-iezzi
Jarmul, K. (2017). Python Web Scraping. Packt Publishing.
Khaira, U., Aryani, R., & Hardian, R. W. (2023). Perbandingan Algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam Analisis Sentimen Kebijakan Kemdikbudristek Tentang Kuota Internet Selama Pandemi Covid-19. PROCESSOR, 18(2), 183–195. https://doi.org/10.33998/processor.2023.18.2.897
Khairul, M. F. R., & Perdana, R. S. (2024). Arsitektur Sistem Percakapan Otomatis Berbahasa Indonesia dengan Normalisasi Bahasa Informal Menjadi Baku. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 11(5), 1009–1016. https://doi.org/10.25126/jtiik.2024117984
Mendrofa, V. E. S., Ginting, L. E. B., Sitanggang, K., Nainggolan, M., Gaol, M. G. A. L., Hasibuan, S. E. F. B., & Purba, R. M. (2024). Bahasa Indonesia dan globalisasi: Kajian sosiolinguistik generasi alpha di tengah popularitas bahasa gaul (slang). Jurnal Ilmiah Kajian Multidisipliner, 8(9), 279–290.
Munthe, S. R., Suryadi, S., & Laksono, F. (2024). Analisis Klasifikasi Teks Pada Kata Slang di Media Sosial Menggunakan Pengolahan Bahasa Alami untuk Trending Topik. KLIK: Kajian Ilmiah Informatika Dan Komputer, 5(1), 230–241. https://doi.org/10.30865/klik.v5i1.2018
Ningsih, W., Alfianda, B., Rahmaddeni, R., & Wulandari, D. (2024). Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 556–562. https://doi.org/10.57152/malcom.v4i2.1253
Nugroho, H., & Ramadhani, D. (2023). Perlindungan data pribadi dan tantangan implementasi UU PDP di era digital. Jurnal Kominfo & Hukum, 11(2), 75–90. https://doi.org/10.25077/jkh.v11i2.2023.75
Octavianus. (2021). Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based. JOINTER: Journal of Informatics Engineering, 2(02), 39–46.
Pahruroji, M., Mulyati, Y., & Cahyani, I. (2025). Glokalisasi bahasa: Dominasi dan adaptasi slang internasional pada kalangan generasi alpha di ruang virtual. Diglosia: Jurnal Kajian Bahasa, Sastra, Dan Pengajarannya, 8(4), 997–1010. https://doi.org/10.30872/diglosia.v8i4.1277
Pramudita, D., Akbar, Y., & Wahyudi, T. (2024). Analisis Sentimen Terhadap Program Kartu Indonesia Pintar Kuliah pada Media Sosial X Menggunakan Algoritma Naive Bayes. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(4), 1420–1430. https://doi.org/10.57152/malcom.v4i4.1565
Prastyo, D., Irawan, D., & Mursyidin, I. H. (2025). Analisis Sentimen Kelas Jamak Menggunakan Model Emosi Plutchik pada Data Media Sosial. BIT (Bina Insani ICT Journal), 12(1).
Pratiwi, Y., Handayani, L., & Sutanto, B. (2024). Prevalensi Stres Akademik Mahasiswa Indonesia: Studi Multi-Center. Jurnal Kesehatan Masyarakat, 19(1), 34–51.
Rahmaddeni, Fitria, V., Rahayu, K., Septhya, D., & Efrizoni, L. (2025). Deteksi Stres dan Depresi Unggahan Media Sosial dengan Machine Learning. JURNAL FASILKOM (Teknologi InFormASi Dan ILmu KOMputer), 15(1). https://doi.org/10.37859/jf.v15i1.9067
Rakhmawati, N. A., Rendiga, N. M., Aini, S. A., & Tertiabudi, V. A. (2024). Analisis Etika dalam Penggunaan Media Sosial Instagram Oleh Mahasiswa ITS Mengenai Pelanggaran Privasi. JIEET (Journal of Information Engineering and Educational Technology), 8(2), 90–95. https://doi.org/10.26740/jieet.v8n2.p90-95
Sahria. (2022). Implementasi Web Scraping Untuk Mengumpulkan Data Pada Media Sosial Instagram. Tugas Akhir. Universitas Islam Indonesia.
Saputra, A. N. A., Saputro, R. E., & Saputra, D. I. S. (2025). Enhancing Sentiment Analysis Accuracy Using SVM and Slang Word Normalization on YouTube Comments. Sinkron: Jurnal Dan Penelitian Teknik Informatika, 9(2), 687–699. https://doi.org/10.33395/sinkron.v9i2.14613
Sari, A. A., Alya, H., Sihotang, R. O., Rafi, U., & Marisha, D. (2025). Multimodal Cyberbullying in TikTok Comments: A Descriptive Qualitative Analysis. 10(6), 1–10.
Sari, D. A., & Prabowo, H. (2020). Persepsi mahasiswa terhadap penggunaan sistem informasi akademik: Studi kasus pada Universitas Negeri di Jakarta. Jurnal Teknologi Informasi Dan Komunikasi, 8(1), 22–30.
Setiawan, V. D., Iswavigra, D. U., & Anggiratih, E. (2025). Implementation of IndoBERT for Sentiment Analysis of the Constitutional Court’s Decision Regarding the Minimum Age of Vice Presidential Candidates. Scientific Journal of Informatics, 12(3), 397–406. https://doi.org/10.15294/sji.v12i3.26320
Skujins, C. E. A. (2024). Indonesian/English Code-Switching on Social Media: A Paper Exploring How to Mengekspresikan Diri Through the Switching of Bahasa. Master’s Thesis. Flinders University.
Suhartono, D., Wongso, W., & Handoyo, A. T. (2024). IdSarcasm: Benchmarking and Evaluating Language Models for Indonesian Sarcasm Detection. IEEE Access, 12, 87323–87332. https://doi.org/10.1109/ACCESS.2024.3416955
Thuraya, Z. (2025). Analisis Sentimen Mahasiswa Terhadap Sistem Informasi Akademik Universitas Sriwijaya Menggunakan Metode Naive Bayes. Skripsi. Universitas Sriwijaya.
Wafiq, A., Syawal, A., Ikrar, & Ahmad, Z. A. (2025). Burnout Akademik di Era Digital dan Persepsi Mahasiswa terhadap Peluang Pemanfaatan Artificial Intelligence untuk Deteksi Dini. Jurnal Sains Dan Teknologi (JSIT), 5(3), 426–434. https://doi.org/10.47233/jsit.v5i3.3711
Wijaya, K. A., Romadhony, A., & Richasdy, D. (2023). Implementasi Model IndoBERT pada Dashboard Sentimen Media Sosial (Studi Kasus Universitas XYZ). EProceedings of Engineering, 10(4).
Wilie, B., Vincentio, K., Winata, G. I., Cahyawijaya, S., Li, X., Lim, Z. Y., Soleman, S., Mahendra, R., Fung, P., Bahar, S., & Purwarianti, A. (2020). IndoNLU: Benchmark and Resources for Evaluating Indonesian Natural Language Understanding. Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics, 843–857. https://doi.org/10.18653/v1/2020.aacl-main.85
Yunitasari, Y., Musdholifah, A., & Sari, A. K. (2019). Sarcasm Detection For Sentiment Analysis in Indonesian Language Tweets. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 13(1), 53–62. https://doi.org/10.22146/ijccs.41136
Zalukhu, A. A. F., Laiya, R. E., & Laia, M. Y. (2021). Analysis of Indonesian-English Code Switching and Code Mixing on Facebook. Research on English Language Education, 3(2), 1–10. https://doi.org/10.57094/relation.v3i2.387
Zega, C. J. P., & Zega, F. P. (2025). Meta-Analisis Faktor-Faktor Yang Mempengaruhi Tingkat Stres Akademik Pada Mahasiswa. IDENTIK: Jurnal Ilmu Ekonomi, Pendidikan Dan Teknik, 2(2), 55–60. https://doi.org/10.70134/identik.v2i2.140
