Meta-Analisis Kinerja Metode Natural Language Processing dalam Analisis Sentimen Teks Berbahasa Indonesia

Abstract

Penerapan Natural Language Processing (NLP) dalam analisis sentimen teks berbahasa Indonesia berkembang pesat, namun variasi metode dan prosedur evaluasi kerap menyulitkan komparasi kinerja antarpenelitian. Tujuan: Penelitian ini bertujuan untuk mengkaji dan menyintesis perkembangan metode NLP pada analisis sentimen teks berbahasa Indonesia berdasarkan literatur ilmiah terkini. Metode: Kajian ini melakukan sintesis terhadap 25 artikel yang terbit pada rentang tahun 2021–2026. Artikel dikelompokkan berdasarkan metode, sumber data, dan ketersediaan metrik evaluasi. Sebanyak 20 artikel reporting metrik kinerja kuantitatif diekstraksi secara mendalam, sementara lima artikel berbasis analisis deskriptif dialokasikan secara terpisah dari perbandingan metrik. Pendekatan yang dianalisis mencakup algoritma machine learning, model deep learning, transformer, serta metode berbasis leksikon/aturan. Hasil: Hasil penelusuran menunjukkan variasi nilai akurasi yang signifikan antarpenelitian. Nilai akurasi yang dilaporkan tidak dapat digunakan untuk menentukan satu metode terbaik secara universal akibat adanya perbedaan dataset, teknik pelabelan, pembagian data, serta protokol evaluasi. Oleh karena itu, komparasi kuantitatif dibatasi pada metrik resmi yang dilaporkan dalam studi sumber dan ditafsirkan secara deskriptif. Kesimpulan: Penelitian ini menegaskan pentingnya transparansi dalam pelaporan prosedur evaluasi serta penggunaan dataset dan protokol pengujian yang terstandardisasi guna meningkatkan komparabilitas hasil penelitian NLP berbahasa Indonesia di masa depan.

Kata kunci: Natural Language Processing, analisis sentimen, bahasa Indonesia, accuracy, evaluasi model, sintesis penelitian.