Studi Komparatif Evolusi Metode Natural Language Processing pada Analisis Sentimen Bahasa Indonesia: dari Algoritma Klasik Hingga Pre-trained Transformer

Abstrak

Pertumbuhan data teks berbahasa Indonesia di media sosial dan platform ulasan telah mendorong penerapan analisis sentimen yang memanfaatkan Natural Language Processing (NLP). Penelitian ini bertujuan untuk membandingkan evolusi metode NLP untuk analisis sentimen bahasa Indonesia, mulai dari pendekatan berbasis leksikon dan machine learning klasik hingga model Transformer yang telah dilatih sebelumnya (pre-trained). Studi literatur dilakukan terhadap 20 artikel yang diterbitkan antara tahun 2021 dan 2026 dengan menggunakan analisis deskriptif-komparatif. Hasil penelitian menunjukkan adanya pergeseran dari algoritma klasik—seperti Naïve Bayes, Support Vector Machine (SVM), dan Random Forest yang menggunakan TF-IDF—menuju model Transformer seperti IndoBERT dan IndoBERTweet. Tingkat akurasi untuk algoritma klasik berkisar antara 74% hingga 98%, sedangkan IndoBERT mencapai angka antara 79,5% hingga 98,27%. Rentang nilai tersebut mengindikasikan bahwa kinerja dipengaruhi oleh karakteristik dataset, domain spesifik, dan tahapan pra-pemrosesan (preprocessing), bukan semata-mata oleh jenis algoritmanya.