Analisis Sentimen Multibahasa pada TikTok Menggunakan Model NLP Berbasis Transformer untuk Deteksi Dini Isu Publik

Abstract

Berkembangnya TikTok sebagai platform media sosial utama pada tahun 2026 menjadikannya sebagai pusat opini publik yang sangat aktif, namun juga kompleks karena penggunaan bahasa multibahasa dan tidak formal. Penelitian ini bertujuan mengembangkan sistem analisis sentimen yang bisa menangani berbagai bahasa untuk mendeteksi lebih awal isu-isu publik yang muncul di TikTok. Tantangan utama yang dihadapi adalah tingginya tingkat ambiguitas pada teks yang mengandung percampuran bahasa dan slang, yang sulit dikenali oleh model tradisional. Metodologi yang diajukan melibatkan penggunaan model Pemrosesan Bahasa Alami (NLP) berbasis Transformer, yaitu XLM-RoBERTa, yang sudah dilatih dengan dataset komentar TikTok dalam bahasa Indonesia dan Inggris. Model ini akan dipadukan dengan algoritma deteksi anomali berdasarkan waktu untuk mendeteksi peningkatan sentimen negatif secara langsung. Diharapkan hasil penelitian ini dapat menunjukkan bahwa pendekatan berbasis Transformer lebih akurat dibandingkan dengan model Jaringan Syaraf Berulang (RNN) konvensional dalam menanggapi konteks yang multibahasa. Implementasi dari sistem ini diharapkan dapat memberikan bantuan kepada pembuat kebijakan (e-government) dalam merespons krisis komunikasi dan memahami keinginan masyarakat dengan lebih cepat dan tepat sebelum isu tersebut menyebar lebih luas.