ANALISIS KEBUTUHAN DAN PERANCANGAN ARSITEKTUR SISTEM PENDUKUNG KEPUTUSAN BERBASIS SENTIMEN

Abstract

Sistem Pendukung Keputusan (SPK) konvensional memiliki keterbatasan dalam mengolah data kualitatif tidak terstruktur seperti opini publik. Penelitian ini bertujuan untuk melakukan analisis kebutuhan dan merancang arsitektur SPK berbasis analisis sentimen guna mengatasi keterbatasan tersebut. Metode yang digunakan adalah Systematic Literature Review (SLR) terhadap 50 artikel ilmiah periode 2016–2026 untuk mengidentifikasi spesifikasi algoritma dan metode yang paling relevan. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) dan IndoBERT merupakan kombinasi optimal untuk modul analisis sentimen, sementara metode Simple Additive Weighting (SAW) dipilih sebagai decision engine karena efisiensi komputasinya. Integrasi ini menghasilkan rancangan arsitektur pipeline yang mampu mentransformasikan data teks menjadi skor numerik terukur sebagai dasar pengambilan keputusan. Rancangan sistem yang dihasilkan dapat digunakan sebagai blueprint dalam pengembangan SPK yang adaptif, objektif, dan berbasis data.