Sentiment Analysis for Government Services in Indonesia: A Systematic Literature Review Noval Hudiya = 인도네시아 정부 서비스에 대한 감성 분석: 체계적 문헌고찰

다국어 초록 (Multilingual Abstract)

As one of the tasks in Natural Language Processing (NLP), sentiment analysis enables computational understanding of sentiment from textual public opinion data. With the rapid growth of public opinion data available online, sentiment analysis offers a cost-effective and potentially real-time alternative for evaluating government services. Although research on sentiment analysis has increased significantly in Indonesia in recent years, it still faces major challenges related to linguistic diversity, limited datasets, and low representation in global NLP datasets. While the interest in this field is growing, and the strategic alignment with Indonesia’s National Artificial Intelligence Strategy 2020-2045, to our knowledge, no review study has yet examined how sentiment analysis has been applied in Indonesia’s government services domain. This study fills that gap by performing a systematic literature review of studies published between 2021 and 2025, following the PRISMA framework guidelines across Scopus, ScienceDirect, and IEEE Xplore databases. A total of 107 studies met the inclusion criteria and were reviewed deeper to synthesize methodological trends, dataset sources, and domain applications of sentiment analysis in this field. The review finds machine learning approaches such as Naïve Bayes and SVM remain dominantly used in current practice, while deep learning models like LSTM and BERT start to grow. Twitter is often used as a primary data source, and the health domain, especially COVID-19-related studies, is the largest distribution of studies. Key challenges were found, including data imbalance and representativeness limitations, limited Indonesian government-specific linguistic resources, the presence of bot-generated data, a lack of service integration, and the absence of studies that measure sentiment analysis impact in real settings. This study contributes by identifying methodological and contextual gaps that can inform researchers in future sentiment analysis research in Indonesia’s government service sector.

국문 초록 (Abstract)

자연어처리(NLP)의 핵심 과제 중 하나인 감성 분석은 텍스트로 표현된 대중 의견 데이터로부터 감정을 계산적으로 이해할 수 있도록 한다. 온라인에서 공개되는 의견 데이터가 빠르게 증가함에 따라, 감성 분석은 정부 서비스를 평가하는 데 비용 효율적이면서도 실시간에 가까운 대안을 제공한다. 인도네시아에서 감성 분석 연구는 최근 크게 증가했지만, 언어적 다양성, 제한된 데이터셋, 글로벌 NLP 데이터셋에서의 낮은 대표성 등 여러 주요 도전에 여전히 직면해 있다. 이러한 분야에 대한 관심이 높아지고 있으며 인도네시아의 「국가 인공지능 전략 2020–2045」와도 전략적으로 맞닿아 있음에도 불구하고, 현재까지 인도네시아 정부 서비스 분야에서 감성 분석이 어떻게 적용되어 왔는지를 검토한 리뷰 연구는 존재하지 않는 것으로 보인다. 본 연구는 Scopus, ScienceDirect, IEEEXplore 데이터베이스를 대상으로 PRISMA 가이드라인을 준수하여 2021년부터 2025년까지 발표된 연구들을 체계적으로 검토함으로써 이러한 공백을 메운다. 총 107편의 연구가 선정 기준에 부합했으며, 이들 연구를 심층 분석하여 감성 분석의 방법론적 경향, 데이터셋 특성, 그리고 분야별 적용 양상을 종합적으로 정리하였다. 분석 결과, 나이브 베이즈와 SVM과 같은 전통적인 머신러닝 기법이 여전히 널리 사용되고 있으며, LSTM과 BERT와 같은 딥러닝 모델의 활용도 점차 증가하고 있는 것으로 나타났다. 데이터 출처로는 트위터가 가장 많이 사용되고, 보건 분야, 특히 COVID19 관련 연, 가 가장 큰 비중을 차지하였다. 또한 데이터 불균형 및 대표성 부족, 인도네시아 정부 서비스에 특화된 언어 자원의 부재, 봇 생성 데이터의 존재, 서비스 간 통합 부족, 감성 분석이 실제 공공 서비스 제공에 미치는 영향을 평가한 연구의 부재 등 여러 중요한 한계점도 확인되었다. 본 연구는 이러한 방법론적·맥락적 연구 공백을 제시함으로써 향후 인도네시아 정부 서비스 분야에서의 감성 분석 연구를 발전시키는 데 필요한 방향성을 제공한다.

목차 (Table of Contents)

• Table of Contents i
• List of Figures v
• List of Tables vi
• Abbreviations vii
• Abstract ix
• Chapter 1. Introduction 1
• 1.1. Background 1
• 1.2. Research Questions and Objectives 4
• Chapter 2. Literature Review 6
• 2.1. Sentiment Analysis in Government: Global Perspective 6
• 2.2. Sentiment analysis in Indonesia 8
• 2.3. Current Sentiment Analysis Framework Trend 9
• 2.3.1. Machine Learning Approach 10
• 2.3.1.1. Supervised Learning 11
• 2.3.1.2. Unsupervised Learning 11
• 2.3.2. Lexicon-based approach 12
• 2.3.2.1. Dictionary-Based 12
• 2.3.2.2. Corpus-Based 12
• 2.4. Common Workflow of Sentiment Analysis 13
• 2.5. Comparison with Previous Similar Works 15
• Chapter 3. Methodology 21
• 3.1. PRISMA Framework 21
• 3.1.1. Identification 21
• 3.1.2. Screening 23
• 3.1.3. Eligibility 23
• 3.1.4. Inclusion 24
• 3.2. Data Extraction 25
• 3.3. Data Synthesis 25
• Chapter 4. Results 27
• 4.1. Overview of Included Studies 27
• 4.2. Approaches, models, and techniques used in sentiment analysis
• studies related to the Indonesian government service 34
• 4.3. Datasets sources in sentiment analysis in the government service
• in Indonesia 37
• 4.4. Domain application sentiment analysis within the Indonesian
• government service 38
• 4.4.1. Economy 42
• 4.4.2. Education 43
• 4.4.3. Environment 45
• 4.4.4. Governance 46
• 4.4.5. Health 48
• 4.4.6. Infrastructure 50
• 4.4.7. Law 51
• 4.4.8. Social Welfare 52
• 4.4.9. Transportation 54
• Chapter 5. Discussion 56
• 5.1. RQ 1 - “What approaches, models, and techniques have been used
• in sentiment analysis studies related to the Indonesian government
• service?” 56
• 5.1.1. Overview 56
• 5.1.1.1. Machine Learning 57
• 5.1.1.2. Deep learning 58
• 5.1.1.3. Hybrid 61
• 5.1.1.4. Lexicon-Based 62
• 5.1.2. Handling the Indonesian Language 64
• 5.1.3. Integrated Techniques in Sentiment Analysis in Government
• Services in Indonesia 66
• 5.2. RQ 2 - “What types of datasets and sources are used in these
• studies of sentiment analysis in the government service in Indonesia?” 71
• 5.2.1. Overview 71
• 5.2.2. Gathering the Datasets 72
• 5.2.3. Balancing in the Datasets 74
• 5.2.4. Dataset Sentiment Polarity and Data Labeling Method 76
• 5.3. RQ 3 - “In which domain application sentiment analysis has been
• applied within the Indonesian government service?” 79
• 5.4. Limitations and Future Work 81
• 5.4.1. Limitation 82
• 5.4.1.1. Data and Representative Limitation 82
• 5.4.1.2. Annotation and Ground Truth Reliability 82
• 5.4.1.3. Bot and Fake Accounts Problem 83
• 5.4.1.4. Methodological Limitation 84
• 5.4.1.5. Contextual and Service Integration Limitation 85
• 5.4.1.6. Impact Evaluation Gap 85
• 5.4.2. Future Work Directions 86
• Chapter 6. Conclusion 90
• 6.1. Summary of Findings 90
• 6.2. Research Contributions 91
• 6.3. Implication 91
• 6.4. Limitations of This Study 92
• 6.5. Future Works 93
• References 94
• 국문요지 124
• Acknowledgement 125