PERBANDINGAN MODEL DECISION TREE, RANDOM FOREST, DAN SVM PADA ANALISIS SENTIMEN BERBASIS ASPEK KOMENTAR FILM JUMBO

Abstract

Industri perfilman Indonesia, khususnya genre animasi, mengalami perkembangan signifikan dengan kehadiran film "Jumbo" (2024). YouTube sebagai platform utama diskusi film menghasilkan ribuan komentar tidak terstruktur yang menyulitkan pemahaman objektif terhadap persepsi publik pada aspek-aspek spesifik film seperti cerita, visual, musik, dukungan, dan perbandingan. Penelitian ini bertujuan mengidentifikasi aspek yang paling banyak dibahas dan membandingkan performa tiga algoritma machine learning (Decision Tree, Random Forest, dan SVM) dalam mengklasifikasikan sentimen berbasis aspek. Menggunakan Aspect-Based Sentiment Analysis (ABSA) dengan pendekatan lexicon-based untuk pelabelan sentimen. Sebanyak 7.906 komentar dikumpulkan dari lima kanal YouTube, diproses melalui preprocessing, identifikasi aspek berdasarkan kata kunci, pelabelan sentimen, dan ekstraksi fitur TF-IDF. Tiga model klasifikasi dilatih dan dievaluasi pada 4.082 komentar berlabel. Decision Tree mencapai performa terbaik dengan rata-rata akurasi 91,0%, tertinggi pada aspek cerita_emosi (99,6%) dan terendah pada musik (78,9%). Aspek dukungan_apresiasi paling dominan (1.797 komentar, 88,7% sentimen positif), mengindikasikan respons positif publik. Penelitian ini memberikan wawasan objektif persepsi audiens dan membuktikan efektivitas ABSA untuk analisis ulasan film Indonesia