ANALISIS EMOSI AUDIENS PADA KOMENTAR INSTAGRAM @JTV_REK BERBASIS LATENT SEMANTIC ANALYSIS DENGAN PENDEKATAN ENSEMBLE STACKING UNTUK KLASIFIKASI EMOSI

Abstract

Perkembangan media sosial telah mengubah pola interaksi masyarakat dalam menyampaikan opini dan ekspresi emosional terhadap berbagai konten digital, khususnya melalui komentar pada platform Instagram. Namun, analisis emosi pada komentar media sosial menghadapi tantangan seperti ketidakseimbangan data, teks yang pendek, dan penggunaan bahasa informal. Penelitian ini bertujuan untuk mengklasifikasikan emosi audiens pada komentar Instagram akun @JTV_rek menggunakan metode Stacking Ensemble dengan dukungan Latent Semantic Analysis (LSA) untuk analisis topik. Dataset yang digunakan terdiri dari 3.701 komentar yang dikumpulkan pada periode Januari 2024 hingga Agustus 2025 dan dilabeli secara manual ke dalam tiga kelas emosi, yaitu joy, netral, dan negative. Representasi fitur menggunakan TF-IDF, sedangkan LSA digunakan untuk mengekstraksi pola semantik. Proses klasifikasi dilakukan dengan menggabungkan Random Forest, Support Vector Machine, dan XGBoost dalam skema Stacking Ensemble dengan Logistic Regression sebagai meta-learner. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada skenario Stacking tanpa SMOTE dengan nilai accuracy sebesar 74% dan F1-score sebesar 73%. Hasil ini menunjukkan bahwa pendekatan ensemble mampu meningkatkan performa klasifikasi emosi pada data komentar media sosial.