Implementasi Metode Lexicon-Based dalam Analisis Sentimen Komunitas Line Roleplay atas Penghapusan Fitur Line Voom
DOI:
https://doi.org/10.59696/prinsip.v3i4.215Keywords:
Analisis Sentimen, Line Voom, Roleplay, Logistic Regression, Lexicon-BasedAbstract
Perkembangan teknologi komunikasi digital mendorong aplikasi pesan instan berfungsi tidak hanya sebagai media komunikasi, tetapi juga sebagai ruang interaksi sosial berbasis komunitas. Salah satu fitur yang dimanfaatkan dalam konteks tersebut adalah LINE VOOM, yang digunakan oleh komunitas roleplay untuk membangun identitas virtual, membagikan konten, dan menjalin interaksi sosial. Penghapusan fitur LINE VOOM pada tahun 2025 memicu beragam respons dari pengguna, khususnya komunitas roleplay. Penelitian ini bertujuan untuk menganalisis sentimen komunitas roleplay terhadap kebijakan penghapusan fitur tersebut menggunakan pendekatan lexicon-based dan algoritma Logistic Regression. Data penelitian diperoleh dari 200 responden melalui kuesioner daring. Proses penelitian meliputi tahap pre-processing teks, yang mencakup data cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Pelabelan sentimen dilakukan menggunakan kamus sentimen (lexicon), dilanjutkan dengan penyeimbangan kelas menggunakan metode undersampling serta ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa sentimen negatif mendominasi dengan akurasi model sebesar 73%. Temuan ini menunjukkan bahwa penghapusan LINE VOOM berdampak negatif terhadap keterikatan komunitas pengguna.
References
Arribathi, A., Jungjunan, S. R., & Dwiharyanto, M. A. (2025). Logistic Regression and TF IDF models for early detection of Indonesian Language fake news. Journal Sensi: Strategic of Education in Information System, 11(2), 152–164.
Barus, H., Fajri, I. N., & Pristyanto, Y. (2025). Sentiment classification analysis of Tokopedia reviews using TF IDF, SMOTE, and traditional machine learning models. JAIC, 9(5), Article 10524. https://doi.org/10.30871/jaic.v9i5.10524
BUDAYA, I. G. B. A., & SUNIANTARA, I. K. P. (2024). COMPARISON OF SENTIMENT ANALYSIS ALGORITHMS WITH SMOTE OVERSAMPLING AND TF IDF IMPLEMENTATION ON GOOGLE REVIEWS FOR PUBLIC HEALTH CENTERS. MALCOM: INDONESIAN JOURNAL OF MACHINE LEARNING AND COMPUTER SCIENCE, 4(3), 1077–1086.
HTTPS://DOI.ORG/10.57152/MALCOM.V4I3.1459
Budi Lestari, V., & Hutagalung, C. A. (2025). Evaluation of TF IDF extraction techniques in sentiment analysis of Indonesian language marketplaces using SVM, Logistic Regression, and Naive Bayes. J KOMA: Journal of Computer Science and Applications, 8(1), 36–44. https://doi.org/10.21009/j-koma.v8i1.05
Gentia, D., Sukarsa, I. M., & Wibawa, K. S. (2020). Rancang bangun chatbot sebagai penghubung komunikasi antara aplikasi Line Messenger dengan Telegram Messenger. Jurnal Ilmiah Merpati: Menara Penelitian Akademika Teknologi Informasi, 8(3), 156–167. https://doi.org/10.24843/JIM.2020.v08.i03.p01
Girsang, B., Sandino Berutu, S., Budiati, H., & Maedjaja, F. (2024). Analisis sentimen aplikasi Lion Parcel menggunakan lexicon based dan Support Vector Machine. Voteteknika: Vocational Teknik Elektronika dan Informatika, 12(3), Article 129033.
https://doi.org/10.24036/voteteknika.v12i3.129033
Kadir, S. F., & Fairuzabadi, A. (2025). Analisis sentimen ulasan Shopee di Google Play dengan TF IDF dan Logistic Regression. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(2), Article 2850. https://doi.org/10.31004/riggs.v4i2.2850
Noori, I. K. B., & Putra, P. S. (2025). Sentiment analysis and classification of user reviews on the Redbus application using Logistic Regression and SVM. INOVTEK Polbeng – Seri Informatika, 10(2), 877–887. https://doi.org/10.35314/k6k6m469
Putri, K. K. (2025). Depression detection in Indonesian X social media text using CNN and LSTM with TF IDF and FastText methods. Jurnal Teknik Informatika (Jutif), 6(2), 557–574. https://doi.org/10.52436/1.jutif.2025.6.2.4206
Purnamasari, C. H. (2025). Systematic literature review of sentiment analysis on various review platforms in tourism sector. Journal of Advanced Computer Knowledge and Algorithms, 2(1), 12–18.
Riswawan, A. (2025). Implementing TF IDF and Logistic Regression for sentiment analysis of YouTube comments on the iPhone 16. Jurnal Teknologi dan Open Source, 7(2), 4753. https://doi.org/10.36378/jtos.v7i2.4753
Zaenudin, M. F., & Sibaroni, Y. (2025). Combination of Logistic Regression and Naïve Bayes in sentiment analysis of online lending application platforms by utilizing the lexicons feature. JIPI: Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, 10(2), Article 6163. https://doi.org/10.29100/jipi.v10i2.6163
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Rahmalia El Vanya, Siti Chodidjah, Deasy Indayanti
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
