Catalog Detail

Interaksi pada fitur live chat pertandingan esports menghasilkan banyak komentar dengan karakteristik bahasa yang beragam, seperti penggunaan bahasa tidak baku, singkatan, emoji, dan istilah komunitas yang dapat menyebabkan kesulitan dalam proses klasifikasi sentimen. Penelitian ini bertujuan untuk mengembangkan model klasifikasi sentimen komentar live chat Mobile Legends Professional league (MPL) Indonesia menggunakan pendekatan Fine-tuning IndoBERT serta menganalisis pengaruh teknik penyeimbangan data terhadap performa model. Tahapan penelitian meliputi pengumpulan data komentar, preprocessing, konversi emoji menjadi teks, pelabelan otomatis menggunakan kamus sentimen yang telah disesuaikan dengan karakteristik domain penelitian, pelatihan model IndoBERT, serta evaluasi menggunakan skema Stratified 5-Fold Cross validation. Penelitian ini membandingkan beberapa skenario, yaitu model tanpa penyeimbangan data, penggunaan Easy Data Augmentation (EDA), Tomek Links, dan pendekatan hibrida. Hasil penelitian menunjukkan bahwa model terbaik diperoleh melalui penerapan EDA dan Stratified 5-Fold Cross validation dengan nilai akurasi sebesar 88,67% dan nilai Macro F1-Score sebesar 87,59% pada data pengujian. Berdasarkan hasil tersebut, model yang dikembangkan mampu melakukan klasifikasi sentimen komentar live chat MPL Indonesia dengan performa yang baik serta memiliki kemampuan generalisasi terhadap data baru.