ANALISIS SENTIMEN EMOSI KOMENTAR VIDEO YOUTUBE MENGGUNAKAN ENSEMBLE LEARNING DALAM KLASIFIKASI TEKS

Penelitian ini bertujuan untuk mengklasifikasikan emosi pada platform YouTube pada playlist anime Frieren: Beyond Journey’s End Takarir Indonesia pada episode 1-28 (25 video) di channel Muse Indonesia menggunakan metode Ensemble Learning. Dataset diperoleh melalui proses scraping komentar Youtube dan dilakukan labeling berdasarkan delapan kategori emosi NRC Emotion Lexicon, yaitu antisipasi, jijik, marah, percaya, sedih, senang, takut, dan terkejut. Tahapan penelitian meliputi preprocessing teks, ekstraksi fitur menggunakan FastText dan TF-IDF, model yang digunakan terdiri dari Naïve Bayes, Random Forest, Support Vector Machine (SVM), dan Stacking Ensemble dengan Logistic Regression sebagai meta learner. Evaluasi dilakukan menggunakan Accuracy, Precision, Recall, F1-Score, Confusion Matrix, Cross Validation, dan Wilcoxon Signed-Rank Test. Hasil penelitian menunjukkan bahwa Stacking Ensemble menghasilkan performa terbaik dengan Accuracy sebesar 78,79%, Precision sebesar 79,91%, Recall sebesar 78,79%, F1-Score Weighted sebesar 79,02%, dan F1-Score Macro sebesar 61,72%. Hasil Cross Validation memperoleh rata-rata F1-Score Weighted sebesar 83,17% serta menunjukkan terdapat perbedaan signifikan dibandingkan model lainnya berdasarkan uji Wilcoxon. Analisis emosi menunjukkan pada platform YouTube pada playlist anime Frieren: Beyond Journey’s End Takarir Indonesia pada episode 1-28 (25 video) di channel Muse Indonesia didominasi oleh emosi senang (49,29%) dan terkejut (34,22%).