ANALISIS SENTIMEN ACARA CLASH OF CHAMPIONS RUANG GURU MENGGUNAKAN HYBRID LSTM DAN GRU BERBASIS WEB

Penelitian ini menganalisis sentimen publik terhadap program Clash of Champions di YouTube yang memiliki ratusan ribu komentar informal. Untuk mengolah data berskala besar ini secara efisien, dibangun model deep learning dengan arsitektur hybrid LSTM-GRU untuk mengklasifikasikan komentar ke dalam kelas positif, negatif, dan netral. Dataset yang digunakan mencakup 202.558 komentar dari Season 1 dan 2, serta 85.241 data pembanding dari Kaggle. Proses pelabelan otomatis menerapkan metode lexicon-based InSet, sementara masalah ketidakseimbangan data diatasi dengan teknik class weighting. Model ini juga diintegrasikan ke dalam aplikasi web interaktif berbasis Streamlit. Hasil pengujian menunjukkan performa luar biasa pada skenario gabungan Season 1 dan 2 dengan class weighting, mencapai akurasi tertinggi sebesar 97,11%. Sentimen positif ditemukan mendominasi sebesar 46,38%. Ini membuktikan bahwa pendekatan hybrid LSTM-GRU sangat akurat dalam menangani bahasa Indonesia informal.