Identifikasi Topik dan Analisis Sentimen Pengguna Roblox pada X menggunakan Algoritma Latent Dirichlet Allocation dan Naive Bayes Classifier

Penelitian ini bertujuan untuk mengidentifikasi topik utama percakapan pengguna
Roblox pada platform X serta menganalisis kecenderungan sentimen pengguna
menggunakan pendekatan text mining. Data yang digunakan sebanyak 3.166 tweet
berbahasa Indonesia yang dikumpulkan pada periode 1 Januari hingga 6 Februari
2025. Tahapan penelitian meliputi preprocessing data, pemodelan topik
menggunakan metode Latent Dirichlet Allocation, pelabelan sentimen
menggunakan pendekatan hybrid, pembobotan fitur menggunakan TF-IDF, serta
klasifikasi sentimen menggunakan algoritma Naive Bayes classifier. Hasil
pemodelan topik menunjukkan bahwa jumlah topik optimal diperoleh pada K = 9
dengan coherence score sebesar 0,458. Topik yang dihasilkan didominasi oleh
pembahasan mengenai aktivitas bermain bersama teman, interaksi sosial, hiburan,
serta transaksi akun dan robux dalam permainan Roblox. Hasil klasifikasi sentimen
setelah penerapan balancing data memperoleh accuracy sebesar 73% dengan
precision sebesar 47%, recall 62%, dan F1-Score 54%, sehingga performa
klasifikasi menjadi lebih seimbang pada kedua kelas sentimen. Analisis sentimen
berdasarkan topik menunjukkan bahwa sebagian besar topik didominasi oleh
sentimen positif, terutama pada topik yang berkaitan dengan aktivitas bermain dan
interaksi sosial pengguna. Berdasarkan hasil penelitian, kombinasi metode LDA dan
Naïve Bayes mampu memberikan gambaran mengenai struktur topik dan
kecenderungan opini pengguna Roblox pada platform