Rosa V. K. Isabela Ohe Roma Pengarang Sebastianus A.S Mola, S.T, M.KOM Dosen Pembimbing 1 Tiwuk Widiastuti, S.Si.,M.Kom Dosen Pembimbing 2 Derwin Rony Sina, S.Kom.,M.Cs Penguji 1 Juan Rizky Manuel Ledoh, S.Kom., M.Cs Penguji 2 Nelci D. Rumlaklak, S.Kom, M.Kom Ketua Penguji

Netflix merupakan salah satu aplikasi streaming film berlangganan asal Amerika Serikat yang memasuki Indonesia pada tahun 2016. Netflix hadir menawarkan berbagai jenis film tanpa iklan yang dapat dinikmati oleh semua kalangan usia. Selain itu, Netflix juga menawarkan kenyamanan menonton kapanpun dan dimanapun selama terhubung dengan jaringan internet. Meskipun memiliki keunggulan dalam menyajikan film tanpa iklan, Netflix tidak luput dari kekurangan yang menimbulkan adanya keluhan dari pengguna yang diekspresikan melalui kolom komentar di Google Play Store. Dalam menganalisis opini pengguna, metode Lexicon Based dipilih dan digunakan karena kemudahan pada saat diimplementasikan, ketersediaan kamus secara open source dan tidak memerlukan data latih untuk menghasilkan model klasifikasi yang baik (unsupervised). Proses analisis diawali dengan pengumpulan data ulasan melalui teknik scraping, dilanjutkan dengan pemrosesan teks yang mencakup pembersihan data (cleaning), case folding, normalisasi, tokenizing, stemming, dan stopword removal. Penelitian ini menggunakan 3250 dataset komentar pengguna aplikasi Netflix yang kemudian diolah dan diuji menggunakan metode lexicon based yang terdiri dari empat kamus kata sentimen berbeda yaitu InSet, SentiStrength_id, Gabungan skenario 1 dan Gabungan skenario 2. Hasil analisis menunjukkan bahwa sebagian besar pengguna Netflix memberikan opini negatif terhadap pelayanan dari aplikasi terkait. Secara keseluruhan, kamus InSet memiliki akurasi sebesar 92,03%. Kamus SentiStrength_id menunjukkan kelemahan signifikan dalam mendeteksi sentimen netral, yang berdampak pada akurasi keseluruhan yang lebih rendah yaitu 78%. Kamus Gabungan skenario 1 dengan akurasi sebesar 87% dan kamus Gabungan skenario 2 yang memiliki akurasi tertinggi sebesar 92,52%. Kata kunci: Netflix, Analisis Sentimen, Lexicon Based, InSet, SentiStrength_id, Gabungan skenario 1, Gabungan skenario 2