Perkembangan pesat industri permainan dan platform streaming menyebabkan adanya interaksi antara streamer dengan penonton. Interaksi tersebut dapat berupa komentar dengan bahasa tidak standar seperti slang. Dalam konteks untuk memahami sentimen penonton, kompleksitas bahasa yang mencakup singkatan, kesalahan tata bahasa, penggunaan emote, dan penggunaan slang menjadi sebuah tantangan bagi streamer. Penelitian ini menerapkan pendekatan berbasis lexicon untuk analisis sentimen komentar yang pada platform streaming dengan menambahkan slang selain emote dan juga emoji, serta mengevaluasi pengaruhnya terhadap klasifikasi sentimen. Hasil menunjukkan bahwa penggunaan lexicon slang secara signifikan meningkatkan akurasi, recall makro, dan skor F1 makro, mencapai 65.68%, 55.75%, dan 58.40% dibandingkan dengan metode random baseline menghasilkan akurasi 32.12%, recall
makro 33.11%, dan skor F1 makro 31.08?ngan waktu komputasi 0.04 detik, sementara metode majority baseline mencapai akurasi 53.98%, recall makro 33.33%, dan skor F1 makro 23.37?lam 0.06 detik. Model CNN memerlukan 86.4 detik untuk pengujian dengan akurasi 52.23%, recall makro 48.90%, dan skor F1 makro 48.43%, sedangkan TinyBERT mencapai akurasi 64.58%, recall makro 51.59%, dan
skor F1 makro 52.91?lam 206 detik. Meskipun sederhana, pendekatan berbasis lexicon terbukti efektif untuk analisis sentimen real-time, khususnya dalam menangkap nuansa bahasa sehari-hari di komunitas platform streaming. Penelitian ini menegaskan pentingnya penggunaan lexicon slang dalam memahami sentimen dan opini di platform streaming.
