Dalam upaya meningkatkan interaksi manusia-mesin, penelitian deteksi sentimen sudah banyak dilakukan peneliti untuk tujuan tersebut. Seiring dengan berkembangnya Mesin Pembelajaran, penelitian ini akan membandingkan kemampuan empat model klasifikasi : CNN, CRNN, SVM, dan MLP—dalam mengidentifikasi sentimen berbasis gambar Mel-spectrogram. Penelitian ini memanfaatkan representasi Mel-Spectrogram dari 640 sampel image ( gambar ) spektrogram yang mencakup delapan kelompok kelas sentimen berbeda. Setelah melalui tahap praproses data gambar dan ekstraksi fitur, kinerja model dievaluasi menggunakan validasi silang 10-fold serta metrik akurasi, presisi, recall, dan F1-score. CNN dan CRNN mencapai akurasi tertinggi (100%), sedangkan SVM dan MLP mencapai 99,22%. Dari sisi waktu pelatihan, SVM membutuhkan waktu paking sedikit, yaitu sebesar 0,45 detik. Penelitian ini bertujuan untuk mengetahui efektivitas pendekatan image (gambar) Mel-Spectrogram dan menegaskan perlunya pertimbangan trade-off antara akurasi tinggi dan efisiensi komputasi dalam pemilihan model.
Kata Kunci – Analisis, Mel-Spectogram, Sentimen, Waktu Proses
