ANALISIS SENTIMEN DAN TREN ULASAN GAME BATTLE ROYALE MENGGUNAKAN MODEL INDOBERT
Abstract
Evaluasi manual ulasan pengguna pada ekosistem game mobile rentan terhadap bias dan inefisiensi, padahal data tersebut merupakan aset krusial dalam mengukur experiential gaming economy. Di sisi lain, studi NLP konvensional seringkali gagal menangkap ambiguitas semantik leksikon gamer dan mengabaikan dinamika opini lintas waktu. Penelitian empiris ini bertujuan mengevaluasi dan mengkomparasi persepsi pemain terhadap PUBG Mobile, Free Fire, serta Call of Duty: Mobile melalui kerangka Knowledge Discovery in Databases (KDD). Pemodelan sentimen dieksekusi menggunakan arsitektur deep learning IndoBERT pada 10.509 sampel ulasan dari Google Play Store (2024-2025) yang telah diseimbangkan melalui Random Undersampling. Hasil pengujian membuktikan ketangguhan IndoBERT dengan akurasi klasifikasi tertinggi pada CODM (80,52%), disusul PUBG Mobile (80,18%) dan Free Fire (78,11%). Pemetaan komparatif memperlihatkan divergensi kepuasan: Free Fire memimpin dengan 56,97% sentimen positif, sedangkan CODM (69,69% negatif) dan PUBG Mobile (49,73% negatif) didominasi keluhan teknis persisten. Visualisasi deret waktu mengonfirmasi volatilitas sentimen publik yang berfluktuasi merespons pembaruan patch. Secara teoretis, hibridisasi metode klasifikasi transformer dan pelacakan tren temporal ini memvalidasi urgensi transisi menuju sistem pemantauan opini real-time bagi pihak pengembang.
Downloads
References
Handrizal, F. Y. Manik, and H. A. Misbah, “Sentiment Analysis Based on Pubgm Player Aspects From App Store Reviews Using Bidirectional Encoder Representation From Transformer (Bert),” J. Theor. Appl. Inf. Technol., vol. 102, no. 4, pp. 1740–1749, 2024.
M. Batumalay, “Harnessing Sentiment Analysis with VADER for Gaming Insights: Analyzing User Reviews of Call of Duty Mobile through Data Mining,” Int. J. Res. Metaverse, vol. 2, no. 2, pp. 121–139, 2025, doi: 10.47738/ijrm.v2i2.27.
Tarwoto, R. Nugroho, N. Azka, and W. S. R. Graha, “Jurnal JTIK ( Jurnal Teknologi Informasi dan Komunikasi ) Analisis Sentimen Ulasan Aplikasi Mobile JKN di Google,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 9, no. 2, pp. 495–505, 2025.
S. Kumar, A. K. Kar, and P. V. Ilavarasan, “Applications of text mining in services management: A systematic literature review,” Int. J. Inf. Manag. Data Insights, vol. 1, no. 1, p. 100008, 2021, doi: 10.1016/j.jjimei.2021.100008.
A. Yasin, R. Fatima, A. N. Ghazi, and Z. Wei, “Python data odyssey: Mining user feedback from google play store,” Data Br., vol. 54, p. 110499, 2024, doi: 10.1016/j.dib.2024.110499.
D. Youm and J. Kim, “Text Mining Approach to Improve Mobile Role Playing Games Using Users’ Reviews,” Appl. Sci., vol. 12, no. 12, 2022, doi: 10.3390/app12126243.
S. Chowdhury and A. Alzarrad, “Applications of Text Mining in the Transportation Infrastructure Sector: A Review,” Inf., vol. 14, no. 4, pp. 1–24, 2023, doi: 10.3390/info14040201.
A. Gupta and D. Kamthania, “Study of Sentiment on Google Play Store Applications,” SSRN Electron. J., pp. 1–4, 2021, doi: 10.2139/ssrn.3833926.
C. C. Chiu, R. J. Sung, Y. R. Chen, and C. H. Hsiao, “App review analytics of free games listed on google play,” Proc. Int. Conf. Electron. Bus., pp. 172–183, 2013.
M. H. Herawan and M. Y. Rachman, “Pengaruh Nilai Virtual Item Terhadap Intensi Pembelian Virtual Item dalam Game Online PUBG Mobile,” INOBIS J. Inov. Bisnis dan Manaj. Indones., vol. 5, no. 1, pp. 1–12, 2021, doi: 10.31842/jurnalinobis.v5i1.207.
M. Adinda, P. Putri, N. Y. Setiawan, and B. T. Hanggara, “Analisis Sentimen Ulasan Pengguna Aplikasi PUBG Mobile Menggunakan Karakteristik Quality in Use: Effectiveness and Satisfaction,” J. Pengemb. Teknlogi Inf. dan Ilmu Komput., vol. 9, no. 10, pp. 2548–964, 2025, [Online]. Available: http://j-ptiik.ub.ac.id
B. Burroughs and M. Slaney, “Battle Royale, brands and the experiential video game economy,” J. Gaming Virtual Worlds, vol. 16, no. 1, pp. 69–87, Mar. 2024, doi: 10.1386/jgvw_00092_1.
S. I. Cirebon, J. P. No, and K. Cirebon, “ANALISIS SENTIMEN ULASAN APLIKASI DANA DI PLAY STORE MENGGUNAKAN SUPPORT VECTOR,” vol. 14, no. 2.
B. Budi and R. Sarhans, “HYBRID INTELLIGENCE FOR PRECISION MILK QUALITY ASSESSMENT : INTEGRATING NAÏVE BAYES AND K-MEANS CLUSTERING,” vol. 14, no. 2.
B. I. Hasbi, I. S. Putro, S. S. Informasi, U. S. Karawang, and K. Karawang, “Perbandingan Kinerja Algoritma Naive Bayes Dan Support Vector Machine untuk Analisis Sentimen Ulasan Produk E- Commerce Menggunakan Pembobotan TF-IDF,” vol. 9, no. 2, pp. 123–133, 2025.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
