ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP GAME ZENLESS ZONE ZERO MENGGUNAKAN METODE BI-DIRECTIONAL LSTM

Zahrotun Ni'mah; Bambang Irawan; Nur Ariesanto Ramdhan

doi:10.23960/jitet.v14i1.8722

Authors

Zahrotun Ni'mah Universitas Muhadi Setiabudi Brebes
Bambang Irawan Universitas Muhadi Setiabudi Brebes
Nur Ariesanto Ramdhan Universitas Muhadi Setiabudi Brebes

DOI:

https://doi.org/10.23960/jitet.v14i1.8722

Abstract Views: 67 File Views: 33

Keywords:

Analisis Sentimen, Zenless Zone Zero, Bidirectional LSTM, Lexicon-Based, Google Play Store

Abstract

Perkembangan industri game mobile mengakibatkan meningkatnya jumlah ulasan pengguna di Google Play Store, yang mencerminkan persepsi dan pengalaman pengguna terhadap suatu game . Namun, keberagaman karakteristik bahasa dalam jumlah ulasan yang besar menjadikan proses analisis secara manual kurang efisien. Penelitian ini menggunakan metode analisis sentimen berbasis deep learning untuk menganalisis sentimen pengguna terhadap game Zenless Zone Zero. Data yang digunakan terdiri dari 6.000 ulasan berbahasa Indonesia yang dikumpulkan dari Google Play Store dengan memanfaatkan teknik web scraping. Tahapan penelitian meliputi prapemrosesan teks, pelabelan awal dengan menggunakan metode berbasis leksikon dengan InSet Lexicon, serta klasifikasi sentimen menggunakan model BiDirectional Long Short-Term Memory (Bi-LSTM). Klasifikasi yang diterapkan bagian ke dalam dua kategori, yaitu sentimen positif dan negatif. Dengan akurasi sebesar 91,41% dan nilai presisi, recall, dan F1-score antara 0,86 dan 0,92, hasil pelatihan model menunjukkan bahwa Bi-LSTM mampu bekerja secara efektif. Hasil tersebut menunjukkan bahwa kombinasi metode berbasis leksikon dan Bi-LSTM efektif digunakan dalam menganalisis sentimen ulasan aplikasi game berbahasa Indonesia, sekaligus mampu merepresentasikan persepsi pengguna terhadap game Zenless Zone Zero.

Downloads

Download data is not yet available.

References

H. N. Tito Ari Pratama, “Games, Speed Effect dan Dampaknya terhadap Manusia: Dromologi dalam Perkembangan Game Online Mobile MOBA (Multiplayer Online Battle Arena),” vol. 13, no. 3, pp. 402–419, 2023, doi: 10.22146/kawistara.75218.

W. Arisandi and S. Anggai, “Analisis Sentimen Ulasan Pengguna Aplikasi Media Sosial X Di Play Store Menggunakan Algoritma Long Short- Term Memory ( LSTM ) Dan Gated Recurrent Unit ( GRU ),” vol. IX, no. September, pp. 63–72, 2025.

R. Rahmadani et al., “ANALISIS SENTIMEN ULASAN ‘ OJOL THE GAME ’ DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN MODEL EKSTRAKSI FITUR TF-IDF,” vol. 12, no. 3, 2025.

R. Kusnadi, R. A. Yaputra, and M. Caintan, “Analisis sentimen terhadap game genshin impact menggunakan bert 1),” vol. 6, no. 2, pp. 122–129, 2021.

M. Farros, I. Haq, I. Rosyadi, M. Nasir, and A. Khambali, “Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store,” vol. 14, no. 1, pp. 24–29, 2024.

H. Sällberg, S. Wang, and E. Numminen, “The combinatory role of online ratings and reviews in mobile app downloads : an empirical investigation of gaming and productivity apps from their initial app store launch,” J. Mark. Anal., vol. 11, no. 3, pp. 426–442, 2023, doi: 10.1057/s41270-022-00171-w.

V. No, I. K. Najibulloh, D. Intan, and S. Saputra, “Edumatic : Jurnal Pendidikan Informatika Analisis Sentimen Ulasan Co-Pilot Google Play dengan SVM , Neural Network , dan Decision Tree,” vol. 9, no. 1, pp. 275–283, 2025, doi: 10.29408/edumatic.v9i1.29673.

A. Nurian, M. Samsul, I. N. Amalia, and C. Rozikin, “ANALISIS SENTIMEN PENGGUNA APLIKASI SHOPEE PADA SITUS GOOGLE PLAY MENGGUNAKAN NAIVE BAYES CLASSIFIER,” vol. 12, no. 1, 2024, doi: 10.23960/jitet.v12i1.3631.

I. Azizah, I. Cholissodin, and N. Yudistira, “Analisis Sentimen Ulasan Pengguna Aplikasi Shopee di Google Play menggunakan Metode Word Embedding dan Long Short Term Memory ( LSTM ),” vol. 7, no. 5, pp. 2453–2459, 2023.

A. R. Isnain, H. Sulistiani, B. M. Hurohman, and A. Nurkholis, “Analisis Perbandingan Algoritma LSTM dan Naive Bayes untuk Analisis Sentimen,” vol. 8, no. 2, pp. 299–303, 2022.

R. P. Kurniawan and S. W. Iriananda, “ANALISIS SENTIMEN ULASAN APLIKASI LINKEDIN BERBASIS LEXICON DAN LONG SHORT-TERM MEMORY ( LSTM ),” vol. 9, no. 2, pp. 2315–2324, 2025.

V. Prasetyo, M. Naufal, and K. Wijaya, “Sentiment Analysis of ChatGPT on Indonesian Text using Hybrid CNN and Bi-LSTM,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 9, pp. 327–333, Apr. 2025, doi: 10.29207/resti.v9i2.6334.

L. G. Astuti, P. S. Informatika, and U. Udayana, “Implementasi LSTM pada Analisis Sentimen Review Film Menggunakan Adam dan RMSprop Optimizer,” vol. 10, no. 4, pp. 351–362, 2022.

E. Damayanti, A. V. Vitianingsih, S. Kacung, and D. Cahyono, “Sentiment Analysis of Alfagift Application User Reviews Using Long Short-Term Memory ( LSTM ) and Support Vector Machine ( SVM ) Methods,” vol. 4, no. 2, pp. 509–521, 2024.

R. Noveandini, M. S. Wulandari, and F. Rasyad, “Penerapan Model LSTM pada Analisis Sentimen Ulasan Pengguna Aplikasi Shopee Google Play Store,” vol. 15, no. 2, pp. 290–296, 2025.

P. Aditiya, U. Enri, and I. Maulana, “Analisis Sentimen Ulasan Pengguna Aplikasi Myim3 Pada Situs Google Play Menggunakan Support Vector Machine,” vol. 9, no. 4, pp. 1020–1028, 2022, doi: 10.30865/jurikom.v9i4.4673.

A. El Kah and I. Zeroual, “The effects of Pre-Processing Techniques on Arabic Text Classification,” vol. 10, no. 1, 2021, doi: 10.30534/ijatcse.

M. Atul, A. Tyas, P. Silvianti, and M. Masjkur, “Algoritme Support Vector Machine untuk Analisis Sentimen,” vol. 12, no. 1, pp. 63–77, 2023.

A. R. Gunawan, R. Faticha, and A. Aziza, “Sentiment Analysis Using LSTM Algorithm Regarding Grab Application Services in Indonesia,” vol. 9, no. 2, pp. 322–332, 2025.