ANALISIS SENTIMEN ULASAN PENGGUNA PADA GAME THEOTOWN MENGGUNAKAN SUPPORT VECTOR MACHINE
Abstract
Perkembangan industri game mobile mendorong meningkatnya jumlah ulasan pengguna yang dapat dimanfaatkan untuk mengevaluasi kepuasan pengguna melalui analisis sentimen. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna game TheoTown pada Google Play Store menggunakan algoritma Support Vector Machine (SVM). Data diperoleh melalui teknik web scraping sebanyak 15.000 ulasan pengguna, kemudian diproses melalui tahapan pre-processing, pelabelan otomatis berbasis lexicon-based, dan klasifikasi sentimen menggunakan SVM. Evaluasi model menggunakan confusion matrix menghasilkan nilai akurasi sebesar 84,22%. Pada kelas sentimen positif, diperoleh nilai precision sebesar 0,92, recall sebesar 0,88, dan F1-score sebesar 0,90, sedangkan pada kelas sentimen negatif diperoleh nilai precision sebesar 0,58, recall sebesar 0,70, dan F1-score sebesar 0,64. Hasil penelitian menunjukkan bahwa sentimen positif mendominasi ulasan pengguna, sehingga metode SVM dinilai cukup efektif dalam analisis sentimen ulasan game, meskipun masih memiliki keterbatasan dalam mengklasifikasikan sentimen negatif. Hasil penelitian ini diharapkan dapat menjadi bahan evaluasi bagi pengembang game TheoTown serta referensi bagi penelitian selanjutnya di bidang analisis sentimen pada game digital.
Downloads
References
C. Kumaresan and P. Thangaraju “Sentiment Analysis in Multiple Languages: A Review of Current Approaches and Challenges.” REST Journal on Data Analytics and Artifical Intelligence, vol. 2, No. 1, pp. 8-15, Mar. 2023, doi: 10.46632/jdaai/2/1/2
S. Ramadhani, D. Azzahra, and T. Z, “Comparison of K-Means and K-Medoids Algorithms in Text Miningbased on Davies Bouldin Indeks Testing for Classification of Student’s Thesis.” Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 13, No. 1, pp. 24-33, May 2022.
S. A. Ishak, R. Din, dan U. A. Hasran, “Defining Digital Game-Based Learning for Science, Technology, Engineering, and Mathematics: A New Perspective on Design and Developmental Research,” Journal of Medical Internet Research, vol. 23, no. 2, p. e20537, 2021.
M. P. D. Griffiths, “The Role of Digital Games in Entertainment and Interaction,” International Journal of Gaming and Computer-Mediated Simulations, vol. 13, no. 1, pp. 1–12, 2021.
I. G. A. Putra dan E. Zuliarso, “Analisis sentimen ulasan pengguna aplikasi digital menggunakan support vector machine,” INTECOMS: Journal of Information Technology and Computer Science, vol. 4, no. 2, hal. 260–268, 2021.
Y. Y. Zandroto dkk., “Sentiment analysis of mobile application reviews using support vector machine,” Indonesian Journal of Artificial Intelligence and Data Mining, vol. 4, no. 2, hal. 87–96, 2022.
A. Supian, R. Nugraha, dan D. Pratama, “Penerapan support vector machine pada analisis sentimen ulasan aplikasi berbasis Android,” Jurnal Ilmiah Komputasi, vol. 22, no. 1, hal. 45–54, 2023.
S. Ratnaswari, N. C. Wibowo, dan D. S. Y. Kartika, “Analisis Sentimen Menggunakan Metode Lexicon-Based dan Support Vector Machine pada Presiden dan Wakil Presiden Indonesia Periode 2024–2029,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, pp. 362–368, Jan. 2025.
E. Damayanti, A. V. Vitianingsih, S. Kacung, H. Suhartoyo, dan A. L. Maukar, “Sentiment Analysis of Alfagift Application User Reviews Using Long Short-Term Memory (LSTM) and Support Vector Machine (SVM) Methods,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 4, no. 2, hlm. 509–521, Jun. 2024.
A. Casini, D. Chelazzi, dan P. Baglioni, “Advanced methodologies for the cleaning of works of art,” Science Press, Aug. 2023.
R. Fatmasari, N. Purnomo, S. A. Putra, W. Gata, dan N. K. Wardhani, “Pengujian Pelabelan Otomatis Dataset Kualitas Pembelajaran Daring Universitas Terbuka di Forum dan YouTube,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 3, hlm. 1714–1724, Sep. 2024.
K. Kiazad, S. L. D. Restubog, P. W. Hom, A. Capezio, B. Holtom, dan T. Lee, “STEMming the tide: New perspectives on careers and turnover,” Journal of Organizational Behavior, vol. 45, no. 3, hlm. 335–343, Mar. 2024.
D. Alfian, “Pengembangan Sistem Ringkasan Otomatis pada Artikel Medium Menggunakan Algoritma T5,” Tugas Akhir, Program Studi Teknik Informatika, Universitas Islam Sultan Agung, Semarang, 2024.
V. Fitriyana, L. Hakim, D. C. R. Novitasari, dan A. H. Asyhar, “Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine,” Jurnal Buana Informatika, vol. 14, no. 1, 2025.
Y. Abdullah Wahid, S. Sanatang, dan D. D. Andayani, “Performance Comparison of SVM and Naïve Bayes For Indonesian-Language Sentiment Analysis On Free Fire Reviews Using TF-IDF And SMOTE,” Journal of Embedded Systems, Security and Intelligent Systems, vol. 6, no. 4, 2025.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
