Game Roblox merupakan salah satu platform permainan daring dengan jumlah pengguna yang sangat besar dan ulasan pengguna yang beragam di Google Play Store. Ulasan tersebut mengandung informasi penting mengenai persepsi, kepuasan, serta keluhan pengguna terhadap kualitas aplikasi. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Roblox berbahasa Indonesia serta membandingkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest (RF) dalam mengklasifikasikan sentimen positif dan negatif. Metodologi yang digunakan adalah SEMMA, yang meliputi tahap pengumpulan data melalui web scraping, eksplorasi data, preprocessing teks, pemodelan, dan evaluasi. Data yang digunakan berjumlah 5.174 ulasan dengan periode 1 Juni hingga 1 Oktober 2025. Pelabelan sentimen dilakukan secara otomatis berdasarkan rating bintang dan divalidasi oleh ahli bahasa. Proses preprocessing meliputi case folding, cleaning, normalisasi, tokenisasi, stopword removal, dan stemming, sedangkan ekstraksi fitur menggunakan metode TF-IDF. Pemodelan dilakukan dengan pembagian data 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa algoritma SVM menghasilkan kinerja yang lebih baik dibandingkan Random Forest dengan nilai akurasi sebesar 84,35%, sedangkan Random Forest memperoleh akurasi sebesar 83,19%. Berdasarkan hasil evaluasi tersebut, SVM dinilai lebih optimal untuk analisis sentimen ulasan pengguna game Roblox di Google Play Store.