<![CDATA[Perkembangan internet di Indonesia meningkatkan minat bermain game terbukti dari pertumbuhan pasar game hingga mencapai Rp25 triliun pada 2022. Penerapan analisis sentimen pada ulasan pengguna penting untuk membantu bisnis mengambil tindakan yang tepat guna meningkatkan produk, layanan, serta strategi bisnis. Penelitian ini bertujuan membandingkan kinerja melalui tingkat akurasi metode Support Vector Machine (SVM) dan Naïve Bayes, dalam analisis sentimen pengguna game Mobile Legends: Bang Bang pada ulasan Google Playstore. Dari total 796 dataset, sentimen negatif mencapai 73%, sedangkan sentimen positif hanya mencapai 27%. Hal ini menunjukkan ketidakseimbangan data, dengan lebih banyak sentimen negatif. Teknik upsampling SMOTE meningkatkan akurasi Naïve Bayes (82%) dan SVM (91%). Perbandingan ini menunjukkan kecenderungan yang jelas bahwa algoritma SVM memberikan kinerja yang lebih baik dalam mengklasifikasikan sentimen dari data yang telah dikumpulkan dan diujikan. Berdasarkan kurva ROC model klasifikasi Naïve Bayes lebih baik dibandingkan SVM dengan nilai AUROC sebesar 0,070.]]>
Copyrights © 2024
