<![CDATA[Industri game mobile berkembang pesat, dengan Free Fire sebagai salah satu game yang memiliki banyak ulasan di Google Play Store. Analisis sentimen terhadap ulasan pengguna menjadi penting untuk memahami kepuasan serta kendala yang dihadapi pemain. Penelitian ini membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam klasifikasi sentimen ulasan Free Fire. Data dikumpulkan menggunakan teknik web scraping dengan Google Colab dan Python, kemudian melalui tahap pra-pemrosesan seperti pembersihan teks, tokenisasi, stopword removal, stemming, serta ekstraksi fitur menggunakan TF-IDF. Evaluasi dilakukan dengan K-Fold Cross Validation (K=10) menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memiliki performa lebih baik dengan akurasi 76%, sementara Naïve Bayes hanya mencapai 70%. Dengan demikian, SVM direkomendasikan sebagai metode yang lebih optimal dalam klasifikasi sentimen ulasan pengguna Free Fire. Penelitian ini memberikan wawasan bagi pengembang dalam memahami opini pemain dan meningkatkan kualitas layanan dalam game.]]>
Copyrights © 2025
