<![CDATA[Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna pada aplikasi Game WePlay di Google Play Store menggunakan algoritma Naive Bayes. Dengan menganalisis sentimen, penelitian ini berupaya memahami persepsi dan pengalaman pengguna terhadap aplikasi game. Salah satu tantangan utama adalah keragaman data ulasan, seperti penggunaan bahasa informal dan distribusi data yang tidak seimbang. Data ulasan diambil dari Google Play Store melalui proses web scraping, kemudian diproses melalui tahapan praproses seperti normalisasi, tokenisasi, dan penghapusan kata-kata yang tidak relevan. Proses ekstraksi fitur dilakukan menggunakan pendekatan Term Frequency-Inverse Document Frequency (TF-IDF). Algoritma Naive Bayes digunakan untuk mengelompokkan sentimen menjadi kategori positif dan negatif. Hasil penelitian menunjukkan bahwa model memiliki tingkat akurasi sebesar 86%, dengan presisi rata-rata 84,9%, recall 82,7%, dan F1-score 83,6%. Dalam evaluasi lebih lanjut, sentimen positif tercatat memiliki F1-score sebesar 89,9%, sementara sentimen negatif mencapai F1-score sebesar 77,3%. Hasil ini mengindikasikan bahwa model lebih efektif dalam mengidentifikasi pola kata pada ulasan positif. Penelitian ini memberikan kontribusi penting untuk pengembangan aplikasi Game WePlay dengan menyediakan pemahaman yang lebih baik tentang ulasan pengguna.]]>
Copyrights © 2025
