<![CDATA[Game Mobile Legends: Bang Bang menghasilkan jutaan ulasan pengguna yang mengandung sentimen berharga bagi pengembang, namun analisisnya terkendala oleh volume data yang besar serta penggunaan bahasa informal yang kompleks. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem analisis sentimen otomatis menggunakan model deep learning Transformers BERT untuk mengklasifikasikan ulasan pengguna ke dalam kategori positif, negatif, dan netral. Metode penelitian mencakup pengumpulan 548.250 data ulasan dari Kaggle, pra-pemrosesan teks untuk menangani noise, dan pelatihan model IndoBERT melalui teknik fine-tuning. Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model IndoBERT yang telah disempurnakan (fine-tuned) mencapai akurasi 83.2%, sebuah peningkatan signifikan sebesar +62.8% dibandingkan model dasarnya (pre-trained) yang hanya mencapai 20.4%. Keberhasilan ini membuktikan bahwa proses fine-tuning secara efektif mengadaptasi model untuk memahami jargon dan konteks unik dalam ulasan game. Seluruh alur penelitian diimplementasikan dalam sebuah aplikasi web interaktif menggunakan Streamlit sebagai bukti konsep dan alat visualisasi hasil analisis. (Sutabri, Rian, Hendradi, & Febrianto, 2019)]]>
Copyrights © 2025
