<![CDATA[Perkembangan industri game mobile mengakibatkan meningkatnya jumlah ulasan pengguna di Google Play Store, yang mencerminkan persepsi dan pengalaman pengguna terhadap suatu game . Namun, keberagaman karakteristik bahasa dalam jumlah ulasan yang besar menjadikan proses analisis secara manual kurang efisien. Penelitian ini menggunakan metode analisis sentimen berbasis deep learning untuk menganalisis sentimen pengguna terhadap game Zenless Zone Zero. Data yang digunakan terdiri dari 6.000 ulasan berbahasa Indonesia yang dikumpulkan dari Google Play Store dengan memanfaatkan teknik web scraping. Tahapan penelitian meliputi prapemrosesan teks, pelabelan awal dengan menggunakan metode berbasis leksikon dengan InSet Lexicon, serta klasifikasi sentimen menggunakan model BiDirectional Long Short-Term Memory (Bi-LSTM). Klasifikasi yang diterapkan bagian ke dalam dua kategori, yaitu sentimen positif dan negatif. Dengan akurasi sebesar 91,41% dan nilai presisi, recall, dan F1-score antara 0,86 dan 0,92, hasil pelatihan model menunjukkan bahwa Bi-LSTM mampu bekerja secara efektif. Hasil tersebut menunjukkan bahwa kombinasi metode berbasis leksikon dan Bi-LSTM efektif digunakan dalam menganalisis sentimen ulasan aplikasi game berbahasa Indonesia, sekaligus mampu merepresentasikan persepsi pengguna terhadap game Zenless Zone Zero.]]>
Copyrights © 2026
