<![CDATA[Perkembangan teknologi informasi telah mengubah cara manusia menyampaikan pendapat melalui media sosial dan platform ulasan daring. Dalam konteks permainan digital, komunitas pemain memiliki peran penting dalam membentuk persepsi terhadap kualitasgame melalui komentar dan ulasan yang mereka berikan. Sebagai salah satu game sandbox terpopuler, setiap pembaruan (update) Minecraft sering kali memunculkan reaksi beragam dari pemain, namun komentar yang sangat banyak dan tidak terstruktur sering kali tidak dianalisis secara menyeluruh. Kondisi ini menunjukkan pentingnya sistem yang mampu mengolah ulasan pengguna secara otomatis untuk membantu pengembang memahami persepsi pemain. Penelitian ini membahas penerapan metode Non-Negative MatrixFactorization (NMF) dan Support Vector Machine (SVM) pada analisis sentimen pengguna terhadap update Minecraft 1.21 berbasis website. Tujuan penelitian ini adalah mengembangkan aplikasi web yang dapat mengekstrak topik, mengklasifikasikan sentimenpengguna, dan menampilkan hasil dalam bentuk visualisasi yang informatif. Hasil penelitian menunjukkan tingkat akurasi sebesar 90,95%, dengan distribusi sentimen netral (36,7%), negatif (32,5%), dan positif (30,8%). Analisis topik menggunakan NMF mengungkapkan tema dominan terkait masalah teknis, pengalaman positif, dan fitur baru. Secara keseluruhan, kombinasi metode NMF dan SVM memberikan pemahaman yang komprehensif terhadap persepsi pengguna terhadap pembaruan Minecraft.]]>
Copyrights © 2026
