<![CDATA[Pertumbuhan pesat aplikasi Roblox di Google Play Store mendorong meningkatnya jumlah ulasan pengguna yang merepresentasikan beragam pengalaman, kepuasan, serta permasalahan teknis yang dihadapi. Volume ulasan yang besar dan bersifat tidak terstruktur menyulitkan pengembang dalam mengekstraksi informasi secara manual. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Roblox secara otomatis dengan mengklasifikasikan opini ke dalam kategori positif, negatif, dan netral menggunakan algoritma random forest. Dataset terdiri dari 3.000 ulasan berbahasa Indonesia yang dikumpulkan melalui teknik web scraping. Tahapan penelitian meliputi preprocessing teks (cleaning, case folding, tokenization, stopword removal, dan stemming), ekstraksi fitur menggunakan term frequency–inverse document frequency (TF-IDF), serta pemodelan klasifikasi random forest. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan Hasil penelitian menunjukkan bahwa algoritma random forest mampu memberikan performa klasifikasi yang sangat baik dengan akurasi sebesar 94% dan nilai f1-score yang seimbang pada seluruh kelas sentimen. Temuan ini menunjukkan bahwa random forest efektif digunakan untuk analisis sentimen ulasan aplikasi berbahasa Indonesia dan dapat dimanfaatkan sebagai dasar pengambilan keputusan bagi pengembang dalam meningkatkan kualitas dan pengalaman pengguna aplikasi Roblox]]>
Copyrights © 2026
