<![CDATA[Ulasan pengguna di platform game seluler memberikan wawasan berharga mengenai kepuasan pengguna, namun sulit dianalisis secara manual karena volumenya yang besar dan sifatnya yang tidak terstruktur. Penelitian ini bertujuan untuk membangun dan mengevaluasi model klasifikasi sentimen pada ulasan pengguna Honor of Kings menggunakan pendekatan machine learning. Metode penelitian yang digunakan adalah eksperimen kuantitatif dengan data sebanyak 3.500 ulasan berbahasa Indonesia yang diperoleh dari Google Play Store. Tahapan preprocessing meliputi pembersihan data, normalisasi, stemming, stopword removal, dan tokenisasi. Data kemudian diterjemahkan ke dalam Bahasa Inggris dan dilabeli menggunakan pendekatan berbasis leksikon dengan TextBlob. Ekstraksi fitur dilakukan menggunakan metode TF-IDF, dan klasifikasi dilakukan menggunakan Support Vector Machine (SVM) dengan kernel linear. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 86,86%, yang menunjukkan kemampuan yang baik dalam mengklasifikasikan sentimen positif dan negatif. Temuan ini menunjukkan bahwa kombinasi TF-IDF dan SVM masih efektif untuk analisis sentimen pada dataset teks berbahasa Indonesia. Namun, terdapat keterbatasan dalam memahami konteks semantik serta potensi bias akibat proses translasi. Penelitian selanjutnya disarankan menggunakan pendekatan berbasis deep learning dan pelabelan manual untuk meningkatkan akurasi model.]]>
Copyrights © 2026
