<![CDATA[Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Roblox di Google Play Store menggunakan algoritma Support Vector Machine (SVM) dengan perbandingan representasi fitur TF-IDF dan Word2Vec. Data yang digunakan berupa 1.000 ulasan berbahasa Indonesia yang dikumpulkan secara otomatis melalui teknik web scraping. Pelabelan sentimen dilakukan berdasarkan rating pengguna ke dalam tiga kelas, yaitu positif, netral, dan negatif. Tahapan prapemrosesan meliputi case folding, pembersihan teks, tokenization, stopword removal, dan stemming. Hasil eksperimen menunjukkan bahwa model SVM dengan TF-IDF menghasilkan akurasi sebesar 80,2%, sedangkan SVM dengan Word2Vec memperoleh akurasi 79,19%. Kedua model menunjukkan performa terbaik pada kelas sentimen positif, namun mengalami penurunan kinerja pada kelas netral dan negatif akibat ketidakseimbangan data. Hasil penelitian menunjukkan bahwa SVM efektif untuk analisis sentimen ulasan aplikasi game, dengan kinerja yang dipengaruhi oleh distribusi kelas dan representasi fitur.]]>
Copyrights © 2026
