Analisis Sentimen Ulasan Pengguna Aplikasi Mobile Legends Pada Google Playstore Menggunakan Naïve Bayes
DOI:
https://doi.org/10.29407/avw8b190Keywords:
Analisis Sentimen, Naïve Bayes Classifier, Mobile LegendsAbstract
Penelitian ini mengkaji analisis sentimen terhadap ulasan pengguna Mobile Legends di Play Store Indonesia menggunakan metode Naive Bayes Classifier. Mobile Legends, sebagai game MOBA yang telah diunduh lebih dari 500 juta kali di Indonesia sejak peluncurannya pada Juli 2016, menghasilkan volume ulasan pengguna yang signifikan yang mencerminkan pengalaman dan persepsi pemain. Tujuan penelitian ini adalah untuk menganalisis dan mengkategorikan sentimen pengguna terhadap berbagai aspek game, termasuk gameplay, kinerja teknis, dan fitur-fitur baru. Metodologi penelitian menerapkan Naive Bayes Classifier, sebuah algoritma pembelajaran mesin berbasis probabilitas, untuk mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, atau netral. Analisis tidak hanya berfokus pada klasifikasi sentimen secara umum, tetapi juga mengidentifikasi topik-topik spesifik yang sering muncul dalam ulasan, seperti kualitas grafis, stabilitas server, dan sistem matchmaking. Hasil penelitian ini diharapkan dapat memberikan wawasan berharga bagi pengembang game dalam meningkatkan kualitas produk dan pengalaman pengguna, serta berkontribusi pada pengembangan metodologi analisis sentimen dalam konteks ulasan game mobile. Penelitian ini memiliki implikasi praktis untuk industri game mobile dan kontribusi akademis dalam bidang pemrosesan bahasa alami (NLP) dan analisis sentimen.
Downloads
References
D. Kusnanda and A. Permana, “Implementation of Naive Bayes Classifier (NBC) for Sentiment Analysis
on Twitter in Mobile Legends,” Int. J. Sci. Technol. Manag., vol. 4, no. 5, pp. 1132–1138, 2023, doi:
46729/ijstm.v4i5.935.
F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve
Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.
A. Y. Simanjuntak, I. S. S. Simatupang, and Anita, “Implementasi Data Mining Menggunakan Metode
Naïve Bayes Classifier Untuk Data Kenaikan Pangkat Dinas,” J. Sci. Soc. Res., vol. 4307, no. 1, pp. 85–
, 2022.
C. P. Chai, “Comparison of text preprocessing methods,” Nat. Lang. Eng., vol. 29, no. 3, pp. 509–553,
, doi: 10.1017/S1351324922000213.
F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet
Provider Menggunakan Algoritma Support Vector Machine,” MATRIK J. Manajemen, Tek. Inform. dan
Rekayasa Komput., vol. 20, no. 2, pp. 407–416, 2021, doi: 10.30812/matrik.v20i2.1130.
M. I. Fikri, T. S. Sabrila, Y. Azhar, and U. M. Malang, “Comparison of the Naïve Bayes Method and
Support Vector Machine on Twitter Sentiment Analysis,” SMATIKA J. STIKI Inform. J., vol. 10, no. 2,
pp. 71–76, 2020.
M. A. Reinfeld, “a C Ase S Tudy of the Grp 5000,” Technology, vol. 5, no. 3123, pp. 548–554, 2011.
Azhar, R., & Wijayanto, M. F. (2024). Program Studi Teknik Informatika (Vol. 3).
F. Koto and G. Y. Rahmaningtyas, “Inset lexicon: Evaluation of a word list for Indonesian sentiment
analysis in microblogs,” Proc. 2017 Int. Conf. Asian Lang. Process. IALP 2017, vol. 2018-Janua, no.
December, pp. 391–394, 2017, doi: 10.1109/IALP.2017.8300625.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Azanda Okta Kurniawan Adi, Fadzilah Prayoganing Gusti, Fredi Wijaya
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
