Analisis Sentimen Berbasis Aspek pada Ulasan Aplikasi Roblox Menggunakan Algoritma Naive Bayes Classifier
DOI:
https://doi.org/10.52436/1.jpti.1831Kata Kunci:
Analisis Sentimen Berbasis Aspek, Klasifikasi Teks, Naive Bayes, Roblox, TF-IDF, Ulasan PenggunaAbstrak
Perkembangan pesat aplikasi permainan daring seperti Roblox di Indonesia menghasilkan volume ulasan pengguna yang sangat besar di Google Play Store, yang memuat informasi berharga mengenai kepuasan dan keluhan pengguna. Penelitian ini bertujuan untuk melakukan analisis sentimen berbasis aspek (Aspect-Based Sentiment Analysis) guna memetakan persepsi pengguna secara lebih mendalam ke dalam enam aspek, yaitu konten, performa, keamanan, monetisasi, grafis, dan layanan. Metode yang digunakan adalah algoritma Multinomial Naive Bayes dengan pembobotan fitur Term Frequency-Inverse Document Frequency (TF-IDF). Pelabelan sentimen pada dataset dilakukan secara otomatis berdasarkan skor rating ulasan pengguna (bintang 1-2 untuk negatif, 3 untuk netral, dan 4-5 untuk positif) guna meminimalisir bias subjektivitas. Dataset yang digunakan berjumlah 49.507 ulasan yang dibagi menjadi data latih dan data uji dengan rasio 80:20. Untuk mengatasi masalah ketidakseimbangan data (class imbalance), penelitian ini mengimplementasikan algoritma Synthetic Minority Over-sampling Technique (SMOTE). Hasil pengujian menunjukkan bahwa model Naive Bayes yang dioptimasi dengan SMOTE mencapai tingkat akurasi sebesar 74,48%. Analisis per aspek menunjukkan aspek Konten memiliki sentimen positif tertinggi (73,9%), sementara aspek keamanan memiliki sentimen negatif yang signifikan (51,6%). Kesimpulannya, penerapan SMOTE terbukti efektif mendongkrak performa deteksi kelas minoritas sehingga model mampu memetakan persepsi pengguna di berbagai spektrum emosi dengan seimbang.
Unduhan
Referensi
P. Setiawan et al., “Jurnal Restikom?: Riset Teknik Informatika dan Komputer Analisis Sentimen Pengguna Aplikasi Roblox Berdasarkan Ulasan Menggunakan Metode Machine Learning,” vol. 7, no. 3, pp. 452–460, 2025, [Online]. Available: https://restikom.nusaputra.ac.id
M. R. Firdaus, N. Rahaningsih, and R. D. Dana, “Analisis Sentimen Aplikasi Shopee di Google Play Store Menggunakan Klasifikasi Algoritma Naïve Bayes”, Jurnal Informatika dan Rekayasa Perangkat Lunak (JAIKA), vol. 5, no. 1, pp. 42–50, Mar. 2023.
R. S. Wibowo, M. Rakan, W. Ramadhan, J. B. Nugroho, and M. Arifin, “Analisis Sentimen Menggunakan Support Vector Machine dan Naive Bayes Pengguna Game Roblox,” Jurnal Ilmu Komputer dan Informatika (JIKI), vol. 3, no. 2, pp. 112–121, Nov. 2023.
S. M. Meliyana R, Sudarmin, and Y. Sabrina Effendy, “Analisis Sentimen Ulasan Game Simulator Indonesia di Google Play Store Menggunakan Algoritma Naive Bayes,” VARIANSI: Journal of Statistics and Its application on Teaching and Research, vol. 7, no. 2, pp. 169–178, Sep. 2025, doi: 10.35580/variansiunm336.
A. R. Putra and D. E. Ratnawati, “Analisis Sentimen Berbasis Aspek pada Aplikasi Mobile Menggunakan Naïve Bayes berdasarkan Ulasan Pengguna Playstore (Studi Kasus?: Jconnect Mobile),” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 12, no. 2, pp. 293–300, Apr. 2025, doi: 10.25126/jtiik.2025127556.
H. Agus Setiawan et al., “Analisis Sentimen Berbasis Aspek Terhadap Ulasan Pengguna pada Game Honkai: Star Rail Menggunakan Naïve Bayes Classifier”, Sistemasi: Jurnal Sistem Informasi, vol. 13, no. 5, pp. 1956–1971, Sep. 2024.
M. Khoirul, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi BriMo pada Ulasan Pengguna di Google Play Menggunakan Algoritma Naive Bayes,” Jurnal Publikasi Ilmu Komputer dan Multimedia, vol. 2, no. 3, pp. 240–249, Sep. 2023.
L. Kusneti, A. Ratu, and A. Wijaya, “ANALISIS SENTIMEN ULASAN APLIKASI LINKEDIN DALAM GOOGLE PLAY STORE DENGAN MODEL NAÏVE BAYES,” Jurnal Teknologi Informasi, vol. 4, no. 2, 2023, doi: 10.46576/djtechno.
M. R. Hanafi and R. K. R, “Analisis Sentimen pada Ulasan Aplikasi Sirekap di Google Play Menggunakan Algoritma Naive Bayes,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 4, pp. 1578–1586, Oct. 2024, doi: 10.57152/malcom.v4i4.1693.
N. K. F. P. Dewi, I. G. I. Sudipa, I. W. Sunarya, N. W. J. Kusuma Dewi, and A. S. Kusuma, “Sentiment Analysis of Roblox Game Reviews Using Support Vector Machine Method,” sinkron, vol. 9, no. 4, pp. 1863–1876, Oct. 2025, doi: 10.33395/sinkron.v9i4.15272.
A. Wirayudha, M. Murniyati, and R. Rosdiana, “Analisis Sentimen Terhadap Ulasan Access By KAI Pada Google Play Store Menggunakan Metode Indobert,” Portal Riset dan Inovasi Sistem Perangkat Lunak, vol. 3, no. 1, pp. 9–20, Jan. 2025, doi: 10.59696/prinsip.v3i1.69.
M. R. Manoppo et al., “ANALISIS SENTIMEN PUBLIK DI MEDIA SOSIAL TERHADAP KENAIKAN PPN 12% DI INDONESIA MENGGUNAKAN INDOBERT,” Jurnal Kecerdasan Buatan dan Teknologi Informasi, vol. 4, no. 2, pp. 152–163, May 2025, doi: 10.69916/jkbti.v4i2.322.
A. Surya Firmansyah, A. Aziz, and M. Ahsan, “Optimasi K-Nearest Neighbor Menggunakan Algoritma SMOTE untuk Mengatasi Imbalance Class pada Klasifikasi Analisis Sentimen,” Jurnal Tekno Kompak, vol. 17, no. 2, pp. 85–96, Agu. 2023.
A. Rahman, E. Utami, and S. Sudarmawan, “Sentimen Analisis Terhadap Aplikasi pada Google Playstore Menggunakan Algoritma Naïve Bayes dan Algoritma Genetika,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 1, pp. 60–71, Jul. 2021, doi: 10.31603/komtika.v5i1.5188.
K. Ujaran, K. Ridwan, E. H. Hermaliani, dan M. Ernawati, “Penerapan Metode SMOTE Untuk Mengatasi Imbalanced Data Pada Klasifikasi Sentimen Ulasan Aplikasi Jago,” Co-Science: Computational Science Journal, vol. 4, no. 2, pp. 134–141, Jul. 2024.
