Analisis Sentimen Ulasan Aplikasi Roblox di Google Play Store Menggunakan Algoritma SVM
DOI:
https://doi.org/10.63822/nkmqv561Keywords:
Analisis sentimen, Roblox, SVM, TF-IDF, Word2VecAbstract
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.
References
Dani, A. H., Puspaningrum, E. Y., & Mumpuni, R. (n.d.). Studi Performa TF-IDF dan Word2Vec Pada Analisis Sentimen Cyberbullying.
Dewi, N. K. F. P., Sudipa, I. G. I., Sunarya, I. W., Kusuma Dewi, N. W. J., & Kusuma, A. S. (2025). Sentiment Analysis of Roblox Game Reviews Using Support Vector Machine Method. Sinkron, 9(4), 1863–1876. https://doi.org/10.33395/sinkron.v9i4.15272
Digital 2025 Indonesia: Statistik, Tren, dan Peluang di Era Internet & Media Sosial - Sidik Cyber Media. (2025, September 24). https://sidikcybermedia.com/digital-2025-indonesia-statistik-tren-dan-peluang-di-era-internet-media-sosial/
Fide, S., Suparti, S., & Sudarno, S. (2021). ANALISIS SENTIMEN ULASAN APLIKASI TIKTOK DI GOOGLE PLAY MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN ASOSIASI. Jurnal Gaussian, 10(3), 346–358.
Joachims, T. (n.d.). Making large-scale SVM learning practical.
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space (No. arXiv:1301.3781). arXiv. https://doi.org/10.48550/arXiv.1301.3781
Pang, B., Lee, L., & Bigg, J. (n.d.). Opinion mining and sentiment analysis.
Prof. Dr. Sugiyono. (n.d.). METODE PENELITIAN KUANTITATIF, KUALITATIF, DAN R&D. Retrieved January 10, 2026, from http://archive.org/details/buku-metode-penelitian-sugiyono
Ramadhan, M. F. (2025). Klasifikasi Topik dan Sentimen Judul Berita dengan Augmentasi dan TF-IDF. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(2), 6732–6741. https://doi.org/10.31004/riggs.v4i2.1692
Rifaldy, F., Sibaroni, Y., & Prasetiyowati, S. S. (2025). Effectiveness of Word2Vec and TF-IDF in Sentiment Classification on Online Investment Platforms Using Support Vector Machine. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 10(2), 863–874. https://doi.org/10.29100/jipi.v10i2.6055
Suharman, A., & Kamayani Sulaeman, M. (2025). Analisis Sentimen Pengguna Aplikasi Livin’ by Mandiri Menggunakan Metode Support Vector Machine (SVM) dengan Ekstraksi Fitur TF-IDF dan Word2Vec. Jurnal Pendidikan dan Teknologi Indonesia, 5(8), 2201–2212. https://doi.org/10.52436/1.jpti.941
Suryono, R. R. (1868). Sentiment Classification of Indonesian-Language Roblox Reviews Using IndoBERT with SMOTE Optimization. 9(4).
Tampilan Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Qasir Mobile Pada Google Playstore Menggunakan Metode Support Vector Machine (SVM). (n.d.). Retrieved January 10, 2026, from https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/15001/6661
WIbowo, R. S. W., Rakan, M. R. W. R., Miko, J. B. N., & Arifin, M. (2025). Analisis Sentimen Menggunakan Support Vector Machine dan Naive Bayes Pengguna Game Roblox. JUKOMIKA (Jurnal Ilmu Komputer Dan Informatika), 8(2), 106–112. https://doi.org/10.54650/jukomika.v8i2.618
Yanti, I., & Utami, E. (2024). SENTIMENT ANALYSIS OF INDONESIA’S CAPITAL RELOCATION USING WORD2VEC AND LONG SHORT-TERM MEMORY METHOD. Jurnal Teknik Informatika (Jutif), 6(1), 149–158. https://doi.org/10.52436/1.jutif.2025.6.1.2712
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Resti Amelia Nur Hidayah, Ramda Hermawan, Iksan Rifki Maulana, Siti Maesaroh (Author)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
