ANALISIS SENTIMEN DATA RATING DAN ULASAN PENGGUNA PUBG MOBILE MENGGUNAKAN ALGORITMA MACHINE LEARNING

• TRI DARMA UTAMA
• 2025

---

- Industri game mobile berkembang pesat, salah satunya PUBG Mobile yang memiliki
jutaan pengguna di seluruh dunia. Analisis sentimen terhadap ulasan pengguna di Google Play
Store dapat memberikan wawasan penting bagi pengembang untuk meningkatkan kualitas
aplikasi. Penelitian ini menggunakan algoritma Naïve Bayes, Random Forest, Decision Tree,
dan K-Nearest Neighbor (KNN) dengan pembobotan TF-IDF untuk mengklasifikasikan
sentimen ulasan pengguna menjadi tiga kategori: positif, negatif, dan netral. Data penelitian
terdiri dari 817 ulasan yang diperoleh melalui teknik scraping dan diproses melalui tahapan
preprocessing, seperti case folding, tokenization, stopword removal, dan stemming. Hasil
analisis menunjukkan bahwa algoritma Random Forest memiliki akurasi tertinggi sebesar 66%,
diikuti oleh Decision Tree (63%), Naïve Bayes (59%), dan KNN (57%). Sebagian besar ulasan
positif memuji grafis dan gameplay yang menarik, sedangkan ulasan negatif umumnya
berkaitan dengan bug, lag, serta performa jaringan. Penelitian ini memberikan kontribusi bagi
pengembang aplikasi untuk memahami kebutuhan pengguna dan menyusun strategi perbaikan
yang lebih efektif. Penelitian selanjutnya disarankan untuk membandingkan algoritma lain atau
memperluas dataset guna memperoleh hasil yang lebih komprehensif.
Kata Kunci: Analisis Sentimen, Machine Learning, Naïve Bayes, Random Forest, TF-IDF,
PUBG Mobile.

https://repository.bsi.ac.id/repo/61134/ANALISIS-SENTIMEN-DATA-RATING-DAN-ULASAN-PENGGUNA-PUBG-MOBILE-MENGGUNAKAN-ALGORITMA-MACHINE-LEARNING
Anda dapat membaca file tugas akhir ini di repository.