Cover

• ANDI SETIAWAN
• ROZAN SANURA ALBARY
• MUHAMMAD ADJIE PAHLEVI
• 2025

---

Ulasan pengguna di platform Google Play Store sangat potensial untuk memahami sentimen publik terhadap aplikasi game seperti Genshin Impact. Namun, volume ulasan yang besar membuat analisis manual tidak efisien. Penelitian ini bertujuan untuk melakukan studi komparatif guna menemukan model machine learning yang paling efektif untuk tugas klasifikasi sentimen pada ulasan game Genshin Impact. Metodologi penelitian mencakup tahapan pra-pemrosesan teks, ekstraksi fitur dengan membandingkan metode CountVectorizer dan TF-IDF, serta pelatihan dan evaluasi empat algoritma klasifikasi, yaitu Logistic Regression, Multinomial Naive Bayes, Linear SVC, dan Random Forest. Hasil pengujian pada 189 data validasi menunjukkan bahwa kombinasi metode TF-IDF dengan algoritma Logistic Regression memberikan kinerja terbaik, dengan mencapai tingkat akurasi sebesar 82.54% serta F1-Score yang seimbang. Kesimpulan dari penelitian ini adalah bahwa Logistic Regression dengan TF-IDF merupakan pendekatan yang paling optimal untuk dataset ini, dan menegaskan bahwa studi komparatif diperlukan untuk menentukan metode yang paling andal untuk domain spesifik.

• Analisis Sentimen
• Machine Learning
• Genshin Impact
• Klasifikasi Teks
• TF-IDF
• Logistic Regression

https://repository.bsi.ac.id/repo/74735/Cover
File full-text dikunci.