PERBANDINGAN METODE NAIVE BAYES DAN SVM DALAM ANALISA KEPUASAN TERHADAP PENGGUNAAN GAME MOBILE LEGENDS

• BAGAS SATRITAMA
• 2025

---

Mobile Legends: Bang Bang merupakan salah satu Game mobile dengan genre MOBA
yang memiliki popularitas sangat tinggi di Indonesia, terbukti dari jutaan ulasan yang
tersedia di Google Play Store. Ulasan pengguna ini menjadi sumber data yang krusial
untuk memahami tingkat kepuasan dan persepsi pemain terhadap kualitas permainan.
Penelitian ini bertujuan untuk melakukan analisis kepuasan pengguna dengan
membandingkan kinerja dua algoritma machine learning, yaitu Naive Bayes dan
Support Vector Machine (SVM), dalam mengklasifikasikan sentimen ulasan. Metode
penelitian yang digunakan adalah SEMMA (Sample, Explore, Modify, Model, Assess)
dengan dataset sebanyak 2000 ulasan yang diambil dari Google Play Store. Data
melalui serangkaian proses preprocessing seperti cleansing, case folding,
normalisasi kata, stopwords removal, stemming, dan pelabelan sentimen berbasis
leksikon sebelum diubah menjadi vektor numerik menggunakan TF-IDF. Pengujian
dilakukan dengan beberapa skema rasio pembagian data latih dan uji. Hasil penelitian
menunjukkan bahwa algoritma Support Vector Machine (SVM) secara konsisten
memberikan kinerja yang lebih unggul dibandingkan Naive Bayes. Akurasi terbaik
SVM mencapai 82.50% pada rasio 90:10, sementara akurasi terbaik Naive Bayes
hanya mencapai 74.75% pada rasio 80:20. Temuan ini mengindikasikan bahwa SVM
merupakan metode yang lebih efektif dan andal untuk menganalisis sentimen
kepuasan pengguna pada ulasan Game Mobile Legends.

• Analisis Sentimen
• Kepuasan Pengguna
• Mobile Legends
• Naive Bayes
• Support Vector Machine

https://repository.bsi.ac.id/repo/73802/PERBANDINGAN-METODE-NAIVE-BAYES-DAN-SVM-DALAM--ANALISA-KEPUASAN-TERHADAP-PENGGUNAAN--GAME-MOBILE-LEGENDS
Anda dapat membaca file tugas akhir ini di repository.