Menganalisis Ulasan Mobile Legends: Analisis Kinerja Berdasarkan Opini Pengguna dengan Naive Bayes

Abstract

Penelitian ini mengeksplorasi analisis sentimen pada ulasan pengguna game Mobile Legends: Bang Bang menggunakan metode Naïve Bayes. Dengan pertumbuhan pesat jumlah pengguna, ulasan yang diterima mencerminkan sentimen positif, negatif, dan netral yang beragam. Salah satu tantangan utama adalah ketidakseimbangan data antara ketiga sentimen, yang dapat mempengaruhi akurasi model. Data dikumpulkan melalui teknik scraping dari Google Play Store, diikuti dengan pra-pemrosesan untuk meningkatkan kualitas data. Hasil analisis menunjukkan bahwa model Naïve Bayes mencapai akurasi sebesar 75,28%, dengan kinerja yang baik dalam mengidentifikasi ulasan negatif, meskipun masih terdapat ruang untuk perbaikan pada kategori positif dan netral. Temuan ini diharapkan memberikan wawasan berharga bagi pengembang game dalam memahami pengalaman pengguna dan meningkatkan fitur aplikasi berdasarkan analisis sentimen.