PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ULASAN ROBLOX DI PLAY STORE
Isi Artikel Utama
Abstrak
Game Roblox merupakan salah satu platform permainan daring dengan jumlah pengguna yang sangat besar dan ulasan pengguna yang beragam di Google Play Store. Ulasan tersebut mengandung informasi penting mengenai persepsi, kepuasan, serta keluhan pengguna terhadap kualitas aplikasi. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Roblox berbahasa Indonesia serta membandingkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest (RF) dalam mengklasifikasikan sentimen positif dan negatif. Metodologi yang digunakan adalah SEMMA, yang meliputi tahap pengumpulan data melalui web scraping, eksplorasi data, preprocessing teks, pemodelan, dan evaluasi. Data yang digunakan berjumlah 5.174 ulasan dengan periode 1 Juni hingga 1 Oktober 2025. Pelabelan sentimen dilakukan secara otomatis berdasarkan rating bintang dan divalidasi oleh ahli bahasa. Proses preprocessing meliputi case folding, cleaning, normalisasi, tokenisasi, stopword removal, dan stemming, sedangkan ekstraksi fitur menggunakan metode TF-IDF. Pemodelan dilakukan dengan pembagian data 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa algoritma SVM menghasilkan kinerja yang lebih baik dibandingkan Random Forest dengan nilai akurasi sebesar 84,35%, sedangkan Random Forest memperoleh akurasi sebesar 83,19%. Berdasarkan hasil evaluasi tersebut, SVM dinilai lebih optimal untuk analisis sentimen ulasan pengguna game Roblox di Google Play Store.
Rincian Artikel
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) STMIK TIMEReferensi
[1] S. Harahap and Z. S. Ritonga, “Analisis Statitik Telekomunikasi dan Pendidikan di Indonesia Tahun 2022 dan 2023,” Jurnal Pendidikan dan Kependidikan, vol. 9, no. 1, pp. 29–35, Jun. 2024.
[2] M. Fajar, Masyhuri, and Y. Muda, “Kecanduan Game Online pada Remaja,” 2024. doi: https://doi.org/10.37985/jer.v5i3.1273.
[3] U. S. Yahsy and M. Syas, “Some rights reserved Komodifikasi Users pada Platform Game Online Roblox,” JURNAL INTERACT, vol. 11, no. 2, 2022, [Online]. Available: http://ojs.atmajaya.ac.id/index.php/fiabikom/index
[4] S. Singh, “How Many People Play Roblox 2025 [Player Count & Downloads],” demandsage.com.
[5] J. Clement, “Daily active users (DAU) of Roblox games worldwide from 4th quarter 2019 to 2nd quarter 2025, by age group,” statista.com.
[6] Daryanti and Tri Widodo, “Analisis Sentimen Ulasan Penumpang Maskapai Penerbangan Indonesia Menggunakan Support Vector Machine, Naive Bayes, dan Random Forest,” The Indonesian Journal of Computer Science, vol. 13, no. 5, pp. 8437–8445, Oct. 2024, doi: 10.33022/ijcs.v13i5.4452.
[7] A. F. Alkindi, “Analisis Sentimen Ulasan Pengguna Pada Game Roblox Dengan Metode Support Vector Machine Dan Naive Bayes,” Universitas Lancang Timur, Pekanbaru, 2024.
[8] N. B. Sidauruk, N. Riza, R. Nuraini, and S. Fatonah, “PENGGUNAAN METODE SVM DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP KAI ACCESS DI GOOGLE PLAYSTORE,” 2023.
[9] M. Arya Java, M. Syafrullah, and F. Teknologi, “Analisis Sentimen Ulasan Pengguna Aplikasi Threads pada Google Play Store Menggunakan Multinomial Naive Bayes dan Support Vector Machine,” Jurnal TICOM: Technology of Information and Communication, vol. 12, no. 2, 2024, [Online]. Available: https://github.com/nasalsabila/kamus-alay
[10] Runimeirati, A. Muis, and F. Muhammad, “Pelatihan Text Mining Menggunakan Bahasa Pemrograman Python,” Jurnal Pengabdian Kepada Masyarakat, vol. 3, pp. 36–46, 2023, [Online]. Available: https://pusdig.web.id/index.php/abdimas/index
[11] T. Ridwansyah, “Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 2, no. 5, pp. 178–185, 2022, [Online]. Available: https://djournals.com/klik
[12] Jasmarizal, Rahmaddeni, Junadhi, and M. K. Anam, “Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Terhadap,” Indonesian Journal of Computer Science Attribution, vol. 13, no. 1, pp. 1438–1450, Feb. 2024, doi: https://doi.org/10.33022/ijcs.v13i1.3654.
[13] M. R. Qisthiano, “Klasifikasi Terhadap Prediksi Kelulusan Mahasiswa Dengan Menggunakan Metode Support Vector Machine (SVM),” 2 st Proceeding STEKOM, vol. 2022, pp. 204–8, 2022.
[14] I. Adriansyah, M. D. Mahendra, E. Rasywir, and Y. Pratama, “Perbandingan Metode Random Forest Classifier dan SVM Pada Klasifikasi Kemampuan Level Beradaptasi Pembelajaran Jarak Jauh Siswa,” Bulletin of Informatics and Data Science, vol. 1, no. 2, pp. 98–103, 2022, [Online]. Available: https://ejurnal.pdsi.or.id/index.php/bids/index
[15] M. Namira, “Analisis Sentimen Vaksinasi Covid-19 Pada Komentar YouTube Dengan Menggunakan Algoritma Naive Bayes Clasifier (NBC) Dan Support Vector Machine (SVM),” Universitas Isla Negeri Syarif Hidayatullah Jakarta, Jakarta, 2023.
[16] K. Irfansyah and Zaehol Fatah, “IMPLEMENTASI ALGORITMA CLUSTERING K-MEANS PADA PENGGUNA WARTEL DI PONDOK PESANTREN SALAFIYAH SYAFI’IYAH SUKOREJO,” Jurnal Ilmiah Multidisiplin Ilmu, vol. 1, no. 5, pp. 81–86, Dec. 2024, doi: 10.69714/55xet429.
[17] D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Sep. 2021.
[18] B. P. Pratiwi, A. S. Handayani, and Sarjana, “Pengukuran Kinerja Sistem Kualitas Udara Dengan Teknologi WSN Menggunakan Confusion Matrix,” Jurnal Informatika Upgris, vol. 6, no. 2, pp. 66–75, Dec. 2020.
[19] Deni, R. Fatih Musthofa, H. Surya Herfiana, and B. Nurina Sari, “PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN ISU IJAZAH PALSU JOKO WIDODO DI MEDIA SOSIAL X,” Karawang, Dec. 2025. [Online]. Available: http://ejournal.stmik-time.ac.id