ANALISIS SENTIMEN GAME MOBILE LEGENDS DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN LOGISTIC REGRESSION.

Penelitian ini berjudul “Analisis Sentimen Game Mobile Legends di Google Play Store Menggunakan Metode Support Vector Machine dan Logistic Regression” yang bertujuan untuk membandingkan kinerja algoritma Support Vector Machine dan Logistic Regression dalam mengklasifikasikan sentimen ulasan pengguna terhadap aplikasi Mobile Legends: Bang Bang. Data yang digunakan berupa 2.000 ulasan berbahasa Indonesia dan Inggris yang diperoleh melalui metode web scraping dari Google Play Store. Ulasan tersebut diproses menggunakan teknik preprocessing dan diekstraksi fiturnya menggunakan metode TF-IDF, kemudian dilakukan pelabelan otomatis sentimen menggunakan model RoBERTa untuk membagi ulasan ke dalam dua kelas: positif dan negatif. Model dikembangkan menggunakan algoritma SVM dan Logistic Regression, serta dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil analisis menunjukkan bahwa algoritma SVM memiliki performa lebih unggul dibandingkan Logistic Regression dengan nilai accuracy mencapai 95,23%, precision 95,23%, recall 95,23%, dan F1-score 95,20%, sedangkan Logistic Regression memiliki nilai evaluasi yang sedikit lebih rendah. Temuan ini menunjukkan bahwa SVM lebih efektif dalam melakukan klasifikasi sentimen ulasan aplikasi game dibandingkan Logistic Regression. Penelitian ini diharapkan dapat memberikan kontribusi bagi pengembangan metode klasifikasi teks berbasis machine learning, serta memberikan masukan yang berguna bagi pengembang aplikasi dalam memahami opini dan pengalaman pengguna terhadap layanan aplikasi mereka.