PENERAPAN SUPPORT VECTOR MACHINE SEBAGAI METODE KLASIFIKASI SENTIMEN ULASAN APLIKASI GAME GENSHIN IMPACT DI PLAY STORE

Perkembangan teknologi informasi memicu peningkatan jumlah ulasan pengguna terhadap aplikasi digital, termasuk game mobile. Genshin Impact merupakan salah satu game action-RPG populer yang banyak mendapat ulasan di Google Play Store. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna terhadap aplikasi tersebut menggunakan algoritma Support Vector Machine (SVM). Sebanyak 2.300 ulasan berbahasa Indonesia dikumpulkan dan diproses menggunakan metode ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF). Data dibagi menjadi 80% data latih dan 20% data uji. Distribusi sentimen cukup seimbang, yaitu 51,74% ulasan negatif dan 48,26% ulasan positif. Model SVM dengan kernel linear menghasilkan akurasi sebesar 84,34%. Kinerja model juga menunjukkan presisi 85%, recall 87%, dan F1-score 86% untuk sentimen negatif, serta presisi 84%, recall 81%, dan F1-score 82% untuk sentimen positif. Confusion matrix mengonfirmasi bahwa model mampu mengklasifikasikan dengan baik, meskipun terdapat kecenderungan kecil untuk mengklasifikasikan ulasan positif sebagai negatif. Hasil penelitian menunjukkan bahwa metode SVM cukup efektif untuk analisis sentimen otomatis terhadap ulasan aplikasi. Temuan ini dapat dimanfaatkan oleh pengembang dalam mengevaluasi persepsi pengguna serta menjadi acuan untuk pengembangan sistem klasifikasi sentimen serupa.