KLASIFIKASI SENTIMEN ULASAN MINECRAFT PADA GOOGLE PLAY STORE: STUDI KOMPARATIF NAÏVE BAYES DAN RANDOM FOREST

Abstract

Pertumbuhan aplikasi mobile mendorong peningkatan volume ulasan pengguna pada platform Google Play Store, khususnya untuk aplikasi game. Ulasan ini mengandung pandangan pengguna yang bermanfaat untuk memahami penilaian mereka terhadap mutu aplikasi. Riset ini fokus pada klasifikasi sentimen terhadap ulasan game Minecraft di Google Play Store dengan membandingkan performa algoritma Naïve Bayes dan Random Forest. Pengumpulan data dilakukan melalui teknik scraping yang menghasilkan 12.691 ulasan, kemudian setelah tahap preprocessing diperoleh 11.078 data valid. Klasifikasi dilakukan dengan menerapkan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) dengan tiga skenario split data: 90:10, 80:20, dan 70:30. Penilaian model menerapkan metrik accuracy, precision, recall, F1-score, serta Area Under Curve (AUC). Temuan riset memperlihatkan bahwa Naïve Bayes secara stabil menunjukkan performa superior dibanding Random Forest di semua skenario uji. Performa optimal dicapai pada split 90:10 dengan accuracy 0,9052 dan F1-score 0,8993. Temuan ini mengonfirmasi bahwa Naïve Bayes lebih optimal untuk klasifikasi sentimen ulasan game berbasis teks