ANALISIS SENTIMEN GAME GENSHIN IMPACT UNTUK MENGETAHUI REAKSI DAN HARAPAN PEMAIN MENGGUNAKAN METODE NAIVE BAYES

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna terhadap game Genshin Impact yang diambil dari tiga video resmi di kanal YouTube berdasarkan tiga aspek: Game, Event, dan Karakter. Komentar-komentar tersebut diklasifikasikan menjadi dua kategori sentimen, yaitu positif dan negatif, dengan menggunakan algoritma Multinomial Naïve Bayes. Proses pengolahan data mencakup web scraping, pelabelan otomatis dengan VADER Sentiment Analysis, pra-pemrosesan teks (case folding, cleansing, tokenizing, stopword removal, lemmatizing), serta pembobotan menggunakan metode TF-IDF. Untuk mengatasi ketidakseimbangan data, digunakan metode SMOTE agar distribusi sentimen lebih merata. Model kemudian dievaluasi menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil menunjukkan bahwa aspek Event memiliki performa terbaik dengan akurasi sebesar 88% dan f1-score sebesar 93%. Sedangkan aspek Game dan Karakter masing-masing memperoleh akurasi 78% dan 76%. Temuan ini menunjukkan bahwa algoritma Naïve Bayes efektif digunakan dalam mengklasifikasikan sentimen komentar pengguna YouTube terhadap konten game. Visualisasi seperti wordcloud dan pie chart turut mendukung interpretasi terhadap distribusi sentimen dan kata kunci dominan dari tiap aspek.