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.