KLASIFIKASI TEKS KOMENTAR MOBILE LEGENDS DALAM GOOGLE PLAY PADA TAHUN 2025 DENGAN ALGORITMA NAIVE BAYES

Abstrak

Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pengguna aplikasi Mobile Legends di Google Play pada bulan November 2025 menggunakan algoritma Naive Bayes. Data diperoleh dengan melakukan web scraping terhadap 2.000 komentar dari aplikasi Mobile Legends dalam periode pengumpulan data setahun ke belakang hingga bulan November 2025. Komentar kemudian dikelompokkan berdasarkan rating bintang, dengan kriteria sentimen positif untuk rating 3-5 bintang dan sentimen negatif untuk rating 1-2 bintang. Dari dataset yang dikumpulkan, diperoleh 1.213 komentar dengan sentimen negatif (60,7%) dan 705 komentar dengan sentimen positif (35,2%). Tahapan penelitian mencakup preprocessing teks, vektorisasi TF-IDF dengan maksimal 1.000 fitur, serta pelatihan model Naive Bayes multinomial menggunakan split data 80:20. Evaluasi model menggunakan metrik classification report yang mencakup precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mencapai akurasi sebesar 83%, dengan precision 0,82 dan recall 0,94 untuk klasifikasi sentimen negatif, serta precision 0,84 dan recall 0,62 untuk sentimen positif. F1-score keseluruhan mencapai 0,82 dengan nilai rata-rata tertimbang, menunjukkan performa model yang baik dalam mengklasifikasikan sentimen komentar pengguna. Hasil ini menginformasikan bahwa pengguna Mobile Legends lebih banyak memberikan komentar negatif, yang dapat menjadi masukan berharga bagi pengembang untuk meningkatkan kualitas aplikasi.