ABSTRAK
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.
Kata Kunci: Analisis Sentimen, Genshin Impact, Google Play Store, Support
Vector Machine, TF-IDF