ANALISIS SENTIMEN BERBASIS TOPIK ULASAN PENGGUNA APLIKASI ROBLOX MENGGUNAKAN INTEGRASI LDA DAN SVM

Abstrak

Perkembangan platform permainan virtual komunal seperti Roblox diiringi oleh tingginya volume ulasan pengguna di Google Play Store. Ulasan tersebut mengandung informasi penting mengenai kepuasan pengguna dan berbagai kendala teknis, namun jumlahnya yang besar menyulitkan proses evaluasi secara manual. Penelitian ini bertujuan menganalisis opini pengguna melalui pendekatan analisis sentimen berbasis topik menggunakan metodologi Knowledge Discovery in Databases (KDD). Dataset sebanyak 40.089 ulasan berbahasa Indonesia dianalisis menggunakan Latent Dirichlet Allocation (LDA) untuk mengekstraksi topik utama dan Support Vector Machine (SVM) untuk mengklasifikasikan polaritas sentimen. Ketidakseimbangan kelas sentimen diatasi melalui penerapan penyesuaian bobot kelas (class weight) pada proses pelatihan model SVM. Hasil pemodelan LDA mengidentifikasi empat topik utama dengan nilai Coherence Score sebesar 0,5547 dan Perplexity 191,5, yaitu masalah akun dan gangguan teknis, pengalaman bermain dan interaksi sosial, fitur item serta monetisasi, serta performa aplikasi dan koneksi jaringan. Model SVM memberikan performa terbaik pada pembagian data 70:30 dengan akurasi 85,22%, presisi 89%, recall 85%, dan F1-score 86%. Hasil penelitian menunjukkan bahwa integrasi LDA dan SVM efektif dalam mengungkap pola opini pengguna dan dapat menjadi dasar bagi pengembang dalam memprioritaskan perbaikan aplikasi.

Identifier

• DOI: https://doi.org/10.23960/jitet.v14i2.9336
• OpenAlex: https://openalex.org/W7154108044