ANALISIS SENTIMEN GAME MULTIPLAYER ONLINE BATTLE ARENA (MOBA) MENGGUNAKAN ALGORITMA NAÏVE BAYES (Studi Kasus: Game Mobile Legend, AoV, Vainglory)

Abstract

Multiplayer Online Battle Arena (MOBA) adalah sebuah subgenre dari permainan video strategi yang bermula sebagai subgenre strategi waktu nyata. Terdapat 3 permainan online berbasis MOBA yang memiliki jumlah download terbanyak dan rating yang tinggi, yaitu Mobile Legend, Vainglory, dan Arena of Valor. Dalam pengembangan fitur dari permainan MOBA itu sendiri, riview atau ulasan atau komentar yang ada pada google playstore juga dipertimbangkan oleh developer game. Review atau ulasan dari pengguna permainan MOBA umumnya berisi saran yang bersifat positif maupun keluhan yang bersifat negatif. Untuk mensortir dan memantau ulasan tersebut bukan hal yang ringan karena jumlah ulasan yang dimuat dalam media sosial umumnya jumlahnya sangat banyak apabila diproses secara manual. Oleh karena itu dibutuhkan suatu metode yang dapat mensortir dan memantau ulasan tersebut secara cepat dan otomatis dalam mengkategorikan ulasan-ulasan tersebut baik yang positif maupun yang bersifat negatif. Tujuan dari penelitian ini adalah untuk melakukan klasifikasi terhadap ulasan game MOBA dan menggali informasi dari ulasan tersebut. Data yang digunakan merupakan ulasan dari masing-masing game yang diambil dari playstore. Analisis untuk mengklasifikasikan sentimen menggunakan Naive Bayes Classifier. Hasil yang dari analisis klasifikasi sentimen positif dan negatif dari ulasan game yang terdapat pada playstore dengan menggunakan metode Naive Bayes, diperoleh akurasi sebesar 0,8542 atau 85,42% . Selain itu, Dari hasil menggali informasi dengan text mining, didapatkan kata yang paling banyak untuk kategori sentimen positif adalah “keren”, “suka”, “seru”, “main”, dan “moba (Multiplayer Online Battle Arena)”. Untuk kategori sentimen negatif, kata-kata yang paling banyak adalah kata “lag” diikuti dengan kata “main”, “bodoh”, “jelek”, “bocah”, serta “afk (Away From Keyboard)”.